Anthropic macht Claude Science als Beta für Pro-, Max-, Team- und Enterprise-Nutzer verfügbar und verbindet die Workbench mit NVIDIAs BioNeMo Agent Toolkit. Die zentrale Nachricht ist nicht einfach ein weiteres Chat-Interface für Forschende, sondern ein agentisches Arbeitsumfeld, das Literatur, Code, wissenschaftliche Spezialwerkzeuge, Compute-Ressourcen und reproduzierbare Artefakte in einer Sitzung zusammenführen soll.
Der Start ist relevant, weil KI-Agenten in der Forschung bisher oft an genau den Stellen scheitern, an denen wissenschaftliche Arbeit anspruchsvoll wird: Daten liegen in unterschiedlichen Formaten, Pipelines laufen auf lokalen Rechnern, HPC-Clustern oder GPU-Diensten, und Ergebnisse müssen Monate später noch nachvollziehbar sein. Claude Science zielt laut Anthropic genau auf diese Lücke. NVIDIA liefert mit BioNeMo die beschleunigten Life-Science-Werkzeuge, Modelle und Bibliotheken, die aus einem allgemeinen Agenten ein nutzbares Werkzeug für Genomik, Proteinstrukturen, Single-Cell-Analysen und Wirkstoffdesign machen sollen.
Was Claude Science konkret ist
Claude Science ist laut Anthropic-Ankündigung eine KI-Workbench für wissenschaftliche Arbeit. Sie soll Forschenden ermöglichen, mit Agenten in natürlicher Sprache über Literatur, Daten, Analysen, Figuren und Manuskripte zu arbeiten. Anders als ein normaler Chatbot soll die Umgebung nicht nur Antworten liefern, sondern auch ausführbare Arbeitsabläufe erstellen, Ergebnisse visualisieren und die Entstehung der Artefakte dokumentieren.
Anthropic beschreibt Claude Science als App, die die Werkzeuge und Pakete integriert, die Forschende häufig verwenden. Genannt werden unter anderem PubMed, Jupyter, R, Cluster-Terminals und domänenspezifische Datenquellen. Der entscheidende Punkt ist die Zusammenführung: Statt zwischen vielen Oberflächen, Dateiformaten und Berechnungsumgebungen zu wechseln, soll ein koordinierender Agent die Arbeit über eine gemeinsame Forschungsumgebung organisieren.
Laut Anthropic läuft Claude Science lokal auf macOS und Linux oder auf entfernten Maschinen über SSH beziehungsweise HPC-Login-Nodes. Das ist für Forschungseinrichtungen wichtig, weil große oder sensible Datensätze dadurch nicht zwingend aus vorhandenen Labor- oder Kliniksystemen herauskopiert werden müssen. Anthropic formuliert es so, dass nur der für den jeweiligen Schritt nötige Kontext an Claude gesendet wird, während große Daten auf der bestehenden Infrastruktur bleiben können.
Der Zugang ist klar begrenzt: Claude Science startet als Beta für Claude Pro, Max, Team und Enterprise. Team- und Enterprise-Nutzer benötigen laut Anthropic eine Freischaltung durch den Administrator. Es handelt sich damit nicht um ein frei verfügbares Open-Source-Werkzeug, sondern um eine Anthropic-Produktbeta mit kommerziellem Zugang.
Warum NVIDIA BioNeMo hier wichtig ist
Die zweite Hälfte der Nachricht kommt von NVIDIA. In einem NVIDIA-Blogpost erklärt das Unternehmen, dass Claude Science mit dem BioNeMo Agent Toolkit integriert ist. Dieses Toolkit verpackt NVIDIA-beschleunigte wissenschaftliche Fähigkeiten als aufrufbare Skills. Claude Science kann damit laut NVIDIA passende Werkzeuge auswählen, Eingaben vorbereiten und Workflows ausführen, während die Rechenarbeit auf NVIDIA-Compute-Ressourcen läuft.
BioNeMo ist nicht nur ein einzelnes Modell. NVIDIA beschreibt es als Life-Science-Stack aus Modellen, Bibliotheken, NIM-Microservices, Parabricks, NeMo, Nemotron-Technologien und beschleunigter Recheninfrastruktur. In der Newsroom-Ankündigung nennt NVIDIA Einsatzfelder wie Proteinstrukturvorhersage, molekulares Docking, generative Chemie, Genomanalyse, Protein-Design und Biomarker-Discovery.
Für Claude Science ist das relevant, weil wissenschaftliche Agenten nicht nur gut formulieren müssen. Sie müssen wissen, welches Werkzeug für welche Daten passt, welche Eingaben gültig sind und wie Ergebnisse interpretiert werden. Genau diese Werkzeugbeschreibung und Ausführungslogik soll das BioNeMo Agent Toolkit liefern.
