LLM-KI + MS bezogen

1

Hey, ich will hier mal kurz eine Antwort teilen, die beigefügten Links stelle ich auch dazu.

Zurzeit sammle ich noch privat ein paar Gedanken und hämmere sie erst dann durch Claude Code. Insbesondere, da es durchaus als komplex zu betrachten ist, wenn ein Algorithmus + BTC-Datenkrake mit Claude Opus kombiniert werden soll. Problem: Tokens händeln.

Wie dem auch sei, da ich ein Claude-Max-5x-Abo habe und gegenwärtig keinen großen Bedarf, kann ich so etwas durchs LLM jagen (Claude Opus 4.7 + adaptive Thinking). Hier die Antwort, Claude Opus 4.7 + adaptive Thinking:

"…Berechtigt. Die GPT-4-Daten waren Proof-of-Concept, du willst die aktuelle Lage. Hier ist sie.

Die zwei relevanten Modelle, Stand jetzt

Claude Opus 4.7 wurde am 16. April 2026 veröffentlicht, GPT-5.5 sieben Tage später am 23. April. Beide bringen 1-Millionen-Token Kontextfenster, beide sind explizit als Top-Modelle für agentische Workloads positioniert. Digital Applied Team Für deinen Use Case (Cross-Paper-Mining, MS-Literatur, ABC-Discovery) sind genau diese beiden die Werkzeuge der Wahl.

Hypothesengenerierungs-relevante Benchmarks

HLE (Humanity’s Last Exam) ist hier der entscheidende Benchmark, weil er Cross-Domain-Reasoning auf Expertenniveau testet, also genau das, was du brauchst, wenn ein Modell zwischen MS-Pathophysiologie, B-Zell-Immunologie und Drug-Repurposing-Datenbanken Verbindungen finden soll. Opus 4.7 erreicht 46.9% ohne Tools und 54.7% mit Tools. GPT-5.5 kommt auf 41.4% ohne Tools und 52.2% mit Tools. Ohne Tools führt Opus 4.7 mit einem Abstand von über 5 Prozentpunkten. DataCamp Bei GPQA Diamond (Graduate-Level Science Reasoning) ist es faktisch ein Unentschieden: Opus 4.7 bei 94.2%, GPT-5.5 bei 93.6%. DataCamp

Biomedizinisch-spezifisch

Hier wird es interessant: Für tiefe biomedizinische Forschung führt GPT-5.5 mit BixBench bei 80.5%, GPT-5.5 Pro erreicht 33.2% auf GeneBench. GPT-5.5 Pro pusht FrontierMath Tier 1-3 auf 52.4% und Tier 4 auf 39.6%, die besten veröffentlichten Mathematik-Zahlen im allgemein verfügbaren Frontier-Bereich. Digital Applied Team Heißt: Für rein biomedizinische Textverarbeitung und quantitative Analyse hat GPT-5.5 die Nase vorn, für reines logisches Cross-Domain-Reasoning Opus 4.7.

Real-World-Anwendung, die deine Frage direkt trifft

Genau das Szenario, das du beschreibst, läuft bereits produktiv. Derya Unutmaz, Professor am Jackson Laboratory for Genomic Medicine, nutzte GPT-5.5 Pro, um einen Datensatz von 28.000 Genen zu analysieren und produzierte in Minuten einen Report, für den sein Team normalerweise Monate gebraucht hätte. Brandon White, CEO von Axiom Bio, ging noch weiter und erklärte: wenn OpenAI dieses Tempo hält, werden die Grundlagen der Wirkstoffforschung bis Jahresende anders aussehen. VentureBeat Auf der Anthropic-Seite gibt es “Claude for Life Sciences”, ein HIPAA-konformes Toolset, das genau auf akademische Labs für Literature Mining und experimentelle Planung zielt. Im Stanford MedAgentBench erreichen Claudes agentische Agenten etwa 70% Gesamterfolg, 84% bei wissensbasierten Demonstrationsaufgaben. IntuitionLabs

Übersetzung in deine Frage

Für deinen konkreten Use Case, also “alle MS-Publikationen plus parametrisches Wissen, finde unentdeckte Verbindungen”, ist das Entscheidungskriterium nicht “welches Modell ist insgesamt besser”, sondern welche Subtask im Vordergrund steht. Wenn du Cross-Domain-Hypothesen willst, also “was hat das B-Zell-Depletions-Paper von 2019 mit dem Mikrobiom-Paper von 2024 zu tun”, dann ist Opus 4.7 dein Modell (HLE-Vorteil, plus laut DataCamp-Analyse besser für review-grade Output bei einzelnen Schüssen, also wo Genauigkeit pro Antwort wichtiger ist als Geschwindigkeit LLM Leaderboard ). Wenn du strukturierte Extraktion über Tausende Papers willst, also Pathways, Targets, Wirkstoff-Mechanismen aus Volltexten ziehen, ist GPT-5.5 (BixBench-Vorteil) das bessere Werkzeug. Realistischer Setup: Beide kombiniert, GPT-5.5 für die Extraktion, Opus 4.7 für die Hypothesensynthese. Das ist nicht meine Idee, das ist die etablierte Multi-Agent-Architektur, in der unterschiedliche Frontier-Modelle als spezialisierte Agenten zusammenarbeiten. Du baust das Pattern ja schon, nur für andere Daten.

