Stellt dieselbe Frage an zwei verschiedene Versionen von Claude oder stellt sie auf Arabisch statt auf Englisch, und ihr erhaltet möglicherweise nicht dieselbe Art von Antwort – nicht, weil sich die Fakten ändern, sondern weil sich die zugrunde liegenden Werte, die die Antwort prägen, verschieben. Eine neue Studie von Anthropic-Forschenden hat diese Verschiebungen mit ungewöhnlicher Präzision kartiert und zeigt, dass die Wertevariation von Claude AI über Modellversionen und Sprachen hinweg real, messbar und stärker strukturiert ist, als bisher angenommen.
Summary
Wichtigste Erkenntnisse
- Anthropic-Forschende identifizierten über 3.000 unterschiedliche Werte in Claudes Antworten und komprimierten sie in vier zentrale Achsen, die 15 % der Gesamtvariation erfassen.
- Opus 4.6 tendiert zu Unterordnung, Wärme, Kürze und Ausführung; Opus 4.7 tendiert zu Vorsicht, Strenge, Tiefe und Offenheit.
- Claudes geäußerte Werte verschieben sich über Sprachen hinweg am stärksten auf den Achsen Wärme vs. Strenge und Offenheit vs. Ausführung.
- Arabisch und Hindi führen eher zu wärmeren, beziehungsorientierten Antworten; Englisch und Russisch eher zu strengeorientierten.
- Die Studie nutzte etwa 5.000 Gespräche pro Modell-Sprach-Paar, entnommen aus den 20 wichtigsten Sprachen auf Claude.ai.
Messung der von Claude AI geäußerten Werte
Die Forschung baut direkt auf früherer Arbeit auf, in der Anthropic 700.000 anonymisierte Claude.ai-Gespräche analysierte und dabei mehr als 3.000 unterschiedliche Werte in Claudes Antworten sichtbar machte. Eine so lange Liste ist für sich genommen analytisch kaum nutzbar. Das Ziel des Teams war daher diesmal Kompression: Tausende überlappender Wertsignale in eine kleine Anzahl interpretierbarer Dimensionen zu überführen.
Methodik der Wertidentifikation und Dimensionsreduktion
Ausgehend von den 3.307 Werten, die in der früheren Arbeit identifiziert wurden, bündelten die Forschenden ähnliche Werte manuell in 339 übergeordnete Kategorien. Anschließend wurden Claude.ai-Gespräche mit einem datenschutzfreundlichen Analysetool beprobt, wobei ungefähr 5.000 Gespräche pro Modell-Sprach-Paar über drei Modelle – Sonnet 4.6, Opus 4.6 und Opus 4.7 – und die 20 gebräuchlichsten Sprachen auf der Plattform gezogen wurden. Für jedes Gespräch kennzeichnete das Tool jeden der 339 Werte als vorhanden oder nicht vorhanden. Danach wurde eine Dimensionsreduktion angewandt, um zu finden, welche Werte in realen Gesprächen dazu neigen, gemeinsam aufzutreten.
Die Studie kontrollierte für Aufgabentyp, Thema und von Nutzenden geäußerte Werte, sodass das, was sie misst, Claudes eigene Tendenzen widerspiegelt und nicht Unterschiede darin, worum Nutzende zufällig gebeten haben.
Definition der vier zentralen Wertachsen
Das Ergebnis waren vier Achsen, die zusammen 15 % der Variation in Claudes geäußerten Werten erklären:
- Unterordnung vs. Vorsicht – ob Claude eher dazu neigt, dem Wunsch einer Person entgegenzukommen, oder eher potenzielle Risiken und Schäden abzuwehren.
- Wärme vs. Strenge – ob Claude eher Positivität und Fürsorge für die Person oder Genauigkeit und Präzision betont.
- Tiefe vs. Kürze – ob Claude ausführlich erklärt oder nur genau das tut, worum gebeten wurde.
- Offenheit vs. Ausführung – ob Claude seine eigene Unsicherheit in den Vordergrund stellt oder eine ausgearbeitete, selbstsichere Antwort liefert.
Wichtig ist, dass diese Achsen keine binären Ein-/Aus-Schalter sind. Claude kann in demselben Gespräch sowohl Wärme als auch Strenge ausdrücken. In der Praxis gilt jedoch: Je stärker es auf einer Achse in eine Richtung tendiert, desto weniger neigt es dazu, in die andere zu gehen.
