KI News

Fr., 26. Juni 2026

KI-Agenten rücken ins Zentrum der Modernisierung von Legacy-Systemen: Statt riskantem „Rip and Replace“ setzen Unternehmen zunehmend auf wissenszentrierte Transformation. Anbieter wie Pegasystems zeigen, wie Analyse-, Design- und Automatisierungsagenten implizites Systemwissen sichern und Migrationen beschleunigen – ein strategischer Schritt für mehr Agilität und Wettbewerbsfähigkeit.

Quelle: the-decoder.de

OpenAIs neues Flaggschiffmodell GPT-5.6 Sol soll in Coding- und
Cybersecurity-Aufgaben deutlich vor Anthropics Claude Mythos liegen. Der Zugang
bleibt vorerst auf wenige Partner beschränkt.
OpenAI hat mit eine neue Modellgeneration vorgestellt, die mit konkurrieren
soll. Die limitierte Preview steht zunächst nur ausgewählten Partnern über die
API und Codex zur Verfügung, . Die nahm zuvor auch schon Anthropics
Mythos-Klasse-Modell .
In der Ankündigung von GPT-5.6 kritisiert OpenAI dieses Vorgehen mit
überraschend deutlichen Worten: "Wir glauben nicht, dass eine solche Form des
staatlichen Zugriffsverfahrens langfristig zum Standard werden sollte. Sie hält
die besten Werkzeuge von Nutzern, Entwicklern, Unternehmen, Cyber-Verteidigern
und globalen Partnern fern, die sie benötigen."
Anzeige
Neben dem Flaggschiff Sol umfasst die Serie zwei weitere Modelle: Terra
konkurriert laut OpenAI mit GPT-5.5 und kostet dabei halb so viel. Luna ist die
günstigste Variante.
Anzeige
DEC_D_Incontent-1
Mit GPT-5.6 führt OpenAI auch ein neues, komplexes Namensschema ein, das an
Claude erinnert. Die Nummer (x.6) bezeichnet die Generation, Sol, Terra und Luna
stehen für dauerhafte Leistungsstufen, die sich laut OpenAI unabhängig
voneinander weiterentwickeln können. Hinzu kommen ein neuer "max"-Modus für
besonders tiefes Reasoning und ein "ultra"-Modus, der über Subagenten komplexe
Aufgaben parallelisiert.
Sol übertrifft Claude Mythos beim agentischen Coding
Anzeige
Die von OpenAI veröffentlichten Benchmark-Ergebnisse positionieren Sol vor
Anthropics Claude Mythos 5. Auf Terminal-Bench 2.1, einem Test für agentisches
Coding, erreicht Sol 88,8 Prozent und Sol Ultra 91,9 Prozent. Claude Mythos 5
liegt bei 88 Prozent, Fable 5 bei 84,3.
Auch in der Biologie zeigt Sol laut OpenAI Fortschritte. Auf GeneBench v1, einem
Benchmark für Genomik- und quantitative Biologie-Analysen, erzielt das Modell
bessere Ergebnisse als GPT-5.5 (30 % vs. 22 % im Bestfall) bei gleichzeitig
weniger verbrauchten Tokens.
Anzeige
DEC_D_Incontent-2
Auf , der misst, wie gut KI-Agenten reale Sicherheitslücken in Googles
JavaScript-Engine V8 bis hin zur vollständigen Codeausführung, erreicht Sol laut
OpenAI eine mit Mythos Preview vergleichbare Leistung, benötigt dafür aber nur
rund ein Drittel der Output-Tokens.
Anzeige
Auf , einem von Forschern der UC Berkeley in Zusammenarbeit mit OpenAI und
anderen Laboren entwickelten Benchmark, zeigen alle drei GPT-5.6-Modelle
Verbesserungen bei steigendem Reasoning-Aufwand; hier besteht also
Skalierungspotenzial durch mehr Rechenleistung. Ein Vergleichswert der
Claude-Modelle fehlt bei diesem Benchmark noch.
Insgesamt beschreibt OpenAI Sol als das bisher fähigste Modell im Bereich
Cybersecurity, sieht es aber eher als Verteidiger denn als Angreifer. Das Modell
könne Schwachstellen besser finden und beheben, als eigenständig
End-to-End-Angriffe durchführen. In Tests mit Chromium und Firefox habe Sol Bugs
und sogenannte Exploitation-Primitives identifiziert, jedoch keinen autonomen
Full-Chain-Exploit produziert. Damit überschreite das Modell nicht den .
PREISE, VERFÜGBARKEIT UND CEREBRAS-LAUNCH IM JULI
Die Preise pro eine Million Tokens betragen laut OpenAI für Sol 5 Dollar Input
und 30 Dollar Output, für Terra 2,50 Dollar und 15 Dollar, für Luna 1 Dollar und
6 Dollar.
Neu ist ein überarbeitetes Prompt-Caching mit expliziten Cache-Breakpoints und
einer garantierten Mindestlebensdauer von 30 Minuten. Cache-Writes kosten das
1,25-fache des regulären Input-Preises, Cache-Reads erhalten weiterhin 90
Prozent Rabatt. Im Juli soll Sol zudem auf mit bis zu 750 Tokens pro Sekunde
verfügbar werden.

Quelle: the-decoder.de

Der neue Benchmark MirrorCode von Epoch AI testet, ob KI-Modelle ganze Programme
eigenständig nachbauen können. Claude Opus 4.7 führt mit 56 Prozent, scheitert
aber noch an den komplexesten Aufgaben.
Beim neuen KI-Coding-Benchmark MirrorCode von Epoch AI und METR müssen
KI-Modelle komplette Programme von Grund auf reimplementieren, ohne Zugang zum
Originalquellcode.
Die 25 Zielprogramme stammen aus verschiedenen Bereichen der Informatik,
darunter Unix-Utilities, Datenserialisierung, Bioinformatik, Interpreter,
statische Analyse, Kryptographie und Kompression. Die KI-generierten Lösungen
müssen die Ausgabe des Originalprogramms exakt reproduzieren. Das gilt auch für
versteckte End-to-End-Tests, die das Modell während der Entwicklung nie zu sehen
bekommt.
Anzeige
Ein zentraler Unterschied zu anderen Benchmarks ist zudem das Inferenzbudget.
Viele bestehende Software-Engineering-Benchmarks beschränken die Kosten auf 1
bis 10 US-Dollar pro Aufgabe, auch wenn ein Mensch Wochen für dieselbe Arbeit
bräuchte, schreiben die Entwickler.
Anzeige
DEC_D_Incontent-1
Bei MirrorCode kostete eine der größten Aufgaben laut Epoch AI 2.600 US-Dollar
für einen einzelnen Lauf. Die KI arbeitete dabei 19 Tage am Stück, ohne dass ein
Mensch eingriff.
CLAUDE OPUS 4.7 BAUT BIOINFORMATIK-TOOLKIT IN 14 STUNDEN NACH
Laut Epoch AI kann KI bereits anspruchsvolle langfristige Programmieraufgaben
lösen. Das beeindruckendste Beispiel liefert Claude Opus 4.7. Das Modell
reimplementierte gotree, ein Bioinformatik-Toolkit mit rund 16.000 Zeilen
Go-Code und über 40 Befehlen. Ein menschlicher Ingenieur ohne KI-Hilfe bräuchte
für dieselbe Aufgabe laut den Forschern 2 bis 17 Wochen. Opus 4.7 erledigte sie
in 14 Stunden für 251 US-Dollar.
Anzeige
In der Gesamtwertung erreicht Claude Opus 4.7 eine Lösungsrate von 56 Prozent.
GPT-5.5 folgt mit 44 Prozent, Gemini 3.1 Pro Preview mit 32 Prozent. Selbst wenn
die Modelle eine vollständige Reimplementierung nicht schaffen, bestehen sie
laut Epoch AI typischerweise 90 Prozent oder mehr der Tests.
Anzeige
DEC_D_Incontent-2
DIE HÄRTESTEN AUFGABEN BLEIBEN UNGELÖST
Trotz der Fortschritte ist bei Weitem nicht gelöst. Die Aufgaben sind in die
Kategorien SMALL, MEDIUM und LARGE unterteilt. Kleine Programme wie uuid oder
parseqsv werden von allen getesteten Modellen zuverlässig reimplementiert. An
den größten Aufgaben scheitern sämtliche Modelle.
Anzeige
Die Forscher beobachten dennoch eine schnelle Verbesserung. Führende Modelle von
vor einem Jahr hätten laut Epoch AI nur etwa 30 Prozent erreicht und wären auf
einfachere Programme wie ein Kalender-Utility beschränkt gewesen.
Einen klaren Kostentrend fanden die Forscher nicht. GPT-5.5 kostet dreimal so
viel wie GPT-5 für dieselben Aufgaben, während Claude Opus 4.7 dreimal günstiger
als Claude Opus 4.1 ist.
Epoch AI hat den als Open Source veröffentlicht. Insgesamt umfasst das Paket
132 Aufgabeninstanzen in sechs Programmiersprachen. Drei Programme bleiben als
privates Testset zurückgehalten.
Eine wichtige Einschränkung räumen die Forscher ein. Da MirrorCode
Open-Source-Programme als Ziele verwendet, könnten die Modelle den Originalcode
im Pretraining gesehen haben. Laut ersten Tests seien die Ergebnisse zwar nicht
von Memorierung dominiert. Ausschließen lasse sie sich jedoch nicht.

Quelle: the-decoder.de

Anthropic sollte sich mit seinem Börsengang besser beeilen. Nachdem OpenAI das
optimale Fenster offenbar schon verpasst und , könnte auch unter Druck geraten,
wenn Firmen ihre KI-Ausgaben stärker kontrollieren und auf günstigere
chinesische Alternativen zurückgreifen.
Anekdotisch steht dafür das KI-Startup : CEO Flo Crivello stellte kürzlich
komplett von Claude auf um, gehostet von einer US-Firma in den USA. Die
Kostenkurve sei "abgestürzt", die Entscheidung spare Millionen, . Die KI-Kosten
des 25-Personen-Startups seien "nicht tragbar" gewesen und lägen über den
Personalkosten. Crivello würde zurückwechseln, wenn Anthropic die Preise senkt:
"Es ist eine Frage des Überlebens."
Eine Analyse des , dass günstige zwar nicht an Claude heranreichen, aber
mithalten können.
Anzeige
DEC_D_Incontent-1
Anzeige

