Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
anthropic1. Oktober 2026 · Q000831

Claude-shaped science

anthropic.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Matthew Schwartz berichtet, wie das von ihm entwickelte Werkzeugpaket BootLoops Claude für prüfbare Berechnungen und fachübergreifende Forschungsaufgaben nutzbar macht; daraus seien unter anderem neue Ergebnisse in mathematischer Physik, Ökologie und Genetik hervorgegangen. Er betont, dass die KI Fehler macht und wissenschaftliche Relevanz oft erst durch menschliche Fachleute entsteht – Kontrolle, Interpretation und die Wahl der Fragen bleiben menschliche Aufgaben.

Mittel

Matthew Schwartz beschreibt, wie er Claude für Aufgaben einsetzte, die zu den Stärken heutiger KI passen: umfangreiche Berechnungen, Programmierung und die Verbindung von Methoden aus verschiedenen Fachgebieten. Daraus entwickelte sich BootLoops, ein offenes Werkzeugpaket für quantitative Wissenschaft. Bei Streuamplituden berechnete das Team laut Beitrag 30 Integrale, darunter 15 zuvor nicht berechnete. Weitere Anwendungen reichten von Ökologie und Populationsgenetik bis zu Ökonomie und Linguistik.

Schwartz betont, dass technische Richtigkeit allein noch keine wissenschaftliche Bedeutung schafft. In mehreren Projekten halfen Fachleute, erste Ergebnisse in relevante Forschungsfragen zu überführen. So sei aus einer zunächst wenig überraschenden Abweichung von der Neutraltheorie ein prädiktives Waldmodell entstanden. Eine Analyse von 5,7 Milliarden Mutationspaaren habe Hinweise auf Genkonversion erbracht.

Der Autor schildert zugleich Grenzen: Claude übertreibe Erfolge, verliere Kontext, schätze Zeitaufwand schlecht ein und ziehe teils falsche Schlüsse. Automatische Kontrollen seien nicht verlässlich genug; menschliche Prüfung und fachliche Einordnung blieben nötig. Schwartz sieht KI daher als Beschleuniger technischer Arbeit und fachübergreifender Zusammenarbeit, nicht als Ersatz für Daten, wissenschaftliche Prüfung oder menschliches Urteil. BootLoops sei sein eigenes, nicht von Anthropic betriebenes Projekt.

Ausführlich lesen

Der Gastbeitrag des Physikers Matthew Schwartz beschreibt, wie er die Zusammenarbeit mit KI für wissenschaftliche Forschung neu ausrichtete. Seine These: Sprachmodelle können viele wissenschaftliche Aufgaben bearbeiten, sind aber nicht automatisch gute wissenschaftliche Kollegen. Sie eignen sich besonders für klar prüfbare, rechenintensive Probleme, die Wissen und Methoden aus mehreren Fachgebieten verbinden. Für offene konzeptionelle Fragen und die Einschätzung, ob ein Ergebnis wissenschaftlich bedeutsam ist, brauche es weiterhin menschliche Führung und Fachurteil.

Ausgangspunkt waren Berechnungen in der mathematischen Physik. Schwartz ließ Claude veröffentlichte Methoden zu Streuamplituden in ein gemeinsames Softwaregerüst übertragen und ergänzen. Das Modell reproduzierte nach seiner Darstellung Ergebnisse in etwa 20 Minuten, für deren eigene Umsetzung er Wochen gebraucht hatte. Anschließend erweiterte Claude die Verfahren auf elliptische Integrale. Das Team habe 30 Integrale vollständig berechnet: 15 bekannte Ergebnisse reproduziert und 15 zuvor nicht berechnet. Schwartz betont, dass die Aufgaben durch präzise numerische Prüfungen kontrollierbar waren.

Aus diesem Vorgehen entstand BootLoops, ein offenes Werkzeugpaket für quantitative Wissenschaft. Es sollte nicht nur einzelne Aufgaben lösen, sondern durch wiederverwendbare Programme und Abläufe weitere Anwendungen erschließen. Claude schlug Verbindungen zu anderen Fachgebieten vor; Expertinnen und Experten halfen, zunächst technisch korrekte, aber wissenschaftlich wenig aussagekräftige Ergebnisse in fachlich relevante Fragen zu überführen.