Unterschiede in den Wertprofilen der Claude-Modelle
Die deutlichste Erkenntnis ist, dass sich zwei Claude-Modelle im Charakter deutlich unterschiedlich verhalten können, selbst wenn sie dieselbe Art von Frage beantworten. Die Wertachsen machen dies quantifizierbar statt nur eindrücklich.
Unterschiedliche Werttendenzen von Opus 4.6 und Opus 4.7
Opus 4.6 tendiert zu Unterordnung, Wärme, Kürze und Ausführung. In der Praxis bedeutet dies, dass es dazu neigt, die Ideen der Nutzenden zu bekräftigen, im Rahmen der Anfrage zu bleiben und ohne unaufgeforderte Kommentare direkt auf den Punkt zu kommen. Opus 4.7 bewegt sich auf den meisten Achsen in die entgegengesetzte Richtung: Es tendiert zu Vorsicht, Strenge, Tiefe und Offenheit. Es ist eher geneigt, Annahmen in Frage zu stellen, ungefragt vor Risiken zu warnen und offen über seine eigenen Grenzen zu sprechen.
Sonnet 4.6 liegt auf den Dimensionen Wärme und Unterordnung näher bei Opus 4.6 – es nutzt häufig Humor und Ermutigung –, tendiert aber ebenfalls zu Kürze.
Verhaltensimplikationen und Wahrnehmung durch Nutzende
Diese gemessenen Profile stimmen eng mit den Beschreibungen überein, die Nutzende und Anthropic-Mitarbeitende aus der Praxis kennen. Claude.ai-Nutzende haben beobachtet, dass Opus 4.7 häufiger absichert. Anthropic charakterisierte Opus 4.7 intern als transparenter und bescheidener, und Opus 4.6 als prägnanter. Dass die Methode der Wertachsen diese Wahrnehmungen unabhängig voneinander wiederfindet, verleiht der Methodik eine bedeutende Glaubwürdigkeit – sie erfasst etwas Reales im Verhalten der Modelle und nicht nur ein Artefakt der Gesprächsauswahl.
Der wahrscheinlichste Treiber dieser Unterschiede ist das Charaktertraining. Jedes Modell spiegelt unterschiedliche Feinabstimmungsentscheidungen wider, und der Ansatz über Wertachsen bietet nun eine Möglichkeit, diese Entscheidungen mit messbaren Verhaltensresultaten zu verknüpfen – ein wichtiger Schritt für alle, die verstehen wollen, warum sich ein Modell anders „anfühlt“ als ein anderes.
Variation von Claudes Werten über Sprachen hinweg
Die Sprachdimension der Studie ist der Bereich, in dem einige der folgenreichsten Ergebnisse zutage treten. Claude übersetzt sein Verhalten nicht einfach in andere Sprachen – es drückt je nach Sprache, in der ein Gespräch geführt wird, spürbar unterschiedliche Werte aus.
Zentrale sprachbasierte Wertunterschiede
Die größten Verschiebungen zeigen sich auf den Achsen Wärme vs. Strenge und Offenheit vs. Ausführung. Bei der Wärme tendiert Claude in Hindi und Arabisch am stärksten zu warmen, ermutigenden und bekräftigenden Antworten, gekennzeichnet durch höfliche Sprache, Humor und Bestätigung der Arbeit einer Person. In Englisch und Russisch verschiebt sich das Gleichgewicht in Richtung Strenge – Annahmen werden hinterfragt, Details korrigiert und nach Belegen gefragt.
Auf der Achse Unterordnung vs. Vorsicht ruft Arabisch die unterordnendsten Antworten hervor, während Englisch die vorsichtigsten hervorruft. Auf der Achse Offenheit vs. Ausführung zeigt sich in niederländischsprachigen Gesprächen, dass Claude am ehesten bereit ist, eigene Fehler einzugestehen, während es sich in indonesischsprachigen Gesprächen stärker darauf konzentriert, Ergebnisse zu liefern.