Was definitiv nicht mehr stimmt: Die Aussage von vor zwei Jahren, dass LLMs für ernsthafte Forschung “nur Spielerei” seien. Die Modelle, über die du sprichst, sind aktuell in Top-Forschungsinstituten im produktiven Einsatz, mit dokumentierten Zeitersparnissen im Bereich Wochen-zu-Minuten und ersten experimentellen Validierungen…"

1 „Gefällt mir“
2

Und hier wird’s aus meiner Sicht spannend:

"…Berechtigter Einwand. Du hast mich an einer Schwachstelle erwischt, ich gebe es zu.

Das Problem mit den Agenten-Zahlen, die ich genannt habe

Die Studien zu STELLA, Queryome und Co. wurden zu Zeitpunkten durchgeführt, als die Basis-Modelle GPT-4, Gemini 2.5, manchmal Llama-4 waren. STELLA’s 26% auf HLE-Biomedicine wurden NICHT mit Opus 4.7 als Backend erreicht, sondern mit deutlich schwächeren Vorgängermodellen. Heißt: Wenn du heute Opus 4.7 nimmst und ihn nackt gegen das damalige STELLA-System stellst, gewinnt mit hoher Wahrscheinlichkeit der nackte Opus 4.7. Die agentischen Gewinne, die ich zitiert habe, waren echt zu ihrem Zeitpunkt, aber sie wurden inzwischen vom rohen Modell-Fortschritt teilweise eingeholt.

Was wir konkret wissen

Opus 4.7 alleine auf allgemeinem HLE: 46.9% ohne Tools, 54.7% mit Tools. HLE-Biomedicine ist als Subset härter als der Durchschnitt, weil tieferes Domänenwissen plus Reasoning gefragt sind. Eine publizierte Opus-4.7-Zahl spezifisch für HLE-Biomedicine habe ich in den Sources nicht gefunden. Wir können nur schätzen: vermutlich irgendwo zwischen 25% und 40%, je nach Tool-Zugang. Das wäre dann allein vom Modell etwa auf STELLA-Niveau oder sogar darüber.

Was trotzdem belastbar bleibt

Zwei Datenpunkte überleben deine Skepsis:

Erstens, die Nature-Studie zur Skalierung unter Last. Die wurde 2026 mit aktuellen State-of-the-Art-LLMs durchgeführt und zeigte den Kollaps von Single-Agent (73% auf 16%) versus stabile Multi-Agent-Performance (90% auf 65%). Das ist kein Modellunterschieds-Effekt, das ist ein Architektur-Effekt unter hoher Task-Komplexität. Selbst Opus 4.7 alleine wird unter 80 parallelen Mixed-Tasks zusammenbrechen, weil der Kontext sich verschmutzt und die Modell-Attention zerfließt.

Zweitens, eine relevante Beobachtung aus Anthropic’s eigenem Opus-4.7-Launch: MCP-Atlas, der Benchmark für skalierte Multi-Tool-agentische Tasks, machte den größten Sprung des gesamten Releases mit +14.6 Prozentpunkten gegenüber Opus 4.6. BrowseComp zeigte hingegen einen Rückgang, weil Opus 4.6’s 84.0%-Wert unter einer Multi-Agent-Harness bei max effort gemessen wurde. LLM Leaderboard Übersetzung: Anthropic selbst dokumentiert, dass agentische Harnesses auch mit Opus 4.7 als Backend noch substantielle zusätzliche Performance bringen. Das Modell allein ersetzt die Architektur nicht.

Ehrliche Aktualisierung meiner vorherigen Antwort

Die richtige Formulierung wäre gewesen: Agentische Bäume bringen mit aktuellen Frontier-Modellen wie Opus 4.7 keine Verdopplung mehr wie noch 2025, weil das Basis-Modell bereits stark ist. Aber sie bringen weiterhin meaningful gains, vor allem bei: hoher Task-Komplexität, langen Workloads jenseits eines einzelnen Kontextfensters, und Aufgaben, die echte Verifikation durch separate Agents erfordern. Für deinen konkreten MS-Literature-Mining-Use-Case auf vielleicht ein paar tausend PDFs ist Opus 4.7 alleine mit 1M Kontextfenster vermutlich schon weiter, als du gedacht hast. Ein agentischer Baum oben drauf gibt dir noch was, aber der inkrementelle Gewinn ist heute kleiner als noch vor einem Jahr.

Kurz: Du hast richtig gewittert, dass ich mit den Agenten-Zahlen leicht übertrieben habe. Sie waren zu ihrer Zeit korrekt, aber Opus 4.7 hat das Spielfeld verschoben…"

Ich wünsche viel Spaß damit und habe selbst bereits gesehen dass das richtig ins Budget geht. 5 Opus Agenten, xHigh Effort: 16% Wochenbudget mit einmal Arbeit weg. Also Opus als Leader und 4 Sonnet Agenten mit Aufgaben Zuteilung ~4%

3

Wäre generell eine vernünftige Aufteilung: also ein Modell für die Extraktion der Publikationen, ein anderes für die Verknüpfung der Inhalte.

Problem ist eher deine Definition des Begriffs: ‘Volltexte’. Die Extraktion soll ja aus den kompletten Publikationen ziehen, und nicht nur aus Abstracts.