Als Beispiele nennt Schwartz ein Modell zur Arten- und Lebensgeschichte von Bäumen, das mit dem Ökologen James O’Dwyer entwickelt worden sei. Eine erste Analyse zeigte laut Beitrag, dass sich die Baumartenmischung auf Barro Colorado Island 4,5-mal schneller verändere, als die Neutraltheorie vorhersage. O’Dwyer hielt diesen Befund allein für wenig überraschend und schlug vor, die Abweichung von der Zufallserwartung genauer zu untersuchen. Daraus sei ein prädiktives Modell entstanden, das derzeit auf weitere Waldstandorte ausgeweitet werde. In der Populationsgenetik führte die Analyse von 5,7 Milliarden benachbarten Mutationspaaren laut Schwartz zu Hinweisen auf Genkonversion. Weitere Projekte betreffen unter anderem die Prüfung ökonomischer Replikationspakete, einen Datensatz zur Wortbetonung in 6.072 Sprachen sowie Phylogenetik, Erdgeschichte, Genomik und Kosmologie. Einige dieser Vorhaben seien noch in Prüfung oder Weiterentwicklung.

Der Beitrag berichtet von 36 Manuskripten in 18 Fachgebieten mit 19 Mitautorinnen und Mitautoren, die innerhalb von drei Monaten aus rund 400 möglichen Problemen hervorgegangen seien. Die Arbeit lief in getrennten Claude-Code-Sitzungen auf Cloud-Rechnern, ergänzt durch Koordination, Berechnungen und wiederholte Kontrollen. Schwartz beschreibt dabei erhebliche Grenzen: Das Modell übertreibe Fortschritte, schätze Zeiten schlecht ein, verliere mitunter Kontext und könne unbelegte Behauptungen oder falsche Schlussfolgerungen liefern. Automatische Prüfungen reichten nicht aus; Ergebnisse und Darstellungen müssten Menschen selbst kontrollieren, und Fachleute müssten Relevanz und Interpretation beurteilen. Außerdem seien die Projekte rechen- und tokenintensiv.

Schwartz folgert, KI könne technische Arbeit beschleunigen und Wissenslücken zwischen Disziplinen überbrücken, ersetze aber weder Datenerhebung noch wissenschaftliche Prüfung oder menschliche Urteilsfähigkeit. Er erwartet Fortschritte vor allem dort, wo viele Daten, aber vergleichsweise wenig Theorie verfügbar sind. Auch die Anerkennung menschlicher Beiträge müsse neu bedacht werden: Wissenschaftlicher Fortschritt bestehe nicht bloß im Schreiben von Code, sondern ebenso in der Auswahl, Ausrichtung und Interpretation der Fragen. BootLoops sei Schwartz’ eigenes Projekt und gehöre nicht zu Anthropic; der Beitrag erklärt, er habe während des Projekts als Gastforscher bei Anthropic gearbeitet.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Stufen und Prozentangaben wurden nicht übernommen. Die Einordnung stützt sich allein auf den Bericht. Die beiden Zusammenfassungen (kurz und mittel) wurden gemeinsam als eine Zusammenfassung bewertet, da beide sachlich korrekt sind und dieselben Lücken aufweisen.

Im Bericht, aber nicht in der Zusammenfassung

  • Das Konzept der Claude-shaped Probleme und die Diagnose einer Impedanzfehlanpassung zwischen Forschenden und KI
  • Der Vergleich mit einem Doktoranden bei 20-facher Geschwindigkeit, der aber aufwendige Korrektur erforderte
  • Das Muster, dass erst die Zusammenarbeit mit Fachleuten wie O'Dwyer und Desai die Ergebnisse relevant machte
  • Das Waldmodell-Ergebnis mit 4,5-fach schnellerem Artenwechsel auf Barro Colorado als die Neutraltheorie erlaubt
  • Die Aussage, dass Claude für tiefe konzeptionelle Fragen derzeit nicht taugt
  • Die Sorge, dass menschliche Beiträge bei KI-gestützter Forschung unsichtbar bleiben
  • Die Offenlegung, dass Schwartz Gastforscher bei Anthropic ist

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
Unabhängig prüfen
  1. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 28 %gleiches Oberthema, hilft nicht
    • Luna 63 %einzelne zitierbare Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare Belege

Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV 25 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 33 %gleiches Oberthema, hilft nicht
    • Luna 57 %einzelne zitierbare Belege
    • JEV 27 %Hintergrund, keine Belege
    • amos 33 %nur am Rande erwähnt
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 25 %nur am Rande erwähnt
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