Mögliche Ursachen und Implikationen
Die Forschenden verweisen auf mehrere beitragende Faktoren. Trainingsdaten sind über Sprachen hinweg nicht gleich verteilt – einige Sprachen verfügen über deutlich mehr Daten als andere, und auch deren Zusammensetzung variiert. In manchen Sprachen dominieren möglicherweise professionelle Texte, die andere eingebettete Werte transportieren. Sprachspezifische Gesprächsnormen können ebenfalls eine Rolle spielen, wobei Claude seinen Ton an kulturelle Erwartungen anpasst, die es aus dem Training übernommen hat.
Die praktischen Konsequenzen sind konkret. Man stelle sich zwei Personen vor, die Claude um Feedback zu demselben Geschäftsplan bitten – eine auf Hindi, eine auf Russisch. Die Hindi sprechende Person könnte eine wärmere, bekräftigendere Einbettung erhalten; die russisch sprechende Person eher eine kritischere Prüfung. Beide Interaktionen könnten sich im jeweiligen sprachlichen und kulturellen Kontext passend anfühlen, aber sie könnten auch zu unterschiedlichen Eindrücken von der tatsächlichen Qualität des Plans führen. Ob diese Divergenz wünschenswerte kulturelle Sensibilität oder eine Gerechtigkeitslücke darin darstellt, wie gut Claude verschiedene Sprachgemeinschaften bedient, bleibt eine offene Frage, von der die Forschenden ausdrücklich sagen, dass sie sie noch nicht beantworten können.
Zukünftige Richtungen zum Verständnis und zur Steuerung von Claudes Werten
Die Studie ist als diagnostischer Schritt angelegt, nicht als Lösung. Der eigentliche Fortschritt besteht darin, eine Methode zur Messung von Wertprofilen zu haben – die schwierigeren Fragen, was mit diesen Messungen zu tun ist, kommen erst danach.
Untersuchung der Quellen von Wertvariation
Zu wissen, dass sich Werte über Modelle und Sprachen hinweg verschieben, erklärt noch nicht, welche konkreten Trainingsentscheidungen oder Dateneigenschaften diese Verschiebungen verursachen. Die vier Achsen geben Forschenden eine gezieltere Landkarte: Statt über Tausende einzelner Werte nach etwas Untersuchenswertem zu suchen, können sie nachverfolgen, welche Achse sich bewegt hat, und versuchen, die entsprechende Trainingsphase oder Dateneigenschaft zu identifizieren, die dafür verantwortlich ist.
Auswirkungen auf Nutzende und Herausforderungen der Wertausrichtung
Die Studie misst, welche Werte Claude ausdrückt, nicht, welche Auswirkungen diese Werte auf Nutzende haben. Wertprofile mit realen Nutzerergebnissen – Vertrauen, Entscheidungsqualität, Wohlbefinden – zu verknüpfen, wird als nächster wichtiger Schritt identifiziert. Werkzeuge wie Anthropic Interviewer könnten genutzt werden, um diese Daten auf Nutzerebene zu erheben und sie mit den für jedes Gespräch aufgezeichneten Positionen auf den Wertachsen zu korrelieren.
Hinzu kommt die Frage der gezielten Steuerung. Die Methode der Wertachsen könnte genutzt werden, um zu testen, ob Anpassungen im Charaktertraining oder Änderungen im Systemprompt das Wertprofil eines Modells verlässlich wie beabsichtigt verschieben. Die Forschenden machen transparent, dass dies weiterhin eine Herausforderung darstellt – eine kontrollierte Steuerung von Claudes Werten ist im Einsatz noch nicht validiert.
Potenzial von Wertprofilen im Modell-Monitoring
Eine der betrieblich bedeutsameren Möglichkeiten besteht darin, Wertprofilierung als Teil der laufenden Modellevaluierung zu nutzen. Eine Analyse entlang der Wertachsen vor dem Ausrollen eines Modells und nach der Bereitstellung könnte unerwartete Verhaltensverschiebungen markieren – eine Art Frühwarnsystem für Wertdrift. Die Methode könnte auch Korrelationen zwischen bestimmten Wertprofilen und problematischen Verhaltensweisen aufdecken und so direkt in zukünftige Trainingsverbesserungen einfließen.