Quelle: the-decoder.de

Berater raten OpenAI, mit dem IPO bis nächstes Jahr zu warten. Auslöser sind
volatile Tech-Märkte und die schwache Performance von SpaceX nach dessen
Rekord-Börsengang. SoftBank, einer der größten Geldgeber, verliert an einem Tag
13 Prozent.
OpenAI tendiert dazu, seinen Börsengang auf 2027 zu verschieben. Das berichtet
die unter Berufung auf drei Personen, die in die Beratungen eingebunden sind.
Ursprünglich hatte das Unternehmen einen Börsengang für das dritte oder vierte
Quartal 2026 angepeilt und dafür bereits Banker und Anwälte engagiert.
CEO Sam Altman drängt laut den Quellen darauf, OpenAI mit einer Billion
US-Dollar zu bewerten, gegenüber der letzten privaten Bewertung von 730
Milliarden Dollar. Genau diese Forderung scheint nun zur Verschiebung zu führen:
Die Berater hätten Altman zwei Optionen vorgelegt, so die NYT, entweder 2027 mit
der Billionen-Bewertung oder ein schnellerer IPO mit niedrigerem Preisschild.
Altman habe jede Abweichung von der Billion als "nonstarter" zurückgewiesen.
Anzeige
SPACEX ALS ABSCHRECKENDES BEISPIEL
Gerüchte über eine . Neue Argumente hat nach Angaben der NYT vor allem die
Entwicklung bei SpaceX gegeben. Elon Musks Raumfahrtkonzern brachte Anfang des
Monats den größten Börsengang aller Zeiten über die Bühne, sammelte mehr als 85
Milliarden Dollar ein und erreichte am ersten Handelstag eine Bewertung von 1,77
Billionen Dollar. Seitdem rutscht die Aktie ab, von einem Hoch bei 202 Dollar
auf zuletzt 153 Dollar. Hinzu kommen volatile Tech-Märkte, in denen Investoren
zunehmend hinterfragen, ob KI-Unternehmen ihre hohen Versprechen einlösen
können. Die Berater warnten OpenAI laut NYT, dass Privatanleger derzeit wenig
Begeisterung für die Aktie aufbringen dürften.
Anzeige
DEC_D_Incontent-1
Ende 2025 hatte CFO Sarah Friar, noch erklärt, das Unternehmen verfolge keinen
Börsengang und konzentriere sich auf seine Finanzen. OpenAI strich daraufhin und
baut ein Vertriebsteam auf, um mit dem Coding-Produkt Codex gegen Anthropics
Claude Code zu bestehen.
Wie offensiv OpenAI parallel das B2B-Geschäft hochzieht, zeigte zuletzt Arnaud
Fournier, CTO der neuen Tochter DeployCo, . Demnach zählt das Coding-Werkzeug
Codex weltweit über vier Millionen wöchentliche Nutzer, ein Fünffaches binnen
drei Monaten. Fournier verwies zudem auf massive Investitionen in eigene
Recheninfrastruktur, mit denen OpenAI breiten Zugang sichern wolle, und
beschrieb die DeployCo-Ingenieure als Mechanismus, um Modelle tief in
Konzernprozesse einzubetten. Genau aus solchen Zahlen und der Aussicht auf eine
Enterprise-Transformation speist sich die Erzählung, mit der Altman die
Billionen-Bewertung gegenüber Investoren begründen will.
Anzeige
Doch die Finanzlage : OpenAI erzielte 2025 rund 13 Milliarden Dollar Umsatz und
will ihn in diesem Jahr verdreifachen, schreibt aber nach wie vor keine Gewinne
und investiert massiv in Rechenzentren. Parallel stagnieren die
ChatGPT-Nutzerzahlen bei rund 900 Millionen, deutlich unter der erwarteten
Milliardenmarke.
SOFTBANKS WETTE WACKELT
Die Gerüchte um die Verschiebung trafen den japanischen Großinvestor SoftBank
besonders hart. Wie berichtet, fiel die SoftBank-Aktie um 13 Prozent, der
stärkste Rückgang seit August 2024. Das Investment in OpenAI soll bis Oktober
rund 65 Milliarden Dollar erreichen. Die IPO-Fantasie hatte SoftBanks
Marktkapitalisierung zuletzt über die von Toyota gehoben.
Anzeige
DEC_D_Incontent-2
Hiroki Takei, Stratege bei Resona Holdings, sagte Bloomberg, ein
OpenAI-Börsengang würde einen transparenten Marktpreis für einen großen Teil von
SoftBanks Beteiligungen liefern und den üblichen Konglomerats-Discount auf die
SoftBank-Aktie reduzieren. "Nachrichten über eine IPO-Verschiebung dämpfen diese
Erwartungen naturgemäß", so Takei.
Anzeige

Quelle: the-decoder.de

"Rendite von Intuition": Warum Anthropic keine Junior-Ingenieure mehr braucht
und vor einem Wirtschaftsschock warnt.
"Wir stellen mehr Leute mit sehr, sehr viel Erfahrung ein als zuvor, weil die
Rendite von Intuition viel größer ist als zuvor", analysiert Jack Clark,
Mitgründer von Anthropic, in einer Interview mit Reason. Früher brauchten
erfahrene Forscher große Teams, um Experimente durchzuführen. Heute übernimmt
die KI Claude diese Skalierung. Das Resultat: Unternehmen suchen gezielt nach
"Senior-Intuition" und verzichten auf Berufsanfänger.
Dieser Trend wird laut Clark massive Auswirkungen auf die Gesamtwirtschaft
haben. Wenn KI die Produktivität von Top-Experten vervielfacht, aber
gleichzeitig die Einstiegsebene automatisiert, entstehe ein gefährliches
Paradoxon. "Ich erwarte gewissermaßen, dass KI extremere Szenarien hervorbringen
könnte als die, die wir in der Vergangenheit hatten. Zum Beispiel könnte sie ein
weit über dem Trend liegendes BIP-Wachstum bewirken, und dieses BIP-Wachstum
könnte von einem Anstieg der Arbeitslosigkeit begleitet werden, den man
typischerweise nur während einer Rezession sieht." Darauf sei aktuell keine
Regierung vorbereitet.
Anzeige
DEC_D_Incontent-1
Anzeige

Quelle: the-decoder.de

Mit Akrites bündeln rund zwanzig Tech-Konzerne, KI-Labore und Banken ihre
Kräfte, um Schwachstellen in kritischer Open-Source-Software zu schließen, bevor
KI-Werkzeuge sie ausnutzen.
Die Linux Foundation hat mit Akrites eine koordinierte Brancheninitiative
angekündigt, die Sicherheitslücken in weitverbreiteter Open-Source-Software
gemeinsam mit den Maintainern beheben soll, bevor Angreifer sie ausnutzen
können. Zu den Gründungsmitgliedern zählen Amazon Web Services, Anthropic,
Cisco, Citi, Google, IBM, JPMorganChase, Microsoft, NVIDIA, OpenAI, Red Hat, die
Rust Foundation, Vodafone und Zscaler.
Der Anlass ist eine Verschiebung im Kräfteverhältnis: Laut der Initiative
erforderte das Finden und Beheben ernster Fehler in Open-Source-Code früher
vergleichbares Expertenwissen bei Angreifern wie Verteidigern. Moderne
KI-Modelle könnten ein großes Projekt nun in Minuten statt Wochen scannen und
Schwachstellen offenlegen. Sobald diese Fähigkeiten breit verfügbar seien,
erhielten auch Akteure ohne tiefe technische Kenntnisse die Werkzeuge für
anspruchsvolle Angriffe.
Anzeige
Das bisherige Modell der Sicherheitsreaktion beschreibt die Linux Foundation als
Flickwerk: Viele Organisationen scannen dieselben Pakete unabhängig voneinander,
melden dieselben Funde mehrfach und liefern teils widersprüchliche Patches.
Maintainer würden unter Duplikaten begraben, während echte, ausnutzbare Funde im
KI-generierten Rauschen untergehen. Wie dringend das Problem ist, illustriert
ein Hinweis von Endor-Labs-CEO Varun Badhwar: Von Tausenden validierten
Open-Source-Schwachstellen der letzten Monate seien weniger als fünf Prozent
gepatcht worden.
Anzeige
DEC_D_Incontent-1
EIN GEMEINSAMES REAKTIONSTEAM STATT HUNDERT EINZELNER MELDUNGEN
Kern von Akrites ist ein geteiltes Security Incident Response Team (SIRT). Es
soll für die Maintainer von Open-Source-Projekten als einziger, verlässlicher
Ansprechpartner fungieren – statt dass Dutzende Organisationen unabhängig
voneinander dieselben Lücken melden. Das Team prüft eingehende Meldungen auf
ihre Stichhaltigkeit, sortiert Doppelmeldungen aus und steuert anschließend die
Behebung.
Dafür nutzt Akrites einen einheitlichen Prozess zur vertraulichen
Schwachstellen-Offenlegung, im Fachjargon Coordinated Vulnerability Disclosure
genannt. Er baut auf etablierten Branchenstandards auf, etwa der
Schwachstellen-Kennung CVE, dem Bewertungssystem CVSS für die Schwere einer
Lücke oder dem Ampelschema TLP, das regelt, wer welche Informationen sehen darf.
Vertraulichkeit steht laut Initiative im Mittelpunkt: Jede Meldung gilt von
Beginn an als TLP:RED, der höchsten Geheimhaltungsstufe, und ist nur dem
jeweiligen Fallteam zugänglich. So sollen Details einer Lücke nicht nach außen
dringen, bevor ein Patch bereitsteht.
Anzeige
Die fertigen Korrekturen sollen zu den Bedingungen der Maintainer in das
jeweilige Ursprungsprojekt zurückfließen, die Kontrolle bleibt also bei den
Entwicklern. Hat ein kritisches Software-Paket keinen aktiven Maintainer mehr –
ein häufiges Problem bei Projekten, die ehrenamtlich gepflegt werden – will
Akrites als "maintainer of last resort" einspringen und den Fix selbst
bereitstellen, damit die Korrektur alle Nutzer rechtzeitig erreicht. Zudem will
sich die Initiative mit staatlichen Stellen abstimmen, damit private und
öffentliche Verteidiger im Gleichschritt vorgehen.
Die Anschubfinanzierung übernimmt Alpha-Omega, ein gerichteter Fonds der Linux
Foundation. Weitere Organisationen, die Engineering-Ressourcen oder Mittel
beisteuern, sind zur Teilnahme eingeladen.
Anzeige
DEC_D_Incontent-2
Anzeige

