Zelfsturende of autonome laboratoria kunnen wetenschappelijk onderzoek versnellen doordat machines en robots taken overnemen. Denk aan dingen zoals het voorbereiden van monsters, het uitvoeren van chemische reacties en het analyseren van data. Bekende voorbeelden zijn grootschalige, sterk geautomatiseerde platforms zoals die in de farmaceutische industrie of de ‘Chemputer’ van Lee Cronin (University of Glasgow).

Toch kleeft er een belangrijk nadeel aan deze ontwikkeling. Veel van die autonome labs vereisen gespecialiseerde, dure apparatuur en een flinke dosis technische expertise. Dat maakt ze voor veel onderzoeksgroepen moeilijk toegankelijk, zeker voor kleinere of minder goed gefinancierde labs.

De onderzoeksgroep van hoogleraar flow chemistry Timothy Noël (Universiteit van Amsterdam) presenteerde onlangs in Nature Synthesis een betaalbaar alternatief: RoboChem Flex. Dit autonome laboratoriumsysteem, dat ongeveer vijfduizend euro kost, optimaliseert syntheses in de organische chemie.

Optimale condities

Eerst: wat doet RoboChem Flex precies? Het apparaat maakt chemische stoffen aan met behulp van flowchemie. Een robot neemt kleine hoeveelheden uitgangsstoffen, mengt ze en laat het mengsel door een reactor stromen waar LED’s via een fotokatalysator de reactie starten. Daarna analyseert een geautomatiseerde NMR-spectrometer de gevormde moleculen. Naast fotokatalyse kunnen ook andere soorten chemische reacties worden uitgevoerd, zoals biokatalyse, thermische cross-couplings en enantioselectieve katalyse. Alle data worden direct doorgestuurd naar de computer die het systeem aanstuurt.

Die computer fungeert als het ‘brein’ van RoboChem Flex. Met behulp van kunstmatige intelligentie —specifiek: Bayesian optimization— bepaalt het systeem zelfstandig welke experimenten het meest zinvol zijn om als volgende uit te voeren. In plaats van willekeurig te testen, leert het model van eerdere resultaten en kiest het nieuwe condities die óf veelbelovend zijn, óf juist informatief. Gebruikers kunnen daarbij zelf definiëren wat ‘optimaal’ betekent: maximale opbrengst, minimale reactietijd, hoge selectiviteit of een combinatie daarvan.

De hardwarecomponenten van het systeem ‘praten met elkaar’ via open source software die Noël en zijn collega’s zelf ontwikkelden. Daardoor hebben gebruikers weinig programmeerkennis nodig: ze kunnen het systeem eenvoudig installeren, onderdelen koppelen en vrijwel direct gebruiken. Volgens Noël: ‘De publicatie bevat alle informatie voor laboratoria waar ook ter wereld om zelf een systeem te bouwen.’

Sneller en systematischer

Volgens Noël gaat het voordeel verder dan snelheid alleen. ‘Je kunt meer experimenten sneller uitvoeren, ook ’s nachts of onbemand,’ legt hij uit. ‘Maar minstens zo belangrijk is dat je veel systematischer complexe combinaties van variabelen kunt onderzoeken dan handmatig haalbaar is.’

Dat heeft inhoudelijke gevolgen voor het onderzoek. Doordat het systeem veel breder zoekt, is de kans groter dat betere oplossingen worden gevonden en dat onderzoekers niet blijven steken in een lokaal optimum. Tegelijk verschuift de rol van de onderzoeker: minder tijd gaat naar repetitieve handelingen, meer naar hypothesevorming, interpretatie en strategie. Bovendien kunnen experimenten veiliger worden uitgevoerd doordat minder direct menselijk ingrijpen nodig is.

Van €50.000 naar €5.000

Het Amsterdamse team bouwde eerder al een autonoom labsysteem. Dat model, uit 2024, kostte ongeveer vijftigduizend euro – en dat was nog zonder de dure analyseapparatuur.

De opvolger is dus aanzienlijk goedkoper. Volgens Noël drukt het modulaire ontwerp, met 3D-geprinte en standaardonderdelen, de kosten flink en maakt het systeem het ook flexibeler en makkelijker aan te passen. Het kan bovendien worden gekoppeld aan bestaande analyseapparatuur, waardoor labs niet alles nieuw hoeven aan te schaffen. De genoemde prijs van vijfduizend euro geldt vooral voor een minimale instapconfiguratie; uitgebreidere, volledig geautomatiseerde opstellingen zijn duurder maar kunnen stapsgewijs worden opgebouwd.

Volgens Noël onderscheidt RoboChem Flex zich van andere autonome labs door drie uitgangspunten: flexibiliteit, betaalbaarheid en brede toepasbaarheid. Waar veel bestaande systemen zich richten op één specifieke taak, zoals pipetteren of een bepaalde vorm van screening, combineert RoboChem Flex meerdere functies in één platform.

Een belangrijk technisch verschil is de focus op flowchemie. Die aanpak biedt voordelen zoals betere controle over warmte- en massatransport, hoge reproduceerbaarheid en een relatief eenvoudige opschaling van microschaalexperimenten, aldus Noël.

Veelzijdig

Om de veelzijdigheid aan te tonen, testten de onderzoekers RoboChem Flex in zes uiteenlopende casestudy’s. Die varieerden van fotokatalyse en biokatalyse tot cross-couplings en asymmetrische katalyse.

In die studies voerde het systeem zowel enkelvoudige als meervoudige optimalisaties uit, integreerde het verschillende analysemethoden en werden de gevonden optimale condities opgeschaald. Belangrijk daarbij is dat alle door het systeem voorgestelde syntheses vervolgens ook handmatig in het lab zijn uitgevoerd en gevalideerd.

Daarnaast gebruikten de onderzoekers RoboChem Flex om experimenten uit eerder gepubliceerde studies opnieuw uit te voeren, als extra test van de betrouwbaarheid en reproduceerbaarheid.

Lagere drempel

‘Wetenschappelijke vooruitgang is gebaat bij breed beschikbare, betaalbare en schaalbare apparatuur,’ stelt Noël. ‘We willen voorkomen dat automatisering vooral de best uitgeruste labs verder versterkt. Juist door de drempel te verlagen, hopen we bredere deelname aan datagedreven chemisch onderzoek mogelijk te maken.’

De ontwikkeling staat bovendien niet stil. In Amsterdam draaien inmiddels meerdere systemen op volle capaciteit en nieuwe toepassingen zijn in ontwikkeling. Een volgende stap zou bijvoorbeeld een nog compactere of draagbare versie kunnen zijn.

Timothy Noël vertelt in deze video hoe RoboChem Flex werkt.

Simone Pilon, Elia Savino, Oliver M. Bayley, et al., A flexible and affordable self-driving laboratory for automated reaction optimization, Nature Synthesis (2026), doi:10.1038/s44160-026-01053-0