Claude Science: Anthropic automatisiert die Forschung

Anthropic hat am 30. Juni 2026 Claude Science vorgestellt, ein Werkzeug, das wissenschaftliche Arbeit durch langlaufende KI-Agenten automatisierbarer machen soll. Es richtet sich an Forscher, Unternehmen und Institutionen und zielt darauf, repetitive Teile der Wissensarbeit zu übernehmen, von der Literaturrecherche bis zur Analyse von Rohdaten. Die eigentliche Frage für Fach- und Führungskräfte lautet nicht, ob das beeindruckend klingt, sondern wo es im Arbeitsalltag wirklich trägt.

Die Nachricht selbst stammt aus einem Bericht von Bloomberg vom 30. Juni 2026, der Anthropic mit dem Ziel zitiert, die "tedious aspects" der Forschungsarbeit zu reduzieren. Das ist eine klare Ansage. Wie belastbar sie ist, entscheidet sich an der Architektur dahinter und an dem, was unabhängig nachvollziehbar bleibt.

Was ist Claude Science und was macht es anders?

Claude Science ist Anthropics Ansatz, Claude als autonomen Forschungsagenten arbeiten zu lassen, der über längere Zeiträume selbstständig Aufgaben erledigt. Statt einzelner Chat-Antworten geht es um durchgehende Prozesse: Code ausführen, Ergebnisse prüfen, Fortschritt dokumentieren. Anthropic beschreibt das Tool als etwas, das "wie ein Team aus Forschungsagenten" agiert.

Der Unterschied zum bisherigen Stand liegt in der Ausdauer. Frühere Modelle lieferten Antworten auf einzelne Fragen. Der neue Ansatz zielt auf, so Anthropic, "langlaufende autonome wissenschaftliche Arbeit". Technisch stützt sich das laut Anthropics Leitfaden zu Long-running Claude for scientific computing auf drei Bausteine:

• Eine zentrale Projektdatei namens CLAUDE.md, die der Agent permanent im Kontext hält und selbst aktualisiert, damit das Ziel über die Zeit stabil bleibt.
• Das Ausführen von wissenschaftlichem Code, das Erweitern von Test-Suiten und der Abgleich gegen Referenzimplementierungen oder messbare Ziele, um Fortschritt zu prüfen.
• Ein Git-Workflow, bei dem der Agent nach jeder abgeschlossenen Arbeitseinheit committet und pusht, sodass die Arbeit überprüfbar bleibt.

Diese Kombination erinnert weniger an einen Chatbot als an einen Coding-Agenten, der eigenständig an einem Repository arbeitet. Wer die aktuelle Generation solcher Werkzeuge kennt, findet in unserem Test von Coding-Agenten wie Cursor und Codex die passende Einordnung, wie belastbar dieses Prinzip im Alltag tatsächlich ist.

Welche Aufgaben soll Claude Science im Forschungsalltag übernehmen?

Claude Science soll vor allem die wiederkehrende, dokumentationslastige Arbeit übernehmen, die Forscher Zeit kostet, aber wenig Urteilskraft verlangt. Anthropic zeigt dazu konkrete Workflows, in denen Claude Literatur aufbereitet, Hypothesen strukturiert und Ergebnisse direkt in gängige Team-Formate ausgibt. Das ist der praktische Kern der Ankündigung.

Nach Anthropics Produktseite zu Claude for Life Sciences und dem Blog zur Beschleunigung wissenschaftlicher Forschung umfassen die gezeigten Szenarien:

• Wissenschaftliche Literatur zusammenfassen und zitieren, Hypothesen generieren und in strukturierte Forschungspläne überführen.
• Mit Konnektoren wie Benchling Studienprotokolle, SOPs und Consent-Dokumente entwerfen.
• Genomische Daten mit Claude Code verarbeiten und analysieren.
• Ergebnisse in Slides, Docs oder Code-Notebooks ausgeben, also in Formate, mit denen Teams ohnehin arbeiten.

Auffällig ist der Fokus auf Life Sciences. Anthropic hebt Opus 4.5 als besonders leistungsfähiges Modell für wissenschaftliche Aufgaben hervor, mit Verbesserungen bei der Interpretation von Abbildungen, in der Computerbiologie und bei Protein-Benchmarks. Diese Zahlen stammen vom Anbieter. Unabhängige Auswertungen zu Claude Science liegen zum Zeitpunkt dieser Recherche nicht vor, was ein normaler Zustand kurz nach einem Produktstart ist.