Anthropic nennt in der eigenen Ankündigung konkrete Modelle und Bibliotheken, die über BioNeMo angebunden werden: Evo 2, Boltz-2 und OpenFold3. Diese Namen sind wichtig, weil sie zeigen, dass Claude Science nicht nur allgemeine Textverarbeitung meint, sondern auf spezialisierte biomolekulare Modelle und Workflows zugreifen soll.
Agentische Forschung statt isolierter Chat-Antworten
Der technische Unterschied zwischen Claude Science und einem klassischen Chatbot liegt in der Rollenverteilung. Forschende formulieren ein Ziel in natürlicher Sprache. Ein koordinierender Agent zerlegt die Aufgabe, ruft Datenquellen ab, startet spezialisierte Agenten, erzeugt Code oder Artefakte und lässt einen Reviewer-Agenten Ergebnisse prüfen.
Anthropic spricht von mehr als 60 kuratierten Skills und Connectors, die für Genomik, Single-Cell, Proteomik, Strukturbiologie, Cheminformatik und weitere Bereiche vorkonfiguriert sind. Diese Zahl sollte man als Herstellerangabe lesen, nicht als unabhängigen Qualitätsnachweis. Sie ist trotzdem ein starkes Signal für die Produktarchitektur: Claude Science wird als domänenspezifische Agentenplattform positioniert, nicht als generischer Claude-Modus.
Ein wichtiger Baustein ist die Reproduzierbarkeit. Claude Science soll Figuren, Manuskripte und wissenschaftliche Artefakte zusammen mit dem Code, der Umgebung, der Beschreibung des Entstehungsprozesses und der Message-History ausgeben. Forschende können dadurch nachvollziehen, welche Eingaben und Schritte zu einem Ergebnis geführt haben. Für wissenschaftliche Arbeit ist das nicht kosmetisch, sondern Kernanforderung.
Anthropic vergleicht die Zugriffsidee mit einem Jupyter Notebook, geht aber konzeptionell weiter: Claude Science soll nicht nur Code ausführen, sondern Forschungsentscheidungen, Abbildungen, Manuskriptentwürfe und Compute-Jobs in einer laufenden Sitzung verwalten. Die Sitzung hält Kontext im Speicher, sodass große Datensätze nicht wiederholt geladen werden müssen.
Compute: lokal, Cluster, Modal und GPU-Skalierung
Ein praktisches Problem vieler Forschungsworkflows ist der Wechsel zwischen Analyse, Cluster-Job und Ergebnisprüfung. Anthropic beschreibt, dass Claude Science Rechenjobs planen, vor Zugriffen auf neue Ressourcen nachfragen und Entscheidungen durch den Nutzer prüfen lassen soll. Anschließend kann die Workbench Jobs auf vorhandenen Ressourcen starten, etwa einem HPC-Cluster über SSH oder einem Modal-Konto für Compute on demand.
Das ist vor allem für große Analysen relevant. Beispiele sind Protein-Folding, Genomik-Pipelines oder Single-Cell-Workflows über sehr große Zellzahlen. Anthropic spricht davon, dass Analysen von einer einzelnen GPU bis zu Hunderten GPUs skalieren können. Auch diese Aussage ist Herstellerangabe und hängt in der Praxis von Zugriff, Budget, Infrastruktur und den konkreten Workflows ab.
NVIDIA ergänzt diese Perspektive mit Leistungsangaben aus dem eigenen Stack. Laut NVIDIA beziehungsweise AI-News-Bericht reduziert RAPIDS-singlecell einen Preprocessing- und Clustering-Workflow mit 1,3 Millionen Zellen von 52 Minuten auf 25 Sekunden. nvMolKit soll bestimmte Cheminformatik-Aufgaben wie Ähnlichkeitssuche und Konformer-Generierung bis zu 3.000-fach beschleunigen. Solche Werte sind starke Marketingzahlen, aber ohne unabhängige Replikation sollte man sie als Herstellerangaben behandeln.
Technisch ist die Richtung dennoch plausibel: Wenn Agenten wissenschaftliche Arbeit wirklich in Schleifen erledigen sollen, darf jeder Werkzeugaufruf nicht Stunden dauern. Beschleunigte Workflows verändern dann nicht nur die Laufzeit, sondern auch die Art der Interaktion. Ein Ergebnis, das in Sekunden oder Minuten vorliegt, kann Teil eines iterativen Denk- und Prüfprozesses werden. Ein Ergebnis, das erst am nächsten Tag kommt, bleibt eher ein Batch-Prozess.
Zugang, Verfügbarkeit und Einschränkungen
Claude Science ist ab sofort als Beta verfügbar, aber nur für bestimmte Claude-Pläne. Der Zugang ist nicht öffentlich frei, nicht open source und nicht als eigenständige Forschungsplattform ohne Anthropic-Konto beschrieben. Für Teams und Unternehmen ist eine Admin-Freigabe notwendig.