Quelle: www.bigdata-insider.de

KI-GOVERNANCE DIE NEUE ROLLE DES CAIO – STEUERMANN FÜR KÜNSTLICHE INTELLIGENZ
26.06.2026 Ein Gastbeitrag von Oliver Köth* 4 min Lesedauer
Anbieter zum Thema
Unternehmen etablieren zentrale KI-Governance-Strukturen und schaffen mit dem
Chief AI Officer eine neue Schlüsselrolle im Topmanagement. Dieser gewährleistet
durch klare Verantwortlichkeiten Konsistenz sowie Kontrolle im KI-Einsatz und
verbindet als strategische Führungskraft Geschäfts- und Technologieziele, um den
organisatorischen Wandel voranzutreiben.
Governance und die Rolle des Chief AI Officer (CAIO) sind entscheidend, um
künstliche Intelligenz () nicht nur risikominimiert, sondern auch wertschöpfend
einzusetzen. Während KI in vielen Unternehmen die Proof-of-Concept-Phase
inzwischen verlassen hat, mangelt es oft an einem klaren Steuerungsrahmen, der
über Compliance hinausgeht und Innovation mit Verantwortung verknüpft. Der CAIO
übernimmt hier die zentrale Führungsrolle, indem er Strategie, Governance und
Geschäftsnutzen unternehmensweit koordiniert – insbesondere angesichts
regulatorischer Anforderungen, die sich etwa aus dem EU ergeben.
DOCH WAS BEDEUTET KI-GOVERNANCE?
Im Kern beschreibt KI-Governance den normativen und strukturellen Rahmen aus
Richtlinien, Rollen, Prozessen und Technologien, der den gesamten
KI-Lebenszyklus abdeckt: von der Ideenfindung über Entwicklung, Test und Betrieb
bis hin zur kontinuierlichen Überwachung. Ziel ist es dabei, zentrale Prinzipien
wie Verantwortlichkeit, Fairness und Ethik, Rechtskonformität, Transparenz,
Datenschutz, Sicherheit und Risikokontrolle, Anwendungsqualität sowie
Nachhaltigkeit und Business Value zu gewährleisten.
Diese Grundsätze sollten gleichermaßen für , klassische -Modelle oder zukünftige
agentische Systeme gelten und in einer unternehmensweiten AI-Governance-Policy
verankert werden. Dadurch können Unternehmen auch prüfen, wie ihre Ziele mit
Vorschriften wie DSGVO oder EU AI Act übereinstimmen und an welchen Stellen
Anpassungen nötig sind. Gleichzeitig sollte Governance sicherstellen, dass
KI-Initiativen konsequent auf messbare Wertbeiträge für das Unternehmen
ausgerichtet werden.
Viele Unternehmen sehen Governance heute allerdings noch eher defensiv, das
heißt als Mittel zur Risikominimierung und Erfüllung gesetzlicher Vorgaben.
Tatsächlich kann KI-Governance jedoch ein Business Enabler sein, der den
wirtschaftlichen Nutzen von KI-Projekten misst, Effizienzpotenziale systematisch
ermittelt und Designprinzipien wie „Human in the Loop“ oder „Explainability by
Design“ verbindlich etabliert.
DIE EBENEN DER KI-GOVERNANCE
Die Governance erstreckt sich über vier zentrale Dimensionen, die nahtlos
verknüpft sind. Zunächst ist die strategische Ebene zu beachten: KI muss in die
Geschäftsstrategie integriert werden, mit klaren Roadmaps und priorisierten Use
Cases, um isolierte Projekte zu vermeiden und das Geschäftsmodell nachhaltig zu
transformieren. Dabei ist entscheidend, dass Use Cases nicht nur technologisch
attraktiv sind, sondern einen klaren Beitrag zu Wachstum, Effizienz, Resilienz
oder Kundennutzen leisten.
Zweitens sind die Faktoren Mensch und Kultur von Relevanz, also die Definition
von Verantwortlichkeiten, die Konzeption von Lernpfaden und die Gestaltung eines
kulturellen Wandels hin zu einer verantwortungsvollen KI-Nutzung. Drittens geht
es um die Prozessperspektive: Entlang des KI-Lifecycles müssen Standards für die
Risikobewertung, Datenprüfung, Modell-Dokumentation und für nachvollziehbare
Entscheidungen gelten. Ergänzend braucht es Verfahren, um Nutzenannahmen,
Zielgrößen und tatsächliche Wertbeiträge über den gesamten Lifecycle hinweg
transparent zu machen.
Die letzte Ebene schließlich betrifft die technologische Basis, also die
Plattformen für die Entwicklung, den Betrieb, das Monitoring, die Versionierung,
die Zugriffskontrolle sowie das Datenmanagement, die die Qualität sichern und
einen unregulierten Zugriff unterbinden. Zusammen verhindern diese Säulen eine
Fragmentierung und verankern KI tiefgreifend in der Unternehmens-DNA.
JETZT SCHLÄGT DIE STUNDE DES CAIO
Vor diesem Hintergrund gewinnt die Rolle eines Chief AI Officer an Bedeutung. Er
agiert als Mittelsperson zwischen Technologie, Business und Regulierung und
bündelt die Verantwortung für KI-Strategie, Governance und messbaren Nutzen. In
Zeiten einer technologischen Revolution, die Branchen, Wertschöpfungsketten und
Arbeit neu definiert, signalisiert der CAIO: KI ist keine Nebeninitiative,
sondern die Kernstrategie.
Zu seinen Aufgaben zählt die Planung von KI-Roadmaps im Einklang mit
Unternehmenszielen, die Definition von Richtlinien zu Ethik, Sicherheit und
Compliance – inklusive EU-AI-Act-Umsetzung mit Risikomanagement und Transparenz.
Operativ verantwortet er die Bereitstellung von Plattformen, Prozessen und
Kompetenzen, die Skalierung von Piloten zu unternehmensweiten Lösungen sowie das
Vorantreiben des Kulturwandels durch Qualifizierungsprogramme und die
Talentakquise. Ebenso wichtig ist es, Business Value systematisch zu steuern –
etwa über klare Priorisierungskriterien, belastbare Business Cases und die
laufende Messung realisierter Effekte.
Organisatorisch verankert kann die Rolle des CAIO beim CEO oder beim CIO sein,
auch eine eigenständige C-Level-Position ist denkbar. Welchen Weg ein
Unternehmen auch geht, entscheidend ist vor allem die Gestaltungsmacht und
Sichtbarkeit des CAIO. Er sollte bestehende Funktionen wie Security Officer,
Privacy Officer oder Legal integrieren, die oft nicht KI-spezifisch ausgelegt
sind, und Regelwerke wie ISO-Standards auf Konsistenz prüfen. Zugleich sollte er
sicherstellen, dass Governance-Gremien nicht nur Risiken bewerten, sondern auch
den wirtschaftlichen Nutzen von KI-Initiativen transparent machen und
priorisieren.
JETZT NEWSLETTER ABONNIEREN
TÄGLICH DIE WICHTIGSTEN INFOS ZU BIG DATA, ANALYTICS & AI
Geschäftliche E-Mail
Bitte geben Sie eine gültige E-Mailadresse ein.
Abonnieren
Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und
Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details)
einverstanden und akzeptiere die . Weitere Informationen finde ich in unserer .
Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von
redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu
Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).
Aufklappen für Details zu Ihrer Einwilligung
Stand: 08.12.2025
Es ist für uns eine Selbstverständlichkeit, dass wir verantwortungsvoll mit
Ihren personenbezogenen Daten umgehen. Sofern wir personenbezogene Daten von
Ihnen erheben, verarbeiten wir diese unter Beachtung der geltenden
Datenschutzvorschriften. Detaillierte Informationen finden Sie in unserer .
EINWILLIGUNG IN DIE VERWENDUNG VON DATEN ZU WERBEZWECKEN
Ich bin damit einverstanden, dass die Vogel IT-Medien GmbH,
Max-Josef-Metzger-Straße 21, 86157 Augsburg, einschließlich aller mit ihr im
Sinne der §§ 15 ff. AktG verbundenen Unternehmen (im weiteren: Vogel
Communications Group) meine E-Mail-Adresse für die Zusendung von Newslettern und
Werbung nutzt. Auflistungen der jeweils zugehörigen Unternehmen
können abgerufen werden.
Der Newsletterinhalt erstreckt sich dabei auf Produkte und Dienstleistungen
aller zuvor genannten Unternehmen, darunter beispielsweise Fachzeitschriften und
Fachbücher, Veranstaltungen und Messen sowie veranstaltungsbezogene Produkte und
Dienstleistungen, Print- und Digital-Mediaangebote und Services wie weitere
(redaktionelle) Newsletter, Gewinnspiele, Lead-Kampagnen, Marktforschung im
Online- und Offline-Bereich, fachspezifische Webportale und E-Learning-Angebote.
Wenn auch meine persönliche Telefonnummer erhoben wurde, darf diese für die
Unterbreitung von Angeboten der vorgenannten Produkte und Dienstleistungen der
vorgenannten Unternehmen und Marktforschung genutzt werden.
Meine Einwilligung umfasst zudem die Verarbeitung meiner E-Mail-Adresse und
Telefonnummer für den Datenabgleich zu Marketingzwecken mit ausgewählten
Werbepartnern wie z.B. LinkedIN, Google und Meta. Hierfür darf die Vogel
Communications Group die genannten Daten gehasht an Werbepartner übermitteln,
die diese Daten dann nutzen, um feststellen zu können, ob ich ebenfalls Mitglied
auf den besagten Werbepartnerportalen bin. Die Vogel Communications Group nutzt
diese Funktion zu Zwecken des Retargeting (Upselling, Crossselling und
Kundenbindung), der Generierung von sog. Lookalike Audiences zur
Neukundengewinnung und als Ausschlussgrundlage für laufende Werbekampagnen.
Weitere Informationen kann ich dem Abschnitt „“ in der Datenschutzerklärung
entnehmen.
Falls ich im Internet auf Portalen der Vogel Communications Group einschließlich
deren mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen geschützte
Inhalte abrufe, muss ich mich mit weiteren Daten für den Zugang zu diesen
Inhalten registrieren. Im Gegenzug für diesen gebührenlosen Zugang zu
redaktionellen Inhalten dürfen meine Daten im Sinne dieser Einwilligung für die
hier genannten Zwecke verwendet werden. Dies gilt nicht für den Datenabgleich zu
Marketingzwecken.
Recht auf Widerruf
Mir ist bewusst, dass ich diese Einwilligung jederzeit für die Zukunft
widerrufen kann. Durch meinen Widerruf wird die Rechtmäßigkeit der aufgrund
meiner Einwilligung bis zum Widerruf erfolgten Verarbeitung nicht berührt. Um
meinen Widerruf zu erklären, kann ich als eine Möglichkeit das unter abrufbare
Kontaktformular nutzen. Sofern ich einzelne von mir abonnierte Newsletter nicht
mehr erhalten möchte, kann ich darüber hinaus auch den am Ende eines Newsletters
eingebundenen Abmeldelink anklicken. Weitere Informationen zu meinem
Widerrufsrecht und dessen Ausübung sowie zu den Folgen meines Widerrufs finde
ich in der .
Für den Einstieg in die Themen KI-Governance und CAIO empfiehlt sich ein
pragmatischer Ansatz: Zuerst sollte ein Unternehmen ein klares Zielbild
formulieren – welche Rolle spielt KI im Geschäftsmodell und welche
Governance-Ziele gehen über Compliance hinaus? Dann könnte eine Bestandsaufnahme
vorhandener Richtlinien, Prozesse und Rollen folgen, um die KI-Relevanz zu
bewerten. Ergänzend sollten Unternehmen festlegen, nach welchen Kriterien
Business Value bewertet wird – etwa anhand von Produktivitätsgewinnen,
Qualitätsverbesserungen, Umsatzpotenzialen oder Risikoreduktion. Im nächsten
Schritt entsteht dann eine übergeordnete Policy mit Rollenverteilung,
einschließlich der CAIO-Entscheidung.
WO DER MEHRWERT LIEGT
Insgesamt schafft eine Kombination aus KI-Governance und CAIO-Führung die
Voraussetzungen, um KI von isolierten Projekten zu einem strategischen Hebel zu
machen. Unternehmen, die Governance als Chance begreifen, positionieren sich
zukunftssicher und nutzen KI, um die Transformation konsequent voranzutreiben.
Der entscheidende Mehrwert entsteht jedoch erst dann, wenn Governance nicht nur
Sicherheit und Regelkonformität schafft, sondern Business Value sichtbar macht
und die Umsetzung auf die wertstiftendsten Anwendungsfelder lenkt.
* Der Autor Oliver Köth ist Managing Director Technology & Innovation DACH bei
NTT Data.
Bildquelle: NTT Data
(ID:50856917)

Quelle: www.it-boltwise.de

STUTTGART / LONDON (IT BOLTWISE) – -Benz treibt seine mit einem klaren Ziel: Bis
Jahresende sollen 70 Prozent der Belegschaft täglich KI nutzen. Der Autobauer
kombiniert dafür einen harten Sparkurs mit einer Rollout-Welle der
Automatisierungsplattform n8n, die KI-gestützte Abläufe direkt in Produktion,
Vertrieb und Verwaltung bringen soll. Während das Management Effizienzgewinne
erwartet, bleibt die unter Druck und bewegt sich nahe am 52-Wochen-Tief.
Branchenexperten sehen in der Umsetzung vor allem eine Frage der Skalierbarkeit
und Kostenkontrolle.
--------------------------------------------------------------------------------
* präsentiert von !
* Unsere täglichen KI-News von IT Boltwise® bei abonnieren!
* KI-Meldungen bequem via oder per erhalten!
* IT Boltwise® bei oder als Fan markieren und abonnieren!

* von IT Boltwise für KI-News speichern!
--------------------------------------------------------------------------------
-Benz verschärft den internen Effizienzdruck – und macht ihn an einem messbaren
KI-Ziel fest. Bis Jahresende sollen 70 Prozent der Belegschaft täglich
Künstliche Intelligenz einsetzen. Flankiert wird das Vorhaben von einem
Sparkurs, bei dem das Unternehmen nach Berichten Gespräche mit
Arbeitnehmervertretern über zusätzliche Einsparungen vorbereitet. Damit rückt
die Frage in den Mittelpunkt, ob sich KI in der Breite tatsächlich in
Produktivität und Prozessqualität übersetzen lässt – oder ob es zunächst bei
Pilotprojekten bleibt. Für das Management ist das Timing heikel: Die Umsetzung
muss in einer Phase stattfinden, in der die Rendite im Premiumsegment sichtbar
unter Druck steht.
Technisch folgt aus der Zielsetzung eine pragmatische Vorgehensweise: -Benz
rollt die Automatisierungsplattform des Spezialisten n8n weltweit aus.
Beschäftigte sollen KI-gestützte Arbeitsabläufe in ihre operativen Prozesse
einbauen, statt nur einzelne Assistenztools zu nutzen. Vor 18 Monaten lag der
Anteil bei rund 30 Prozent – ein Sprung auf 70 Prozent erfordert deshalb
standardisierte Integrationen, wiederverwendbare Workflows und eine klare
Governance. n8n eignet sich als Orchestrierungs- und Automationsschicht
besonders für die Verbindung von Systemen wie ERP, Ticketing, Drittsystemen und
Datenpipelines. Für die Skalierung ist entscheidend, wie Rollenrechte, Logging
und Modell- bzw. Prompt-Versionen in den Betrieb übernommen werden.
STELLENANGEBOTE
Der Markt reagiert bislang weniger begeistert als das Managementprogramm
erwarten würde. Die notiert aktuell bei 44,62 Euro, am Donnerstag mit einem
kleinen Plus, seit Jahresbeginn aber mit einem massiven Verlust von über 27
Prozent. Der Kurs liegt zudem nur knapp über dem 52-Wochen-Tief von 43,99 Euro;
damit wird aus „KI-Fantasie“ schnell eine „Umsetzungsprüfung“. Auch
charttechnisch bleiben Signale schwach: Der Abstand zur 200-Tage-Linie beträgt
etwa 19 Prozent. Das ist ein Hinweis darauf, dass en nicht nur
Umsatzversprechen, sondern konkrete Margenpfade sehen wollen. Gerade im
Premiumumfeld ist die Hürde hoch, weil Kostenreduktion zwar sofort wirkt,
KI-Effekte aber messbar und belastbar nachweisen müssen.
In der Sache ist der Effizienzdruck -typisch, nur die Richtung ist neu getaktet.
-Benz berichtet von einer bereinigten Umsatzrendite im Pkw-Kerngeschäft von 4,1
Prozent im ersten Quartal. Die Zielspanne für das Gesamtjahr ist zwar noch
erreichbar, doch der Spielraum wird enger – insbesondere durch . Dort belasten
harter Wettbewerb und eine verhaltene Nachfrage das Geschäft, während Zuwächse
in und den den Rückgang zuletzt nur teilweise ausgleichen konnten. Genau an
solchen Stellen zeigt sich, ob KI-gestützte Prozessautomatisierung mehr ist als
ein Kostenhebel für Verwaltung: Sie muss etwa in der Produktion, im Einkauf und
in der Vertriebsplanung echte Durchlaufzeit- und Qualitätsgewinne erzeugen.
Wettbewerb und Benchmarking sind hier entscheidend. , aber auch Volkswagen und
treiben ebenfalls daten- und softwarenahe Strukturen voran – allerdings oft mit
unterschiedlichen Schwerpunkten: Während einige Wettbewerber stärker auf
Fahrzeugdaten und On-Device-Funktionalitäten setzen, liegt der Fokus bei -Benz
aktuell auf der internen Prozesskette. Der Unterschied ist relevant, weil KI in
der Produktion andere Risiken mitbringt als KI in der Fahrzeugfunktion:
Betriebsstabilität, Auditierbarkeit und die saubere Trennung von Test- und
Produktionsumgebungen stehen im Vordergrund. Branchenbeobachter rechnen damit,
dass sich KI-Projekte mit Automationsplattformen schneller integrieren lassen,
wenn die Unternehmen bereits über solide Daten- und Berechtigungsmodelle
verfügen. Ohne diese Basis bleibt der Rollout zwar technisch möglich,
wirtschaftlich aber schwer durchschlagend.
Ein Kernteil des Programms scheint die Einbettung in den Alltag zu sein: Ein
interner Hackathon mit über 1.500 Teilnehmern soll konkrete Anwendungen
geliefert haben, die nun direkt in die Umsetzung wandern. Das adressiert ein
klassisches Problem vieler KI-Initiativen: Zwischen PoC und Betriebsreife
entsteht häufig ein „Implementationsgap“. Durch die Kombination aus zentralem
Tool-Rollout (n8n) und dezentralen Use-Cases entsteht eine Pipeline, in der
Fachbereiche schneller zu Prototypen kommen und anschließend in standardisierte
Workflows überführt werden. Genau dieser Übergang entscheidet über Skalierung.
Eine Branchenanalystin bringt es sinngemäß auf den Punkt: „KI-Wellen scheitern
selten an Modellen, sondern an Betriebsintegration, Rollenrechten und daran,
dass Wirkung nicht sauber gemessen wird.“
Mit Blick auf die Finanzplanung bleibt der Stresstest offen. Für 2026 peilt der
Vorstand einen Konzernumsatz auf Vorjahresniveau an, während das operative
Ergebnis deutlich steigen soll. Mittelfristig soll der Verkauf von rund zwei
Millionen Fahrzeugen gelingen. Diese Rechnung funktioniert nur, wenn
Einsparungen und Prozessgewinne wirklich in der GuV ankommen – also nicht nur
als Tool-Nutzung, sondern als geringere Kosten, höhere Durchlaufzeiten oder
weniger Nacharbeit. Daraus ergibt sich für die Umsetzung eine klare Erwartung:
KI muss sich in KPI-Ketten übersetzen lassen, etwa von Ticket- und
Ausschussquoten bis hin zu Forecast-Genauigkeit und Vertriebsumsetzung. Wenn
nicht, drohen neue Tiefststände, weil der Kapitalmarkt die
Umsetzungsgeschwindigkeit später als die Ankündigung bewertet.
Für Unternehmen bedeutet das Vorhaben vor allem eine Lernkurve für KI-gestützte
Betriebsführung. Besonders relevant sind Sicherheits- und aspekte: Wenn
KI-Workflows in Produktions-, Personal- und Vertriebsprozesse greifen, müssen
Unternehmen Zugriffskontrolle, Datenminimierung und Audit-Logs ausrollen.
Darüber hinaus braucht es eine klare Strategie für Modell- und
Prompt-Änderungen, damit Ergebnisse reproduzierbar bleiben und
Compliance-Anforderungen erfüllt werden können. Historisch haben
Automationsprojekte oft an Inseln und fehlender Transparenz gelitten; moderne
Plattformansätze wie n8n können das reduzieren, wenn sie konsequent mit
Observability, Secrets-Management und Sicherheitsrichtlinien gekoppelt werden.
Für Entwickler liegt die Chance darin, wiederverwendbare Workflow-Module zu
bauen, die sich im Unternehmen standardisieren lassen, statt jedes Team bei Null
starten zu lassen.
💳
🔥
🎉
* 🤖 Präzisions-Roboterarm – Spielen wie gegen einen echten Gegner – SenseRobot
reproduziert das reale Schacherlebnis mit einem mechanischen Arm, der Figuren
mit weniger als 1 mm Genauigkeit bewegt und jeden Zug in nur 8 Sekunden
ausführt – im gleichen Tempo wie ein professioneller Spieler.
* IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist
ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine
Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er
auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
* V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von
Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung
hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und
anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen.
Mobile Hotspots können sich mit Loona verbinden und überwinden
WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren
können.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------

Quelle: the-decoder.de

OpenAI wird sein neuestes KI-Modell GPT 5.6 zunächst nur einer kleinen Gruppe
von Partnern zugänglich machen.
Das teilte CEO Sam Altman laut einem am Mittwoch in einer internen Fragerunde
mit. Die US-Bundesregierung habe OpenAI darum "gebeten". Grundlage dürfte die
kürzlich veröffentlichte sein, die eine freiwillige Prüfung neuer KI-Modelle vor
allem mit Blick auf Cybersicherheit fordert.
Wie freiwillig diese Prüfung tatsächlich ist, zeigt das OpenAI-Beispiel jetzt.
In dem Memo erklärte Altman, die Regierung werde den Zugang während der
Preview-Phase "Kunde für Kunde" genehmigen. Er hoffe auf eine breitere
Veröffentlichung "ein paar Wochen später", sofern alles gut laufe.
Anzeige
Die Anfrage für den gestaffelten Release kam laut The Information aus Gesprächen
mit zwei Regierungsbehörden, dem Office of the National Cyber Director und dem
Office of Science and Technology Policy.
Anzeige
DEC_D_Incontent-1
"Wir haben der US-Regierung klargemacht, dass dies nicht unser bevorzugtes
Langzeitmodell ist, und werden mit ihr und anderen in der Branche an einem
nachhaltigeren Ansatz für künftige Veröffentlichungen arbeiten", schrieb Altman
in dem Memo.
Selbst nachdem OpenAI seine Pläne für die limitierte Veröffentlichung mit
hochrangigen Regierungsvertretern geteilt hatte, erhielt Altman laut The
Information einen Anruf von Handelsminister Howard Lutnick. Er warnte das
Unternehmen davor, ohne Genehmigungen weiterer Behörden zu starten.
Anzeige
ANTHROPIC-KRISE SCHÜRT ANGST VOR DE-FACTO-LIZENZREGIME
Die aktuelle Situation geht auf Anthropics zurück. Die KI-Firma hatte bei der
Vorstellung Cybersecurity-Risiken besonders betont und selbst angekündigt, das
Modell nur gestaffelt zu veröffentlichen. Auch Risiken. Das weckte die
Aufmerksamkeit der US-Regierung, die darin Chancen und Risiken für die eigene
Cybersicherheit sah.
Als Anthropic dann das erste öffentliche Modell der Mythos-Klasse, Fable, mit
speziellen Sicherheitsrichtlinien veröffentlichte, . Kurios dabei: Anthropic
hatte zuvor angeblich mit der US-Regierung zusammengearbeitet, um
Sicherheitslücken in Fable zu identifizieren. Die Behörden hatten laut The
Information keine Einwände erhoben, als das Unternehmen die geplante
Veröffentlichung ankündigte. .
Anzeige
DEC_D_Incontent-2
Gespräche über eine Wiederveröffentlichung von Fable 5 laufen. Ein Sprecher des
Weißen Hauses erklärte gegenüber The Information: "Das Weiße Haus arbeitet
weiterhin mit führenden KI-Laboren zusammen, um gemeinsame Ansätze für die
Herausforderungen bei der Skalierung dieser Technologie zu entwickeln."
Anzeige

Quelle: www.it-boltwise.de

GUILIN / LONDON (IT BOLTWISE) – ZUOWEI Technology peilt mit seinen humanoiden
Pflegerobotern Tianshu und Tianji ein deutlich größeres Marktfenster an. hat die
Absatzprognose humanoider Roboter in für 2026 auf 50.000 Einheiten verdoppelt.
Parallel ziehen Foxconn, LG und CATL mit Investitionen und Integrationen nach,
während sich zunehmend von starren Abläufen zu flexiblen Assistenzaufgaben
bewegt. Der demografische Druck und der Kostensprung durch KI und
Fertigungsautomatisierung machen den Rollout zur Wette auf den Alltag.
--------------------------------------------------------------------------------
* präsentiert von !
* Unsere täglichen KI-News von IT Boltwise® bei abonnieren!
* KI-Meldungen bequem via oder per erhalten!
* IT Boltwise® bei oder als Fan markieren und abonnieren!

