Anthropic-Mitgründer Jack Clark erklärt die „Singularität für da“ und verweist auf ein internes Wirtschaftsmodell mit 44 Billionen US-Dollar US-BIP bis 2030
Die Keynote des Anthropic-Mitgründers auf der Konferenz AF14 am 18. Oktober 2026 verbindet ein ambitioniertes Wachstumsszenario mit dem Aufruf zum Ausbau von Labor- und Robotikkapazitäten
Anthropic-Mitgründer Jack Clark erklärte vor dem Publikum der AF14, dass die internen Ökonomen des Unternehmens ein Szenario modelliert hätten, in dem das US-Bruttoinlandsprodukt (BIP) bis zum Jahr 2030 auf 44 Billionen US-Dollar anwächst. Er räumte ein, diese Zahl „klinge sehr weit hergeholt“, argumentierte jedoch, sie sei „die logische Konsequenz einer Technologie, die sich kontinuierlich weiterentwickelt“. Das Modell geht – ganz wie „die Leute in den Labors“ – davon aus, dass KI-Systeme ein breites Spektrum an Aufgaben autonom erledigen und sich die Diffusion in die Wirtschaft beschleunigt. Clark nannte keine Details zu Annahmen, Adaptionskurven oder anderen von Anthropic simulierten Pfaden. Investoren sollten die Zahl als das Szenarioergebnis einer interessierten Partei betrachten, nicht als Prognose. Dennoch zeigt sie, wie aggressiv das Unternehmen die wirtschaftlichen Dimensionen absteckt.
Clark fügte eine logische Schlussfolgerung hinzu: Sollte das BIP in diesem Maße expandieren, „legt die Wirtschaftsdoktrin nahe, dass neue Industrien und Erfindungen hätten geschaffen werden müssen, um einen derart massiven wirtschaftlichen Aufschwung anzutreiben“. Seiner Darstellung nach ist genau das, was die autonome wissenschaftliche KI-Forschung liefern würde – womit nicht Chatbots oder das Programmieren, sondern die Wissenschaft zum Haupttreiber dieser These wird.
Das Kernargument: Günstige, kopierbare Forscher lösen das Problem, dass „Ideen immer schwerer zu finden sind“
Clarks wirtschaftliche These stützt sich auf den anhaltenden Rückgang der Forscherproduktivität, während gleichzeitig die Personalbestände rasant steigen und Durchbrüche kostspieliger werden. Er argumentierte, dass KI beide Variablen in dieser Gleichung verändert: die Zahl der Forscher und die für ihre Ausbildung benötigte Zeit. Er formulierte es persönlich: „Es gibt mich einmal, und es hat mich etwa 40 Jahre gekostet, hierher zu gelangen. Was würde es bedeuten, Hunderte oder Tausende von Kopien meiner selbst gleichzeitig laufen lassen zu können?“ Die Ausbildung einer neuen Kohorte menschlicher Spezialisten erfordere „10 oder 15 Jahre gezielte Bildung und Millionen von Dollar“, während KI-Systeme „sofort in beliebiger Anzahl erstellt werden können, solange ausreichend Rechenkapazität vorhanden ist“, so Clark.
Seine Einschätzung lautet, dass menschliche Wissenschaftler wertvoller werden und nicht an Bedeutung verlieren, da jeder Einzelne „Hunderte oder Tausende gleichgesinnter Experten“ beaufsichtigt. Wie sich dies mit der Verdrängung von Arbeitskräften außerhalb der Spitzenforschung vereinbaren lässt, ließ er offen. Die Rede verlor kein Wort über die Verteilungskosten des beschriebenen Wachstums.
