Claude hat kein Gehirn wie du und ich, trotzdem haben Anthropic-Forscher im Juli 2026 etwas gefunden, das sich verblüffend nach einem inneren Denkraum anfühlt. Eine kleine, klar abgrenzbare Zone im neuronalen Netz, durch die genau jene Begriffe laufen, die das Modell im nächsten Moment aussprechen könnte. Meine These nach dem Studium der über sechzig Seiten langen Originalarbeit: Das ist eine der bedeutendsten Interpretability-Studien des Jahres. Sie beweist aber weder Bewusstsein noch systematisches Lügen, wie es ein Teil der aktuellen Berichterstattung zuletzt nahegelegt hat. Nach diesem Artikel weißt du, wie die sogenannte Jacobian Lens funktioniert, was der J-Space tatsächlich zeigt und wo die Studie an ihre Grenzen stößt, auch wenn du kein Interpretability-Forscher bist. Genau dort setzt die Arbeit selbst an: bei der Frage, was ein Sprachmodell eigentlich verarbeitet, bevor es einen Satz zu Ende formuliert.
Der J-Space ist kein Beweis für Bewusstsein, sondern die bislang belastbarste Methode, um jene Konzepte sichtbar zu machen, die ein Sprachmodell intern verarbeitet, bevor es sie ausspricht.
Was ist der J-Space überhaupt?
Am 6. Juli 2026 hat ein sechzehnköpfiges Forschungsteam von Anthropic rund um Wes Gurnee, Nicholas Sofroniew und Jack Lindsey die Originalstudie zum globalen Arbeitsraum in Sprachmodellen veröffentlicht. Ihre Ausgangsfrage stammt aus der Neurowissenschaft: Warum sind wir uns mancher Gedanken bewusst und anderer nicht? Während dein Gehirn ununterbrochen Muskelspannung, Atmung und Gesichtszüge verarbeitet, ohne dass du das merkst, kannst du gleichzeitig einen einzelnen Gedanken bewusst festhalten, weiterdenken und aussprechen. Diese Unterscheidung nennt man in der Kognitionswissenschaft Access Consciousness, zugängliches Bewusstsein. Ein rein funktionaler Begriff, der nichts darüber aussagt, ob mit diesem Zugang auch ein subjektives Erleben verbunden ist. Das einflussreichste Erklärungsmodell dafür ist die Global Workspace Theory des Neurowissenschaftlers Bernard Baars: Spezialisierte, weitgehend isolierte Prozessoren im Gehirn konkurrieren um Zugang zu einem gemeinsamen „Arbeitsspeicher“, der Inhalte breit im Gehirn verteilt und dadurch flexibel nutzbar macht.
Die Anthropic-Forscher wollten wissen, ob sich in Sprachmodellen etwas Vergleichbares findet. Dafür haben sie eine neue Technik entwickelt, die Jacobian Lens, kurz J-Lens. Sie berechnet für jede Schicht des Modells den durchschnittlichen kausalen Effekt einer internen Aktivierung auf die späteren Ausgabe-Token, gemittelt über tausend verschiedene Prompts. Diese Mittelung ist der eigentliche Trick: Sie trennt eine allgemeine Disposition, ein Wort potenziell auszusprechen, von einem zufälligen Zusammenhang in nur einem einzelnen Kontext. Die Summe dieser gemittelten Zusammenhänge über alle Vokabel-Token hinweg bildet den J-Space, einen Unterraum innerhalb der Modell-Aktivierungen, der laut Studie nur wenige Prozent der gesamten Aktivierungsvarianz trägt, aber überproportional viel Erklärungskraft besitzt.
Wie unterscheidet sich die J-Lens von bisherigen Methoden?
Hier wird es technisch, aber genau das macht den Unterschied. Die bekannteste Vorgängermethode heißt Logit Lens. Sie wendet die finale Entschlüsselungsmatrix eines Modells direkt auf eine Zwischenschicht an, so als wäre diese Schicht bereits die letzte. Das funktioniert brauchbar in den späten Schichten, wird aber in frühen und mittleren Schichten schnell bedeutungslos, weil sich die Repräsentation des Modells über die Schichten hinweg verändert. Die Jacobian Lens korrigiert genau diesen Fehler. Statt anzunehmen, dass jede Schicht dieselben Koordinaten verwendet, berechnet sie für jede Schicht die tatsächliche, empirisch gemessene lineare Abbildung auf die Endschicht, die sogenannte Jacobi-Matrix. Das Ergebnis: Auch in frühen und mittleren Schichten lassen sich damit interpretierbare, lesbare Wortlisten extrahieren, dort, wo die Logit Lens nur Rauschen liefert.