* von IT Boltwise für KI-News speichern!
--------------------------------------------------------------------------------
zeigt erneut, wie schnell aus -Experimenten vorhaben werden: ZUOWEI Technology
stellte in Guilin seine humanoiden Pflegeroboter Tianshu und Tianji vor und
stellte damit einen Trend in den Vordergrund, der in Asien derzeit spürbar Tempo
aufbaut. Die Ursache liegt weniger in einzelnen „Gimmicks“, sondern in der
Demografie und in der Fähigkeit der Lieferkette, Kosten zu senken. Wer im
Pflege- und Logistikumfeld bereits mit Personalengpässen arbeitet, findet darin
einen realen Business-Case. Umso relevanter wird die neu angezogene
Absatzschiene, die Analysten jetzt auch quantifizieren.
Laut liegt die Prognose für den Absatz humanoider Roboter in im Juni 2026 nun
bei 50.000 Einheiten für das laufende Jahr. Das ist ein deutlicher Sprung
gegenüber den zuvor erwarteten 14.000 Einheiten im Januar. Auch die Marktgröße
soll bis Ende 2026 auf etwa zwei Milliarden Euro steigen; bis 2030 wird ein
Volumen von rund 15 Milliarden Euro genannt. Solche Zahlen sind nicht nur
Makro-Rhetorik: Wenn Hersteller die Stückzahlen real hochfahren, können sie
Skaleneffekte in Motoren, Getrieben, Sensorik und Montageprozessen nutzen. Genau
dort entstehen die nächsten Engineering-Schritte für -Teams, die Software und
Hardware zusammen denken.
STELLENANGEBOTE
Für die Umsetzung bedeutet das: Humanoide Systeme rutschen von „Programmieren
und Abarbeiten“ hin zu Einsätzen im sogenannten „messy middle“ der Fertigung.
Dabei geht es um komplexe, oft variierende Arbeitsschritte, die klassische
Automationslinien nur begrenzt abdecken. Foxconn Industrial Internet kündigte
zudem eine Fusion im Wert von 1,5 Milliarden Euro an, um einen humanoiden
Roboterhersteller zu übernehmen. Ergänzend stehen offenbar 500 Millionen Euro
private s im Raum. Foxconn will die Roboter in eigener Logistik einsetzen – für
Schwerlastaufgaben, Palettenstapeln und Inspektionen. Das ist ein
Vergleichsmaßstab: Wettbewerber fokussieren häufig zuerst auf kontrollierte
Umgebungen statt auf den „wilden“ Betrieb.
Auf Komponenten- und Integrationsseite werden die Unterschiede zwischen
Projekten konkreter. LG plant, bis Ende 2026 humanoide Roboter des Typs CLOi D
in Fabriken für Logistikaufgaben einzusetzen; bereits im Juli startet der nische
Konzern mit 100 Einheiten auf dem Yangjae-scampus. Dort wurde der Standort zu
einer „Datenfabrik“ für Roboter umgebaut, was auf einen systematischen Ansatz
zur Trainings- und Validierungspipeline hindeutet. LG will die Flotte auf
mehrere Hundert Einheiten ausweiten und nutzt dafür seine Produktionskapazität
von 45 Millionen Elektromotoren pro Jahr, um die Antriebskosten niedrig zu
halten. CATL wiederum integriert den humanoiden Roboter Galbot S1 in seine
Batteriefertigung, der Lasten bis zu 50 Kilogramm an beiden Armen bewegen kann
und Materialtransporte rein visuell positioniert. Ergänzend automatisiert Sany
Truck Teile der Endmontage. Diese Kombination aus Fertigungsnähe und
sensorischer Lokalisierung erinnert strategisch an frühere --Wellen, nur dass
die Sensorik und KI jetzt wesentlich „lerniger“ sind.
Der demografische Wandel bleibt dabei der harte Treiber. Die UN prognostiziert
für s erwerbsfähige Bevölkerung einen Rückgang von einem Höchststand von rund
einer Milliarde auf etwa 300 Millionen bis zum Jahr 2100. In Japan wird die Lage
in dieser Erzählung noch drastischer: Auf jede Bewerbung im Pflegesektor kommen
4,25 offene Stellen. Aus Markt-Sicht heißt das: Nicht nur die Nachfrage steigt,
sondern auch der Druck, Produktivität pro Arbeitskraft zu erhöhen. ZUOWEI
positioniert seine neuen Roboter entsprechend für physische Unterstützung und
eine rund um die Uhr angelegte Überwachung für „schätzungsweise“ 50 Millionen
Menschen, die auf Hilfe angewiesen sind. Technisch stellt das hohe Anforderungen
an und Betriebssicherheit, weil Pflege- und skontext unmittelbar
personenbezogene Daten berührt.
Genau hier zeigt sich, wie sich der technologische Stack verschiebt: Einerseits
sinken die Einstiegskosten, weil Lieferketten aus - und Elektroautoindustrie
Skaleneffekte liefern. Entsprechend sind Einstiegsmodelle inzwischen für weniger
als 5.000 Euro verfügbar – ein Wert, der die Hürde für Pilotprojekte senkt.
Andererseits holen Softwareteams nach: s arbeiten an universeller -Intelligenz,
die nicht jede Plattform neu erlernen muss. MindOn hat beispielsweise sein
System Mind-0 vorgestellt, das mit einem einzigen KI-Modell verschiedene
Robotertypen steuert, von Humanoiden bis zu Zweiarm-Maschinen. Menschliche
Bewegungsdaten sollen helfen, die Lücke zwischen digitaler Simulation und realen
Abläufen zu schließen. Der Markttrend ist damit klar: KI wird zur
„Adaptionsschicht“, während Hardware die mechanische Reichweite liefert – aber
nur, wenn Sicherheit, Robustheit und Monitoring sauber zusammenspielen.
Gleichzeitig gibt es Schattenseiten, die in den Wachstumszahlen nicht
verschwinden. Der Gründer von JD.com warnte, Roboter könnten langfristig bis zu
700.000 Zustellerarbeitsplätze ersetzen. In Shenzhen wiederum lösten Pläne für
autonome Taxis bereits Proteste lokaler Fahrer aus. Solche Reaktionen sind kein
Einzelfall, sondern ein Hinweis darauf, dass gesellschaftliche Akzeptanz und
Arbeitsmarktpolitik in der -Strategie mitgedacht werden müssen. In der Praxis
heißt das für Unternehmen: Transparente Betriebsmodelle, Umschulungsprogramme
und klare Verantwortlichkeiten bei Fehlfunktionen werden zu
Wettbewerbsvorteilen. Aus Governance-Sicht kommt hinzu, dass Überwachung im
Pflegebereich nicht nur technisch, sondern auch rechtlich abgesichert sein muss
– insbesondere, wenn Video- und Sensordaten verarbeitet werden.
Der nächste Schritt ist deshalb weniger „mehr Roboter“, sondern gezielter
Rollout entlang messbarer Wirtschaftlichkeit und sicherer Datenflüsse. Für
Entwickler entstehen konkrete Chancen: -Teams können ihre KI-Entwicklung enger
an MLOps- und Safety-Workflows koppeln, etwa durch verteiltes Monitoring,
Telemetrie mit konformen Policies und wiederholbare Tests in realen Umgebungen.
LGs Ansatz mit der Datenfabrik deutet an, dass Trainingsdaten,
Evaluationsmetriken und Freigabeprozesse organisatorisch immer wichtiger werden.
In der Logistik und Fabrikautomation wird zudem der Vergleich mit klassischen
Automationsansätzen entscheidend bleiben: Humanoide lohnen sich, wenn sie
flexibel genug sind, um „mittlere Unordnung“ zu bewältigen, ohne zu teuer zu
werden. Für die Zukunft ist zu erwarten, dass Hersteller stärker modularisieren
(Antriebe, Sensorik, Greifer) und die Software schneller portieren, während
Regulatorik und Ethikprüfungen den Takt für Pflege- und Assistenzanwendungen
vorgeben.
💳
🔥
🎉
* 🤖 Präzisions-Roboterarm – Spielen wie gegen einen echten Gegner – SenseRobot
reproduziert das reale Schacherlebnis mit einem mechanischen Arm, der Figuren
mit weniger als 1 mm Genauigkeit bewegt und jeden Zug in nur 8 Sekunden
ausführt – im gleichen Tempo wie ein professioneller Spieler.
* IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist
ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine
Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er
auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
* V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von
Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung
hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und
anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen.
Mobile Hotspots können sich mit Loona verbinden und überwinden
WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren
können.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------