Anthropic unterstützt zusätzlich bis zu 50 Claude Science AI-for-Science-Projekte. Laut Ankündigung können diese Projekte bis zu 30.000 US-Dollar an Claude-Credits erhalten. Modal stellt für ausgewählte Projekte zusätzlich bis zu 2.000 US-Dollar Compute bereit. Bewerbungen sind laut Anthropic bis zum 15. Juli 2026 offen, Benachrichtigungen sollen bis zum 31. Juli erfolgen. Die Projektlaufzeit ist vom 1. September bis 1. Dezember 2026 vorgesehen.
Das ist ein klarer Hinweis auf den aktuellen Produktstatus: Anthropic sucht frühe Nutzung in realen wissenschaftlichen Projekten, aber das System befindet sich noch in einer Feedback- und Beta-Phase. Wer heute produktive Forschung darauf aufbauen will, sollte nicht nur die technischen Möglichkeiten prüfen, sondern auch Governance, Datenschutz, Kostenkontrolle, Reproduzierbarkeit und Abhängigkeit von Anthropic-Diensten bewerten.
Auch die NVIDIA-Seite hat Einschränkungen. BioNeMo Agent Toolkit ist laut NVIDIA über Entwicklerressourcen und GitHub verfügbar, aber viele der beschleunigten Workflows setzen geeignete NVIDIA-Infrastruktur, NIM-Microservices oder produktionsnahe Compute-Umgebungen voraus. Für akademische Labore ohne entsprechende GPU-Ressourcen ist der Nutzen nicht automatisch derselbe wie für große Pharma- oder Biotech-Teams.
Was die Beispiele aus der Beta zeigen
Anthropic nennt mehrere frühe Anwendungsfälle. Manifold Bio habe Claude Science genutzt, um Ziele für Experimente zu nominieren und Kandidaten anhand von Kriterien wie Oberflächenexpression, Trafficking und Sicherheit zu bewerten. Das ist ein Beispiel für End-to-End-Arbeit über mehrere Daten- und Bewertungsstufen hinweg. Es bleibt aber ein Herstellerbeispiel und kein unabhängig publizierter Benchmark.
Ein weiteres Beispiel kommt vom Allen Institute. Der Neurowissenschaftler Jérôme Lecoq habe mit Claude Science eine Multi-Agenten-Vorlage für lange wissenschaftliche Reviews gebaut. Anthropic beschreibt etwa 20 Custom Skills, eine Evidenzdatenbank, Abschnittsagenten und Reviewer-Agenten für Genauigkeit und Zitattreue. Laut Anthropic konnten so mehrere sehr lange Reviews mit geprüften Zitaten entstehen. Die konkrete wissenschaftliche Qualität solcher Reviews muss trotzdem durch Fachexperten bewertet werden.
Stephen Francis vom UCSF Brain Tumor Center wird mit Arbeiten zur molekularen Epidemiologie von Gliomen genannt. Laut Anthropic habe Claude Science Analysen stark beschleunigt und umfassende Germline-Workups in etwa einem Zehntel der bisherigen Zeit ermöglicht. Auch hier ist die richtige Einordnung wichtig: Das ist eine Produktfallstudie aus der Beta, nicht automatisch ein allgemeiner Beleg, dass jede Laboranalyse zehnmal schneller wird.
Diese Beispiele zeigen aber die Stoßrichtung: Claude Science adressiert nicht den Massenmarkt für Büroproduktivität, sondern wissenschaftliche Workflows, in denen Literatur, Daten, Code, Visualisierung, Validierung und spezialisierte Modelle eng zusammenhängen.
Vergleich mit klassischen KI-Assistenten
Im Vergleich zu einem allgemeinen KI-Assistenten verschiebt Claude Science den Schwerpunkt von Antwortgenerierung zu Workflow-Orchestrierung. Ein normaler Assistent kann Literatur zusammenfassen, Code vorschlagen oder Hypothesen formulieren. Claude Science soll zusätzlich Werkzeuge aufrufen, wissenschaftliche Artefakte erzeugen, Compute verwalten und Ergebnisse nachvollziehbar dokumentieren.
Das macht die Workbench näher an spezialisierten Agentenplattformen als an ChatGPT-ähnlichen Oberflächen. Der Wettbewerb findet nicht nur zwischen Modellfähigkeiten statt, sondern zwischen Ökosystemen: Anthropic bringt Claude und die Agentenlogik, NVIDIA bringt wissenschaftliche Compute-Bausteine, Modal liefert skalierbaren Compute für ausgewählte Projekte, und Labore bringen eigene Daten, Pipelines und Validierungsprozesse.