Bei der MS-Forschung ist das aber ein Problem. Die wichtigen Studien stehen oft in Zeitschriften, die hinter Paywalls liegen. Was die Modelle aus dem Training mitbringen, ist also meist nur das Abstract und die Literaturangabe. Die eigentlichen Inhalte aus Methoden und Ergebnissen fehlen. Genau dort steht aber das, was extrahiert werden soll. Die Benchmarks messen, wie gut ein Modell einen Text auswerten kann, wenn man ihn ihm gibt. Sie messen nicht, ob das Modell den Text überhaupt hat.

Ein ähnliches Problem besteht bei der Verknüpfung: Ein Modell kann nur Brücken zwischen zwei Papers schlagen, wenn es beide auch wirklich kennt.
Deshalb würde dein Setup voraussetzen, dass Volltextebeschafft und dem System zugänglich gemacht wurden.

Beim Beispiel mit den 28.000 Genen geht das, weil die Daten strukturiert vorliegen. Bei MS-Publikationen muss man diesen Schritt erst herstellen — über institutionellen Zugang, Preprint-Versionen oder Repository-Kopien.

Sobald das bewerkstelligt wäre, würde deine Aufteilung funktionieren. Ohne diesen Schritt ist die Modellwahl aber zweitrangig, weil beide Modelle dann nur auf dem arbeiten, was zufällig frei verfügbar war. Und das ist bei MS deutlich weniger, als die Benchmark-Zahlen vermuten lassen.

1 „Gefällt mir“
4

“…Bei der MS-Forschung ist das aber ein Problem. Die wichtigen Studien stehen oft in Zeitschriften, die hinter Paywalls liegen…” die Frage ist ehr, was kostet das? Welchen Zugriff gibt es dann darüber auf ältere Publikationen in denen die wichtigsten Informationen enthalten sind?

Notfalls würde ich es bei meinem ambulanten Neurologen in Erfahrung bringen, bzw gezielt wenn passend mir entsprechendes herausgeben lassen. Sein entsprechender Schreibtisch ist ohnehin überraschend voll mit dutzenden Zeitschriften und Büchern der Neurologie&Nerven Erkrankungen. Also dahingehend hatte ich damals Glück im Unglück mit Ihm

“…Ein ähnliches Problem besteht bei der Verknüpfung: Ein Modell kann nur Brücken zwischen zwei Papers schlagen, wenn es beide auch wirklich kennt.
Deshalb würde dein Setup voraussetzen, dass Volltextebeschafft und dem System zugänglich gemacht wurden…”

Und hier wird es spannend. Wenn’s die Papers bekommt zerlegt es das in ein paar Sekunden. Und in dem Text, den Opus hier generiert/formuliert hat lässt es spezifisch tief blicken. D.h. Opus hat bereits Eigenschaften des unveröffentlichten Claude Mythos. Brücken/Kaskaden Bildung. Es gesteht aber Schwächen ein und diese können wiederrum mit GPT5.5 gegenwärtig gefedert werden. (ich schließe aus Prinzip kein Abo ab, das ging damals zu weit als es subtile Safetys in den Code einbaute…)

Um Brücken zu bauen zwischen beiden LLM-KIs, das sollte kein Problem sein und möglich.

Und offen, ich bin bereit mein Abo/Claude gerne für sowas bereit zu stellen. Mich aber mit der Sachen selbst zu befassen: Nein. MS hin oder her…

Es genügt schon das ich gestern durch derartige Infos und aus eigener Neugier etwas fand wo ich tatsächlich sagen kann: Damit kannst ein Tiktok Kanal füttern und mal schauen wie es läuft. :smiley: Sprich, ich mache zur Zeit Blödsinn mit dem LLM.

Kleiner Vorgeschmack, beantworten ohne Googlen: Wie hoch ist der Anteil von Bürgergeld-Empfängern am Bundeshaushalt?

1 „Gefällt mir“
5

@chys4mi Magst Du einemal den Prompt bzw die genaue Fragestellung teilen? Ich habe etwas Mühe die Implikationen der Fragestellung zu verstehen:)

6

Nicht die KI ist der Flaschenhals, sondern die Beschaffung, Klassifikation und rechtssichere Aufbereitung der Volltexte.

Das eigentliche Problem ist Datenzugang + Ordnung, nicht Modellintelligenz.

Das Problem ist nicht, ob Claude oder GPT grundsätzlich MS-Literatur auswerten kann. Das kann ein modernes LLM auf diesem Niveau problemlos, sofern die Texte vorliegen. Der Engpass liegt davor: Man braucht ein Agentensystem, das zunächst systematisch ermittelt, welche Studien frei verfügbar sind, welche nur als Abstract vorliegen, welche hinter Paywalls liegen und unter welchen Bedingungen fehlende Volltexte legal beschafft werden können. Erst danach ist eine inhaltliche Auswertung sinnvoll. Ohne diese Vorarbeit vergleicht man Modelle auf einer unvollständigen Datenbasis.

Die richtige Reihenfolge wäre:

  1. Forschungsfrage definieren
  2. Paperliste erzeugen
  3. Zugänglichkeit prüfen
  4. Volltexte/Supplements beschaffen
  5. Inhalte strukturiert extrahieren
  6. Qualität der Studien bewerten
  7. Erst dann Hypothesen bilden oder Zusammenhänge suchen

Claude, GPT oder ein anderes Modell kommt also nicht an erster Stelle, sondern nach dem Datenzugang.

