Inherents Faraday soll Claude und GPT-5.5 bei der Reproduktion von Forschungsergebnissen übertreffen

Inherent, ein von ehemaligen Google-DeepMind-Mitarbeitern gegründetes KI-Labor aus London, behauptet, sein 27 Milliarden Parameter großer Agent Faraday könne Ergebnisse veröffentlichter wissenschaftlicher Arbeiten reproduzieren, ohne die Lösung zuvor zu kennen. Nach Angaben des Unternehmens schnitt Faraday bei dieser speziellen Aufgabe besser ab als Anthropics Claude Opus 4.8 und OpenAIs GPT-5.5. 259

Sollte sich das in unabhängigen und breiteren Tests bestätigen, wäre es ein bemerkenswertes Ergebnis. Die Aussage ist jedoch enger, als es die Schlagzeile vermuten lässt: Getestet wurde die Reproduktion bereits bekannter Ergebnisse – nicht die eigenständige Entdeckung neuen wissenschaftlichen Wissens.

Was Faraday leisten musste

Inherent entwickelte dafür Replica, eine Benchmark mit 100 Arbeiten aus den Bereichen maschinelles Lernen und KI für die Wissenschaft. Daraus wurden 310 Replikationsaufgaben abgeleitet. Bei jeder Aufgabe soll ein Agent eine bestimmte Abbildung aus einer Arbeit nachbilden – mit begrenzter Zeit und Rechenleistung und ohne Zugriff auf das ursprüngliche Diagramm. 34

Das ist anspruchsvoller, als eine Arbeit lediglich zusammenzufassen oder eine veröffentlichte Grafik zu kopieren. Der Agent muss die Forschung zunächst verstehen, die nötigen Experimente programmieren, seine Ressourcen sinnvoll einteilen und ein Ergebnis erzeugen, das dem berichteten Befund ausreichend nahekommt.

Inherent zufolge übertraf Faraday Claude Opus 4.8 und GPT-5.5 in dieser Benchmark, obwohl das zugrunde liegende Modell mit 27 Milliarden Parametern deutlich kleiner ist. 158 Der Vergleich sollte daher als Aussage über diese konkrete Benchmark verstanden werden – nicht als allgemeines Ranking der Systeme bei wissenschaftlicher Arbeit oder beim Programmieren.

Warum Inherent von „Research Taste“ spricht

Nach Ansicht von Inherent reicht es in der Wissenschaft nicht, am Ende eine ähnlich aussehende Grafik zu produzieren. Ein guter Forscher muss entscheiden, welche Experimente sich lohnen, sie sinnvoll planen, mehrdeutige Ergebnisse einordnen und den Ansatz ändern, wenn eine Richtung nicht weiterführt. Dieses Bündel an Urteilsvermögen bezeichnet das Unternehmen als „Research Taste“. 47

Der Unterschied ist wichtig: Ein Modell kann möglicherweise ein plausibel wirkendes Ergebnis erzeugen, ohne einen verlässlichen wissenschaftlichen Prozess zu verfolgen. Inherent will Faraday deshalb auf längerfristiges Verhalten trainieren – auf das Aufstellen von Hypothesen, das Testen verschiedener Ansätze, das Lernen aus Fehlschlägen und die Auswahl produktiver nächster Schritte. 4

Als Trainingsfeld eignet sich die Reproduktion, weil veröffentlichte Arbeiten den praktischen Versuch-und-Irrtum-Prozess oft nicht vollständig dokumentieren. Wer ein Ergebnis nachbilden will, muss Teile dieser nicht niedergeschriebenen Forschungsarbeit rekonstruieren. Inherent sieht darin einen möglichen Lernpfad von der Überprüfung bekannter Befunde hin zu offenerer Forschung. 49

Faraday steuert GPT-5.5 Codex

Faraday wird nicht als eigenständiger Ersatz für einen leistungsfähigen Programmieragenten präsentiert. Stattdessen fungiert das Modell als wissenschaftliche Steuerungsebene, die OpenAIs GPT-5.5 Codex während der Replikationsaufgaben als Werkzeug anweist. Inherent vergleicht diese Arbeitsteilung mit einem Wissenschaftler, der einen Programmierassistenten nutzt: Faraday liefert Planung und wissenschaftliches Urteilsvermögen, Codex übernimmt einen Großteil der Umsetzung. 39

Damit rückt nicht allein die Modellgröße in den Mittelpunkt. Ein kleineres Modell kann einen größeren Dienst leisten, wenn es entscheidet, was das leistungsfähigere Werkzeug tun soll, wann eine Strategie geändert werden muss und wie die Ergebnisse zu bewerten sind. Der behauptete Vorteil von Faraday ist somit zumindest teilweise ein Vorteil der Orchestrierung – also des Zusammenspiels aus wissenschaftlicher Planung und leistungsfähiger Programmierung. Er beweist nicht, dass das 27-Milliarden-Parameter-Modell größeren Systemen in allen Bereichen überlegen ist.

Das Ziel: ein wissenschaftlicher Teamkollege

Inherent will KI-Agenten entwickeln, die mit Forschern wie Teamkollegen zusammenarbeiten. Ein solches System soll Experimente mitplanen, ausführen, kritisch prüfen und weiterentwickeln, während Menschen die Richtung vorgeben und die Aufsicht behalten. 45

Faraday lässt sich deshalb am besten als frühe Ausprägung dieser Idee verstehen: als Modell, das wissenschaftliche Intuition und Forschungsmanagement auf allgemeine Programmierwerkzeuge aufsetzt. Das langfristige Ziel des Unternehmens sind Agenten, die zur Entdeckung neuen Wissens beitragen können. Das aktuelle Ergebnis demonstriert jedoch die Reproduktion bekannter Forschung – nicht wissenschaftliche Entdeckung. 34

Diese Grenze ist entscheidend. Ein bekanntes Ergebnis zuverlässig nachzubilden, ist ein wertvoller Test für wissenschaftliche Robustheit. Daraus folgt aber noch nicht, dass ein Agent wichtige originelle Fragen formulieren, wirklich neue Hypothesen entwickeln oder Entdeckungen in der realen Welt validieren kann.

Was der Start über Inherents Strategie verrät

Inherent trat nach einer Seed-Finanzierungsrunde von 50 Millionen US-Dollar aus dem sogenannten Stealth-Modus hervor und positioniert sich als fokussiertes Londoner Forschungslabor, das von ehemaligen Google-DeepMind-Mitarbeitern gegründet wurde. 25 Das Unternehmen konzentriert sich auf Fähigkeiten, die allgemeine KI-Modelle nicht automatisch zuverlässig beherrschen müssen: experimentelles Urteilsvermögen, langfristige Entscheidungsfindung, Bewertung und die Koordination zwischen Menschen und Softwarewerkzeugen.

Auch die Nutzung eines externen Programmiermodells passt zu dieser Strategie. Statt sämtliche Fähigkeiten in einem einzigen Modell zu bündeln, versucht Inherent, eine spezialisierte Ebene zu trainieren, die vorhandene Spitzenmodelle für wissenschaftliche Arbeit effektiver macht. 39

Die unmittelbare Schlussfolgerung fällt daher nüchtern, aber durchaus relevant aus: Inherent behauptet, dass ein vergleichsweise kleines, mit bestärkendem Lernen trainiertes Steuerungsmodell größere Spitzenmodelle bei einer klar abgegrenzten Replikations-Benchmark übertreffen kann. Ob dieser Ansatz eines Tages verlässlich zu originären wissenschaftlichen Beiträgen führt, bleibt offen.