Aus meiner Beratungspraxis sehe ich hier das entscheidende Muster: Der Nutzen entsteht nicht dadurch, dass ein Modell Benchmarks gewinnt, sondern dadurch, dass ein Team eine klar umrissene, oft wiederholte Aufgabe an den Agenten abgibt. Wer diesen Übergang systematisch angehen will, findet in einem Praxisworkshop zum Aufbau von KI-Agenten und automatisierten Arbeitsprozessen einen strukturierten Einstieg. Er lohnt sich, wenn Sie bereits einen konkreten Prozess vor Augen haben, und weniger, wenn Sie noch nach dem Problem suchen, das die Technik lösen soll.

Wie ordnet sich Claude Science in Anthropics Wissenschaftsstrategie ein?

Claude Science ist kein isoliertes Produkt, sondern die Fortsetzung eines Wegs, den Anthropic seit Herbst 2025 verfolgt. Damals führte das Unternehmen Claude for Life Sciences ein, gebaut für spezifische wissenschaftliche Aufgaben. Claude Science baut darauf auf und ergänzt die langlaufenden Agentenfunktionen.

Parallel läuft Anthropics AI for Science Program, das Forschern an akademischen und gemeinnützigen Einrichtungen kostenlose API-Credits für die Standard-Modellsuite bereitstellt, mit Schwerpunkt auf Biologie und Life-Sciences-Anwendungen. Zwei Details sind für die Einordnung wichtig:

• Der Zugang zu nicht-öffentlichen oder experimentellen Modellen ist ausdrücklich ausgeschlossen und nur "sehr begrenzten Pre-Deployment-Partnerschaften" vorbehalten.
• Für größere Forschungsprogramme empfiehlt Anthropic ein gemeinsames Konto und eine zentrale Antragstellung.

Dieses Programm bildet den institutionellen Rahmen, in dem sich das Tool im Forschungssystem verankern soll. Kostenlose Credits senken die Einstiegshürde, binden aber auch an eine Plattform. Das ist keine Kritik, sondern eine Beobachtung, die bei jeder Plattformentscheidung mitgedacht werden sollte.

Was bleibt unklar an Claude Science?

Belastbare Leistungskennzahlen fehlen bislang. In den frei zugänglichen Quellen nennt Anthropic weder eine exakte Zeitersparnis noch die Zahl angebundener Unternehmenspartner oder ein Preismodell. Auch die genaue Abgrenzung zwischen Claude Science und Claude for Life Sciences lässt sich aus den offenen Dokumenten nur indirekt ableiten.

Das ist der Punkt, an dem Vorsicht angebracht ist. Anbieterzahlen zu Benchmarks messen oft eng umrissene Aufgaben unter guten Bedingungen, nicht Ihre Daten und Ihre Sicherheitsanforderungen. Behandeln Sie solche Werte als Hinweis, nicht als Beweis. Ein weiterer offener Aspekt betrifft die Verantwortung: Ein Agent, der Studienprotokolle entwirft und Ergebnisse committet, verlangt eine klare Kontrollinstanz. Wer prüft die Ausgaben, bevor sie in eine regulatorische Einreichung fließen?

Genau hier liegt die Grenze, die auch andere Agentenprojekte zeigen. Wie stark KI eigenständig Prozesse trägt und wo der Mensch entscheiden muss, haben wir am Beispiel eines Princeton-Tests zur KI in Führungsaufgaben ausführlicher untersucht. Das Ergebnis dort lässt sich auf die Forschung übertragen: bei klar abgegrenzten, wiederholbaren Aufgaben stark, bei Urteil und Verantwortung schwach.

Was bedeutet das für Ihr Unternehmen?

Für Forschungsteams und technisch geprägte Unternehmen ist Claude Science ein Signal, dass langlaufende Agenten aus der Demo in Richtung Dauerbetrieb wandern. Der praktische Wert hängt aber weniger vom Modell ab als von der Frage, welche Aufgaben Sie sauber übergeben können. Repetitive, gut prüfbare Schritte eignen sich, offene Entscheidungen nicht.

Ein sinnvoller nächster Schritt: Wählen Sie einen wiederkehrenden, messbaren Prozess aus, etwa das Aufbereiten von Literatur oder das Verarbeiten von Rohdaten, und testen Sie den Agenten an Ihren eigenen Fällen statt an Marketingfolien. Dokumentieren Sie, wie viel Zeit tatsächlich frei wird und wo die Ausgaben nachkontrolliert werden müssen.

Zurück zur Ausgangsfrage: Automatisiert Claude Science die Forschung? Die dokumentationslastigen, wiederholbaren Teile zunehmend, und das kann real entlasten. Die Hypothese, die zählt, das Urteil über eine Methode, die Verantwortung für eine Einreichung bleiben beim Menschen. Ob sich der Einsatz lohnt, entscheidet sich nicht an der nächsten Ankündigung, sondern daran, wie präzise Sie die Aufgaben zuschneiden, die Sie abgeben.