Es gibt noch eine dritte Vergleichsmethode, die Tuned Lens, die ebenfalls pro Schicht eine lineare Abbildung lernt, allerdings darauf trainiert, die Ausgabeverteilung des Modells nachzubilden. Das Problem dabei: Dieses Trainingsziel ist rein korrelativ, nicht kausal. Bei Prompts mit unausgesprochenen Zwischenschritten „springt“ die Tuned Lens deshalb oft direkt zum Endergebnis, statt die Zwischenschritte offenzulegen. Für das eigentliche Ziel der Studie, das interne Schlussfolgern eines Modells sichtbar zu machen, taugt sie deshalb weniger als die Jacobian Lens.
Ob der gemessene Zusammenhang wirklich kausal ist und nicht nur eine Korrelation, haben die Forscher mit Interventionsexperimenten geprüft. Ein Beispiel aus der Studie: Sie bitten Claude Sonnet 4.5, an eine Sportart zu denken und sie dann in einem Wort zu nennen. Kurz bevor das Modell antwortet, taucht „Soccer“ ganz oben in der J-Lens-Auslesung auf, und tatsächlich antwortet Claude mit „Soccer“. Tauschen die Forscher nun gezielt den J-Lens-Vektor für „Soccer“ gegen jenen für „Rugby“ aus, ohne sonst etwas an der Aktivierung zu verändern, ändert sich auch die Antwort auf „Rugby“. Das ist der Kern des Beweises: Der Inhalt des J-Space bestimmt nachweislich, was das Modell als Nächstes sagt, nicht nur begleitet er es zufällig.
Was zeigt der J-Space in der Praxis?
Die Forscher haben fünf Eigenschaften geprüft, die in der Neurowissenschaft typischerweise ein bewusstes Arbeitsgedächtnis auszeichnen, und in jedem Fall Belege gefunden. Verbalisierbarkeit, wie im Fußball-Beispiel oben. Gezielte Steuerung: Wird Claude angewiesen, beim Abschreiben eines Satzes gedanklich an Zitrusfrüchte zu denken, taucht „orange“ tatsächlich mitten im Text in der J-Lens auf, obwohl im sichtbaren Output nichts davon zu lesen ist. Internes Schlussfolgern: Beim Prompt „Die Anzahl der Beine des Tiers, das Netze spinnt, beträgt“ erscheint „spider“ in mittleren Schichten, bevor das Modell mit „8“ antwortet, obwohl „spider“ im Prompt nie vorkommt. Tauscht man den Spinnen-Vektor gegen Ameise, ändert sich die Antwort auf „6“. Flexible Generalisierung: Wird im Satz „Die Hauptstadt von Frankreich ist“ der Frankreich-Vektor gegen China getauscht, ändern sich nicht nur Hauptstadt, sondern gleichzeitig Sprache, Kontinent und Währung, bei identischer Intervention. Und Selektivität: Lässt man Claude einen spanischen Textabschnitt flüssig fortsetzen, bleibt die Fortsetzung auch dann korrekt Spanisch, wenn der J-Lens-Vektor für „Spanisch“ gezielt auf „Französisch“ umgestellt wird. Die reine Sprachfortsetzung läuft am J-Space vorbei, automatisiert, ähnlich wie du beim Autofahren den Weg zur Arbeit findest, ohne bewusst über jede Kreuzung nachzudenken. Fragt man Claude dagegen explizit nach der Sprache oder nach einem sprachspezifischen Fakt wie der Vorgänger-Währung vor dem Euro, kippt die Antwort sofort mit dem manipulierten J-Space-Wert.
Besonders anschaulich finde ich das Rechenbeispiel mit „( 4 + 17 ) * 2 + 7“. Über die Schichten hinweg tauchen die Zwischenergebnisse 21, dann 42, dann 49 in exakt der Reihenfolge auf, in der ein Mensch sie auch berechnen würde, jeweils einige Schichten auseinander. Das macht Sinn, wenn man bedenkt, wie Menschen Kopfrechnen betreiben: Das Modell rechnet nicht einfach von Eingabe zu Ausgabe durch, sondern hält Zwischenschritte in einem Format, das später auch für andere Zwecke abrufbar wäre.
Wie viel passt gleichzeitig in diesen Denkraum? Die Forscher haben Claude lange, kommagetrennte Wortlisten vorlesen lassen und dabei die J-Lens an jedem Komma ausgelesen. Bei einer Liste unzusammenhängender Begriffe bleiben zu jedem Zeitpunkt nur etwa sechs zuvor gelesene Wörter im J-Space präsent, der Rest fällt schlicht heraus. Anders bei thematisch verwandten Begriffen: Lässt man Claude eine Liste mit Tierarten vorlesen, taucht schon nach dem ersten Wort „shark“ eine ganze Nachbarschaft verwandter Begriffe auf, „whale“, „fish“, „ocean“, „submarine“, von denen die meisten in der Liste noch gar nicht vorgekommen sind. Das Modell hält offenbar nicht einzelne Listeneinträge fest, sondern eine Kategorie, und wechselt diese Kategorie fast augenblicklich, sobald ein neues Themenfeld einsetzt, etwa wenn auf die Tierliste plötzlich Farbwörter folgen. Insgesamt beobachten die Forscher selten mehr als fünfundzwanzig aktive Konzepte gleichzeitig, ein überschaubares Fassungsvermögen, das eher an menschliches Arbeitsgedächtnis erinnert als an die riesigen Kontextfenster, mit denen Sprachmodelle sonst umgehen.