Quelle: www.bigdata-insider.de

KOMMENTAR VON ADRIAN KNAPP, APARAVI WENN DIE KI MEHR SIEHT, ALS SIE SOLLTE
26.06.2026 Von Adrian Knapp 4 min Lesedauer
Anbieter zum Thema
Viele Unternehmen glauben, ihre Daten seien unter Kontrolle, nur weil sie
compliant gespeichert sind. Doch Künstliche Intelligenz (KI) verändert die
Spielregeln. Die Modelle stellen Zusammenhänge her, kombinieren Wissen über
Abteilungsgrenzen hinweg und machen Informationen sichtbar, die bislang
verborgen waren. Genau dadurch geraten klassische Governance-Modelle an ihre
Grenzen. Unternehmen müssen die Datensouveränität im KI-Zeitalter neu denken und
kontrollierte Wissensräume einrichten.
Unternehmen erleben derzeit ein Paradoxon. Einerseits investieren sie mit hoher
Geschwindigkeit in generative , Copiloten und agentenbasierte Systeme, um
produktiver, effizienter und innovativer zu werden. Andererseits fehlt oft genau
die Grundlage, die diese Systeme überhaupt erst sicher nutzbar macht: eine
kontrollierte, vertrauenswürdige und kontextfähige Datenbasis. Denn mit dem
Einzug generativer KI verändert sich die Rolle von Informationen grundlegend.
Daten werden nicht mehr nur gespeichert, durchsucht oder archiviert – vielmehr
interpretieren KI-Systeme Inhalte, kombinieren Zusammenhänge, erkennen Muster
und erzeugen daraus neues Wissen. In der Folge geraten Governance-Modelle, die
über Jahre hinweg als ausreichend galten, plötzlich an ihre Grenzen.
EINE NEUE DEFINITION VON DATENSOUVERÄNITÄT
Besonders deutlich zeigt sich das beim Begriff der Datensouveränität. Bislang
war damit vor allem die Frage verbunden, wo Daten gespeichert werden und welcher
rechtlichen Zuständigkeit sie unterliegen. Im KI-Zeitalter reicht das jedoch
nicht mehr aus. Die entscheidende Frage lautet heute nicht mehr nur, wo Daten
liegen, sondern was KI-Systeme daraus machen. Damit beginnt eine Entwicklung,
die viele Unternehmen nach wie vor unterschätzen. Denn veraltete Dateien in
Netzlaufwerken, doppelte Dokumentenversionen, unklare Berechtigungen oder
unkontrollierte Schattenkopien gelten in herkömmlichen IT-Umgebungen zwar als
lästig, aber selten als akutes Risiko. Generative KI verändert diese Situation
radikal: Während eine klassische Suchmaschine Dokumente anhand von Schlagworten
findet, interpretiert ein -Modell dagegen Kontexte. Es erkennt Beziehungen
zwischen Inhalten und verdichtet Wissen über Abteilungs- und Systemgrenzen
hinweg.
Dadurch entsteht eine völlig neue Sichtbarkeit auf Unternehmensdaten. Plötzlich
tauchen Inhalte in Antworten auf, die ursprünglich nie für einen breiteren
Zugriff vorgesehen waren. Sensible Vertragsdetails erscheinen in
Zusammenfassungen, historische Projektstände fließen in aktuelle Analysen ein
und interne Wissensfragmente werden ungewollt miteinander kombiniert. Technisch
betrachtet geschieht dabei nichts „Illegales“. Die KI nutzt lediglich
Informationen, auf die sie Zugriff hat.
AGENTISCHE KI BIRGT VIELE RISIKEN
Hinzu kommt, dass viele Unternehmen ihre tatsächliche Datenrealität noch immer
falsch bewerten. Zwar investieren sie seit Jahren in , Governance-Werkzeuge und
regulatorische Vorgaben etwa im Kontext der DSGVO oder NIS2 – doch ein Großteil
der relevanten Informationen liegt weiterhin außerhalb strukturierter Systeme.
Verträge, Präsentationen, technische Dokumentationen, E-Mails, Chatverläufe oder
Mediendateien bilden heute den eigentlichen Wissenskern vieler Unternehmen.
Genau diese unstrukturierten Datenbestände entziehen sich jedoch häufig einer
konsistenten Kontrolle, klaren Zugriffsregeln und einer belastbaren
Nachvollziehbarkeit der Datennutzung.
Die Risiken sind dabei keineswegs theoretisch. Wenn Systeme auf veraltete
Verträge, sensible Personaldaten oder widersprüchliche Wissensstände zugreifen,
entstehen schnell Compliance-Probleme, Sicherheitsrisiken oder
Fehlentscheidungen. Besonders kritisch wird das in autonomen KI-Architekturen.
Dort liefern Agenten nicht mehr nur Antworten, sondern bereiten auch
Entscheidungen vor, priorisieren Prozesse oder steuern automatisierte Abläufe.
Fehlerhafte Wissensgrundlagen wirken sich dann unmittelbar auf operative
Prozesse aus.
Gleichzeitig verändert diese Art der KI auch die Art der Datenhaltung. Die
Zukunft gehört nicht gigantischen Sammlungen, sondern kuratierten Wissensräumen.
Diese bündeln nicht einfach beliebige Informationen, sondern konzentrieren sich
auf geschäftlich relevante, klassifizierte und kontinuierlich gepflegte Inhalte.
Redundante oder veraltete Daten werden entfernt, Berechtigungen konsequent an
Nutzungsszenarien gekoppelt und Wissensdomänen sauber voneinander getrennt.
DIE KI BRAUCHT EIGENE DATENRÄUME
Das wirkt auf den ersten Blick wie ein technischer Nebenschauplatz. Tatsächlich
handelt es sich jedoch um einen fundamentalen strategischen Wandel. Denn
generative KI benötigt keine maximalen Datenmengen, sondern einen
vertrauenswürdigen Kontext. Dieser Zusammenhang wird besonders bei -Systemen
sichtbar. Ihre Leistungsfähigkeit entsteht nicht allein durch das Modell selbst,
sondern durch die Qualität der angebundenen Wissensquellen. Unternehmen, die
ihre Datenlandschaft nicht kontrollieren, speisen ihre KI letztlich mit
Unsicherheit. Das Ergebnis sind unpräzise Antworten, widersprüchliche
Erkenntnisse und schwer nachvollziehbare Entscheidungen.
AI Readiness ist also letztlich weniger eine Frage der Technologie als der .
Rechenleistung lässt sich einkaufen und große Sprachmodelle sind verfügbar. Die
eigentliche Differenzierung entsteht deshalb an anderer Stelle, nämlich bei der
Fähigkeit, Daten kontrolliert, nachvollziehbar und kontextbezogen für KI nutzbar
zu machen. Damit wird AI Readiness zu einer Managementaufgabe. Unternehmen
müssen erstmals systematisch bewerten, wie geeignet ihre Datenlandschaft
überhaupt für KI ist. Dabei geht es nicht nur um Sicherheit oder Compliance,
sondern auch um Klassifizierung, Aktualität und Zugänglichkeit. Oft stellt sich
dabei heraus, dass die größte Schwachstelle nicht im Modell, sondern in der
Struktur der Informationen liegt.
JETZT NEWSLETTER ABONNIEREN
TÄGLICH DIE WICHTIGSTEN INFOS ZU BIG DATA, ANALYTICS & AI
Geschäftliche E-Mail
Bitte geben Sie eine gültige E-Mailadresse ein.
Abonnieren
Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und
Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details)
einverstanden und akzeptiere die . Weitere Informationen finde ich in unserer .
Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von
redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu
Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).
Aufklappen für Details zu Ihrer Einwilligung
Stand: 08.12.2025
Es ist für uns eine Selbstverständlichkeit, dass wir verantwortungsvoll mit
Ihren personenbezogenen Daten umgehen. Sofern wir personenbezogene Daten von
Ihnen erheben, verarbeiten wir diese unter Beachtung der geltenden
Datenschutzvorschriften. Detaillierte Informationen finden Sie in unserer .
EINWILLIGUNG IN DIE VERWENDUNG VON DATEN ZU WERBEZWECKEN
Ich bin damit einverstanden, dass die Vogel IT-Medien GmbH,
Max-Josef-Metzger-Straße 21, 86157 Augsburg, einschließlich aller mit ihr im
Sinne der §§ 15 ff. AktG verbundenen Unternehmen (im weiteren: Vogel
Communications Group) meine E-Mail-Adresse für die Zusendung von Newslettern und
Werbung nutzt. Auflistungen der jeweils zugehörigen Unternehmen
können abgerufen werden.
Der Newsletterinhalt erstreckt sich dabei auf Produkte und Dienstleistungen
aller zuvor genannten Unternehmen, darunter beispielsweise Fachzeitschriften und
Fachbücher, Veranstaltungen und Messen sowie veranstaltungsbezogene Produkte und
Dienstleistungen, Print- und Digital-Mediaangebote und Services wie weitere
(redaktionelle) Newsletter, Gewinnspiele, Lead-Kampagnen, Marktforschung im
Online- und Offline-Bereich, fachspezifische Webportale und E-Learning-Angebote.
Wenn auch meine persönliche Telefonnummer erhoben wurde, darf diese für die
Unterbreitung von Angeboten der vorgenannten Produkte und Dienstleistungen der
vorgenannten Unternehmen und Marktforschung genutzt werden.
Meine Einwilligung umfasst zudem die Verarbeitung meiner E-Mail-Adresse und
Telefonnummer für den Datenabgleich zu Marketingzwecken mit ausgewählten
Werbepartnern wie z.B. LinkedIN, Google und Meta. Hierfür darf die Vogel
Communications Group die genannten Daten gehasht an Werbepartner übermitteln,
die diese Daten dann nutzen, um feststellen zu können, ob ich ebenfalls Mitglied
auf den besagten Werbepartnerportalen bin. Die Vogel Communications Group nutzt
diese Funktion zu Zwecken des Retargeting (Upselling, Crossselling und
Kundenbindung), der Generierung von sog. Lookalike Audiences zur
Neukundengewinnung und als Ausschlussgrundlage für laufende Werbekampagnen.
Weitere Informationen kann ich dem Abschnitt „“ in der Datenschutzerklärung
entnehmen.
Falls ich im Internet auf Portalen der Vogel Communications Group einschließlich
deren mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen geschützte
Inhalte abrufe, muss ich mich mit weiteren Daten für den Zugang zu diesen
Inhalten registrieren. Im Gegenzug für diesen gebührenlosen Zugang zu
redaktionellen Inhalten dürfen meine Daten im Sinne dieser Einwilligung für die
hier genannten Zwecke verwendet werden. Dies gilt nicht für den Datenabgleich zu
Marketingzwecken.
Recht auf Widerruf
Mir ist bewusst, dass ich diese Einwilligung jederzeit für die Zukunft
widerrufen kann. Durch meinen Widerruf wird die Rechtmäßigkeit der aufgrund
meiner Einwilligung bis zum Widerruf erfolgten Verarbeitung nicht berührt. Um
meinen Widerruf zu erklären, kann ich als eine Möglichkeit das unter abrufbare
Kontaktformular nutzen. Sofern ich einzelne von mir abonnierte Newsletter nicht
mehr erhalten möchte, kann ich darüber hinaus auch den am Ende eines Newsletters
eingebundenen Abmeldelink anklicken. Weitere Informationen zu meinem
Widerrufsrecht und dessen Ausübung sowie zu den Folgen meines Widerrufs finde
ich in der .
DEDIZIERTE KNOWLEDGE BASES BIETEN KONTROLLE
Gleichzeitig verändert sich dadurch auch die Architektur moderner
IT-Landschaften. Lange galt Zentralisierung als Ideal. Im KI-Zeitalter zeigt
sich jedoch zunehmend, dass verteilte Wissensdomänen deutlich besser geeignet
sind. Denn Fachbereiche verstehen ihre Inhalte, Abhängigkeiten und
Sensibilitäten in der Regel wesentlich besser als zentrale Plattformteams.
Erfolgreiche KI-Governance entsteht deshalb dort, wo fachlicher Kontext und
technische Kontrolle zusammengeführt werden. An die Stelle monolithischer
Datenplattformen treten deshalb verteilte Knowledge Bases. Diese bleiben
organisatorisch eigenständig, folgen jedoch gemeinsamen Governance- und
Sicherheitsrichtlinien. KI-Systeme erhalten dadurch keinen pauschalen und damit
unkontrollierbaren Zugriff auf sämtliche Unternehmensdaten, sondern arbeiten
innerhalb klar definierter und nachvollziehbarer Wissenskontexte.
Genau darin liegt die nächste Evolutionsstufe der Datensouveränität. Es reicht
künftig nicht mehr aus, Daten lediglich rechtskonform zu speichern. Unternehmen
müssen steuern können, welche Informationen KI-Systeme sehen, wie sie diese
interpretieren und in welchem fachlichen oder regulatorischen Kontext ihre
Nutzung zulässig ist. Das heißt, die AI Readiness muss anhand konkreter
Kriterien wie , Berechtigungsmodelle, Nachvollziehbarkeit und
Governance-Struktur messbar gemacht werden. Nur dann sind die Verantwortlichen
wirklich sicher und compliant aufgestellt.
ARTIKELFILES UND ARTIKELLINKS
Link:
(ID:50844332)

Quelle: www.bigdata-insider.de

KI-AGENTEN GEGEN LEGACY SO BRINGEN KI-AGENTEN LEGACY-SYSTEME AUF VORDERMANN
26.06.2026 Quelle: Pegasystems 2 min Lesedauer
Anbieter zum Thema
Bei der „Rip and Replace“-Modernisierung von Legacy-Systemen geht oft
geschäftskritisches Wissen verloren. Das können Unternehmen vermeiden, wenn sie
die Systeme nicht radikal ablösen, sondern mit Künstlicher Intelligenz (KI)
wissenszentriert transformieren. Pegasystems zeigt auf, wie KI-Agenten diesen
Transformationsprozess durchgängig unterstützen sollen.
Viele Unternehmen modernisieren Legacy-Systeme nach dem „Rip and
Replace“-Prinzip: Sie ersetzen sie durch komplette Neuentwicklungen. Das ist oft
mit Wissensverlust verbunden, denn in Legacy-Systemen steckt häufig implizites
Know-how, das die Wettbewerbsvorteile eines Unternehmens ausmacht. Dieses Wissen
ist meist nicht dokumentiert, lässt sich explizit nur schwer erfassen und kann
deshalb bei einer Neuentwicklung nicht ausreichend berücksichtigt werden.
Mit Künstlicher Intelligenz lassen sich Legacy-Systeme gezielt transformieren:
Sie hilft dabei, implizites Wissen systematisch zu extrahieren, zu strukturieren
und für neue Lösungen nutzbar zu machen. Unternehmen können bewährte Elemente
beibehalten und die Systeme schrittweise mit neuen Fähigkeiten modernisieren.
Spezialisierte -Agenten unterstützen dabei den gesamten Transformationsprozess:
* 1. Analyse-Agenten. Sie werten reale Ausführungsdaten aus, identifizieren
typische Abläufe sowie Varianten und Ausnahmen und machen zugrunde liegende
Datenmuster sichtbar. So entsteht eine belastbare, datenbasierte Sicht auf
den Ist-Zustand der Legacy-Systeme, die fundierte Entscheidungen darüber
ermöglicht, welche Elemente erhalten und wo gezielt modernisiert werden
sollte.
* 2. Design-Agenten. Mit Design-Time-Agenten können Unternehmen auf Basis der
Analyse ein Zielbild für die Transformation entwickeln. Diese Agenten
überführen die gewonnenen Erkenntnisse in strukturierte Lösungsbausteine wie
Anwendungen, Case-Typen, Benutzerrollen und Datenmodelle und stellen diese in
verständlicher Form dar. Dadurch entsteht eine gemeinsame Grundlage für IT
und Fachbereiche sowie ein klar strukturierter Transformationsplan.
* 3. Produktivitäts-Agenten. Sie unterstützen Unternehmen bei der praktischen
Umsetzung der Transformation, insbesondere indem sie das Erstellen von
Migrationsartefakten im „Vibe Coding“-Stil beschleunigen. Dazu gehören etwa
die Ableitung von Datenflüssen, Transformationslogiken, Mappings und
Validierungsregeln. So reduzieren sie den manuellen Entwicklungsaufwand und
beschleunigen die Umsetzung deutlich.
* 4. Automatisierungs-Agenten. Direkt in den modernisierten Zielsystemen kommen
Run-Time-Agenten zum Einsatz, um Mitarbeiter in komplexen, kontextreichen
Prozessen zu unterstützen. Sie lassen sich in bestehende Workflows und
Governance-Strukturen integrieren, wodurch ihre Aktivitäten nachvollziehbar
und regelkonform ablaufen. So erhöhen sie nicht nur die Produktivität der
Mitarbeiter, sondern stellen auch konsistente Prozesse sicher.
„Eine wissenszentrierte Legacy-Transformation mit Künstlicher Intelligenz bietet
gegenüber einer radikalen Ablösung klare Vorteile“, erklärt Florian
Lauck-Wunderlich, Global Director Business Excellence bei Pegasystems.
„Bestehendes Wissen und erprobte Prozesse bleiben erhalten, während gleichzeitig
gezielte Modernisierungsschritte möglich werden. So können Unternehmen ihre
Systeme kontinuierlich weiterentwickeln und deutlich schneller auf neue
Anforderungen reagieren.“
(ID:50881215)

Quelle: www.it-boltwise.de

SPARTANBURG / LONDON (IT BOLTWISE) – bringt im US-Werk Spartanburg die humanoide
auf die nächste Stufe und nutzt Figure 03 für Logistik- und Sequenzieraufgaben.
Laut Angaben aus dem Projekt verarbeitet das System bis zu 250.000 Pakete in
einem Langzeittest ohne Hardwareausfälle. Entscheidend ist dabei die Kopplung
mit einer KI-gestützten Qualitätskontrolle, die Sortierfehler reduzieren soll.
Für die Fabrikplanung ist das ein weiterer Hinweis darauf, dass humanoide
Roboter zunehmend vom Labor in die Serienumgebung wandern.
--------------------------------------------------------------------------------
* präsentiert von !
* Unsere täglichen KI-News von IT Boltwise® bei abonnieren!
* KI-Meldungen bequem via oder per erhalten!
* IT Boltwise® bei oder als Fan markieren und abonnieren!

