Claude Science vollendet die UV-Karte des Himmels: Was die Agenten leisteten

Wer den Himmel im ultravioletten Licht sehen wollte, stieß bisher auf ein Loch: Rund ein Drittel fehlte, ausgerechnet große Teile der Milchstraße. Der Astrophysiker Brice Ménard hat diese Lücke jetzt geschlossen, mit Hilfe von KI-Agenten aus Anthropics Forschungsumgebung Claude Science. Das Ergebnis ist die erste vollständige UV-Karte des Himmels, und der Weg dorthin zeigt ziemlich genau, wofür solche Agenten in der Wissenschaft heute taugen und wofür noch nicht.

Das Wichtigste in Kürze

• Anthropic hat am 8. Oktober 2026 Ménards Bericht über die erste vollständige Himmelskarte im fernen und nahen Ultraviolett veröffentlicht.
• Rund zwei Drittel der Karte beruhen auf Messungen, vor allem der NASA-Mission GALEX; das fehlende Drittel hat ein Modell aus anderen Wellenlängen vorhergesagt.
• Bei Tests an absichtlich verdeckten, bekannten Himmelsregionen lag die Vorhersage im Mittel etwa zehn Prozent neben den echten Messwerten.
• Die Agenten erledigten Datensuche, Kalibrierung und Zusammenführung in einigen Tagen; einen systematischen Bildfehler übersahen sie trotzdem in zwei Prüfrunden, erst Ménard fiel er auf.
• Jeder Bildpunkt ist als gemessen oder vorhergesagt markiert und trägt eine Unsicherheitsangabe.

Warum es diese Karte bisher nicht gab

Ultraviolettes Licht macht sichtbar, was im normalen Licht verborgen bleibt, etwa Staubwolken, die von jungen, heißen Sternen angestrahlt werden. Die Ozonschicht der Erde verschluckt diese Strahlung allerdings, beobachten lässt sie sich nur aus dem All. Die wichtigste Datenquelle ist das Weltraumteleskop GALEX der NASA, das von 2003 bis 2013 in rund 38.000 Einzelbeobachtungen etwa zwei Drittel des Himmels abgebildet hat. Seine Detektoren waren empfindlich: Gegenden mit sehr hellen Sternen musste die Mission meiden, um die Instrumente nicht zu beschädigen. Genau dort liegt ein großer Teil der galaktischen Ebene, also das Band der Milchstraße.

Andere Missionen haben den Himmel ebenfalls im UV vermessen, aber mit anderen Instrumenten, anderer Auflösung und anderen Eigenheiten. Ménard nennt neben GALEX das NASA-Teleskop Swift, das koreanische Instrument FIMS/SPEAR und den europäischen Satelliten TD-1, dazu Daten der ESA-Missionen Planck und Gaia. Diese Bestände zu einem sauberen Gesamtbild zu verschmelzen, ist nach seiner Darstellung wochenlange Kleinarbeit. Astrophysiker schöben solche Aufgaben verständlicherweise beiseite, schreibt er, weil dringendere Forschung wartet.

Wie die Agenten gearbeitet haben

Claude Science ist die Arbeitsumgebung, die Anthropic Ende Juni als Beta für Wissenschaftler vorgestellt hat. Ein koordinierender Agent verteilt dort Aufgaben an weitere Agenten, ein eigener Prüfagent kontrolliert Berechnungen und Quellen, und zu jedem Ergebnis werden Code und Rechenumgebung mitgeliefert, damit es sich nachvollziehen lässt. Ménard gab das Ziel vor und lenkte den Prozess. Seinen eigenen Beitrag beschreibt er nüchtern als Anleitung, die eigentliche Umsetzung erledigten die Agenten.

Die Arbeit verlief in mehreren Schritten. Zunächst suchten die Agenten öffentlich verfügbare UV-Durchmusterungen zusammen und luden die Beobachtungen herunter. Dann entfernten sie das Streulicht heller Sterne, damit das schwache UV-Leuchten in deren Umgebung überhaupt messbar wird. Anschließend kalibrierten sie die Datensätze gegeneinander, brachten sie auf eine gemeinsame Auflösung und bildeten sie in einem einheitlichen Koordinatensystem ab. Für das fehlende Drittel setzte Claude ein sogenanntes Inpainting ein: Ein Modell lernt in den gut vermessenen Regionen, wie die UV-Helligkeit mit sichtbarem Licht, Infrarot und Radiostrahlung zusammenhängt, und schließt daraus auf die Lücken. Zum Schluss kamen Schätzungen für das UV-Licht von mehr als 100 Millionen einzelnen Sternen hinzu, abgeleitet aus Gaia-Messungen im sichtbaren Bereich.