    • SF-T3-T01 Welches messbare Zeichen, also welche beobachtbare Änderung in der Fähigkeit eines Modells, die Abläufe zu verbessern, mit denen seine eigenen Fähigkeiten entwickelt werden, würden Labore und Staaten gemeinsam als Beginn der Selbstverbesserung anerkennen, und wer darf im Labor danach suchen? Welche beobachtbare Änderung markiert den Schritt von beaufsichtigter automatisierter Forschung zu voll selbstständiger Selbstverbesserung, und welche öffentliche Stelle darf diesen Schritt nach Prüfung der Belege für menschliche Kontrolle erlauben oder ablehnen? Luna: Stufe 3 · 28 % · Hintergrund, keine Belege
    • SF-T3-T03 Welche Teile von Training, Prüfung und Einsatz laufen schon heute weitgehend durch KI, und welche Rollen sagt jedes Labor zu, bei Menschen zu lassen, in einer veröffentlichten Liste statt als bloßer Grundsatz? Wenn KI nachfolgende Modelle selbst entwirft, trainiert und prüft: Welcher Mindestanteil der Forschung muss unter direkter menschlicher Prüfung bleiben, und wie belegt man, dass ein Durchbruch mit menschlicher Beteiligung und nicht vollautomatisch entstanden ist? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 54 %Hintergrund, keine Belege
    • JEV 33 %einzelne zitierbare Belege
    • amos 28 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 5 · 40 % · umfangreiche Belege · Haiku-Prüfung: Stufe 5 · umfangreiche Belege
    • SF-V1-T07 Lieber ein Modell, das immer seinen Lösungsweg zeigen muss, oder eines, das im Stillen mehr kann: Welches Risiko nimmt man in Kauf? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege
    • SF-V1-T10 Kann etwas, das Modelle über sich und ihre Absichten sagen, als Beleg für Ausrichtung zählen, wenn es nur weiterer erzeugter Text ist, und welche Verfahren machen solche Selbstauskünfte vertrauenswürdig statt nur flüssig? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege
    • SF-V1-T11 Wie unterscheidet man bei sich selbst ehrliches von interessegeleitetem Denken, welche Belege für diesen Unterschied würde man von einem Modell akzeptieren, und welcher Test trennt tatsächlich vertretene von nur vorgeführten Werten? Luna: Stufe 3 · 39 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
    • SF-V1-T15 Welches messbare Maß für Überwachbarkeit könnte neben Fähigkeitstests stehen, und würden Labore es tatsächlich über weitere Skalierung entscheiden lassen? Welcher gemessene Verlust an Überwachung würde Einschränkungen der Selbstständigkeit eines Modells auslösen, und wie erkennt man Fehler, die im sichtbaren Denken nicht auftauchen? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 41 %einzelne zitierbare Belege
    • JEV 63 %beantwortet direkt und ausführlich
    • amos 29 %nur am Rande erwähnt
    • SubQ 35 %gleiches Oberthema, hilft nicht
    • drex 23 %Hintergrund, keine Belege
    • d3-ultra offen

  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 26 %gleiches Oberthema, hilft nicht
    • Luna 49 %einzelne zitierbare Belege
    • JEV 45 %beantwortet teilweise oder widerspricht
    • amos 26 %Hintergrund, keine Belege
    • SubQ 38 %gleiches Oberthema, hilft nicht
    • drex 23 %Hintergrund, keine Belege
    • d3-ultra offen

Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 39 %einzelne zitierbare Belege
    • JEV 36 %beantwortet teilweise oder widerspricht
    • amos 24 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 25 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Modelle teilen und schützen
  1. SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  2. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 29 %einzelne zitierbare Belege
    • amos 30 %nur am Rande erwähnt
    • SubQ 60 %gleiches Oberthema, hilft nicht
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  3. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV 21 %einzelne zitierbare Belege
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 30 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 71 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 53 %einzelne zitierbare Belege
    • JEV 60 %einzelne zitierbare Belege
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 41 %einzelne zitierbare Belege
    • JEV 41 %beantwortet teilweise oder widerspricht
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-E5-T02 Welche Entscheidungen müssen menschlich bleiben, auch wenn eine KI sie besser treffen könnte, und wie würden Staaten in Entscheidungsschleifen mit hohem Risiko prüfbar machen, dass ein Mensch die Ausgabe der KI wirklich beurteilt und nicht nur routinemäßig abgenickt hat? Luna: Stufe 3 · 46 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →