Völlig kostenlos, eine Open-Source-Alternative zu Claude Science, wähle zwischen DeepSeek und GLM ganz nach deinen Wünschen

Wissenschaftler sind begeistert!!

Weniger als eine Woche nach dem Launch von Anthropics Claude Science hat die Open-Source-Community ihr eigenes Ergebnis vorgelegt.

Ein von YC gefördertes KI-Forschungs-team hat OpenScience vorgestellt – eine quelloffene Alternative zu Claude Science.

Es handelt sich ebenfalls um eine vollständige KI-Arbeitsumgebung für die Wissenschaft, die Literaturrecherche, Hypothesengenerierung, Code-Experimente und das Verfassen von Arbeiten abdeckt, ist aber nicht an einen einzelnen Modellanbieter gebunden.

DeepSeek, GLM, Claude, GPT… egal ob inländisch oder international – Sie können das Modell verwenden, das Sie bevorzugen.

Zudem unterliegt das Projekt der für Entwickler freundlichsten Apache-2.0-Lizenz und lässt sich mit nur einem einzigen Befehl installieren.

Nach der Veröffentlichung schoss das Projekt direkt in die Trending Topics auf X. Nutzer kommentierten offen:

Genau so sollte wissenschaftliche KI aussehen. (Anthropic: Nenn uns einfach direkt beim Namen)

Claude Science ist leistungsstark – aber für viele nicht zugänglich…

Vor etwa 5 Tagen hat Anthropic auf einer geschlossenen Veranstaltung der MIT Technology Review offiziell Claude Science vorgestellt.

Dies ist eine KI-Arbeitsplattform, die speziell für Wissenschaftler entwickelt wurde und alle gängigen Tools und Softwarepakete bereitstellt, die Forscher täglich nutzen.

Nehmen wir ein Beispiel: Früher musste ein Forscher für eine Studie Literatur in PubMed suchen, Code in Jupyter schreiben, Statistiken mit R ausführen, sich per SSH zu einem Cluster verbinden, um Aufgaben zu übermitteln, und dann mit verschiedenen Tools Diagramme erstellen und die Arbeit verfassen.

Man wechselt zwischen Dutzenden Fenstern hin und her – allein die Umstellung zwischen den Tools kostet enorm viel Energie.

Claude Science soll all diese Schritte in einer einzigen Arbeitsumgebung zusammenfassen.

Genauer gesagt wurden mehrere entscheidende Integrationen vorgenommen:

Auf Ebene von Datenbanken und Toolchain sind über 60 Konnektoren für wissenschaftliche Datenbanken und vorkonfigurierte Fähigkeitspakete integriert, die gängige Forschungsbereiche wie Genomik, Einzelzellanalyse, Proteomik, Strukturbiologie und Chemoinformatik abdecken.

Sie stellen Ihre Fragen in natürlicher Sprache, und der spezialisierte Agent durchsucht automatisch mehrere Datenbanken gleichzeitig – Sie müssen nicht einzeln auf Plattformen wie UniProt, PDB, Ensembl, ChEMBL oder GEO navigieren.

Zudem ist es mit dem BioNeMo Agent Toolkit von NVIDIA verbunden und kann direkt auf Modelle der Biowissenschaften wie Evo 2, Boltz-2 und OpenFold3 zugreifen.

Ausführungsebene: Es wurde eine Multi-Agent-Architektur implementiert.

Der Hauptagent übernimmt die Gesamtplanung, die Unteragenten bearbeiten verschiedene Aufgaben parallel, und ein spezieller Reviewer-Agent ist ausschließlich für die Faktenprüfung zuständig – beispielsweise die Überprüfung von Zitaten, die Validierung von Berechnungsergebnissen und die Kennzeichnung potenzieller Fehler.

Die generierten Ergebnisse sind nicht nur reine Textausgaben: 3D-Proteinstrukturen, Genombrowser-Spuren und chemische Strukturformeln werden nativ gerendert.

