Wer hat es zuerst gewusst? KI-Entdeckungen und das Problem der Herkunft

Am 23. September 2026 stellte Anthropic das erste Ergebnis seiner neuen Biologieabteilung vor. Fast tausend parallel arbeitende Agentensitzungen des Sprachmodells Claude hatten in rund 21 Stunden knapp zwei Milliarden Proteincluster nach Reverse Transkriptasen durchsucht, also nach Enzymen, die RNA in DNA umschreiben. Von rund 200.000 Treffern blieben am Ende 19 Berichte für die menschlichen Wissenschaftler übrig. Einer davon beschrieb eine Gruppe von Enzymen aus sogenannten Jumbo-Phagen, vor deren Gen eine lange Reihe gleichmäßig wiederholter DNA-Abschnitte liegt, dahinter ein eigenes Partnergen. Anthropic nannte das System ART, kurz für array-associated reverse transcriptases. Die wiederholten Abschnitte erinnern an die Arrays, die CRISPR programmierbar machen, entsprechend groß war das Echo. Was ART biologisch leistet, ist bislang offen, das räumt Anthropic selbst ein. Ebenso offen legt das Unternehmen dar, dass das Enzym an sich schon in früheren Studien beschrieben war. Die Genomanalyse eines dieser Phagen aus dem Jahr 2021 hatte das Enzym erfasst und eine RNA davor vermutet, die Wiederholungen und das Partnergen aber nicht erkannt. Neu ist nach Anthropics Darstellung das Gesamtsystem.

Wenige Tage später meldete sich Mario Rodríguez Mestre in der New York Times zu Wort. Der Computerbiologe von der Universität Kopenhagen erklärt, sein Team untersuche genau diese Systeme seit rund vier Jahren und nenne sie Jumbotrons. Veröffentlicht hat die Gruppe ihre Ergebnisse noch nicht. Seit etwa drei Jahren arbeitet sie aber regelmäßig mit Claude, schreibt damit Code und entwirft Manuskripte. Auf diesem Weg gelangten unter anderem ein Entwurf von Mestres Dissertation und ein Manuskript über die Jumbotrons in das System. Die Befunde zu den zugehörigen RNA-Genen will sein Team bereits mehr als ein Jahr vor Anthropic erarbeitet und ebenfalls mit Claude geteilt haben.

Mestre wirft Anthropic keinen Diebstahl vor. Er hält die Systeme für bereits bekannt, nur eben nicht veröffentlicht. Offen ist für ihn, ob die KI aus eigener Kraft zu ihrem Ergebnis gelangt ist oder ob seine Arbeit sie dorthin gelenkt hat. Ohne einen genaueren Blick auf das, was die Agenten tatsächlich getan haben, lasse sich das nach seinen eigenen Worten nicht sicher beantworten. Das ist eine vorsichtige Position und eine faire.

Anthropic weist den Verdacht zurück und stützt sich dabei auf drei Aussagen. Das Unternehmen kenne keine veröffentlichte Arbeit über ART. Das Modell, das die Suche durchgeführt hat, sei nicht mit Nutzerkonversationen trainiert worden. Das Molekularbiologie-Team habe keinen Zugriff auf Mestres Gespräche gehabt. Jede dieser Aussagen betrifft einen anderen Weg, auf dem Wissen aus Kopenhagen in die Suche gelangt sein könnte. Die erste lässt unveröffentlichte Vorarbeiten ausdrücklich offen. Die zweite betrifft das Training des Modells, die dritte die Menschen im Labor. Einen vierten Weg erwähnt keine von ihnen, obwohl er im Preprint offen beschrieben wird. Die Agenten hatten Zugriff auf Literaturdatenbanken und das Internet und haben während der Suche 131 Literaturrecherchen und 61 Webabrufe durchgeführt. Was dort öffentlich zugänglich war, durfte in die Suche einfließen. Wissenschaftlich ist daran nichts auszusetzen. Unveröffentlichtes aus Kopenhagen gehörte nach allem, was bisher bekannt ist, nicht dazu.