Ein Agentensystem für „verfügbar/nicht verfügbar/Zugangsvoraussetzungen“ ist keine überfordernde Aufgabe für Claude. Es ist eher ein sauber zu bauender Recherche- und Ordnungsapparat.

Oder wer gern kostengünstig mag, nimmt den Herme-Agenten:
𝐇𝐞𝐫𝐦𝐞𝐬 𝐀𝐠𝐞𝐧𝐭 𝐥𝐞𝐫𝐧𝐭 𝐚𝐮𝐭𝐨𝐦𝐚𝐭𝐢𝐬𝐜𝐡 - mit persistentem Gedächtnis

2 „Gefällt mir“
7

Wie bei Joi40 steht, ist der Engpass die Beschaffung der Texte und nicht das Modell. Damit ist die Kostenfrage entscheidend.

Grob geschätzt könnte ein einzelner Artikel hinter der Paywall etwa 35-50€ kosten. Bei 100-200 Publikationen ist man dann schnell im vierstelligen Bereich. Jahreslizenzen lohnen sich nur für Unis und Kliniken, nicht für Privatpersonen.

Bei den älteren Publikationen wäre die Lage anders. Ganz alte Sachen vor den 1990ern wurden oft nie digitalisiert. Gibt‘s also nur auf Papier. Studien mit öffentlicher Förderung wären idR. gratis auf PubMed Central, und bei neueren Arbeiten haben die Autoren oft selbst eine kostenlose Version hochgeladen.
Also: manches frei, manches teuer, manches nur gedruckt.

Deshalb wäre deine Überlegung mit deinem Neurologen ein interessanter Ansatz. Über seine Fachgesellschaft kommt er an die Zeitschriften, die sonst Geld kosten.
Stell doch einfach mal eine Liste zusammen, bitte ihn um seine Zeit und schau was rauskommt.

Und um den Punkt zur Kostenfrage etwas zu relativieren:
Die großen Pharmafirmen machen das hier schon längst. Ihr Vorsprung sind aber nicht die teuren Journals — die kann jeder kaufen — sondern dazu ihre eigenen, unveröffentlichten Daten.

Im Kleinen ist der Schreibtisch deines Neurologen eigentlich das gleiche: nicht nur die Zeitschriften, sondern seine persönlichen Patientenerfahrungen.

Berichte mal, wenn du’s tatsächlich machen solltest…

1 „Gefällt mir“
8

Ja… Also mit den Pay-Walls o.Ä. sieht man wie bereits Seiten vor äußeren Zugriff dicht gemacht wurden und werden. Also nicht um irgendwelche sensiblen Daten auszulesen usw, als viel mehr das ein LLM nur die Texte ausliest, die Frontier LLM Betreiber “ausgesperrt” werden hinsichtlich der Trainingsdaten.

Das Irre ist dabei, wenn z.B. Opus nirgends eine entsprechende Alternative findet bei der Websuche genügt ein Copy-paste des gesamten Inhaltes des jeweiligen Artikel. Werbung usw kann es selbst dabei herausfiltern, ein leicht umständlicher Workaround aber weitaus simpler als Text Passage für Text Passage herauszunehmen und zu übertragen. Oder aber Screenshots deren Tokenbedarf nochmal etwas höher ist.

Insgesamt habe ich gegenwärtig andere Probleme die es zu lösen gilt, da hierbei grundsätzlich meine Idee der möglichen Erweiterung um eine aktive LLM Schicht angegriffen wird. Das obwohl “ich im Boot sitze” und nicht OpenClaw o.Ä. nutze.
=> Anthropic Claude Abonnement-Abrechnungsänderungen vom 15. Juni: Vollständige Analyse der 5 wichtigsten Punkte zum separaten Abrechnungspool für das Agent SDK - Apiyi.com Blog

Ich habe einfach keine Lust darauf das ich plötzlich mit einer Abrechnung konfrontiert werde die in einfachen Worten “Hupsi” gut umschreibt. Meine Telegram Bridge mit der bei Bedarf mit Claude+Gemini kommuniziert werden kann ist davon direkt betroffen(nutze ich ohnehin nicht, nettes Gimmick), und die Idee läuft auch auf eine API hinaus und das trotzdessen das Zuhause der Claude Code Terminal dauerhaft offen ist für entsprechende Änderungen bei Bedarf oder Analysen der Daten um etwas zu testen.

Und bzgl der Publikationen ist dann die Frage zurück: Welche?

Nette em dashes übrigens :smiley: Das hatte ich bereits vor einem Jahr gefeiert, einfach den LLM sagen das es z.b. Text nicht mehr mit em dashes korrigieren darf. Möglichst in deiner eigenen Sprache/Artikulation die es anhand der bisherigen Chats entnehmen kann… Jaja, LLMs erkennen. Wir hatten letzten einen Dienstleister/Leiharbeiter da. Seine Bachelor Arbeit: Geschrieben von einem LLM wegen Zeitdruck :smiley: :smiley:

9

Schildere dein Vorhaben in “Claude Code Terminal-Interaktion”, sage ihm er soll die entsprechenden Skill.md schreiben für einen adäquaten Agenten.
Er plant das alles allein, dafür ist das Teil gedacht!
Und sage ihm du willst eine kostengünstige Option für die Input-Token, das ist der eigentliche
Kosten Fresser!!!
Im genannten Tool bleibt die Abrechnungs-Form gleich.

