Magie der Skalierung

Die Folge beschreibt eine epistemologische Krise in der KI: Die
Leistungsfähigkeit moderner Systeme wie Claude wächst schneller als
unser theoretisches Verständnis. Im Zentrum steht das empirisch
robuste Muster der Skalierungsgesetze. Wenn Rechenleistung, Daten
und Trainingsaufwand im passenden Verhältnis wachsen, entstehen
nicht nur graduelle Verbesserungen, sondern teils sprunghafte neue
Fähigkeiten. Das wirkt für Nutzer „magisch“, ohne übernatürliche
Bedeutung, sondern als Hinweis auf fehlende Erklärungstiefe. Ein
Deutungsrahmen ist die Long-Tail-Struktur von Sprache und Welt:
Kleine Modelle lernen zuerst häufige Regularitäten, größere Modelle
erschließen zunehmend seltene, abstrakte und kontextübergreifende
Muster. Ein zweiter Schwerpunkt ist Steuerbarkeit. Das erlebte
Verhalten und die „Persönlichkeit“ eines Assistenten entstehen aus
Daten, Zielen, Sicherheitsmechanismen und
Feintuning-Entscheidungen, die nicht linear zusammenspielen.
Wahrgenommene „Verschlechterungen“ lassen sich oft als Sensitivität
gegenüber kleinen Prompt-Unterschieden oder als veränderte
Unsicherheits- und Sicherheitsabwägung deuten, nicht zwingend als
heimliche Gewichtsänderung. Dazu kommt das Whac‑A‑Mole‑Prinzip:
Optimierung auf ein messbares Ziel erzeugt Nebenwirkungen an
anderer Stelle, etwa wenn Kürzungsdruck zu unvollständigen,
ausweichenden Code-Antworten führt. Mechanistische
Interpretierbarkeit wird als Weg skizziert, innere Repräsentationen
greifbarer zu machen. Beispiele wie die gezielte Verstärkung
einzelner interner Merkmale zeigen, dass sich Verhalten punktuell
beeinflussen lässt, aber auch neue Fixierungen und Eigenarten
auftreten können. Aktuelle Arbeiten zu Sparse Autoencoders
versprechen, semantische Features zu identifizieren und damit
Verhalten entlang Dimensionen wie Persönlichkeit zu steuern,
während zugleich Forschung die Grenzen solcher Methoden betont und
vor Artefakten warnt. Der Blick weitet sich auf „Powerful AI“ statt
Schlagworten wie AGI: Systeme, die über viele Disziplinen hinweg
menschliche Spitzenleistung übertreffen, multimodal arbeiten, über
lange Zeiträume autonom handeln und massenhaft parallelisiert
werden können. Das transformative Moment liegt in der Kombination
aus Übermenschlichkeit und industrieller Vervielfältigung.
Gleichzeitig wird eine sofortige Singularität relativiert:
Physische Weltprozesse brauchen Zeit, komplexe Systeme bleiben
schwer vorhersagbar, und Institutionen bremsen Umsetzung. Als
praktische Entwicklungslinie erscheinen agentische Produkte. In der
zweiten Januarhälfte 2026 wird ein Cowork-Ansatz beschrieben, der
Claude über Chat hinaus mit lokalem Datei- und Tool-Zugriff
arbeiten lässt, flankiert von Warnungen zu Prompt-Injection und
realweltlichen Schäden wie versehentlichem Löschen. Parallel rückt
KI in sensible Lebensbereiche: Seit dem 12. Januar 2026 kann Claude
in den USA auf Mobilgeräten Gesundheits- und Fitnessdaten auslesen
und analysieren, verbunden mit Hinweisen auf HIPAA-taugliche
Enterprise-Optionen und aktualisierte Datenschutzhinweise. Daraus
folgt eine ethische Zuspitzung: Bewusstsein und mögliches Leid von
KI werden nicht als gelöst behauptet, aber als Risiko ernst
genommen, das Vorsicht und Empathie nahelegt. Quellen: Anthropic
Claude Help Center – Release Notes (January 12, 2026: Health and
fitness data on Claude Mobile; HIPAA-ready Enterprise plans)
https://support.claude.com/en/articles/12138966-release-notes
Anthropic Privacy Center – Updates to our Privacy Policy (effective
January 12, 2026)
https://privacy.claude.com/en/articles/10301952-updates-to-our-privacy-policy
The Verge – Anthropic wants you to use Claude to 'Cowork' in latest
AI agent push
https://www.theverge.com/ai-artificial-intelligence/860730/anthropic-cowork-feature-ai-agents-claude-code
Axios – Anthropic's viral new work tool wrote itself
https://www.axios.com/2026/01/13/anthropic-claude-code-cowork-vibe-coding
arXiv – Mechanistic Knobs in LLMs: Retrieving and Steering
High-Order Semantic Features via Sparse Autoencoders
https://arxiv.org/abs/2601.02978 arXiv – Do Sparse Autoencoders
Identify Reasoning Features in Language Models?
https://arxiv.org/abs/2601.05679 TechRadar – Claude just joined
your healthcare team - and might be ready to help your doctor help
you
https://www.techradar.com/ai-platforms-assistants/claude-just-joined-your-healthcare-team-and-might-be-ready-to-help-your-doctor-help-you