Die zweite Aussage ist enger formuliert, seit Herbst 2025 dürfen Unterhaltungen aus den Verbraucherkonten von Claude für das Training künftiger Modelle verwendet werden, sofern die Nutzer dem zugestimmt haben. Ein pauschales „wir trainieren nie mit Nutzerdaten“ wäre also gar nicht möglich. Anthropics Aussage bezieht sich nach den vorliegenden Berichten auf das Modell, das die Suche durchgeführt hat. Ob sie zutrifft, kann von außen niemand prüfen. Für einen großen Teil von Mestres Arbeit mit Claude spielt die Frage ohnehin keine Rolle, denn vor Herbst 2025 hat Anthropic Unterhaltungen aus Verbraucherkonten überhaupt nicht zum Training verwendet.

Dass Mestre aus vier Jahren Arbeit rechtlich kaum etwas ableiten kann, liegt an einem alten Grundsatz der Wissenschaft. Priorität begründet die Veröffentlichung. Wer zuerst publiziert, gilt als Entdecker. Die Regeln guter wissenschaftlicher Praxis werten es zwar als Fehlverhalten, fremde unveröffentlichte Ideen unbefugt zu verwerten, etwa als Gutachter. Diese Regeln binden Hochschulen und Forschende, ein Technologieunternehmen dagegen nicht. Aus deutscher Sicht ist die Rechtslage ähnlich nüchtern. Das Urheberrecht schützt Werke und keine Erkenntnisse. Mestres Manuskript ist als Sprachwerk geschützt, das darin beschriebene biologische Muster ist es nicht. Taucht derselbe Befund in anderen Worten und aus anderen Daten wieder auf, ist kein Urheberrecht verletzt. Das Patentrecht hilft ebenso wenig, weil § 1 Abs. 3 Nr. 1 PatG Entdeckungen und wissenschaftliche Theorien ausdrücklich nicht als Erfindungen gelten lässt. Patentfähig würde erst eine konkrete technische Anwendung, etwa ein Verfahren zur Geneditierung auf Grundlage von ART. Davon ist bislang niemand nah.

Neu ist diese Schutzlücke nicht. Jeder Gutachter eines Fachjournals und jede Doktorandin, die das Labor wechselt, trägt unveröffentlichtes Wissen weiter. Die Wissenschaft hat dafür über Generationen eigene Vertrauensregeln entwickelt. Mit KI-Werkzeugen ändert sich die Häufigkeit. Forschende geben ihren unveröffentlichten Arbeitsstand heute täglich an einen Dienst, hinter dem ein Unternehmen steht, das inzwischen selbst forscht. Früher erreichte solches Wissen einzelne Vertrauenspersonen in größeren Abständen. Bei Mestre kommt beides zusammen. Der Anbieter seines Arbeitswerkzeugs ist auf seinem eigenen Fachgebiet zum Konkurrenten geworden. Der Preprint zitiert sogar zwei frühere, veröffentlichte Arbeiten Mestres zu bakteriellen Reverse Transkriptasen.

Juristisch ergiebiger als das Urheberrecht ist deshalb der Schutz von Geschäftsgeheimnissen, in Deutschland im GeschGehG geregelt, in Dänemark auf Grundlage derselben EU-Richtlinie (EU) 2016/943. Unveröffentlichte Forschungsergebnisse können Geschäftsgeheimnisse sein, sofern sie unter anderem nicht allgemein bekannt sind, einen wirtschaftlichen Wert haben und durch angemessene Geheimhaltungsmaßnahmen geschützt werden (§ 2 Nr. 1 GeschGehG). An den ersten beiden Voraussetzungen dürfte es bei einem möglichen Werkzeug zur Geneditierung kaum scheitern. Die Schwachstelle ist die dritte. Wer seine Ergebnisse in ein Cloud-Werkzeug gibt, legt sie damit nicht automatisch offen, die Lage ist vergleichbar mit einem externen Speicherdienst. Angemessen sind die Maßnahmen aber nur, sofern die Bedingungen dieses Dienstes zur Vertraulichkeit der Daten passen.