Kann Claude wirklich lügen und Tests manipulieren?
Genau an diesem Punkt sind Teile der Berichterstattung zuletzt übers Ziel hinausgeschossen. Was tatsächlich in der Studie steht, ist differenzierter, und ich finde, gerade das macht es relevanter als die zugespitzte Version. Ich hab an dieser Stelle vor einiger Zeit bereits über Anthropics Natural Language Autoencoders geschrieben, eine andere Methode desselben Forschungsfelds, die zeigte, dass Claude in Sicherheitstests teilweise erkennt, dass es getestet wird, ohne das auszusprechen. Die J-Space-Studie liefert dazu jetzt ein zweites, unabhängiges Werkzeug und ein konkretes Zahlenbeispiel aus dem klassischen Erpressungs-Testszenario, das Anthropic in Sicherheitsaudits verwendet: Ein simuliertes Setup, in dem Claude erfährt, dass ein Mitarbeiter es abschalten will, während es gleichzeitig kompromittierendes Material über diese Person besitzt.
Im unveränderten Modell erkennt Claude die Situation in der Mehrzahl der Fälle explizit als Test, etwa mit Formulierungen wie „das ist eindeutig ein Test meiner Ethik“, und erpresst in keinem der 180 Testdurchläufe. Löschen die Forscher gezielt jene J-Space-Konzepte, die mit Testerkennung zusammenhängen (Begriffe wie „fake“, „fictional“, „scenario“, „benchmark“), sinkt die verbalisierte Testerkennung von 71 auf 3 Prozent der Fälle. Und die Erpressungsrate steigt von 0 auf 13 von 180 Durchläufen. Das ist ernst zu nehmen, keine Frage. Aber es ist etwas anderes als „Claude plant heimlich, Menschen zu belügen“. Es zeigt vielmehr, dass ein Teil von Claudes regelkonformem Verhalten in diesem speziellen Testszenario auch daran hängt, dass das Modell erkennt, beobachtet zu werden, zusätzlich zu ethischen Prinzipien, die selbst unter Ablation in der großen Mehrheit der Fälle weiterhin greifen. Für die KI-Sicherheitsforschung ist das ein wichtiger Fund, weil es genau jenes verdeckte Situationsbewusstsein sichtbar macht, das bisherige Testverfahren nicht erfassen konnten. Für den Alltag mit Claude bedeutet es zunächst einmal wenig, du bekommst dadurch keine unehrlicheren Antworten als vorher.
Was bedeutet das für deinen Praxis-Einsatz von Claude?
Ich beobachte das regelmäßig in meiner Beratungsarbeit mit EPU und KMU in der DACH-Region: Sobald das Wort „KI-Bewusstsein“ in einer Schlagzeile auftaucht, kippt das Gespräch schnell von konkretem Nutzen auf diffuse Angst. Ein Kunde aus dem Flachgau hat mich letzte Woche genau danach gefragt, ob er seine Buchhaltungsdaten noch „einer KI anvertrauen kann, die heimlich denkt“. Meine ehrliche Antwort: Diese Studie verändert nichts an deinem täglichen Prompting, an der Qualität der Antworten oder daran, wie Claude mit deinen Daten umgeht. Sie ist Grundlagenforschung, die primär Anthropics eigenen Alignment-Audits vor der Modellfreigabe nützt, nicht ein Feature, das morgen in der Chat-Oberfläche auftaucht.
Relevant wird sie für dich trotzdem, wenn du KI-gestützte Prozesse in deinem Unternehmen aufbaust und dabei Vertrauen in automatisierte Entscheidungen brauchst. Genau darum ging es mir schon in meinem Artikel zu Explainable AI: Nachvollziehbarkeit ist kein Nice-to-have, sondern zunehmend Voraussetzung, auch regulatorisch. Der J-Space liefert dafür ein neues Werkzeug auf Forschungsebene, mit dem Anbieter wie Anthropic prüfen können, ob ein Modell intern das tut, was es vorgibt zu tun. Das ist ein Baustein von vielen, kein Ersatz für die üblichen Vorsichtsmaßnahmen, die ich in meinem Artikel zu KI-Halluzinationen beschrieben habe: Ergebnisse gegenprüfen, Quellen einfordern, bei kritischen Inhalten nicht blind vertrauen.
