Anthropic: Claude als Chemiker — Opus 4.7 sagt NMR-Spektren mit einem Fehler von ±0,079 ppm voraus

Anthropic veröffentlichte am 5. Juni 2026 ein White Paper über die Fähigkeiten des Modells Claude in der Chemie, mit Schwerpunkt auf der NMR-Spektroskopie (Kernspinresonanz — eine Methode zur Bestimmung der Molekülstruktur). In der Forschung erreichte das Modell Claude Opus 4.7 bei der Wasserstoffvorhersage einen durchschnittlichen Fehler von ±0,079 ppm und zeigte damit eine Genauigkeit, die sich mit spezialisierten Chemiewerkzeugen messen lässt.

Was ist NMR-Spektroskopie und warum ist sie wichtig?

Die NMR-Spektroskopie ist eine der grundlegenden Methoden der Chemie zur Bestimmung der Struktur von Molekülen. Sie stützt sich auf das Verhalten von Atomkernen in einem Magnetfeld, und die Ergebnisse werden in ppm (parts per million) angegeben. Chemiker nutzen sie täglich, um zu bestätigen, dass eine synthetisierte Verbindung tatsächlich diejenige ist, die sie herstellen wollten.

Die Fähigkeit eines Sprachmodells, zuverlässig mit NMR-Daten zu arbeiten, ist nicht trivial, da sie ein Verständnis des Zusammenhangs zwischen einer Molekülstruktur und dem physikalischen Signal erfordert, das sie erzeugt.

Wie genau war Claude Opus 4.7?

Bei der Vorhersage von Wasserstoffsignalen erreichte Claude Opus 4.7 einen durchschnittlichen Fehler von ±0,079 ppm, was die Forscher als einen Wert deutlich innerhalb des halben Toleranzfensters beschreiben. Für Kohlenstoff betrug der Fehler ±1,37 ppm.

Diese Ergebnisse sind mit etablierten Industriewerkzeugen vergleichbar. Die Programme ChemDraw und MestReNova liefern bei derselben Aufgabe einen Fehler von ±1,48 ppm, den Claude bei Kohlenstoff sogar übertrifft. Das Modell zeigt damit, dass es spezialisierter Software ebenbürtig sein kann und nicht nur grobe Schätzungen liefert.

Was bedeutet es, dass Claude bidirektional arbeitet?

Ein besonders interessanter Befund ist, dass Claude bidirektional arbeitet. In einer Richtung sagt es aus einer bekannten Struktur das erwartete Spektrum voraus (Vorwärtsvorhersage). In der anderen Richtung führt es eine inverse Strukturaufklärung durch — es versucht, aus dem Spektrum allein die Molekülstruktur zu rekonstruieren.

In der inversen Aufgabe rekonstruierte das Modell alle 8 einfacheren Molekülstrukturen allein aus Spektren. Bei komplexeren Zielen gelang es bei 4 von 7, und zwar mit zusätzlichem Kontext zum Ausgangsmaterial. Damit zeigt sich, dass es in beide Richtungen schließen kann, was der Denkweise eines erfahrenen Chemikers näherkommt.

Wie wurde die Evaluation durchgeführt?

Die Evaluation umfasste zwei Gruppen von Aufgaben. Für die Vorwärtsvorhersage wurden 20 Verbindungen über vier Scaffold-Familien (Gruppen verwandter molekularer Grundgerüste) verwendet. Für die inverse Strukturaufklärung wurden 15 Beispiele verwendet.

Dieser Aufbau ermöglicht es, das Modell an vielfältigen chemischen Strukturen zu testen und nicht nur an einer engen Stichprobe. Die Ergebnisse deuten darauf hin, dass Claude als nützliches Hilfswerkzeug in der chemischen Arbeit dienen kann, insbesondere in Phasen, in denen rasch die Übereinstimmung zwischen einem vorhergesagten und einem gemessenen Spektrum beurteilt werden muss.

Was bedeuten diese Ergebnisse für Chemiker?

Für Chemiker im Labor könnte die Fähigkeit eines Sprachmodells, NMR-Spektren zuverlässig vorherzusagen und zu interpretieren, die tägliche Arbeit beschleunigen. Die Überprüfung der Struktur einer synthetisierten Verbindung erfordert oft den Vergleich des gemessenen Spektrums mit dem erwarteten, und ein Werkzeug, das dies schnell und genau erledigt, verkürzt die zur Bestätigung der Ergebnisse benötigte Zeit.

Besonders wichtig ist, dass Claude die bestehenden spezialisierten Werkzeuge nicht ersetzt, sondern ihnen ebenbürtig ist und sie in einzelnen Maßen übertrifft, etwa bei der Kohlenstoffvorhersage. Zudem eröffnet seine Fähigkeit zur inversen Strukturaufklärung die Möglichkeit, aus einem unbekannten Spektrum einen Strukturkandidaten vorzuschlagen, was selbst für erfahrene Fachleute eine anspruchsvolle Aufgabe ist. Mit diesem White Paper zeigt Anthropic, dass allgemeine Sprachmodelle zunehmend in Bereiche vordringen, die bis vor Kurzem eng spezialisierter Software vorbehalten waren.