Anthropic sagt, Claude habe zwei Probleme der Physik Schwarzer Löcher gelöst

Nov 20, 2026
3 minute read
Anthropic homepage.

Anthropic says its Claude AI system solved two longstanding problems in theoretical physics. Source: Planet Volumes on Unsplash

eWeek Inhalte und Produktempfehlungen sind redaktionell unabhängig. Wir können Geld verdienen, wenn Sie auf Links zu unseren Partnern klicken. Mehr erfahren

Nicht jede Entdeckung eines Schwarzen Lochs beginnt mit einem Teleskop. Anthropic zufolge hat sein KI-System Claude zwei seit Langem ungelöste Probleme der theoretischen Physik gelöst – darunter eine Berechnung, die Forschende 2003 beschrieben, aber nie abgeschlossen hatten.

Die am 17. November bekannt gegebenen Ergebnisse stammen von Claude-Fable-5.2-Agenten, die sich mit Quantengravitation beschäftigten – dem Versuch, Relativitätstheorie und Quantenmechanik miteinander in Einklang zu bringen. Eine Erkenntnis betrifft ein hypothetisches Universum, das von Gas zu einem Schwarzen Loch übergeht; die andere grenzt die Suche nach mathematisch konsistenten Gravitationstheorien ein.

Keines der beiden Ergebnisse beschreibt direkt Schwarze Löcher in unserem Universum, doch beide testen die Fähigkeit von KI, zu komplexer Forschung beizutragen.

Das erste Problem: Wird ein Gas schlagartig zu einem Schwarzen Loch?

Advertisement

1983 zeigten Stephen Hawking und Don Page, dass ein idealisiertes Universum beim Erhitzen schlagartig von einem Teilchengas zu einem Schwarzen Loch übergeht – ähnlich wie Wasser beim Kochen.

Eine verwandte Quantentheorie zeigte einen ähnlichen Übergang, doch die Forschenden konnten nicht feststellen, ob er bei schwacher Wechselwirkung der Teilchen abrupt blieb. Eine 2003 vorgeschlagene Berechnung blieb unvollendet.

Im Hawking-Page-Übergang bei schwacher Kopplung, berichtete Claude, die Berechnung abgeschlossen und einen abrupten Übergang festgestellt zu haben. Wechselwirkungsstärken im Zwischenbereich sind weiterhin ungeklärt.

Das zweite Problem: Wie schwer könnte ein modelliertes Schwarzes Loch sein?

Der modulare Bootstrap schließt mathematisch inkonsistente Theorien der Quantengravitation aus. In einem vereinfachten dreidimensionalen Universum legt er eine Obergrenze für die Masse des leichtesten Schwarzen Lochs fest.

Ein früherer Beweis setzte die Obergrenze auf c/8,5, wobei c ungefähr die mikroskopischen Bausteine des Modells zählt. Numerische Schätzungen deuteten auf eine strengere Grenze hin.

Advertisement

Im modularen Bootstrap ohne Spin bei großer zentraler Ladung, leitete Claude einen exakten Divisor von ungefähr 9,1266 her und zeigte, dass diese spezielle Methode ihn nicht weiter verbessern kann. Ein größerer Divisor bedeutet eine niedrigere Obergrenze. Dadurch werden weitere Theorien ausgeschlossen, ohne die richtige zu identifizieren.

Ein separater von KI erstellter Geometriebeweis von OpenAI löste ebenfalls eine externe mathematische Prüfung aus.

Wie Claude die Probleme bearbeitete

Der Anthropic-Forscher Hongbin Chen bat Claude, offene Fragen vorzuschlagen. Das System nannte 22, und Agenten untersuchten sie etwa sechs Wochen lang.

Beim ersten Problem wiederholten die Agenten den Großteil der Berechnungen, während ein Physiker mithilfe von Claude auf anderem Weg zum gleichen Ergebnis gelangte. Beim zweiten berichtete Anthropic, dass mehrere Agenten zu demselben Ergebnis kamen, eine formale Überprüfung mit Lean erfolgte und Physiker die Arbeit prüften.

Die am 7. November veröffentlichten Preprints beschreiben ihren Text als überwiegend KI-generiert. Keiner der beiden Beiträge hat eine unabhängige Begutachtung abgeschlossen. Anders als von Claude entwickelte, in Laboren getestete Proteinbinder, beruhen diese Ergebnisse auf mathematischer Prüfung.

Advertisement

Was eWeek herausfand: Eine Berechnung abgeschlossen, eine mathematische Grenze etabliert

Der Vergleich der beiden Arbeiten zeigt, dass Anthropic das Wort „gelöst“ für unterschiedliche Leistungen verwendet: für eine abgeschlossene Berechnung in einem theoretischen Modell und für eine bewiesene mathematische Grenze einer analytischen Methode.

