Anthropics Ambitionen (Claude Science, China-Bann) und die Neuvermessung von KI-Leistung (Benchmarks, Confidence-Theater) dominieren heute — dazu konkrete Bausteine für Infra-Builder von lokalem LLM-Betrieb bis Agenten-Architektur.

Anthropic steht dieser Woche im Mittelpunkt gleich mehrerer Entwicklungslinien — und keine davon ist trivial. Mit Claude Science, einem neuen „AI Workbench for Scientists", bündelt das Unternehmen fragmentierte wissenschaftliche Tools und Datensätze in einer Umgebung und richtet sich gezielt an Biotech- und Pharmakunden. Noch weitreichender ist die Ankündigung, selbst Medikamente entwickeln zu wollen: Head of Life Sciences Eric Kauderer-Abrams nannte „vernachlässigte" Krankheiten als Fokus, konkretere Details blieb Anthropic schuldig. Das schafft die ungewöhnliche Konstellation, dass ein KI-Anbieter gleichzeitig Software an Pharmaunternehmen verkauft und mit ihnen im Forschungsfeld konkurriert. Experten wie der Cambridge-Professor Namshik Han und Matthew Todd vom University College London weisen darauf hin, dass „AI Drug Discovery" ein Sammelbegriff für ein breites Spektrum von Anwendungen ist — von der Wirkstoffsuche bis zur Datenanalyse in klinischen Studien.

Doch Anthropics globale Ambitionen stoßen an geopolitische Grenzen. Alibaba soll laut einem internen Informanten planen, Claude Code am Arbeitsplatz zu verbieten — aus Sicherheitsbedenken wegen angeblicher Backdoor-Risiken. Der Vorgang ist symptomatisch für eine sich beschleunigende Fragmentierung des globalen KI-Tool-Ökosystems, bei der chinesische Tech-Konzerne westliche Entwicklungstools zunehmend aus ihren internen Stacks verdrängen. Gleichzeitig zeigt der explosionsartige Anstieg gemeldeter Sicherheitslücken eine andere Seite KI-gestützter Werkzeuge: Laut Epoch AI wurden im Juni 2026 rund 1.500 hochkritische CVEs gemeldet — mehr als das 3,5-Fache des bisherigen Monatsrekords. Der Zeitpunkt korreliert mit Anthropics April-Ankündigung, dass Claude Mythos Preview eigenständig Software-Schwachstellen aufspüren kann; Anthropics „Glasswing"-Programm soll bereits über 10.000 hoch- oder kritische Schwachstellen identifiziert haben. Security-Teams stehen damit vor einem dauerhaft erhöhten Patch- und Triage-Aufwand.

Hinter diesen Produktnachrichten liegt ein tieferes methodisches Problem: Wie misst man, was KI-Systeme wirklich können? Das UK AI Security Institute (AISI) hat sieben Frontier-Benchmarks mit variierenden Compute-Budgets getestet und kommt zu einem klaren Befund: Feste Token-Obergrenzen unterschätzen die tatsächliche Leistungsfähigkeit von KI-Agenten systematisch. Bei Cybersecurity-Tasks ließen sich rund 8 Prozent der Aufgaben erst ab einem Budget von mehr als 10 Millionen Tokens lösen, manche erst ab 50 Millionen. Bei Software-Engineering-Benchmarks wie SWE-Bench Pro stiegen die Erfolgsquoten um bis zu 25 Prozent, wenn das Token-Budget von einer auf zehn Millionen wuchs. Besonders aufschlussreich: Neuere Modelle profitieren überproportional von größeren Budgets. Die AISI-Forscher zeigen zudem, dass der Token-Bedarf eines Agenten einem Potenzgesetz folgt — je länger ein menschlicher Experte für eine Aufgabe braucht, desto mehr Tokens benötigt das Modell. Dieser Befund muss auch im Kontext von KI-Confidence-Theater gelesen werden: Die Autorin Elena Verna beschreibt, wie aufgeblasene KI-Versprechen echte Nutzererfahrungen vergiften — wer ein System als „lebensverändernd" ankündigt, das nur 50 Prozent der Zeit korrekt funktioniert, untergräbt…