Evidenz: Spitzen-Benchmarks in der Wissenschaft und eine aussagekräftige Physik-Anekdote
Clark erklärte, das Jahr 2026 habe die ersten Anzeichen dafür gebracht, dass KI auf höchstem Niveau Wissenschaft betreiben könne. Er verwies auf KI-Beiträge zu vorgeschlagenen Lösungen für Probleme wie die Navier-Stokes-Millennium-Probleme, die Jakobi-Vermutung und mehrere offene Erdős-Probleme und sagte, KI habe in vielen Fällen „Kerninhalte“ geliefert. In der Biologie verwies er auf von KI entworfene Viren und Medikamentenkandidaten, wobei sich einige Medikamente in klinischen Studien befinden, die „zu großen Teilen von KI-Systemen entworfen wurden“. Er wies zudem darauf hin, dass KI zunehmend Laborausstattung autonom steuert.
Die von ihm präsentierten Benchmark-Daten waren drastisch. Beim Test „Humanity's Last Exam“ erreichten Top-Systeme zum Start im Januar 2025 noch 8 %, während der Spitzenreiter in dieser Woche Claude Opus 5.5 mit 67,7 % ist. Bei FrontierMath stiegen die Bestwerte von 2 % beim Start im November 2024 auf mittlerweile 94 %. Clark sagte, er habe in der vergangenen Woche rund 100 Grafiken zusammengestellt, die über alle wissenschaftlichen Disziplinen hinweg dasselbe Muster zeigen; die Beschleunigung habe „in den letzten zwei Jahren, manchmal sogar nur im letzten Jahr“ begonnen.
Sein einprägsamstes Beweisstück war ein in der vergangenen Woche veröffentlichtes Paper mit dem Titel TheoPhys-Eval, das aus 50 unveröffentlichten theoretischen Physikproblemen bestand, die aus der eigenen Forschung der Autoren hervorgegangen waren. Clark zitierte einen der Autoren, den indischen Physiker Suat Raju: „Mir ist kein einzelner Mensch bekannt, der auch nur einen nennenswerten Bruchteil unserer finalen Aufgabensammlung ohne KI-Unterstützung lösen könnte.“ Eine erste Bewertung ergab für GPT-6 Astra Werte im hohen 80er-Bereich, dicht gefolgt von Opus 5.5. Doch die Modelle, insbesondere Astra, beharrten darauf, dass die von den Experten gelieferten Antworten falsch seien. Bei einer Überprüfung stellten die Experten fest, dass „tief in ihren Berechnungen subtile Fehler verborgen waren“ – nachdem sie ihre Antworten überarbeitet hatten, erreichte Astra eine Quote von 98 % bzw. 49 von 50 Aufgaben. Clarks Fazit lautet, dass die Spitzenwissenschaft implizit Kreativität testet – eine der letzten unbewiesenen KI-Fähigkeiten – und dass ein Erfolg dort auf eine Generalisierung hindeutet, „einschließlich der KI-Forschung selbst, was einen explosiven Effekt auf die Innovation haben könnte“. Bemerkenswert ist, dass er das Modell eines rivalisierenden Labors als Top-Performer anführte, was den Beweisen eine gewisse Glaubwürdigkeit verleiht.
Programmierproduktivität und die zweischneidige Klinge der Cybersicherheit
Clark nannte eine interne operative Kennzahl. Die Forscher von Anthropic erzeugen mittlerweile fast zehnmal so viel Code wie in den ersten vier Jahren des Unternehmens, und dieser Anstieg „korreliert im Wesentlichen direkt mit den fortschreitenden KI-Fähigkeiten“. Er sagte, KI-Systeme seien inzwischen „leistungsfähiger und effizienter als die große Mehrheit der Software-Ingenieure weltweit“.
Er äußerte sich offen über die Kehrseite. Dieselben Produktivitätsgewinne beim Programmieren haben Modelle sowohl in der Cyberabwehr als auch bei Cyberangriffen deutlich verbessert, und er betonte, dass beides „untrennbar miteinander verbunden“ sei. Er nannte dies „einen Vorgeschmack auf das Kommende“.
