Wenn es um KI in der Wissenschaft geht, stehen meist Durchbrüche im Mittelpunkt: Proteinstrukturen, neue Kristalle, gelöste Matheprobleme. Anthropics neue Studie darüber, wie Forschende Claude tatsächlich nutzen, zeichnet ein alltäglicheres Bild. Wissenschaftler verwenden es vor allem zur Datenanalyse und zum Schreiben, und am wenigsten für die Aufgaben, die sie selbst für Entdeckungen am wichtigsten halten.
Die Studie umfasst 207.049 Forschungssitzungen in Verbrauchertarifen zwischen dem 2. August und dem 30. September 2026: 128.914 in Claudes Chat- und Cowork-Oberflächen und 78.135 in Claude Code. Ein Sprachmodell ordnete jede Sitzung nach Fach und Aufgabe einer Taxonomie von 7.262 Forschungsaufgaben in 34 Fächern zu, und nur diese Etiketten wurden behalten; laut Anthropic wurden keine Forschungsinhalte extrahiert, und Ergebnisse werden nur aggregiert berichtet. Datenanalyse allein machte etwa ein Drittel der Sitzungen in Claude und fast die Hälfte in Claude Code aus. Bei Claude lag Informatik mit 11,9% der Sitzungen vorn, gefolgt von Ingenieurwesen mit 8,4% und Medizin mit 7,7%. In Claude Code ist die Schieflage stärker: Die Informatik stellt 4,3% der Forschenden weltweit, aber 32,7% der Sitzungen.
Interessanter ist der Zusammenhang zwischen Nutzung und Eignung. Anthropic entwickelte ein Maß dafür, wie gut KI jede Forschungsaufgabe prinzipiell erledigen könnte. Das oberste Fünftel der Aufgaben nach diesem Maß wurde zwei- bis viermal so oft genutzt, wie es die Zeit, die Forschende darauf verwenden, erwarten ließe, während das unterste Fünftel, meist körperliche Laborarbeit, kaum genutzt wurde. Ideenfindung und Datenerhebung, die befragte Wissenschaftler am wichtigsten finden, kamen seltener vor; in Claude Science, Anthropics spezialisiertem Forschungsprodukt, ist der Anteil der Ideenfindung etwa doppelt so hoch wie in Claude.
Für Leser unserer Tests von Claude und Claude Code passt das zu dem, was diese Produkte gut können: Daten, Code und Entwürfe schnell durcharbeiten. Es deutet auch darauf hin, dass die größten Gewinne zuerst den rechenlastigsten Fächern zugutekommen, darunter jenen, die KI selbst entwickeln.
Die Prognosen verdienen Vorsicht. Ein einfaches Modell im Bericht legt nahe, dass die heutigen Fähigkeiten bei breiter Nutzung den Forschungsausstoß in einigen Fächern verdoppeln könnten und dass die Automatisierung aller nicht körperlichen Forschungsarbeit den Ausstoß in Informatik und Statistik bis auf das 15-Fache steigern könnte, während Laborwissenschaften wegen physischer Engpässe beim Drei- bis Vierfachen blieben. Das sind Szenarien, keine Messungen. Etwa 40% der befragten aktiven KI-Nutzer erwarten, dass Modelle bis 2030 ganze Forschungsprojekte allein durchführen, und das ist eine Meinung. Zudem analysiert hier Anthropic die Verbrauchernutzer des eigenen Produkts; Unternehmens- und API-Nutzung fehlen.