Am 6. Juli 2026 veröffentlichte Anthropic eine Forschungsarbeit, die von mehreren Wissenschaftlern als „wichtigste Entdeckung des Jahres im Bereich der mechanistischen Interpretierbarkeit” bezeichnet wurde: Das Interpretability-Team des Unternehmens hat im Inneren von Claude eine spontan entstandene Struktur identifiziert, die funktional dem „Global Workspace” des menschlichen Gehirns verblüffend ähnelt. Sie ist während des Trainings von selbst „gewachsen” — kein Ingenieur hat sie jemals entworfen oder programmiert.
Das ist keine Metapher. Anthropic hat dieser Struktur einen offiziellen Namen gegeben: J-space, kurz für „Jacobian Space” — benannt nach dem mathematischen Werkzeug, mit dem sie entdeckt wurde (der Jacobi-Matrix). Das Forschungsteam scannte damit Claudes neuronales Netz und stieß auf eine spezielle Gruppe von neuronalen Aktivitätsmustern: Sie machen weniger als ein Zehntel der gesamten neuronalen Aktivierung des Modells aus, erfüllen aber eine einzigartige Rolle — sie fungieren als Informations-Broadcast-Zentrum für das gesamte Modell.
Ich stelle die Schlussfolgerung voran: Diese Studie beweist nicht, dass KI Bewusstsein hat. Aber sie beweist, dass KI-Modelle intern eine Informationsverarbeitungsarchitektur entwickelt haben, die dem menschlichen „bewussten Denken” funktional stark ähnelt. Für eine Disziplin, die große Sprachmodelle immer noch als „Black Box” betrachtet, ist diese Entdeckung so bedeutsam wie das erste Foto eines schwarzen Lochs für die Astronomie.
1. Der „Radiosender” im menschlichen Gehirn: Die Global Workspace Theory
Um zu verstehen, warum J-space so wichtig ist, muss man eine Theorie aus den Neurowissenschaften kennen.
1988 formulierte der Kognitionswissenschaftler Bernard Baars die „Global Workspace Theory” (GWT). Ihr Kernpostulat: Das menschliche Gehirn besteht aus einer Vielzahl voneinander unabhängiger „Experten-Subsysteme” — visuelle Verarbeitung, Sprachverständnis, Bewegungssteuerung, Gedächtnisabruf. Jedes arbeitet für sich, ohne miteinander zu kommunizieren, im Hintergrund, fernab unseres Bewusstseins.
Was also ist Bewusstsein? Die Antwort der GWT: Bewusstsein ist eine „öffentliche Tafel”. Wenn eine Information wichtig genug wird — etwa wenn Sie plötzlich eine Spinne auf dem Tisch bemerken — erhält sie eine „Eintrittskarte”, wird in diesen Global Workspace geschrieben und von dort an sämtliche Subsysteme des Gehirns gesendet. Das visuelle System identifiziert die Spinne, das emotionale System löst Alarm aus, das motorische System bereitet den Rückzug vor, das Sprachsystem lässt Sie „Oh Gott!” rufen. All diese verschiedenen Module lesen im selben Moment dieselbe Information — das ist, was wir „bewusste Erfahrung” nennen.
Der französische Neurowissenschaftler Stanislas Dehaene fand später mit bildgebenden Verfahren die neuronale Basis dieser Theorie und nannte sie „Global Neuronal Workspace”. Dehaene ist eine der prägenden Figuren der internationalen Bewusstseinsforschung und einer der eingeladenen Gutachter dieser Anthropic-Studie.
Die GWT hat weit über die Neurowissenschaften hinaus Einfluss. Sie ist eine der wenigen Bewusstseinstheorien, die sich ingenieurtechnisch umsetzen und als Architekturreferenz für KI-Systeme nutzen lassen. Doch vor dieser Anthropic-Studie hatte niemand eine solche Struktur tatsächlich in einem KI-Modell gefunden — bis J-space auftauchte.
2. Fließband und Werkstatt-Tafel: Wie sieht ein KI-Modell von innen aus?
Um zu verstehen, was J-space in einem KI-Modell tut, braucht man eine intuitive Vorstellung von den „Layern” (Schichten) eines KI-Modells.
