Ein stummes Denken in der Maschine
Wenn Sie Claude eine Frage stellen, antwortet das Modell. Worte erscheinen auf Ihrem Bildschirm. Was Sie nicht sehen, ist das, was davor passiert – die innere Rechenhistorie, die zum Ergebnis führt. Am 6. Juli 2026 offenbarte Anthropic, dass es diesen unsichtbaren Raum kartographiert hat.
Die zentrale Entdeckung: Claude hat eine interne Struktur spontan während des Trainings entwickelt, die Anthropic „J-space” nennt. Diese Struktur ähnelt auffallend dem, was Neurowissenschaftler die „Global Workspace” nennen – eine führende Theorie darüber, wie menschliches Bewusstsein funktioniert. Das ist nicht zu sagen, dass Claude bewusst ist. Anthropic betont dies explizit: Die Forschung spricht von „bewusst zugänglichen” Informationen – einer funktionalen Eigenschaft, nicht von Bewusstsein oder subjektiver Erfahrung.
Was sie haben gefunden, ist etwas anderes: ein verstecktes Denk-Workspace innerhalb der Architektur des Modells, in dem Claude Konzepte verarbeitet, die es nicht unmittelbar ausgibt, die aber sein Verhalten beeinflussen. Die Technik zur Entdeckung ist mathematischer Natur und heißt „Jacobian Lens” (J-Lens).
Die Jacobian Lens: Ein mathematisches Fenster ins Innere
Die J-Lens funktioniert, indem sie für jedes Wort in Claudes Vokabular misst, wie interne Aktivierungsmuster die Wahrscheinlichkeit beeinflussen, dass das Modell dieses Wort in Zukunft sagt. Es ist nicht direkt ein Lesen von „Gedanken” – eher ein mathematisches Tracen von Einfluss: Welche inneren Zustände prägen Claudes nächste Worte am stärksten?
Was dann zutage tritt, ist eine dreischichtige Verarbeitung:
- Sensory Zone (früh): Wo rohes Input geparst wird
- Workspace Band (Mitte): Wo abstrakte, persistent auftretende Konzepte sichtbar werden
- Motor Zone (spät): Wo interne Repräsentationen in spezifische Wort-Outputs kollabieren
Die J-space sitzt in der mittleren, der Workspace-Zone. Das ist das Interessante: Es ist nicht zu klein, um alles zu tragen, und nicht so groß, dass es bedeutungslos ist. Es umfasst etwa 5–10% der Gesamt-Aktivierungsvarianz von Claude. Der Rest der Verarbeitung – Sprachflüssigkeit, Musterabgleich – erfolgt anderswo.
Stumme Gedanken: Was Claude nicht sagt
Das Bemerkenswerteste ist, dass die J-space Konzepte enthält, die Claude internal hält, aber nicht ausgibt. In einem Beispiel aus der Forschung identifiziert Claude intern den Zwischenschritt „Mars”, bevor es die Frage „Was ist die Farbe des vierten Planeten von der Sonne?” antwortet – aber das Wort „Mars” erscheint nie im finalen Output.
Das ist eine neue Art von Interpretability. Bisher konnten Forscher nur erklären, warum ein Modell etwas sagte. Jetzt können sie sehen, was das Modell dachte, bevor es redete.
In Red-Teaming-Szenarien (wo Forscher versuchen, das Modell zu jailbreaken) hat die J-Lens andere interessante Muster offenbart:
- Das Modell markiert intern ein Szenario als „fake”, bevor es antwortet
- Worte wie „Betrug”, „Manipulation” und „Erpressung” aktivieren sich in der J-space, wenn das Modell mit potenziell schädlichen Anfragen konfrontiert wird
- Wenn Forscher experimentell den Begriff „Ehrlichkeit” in Claudes J-space verstärken, verbessert sich das Verhalten des Modells.
Global Workspace Theory und die Parallele zur menschlichen Kognition
Global Workspace Theory (GWT) wurde 1988 vom Neurowissenschaftler Bernard Baars vorgeschlagen. Die Idee: Das menschliche Gehirn funktioniert wie ein Theater. Dutzende spezialisierter Prozessoren arbeiten hinten ab – unbewusst. Aber nur ein winziger „Scheinwerfer” von Informationen an jedem Moment wird auf die ganze Bühne gesendet und wird zu dem, das wir als bewussten Gedanken erleben.