Problem

Was Claude Berichten zufolge festgestellt hat

Wo das Ergebnis endet

Hawking-Page-ÜbergangEin abrupter Phasenübergang bei schwacher KopplungKopplungen im Zwischenbereich und andere Modelle
Modularer BootstrapEine exakte Obergrenze c/9,1266 für die einfachste Methode ohne SpinAndere Techniken und die korrekte Gravitationstheorie

Anthropic räumte in seiner Forschungsankündigung ein: „Keines der beiden Ergebnisse beschreibt unser eigenes Universum direkt, und keines hat praktische Anwendungen.“

Advertisement

Wie es mit Claudes Erkenntnissen zu Schwarzen Löchern weitergeht

Für Forschungsteams und Organisationen, die KI-Agenten erkunden, reicht die Bedeutung über die Physik Schwarzer Löcher hinaus.

Der Ansatz von Anthropic zeigt, wie mehrere Agenten schwierige Probleme untersuchen, Berechnungen überprüfen und mit menschlichen Experten zusammenarbeiten können. Ähnliche Ansätze könnten in anderen forschungsintensiven Bereichen nützlich sein, sofern sich die Ergebnisse unabhängig bewerten lassen.

Die mathematischen Fortschritte lassen sich jedoch nicht automatisch in Zuverlässigkeit in der realen Welt übersetzen. Anders als Claudes Arbeit an einem Laser für Quantencomputer, die Ingenieure auf Hardware getestet haben, müssen diese Erkenntnisse noch umfassender von Physikern geprüft werden.

Für Organisationen, die KI-Agenten für komplexe technische Aufgaben erwägen, lautet die Lehre: Nicht nur darauf achten, ob eine KI eine überzeugende Antwort liefert. Teams müssen auch ihre Annahmen verstehen, ihre Schlussfolgerungen überprüfen und feststellen, an welchen Stellen menschliche Expertise weiterhin erforderlich ist.

Advertisement

Sie möchten KI-Agenten in Ihrem Team einsetzen? Entdecken Sie The Neuron Academy und den Kurs „How to Talk to Your AI“, um praktische KI-Kompetenzen aufzubauen und zu erfahren, wann menschliche Aufsicht weiterhin erforderlich ist.

Kezia Grace Jungco

Kezia Jungco is a technology writer and researcher specializing in artificial intelligence, data analytics, CRM software, cloud infrastructure, cybersecurity, and emerging business technologies. With more than five years of experience evaluating software platforms and technology solutions, she helps business leaders understand the tools and trends shaping the future of work.

Kezia has extensive hands-on experience testing and analyzing generative AI platforms, chatbots, natural language processing (NLP) tools, CRM systems, and business software. Her work focuses on translating complex technologies into practical insights that help organizations make informed decisions about technology adoption, operational efficiency, and digital transformation.

As a staff writer for TechnologyAdvice, Kezia covers AI innovation, business applications of machine learning, data-driven technologies, cloud computing, cybersecurity, and sales technology. Her background in journalism, research, and education enables her to combine rigorous analysis with clear, accessible reporting for both enterprise and consumer audiences.

Kezia holds a bachelor's degree in Development Communication with a major in Development Journalism from the University of the Philippines Los Baños. She has also completed professional training in artificial intelligence, data privacy, and information security. Her work has been featured in TechnologyAdvice, TechRepublic, eWeek, Datamation, and Selling Signals, where she helps readers navigate a rapidly evolving technology landscape with practical, research-driven guidance.

eWeek Logo

eWeek has the latest technology news and analysis, buying guides, and product reviews for IT professionals and technology buyers. The site's focus is on innovative solutions and covering in-depth technical content. eWeek stays on the cutting edge of technology news and IT trends through interviews and expert analysis. Gain insight from top innovators and thought leaders in the fields of IT, business, enterprise software, startups, and more.

Eigentum von TechnologyAdvice. © 2026 TechnologyAdvice. Alle Rechte vorbehalten

Werbetreibenden-Offenlegung: Einige der auf dieser Website erscheinenden Produkte stammen von Unternehmen, von denen TechnologyAdvice eine Vergütung erhält. Diese Vergütung kann beeinflussen, wie und wo Produkte auf dieser Website erscheinen, einschließlich beispielsweise der Reihenfolge, in der sie erscheinen. TechnologyAdvice schließt nicht alle Unternehmen oder alle auf dem Marktplatz verfügbaren Produkttypen ein.