* von IT Boltwise für KI-News speichern!
--------------------------------------------------------------------------------
Im -Werk Spartanburg richtet sich die Aufmerksamkeit derzeit auf ein Detail, das
in der Automatisierung lange als schwierig galt: komplexes Sortieren und
Handling in einer realen Produktionsumgebung. Der Münchner Autobauer integriert
dort humanoide Roboter der neuesten Generation, konkret das Modell Figure 03.
Die Idee wirkt zunächst wie ein „Proof of Concept“, ist aber strategisch
angelegt. Denn verknüpft die mit seiner iFACTORY-Vision, also einer durchgängig
digitalisierten Fabrik, in der Prozesse nicht nur schneller, sondern auch besser
kontrolliert werden sollen. Damit verschiebt sich die Diskussion weg von reiner
Machbarkeit hin zu Verlässlichkeit im Dauerbetrieb.
Technisch setzt das Projekt auf eine Kombination aus , Sensorik und
KI-gestützter Qualitätskontrolle. Figure 03 übernimmt laut Beschreibung das
Sortieren von Fahrzeugkomponenten in Sequenzierwagen – eine Aufgabe, die bislang
häufig menschliche Kräfte absicherten, weil sie flexible Entscheidungen und
robustes Greifen erfordert. Interessant ist zudem, dass das System mit einem
KI-Qualitätssystem (AIQX) zusammenarbeitet. Solche Ansätze sind in der
typischerweise mehrschichtig: Bild- oder Sensordaten laufen in eine
Fehlererkennung, die wiederum in die -Entscheidung zurückspielt. nennt als
Verbesserungen unter anderem drahtloses Laden, integrierte Tastsensoren für
bessere Objekterkennung sowie Sprachkommunikation.
STELLENANGEBOTE
Das Langzeit-Argument kommt dabei über eine harte Betriebskennzahl: In einem
200-stündigen Live-Streaming-Test verarbeitete Figure 03 rund 250.000 Pakete
ohne einen einzigen Hardwareausfall. Außerdem liegt die Sortiergeschwindigkeit
bei etwa drei Sekunden pro Paket. Für eine CFO- oder
Produktionsleiter-Perspektive ist das mehr als Marketing: Kontinuierliche
Verfügbarkeit entscheidet über den tatsächlichen Nutzungsgrad (Utilization)
einer Automationslösung. Historisch scheiterten viele -Piloten an genau solchen
Lücken – entweder an Wartungszyklen, an mangelnder Stabilität im Ramp-up oder
daran, dass Erkennung und Greifen nicht dauerhaft im gleichen Takt
funktionieren. Der Übergang vom Figure 02 Pilotprojekt (über 30.000
X3-Fahrzeuge) in einen Serieneinsatz wirkt daher wie eine gezielte
Industrialisierung.
Am Markt signalisiert damit zugleich, dass humanoide nicht mehr ausschließlich
in Start-up-Demos stattfindet, sondern eine Rolle im Produktionsalltag spielt.
Figure AI steht zwar im Mittelpunkt, doch der Wettbewerb ist breiter: Klassische
Automatisierer wie ABB oder Fanuc, aber auch spezialisierte Warehouse- und
Intralogistik-Anbieter setzen seit Jahren auf robuste und auf kamerabasiertes
Pick-by-Vision. Daneben drängen neue Ansätze aus dem „General-Purpose
Robotics“-Umfeld in Fabriken, in denen Menschen bisher als flexible
Schnittstelle dienten. Branchenexperten sehen daher zwei parallele Wege:
entweder humanoide Systeme ergänzen bestehende Zellen, oder sie ersetzen dort,
wo sich Produktvarianten und kurzfristige Umstellungen häufen. Genau hier passt
der Spartanburg-Use-Case mit seinen Logistik- und Sequenzieraufgaben.
Ein weiterer Marktpunkt ist die Geschwindigkeit der Rollouts. Laut
Projektentwicklung wächst Figure AI inzwischen so stark, dass im Unternehmen
mehr Roboter als Menschen im Einsatz/Bestand genannt werden – ein Hinweis
darauf, dass Trainings-, Test- und Validierungsprozesse hochautomatisiert
laufen. In der Praxis bedeutet das: Je mehr reale Daten aus Handhabungs- und
Sortierereignissen gesammelt werden, desto besser lassen sich Modelle und
Sensorfusionen an neue Szenarien anpassen. Ein Automatisierungsberater betont in
solchen Kontexten häufig, dass die entscheidende Ressource nicht nur die
Maschine ist, sondern die „Pipeline“ aus Datenerfassung, Qualitätsmetriken und
Feld-Feedback. Für Unternehmen heißt das: Wer humanoide einführt, braucht
zugleich MLOps-Disziplin, damit Änderungen am Modell nicht zu neuen
Produktionsrisiken führen.
Für die Zukunft zeichnet sich ein klarer Implementierungsfahrplan ab, auch wenn
Details zum weiteren Rollout in den kommenden Tagen erwartet. Entscheidend wird
sein, wie Figure 03 in bestehende Fertigungs- und Sicherheitsarchitekturen
eingebettet wird: etwa in Bezug auf Zugriffskontrollen, rollenbasierte
Freigaben, Netzwerksegmentierung und Monitoring der -Software. Da KI-gestützte
Qualitätskontrolle Daten aus dem Produktionskontext verarbeitet, spielt zudem
und Produktionssicherheit eine Rolle – insbesondere, wenn Systeme drahtlos
geladen werden oder Sprachfunktionen integriert sind. Unternehmen sollten
deshalb von Beginn an auf „Security by Design“ achten: Protokollierung von
Sensor- und Entscheidungsdaten, Least-Privilege-Zugriffe auf Management-APIs und
klare Richtlinien, welche Daten in Trainingsläufe zurückfließen dürfen. Wenn das
gelingt, dürfte der Spartanburg-Einsatz ein belastbares Referenzmodell dafür
werden, wann humanoide wirtschaftlich wird und nicht nur technisch beeindruckt.
💳
🔥
🎉
* 🤖 Präzisions-Roboterarm – Spielen wie gegen einen echten Gegner – SenseRobot
reproduziert das reale Schacherlebnis mit einem mechanischen Arm, der Figuren
mit weniger als 1 mm Genauigkeit bewegt und jeden Zug in nur 8 Sekunden
ausführt – im gleichen Tempo wie ein professioneller Spieler.
* IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist
ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine
Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er
auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
* V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von
Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung
hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und
anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen.
Mobile Hotspots können sich mit Loona verbinden und überwinden
WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren
können.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------

Quelle: www.it-boltwise.de

WASHINGTON / LONDON (IT BOLTWISE) – Die US-Verkehrssicherheitsbehörde NHTSA
öffnet den Weg zu vollautonomen Fahrzeugen ohne manuelles Bremspedal. Der
Vorschlag steht für einen neuen regulatorischen Rahmen, der aber an harte
Bremswegsicherheitsanforderungen gekoppelt bleibt. Parallel beschleunigt seine
Robotaxi- und Schwerlast-Fahrtests in den . Für Branchen, die Robotaxi-Dienste
planen, verschiebt sich damit der Zeitplan zwischen Zulassung,
Betriebskontrollen und Haftungsfragen.
--------------------------------------------------------------------------------
* präsentiert von !
* Unsere täglichen KI-News von IT Boltwise® bei abonnieren!
* KI-Meldungen bequem via oder per erhalten!
* IT Boltwise® bei oder als Fan markieren und abonnieren!