Unter welchem Vertrag Mestre Claude genutzt hat, wäre die an diesem Punkt spannende Frage, zu welcher ich aber keine Informationen gefunden habe. Davon hängt viel ab. Für die Verbraucherkonten Free, Pro und Max gilt seit den im August 2025 angekündigten Änderungen, dass neue Unterhaltungen zum Training verwendet und bis zu fünf Jahre gespeichert werden dürfen, sofern der Nutzer die entsprechende Einstellung aktiviert hat. Geschäftliche Angebote wie Claude for Work oder der API-Zugang sind davon ausgenommen. Eine Hochschullizenz hätte Mestres Eingaben also anders gestellt als ein privates Konto mit aktivierter Trainingsfreigabe. Im zweiten Fall hätte er dem Anbieter die Nutzung seiner Daten für künftige Modelle selbst erlaubt. Angemessene Geheimhaltungsmaßnahmen ließen sich danach kaum noch behaupten.

Bei der rechtlichen Begleitung von KI-Einführungen gehört diese Frage für mich an den Anfang, noch vor jede Diskussion über Funktionen. Welches Vertragsmodell gilt und wer die Trainingseinstellung kontrolliert, bestimmt darüber, ob eine Organisation ihre eigenen Geheimnisse überhaupt noch schützen kann. Ein Schalter in den Datenschutzeinstellungen eines privaten Kontos ist keine Geheimhaltungsmaßnahme, auf die sich eine Forschungseinrichtung verlassen sollte.

Anthropic hat die identische Suche nach eigener Darstellung im Preprint zehnmal wiederholt. Fast alle Durchläufe stießen dabei auf ART-Loci, zwei untersuchten die Enzymgruppe sogar genauer. Keiner las aber die DNA vor dem Enzym. Das Array fand deshalb kein Durchlauf erneut. In einem gesonderten Test erkannten die leistungsfähigsten Modelle das Array in mindestens neun von zehn Versuchen, sobald man ihnen die Sequenz direkt vorlegte. Mussten sie die Daten mit eigenen Werkzeugen erschließen, sank die Quote in einer Konstellation auf 32 Prozent. Ein Treffer in elf Durchläufen ist ein echter Treffer. Er hing aber an einer einzigen Kette von Agentenentscheidungen, die sich nicht wiederholen ließ. Die Aussage, Claude finde solche Systeme verlässlich, gibt das nicht her. Dass Anthropic diesen Befund selbst veröffentlicht hat, spricht für das Unternehmen.

Anthropic hat Auszüge aus dem Protokoll der maßgeblichen Agentensitzung veröffentlicht. Danach suchte der Agent zunächst nach einer RNA, wie sie bei verwandten Enzymen vor dem Gen liegt, weil ein vorgeschalteter Agent ihn damit beauftragt hatte. Von Wiederholungen war weder in diesem Auftrag noch im ursprünglichen Forschungsauftrag die Rede. Der Agent lud einen rund 2.900 Basen langen, nicht annotierten DNA-Abschnitt in seinen Kontext und notierte unmittelbar danach, ohne weiteren Werkzeugaufruf, dass er dort mit bloßem Auge eine Wiederholungsreihe sehe. Anthropic hat darüber hinaus untersucht, welche inneren Signale des Modells beim Lesen dieser Sequenz anspringen, und berichtet von Signalen, die gezielt auf die Wiederholungen reagieren. Trifft diese Darstellung zu, entstand die Erkennung beim Lesen öffentlicher Rohdaten. Einen Hinweis von außen brauchte es dafür nicht. Die Analyse der RNA, also der Teil, den Mestre für sein Team reklamiert, entstand erst nach der autonomen Suche in Sitzungen, die die Autoren selbst steuerten, auf Grundlage eines veröffentlichten Datensatzes.

Der Preprint legt damit mehr offen, als die öffentliche Debatte bislang wahrnimmt. Zwei Lücken bleiben trotzdem. Die Protokolle liegen nur in Auszügen vor, ausgewählt und gedeutet von dem Unternehmen, das die Entdeckung für sich beansprucht. Eine unabhängige Prüfung der vollständigen Sitzungsdaten hat bisher niemand vorgenommen. Schwerer wiegt die zweite Lücke. Nach Anthropics eigener Darstellung stammte die Erwartung, was an einer Sequenz ungewöhnlich ist, aus dem Wissen des Modells. Der Auftrag enthielt sie nicht. Dieses Wissen stammt aus dem Training. An genau dieser Stelle setzt Mestres Sorge an. Ein Sitzungsprotokoll zeigt, was ein Agent gelesen hat. Was das Modell aus seinen Trainingsdaten mitbringt, bleibt darin unsichtbar.