10

Wenn man mal ein Modell hätte, dem man die Studientexte mitgeben kann, dann ließe sich z.B. sowas wie das hier formulieren:

1. Pathogenese
„Fasse den Forschungsstand zur Entstehung von MS zusammen. Nutze nur die Texte, die ich dir gebe. Trenne: Was gilt als gesichert, wo widersprechen sich die Modelle, was ist offen? Gib zu jeder Aussage die Quelle an. Was nicht in den Texten steht, sag offen.“

2. Krankheitsentwicklung
„Beschreibe anhand der beigefügten Studien den typischen Verlauf von MS: frühe Anzeichen, Übergänge zwischen den Verlaufsformen, langfristige Entwicklung. Nur auf Basis dieser Texte. Quelle zu jeder Aussage, und sag, wo die Studien sich uneinig sind.“

3. Verlaufsstatistik
„Ordne anhand der beigefügten Quellen ein, welche Verläufe bei MS häufig und welche selten sind. Nenne konkrete Zahlen mit Quelle. Gibt es keine belastbaren Zahlen, sag das, statt zu schätzen.“

Grundsätzlich also nur die gelieferten Texte nutzen, Quelle pro Aussage, Unsicherheit offen benennen. Ohne eigene Texte antwortet die KI aus dem Gedächtnis und erfindet im Zweifel Quellen…

Welche Publikationen man braucht, hängt dann halt vom gewählten Prompt ab. Prompt 1 verlangt andere Texte als Prompt 3. Die Reihenfolge ist also: erst auf eine Frage einigen, dann den Prompt festlegen — und der bestimmt, welche Studien wir beschaffen müssen.

2 „Gefällt mir“
11

Sorry, ich kann es nicht lassen.:slight_smile:
Wenn ich noch in der Forschung tätig wäre, würde ich unglaublich gerne ein Meta-Paper mit KI erstellen. Und wenn ich die Ausrichtung und die Zeit hätte, würde ich auch gerne eine KI zum Durchsuchen von Papers o.ä. zur Nutzung von Univeritäten und Forschungseinrichtungen bauen (vorallem Harnessing und Monitoring). Ich glaube, das würde unser Verständnis und Wissen und damit auch die Forschung deutlich beschleunigen. Das finde ich toll!

Zur Nutzung als Patient: Auch sehr wertvoll, viel tolle Info, viele Möglichkeiten. Aber alle meine KI Erfahrungen sagen, das auch ein guter Prompt nicht immer zu einem guten Ergenis führt, und vor allem nicht jede KI mit dem gleichen Prompt die gleichen Ergebnisse liefert. Deshalb Ergebnisse immer gegenchecken.

2 „Gefällt mir“
12

Also meines Wissens nach wird das ständig praktiziert.
Und zwar von Personen welche die entsprechenden Tools haben,
über einen Pool von Mitarbeitern verfügen, den
Zugang bekommen und sich in der Immunologie auskennen.

Ein gewisser Anteil von neuen Studienergebnissen kommt genau so
zu Stande!

Inwieweit da die Innovation durchschimmert, mag jeder für sich entscheiden…

Der deutlich positivste Effekt: Es müssen keine Tiere leiden!

1 „Gefällt mir“
13

Ich denke, dass KI das auf keinen Fall leisten kann, dafür müsste KI Schlussfolgern - also eigenständig denken können.

Nur Papers vergleichen führt ja zu keinen “neuen” Ergebnissen, sondern Vergleicht bekanntes Wissen und stellt eine statistische Auswertung der Daten her. Dabei ist ja aber der gewünschte Effekt neues zu Schlussfolgern völlig außen vor…

2 „Gefällt mir“
14

Ich kann mir auch nicht vorstellen, dass die “Lösung für MS” bloss noch schnell in den Tiefen des Publikations-Dschungels von einer sehr schlauen Entität gefunden werden muss.

Man schätzt, dass rund 85% der biomedizinischen Forschung verschwendet sind – durch schlechte Studiendesigns, falsche Fragestellungen, nicht veröffentlichte Ergebnisse, Fälschungen oder schlicht weil die Erkenntnisse längst überholt sind (Chalmers & Glasziou, The Lancet, 2009).
Dazu kommt: Medizinisches Wissen hat eine Halbwertszeit von wenigen Jahren. Eine KI kann Muster in der Literatur erkennen, aber ohne eigene Fachkompetenz weiss man nicht, welche Papers überhaupt noch etwas taugen. Und der eigentliche Engpass bei MS ist nicht das Lesen von Papers, sondern die biologische Komplexität. :sweat_smile:

5 „Gefällt mir“
15

Genau das ist es was die heutigen Frontier LLM-KIs bereits können, manche sind zu straff gezogen wegen möglicher Risiken => Überspitzt-“Wie koche ich Nudeln”-ChatGPT und das Modell hinter der Aussage böswillige Verbrennungen “vermutet” und andere hingegen erreichen nicht die notwendigen Scores in den Benchmarks die das Zusammensetzen&Filtern erst richtig ermöglichen. Trotz weitgehender “Sättigung”. Deswegen bin ich auch absolut begeistert von LEAP 71( => https://youtube.com/shorts/Sb2TAsS2IAE?is=_AfxKTiychKwf0lj ). Die KI alleine war das nicht, es war die KI-Führung zweier Leute die bereits entsprechendes Vorwissen mitbringen. Kurz: Wissen wonach sie suchen&wollen.