Infrastruktur: Der nächste Ausbau betrifft Labors, Ausrüstung und Roboter
Clark erklärte, sein zehnjähriger Einsatz bei Regierungen zum Aufbau von Stromkapazitäten und Rechenzentrumskapazitäten sei weitgehend ignoriert worden: „Nicht viele politische Entscheidungsträger haben zugehört. Ich denke, wir tragen jetzt die Konsequenzen dafür.“ Die Kapazitäten konzentrieren sich auf die USA, China und zunehmend den Nahen Osten; die Lieferketten seien so hart umkämpft, dass „die Preise steigen“.
Er argumentierte, der Compute-Ausbau sei nur Phase eins gewesen. Die nächste Phase sei die Expansion in die physische Welt, in der KI Experimente durchführt und Roboter steuert. Angesichts von weltweit schätzungsweise 10 Millionen Wissenschaftlern laut UNESCO gebe es bereits zu wenige Menschen, Labors, biologische Labors und große wissenschaftliche Instrumente, um die bestehende Nachfrage zu decken. Die Aussicht auf eine Milliarde oder gar zehn Milliarden virtuelle Wissenschaftler bedeutet, dass „uns sehr schnell die Kapazitäten ausgehen werden und sich die Geschichte wiederholen wird“. Die Implikation für Investoren ist ein neuer Nachfragevektor bei Laborautomation, wissenschaftlichen Instrumenten und Robotik sowie der Versorgung mit Rohstoffen. Clark deutete an, dass Entwicklungsländer, die grundlegende Inputs liefern, einen „Sprung nach vorn“ machen könnten („Leapfrogging“).
Er wies zudem auf einen nachgelagerten Engpass hin. „Eine Lawine an vorgeschlagenen neuen Medikamenten nützt wenig, wenn nur eine Handvoll jemals getestet werden kann“, sagte er und forderte politische Entscheidungsträger auf, den Weg vom Labor in die Klinik, Fabrik und Praxis zu beschleunigen. Damit räumt er implizit ein, dass regulatorischer und klinischer Durchsatz – und nicht etwa die Entdeckung selbst – den realisierten wirtschaftlichen Gewinn deckeln könnte.
Governance: Zurückhaltung bei KI-gesteuerter KI-Forschung
Das folgenreichste Eingeständnis betrifft möglicherweise die KI-Forschung an sich. Clark sagte, Labors wie Anthropic „werden Entscheidungen darüber treffen müssen, wie viel Aufsicht wir auf die KI-gesteuerte Forschung anwenden“. Dies könnte zwar den Fortschritt beschleunigen, bedeute aber auch, „dass wir hier extrem vorsichtig vorgehen müssen, da wir sonst die Kontrolle über die Technologie verlieren könnten“. Er forderte strengste menschliche Aufsicht in der biologischen Forschung und erklärte, die Kreativität der KI zwinge Menschen bereits dazu, Zeit für die Entschlüsselung ihrer mathematischen Fortschritte aufzuwenden. Er warf zudem die Frage auf, ob Menschen in der Lage sein müssen, wissenschaftliche Geräte, die KI für sich selbst entwirft, innerhalb von „wenigen kurzen Jahren“ zu verstehen.
Clark schloss mit dem Aufruf nach „ungewöhnlichen und ernsthaften Regeln für diese Technologie und die Unternehmen, die sie entwickeln“. Er argumentierte, die Welt müsse bei der Entwicklung „langsam und besonnen vorgehen“, auch während sie die Infrastruktur zu ihrer Nutzung aufbaut. Zudem betonte er, das Zeitfenster zum Handeln betrage „eine Handvoll Jahre, leicht weniger als ein Jahrzehnt“. Diese Haltung steht in einem gewissen Spannungsverhältnis zu einem 44-Billionen-Dollar-Wachstumsszenario, das auf rasanten Fähigkeitsgewinnen und schneller Diffusion beruht. Clark räumte diese Spannung ein, ohne sie aufzulösen.