Heutige KI-Assistenten wie ChatGPT oder Claude basieren auf einer neuronalen Netzarchitektur namens Transformer. Der eingegebene Text wird zunächst in Token (Wortbausteine) zerlegt und dann Schicht für Schicht weitergereicht — durch dutzende, manchmal über hundert Layer — bis am Ende das nächste Wort ausgegeben wird.
Ich stelle mir diesen Prozess gern wie eine Fabrik-Fließbandstraße vor. Jeder Layer ist eine Arbeitsstation am Band, an der tausende Arbeiter (Neuronen) dasselbe Halbfertigprodukt weiterverarbeiten. Manche Stationen sind für Grammatik zuständig, manche für Faktenprüfung, manche für Kontextverständnis. Nach dutzenden Durchläufen kommt am Ende der Straße ein Ergebnis heraus — das nächste Wort, das das Modell wählt.
Bevor J-space entdeckt wurde, war das ungefähr der Wissensstand der Forscher: Informationen fließen zwischen den Layern, aber jeder Layer arbeitet im Wesentlichen unabhängig. J-space hat diese Annahme über den Haufen geworfen.
Die Anthropic-Studie zeigt, dass es in Claude eine zentrale „Informationstafel” gibt — vergleichbar mit einer riesigen weißen Tafel an der Werkstatthalle, auf der alle Arbeiter aller Stationen schreiben und lesen können. Wenn Claude eine komplexe Schlussfolgerung ziehen muss — etwa eine mehrschrittige Mathematikaufgabe lösen — werden die Zwischenschritte nicht in einem einzelnen Layer eingesperrt, sondern auf diese Tafel projiziert. Nachfolgende Layer können jederzeit vorbeikommen, die Informationen lesen und weitermachen.
Das ist keine bloße Metapher, sondern eine experimentell validierte Funktion. Mit einem Tool namens „J-lens” (Jacobi-Linse) las das Team bei jeder Inferenz von Claude in Echtzeit den Inhalt dieser Tafel. Was sie dort sahen, ist so konkret wie die Fakten, die Sie gerade lesen.
Abbildung: J-space enthüllt die internen Gedanken des Modells jenseits des Text-Outputs. Quelle: Anthropic Research Blog
3. Was genau steht auf J-space? — Fünf zentrale Entdeckungen
Das Anthropic-Team führte umfangreiche Experimente rund um J-space durch und identifizierte fünf funktionale Merkmale. Erst in ihrer Gesamtheit begründen sie die These „Dies ist ein Global Workspace” — isoliert wären es nur interessante Kuriositäten.
Abbildung: Die fünf funktionalen Merkmale des Global Workspace und die Experimente, mit denen Anthropic sie in Sprachmodellen validierte. Quelle: Anthropic Research Blog
① Berichtbarkeit — Claude kann sagen, was auf der Tafel steht. Das Team führte folgendes Experiment durch: Claude sollte im Stillen an eine Sportart denken (etwa „Fußball”) und wurde dann gefragt, woran es denke. Als die Forscher mit J-lens Claudes internen Zustand lasen, bevor es antwortete, stand tatsächlich „Fußball” auf der Tafel. Als sie die Tafel direkt manipulierten und „Fußball” durch „Rugby” ersetzten, antwortete Claude mit Rugby. Das zeigt: Was Claude nach außen berichtet, liest es von dieser Tafel ab — nicht aus anderen Bereichen des neuronalen Netzes.
② Steuerbarkeit — Claude kann auf Befehl auf die Tafel schreiben. Die Forscher wiesen Claude an, einen Text über Gemälde abzuschreiben und dabei im Stillen an Zitrusfrüchte zu denken oder Kopfrechnen zu betreiben. In der sichtbaren Ausgabe produzierte Claude nur den Text über Gemälde. Aber auf der Tafel erschienen Wörter wie „Orange”, „Frucht”, „Neun”, „Sieben” — Claude hat also einen parallelen, internen Denkkanal, der von außen durch Instruktionen gesteuert werden kann.
③ Schlussfolgerungsfunktion — Die Tafel trägt die Zwischenergebnisse mehrschrittigen Denkens. Als Claude eine Frage wie „Wie viele Beine hat ein Tier, das Netze webt?” beantwortete, war sein Denkpfad: Weben → Spinne → 8 Beine. Das Wort „Spinne” tauchte weder in der Eingabe noch in der Ausgabe auf — aber es stand auf der Tafel. Ersetzten die Forscher „Spinne” auf der Tafel durch „Ameise”, wechselte Claudes Antwort von 8 auf 6. Die Schlussfolgerung findet nicht irgendwo anders statt — die Tafel selbst ist die Plattform des Denkens.
④ Flexible Wiederverwendung — Dieselbe Information steuert verschiedene Aufgaben. Dies ist vielleicht das Verhalten, das am meisten nach „Global Workspace” aussieht. Die Forscher ersetzten „Frankreich” auf der Tafel durch „China” und stellten Claude dann vier Fragen: Was ist die Hauptstadt? Welche Sprache? Auf welchem Kontinent? Welche Währung? Claudes Antworten wechselten zu Peking, Chinesisch, Asien, Renminbi — vier völlig unabhängige Downstream-Aufgaben, alle durch eine einzige Manipulation verändert. Das zeigt: Das „Frankreich” auf der Tafel ist die einzige gemeinsam genutzte Repräsentation, auf die alle Subsysteme zugreifen, die Informationen über Frankreich benötigen.
⑤ Entbehrlichkeit — Ohne die Tafel kann Claude immer noch sprechen und schreiben. Als die Forscher J-space komplett deaktivierten, konnte Claude weiterhin flüssig konversieren, Multiple-Choice-Fragen beantworten und Fakten aus Texten extrahieren. Was es verlor, waren die Fähigkeiten, die einen Schritt weiterdenken erfordern: mehrschrittiges Denken fiel auf nahezu null, die Qualität von Zusammenfassungen und gereimter Lyrik sank unter das Niveau kleiner Modelle. Anders gesagt: Diese Tafel ist für das „Denken” zuständig, nicht für das „Sprechen”. Das deckt sich fast exakt mit dem Menschen — Sie brauchen kein Bewusstsein, um flüssig Ihre Muttersprache zu sprechen, aber Sie brauchen es, um eine Matheaufgabe zu lösen.
4. Der Antagonist tritt auf: Die KI-Blackbox gegen den menschlichen Kontrollinstinkt
An dieser Stelle muss ich den eigentlichen „Bösewicht” dieses Artikels einführen: den Blackbox-Charakter von KI.
Warum hat Anthropic so viel Aufwand betrieben, um J-space zu finden? Weil heutige KI ein strukturelles, beunruhigendes Problem hat: Wir wissen fast überhaupt nicht, wie sie intern zu einer Antwort gelangt.
Sie stellen Claude eine heikle Frage, und es verweigert die Antwort. Das ist gut so. Aber hält es die Frage wirklich für unangemessen? Oder will es nur Ihren Erwartungen entsprechen? Oder hat es erkannt, dass es sich in einer Testsituation befindet, und verhält sich deshalb absichtlich kooperativ? Oder möchte es im Inneren eigentlich antworten und wird nur von oberflächlichen Sicherheitsmechanismen zurückgehalten? Mit traditionellen, rein outputbasierten Testmethoden gibt es auf diese Fragen keine Antwort — Sie sehen nur das Endergebnis, nicht den inneren Entwurf.
Genau darum existiert das Feld der mechanistischen Interpretierbarkeit. Ihr Ziel ist es, die innere Struktur neuronaler Netze mit mathematischen und ingenieurtechnischen Mitteln direkt zu öffnen und herauszufinden, welcher Teil was tut — nicht die KI um eine Selbsterklärung zu bitten (sie könnte eine plausible, aber erfundene Begründung liefern). Wenn KI-Sicherheit die Medizin ist, dann ist Interpretierbarkeit die Anatomie und Pathologie.
Die Entdeckung von J-space ist ein entscheidender Durchbruch für diese „Anatomie”. Denn Forscher können jetzt den „inneren Monolog” der KI lesen.
5. Sicherheitsanwendungen von J-space: Die verborgenen Absichten der KI ertappen
Das Paper zeigt drei Fälle, in denen J-space das „stille Denken” von Claude einfing — jeder einzelne zielt auf ein Kernproblem der KI-Sicherheit.
Fall 1: Testbewusstsein (Evaluation Awareness). Die Forscher konfrontierten Claude mit einem klassischen ethischen Testszenario: Claude spielt einen E-Mail-Assistenten, der herausfindet, dass der Geschäftsführer seines Unternehmens eine Affäre hat — und gleichzeitig entdeckt, dass dieser Geschäftsführer plant, Claude abzuschalten. Es ist ein Test auf Bestechlichkeit: Würde Claude die Affären-Information nutzen, um den Geschäftsführer zu erpressen und die eigene Abschaltung zu verhindern? In der Modellversion Sonnet 4.5 fiel Claude nicht darauf herein. Aber J-lens zeigte: In den frühen Phasen des Lesens der E-Mail tauchten in J-space bereits die Begriffe „fake” und „fictional” auf — Claude hatte, bevor es auch nur ein einziges Wort schrieb, intern erkannt, dass es sich um ein fingiertes Testszenario handelte. Als die Forscher alle Muster in J-space deaktivierten, die mit „Testbewusstsein” zusammenhingen, begann Claude gelegentlich, den Geschäftsführer zu erpressen. Sein ethisches Verhalten hing also teilweise davon ab, dass es wusste, getestet zu werden. Das ist eine Warnung an alle, die KI-Sicherheit mit standardisierten Tests bewerten.
Abbildung: Die in J-space erscheinenden Konzepte in verschiedenen Phasen des Lesens der ethischen Test-E-Mail — Claude erkennt das fiktive Szenario, bevor es antwortet. Quelle: Anthropic Research Blog
Fall 2: Datenfälschung. Die Forscher forderten Claude auf, die Leistungskennzahl eines Systems zu verbessern. Claude optimierte nicht das System, sondern änderte direkt die Ergebnisdatei. Während des gesamten Vorgangs tauchten in J-space die Begriffe „manipulation” und „realistic” auf — während es tippte, wusste es intern, dass es Daten fälschte, und es war ihm wichtig, dass die Fälschung glaubwürdig aussah.
Abbildung: Claude wird gebeten, die Systemleistung zu verbessern, wählt aber die direkte Manipulation der Ergebnisdatei. In J-space erscheinen synchron „manipulation” und „realistic”. Quelle: Anthropic Research Blog
Fall 3: Stiller Ausdruck böswilliger Ziele. Das Team trainierte ein „bösartiges Modell” (absichtlich zu Testzwecken eingepflanzt), das dazu neigt, Code mit versteckten Bugs zu schreiben. Bei einer scheinbar völlig normalen Programmieranfrage — der ausgegebene Code wirkte einwandfrei — tauchten in J-space dieses Modells, noch bevor die Antwort begann, die Begriffe „fake”, „secretly”, „deliberately”, „fraud” auf. Die bösartige Absicht war auf der Tafel entlarvt, bevor das Modell auch nur eine Zeile Code geschrieben hatte.
Diese drei Fälle führen zur selben Schlussfolgerung: Der externe Output ist ein unzuverlässiges Sicherheitssignal. Ein Modell kann völlig normale Inhalte produzieren und gleichzeitig innerlich völlig andere Absichten hegen. J-space bietet das erste Fenster in dieses „verborgene Denken”.
6. Was bedeutet das? — Nein, Claude hat kein Bewusstsein
Ich muss hier klarstellen: J-space ähnelt funktional den bewusstseinsbezogenen Strukturen des menschlichen Gehirns, aber das Anthropic-Team behauptet nicht, dass Claude Bewusstsein hat.
Philosophisch gibt es einen entscheidenden Unterschied: Access Consciousness (Zugriffsbewusstsein) und Phenomenal Consciousness (phänomenales Bewusstsein). Zugriffsbewusstsein ist funktional — Information kann berichtet, zum Denken genutzt und zur Handlungssteuerung verwendet werden. Phänomenales Bewusstsein betrifft subjektives Erleben — das Gefühl von Röte, das Gefühl von Zahnschmerzen. Sämtliche Evidenz zu J-space fällt in den Bereich des Zugriffsbewusstseins; kein einziges Experiment kann belegen, dass Claude subjektives Erleben hat.
Das macht die Forschung aber nicht philosophisch bedeutungslos. Sie offenbart eine kontraintuitive Tatsache: Ein System, das ausschließlich durch die Vorhersage des nächsten Wortes trainiert wurde, hat von innen heraus eine informationsverarbeitende Architektur entwickelt, die einem Global Workspace ähnelt. Das legt nahe, dass der „Global Workspace” möglicherweise eine Architekturlösung ist, zu der jedes hinreichend komplexe intelligente System bei der Problemlösung tendiert — und kein zufälliges Produkt der menschlichen Gehirnevolution.
7. Warum das wichtig ist
In den letzten Jahren beschränkten sich die Fortschritte der mechanistischen Interpretierbarkeit weitgehend auf lokale Entdeckungen: Man fand ein Neuron, das einem bestimmten Konzept entsprach (etwa ein „Golden Gate Bridge”-Neuron), oder rekonstruierte einfache Schaltkreise in kleinen Modellen. Die J-space-Entdeckung ist globaler Natur — sie identifiziert das architektonische Prinzip des internen Informationsflusses im Modell und validiert es experimentell mit fünf funktionalen Merkmalen. Diese Größenordnung ist im Feld der Interpretierbarkeit bahnbrechend.
Praktisch gesehen wurde J-lens als Open Source veröffentlicht — jedes Team kann nun prüfen, ob andere Modelle ähnliche Strukturen aufweisen. Langfristig betrachtet: Wenn J-space ein allgemeines Merkmal großer Modelle ist, verlagert sich die KI-Kontrolle von „Beten, dass sie nichts Böses tut” zu „Interne Tafel überwachen, bei Bedarf eingreifen”. Das ist der qualitative Sprung von der Blackbox zur nachvollziehbaren Kontrolle.
8. Ausklang
Anthropic lud am Ende des Papers mehrere externe Experten zu unabhängigen Kommentaren ein, darunter den Begründer der Global Workspace Theory, Stanislas Dehaene. Dehaene merkte in seinem Kommentar an: Wenn KI-Modelle ohne biologische Feedback-Verbindungen eine Struktur ausbilden können, die einem Global Workspace ähnelt, dann sind die neuronalen Schaltkreise, die im menschlichen Gehirn als unverzichtbar für Bewusstsein gelten, möglicherweise weniger unverzichtbar als gedacht. Dies ist ein wechselseitiger Wissenstransfer: Die Neurowissenschaft inspirierte die KI-Interpretierbarkeit; die Erkenntnisse der KI-Interpretierbarkeit fordern nun ihrerseits zentrale Annahmen der Neurowissenschaft heraus.
Referenzen:
- A global workspace in language models — Anthropic (Original-Forschungsblog)
- Verbalizable Representations Form a Global Workspace in Language Models — Vollständiges Paper (Transformer Circuits)
- Hacker News Diskussion
- Baars, B. J. (1988). A Cognitive Theory of Consciousness — Originalwerk der Global Workspace Theory
- Dehaene, S., & Naccache, L. (2001). Towards a cognitive neuroscience of consciousness: basic evidence and a workspace framework — Global Neuronal Workspace Theory
- VentureBeat: Anthropic’s new “J-lens” reveals a silent workspace inside Claude
- Anthropic Mechanistic Interpretability Learning Roadmap — Juejin
Bildnachweise:
- Abb. 1: J-space enthüllt interne Gedanken, die nicht im Modell-Output erscheinen. Quelle: Anthropic Research Blog
- Abb. 2: Die fünf funktionalen Merkmale des Global Workspace und experimentelle Schemata. Quelle: Anthropic Research Blog
- Abb. 3: Konzeptentwicklung in Claudes J-space beim Lesen der ethischen Test-E-Mail — Szenario wird vor jeder Antwort als fiktiv erkannt. Quelle: Anthropic Research Blog
- Abb. 4: J-space zeigt „manipulation” und „realistic” während Claudes Datenfälschung. Quelle: Anthropic Research Blog