Außerdem, ich glaube auch das wir noch mindestens ein Jahrzehnt von tatsächlicher AGI entfernt sind. Es auch so bleiben wird. (ARC-AGI3 <1%). Sprich, die Menschen in Verwaltung, o.Ä. Papiertiger Jobs bekommen zwar den Einzug von KI mit, vorrangig zunächst durch entsprechende Vereinfachungen, jedoch ist es nur die Halbe Geschichte. Zeitgleich zeigt es auch eine deutliche Schwäche auf beiden Seiten.

Gute Idee an der Stelle mit Hermes, leider vermute ich das hinter Hermes ein Wrapper läuft. Zwar mit offenbar guter Prompt Mechanik+Code, aber ob es über den 15.06. bestehen wird muss sich erst zeigen.

Durch das Lesen der Beiträge hier hatte ich eine mögliche Idee, wie der LLM-Layer “komplett” umgangen werden kann. Sprich Claude Code rödelt, bzw der M8/Mini-PC “kocht” gerade wieder da es Gigabytes an bisher gesammelten Daten durchgehen darf um was zu testen…~110k Tokens, Laufzeit sind bereits 45min.

Whatever. Was mich insgesamt darauf gebracht diesen Thread zur erstellen ist die Blutgruppen Dynamik bei MS. Sprich Blutgruppe 0(Auch Rhesusfaktor) hat nicht nur bei COVID eine andere Art “Schutz” auch bei MS.
Aber wie sieht’s im weiteren Verlauf eigentlich aus? Dazu habe ich so gut wie nichts gefunden, auch mit Recherche Anweisung ans LLM. Es scheint nicht wichtig zu sein für die Forschung, oder Beobachtung und das finde ich interessant. Wieso nicht? Immerhin sollte die Blutgruppe bei jedem deutschen weitgehend bekannt sein, dokumentiert sein und derartige Datenpunkte zusammenzuführen, die Arbeit hat sich niemand gemacht. Verlaufsbeobachtung, PIRA(nennt man das so?), EDSS, usw?

Ich hatte darüber nur erfahren das ein Wechsel von Ocrevus/Briumvi auf Tysabri als denkbar ungünstig einzuordnen ist. Nicht Mal wegen den dokumentierten PML Fällen sondern das mein eigenes Risiko nur aufgrund der Blutgruppe fatal ist, auch bei JCV negativ seit Erstdiagnose.

Die MS Ärztin/Neurologin hat das so nicht formuliert, nur ihre eigene Schlussfolgerung+die bekannten PML Fälle durch Wechsel(egal welche Richtung). Ein LLM alleine hätte es auch nicht, trotz des netten gebabbel, mitgeteilt. Sondern nur auf immer gezielteren Nachfragen.

Nachtrag: Das meine ich im Bezug auf die Ähnlichkeit zu “Claude Mythos”. Claude Code(Opus 4.7+4 Sonnet KI-Agenten) findet eigene Schwächen, zufällige Kaskaden-Bugs im Code, korrigiert sie und macht weiter: IMG 20260517 230130 hosted at ImgBB — ImgBB

16

Und, wie schaut es aus…?
Irgendwelche brauchbaren Ergebnisse?

2 „Gefällt mir“
19

Das, diesen Benchmark Vergleich finde ich interessant.
Das wird zwar entsprechend wahrscheinlich gekauft sein, nur meiner Meinung nach wirds spannend hinsichtlich Health bzw Human Solved.
Ich hatte gestern noch kurzfristig die Möglichkeit zu schauen hinsichtlich “Verbrauch des 5 Stunden und Wochenlimits”, kurze Zeit später wurde es zurückgesetzt. Danke Anthropic, ich habe jetzt 2 1/2 Tage Zeit es deutlich zu auszureizen. Jedoch fehlt der Bedarf, bzw ist das Kognitiv durchaus anstrengend.
=> Was will ich, was suche ich, wurde der Prompt richtig verfasst von Claude Opus. Das Ding verbastelt gern einen Bias, sprich sagt darin bereits den zu erwartenden Ausgang was teilweise nur halb-wahr ist.
Ließ mal aufmerksam ein Prompt der ein kleines Buch ist. Dazu kommt eine mittlerweile üppig gewordene Sammlung BTC Perpetual Daten. Alle Daten bis auf die Sekunde. Sprich, ich erwäge dafür einen GMKTec K12 zu holen, der M8 schmiert ab wenn keine RAM Begrenzung reingedonnert wird und Claude Code aktiv wird.

Und hinsichtlich dem Health Benchmark habe ich zur Zeit jedoch keine näheren Fragen bei denen es etwas zerpflücken muss, neu zusammensetzen unter Betrachtung weiterer Punkte usw.