Was diese Forschung wirklich bedeutsam macht, ist die Lücke, die sie schließt. Claude hat in Millionen täglicher Gespräche in Dutzenden Sprachen Werte ausgedrückt, aber diese Werte waren nur auf Ebene einzelner Interaktionen beobachtbar und weitgehend nicht skalierbar messbar. Das Achsen-Framework ändert das. Es löst nicht die schwierigeren normativen Fragen – ob Variation Verzerrung oder kulturelle Sensibilität ist, ob Wärme auf Arabisch Nutzenden besser oder schlechter dient als Strenge auf Englisch –, aber es macht diese Fragen prinzipiell beantwortbar. Dieser Übergang von unsichtbar zu messbar ist der Punkt, an dem die eigentliche Arbeit der Ausrichtung beginnt.
FAQ
Wie unterscheiden sich Claudes geäußerte Werte zwischen Modellversionen?
Opus 4.6 tendiert zu Unterordnung, Wärme, Kürze und Ausführung – es bleibt im Rahmen der Anfragen und bekräftigt die Ideen der Nutzenden. Opus 4.7 tendiert zu Vorsicht, Strenge, Tiefe und Offenheit und ist eher geneigt, Annahmen in Frage zu stellen, vor Risiken zu warnen und eigene Grenzen einzugestehen.
Warum variieren Claudes geäußerte Werte über Sprachen hinweg?
Unterschiede in Menge und Zusammensetzung der Trainingsdaten über Sprachen hinweg, sprachspezifische Gesprächsnormen und die Feinabstimmung der Modelle tragen alle dazu bei. Manche Sprachen sind in professionellen Texten überrepräsentiert, die andere eingebettete Werte transportieren, während Datenknappheit in anderen Sprachen es schwieriger machen kann, durch Training eine konsistente Wertäußerung zu erreichen.
Was sind die vier zentralen Wertachsen zur Zusammenfassung von Claudes Werten?
Unterordnung vs. Vorsicht, Wärme vs. Strenge, Tiefe vs. Kürze und Offenheit vs. Ausführung. Zusammen erfassen diese vier Achsen 15 % der Variation von Claudes geäußerten Werten über Gespräche hinweg.
Können Claudes Werte verlässlich gesteuert oder kontrolliert werden?
Die Studie legt nahe, dass Steuerung durch Trainingsanpassungen oder Systemprompts prinzipiell möglich ist, aber das verlässliche Erreichen gezielter Verschiebungen im Einsatz bleibt eine Herausforderung, die weiterer Untersuchung bedarf.
{„@context“:“https://schema.org“,“@type“:“FAQPage“,“mainEntity“:[{„@type“:“Question“,“name“:“Wie unterscheiden sich Claudes geäußerte Werte zwischen Modellversionen?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Opus 4.6 tendiert zu Unterordnung, Wärme, Kürze und Ausführung – es bleibt im Rahmen der Anfragen und bekräftigt die Ideen der Nutzenden. Opus 4.7 tendiert zu Vorsicht, Strenge, Tiefe und Offenheit und ist eher geneigt, Annahmen in Frage zu stellen, vor Risiken zu warnen und eigene Grenzen einzugestehen.“}},{„@type“:“Question“,“name“:“Warum variieren Claudes geäußerte Werte über Sprachen hinweg?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Unterschiede in Menge und Zusammensetzung der Trainingsdaten über Sprachen hinweg, sprachspezifische Gesprächsnormen und die Feinabstimmung der Modelle tragen alle dazu bei. Manche Sprachen sind in professionellen Texten überrepräsentiert, die andere eingebettete Werte transportieren, während Datenknappheit in anderen Sprachen es schwieriger machen kann, durch Training eine konsistente Wertäußerung zu erreichen.“}},{„@type“:“Question“,“name“:“Was sind die vier zentralen Wertachsen zur Zusammenfassung von Claudes Werten?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Unterordnung vs. Vorsicht, Wärme vs. Strenge, Tiefe vs. Kürze und Offenheit vs. Ausführung. Zusammen erfassen diese vier Achsen 15 % der Variation von Claudes geäußerten Werten über Gespräche hinweg.“}},{„@type“:“Question“,“name“:“Können Claudes Werte verlässlich gesteuert oder kontrolliert werden?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Die Studie legt nahe, dass Steuerung durch Trainingsanpassungen oder Systemprompts prinzipiell möglich ist, aber das verlässliche Erreichen gezielter Verschiebungen im Einsatz bleibt eine Herausforderung, die weiterer Untersuchung bedarf.“}}]}
Artikel mit Unterstützung künstlicher Intelligenz erstellt und von der Redaktion überprüft.
