Zum Inhalt
WeltzeitEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal über KI und Technologieereignisse · analysen · interviews · technischer hintergrund

Suche
LIVE
›

KI frisst die Wissenschaft: Was die neuesten Ergebnisse wirklich zeigen

Am 29. September veröffentlichte das National Bureau of Economic Research ein Arbeitspapier. Es beschreibt einen Open-Source-Workflow, in dem ein großes Sprachmodell veröffentlichte wirtschaftswissenschaftliche Forschung reproduziert, verbessert und erweitert. Der Workflow meldete Abweichungen in 3.460 von 4.452 Replikationspaketen.

WissenschaftErklärtHanna VogtVeröffentlicht: 29. September 20267 Min. LesezeitQuellen 9
KI frisst die Wissenschaft: Was die neuesten Ergebnisse wirklich zeigen

Das NBER-Arbeitspapier 35782 mit Datum September 2026 erschien am 29. September auf der Seite des Büros. Die Autoren Matthew Schwartz, Isaiah Andrews und Jesse M. Shapiro beschreiben einen dreistufigen Workflow. Zuerst reproduziert er die ursprünglichen Berechnungen eines Artikels. Dann prüft er auf Abweichungen zu den veröffentlichten Befunden. Zuletzt führt er eine automatisierte Sensitivitätsanalyse durch.

Über 4.452 veröffentlichte Replikationspakete aus fünf wirtschaftswissenschaftlichen Zeitschriften hinweg meldete der Workflow Abweichungen in 3.460 Artikeln oder deren Anhängen. Das heißt nicht, dass der Großteil der Wirtschaftswissenschaft falsch ist. Es misst, wie oft ein automatisierter Neulauf nicht zu den gedruckten Ergebnissen passt. Die Ursachen können Programmierfehler, Versionskonflikte oder undokumentierte Entscheidungen sein. Das Papier nennt zwei weitere Zahlen. In 496 Artikeln senkte der Workflow die Rechenzeit um mehr als den Faktor 10 bei ähnlicher oder größerer Genauigkeit. In 923 Artikeln lieferte er Erweiterungen, die in der Originalarbeit fehlten, aber zu deren Zielen und Annahmen passten.

Eine ehrliche Offenlegung im Papier selbst

Das Papier enthält eine Offenlegung, die man lesen sollte, bevor man die Ergebnisse zitiert. Darin steht, dass LLMs bei der Analyse und beim Schreiben verwendet wurden. Schwartz arbeitete als Auftragnehmer für Anthropic. Das Papier stellt klar, dass Anthropic die Ergebnisse oder Ansichten nicht befürwortet. Shapiro war früher bezahlter Gast bei Microsoft Research New England und bezahlter Berater für FutureOfCapitalism. Außerdem wurde er für Texte von der New York Times bezahlt. Diese Transparenz ist in dem Feld selten. Sie erlaubt Lesern, die Interessenkonflikte zu gewichten, und die sind real.

Mathematiker streiten über dasselbe

Zwei am 29. September veröffentlichte Beiträge behandeln die Frage aus rein mathematischer Sicht. Dan Romik schreibt in seinem Blog über die Ankündigung von OpenAI, eine Lösung des Navier-Stokes-Problems gefunden zu haben. Er sagt, Mathematiker seien wegen ihrer künftigen Rolle beunruhigt. Er zitiert Scott Aaronsons Reaktion als eine Folge des Buchstabens A. Romik argumentiert dann, diese Angst sei unbegründet.

Mathematische Forschung ist eine Rückkopplungsschleife, die neues Wissen erzeugt, in einem ständigen Prozess des Überprüfens, Verarbeitens und Destillierens bestehenden Wissens und des Versuchs, es zu verbessern, schreibt Romik.