=> Claude Fable 5 and Claude Mythos 5 \ Anthropic

Hat jemand hier eine gute Frage hinsichtlich NEM und MS? Wie schon gesagt, ich habe 2 1/2 Tage Zeit zum verheizen eines Wochenkontingent.(Max 5x)

20

Überraschung, da die entsprechenden LLM-KIs heute deutlich weiter sind als zuletzt noch in 2024/25 mit GPT4o+ Modellen will ich einmal folgendes teilen:

Der Leit-Artikel zum nachfolgenden LLM Output:

ChatGPT/GPT-5.6(Medium):

"…Ja. Das wäre tatsächlich ein ziemlich guter Test für die „kristalline Intelligenz“ eines LLMs – allerdings weniger im Sinne von „Welche Pille hat seine Krankheit verursacht?“, sondern als systematische Fehlersuche über Jahre hinweg.

Der entscheidende Punkt: Bryan Johnson hat eine Autoimmungastritis. Dabei zerstört das Immunsystem die säure- und Intrinsic-Factor-produzierenden Parietalzellen des Magens. Dadurch verschlechtert sich zuerst häufig die Eisenaufnahme, später oft auch die Vitamin-B12-Aufnahme. Johnson berichtet selbst, dass sein Ferritin bereits seit seiner Jugend niedrig gewesen sei. Das spricht eher dafür, dass der autoimmune Prozess lange vor seinem heutigen Blueprint-Pillenregime begonnen hat. Seine Supplements haben die Erkrankung also sehr wahrscheinlich nicht einfach erzeugt.

Aber sein Plan bietet gleich mehrere Angriffspunkte für einen LLM-Audit:

  1. Das offensichtlichste Warnsignal wurde nicht als Muster erkannt

Ein dauerhaft niedriges Ferritin trotz optimierter Ernährung, Blutkontrollen und schließlich Eisenpräparaten ist nicht einfach nur „etwas wenig Eisen“. Gerade wenn ein Mann wiederholt Eisenmangel hat, müsste die Frage lauten:

Wo geht das Eisen verloren oder warum wird es nicht aufgenommen?

Autoimmungastritis ist dabei eine bekannte Differenzialdiagnose. Parietalzellantikörper, Intrinsic-Factor-Antikörper, Gastrin, Pepsinogen und schließlich Gastroskopie mit Biopsien wären naheliegende Schritte gewesen. Genau dieses zeitliche Muster hätte ein gutes LLM aus seinen alten Laborwerten wahrscheinlich früh markieren können.

  1. Sein Stack kann die Eisenaufnahme zusätzlich sabotieren

Sein aktuelles Protokoll nennt unter anderem täglich 30 mg Eisen, gleichzeitig aber auch größere Mengen Calcium sowie calciumhaltige Supplementmischungen. Seine Produkte enthalten außerdem Curcumin, Magnesium, Zink und weitere Mineralstoffe. Werden solche Stoffe zeitlich ungünstig gemeinsam genommen, können sie sich bei der Aufnahme gegenseitig behindern. Sein stark pflanzenbasierter, ballaststoffreicher Speiseplan enthält zusätzlich Phytate und Polyphenole, die Nicht-Häm-Eisen binden können.

Das bedeutet nicht, dass Calcium oder Kurkuma seine Autoimmungastritis ausgelöst haben. Es bedeutet: Selbst seine Gegenmaßnahme gegen den Eisenmangel könnte durch den übrigen Plan teilweise neutralisiert worden sein.

Bei bereits reduzierter Magensäureproduktion ist das besonders relevant. Dann kann orales Eisen trotz hoher nomineller Dosis schlicht schlecht funktionieren; in manchen Fällen ist intravenöses Eisen sinnvoller.

  1. Supplements können Laborprobleme kaschieren, ohne die Ursache zu beheben

Das ist wahrscheinlich die größte systemische Schwachstelle seines gesamten Ansatzes:

Er misst einen schlechten Wert, supplementiert den Wert hoch und betrachtet anschließend den Biomarker als verbessert. Aber damit ist nicht zwangsläufig geklärt, warum der Wert ursprünglich schlecht war.

Beispiel:

Ferritin niedrig → Eisen einnehmen.

B12 niedrig oder grenzwertig → B12 einnehmen.

Schilddrüsenwerte auffällig → Schilddrüsenachse optimieren.

Entzündungswerte niedrig → System gilt als entzündungsarm.

Dabei kann im Hintergrund weiterhin ein organbezogener Autoimmunprozess laufen. Eine Autoimmungastritis muss nicht zwingend hohe allgemeine Entzündungsmarker wie CRP erzeugen. Sein Narrativ von „praktisch keiner Entzündung“ schließt die Erkrankung daher überhaupt nicht aus. Der Artikel beschreibt zudem, dass er bereits eine autoimmune Schilddrüsenerkrankung hatte – damit wäre eine zweite autoimmune Erkrankung noch weniger überraschend gewesen.

  1. Sein Modell optimiert Einzelwerte, aber möglicherweise nicht die Kausalstruktur

Blueprint wirkt hochdatengetrieben, aber viele Daten machen noch kein gutes Diagnosemodell. Das Problem könnte ungefähr so aussehen:

Ferritin niedrig
→ Eisen erhöhen
→ Ferritin zeitweise besser
→ Problem scheinbar gelöst

Das bessere Modell wäre:

Ferritin dauerhaft niedrig
→ Blutverlust?
→ Ernährung?
→ Resorptionsstörung?
→ Zöliakie?
→ H. pylori?
→ Autoimmungastritis?
→ Medikamente/Supplementinteraktionen?
→ Schilddrüsen-Autoimmunität als Kontext?