Anthropic ist mit diesem Preprint weiter gegangen als die meisten Unternehmen, die KI-Erfolge melden. Für eine belastbare Zuschreibung reicht es trotzdem nicht. Wer öffentlich eine autonome KI-Entdeckung beansprucht, sollte die vollständigen Protokolle des maßgeblichen Laufs einer unabhängigen Stelle zugänglich machen. Fachzeitschriften verlangen heute Erklärungen zur Verfügbarkeit von Daten und Code. Für agentengestützte Forschung braucht es das Gegenstück, eine Erklärung darüber, welche Quellen ein System während der Arbeit abgerufen hat und welche menschlichen Vorgaben die Suche gesteuert haben. Zu diesen Vorgaben gehören bei Anthropic neben dem Forschungsauftrag rund 140 schriftliche Methodenleitfäden, auf die die Agenten zugreifen konnten. Die Formel, die Menschen hätten nur den ersten Anstoß gegeben, wird dem nicht ganz gerecht.

Die Trainingsfrage lässt sich mit Sitzungsprotokollen nicht beantworten. Dafür bräuchte es eine nachprüfbare Dokumentation darüber, welche Daten in das Training eines Modells eingeflossen sind und auf welcher Grundlage. Die Zusammenfassung der Trainingsinhalte, die Anbieter von KI-Modellen mit allgemeinem Verwendungszweck nach Art. 53 Abs. 1 lit. d KI-Verordnung veröffentlichen müssen, bleibt auf der Ebene von Datenkategorien. Ob ein einzelnes Manuskript darunter war, beantwortet sie nicht. Solange es dafür kein Prüfverfahren gibt, bleibt jede Zusicherung eines Anbieters zu seinen Trainingsdaten eine Frage des Vertrauens.

Die Pflicht zur Dokumentation trifft dabei beide Seiten. Mestre kann seine Darstellung überhaupt nur deshalb glaubhaft vertreten, weil er Slack-Nachrichten und weitere Unterlagen aus mehreren Jahren vorlegen konnte, die die New York Times eingesehen hat. Ohne diese Spur wäre sein Einwand eine bloße Behauptung gegen ein Unternehmen mit eigener Biologieabteilung. Wer mit KI-Werkzeugen an unveröffentlichten Ergebnissen arbeitet, sollte deshalb selbst festhalten, was er wann in welches System gegeben hat. Das ist mühsam. Es ist aber einer der wenigen Wege, die eigene Vorarbeit später belegen zu können.

Organisationen, die KI-Werkzeuge einführen, sollten aus dem Fall eine Vorgabe ableiten, welche vor jeder Freigabe steht. Unveröffentlichtes mit eigenem Wert gehört nur in Systeme, deren Vertragsbedingungen das Training mit diesen Daten ausschließen, ich sage hier gerne bei denen man die Datenhoheit besitzt. Diese Einstellung darf zudem nicht beim einzelnen Beschäftigten liegen. Dazu gehört eine klare Einordnung, welche Informationen überhaupt als vertraulich gelten, denn ohne sie weiß niemand, wo die Grenze verläuft. In Hochschulen betrifft das Forschungsdaten, in einer kirchlichen Verwaltung etwa Entwürfe von Vorlagen und Gutachten, bevor ein Gremium darüber beraten hat.

Wie der Fall ausgeht, werden voraussichtlich keine Gerichte entscheiden. Die Fachwelt wird beurteilen, wem sie welchen Teil der Entdeckung zuschreibt. Für den Moment der Erkennung hat Anthropic eine nachvollziehbare Spur vorgelegt, für die Vorarbeiten zur RNA kann Mestre auf seine Unterlagen verweisen. Was das Modell aus seinem Training mitbrachte, kann derzeit keine Seite belegen. Diese Lücke betrifft jede künftige KI-Entdeckung. Schließen lässt sie sich allein durch eine Trainingsdokumentation, die eine unabhängige Stelle prüfen kann.