Romiks technische Aussage ist enger, als die Schlagzeilen nahelegen. KI-Modelle, die auf vorhandenen Korpora trainiert wurden, können Theoreme erzeugen, die nach seiner Formulierung den Abstand eins vom von Menschen erzeugten Wissen haben. Sie tun das schneller, als Menschen es können. Er argumentiert jedoch, sie könnten diese Ausgabe nicht reflektieren, sie nicht vereinfachen, nicht herausarbeiten, warum ein Beweis funktioniert, und die Idee nicht zur Wiederverwendung verallgemeinern. Allein gelassen, so seine Vorhersage, bleibt ein autonomes System nach der ersten Welle stecken und ertrinkt in seiner eigenen Ausgabe. Stephen Wolfram vertritt ein verwandtes Argument in einem langen Beitrag vom 28. September, der am 29. September erschien. Er schreibt, moderne KI sei in erster Linie eine Art, aus dem vorhandenen Korpus menschlichen Wissens zu schöpfen. Der Kern der reinen Mathematik, sagt er, sei die menschliche Vorstellungskraft, die leitet, welche Fragen zu stellen sind. Wolfram unterscheidet außerdem KI von Berechnung. KI schürft, was Menschen bereits hervorgebracht haben. Berechnung beginnt mit einer Regel und führt sie aus, und erzeugt Ergebnisse, die irreduzibel neu sind. Diese Eigenschaft nennt er Berechnungsirreduzibilität.

Die industrielle Ebene bewegt sich parallel

Forschungsergebnisse kommen zusammen mit kommerziellen Ankündigungen, die autonome Forschung als Produktmerkmal behandeln. CoreWeave veröffentlichte am 29. September einen Beitrag, der ARIA vorstellt, einen in Weights & Biases eingebauten Coding-Agenten. Er liest die Experimente eines Teams, bildet eine Hypothese, schreibt eine Konfiguration und startet den Lauf über W&B Launch. Dann bewertet er das Ergebnis gegen eine Baseline und entwirft einen Bericht.

Das Unternehmen sagt, ARIA baue teilbare W&B-Arbeitsbereiche, Panels und Berichte, statt Text zurückzugeben. Es ist in der Weights & Biases Mobile App verfügbar. Der Beitrag erschien laut einer Zeile oben auf der Seite ursprünglich am 29. Juli im W&B-Blog. CoreWeaves Seite führt ihn unter einem Septemberdatum. Oracle machte am 29. September einen ähnlichen Schritt und kündigte Fusion Claw an, eine regierte agentische Ausführungslaufzeit für seine Fusion Applications. Das Unternehmen sagt, 25 Claw-gestützte agentische Anwendungen seien verfügbar, Teil eines Portfolios von 75. Die Laufzeit kombiniere ein Frontier-Modell mit deterministischer Unternehmensberechnung, mit einem Outcome Receipt als prüfbarem Nachweis dessen, was lief. Oracles Ankündigung zitiert CEO Mike Sicilia. Die Systeme laufen auf Oracle Cloud Infrastructure und werden von Frontier-Modellen angetrieben, darunter Gemini und OpenAI, mit geplanter Unterstützung weiterer, so die Pressemitteilung.

Hardware jagt dasselbe Problem von der Energieseite. Efficient Computer sagte am 29. September, es habe eine Series B über 97.000.000 US-Dollar unter Führung von TQ Ventures eingesammelt. Damit steigt die Gesamtsumme auf 173.000.000 US-Dollar bei einer Bewertung von 650.000.000 US-Dollar. CEO Brandon Lucia schreibt, die Prozessoren des Unternehmens brächten 10 bis 100 Mal bessere Energieeffizienz als herkömmliche CPU-Architekturen. Er sagt, das Unternehmen bringe den Electron E1 in Serie für eingebettete physische KI-Systeme. Diese Aussage stammt aus dem eigenen Blogbeitrag des Unternehmens und wurde hier nicht unabhängig geprüft.

Energie, Wasser und die Orte, die es beherbergen sollen

Der Ausbau der Rechenleistung hat eine Geografie, und diese Geografie hat Politik. CBC News berichtete am 29. September über Lloyd Parrott, den Energieminister von Neufundland und Labrador. Er sagte Mitte September vor der House of Assembly während einer Sondersitzung zum Churchill-Falls-Abkommen, die Tür der Provinz stehe offen für Geschäfte. Ein Sprecher des Ministeriums, Brodie Thomas, bestätigte gegenüber CBC, dass Unternehmen die Regierung wegen Rechenzentren angesprochen hätten. Zu kommerziell sensiblen Gesprächen könne er sich nicht äußern. CBC zitiert Paris Marx, Autor eines Buchs über Rechenzentren, mit der Frage, ob es sinnvoll sei, diesen Strom an Rechenzentren zu geben, wenn es bessere Verwendungen geben könnte. Andrea King, CEO von TechNL, sagte dem Sender, Labrador erfülle die Kriterien, nach denen Befürworter suchten: kohlenstoffarme Wasserkraft, kaltes Wetter und Land. Das allein mache ein Projekt aber noch nicht zu einer guten Idee.

