Anthropic veröffentlichte am 5. November 2026 eine Auswertung dazu, wie Forschende Claude und Claude Code einsetzen. In den untersuchten Sitzungen standen Datenanalyse und Schreiben vorn. Die deutlich größeren Beschleunigungswerte des Berichts stammen dagegen aus Modellrechnungen mit hypothetischen Annahmen. Die Hauptauswertung umfasst 207.049 Sitzungen aus dem Zeitraum vom 2. August bis 30. September 2026. Anthropics Bericht untersucht die Nutzung der eigenen Produkte.
Welche Daten Anthropic ausgewertet hat
Die Hauptstichprobe bestand aus 128.914 Claude-Chat- und Cowork-Sitzungen sowie 78.135 Claude-Code-Sitzungen in Verbraucherplänen. Klassifikatoren ordneten wissenschaftliche Arbeit zunächst als Forschung ein und teilten sie anschließend nach Fachgebiet und Aufgabe ein. Als Ordnungssystem diente SciNet mit 7.262 Aufgaben, 34 Fachgebieten und 318 Teilgebieten. Anthropic zufolge speicherten die Klassifikatoren Kategoriekennzeichnungen; Ergebnisse wurden oberhalb einer Mindestzahl von Konten zusammengefasst.
Zusätzlich befragte Anthropic 528 Forschende. Die meisten Befragten arbeiteten in den Lebens- und Gesundheitswissenschaften und waren an Institutionen in den USA oder Kanada tätig. Anthropic rekrutierte sie vor allem unter Bewerberinnen und Bewerbern für eigene Förderprogramme und schätzt, dass diese Gruppe KI intensiver nutzt als Forschende im Allgemeinen. Die Umfrage bildet daher nicht einfach die Ansichten aller Wissenschaftlerinnen und Wissenschaftler ab.
Datenanalyse führt bei Claude und Claude Code
Datenanalyse war die häufigste Aufgabenklasse in beiden Produkten. Auch Schreiben und Kommunikation machten einen großen Anteil der Sitzungen aus. Die geschätzten Anteile an der Forschungszeit sind eine andere Messgröße als die Sitzungsanteile: Eine Sitzung zählt nicht als Zeiteinheit.
| Forschungsaufgabe | Claude-Sitzungen | Claude-Code-Sitzungen | Geschätzter Anteil an der Forschungszeit |
| Datenanalyse | 33,7 % | 48,1 % | 27,6 % |
| Schreiben und Kommunikation | 32,0 % | 17,6 % | 16,0 % |
| Datenerhebung | 11,5 % | 11,9 % | 28,6 % |
| Ideenfindung und Hypothesenbildung | 4,2 % | 2,1 % | 7,1 % |
Der Unterschied fällt bei der Datenerhebung besonders auf: Sie machte laut Anthropic einen kleineren Teil der Sitzungen aus als ihren geschätzten Anteil an der Forschungszeit. Ideenfindung und Hypothesenbildung lagen ebenfalls unter ihrem geschätzten Zeitanteil. Die Umfrage stuft diese Aufgaben zugleich als wichtig für Forschungsergebnisse ein. Anthropic nennt die schwierige Zuordnung von Ideenarbeit und den körperlichen Anteil vieler Erhebungen als mögliche Gründe für die Nutzungsmuster.
Claude Science in Biologie und Biomedizin
Anthropics ergänzende Auswertung zu Claude Science konzentriert sich auf Lebenswissenschaften: 31,1 % der Forschungssitzungen entfielen auf Biomedizin, 24,1 % auf Biologie und 8,7 % auf Medizin und klinische Wissenschaften. Für Sitzungen aus Biologie und Biomedizin verglich Anthropic drei geschätzte Merkmale:
| Merkmal in Biologie und Biomedizin | Claude | Claude Code | Claude Science |
| Geschätzte menschliche Arbeitszeit für die Aufgabe | 4,9 Std. | 5,9 Std. | 10,3 Std. |
| Anteil der Sitzungen mit Inhalten auf Promotionsniveau | 48,0 % | 67,7 % | 82,7 % |
| Anteil der Sitzungen mit hoher Autonomie | 23,7 % | 64,1 % | 73,3 % |
Anthropic weist darauf hin, dass sich die Nutzenden von Claude Science in ihren Aufgaben oder ihrer Erfahrung von anderen Gruppen unterscheiden könnten. Die Werte beschreiben klassifizierte Sitzungsmerkmale; sie messen nicht die Qualität wissenschaftlicher Ergebnisse.
Was die Beschleunigungsszenarien berechnen
Im ersten Szenario setzt Anthropic voraus, dass die heutigen KI-Fähigkeiten breit eingesetzt werden. Das Modell schätzt, dass KI je nach Fachgebiet 27 bis 52 % der Forschungszeit übernehmen könnte, mit einem Median von 38 %. Die berechnete Beschleunigung der Forschungsleistung reicht dabei von 1,35-fach in den Künsten bis 2,02-fach in der Statistik.
Die größeren Faktoren beruhen auf weitergehenden Annahmen: Ein Szenario automatisiert 75 %, ein anderes 100 % der nicht-physikalischen Forschungsschritte. Bei vollständiger Automatisierung berechnet das Modell in vielen Fächern mit wenigen praktischen Arbeitsschritten eine 15- bis 16-fache Beschleunigung. Für experimentelle Fächer wie Biologie, Chemie und Biomedizin liegt der Wert bei etwa drei- bis vierfach. In beiden Szenarien erledigen Forschende die physischen Arbeitsschritte weiterhin selbst.
Diese Faktoren sind Ergebnisse illustrativer Szenarien, keine Messwerte realer Produktivitätsgewinne und keine Prognosen. Sie beschreiben, was unter den jeweiligen Annahmen aus dem Modell folgt.
Literaturstellen mit Claude nachprüfen
Ein konkreter Ansatz für Literaturarbeit ist, thematisch getrennte Claude Projects mit eigenen Anweisungen und Referenzdateien anzulegen. Andy Stapleton demonstriert diesen Ablauf in einem englischsprachigen Tutorial. Ein Nutzer in einer Reddit-Diskussion empfiehlt außerdem, Claude bei einer Behauptung nach der genauen Textstelle im Paper zu fragen und sie dort zu kontrollieren. Andere Beiträge warnen vor falsch zugeordneten Studien und vermeintlichen Forschungslücken, die aus einer erfolglosen Suche entstehen können. Das sind persönliche Praxisberichte, keine gemessenen Fehlerquoten. In der Diskussion zu Claude in der Forschung finden sich diese Hinweise.
Bei einer KI-gestützten Literaturarbeit sollte sich jede zentrale Behauptung bis zu einer konkreten Textstelle im Paper zurückverfolgen lassen.