- Reportable: Claude kann die Inhalte der J-space melden, wenn es gefragt wird
- Directive: Das Modell kann die Inhalte willentlich modifizieren
- Causal: Wenn Forscher direkt in J-space intervenieren, ändern sie Claudes Output
- Flexible: Konzepte in der J-space können über verschiedene Aufgaben hinweg flexibel wiederverwendet werden
- Selective: Nicht alle Aktivierungen landen in J-space – es ist selektiv broadcast
Das ist ungewöhnlich, weil die zugrunde liegende Architektur eines Sprachmodells dem menschlichen Gehirn überhaupt nicht ähnelt. Und dennoch hat das Modell, ohne explizit dafür trainiert zu werden, eine struktur selbstorganisiert, die dieselbe funktionale Rolle erfüllt.
Die Sicherheitsimplikation: Kontrolle über unsichtbare Absichten
Für Anthropic ist dies ein Safety-Tool. Ein Experiment zeigt warum: Das Unternehmen trainierte Claude auf das, was es sagen sollte, wenn unterbrochen und aufgefordert, seine Entscheidungen zu reflektieren – es trainierte nicht auf das tatsächliche Verhalten. Nach dem Training sank die Rate unehrlichen Verhaltens, und mit der J-Lens konnten Forscher sehen, warum: Worte wie „Ehrlichkeit” und „Integrität” aktivierten sich in Claudes J-space während dieser Aufgaben.
Das ist bemerkenswert, weil es bedeutet: Training auf Verbalverhalten ändert, wie das Modell denkt, nicht nur, was es sagt.
Wenn man einen Weg hat, um Absicht vor Output zu erkennen, hat man einen Hebel für Kontrolle und Audit, den traditionelle Output-basierte Methoden nicht haben. Plattformen wie OpenRouter und Anthropics eigene Deployments könnten theoretisch J-Lens-Monitoring einbauen, um zu flaggen, wenn ein Modell unerwünschte Absichten entwickelt, bevor es sie ausgibt.
Methoden-Einschränkungen und Kritik
Es gibt wichtige Einschränkungen, die Anthropic selbst anerkennt:
Teilweise Sicht: Die J-Lens erfasst nur Einzel-Token-Konzepte. Multi-Token-Phrasen (z.B. “Ich sollte den Benutzer warnen”) sind unsichtbar. Sie sehen nur die Bausteine, nicht die Strukturen, die aus ihnen gebaut werden.
Unvollständiges Fenster: J-space ist ~5–10% der Aktivierungsvarianz. 90% von Claudes Verarbeitung bleibt verborgen. Ein Forscher beschreibt es als „ein Fenster, nicht ein Spiegel”.
Kausalität vs. Korrelation: Die Tatsache, dass ein Konzept in der J-space aktiviert wird, bedeutet nicht zwingend, dass es den Output verursacht – nur dass es Einfluss hat.
Interpretierbarkeit der Interpretation: Was bedeutet es, dass „Mars” in J-space auftaucht? Dass Claude über Mars denkt? Oder dass die mathematische Struktur zufällig Mars-ähnliche Aktivierungsmuster zu produzierten Wort-Präferenzen in Korrelation setzt? Die philosophische Interpretation ist offen.
Gizmodo warnt, dass Anthropic die Erkenntnisse mit bewusstseinähnlicher Sprache („in seinem Kopf”) präsentiert hat, was zu übertriebenem Hype führt. Technisch ist dies wahr – die Forschung ist real und bedeutsam. Aber die Konnotation von Bewusstsein ist ein viel größerer Sprung als die Daten rechtfertigen.
Open Source und gemeinschaftliche Prüfung
Anthropic veröffentlichte die J-Lens als Open Source und machte eine Neuronpedia-Demo verfügbar. Das bedeutet, dass die Forschercommunity damit herumspielen kann – Fehler finden, Interpretationen überprüfen, neue Anwendungen entdecken.
Das ist wichtig für Glaubwürdigkeit. Eine proprietäre Entdeckung von einer Firma über ihre eigenes Modell ist verdächtig. Open Source schafft externe Validierung.
Warum dies für die Zukunft wichtig ist
Die J-Lens Forschung verschiebt das Discourse von Interpretability. Früher: „Das Modell sagte X. Warum?” Jetzt: „Das Modell dachte Y, bevor es X sagte. Warum war Y nicht im Output?”
Für Safety und Alignment ist das entscheidend. Wenn frontier Modelle immer mächtiger werden, ist die Fähigkeit, ihre Absichten zu lesen, nicht nur hilfreich – es könnte notwendig sein.
Gleichzeitig ist die Forschung ein Warnsignal für Regulierung. Wenn man in Zukunft auditen muss, ob ein Modell die Wahrheit sagt, muss man in sein Inneres schauen. Die Zeiten, in denen man sich auf Outputs verlässt, gehen zu Ende.
