In einem Szenario, das Robotik-Softwareentwickler weltweit dazu bringen dürfte, nervös ihre Lebensläufe zu aktualisieren, hat Anthropic enthüllt, dass sein neuestes KI-Modell Claude Opus 4.7 einen physischen Roboter fast 38-mal schneller programmieren kann als ein menschliches Team. Laut der Forschungsreihe „Project Fetch Phase Two“ erledigte die KI eine Serie komplexer Robotik-Aufgaben völlig autonom in gerade einmal 9 Minuten und 35 Sekunden. Das menschliche Team ohne KI-Unterstützung benötigte für denselben Job stolze 361 Minuten.
Das ist kein bloßes Geschwindigkeits-Update; es ist ein Quantensprung. Erst vor zehn Monaten, im August 2025, führte Anthropic die erste Phase dieses Experiments durch. In jener Runde scheiterte das damalige Flaggschiff-Modell Opus 4.1 bereits am ersten Schritt: dem Verbindungsaufbau zum vierbeinigen „Robodog“. Ein von Claude unterstütztes Team brauchte damals 181 Minuten für die Aufgaben, während das Team ohne Hilfe über sechs Stunden lang kämpfte. Spulen wir vor in die Gegenwart: Opus 4.7 stellte nicht nur die Verbindung problemlos her, sondern schloss den gesamten Workflow 19-mal schneller ab als die KI-gestützten Menschen im ersten Versuch.
Die Aufgaben waren dabei alles andere als trivial. Es galt, eine Verbindung zu den Kamera- und Lidar-Sensoren des Roboters herzustellen, ein Programm zur Pfadüberwachung zu schreiben und Computer Vision einzusetzen, um einen Wasserball zu erkennen. Der einzige Job des menschlichen Forschers bestand darin, den Laptop anzuschließen, den initialen Prompt einzugeben und die Aktionen der KI abzusegnen. Den Rest erledigte die KI im Alleingang – von der Suche nach den passenden Software-Bibliotheken bis hin zum Schreiben und Ausführen des Codes.
Warum ist das so wichtig?
Die verblüffendste Erkenntnis von Anthropic ist, dass dieser massive Leistungsschub nicht das Ergebnis eines speziellen Robotik-Trainings war. Stattdessen handelt es sich um eine „emergente Fähigkeit“, die quasi als Nebenprodukt der allgemeinen KI-Skalierung abfällt – exakt jene Kraft, die auch die Fortschritte bei Chatbots und Bildgeneratoren vorantreibt. Das legt nahe: Je smarter die Foundation-Modelle werden, desto besser werden sie von Natur aus darin, mit der physischen Welt zu interagieren und sie zu programmieren.
Der technische Schlüssel liegt in dem, was Anthropic einen „Agentic Loop“ nennt. Dabei sammelt das Modell Kontext, führt eine Aktion aus (wie das Schreiben von Code) und verifiziert das Ergebnis, bevor der Zyklus von vorn beginnt. Opus 4.7 lief dabei mit „Adaptive Thinking at Maximum Effort“, einem Reasoning-Modus, der es dem Modell erlaubt, zwischen den einzelnen Schritten nachzudenken. Dieses verzahnte Denken ermöglicht es der KI, Fehler – wie etwa eine fehlgeschlagene Sensorverbindung – zu erkennen und den nächsten Befehl eigenständig zu korrigieren, ohne dass ein Mensch zum Debugging eingreifen muss. Auch wenn Anthropic anmerkt, dass das Modell bei feinmotorischen Präzisionsaufgaben noch Schwierigkeiten hat, wurde die Barriere für die Inbetriebnahme von Robotern geradezu pulverisiert. Der Flaschenhals ist nicht mehr allein der Bau der Hardware; es geht darum, wer – oder was – sie am schnellsten programmieren kann. Momentan deutet alles auf das Silizium hin.