Zusätzlich werden für jedes Diagramm der zugrunde liegende Generierungscode, die Laufzeitumgebung, eine Erklärung in natürlicher Sprache und der vollständige Gesprächsverlauf gespeichert.

In manchen Szenarien können Wissenschaftler sogar ein Diagramm mit einem einzigen Satz ändern – das System schreibt den zugrunde liegenden Code automatisch um.

Auf der Ebene der Rechenleistung kann Claude Science direkt auf die vorhandene Infrastruktur Ihres Labors zugreifen.

Laptops, Linux-Server oder die Anmeldeknoten von HPC-Clustern sind geeignet – Sie können per SSH-Verbindung oder über ein Modal-Konto bei Bedarf auf Cloud-GPUs zugreifen und die Leistung von einer einzelnen Karte auf Hunderte von Karten skalieren.

Große Datensätze müssen nur einmal geladen werden, sensible Daten verbleiben in Ihrem eigenen System, und nur der für jede Analyse erforderliche Kontext wird an Claude übermittelt.

Erste Tester haben bereits praktische Anwendungsfälle umgesetzt.

Der Neurowissenschaftler Jérôme Lecoq vom Allen Institute hat damit ein Multi-Agent-„Berechnungs-Review-Vorlage“ erstellt – mit etwa 20 benutzerdefinierten Fähigkeiten, die Unteragenten Tausende von Arbeiten lesen, Kernaussagen und quantitative Daten extrahieren lassen, um dann Kapitel für Kapitel Übersichtsarbeiten zu generieren.

Anders ausgedrückt: Früher dauerte das Verfassen einer Übersichtsarbeit zwei Jahre – heute hat er bereits etwa 10 fertige Arbeiten in der Schublade,

viele davon über 100 Seiten lang, mit allen Zitaten, die vom Reviewer-Agent überprüft wurden.

Stephen Francis vom Gehirntumorzentrum der UCSF nutzte es für eine molekulare epidemiologische Studie zu Gliomen, um Keimbahnvarianten zu analysieren.

Er berichtet, dass Claude Science die erforderliche Zeit auf ein Zehntel reduziert hat – und sein Team hat die Ergebnisse unabhängig validiert, um zu bestätigen, dass die Analyse sowohl schnell als auch zuverlässig ist.

Unter Berücksichtigung der Bewertung der KI-Forschungsfähigkeiten durch den Harvard-Physiker Matthew Schwartz im März dieses Jahres entspricht das aktuelle Niveau von Claude etwa dem eines Masterstudenten im zweiten Jahr.

Er veröffentlichte einen Gastbeitrag im offiziellen Blog von Anthropic mit dem Titel „Vibe Physics: The AI Grad Student“, in dem er den gesamten Prozess beschreibt, wie er mit Claude Opus 4.5 eine Arbeit zur theoretischen Physik verfasst hat.

Seine damalige Schlussfolgerung lautete:

Die aktuellen Forschungsfähigkeiten von KI entsprechen etwa denen eines Masterstudenten im zweiten Jahr: Sie kann Aufgaben erledigen, wird nicht müde – aber jeder Schritt erfordert die Aufsicht eines Betreuers.

Diese Einschätzung wurde später von Anthropic in die technische Dokumentation von Claude Science aufgenommen, um die Produktpositionierung zu kalibrieren.

Allerdings unterliegt Claude Science derzeit mehreren harten Einschränkungen:

Nur Unterstützung für macOS und Linux

Nur zugänglich für zahlende Nutzer der Tarife Pro/Max/Team/Enterprise

Auf der Plattform können ausschließlich die hauseigenen Modelle von Claude verwendet werden

Das Zusammentreffen dieser Hürden macht Claude Science insbesondere für chinesische Forschungsteams zu etwas, das „unerreichbar“ ist.

Gute Nachrichten: Die quelloffene Alternative ist da

Genau für diese Einschränkungen wurde das Open-Source-Projekt OpenScience entwickelt.

Das dahinterstehende Team heißt Synthetic Sciences, wurde 2025 in San Francisco gegründet und hat gerade das Förderprogramm von YC aus der Winterrunde 2026 abgeschlossen.

