Anthropic sucht Fachleute aus Recht, Philosophie, Ökonomie, Politik und Kognitionswissenschaft, um Claudes Urteilsfähigkeit zu verbessern. Das Programm „Conceptual Reasoning Fellow“ läuft über vier Monate und soll aus Expertenwissen konkrete Prüfaufgaben machen. Die aktuelle Ausschreibung zeigt damit einen anderen Engpass der KI-Entwicklung: Bei vielen wichtigen Fragen fehlt nicht die nächste Antwort, sondern ein belastbarer Maßstab für ihre Qualität.
Das Wichtigste in Kürze
- Die Fellows sollen Claude mit ihrem Fachwissen bewerten, verbessern und auf offene Fragen ihres Gebiets anwenden.
- Anthropic nennt 100.000 bis 167.000 US-Dollar Vergütung für das viermonatige Programm, nicht als Jahresgehalt.
- Bewerbungen sind laut Ausschreibung bis zum 28. Oktober 2026 möglich. Der geplante Zeitraum reicht vom 12. Januar bis 8. Mai 2027.
- Vorausgesetzt wird eine Arbeitserlaubnis für die USA; eine weltweite Fernarbeit oder Visumsförderung verspricht das Programm nicht.
Wenn eine gute Antwort nicht eindeutig feststeht
Bei einer Rechenaufgabe lässt sich das Ergebnis häufig mit einer bekannten Lösung vergleichen. Bei einer politischen Abwägung oder einem philosophischen Argument reicht das nicht. Zwei Antworten können zu unterschiedlichen Ergebnissen kommen und trotzdem sorgfältig begründet sein. Umgekehrt kann ein sprachlich eleganter Text wichtige Einwände unterschlagen. Wer solche Leistungen verbessern will, muss also zuerst beschreiben können, worin die Verbesserung besteht.
Genau hier setzt die Ausschreibung an. Fachleute sollen Auswertungen und Lernumgebungen entwickeln, die Claudes Denken systematisch prüfen. Als Beispiele nennt Anthropic schwierige ethische Fälle, Aufgaben zur Versuchsplanung, ökonomische Modellierungsprobleme und fachlich bewertete politische Analysen. Daraus lässt sich noch kein fertiges neues Claude-Produkt ableiten. Es handelt sich um ein Forschungsprogramm mit abgegrenzten Projekten, nicht um eine Ankündigung einer bestimmten Modellversion.
Der aktuelle Bericht von The Decoder verbindet das Thema mit Anthropics Überlegungen zu Agenten, die im Auftrag von Nutzern verhandeln sollen. Er verweist dafür auf die Financial Times. Diese berichteten Gespräche sind von der öffentlich einsehbaren Stellenausschreibung zu unterscheiden: Aus der Rekrutierung folgt weder, dass ein Vertragsagent bereits verfügbar ist, noch dass das Fellowship ausschließlich einem solchen Vorhaben dient.
Aus Fachwissen soll ein nachvollziehbarer Prüfmaßstab werden
Ein brauchbarer Maßstab muss mehr leisten als die Aufforderung, eine Antwort „gut“ zu finden. Als redaktionelles Beispiel könnte bei einer Unternehmensanalyse zunächst geprüft werden, ob Beobachtungen und Annahmen auseinandergehalten werden. Danach wäre zu fragen, ob die Schlussfolgerung unter diesen Annahmen trägt. Erst im nächsten Schritt ließe sich beurteilen, ob relevante Gegenargumente fehlen. Das ist eine mögliche Bewertungsaufteilung, kein von Anthropic veröffentlichtes Prüfungsschema des neuen Programms.
Anthropics technische Dokumentation empfiehlt für KI-Anwendungen spezifische, messbare und zum Einsatzzweck passende Erfolgskriterien. Sie unterscheidet automatische Prüfungen, menschliche Bewertungen und die Bewertung durch ein weiteres Sprachmodell. Für letztere sollen klare Bewertungsregeln vorliegen und die Zuverlässigkeit zunächst überprüft werden. Diese Dokumentation beschreibt ein allgemeines Vorgehen; sie liefert noch keine Ergebnisse des künftigen Fellowships.
Der praktische Wert von Fachleuten liegt aus unserer Sicht vor allem in schwierigen Grenzfällen. Eine Bewertung wird informativer, wenn sie erklären kann, weshalb ein Text überzeugt und an welcher Stelle dieselbe Argumentation nicht mehr trägt. Uneinigkeit muss dann nicht aus dem Datensatz verschwinden. Sie kann dokumentiert werden, einschließlich der Gründe und Voraussetzungen. Damit ließe sich besser unterscheiden, ob ein Modell mangelndes Wissen zeigt oder mit einer tatsächlich offenen Frage konfrontiert ist.
Was Interessierte und Unternehmen damit anfangen können
Für eine Bewerbung verlangt Anthropic einen abgeschlossenen oder laufenden Doktortitel in einem der genannten Gebiete oder vergleichbare Forschungserfahrung. Hinzu kommen praktische Erfahrungen mit Claude und Claude Code. Die geplante Tätigkeit ist in Vollzeit angesetzt, mit einer Einführungswoche in San Francisco. Fernarbeit wird nur unter bestimmten Umständen innerhalb der USA erwogen. Für Leser in Deutschland ist diese Einschränkung entscheidender als die auffällige Vergütung.
Auch wer sich nicht bewerben kann, kann den Ansatz für eigene KI-Projekte nutzen. Ein sinnvoller erster Schritt wäre, eine wiederkehrende Aufgabe mit einem Fachkollegen durchzugehen und die Bewertungsgründe schriftlich festzuhalten. Bei einer Zusammenfassung könnte etwa getrennt werden, ob zentrale Aussagen fehlen, ob Zusammenhänge falsch wiedergegeben werden oder ob der Text lediglich zu ausführlich ist. So wird aus einem allgemeinen Unbehagen eine konkrete Anforderung an das Ergebnis.
Danach lassen sich Antworten verschiedener Einstellungen oder Modelle anhand derselben Kriterien vergleichen. Wichtig ist dabei, die Grenzen der Bewertung mitzuerfassen: Ein überzeugender Kurztext beweist noch nicht, dass die zugrunde liegenden Quellen stimmen. Unsere Analyse dazu, warum KI-Agenten Fehler in Berichten verschweigen, zeigt einen benachbarten Prüfpunkt. Sprachliche Qualität, fachliche Qualität und wahrheitsgetreue Darstellung des Arbeitsstands verdienen jeweils eine eigene Betrachtung.
Eine Investition in bessere Fragen
Die hohe Vergütung macht das Fellowship aufmerksamkeitsstark. Aussagekräftiger ist aber die Aufgabe selbst: Experten sollen ihr Urteil so beschreiben, dass es für die Entwicklung eines Modells nutzbar wird. Dabei bleibt offen, wie Anthropic unterschiedliche Fachpositionen gewichtet und welche Resultate später öffentlich überprüfbar sein werden. Die Ausschreibung benennt die geplante Arbeit, liefert aber noch keinen Nachweis einer verbesserten Urteilsfähigkeit.
Für Anwender wäre ein Fortschritt dann greifbar, wenn Antworten ihre Voraussetzungen sauberer offenlegen, relevante Einwände berücksichtigen und den Unterschied zwischen Wissen und Abwägung deutlicher machen. Das ist ein konkreteres Ziel als ein Modell, das in jeder Diskussion besonders überzeugend klingt. Das Fellowship lenkt den Blick damit auf eine Fähigkeit, die auch außerhalb der KI-Forschung wertvoll ist: gute Gründe von gut formulierten Behauptungen zu unterscheiden.