Claude Science: Was es ist, wie es funktioniert und für wen es gedacht ist

Claude Science ist eine Desktop-Anwendung in Beta von Anthropic für Forschende. Sie führt Analysen aus, durchsucht wissenschaftliche Datenbanken, rendert Proteine und genomische Tracks nativ und bewahrt Code und Gespräch zu jeder erzeugten Abbildung. Downloads für Mac und Linux gibt es auf der Claude-Science-Produktseite.

Wer Claude Code kennt, erkennt den Ansatz: ein Agent mit persistentem Workspace und echter Ausführung. Die Arbeitseinheit ist jedoch nicht ein Repository, sondern eine Analyse mit Abbildung, Tabelle, Notebook oder Manuskriptabschnitt als Ergebnis.

Was Claude Science tatsächlich ist

Die lokale Anwendung verwaltet Rechenleistung, Daten und Provenienz rund um wissenschaftliche Analysen. Sie stellt Proteine, Sequenz-Alignments, genomische Tracks, chemische Strukturen und PDFs direkt dar; jedes Artefakt enthält Code, Umgebung und Gespräch. Persistente Python- und R-Kernels halten Variablen während der Sitzung im Speicher.

So funktioniert es

Compute, den die App verwaltet

Die App richtet Umgebungen auf Laptop, Linux-Maschine und HPC-Login-Node ein. Sie schreibt Batch-Skripte, übermittelt Jobs per SSH und bringt die Ausgabe in dasselbe Gespräch zurück; Anthropic beschreibt Skalierung von einer GPU bis zu Hunderten.

Ein Slurm-Skript zu erzeugen ist leicht. Es abzusenden, zu überwachen und das Ergebnis im richtigen Kontext zurückzuholen, entscheidet über die Nutzbarkeit im Labor.

Kernels, die sich erinnern

Persistente Python- und R-Kernels behalten Variablen zwischen Fragen. Ein Datensatz wird einmal geladen und mehrfach abgefragt. R ist besonders wichtig, da Bioinformatik und Biostatistik oft R-first sind.

Ein Reviewer im Hintergrund

Claude Science prüft eigene Ausgaben und markiert falsche Zitate, nicht rückverfolgbare Zahlen und Abbildungen, die nicht zur Aussage passen.

Das ist ein erster Filter, keine Garantie: eine plausibel wirkende Analyse auf einer falschen Annahme kann auch er nicht sicher erkennen.

Abbildungen durch Gespräche bearbeiten

Statt einen Plot für eine Achsenbeschriftung neu zu erzeugen, kommentieren Sie ihn in natürlicher Sprache; die App iteriert auf der Figur. Das senkt die Reibung von Überarbeitungen vor dem Lab-Meeting.

Manuskripte im selben Fenster schreiben

Analyse und Text leben zusammen in Markdown und LaTeX. Die Methodenbeschreibung steht neben dem Code, der die Zahlen erzeugt, damit beides nicht auseinanderläuft.

Datenbanken und Connectoren

Claude Science ist mit über 60 wissenschaftlichen Datenbanken und Literaturintegration vorverdrahtet. Die Seite Claude for Life Sciences nennt unter anderem 10x Genomics Cloud, Benchling, PubMed, bioRxiv und ClinicalTrials.gov.

Das ersetzt einen großen Teil eines maßgeschneiderten Integrationsprojekts. Für ein unbekanntes institutseigenes LIMS benötigen Sie dennoch einen eigenen Connector, was die App unterstützt.

Was Sie heute damit tun können

Anthropic nennt vier vorbereitete Workflows:

• Single-Cell-RNA-seq-Analyse — Clustering, Annotation und differentielle Expression.
• Phylogenetische und evolutionäre Analyse — Alignment, Baumbau und Interpretation.
• Proteinstruktur und Protein-Language-Models — strukturelle Prüfung und Vorhersage.
• Cheminformatik — Moleküle, Eigenschaften und chemische Struktur-Renderer.

Pipelines lassen sich als wiederverwendbare Skills speichern, ähnlich wie Claude einen Skill aufzeichnet, hier jedoch für Analyse-Pipelines.

Claude Science vs. Claude for Life Sciences

Das sind zwei unterschiedliche Angebote.

Claude for Life Sciences ist die breitere Browser-Plattform mit Cloud-Datenbanken, Zitaten und Audit-Trails.

Claude Science ist die Desktop-App für lokalen Compute, persistente Kernels, native Renderer und HPC-Job-Einreichung.

Browserzugang zu Life-Sciences-Connectoren ist nicht dasselbe wie eine lokale Ausführungsumgebung.

Für wen es gedacht ist

Es passt zu Computational Biologists, Bioinformatiker:innen, Strukturbiolog:innen und Cheminformatiker:innen, die Python oder R nutzen und Notebook, Cluster, Literaturverwaltung und Figure-Tool heute manuell verbinden.

Weniger passend ist es für reine Wet-Lab-Gruppen, regulierte oder IP-sensitive Teams ohne geklärten Datenpfad sowie für Arbeiten, die vor einer Einreichung eine stabile, versionierte und zitierbare Pipeline brauchen.

Was noch unklar ist

Preise und Plananforderungen stehen nicht auf der Produktseite. Auch die Grenze zwischen lokaler Ausführung und Cloud-Connectoren ist für Datenresidenz nicht detailliert erklärt, und eine Beta kann sich ändern. Anthropic ordnete den Start Ende August 2026 in der Ankündigung Expanding our support for scientists ein.

Wo es neben einem offenen Stack steht

Claude Science bündelt Renderer, Connectoren, Compute-Verwaltung und Provenienz in einer geschlossenen App. Das bringt schnell ein integriertes Umfeld, bindet aber Modell, Orchestrierung und Datenpfad an einen Anbieter.

Wenn Analysedaten die Infrastruktur nicht verlassen dürfen oder lokale Modelle nötig sind, ist dieser Tausch eventuell nicht möglich. Vergleichen Sie die besten Open-Source-Alternativen zu Claude Science und Claude Science vs Claude Code.

Häufige Fragen

Ist es kostenlos? Preise und Plananforderungen sind nicht veröffentlicht; prüfen Sie dies vor der Budgetierung.

Läuft es unter Windows? Nein, gelistet sind Mac auf Apple Silicon, Mac auf Intel und Linux.

Ist es dasselbe wie Claude for Life Sciences? Nein, Life Sciences ist die Browser-Plattform; die Desktop-App enthält lokale Ausführung, Kernels und Renderer.

Unterstützt es R? Ja, mit persistenten Python- und R-Kernels.

Kann es meinen Cluster nutzen? Ja, es verwaltet HPC-Umgebungen, schreibt Batch-Skripte und übermittelt Jobs per SSH.

Wohin gehen meine Daten? Die App läuft lokal, Connectoren erreichen aber Cloud-Datenbanken; lassen Sie diese Grenze bei Datenresidenz schriftlich bestätigen.

Führen Sie dieselben Workflows auf einem offenen Stack aus

Eigent ist eine Open-Source-Desktop-KI-Belegschaft für lokale Multi-Agent-Workflows, MCP-Tools und frei wählbare Modelle einschließlich lokaler Inferenz über Ollama oder vLLM. Speichern Sie den wiederholten Pipeline-Ablauf als Skill. Laden Sie Eigent herunter und testen Sie es mit einem bereits teilbaren Datensatz.