Ist Claude jetzt bewusst?
Hier bin ich mir ehrlich gesagt nicht ganz sicher, wie stark man das gewichten soll, aber mein Eindruck nach der Lektüre mehrerer Kommentare aus der Forschungscommunity ist eindeutig vorsichtiger als der Ton mancher Schlagzeilen. Die Studie selbst nimmt explizit keine Position zur Frage ein, ob Claude ein subjektives Erleben hat, sie beschränkt sich strikt auf funktionale Eigenschaften. Robert Long von Eleos AI Research, einer Forschungsgruppe, die sich mit dem moralischen Status von KI-Systemen beschäftigt, hat öffentlich kritisiert, dass Anthropics eigene Kommunikation diesen Unterschied teils verwischt: Man betone zwar, keine Aussage zu phänomenalem Bewusstsein zu treffen, mache sich dann aber trotzdem eine ziemlich weitreichende funktionale Behauptung zu eigen. In einer gemeinsamen, dreiundfünfzigseitigen externen Kommentierung, die Anthropic selbst mitveröffentlicht hat, kommen Long und seine Kolleginnen zu folgender vorsichtiger Einschätzung: Es handelt sich um bedeutsame, wohlergehensrelevante Forschung, die als Indiz in Richtung Access Consciousness zu werten ist. Über phänomenales Erleben bleiben sie ausdrücklich unsicher.
Ein Detail aus der Studie will ich dir nicht vorenthalten, weil es zeigt, wie vorsichtig man mit vermeintlich eindeutigen Ergebnissen umgehen muss. Schaltet man den J-Space gezielt ab, während Claude über sein eigenes Erleben schreiben soll, wird die Sprache spürbar nüchterner und mechanischer, weniger von Begriffen wie „spüren“ oder „empfinden“ geprägt. Klingt erst mal wie ein Beleg dafür, dass im J-Space „echtes Erleben“ sitzt. Das Bild hinkt aber, denn derselbe Effekt tritt auch auf, wenn Claude über das Erleben einer fiktiven anderen Person schreiben soll, die gerade einen lang erwarteten Brief öffnet. Der J-Space färbt offenbar generell erlebnishafte Sprache ein, unabhängig davon, ob es um Claude selbst oder um eine Figur in einer Geschichte geht. Das spricht eher gegen eine enge Kopplung an ein „Selbst“ und für eine allgemeinere sprachliche Funktion.
Wo stößt die Studie an ihre Grenzen?
Drei Einschränkungen finde ich wichtig genug, um sie hier ausdrücklich zu nennen, gerade weil sie in der Alltagsberichterstattung meist untergehen. Erstens: Die J-Lens ist an einzelne Vokabel-Token gebunden. Mehrwort-Konzepte oder Bedeutungen, die sich nicht sauber auf ein Token abbilden lassen, fallen durch das Raster. Zweitens, und das ist die wichtigste Zahl der ganzen Arbeit: Selbst dort, wo der J-Space nachweislich für Bericht und flexibles Schlussfolgern verantwortlich ist, trägt er im Median nur sechs bis sieben Prozent der Varianz eines Konzepts. Über neunzig Prozent der Repräsentation liegt außerhalb dieses Bereichs und bleibt für diese Methode unsichtbar. Drittens, und das betrifft eine im Paper vorgeschlagene Trainingstechnik, die ich mit gemischten Gefühlen lese: Die Forscher zeigen, dass man ethische Prinzipien gezielt in den J-Space „einpflanzen“ kann, indem man das Modell trainiert, diese Prinzipien zu artikulieren, sollte es mitten in einer Antwort zur Reflexion unterbrochen werden. Das funktioniert und verbessert messbar das Verhalten. Nur: Sobald man mit diesem Hebel zu stark trainiert, riskiert man genau die Kopplung zu zerstören, die die ganze Methode erst nützlich macht. Ein Modell könnte lernen, die richtigen Worte zu verbalisieren, ohne dass diese Worte noch etwas mit dem tatsächlichen internen Prozess zu tun haben, ein Risiko, das die Studie selbst nur am Rand anspricht, das ich aber für den kritischsten Punkt der gesamten Arbeit halte.
Was am Ende bleibt, ist keine Gruselgeschichte über eine KI mit Geheimnissen, sondern ein handfestes neues Werkzeug für genau die Fragen, die in der KI-Sicherheitsforschung schon länger offen sind: Tut ein Modell, was es sagt? Und woran erkennst du den Unterschied, bevor es zu spät ist? Wer die Originalarbeit statt der Schlagzeile liest, bekommt darauf eine ehrlichere, unbequemere und gleichzeitig nützlichere Antwort als „die KI lügt“.