Die Debatte ist nicht nur kanadisch. CBC merkt an, dass Metas geplantes Rechenzentrum im Sturgeon County in Alberta voraussichtlich 13.000.000.000 US-Dollar kosten und in zwei bis drei Jahren ans Netz gehen soll. Es merkt an, dass Nova Scotias Premier Tim Houston fünf Startbedingungen für jeden Befürworter festgelegt hat. Die Energiearithmetik dahinter ist alt und unmodisch. David MacKays Sustainable Energy Without the Hot Air, dessen Seite ein Datum der letzten Änderung vom 29. August 2015 trägt, bleibt die Standardbehandlung für Überschlagsrechnungen. Die Seite wurde am 29. September noch immer angezeigt.

Eine neuere Behandlung stammt von Hannah Ritchie, die am 29. September eine Analyse der Elektrifizierung auf ihrem Substack veröffentlichte. Sie arbeitet Zahlen des Oxford-Professors Nick Eyre durch und berichtet, dass die globale Endenergienachfrage in einem System nach der Transition von 416 auf 247 Exajoule fällt, etwa 40 Prozent weniger. Die Stromnachfrage steigt von 110 auf 189 EJ. Elektroautos wandeln rund 80 Prozent der Energie in Bewegung um, gegenüber 20 Prozent bei Benzin, schreibt sie. Das Modell nimmt an, dass alle nicht elektrifizierten Sektoren mit Wasserstoff laufen. Sie kennzeichnet das als Vereinfachung.

Was die Woche tatsächlich gezeigt hat

Nichts davon zeigt, dass KI Forscher ersetzt hat. Das NBER-Papier ist ein Workflow-Papier über Replikation, keine Aussage über Entdeckung. Romiks Argument ist eine Vorhersage, kein Ergebnis. Er sagt klar, er glaube nicht, dass wir schon in dieser Welt sind. Wolframs Beitrag ist ein Essay. Was die Woche zeigte, ist, dass die Werkzeuge für automatisierte Replikation und Erweiterung veröffentlichter Arbeit jetzt offen existieren. Ihre Fehlerrate auf einem großen Korpus ist hoch genug, um zu zählen. Und die Leute, die die kommerzielle Infrastruktur bauen, verkaufen Autonomie auf einem viel kürzeren Zeitplan als die Leute, die darüber nachdenken, wofür Autonomie gut ist.

Kommentare 0

Quellen

9
  1. 01An LLM Workflow That Reproduces, Improves, and Extends Published Economics ResearchEN
  2. 02The feedback loop of mathematics researchEN
  3. 03What's the Future for Pure Math Research in the Age of AI?EN
  4. 04Introducing CoreWeave ARIA: AI Research and Iteration AgentEN
  5. 05Oracle Extends Fusion Agentic Applications with Introduction of Fusion ClawEN
  6. 06Solving computing's energy problem with Efficient Computer's $97M Series BEN
  7. 07AI data centres in N.L.? The door is 'open for business,' says energy ministerEN
  8. 08Electrification efficiency: The world will need less energy after the transitionEN
  9. 09Sustainable energy without the hot airEN

Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.

Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.

Hanna Vogt

Hanna Vogt

Wissenschaft und Gesundheit

Hanna Vogt schreibt für FLASH24 über Wissenschaft und Gesundheit und stützt sich dabei auf Primärstudien, Behördenberichte und Rohdaten statt auf Pressemitteilungen. Bei Zahlen prüft sie Stichprobengrößen, Konfidenzintervalle und ob die zitierte Quelle die Aussage tatsächlich deckt. Für ihre Texte spricht sie mit Studienautorinnen, wartet auf Peer-Review-Fassungen und vergleicht Vorabdrucke mit der finalen Publikation. Dass sie privat Materialphysik verfolgt und mit eigenem Teleskop den Himmel beobachtet, erklärt, warum sie bei Messmethoden und Instrumenten genau nachfragt. Sie publiziert keine Ergebnisse, deren Datengrundlage sie nicht selbst eingesehen hat.

Redaktion →

Kommentare

0
  1. Noch keine Kommentare — seien Sie der Erste.

Kommentar schreiben

Kommentare sind öffentlich sichtbar. Wir veröffentlichen keine Beleidigungen, Werbung oder Spam.