Die offene Frage ist, wie robust solche Systeme in realen Forschungsumgebungen funktionieren. Wissenschaftliche Arbeit ist fehleranfällig, datenabhängig und oft schlecht standardisiert. Ein Agent, der falsche Annahmen über Datenschemata, Versuchsdesigns oder statistische Verfahren trifft, kann Ergebnisse überzeugend aussehen lassen und trotzdem fachlich danebenliegen. Der Reviewer-Agent ist daher ein wichtiger Baustein, ersetzt aber keine menschliche Kontrolle.
Marktimplikation: KI-Agenten werden domänenspezifisch
Claude Science zeigt einen breiteren Trend: Die nächste Generation von KI-Agenten wird nicht nur über größere Sprachmodelle definiert, sondern über domänenspezifische Werkzeugketten. Für Life Sciences heißt das Zugriff auf Molekülmodelle, Genomiktools, Proteinstruktursoftware, Labor- und Datenplattformen. Für andere Branchen werden ähnliche vertikale Stacks entstehen.
Für Anthropic ist Claude Science ein Schritt in Richtung hochwertiger, zahlungsbereiter Spezialmärkte. Forschung, Biotech und Pharma haben komplexe Workflows, hohe Rechenanforderungen und echte ökonomische Hebel, wenn Analysen schneller oder reproduzierbarer werden. Für NVIDIA ist die Integration strategisch ebenfalls sinnvoll: Je stärker Agenten konkrete wissenschaftliche Werkzeuge aufrufen, desto wichtiger werden beschleunigte Bibliotheken, Microservices und GPU-Infrastruktur im Hintergrund.
Für Nutzer bedeutet das aber auch mehr Plattformabhängigkeit. Wer Claude Science einsetzt, arbeitet nicht nur mit einem Modell, sondern mit einem Ökosystem aus Anthropic, NVIDIA, Compute-Anbietern und eigenen Datenpipelines. Die Vorteile können groß sein, aber die Entscheidung sollte bewusst getroffen werden.
Fazit: technisch relevant, aber noch Beta
Claude Science ist einer der konkreteren Versuche, KI-Agenten in wissenschaftliche Arbeit zu bringen. Die Kombination aus Anthropic-Workbench, mehr als 60 vorkonfigurierten Skills, Reviewer-Agent, reproduzierbaren Artefakten und NVIDIA BioNeMo-Integration geht deutlich über klassische Chatbot-Funktionen hinaus.
Gleichzeitig ist die Einordnung nüchtern: Der Zugang ist eine Beta für zahlende Claude-Pläne, viele Leistungszahlen stammen von Anthropic oder NVIDIA, und die Qualität wissenschaftlicher Ergebnisse muss weiterhin unabhängig validiert werden. Besonders relevant ist der Start für Labore und Unternehmen, die bereits mit GPU-beschleunigten Life-Science-Workflows, HPC-Clustern oder BioNeMo-nahen Werkzeugen arbeiten.
Für den KI-Markt ist die Botschaft klar: Agenten werden nicht dadurch nützlich, dass sie allgemein mehr reden. Sie werden nützlich, wenn sie validierte Werkzeuge, reproduzierbare Prozesse und domänenspezifische Infrastruktur zuverlässig bedienen können. Claude Science ist genau in diese Richtung gebaut.
FAQ
Was ist Claude Science von Anthropic?
Claude Science ist eine Beta-Workbench für wissenschaftliche Arbeit mit KI-Agenten. Sie soll Literatur, Datenanalyse, Code, Visualisierung, Compute-Jobs und reproduzierbare Artefakte in einer Forschungsumgebung verbinden.
Wer kann Claude Science nutzen?
Laut Anthropic ist Claude Science in der Beta für Claude Pro, Max, Team und Enterprise verfügbar. Team- und Enterprise-Nutzer benötigen eine Freischaltung durch ihren Administrator.
Welche Rolle spielt NVIDIA BioNeMo bei Claude Science?
NVIDIA BioNeMo liefert wissenschaftliche Modelle, Bibliotheken und agentenfähige Skills für Life-Science-Workflows. Claude Science nutzt diese Integration unter anderem für Genomik, Proteinstrukturen, Cheminformatik und beschleunigte Analysepipelines.
Ist Claude Science ein Open-Source-Tool?
Nein. Claude Science ist eine Anthropic-Produktbeta für bestimmte Claude-Pläne. Teile des NVIDIA BioNeMo Agent Toolkits sind über NVIDIA-Entwicklerressourcen und GitHub zugänglich, aber Claude Science selbst ist kein offenes Projekt.
Warum ist Reproduzierbarkeit bei Claude Science wichtig?
Wissenschaftliche Ergebnisse müssen nachvollziehbar und überprüfbar sein. Claude Science soll daher Artefakte zusammen mit Code, Umgebung, Beschreibung und Verlauf ausgeben, damit Forschende Ergebnisse später validieren und reproduzieren können.