Anthropic hat am 5. November den Report „AI for scientific discovery: How researchers use Claude“ veröffentlicht. Grundlage sind 207.000 Forschungs-Sessions auf Claude, Claude Code und Claude Science, ausgewertet mit datenschutzerhaltenden Verfahren, dazu eine Umfrage unter Forschenden. Das Economics-Team zeichnet, drei Autoren sind als Hauptautoren markiert.
Wo Claude in der Wissenschaft benutzt wird
Gemessen an der Zahl der Forschenden im jeweiligen Fach fällt die Nutzung sehr unterschiedlich aus. Vorn liegen die formalen Fächer: Informatik, Mathematik, Statistik. Hinten liegen Medizin und die labororientierten Naturwissenschaften.
Und die Aufgaben sind noch ungleicher verteilt als die Fächer. Daten analysieren und schreiben machen den Großteil aus – Datenanalyse allein etwa ein Drittel der Claude-Sessions und fast die Hälfte der Claude-Code-Sessions. Ideen und Hypothesen zu entwickeln oder Daten zu beschaffen, kommt deutlich seltener vor. In der begleitenden Umfrage nennen die Forschenden genau diese beiden Aufgaben als die wichtigsten für Entdeckungen.
Interessant ist der Vergleich innerhalb des eigenen Hauses: Auf Claude Science hat die Ideenfindung etwa den doppelten Nutzungsanteil wie auf Claude. Ein auf Forschung zugeschnittenes Werkzeug verschiebt also, wofür das Modell überhaupt eingesetzt wird.
Das Muster erklärt sich über die Fähigkeiten
Anthropic baut ein Maß dafür, wie gut KI eine Forschungsaufgabe theoretisch erledigen kann, und legt die Nutzung darüber. Die obersten 20 Prozent der Aufgaben auf diesem Maß bekommen zwei- bis viermal so viel Claude-Nutzung, wie der Zeitanteil der Forschenden erwarten lässt. Die untersten 20 Prozent, meist körperliche Arbeit, fast keine. Dasselbe gilt über die Fächer hinweg.
Kurz: Die Forschenden benutzen KI dort, wo sie funktioniert. Das klingt banal, ist aber der Grund, warum die Lücke zwischen „wird genutzt“ und „wäre wichtig“ bestehen bleibt.
Zwei Szenarien, und eine Zahl aus der Umfrage
Aus den Befunden rechnet Anthropic mit einem einfachen Modell zwei Fälle durch. Werden die heutigen Fähigkeiten breit übernommen, könnte sich die Forschungsleistung in einigen Fächern verdoppeln. Könnte KI alle nicht-körperlichen Arbeitsschritte übernehmen, käme in Informatik und Statistik bis zum Fünfzehnfachen heraus, in Chemie und Biologie das Drei- bis Vierfache, weil dort die Arbeit am Labortisch das Tempo setzt.
Dazu die Erwartung der Befragten selbst: Rund 40 Prozent der Forschenden, die KI aktiv nutzen, rechnen damit, dass Modelle bis 2030 vollständige Forschungsprojekte allein durchführen.
Die Rückkopplung steht im eigenen Report
Anthropic schreibt selbst, dass zu den Fächern mit dem größten Beschleunigungspotenzial jene gehören, die KI hervorbringen – und dass daraus eine zusätzliche Schleife entsteht: schnellere KI-Forschung, fähigere Modelle, schnellere Forschung. Dass dieser Satz in einem Report des Hauses steht, das zugleich die eigene RSI-Schwelle in den Risikofaktoren seines Börsenprospekts nennt, macht ihn nicht falsch. Er macht ihn nur schwerer als Marketing zu lesen.