Das Gründerteam hat große Ziele: Es möchte eine Plattform schaffen, auf der Wissenschaftler komplexe Forschungsaufgaben direkt an „KI-Mitwissenschaftler“ übergeben können – sodass die gesamte Kette von der Literaturübersicht über die Hypothesengenerierung und die Experimentdurchführung bis zum Verfassen der Arbeit von der KI selbstständig abgewickelt wird.

Intern gibt es eine zentrale Überzeugung:

Wissenschaftliche Grundmodelle müssen einen echten „Forschungssinn“ besitzen – und dieser lässt sich nicht einfach durch das Hinzufügen von Parametern erreichen. Man muss Produkt und Modell gleichermaßen vorantreiben: Mit dem Produkt sammelt man hochwertige Daten aus dem Forschungsprozess, und mit diesen Daten trainiert man Modelle, die diesen Forschungssinn entwickeln.

OpenScience ist das erste Produkt, das diesen Ansatz umsetzt.

Obwohl die Mission von OpenScience mit der von Claude Science identisch ist, gibt es einen grundlegenden Unterschied:

Modellunabhängig (model-agnostic).

Mit den Worten von Synthetic Sciences selbst:

Wissenschaftliche KI sollte offen sein. Kein Unternehmen sollte die Werkzeuge monopolisieren, mit denen die Menschheit Erkenntnisse gewinnt – und schon gar nicht sollte es allein entscheiden, wer diese nutzen darf.

Auf dieser Plattform lassen sich also Modelle von Anthropic, OpenAI, Google, DeepSeek, GLM… direkt verbinden, solange Sie über den entsprechenden API-Schlüssel verfügen.

Sie können sogar lokale Modelle ausführen, die über Ollama bereitgestellt werden – kein einziges Byte Ihrer Daten verlässt Ihr Gerät.

Ihr Schlüssel verbleibt lokal, die Anfrage wird direkt an den Modellanbieter übermittelt, ohne Zwischenserver.

Zudem unterstützt OpenScience das Wechseln des Modells pro Anfrage.

In derselben Arbeitsumgebung können Sie in einem Schritt Claude verwenden und im nächsten zu DeepSeek wechseln – ohne Konfigurationen ändern zu müssen.

Auf Funktionsebene geht OpenScience sogar noch weiter als Claude Science:

Es sind über 250 Fähigkeitspakete für die Forschung integriert – mehr als das Vierfache von Claude Science – die Bereiche wie maschinelles Lernen, Computerbiologie und Chemoinformatik abdecken, und alle sind lesbar, bearbeitbar und erweiterbar.

Die Installation ist ebenfalls einfach: Ein einziger Befehl im Terminal:

Sofort einsatzbereit – der Browser öffnet automatisch die Arbeitsumgebung. Beim ersten Start wählen Sie eine Modellquelle aus, geben Ihren API-Schlüssel ein – und schon können Sie loslegen.

Eine globale Installation ist ebenfalls möglich:

Wenn Ihnen die Konfiguration der Schlüssel zu aufwendig ist, bietet das Team die gehostete Plattform Atlas an:

Sie laden Guthaben auf und rufen direkt mehrere führende Modelle auf – ohne jeden Schlüssel einzeln konfigurieren zu müssen. Zusätzlich gibt es einen dauerhaften Forschungswissensgraphen und Cloud-Rechenleistung.

Doch Atlas ist nicht zwingend erforderlich: Mit Ihren eigenen Schlüsseln können Sie OpenScience vollständig kostenlos nutzen – ohne jegliche Hürden.

One More Thing

Interessanterweise finden Sie ganz unten auf der GitHub-Seite von OpenScience eine ausdrücklich hinzugefügte Erklärung:

OpenScience ist ein unabhängiges Projekt. Es ist nicht mit Anthropic verbunden, wird von diesem nicht unterstützt oder gesponsert. „Claude“ ist eine Marke von Anthropic, PBC, die hier ausschließlich zur Beschreibung der Kompatibilität verwendet wird.