Die Zusammenarbeit zog sich laut Ménard über einige Tage und mehr als ein Dutzend aufeinanderfolgende Versionen der Karte. Stundenlange Rechenläufe liefen ohne ihn weiter, während er sich anderen Projekten widmete. Das ist der eigentliche Gewinn: nicht, dass eine Maschine etwas völlig Neues entdeckt hätte, sondern dass eine aufgeschobene, mühsame Datenarbeit in wenigen Tagen erledigt war statt gar nicht.

Wo der Mensch gebraucht wurde

Lehrreich ist eine Episode aus dem Bericht. In einer Zwischenversion zeichneten sich kreisrunde Flecken ab, jeder etwas heller oder dunkler als seine Nachbarn. Die Kreise waren die Abdrücke der einzelnen GALEX-Aufnahmen: Ein UV-Leuchten der Erdatmosphäre war nicht vollständig herausgerechnet worden. Zwei Prüfrunden durch andere Agenten hatten den Fehler nicht bemerkt. Ménard sah ihn, wies darauf hin, und die Agenten wandten die Korrektur auf alle 38.000 Beobachtungen an, was einige Stunden Rechenzeit kostete.

Ebenso wichtig ist, was die Karte ist und was nicht. Rund ein Drittel davon ist eine begründete Vorhersage, keine Beobachtung. Die Abweichung von etwa zehn Prozent wurde an Regionen gemessen, deren echte Werte bekannt waren; ob das Modell in der dicht mit Sternen und Staub gefüllten Milchstraßenebene ebenso gut liegt, lässt sich so nicht vollständig belegen, weil dort gerade die Vergleichsmessungen fehlen. Kommentatoren weisen zudem darauf hin, dass die Darstellung bislang fast ausschließlich von Anthropic stammt, wo Ménard neben seiner Professur an der Johns Hopkins University selbst forscht; eine unabhängige Begutachtung steht aus. Ménard selbst behauptet nichts anderes. Er sieht die Karte vor allem als Lehrmittel, mit dem Studierende die Struktur der Milchstraße in dieser Wellenlänge im Detail betrachten können, und die Pixelmarkierung macht für jeden Nutzer sichtbar, wo Messung endet und Modell beginnt.

Was Forschende damit anfangen können

Für Wissenschaftler ist das Beispiel interessanter als die Karte selbst. Es zeigt einen Typ Aufgabe, der sich für Agenten besonders eignet: viele heterogene, öffentlich verfügbare Datensätze, klare physikalische Kriterien dafür, was ein gutes Ergebnis ist, und ein Mensch, der das Fach so gut kennt, dass er Fehler auf einen Blick erkennt. Ähnliche Fälle gibt es in fast jeder Disziplin, vom Abgleich alter Klimareihen bis zur Zusammenführung von Genomdatenbanken. Wie andere Labore mit agentischen Versuchsumgebungen experimentieren, hat zuletzt auch NVIDIA mit seinen KI-gebauten Simulationswelten gezeigt.

Wer Claude Science ausprobieren will, braucht einen kostenpflichtigen Claude-Tarif: Die Beta steht Pro-, Max-, Team- und Enterprise-Kunden offen, in Firmenkonten muss ein Administrator sie freischalten. Die Anwendung läuft unter macOS und Linux, wahlweise lokal oder per SSH auf einem entfernten Rechner bis hin zum Login-Knoten eines Hochleistungsrechners. Die mehr als 60 vorkonfigurierten Fähigkeiten und Datenanbindungen zielen bisher vor allem auf Biowissenschaften und Chemie; Ménards Projekt zeigt, dass sich das Werkzeug auch jenseits davon einsetzen lässt.

Fazit: Ein Werkzeug für liegengebliebene Arbeit

Die UV-Karte ist kein Durchbruch der Grundlagenforschung, und sie gibt das auch nicht vor. Sie ist etwas Bodenständigeres und vielleicht Folgenreicheres: der Nachweis, dass sich Datenarbeit, die jahrelang niemand machen wollte, mit Agenten in Tagen erledigen lässt, solange ein Fachmann die Ergebnisse mit geschultem Blick prüft. Anders als bei den umstrittenen KI-Beweisen in der Mathematik geht es hier nicht um die Frage, ob eine Maschine neue Erkenntnisse hervorbringt, sondern um die vielen Vorarbeiten, ohne die Erkenntnis gar nicht erst beginnt. Wenn Ménards Vermutung stimmt, liegen solche Projekte in vielen Instituten in der Schublade.