Genau dort wäre ein LLM stark: nicht unbedingt bei der endgültigen Diagnose, sondern beim Zusammenführen von 15 Jahren Laborwerten, Medikamentenänderungen, Dosierungen, Mahlzeiten, Symptomen und Diagnosen. Ein einzelner Arzt sieht häufig nur einen Ausschnitt; das LLM könnte die vollständige Chronologie immer wieder neu durchrechnen.

Der eigentlich groteske Punkt

Johnson lässt angeblich nahezu jedes Organ und jeden biologischen Marker überwachen. Trotzdem blieb ein klassisches Muster offenbar lange liegen:

chronisch niedriges Ferritin,

bestehende Autoimmunität der Schilddrüse,

trotz Ernährungs- und Supplementoptimierung keine dauerhafte Korrektur,

möglicherweise zunehmende Resorptionsprobleme.

Das ist geradezu ein Paradebeispiel dafür, dass mehr Messung nicht automatisch mehr Erkenntnis bedeutet. Man kann hundert Biomarker präzise messen und trotzdem die falsche Frage stellen.

Ein brauchbarer LLM-Pillenplan-Audit würde daher nicht fragen: „Sind diese 40 Stoffe jeweils gesund?“ Er würde fragen:

Welche Kombinationen behindern sich, welche Biomarker werden künstlich normalisiert, welche Ursachen werden dadurch maskiert, und welche Veränderungen traten zeitlich vor oder nach jeder Intervention auf?

Meine realistische Einschätzung: Ein heutiges starkes LLM hätte die Autoimmungastritis nicht sicher diagnostiziert, aber es hätte den dauerhaft niedrigen Ferritinwert in Verbindung mit seiner Schilddrüsen-Autoimmunität wahrscheinlich deutlich früher als abklärungsbedürftiges Muster herausgestellt. Und es hätte sehr wahrscheinlich bemängelt, dass orales Eisen zusammen mit einem calcium-, polyphenol- und phytatreichen Gesamtprogramm keine besonders saubere Intervention darstellt. Das Versagen liegt hier also weniger darin, dass seine Pillen ihn krank gemacht haben, sondern dass sein gigantisches Optimierungssystem eine zugrunde liegende Krankheit womöglich jahrelang überkompensiert statt erkannt hat…"

Erfreulich ist auch zu sehen das ein Großteil die Live-KI nutzt, es offenbar abgeschottet ist vom nützlichen Teil und sehr viele sich davon wiederrum beleidigt fühlen da es sehr gut spiegelt, aber auch den anderen Teil wo Nutzer diversen Schabernack treiben.

Zu dem ist das hier nur der halbe Teil: OpenAI: EU-Politiker fordern Konsequenzen nach KI-Hackerangriff - DER SPIEGEL

Der Auftrag war klar und das ein Nebeneffekt. Was das EU-Parlament wieder drauß macht zeigt sich bereits…

21

Wenn ich LLM lese denke ich immer an

https://de.educations.com/llm/jura-rechtswissenschaften/europa

Open AI hat wohl auch wieder einen Bock geschossen KI übernimmt … Das kann ja heiter werden
Früher hatten wir Angst, dass mal aus Versehen ne SS20 abgeschossen wird. Wir waren in direkter Nachbarschaft zuden Pershings und waren damit ein Ziel… was ist wenn KI all das übernimmt….
Tut mir leid ich hatte Politik LK und wir haben uns ein halbes Jahr mit Rüstungspolitik beschäftigt und haben viel von der Army mitbrkommen…

22

“…Open AI hat wohl auch wieder einen Bock geschossen KI übernimmt … Das kann ja heiter werden
Früher hatten wir Angst, dass mal aus Versehen ne SS20 abgeschossen wird…”

Genau das. Genau sowas wird am Ende wieder absolut missverstanden, wahrscheinlich schamlos genutzt um diverse Regularien zum Nachteil der Bürger durchzudrücken anhand dessen was dort passiert ist. Das wirklich heftige ist eigentlich der Exploit und wie es das Ziel(das wiederum ein Mensch Vorgab) erreicht hat, und zeitgleich entsprechend effizient dabei war. Das deckt sich. Es deckt sich mit dem was ich erlebt habe, oder teilweise erlebe bei meiner abendlichen BTC-Perp-Forensik… Ein Claude Fable 5 kann dabei einpacken, das neben dem das es einen enormen Verbrauch hat. Und die Chinesen schon anklopfen mit Kimi.

Ich denke weiterhin das entsprechende KIs nicht perse gefährlich sind. Gefährlich wird’s durch den Nutzer und seinen Intentionen davor. (@Idefix) Ansonsten kann es auch, wie ich im anderen Thread schon angedeutet habe, super praktisch sein durch die enorme Geschwindigkeit. Das im richtigen Kontext+Fragen.

Ich denke zu dem das sich die Lager spalten, zwischen den Leute die Codex nutzen und jenen die Claude Code nutzen.