* von IT Boltwise für KI-News speichern!
--------------------------------------------------------------------------------
Die US-Verkehrssicherheitsbehörde NHTSA will die Zulassungsvorschriften so
ändern, dass vollautonome Fahrzeuge künftig ohne manuelles Bremspedal auskommen
dürfen. Damit rückt ein zentraler Baustein der Robotaxi-Realität näher:
Fahrerlose Fahrzeuge sollen legal am Straßenverkehr teilnehmen, solange sie die
gleichen sicherheitsrelevanten Kriterien für den Bremsweg erfüllen. Wie
NHTSA-Direktor Morrison einordnete, t es sich dabei um einen „bedeutenden
technologischen Meilenstein“ für die gesamte . Der Vorschlag startet mit einem
öffentlichen Stellungnahmefenster von 30 Tagen – Zeit, in der sich entscheidet,
wie streng die Behörden Kontrollmechanismen künftig auslegen.
Technisch betrachtet verlagert sich der Fokus von einer klassischen Bedienkette
hin zu redundanten Systemen, die Verzögerung, Erkennung und Ausführung
deterministisch nachweisen müssen. Das Bremspedal als Symbol für eine
menschliche Zugriffsmöglichkeit ist damit nicht automatisch „weg“, sondern wird
regulatorisch durch eine gleichwertige technische Funktion ersetzt: Sensorik,
Software-Logik und Antriebs-/Bremsaktuatoren müssen so zusammenspielen, dass im
relevanten Szenario zuverlässig die erforderlichen Bremswege erreicht werden.
Für Entwickler bedeutet das: Validierung, Failover-Strategien und
nachvollziehbare Testverfahren werden noch wichtiger, weil die Behörde stärker
prüfen wird, wie das System ohne menschliche Interaktion „in den Grenzfall“
hinein reagiert.
STELLENANGEBOTE
Während die Regeländerung in Washington diskutiert wird, arbeitet parallel an
mehreren Fronten, die zeigen, wie eng Zulassung und Feldbetrieb zusammenhängen.
Laut Berichten wurde am 21. und 25. Juni ein Semi mit spezieller
FSD-Validierungshardware in Kalifornien auf öffentlichen Straßen gesichtet –
ohne Anhänger, vermutlich um Daten in einer kontrollierteren Umgebung zu
erfassen. Gleichzeitig läuft die Serienproduktion des Cybercab in Texas: Seit
dem 24. Juni sollen mehr als 150 Einheiten in der Gigafactory Texas gesichtet
worden sein. Beobachter beschreiben dabei eine Mischung aus Konfigurationen,
darunter Modelle ohne Lenkrad und provisorische Varianten für die frühe
Datenerfassung. Der Markt sieht darin ein klares Signal: s Robotaxi-Plan hängt
nicht allein an Hardware, sondern an der Fähigkeit, regulatorisch verwertbare
Nachweise in schneller Frequenz zu liefern.
Im direkten Wettbewerbsumfeld wird die technische Strategie spürbar, auch wenn
die Details je Anbieter unterschiedlich ausfallen. Ein Vergleich in Austin
stellte s Robotaxi-Ansatz mit Kamera-Fokus den Diensten von Waymo und gegenüber.
Das Ergebnis wurde als konservativ, aber „souverän“ beschrieben; zugleich lagen
die Betriebskosten laut dieser Darstellung rund 25 Prozent unter denen
traditioneller Fahrdienste. Entscheidend ist jedoch nicht nur der Kostenpunkt,
sondern die Skalierbarkeit: Wie gut lässt sich eine Kamera-basierte Wahrnehmung
mit dem passenden Sicherheits- und Monitoring-Stack betreiben, sobald die
Fahrzeuge in größeren Betriebsgebieten laufen? Genau hier wird die
NHTSA-Regeländerung zum Markt-Taktgeber, weil sie den Zeitpunkt beeinflusst, ab
wann Flotten ohne menschliche Notfall-Interaktion in den Dauerbetrieb gehen
können.
Der Blick über die hinaus zeigt, dass „Zulassung“ global selten ein einziger
Schalter ist. In der EU blockiert Schweden Berichten zufolge eine EU-weite
Einführung, obwohl mehrere Länder im Frühjahr bzw. danach bereits vorläufige
Typgenehmigungen erteilten. Der Kernstreitpunkt ist die „Speed Offset“-Funktion:
Sie erlaubt unter bestimmten Bedingungen Abweichungen von
Geschwindigkeitsbegrenzungen, was aus schwedischer Sicht dem Sicherheitsziel
zuwiderlaufen könnte. Finnlands Behörde Traficom prüft das System hingegen
bereits seit Jahresbeginn und sieht Potenzial zur Unfallreduzierung, weil die
Technik in vielen Situationen stabilere Entscheidungen treffen könne als
menschliche Fahrer. Die finale Entscheidung könnte sich vor der geplanten
Abstimmung im Oktober 2026 herauskristallisieren – ein Zeitfenster, das für und
andere Anbieter über Markteintritte mitbestimmt.
Auch Haftung und Aufsicht bleiben zentrale Faktoren, selbst wenn die Technik
schneller wird. In Texas wurde Ende Juni eine Klage im Zusammenhang mit einem
tödlichen Unfall mit einem Model 3 eingereicht, bei dem ein Fahrzeug ein Haus
gerammt haben soll. Die rechtliche Lage ist besonders sensibel, weil die
Unfallursache zwischen „Assistance-System aktiv“ und „menschliche Übersteuerung“
streitig sein kann. In der Schilderung gegenüber Behörden soll „Autopilot aktiv“
behauptet worden sein, während laut Darstellung ein -Managementvertreter auf
Basis von Fahrzeugdaten widersprach: Das Gaspedal sei zu 100 Prozent
durchgetreten worden, das Auto habe 117 km/h erreicht. Parallel laufen
Ermittlungen von NTSB und NHTSA; ein vorläufiger Bericht wird innerhalb von 30
Tagen erwartet, der Abschlussbericht kann bis zu 24 Monate dauern. Für
Flottenbetreiber heißt das: Transparenz in der Datenaufbereitung und eine
saubere forensische Prozesskette sind künftig Teil des Betriebsmodells.
Aus Unternehmenssicht verschiebt die NHTSA-Vorlage damit das Prioritätenprofil
im Regulatory-Engineering. Nicht jede Flotte kann sofort umstellen, weil die
Anforderungen an Bremsweg-Nachweise, Systemredundanz und Mess-/Testmethodik
präzise sein müssen. Gleichzeitig entsteht eine neue Bewertungslogik: Welche
Architektur kann der Regulator am Ende „verstehen“ und wiederholen? Im
Unterschied zu früheren Generationen automatisierter Assistenzsysteme, die oft
auf menschliche Eingriffsmöglichkeiten setzten, verlangt vollautonomes Fahren
überzeugende Belege für kontrolliertes Verhalten. In der Praxis bedeutet das für
KI-Entwicklungsteams: Sie müssen Modellgrenzen dokumentieren, ODD-Parameter
(Operational Design Domain) scharf definieren und Monitoring-Mechanismen so
gestalten, dass sie auch im Ereignisfall schnell interpretierbar sind.
Für die weitere Entwicklung ist die Richtung klar, auch wenn der Weg
uneinheitlich bleibt. In den könnte die Regeländerung schon kurzfristig über den
Status eines Vorschlags hinausgehen, sobald NHTSA die Kommentare aus , und
Sicherheitsverbänden einarbeitet. In der EU wiederum entscheidet sich an
Funktionen wie „Speed Offset“ sowie an der Bereitschaft nationaler Behörden,
einheitliche Sicherheitsargumente anzuerkennen. Gleichzeitig wird die politische
Realität von Unfällen die Zulassungsdiskussionen weiter prägen. Wenn die Tests
von Robotaxi- und Schwerlastflotten in dieser Geschwindigkeit fortgesetzt
werden, ist für Entwickler in den nächsten Monaten entscheidend, wie schnell
sich validierbare Sicherheitsartefakte standardisieren lassen. Genau davon hängt
ab, ob Robotaxi-Betriebe nicht nur technisch möglich, sondern auch nachhaltig
rechtlich tragfähig werden.
💳
🔥
🎉
* 🤖 Präzisions-Roboterarm – Spielen wie gegen einen echten Gegner – SenseRobot
reproduziert das reale Schacherlebnis mit einem mechanischen Arm, der Figuren
mit weniger als 1 mm Genauigkeit bewegt und jeden Zug in nur 8 Sekunden
ausführt – im gleichen Tempo wie ein professioneller Spieler.
* IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist
ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine
Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er
auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
* V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von
Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung
hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und
anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen.
Mobile Hotspots können sich mit Loona verbinden und überwinden
WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren
können.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------

Quelle: www.it-boltwise.de

LONDON (IT BOLTWISE) – Garfield AI, die in Großbritannien regulierte
KI-Law-Firm, hat in England einen Rechtsstreit für eine Klägerin gewonnen.
Entscheidend: Das System übernahm laut Berichten den gesamten Vorprozess,
einschließlich Gerichtsdokumenten und Zeugenmaterial, ohne anwaltliche Aufsicht.
Erst in der mündlichen Verhandlung trat ein menschlicher Advocate auf. Das
Urteil gilt als wegweisender Test dafür, wie weit „regulated legal AI“ in der
Praxis schon reicht.
--------------------------------------------------------------------------------
* präsentiert von !
* Unsere täglichen KI-News von IT Boltwise® bei abonnieren!
* KI-Meldungen bequem via oder per erhalten!
* IT Boltwise® bei oder als Fan markieren und abonnieren!

* von IT Boltwise für KI-News speichern!
--------------------------------------------------------------------------------
In der juristischen Praxis ist die Hürde für viele kleine Forderungen oft nicht
das materielle Recht, sondern der Aufwand: Zeit für Formfehler, Kosten für
anwaltliche Begleitung und die Unsicherheit, welche Dokumente am Ende wirklich
vor Gericht tragen. Genau hier setzt Garfield AI an und liefert nun einen
belastbaren Praxisbeleg. Berichten zufolge hat die UK--Gründung einen Fall in
England gewonnen, den sie bereits im Vorfeld weitgehend ohne Anwaltssupervision
abgewickelt hatte. Für die Branche ist dabei nicht nur das Ergebnis relevant,
sondern das Prozessmodell: Von der ersten formalen Abmahnung bis zu den trial
bundles vor der Verhandlung soll die KI den operativen Kern getragen haben.
Konkret ging es um eine nicht bezahlte Rechnung einer freiberuflichen
HR-Beraterin. Die Forderung belief sich auf nahezu 7.000 britische Pfund, was
nach Angaben aus der Vorlage einem Betrag von rund 13.200 US-Dollar entspricht.
Garfield AI bereitete demnach ein formales Demand Letter vor und brachte
anschließend die Angelegenheit in ein gerichtliches Verfahren. Im Zeitraum vom
Beginn des Streits bis zur Trial-Bereitschaft übernahm das System die Erstellung
von Gerichtsunterlagen, die Aufbereitung von Zeugenaussagen sowie das
Zusammenstellen der Bündel, die in der mündlichen Verhandlung benötigt werden.
Der entscheidende Punkt: Diese Vorarbeit erfolgte ohne kontinuierliche
juristische Kontrolle durch einen Anwalt.
STELLENANGEBOTE
Der Prozess blieb jedoch nicht vollständig „ohne Mensch“. Bei der Verhandlung im
Wandsworth County Court am 14. Mai wurde die Klägerin laut Bericht von einem
menschlichen Advocate vertreten. Kurz vor Verhandlungsbeginn beauftragte die
KI-gestützte Kanzlei einen Junior Barrister, Dominic Li von One Essex Court, um
für die Mandantin aufzutreten. Li bewertete die Vorbereitung von Garfield AI
positiv und hob hervor, dass der Fall für die Präsentation „klar und effizient“
aufbereitet sei. Gleichzeitig betonte er, dass Advocacy in der mündlichen
Verhandlung unverändert essenziell und grundsätzlich eine menschliche Aufgabe
bleibt. Genau an dieser Schnittstelle zeigt sich ein Muster, das sich auch in
anderen RegTech-Use-Cases abzeichnet: Automatisierte Vorarbeit, aber menschliche
Verantwortung dort, wo Argumentation, Eindruck und Risikomanagement dichter
zusammenliegen.
Technisch lässt sich das als Architekturentscheidung verstehen: KI übernimmt die
wissens- und textlastige Vorbereitungsphase, während der menschliche Part die
letzte Meile der prozessualen Strategie und die Verhandlungsführung abdeckt. Für
Unternehmen ist das ein Unterschied zwischen „KI als Autor“ und „KI als
Prozess-Controller“. Wenn ein System Dokumente, Zeugenaussagen und
Evidence-Bundles erzeugt, muss es nicht nur sprachlich plausibel sein, sondern
auch konsistent mit Verfahrensanforderungen und Fristen. Der Vergleich zu
früheren Ansätzen zeigt, warum dieser Schritt so bedeutend ist: In vielen
Legal-Tech-Piloten lagen KI-Fähigkeiten lange nur auf Vertrags- oder
Rechercheebene, während die strukturierte Prozessarbeit vor Gericht meist
weiterhin manuell von Juristen erledigt wurde.
Marktseitig ordnet sich Garfield AI in ein Umfeld ein, in dem sich die Anbieter
seit Jahren um Effizienzversprechen bemühen. Beispiele aus der Vergangenheit
sind Plattformen, die standardisierte Rechtsprodukte oder Self-Help-Workflows
anbieten und damit vor allem Routinefälle adressieren. Garfield AI macht nun
jedoch eine deutliche Aussage über regulierte KI: Nach Angaben aus der Vorlage
wurde die Lösung durch die britische Solicitors Regulation Authority (SRA)
autorisiert und reguliert. Gerade diese Regulierung ist in der Praxis ein
Wettbewerbsfaktor, weil sie die Frage beantwortet, wer verantwortlich zeichnet,
wenn ein KI-generierter Output in einem formalen Verfahren landet. Im Kontext
anderer Anbieter und Wettbewerber, die eher auf Beratungstiefe oder
Dokumentenerstellung setzen, wirkt Garfield AI damit wie ein
„Process-first“-Ansatz.
Expertenperspektivisch ist der Tenor klar: Es geht weniger um einen Ersatz von
Juristen, sondern um den Zugang zu Gerichtsbarkeit. Die Mitgründer machen diese
Zielrichtung in ihren Aussagen deutlich. In der Vorlage wird Philip Young so
wiedergegeben, dass der Fall einen Meilenstein für den Zugang zum Recht
darstellt, besonders für Einzelpersonen und kleine Unternehmen, die Forderungen
wegen Kosten, Zeit und psychischer Belastung oft aufgeben. Auch CTO Daniel Long
ordnet das Ergebnis als realen Nutzen regulierter Legal-KI ein und verweist
darauf, dass es nicht um „Gimmicks“ gehe, sondern um Tools, mit denen Rechte
durchsetzbar werden, wenn der klassische Weg zu langsam, zu teuer oder zu
komplex ist. Solche Aussagen sind aus Market-Sicht entscheidend, weil sie die
Erwartungshaltung von „KI als Ersatz“ hin zu „KI als Enabler“ verschieben.
Für die Marktanalyse bedeutet das Urteil vor allem: Es erhöht die
Glaubwürdigkeit von regulierten KI-Workflows, die sich nicht nur in Prompts und
Demo-Dokumenten beweisen, sondern in einem konkreten Verfahren. Auch wenn ein
einzelnes Urteil nicht automatisch skaliert werden kann, ist es ein Proof Point,
der in Enterprise-Entscheidungen hineinwirkt. Gerade für Rechtsabteilungen in
Unternehmen oder für Legal-Ops-Teams in s ist die zentrale Frage: Welche Teile
des Workflows lassen sich standardisieren, ohne die fachliche Verantwortung zu
verlieren? In der Vorlage wird der Wert explizit als „complement“ formuliert: KI
ersetzt weder Richter noch Barrister noch das Rechtssystem, sondern macht den
Prozess zugänglicher, effizienter und bezahlbarer. Damit adressiert Garfield AI
eine der größten CFO-Friktionen im Rechtsbereich: kalkulierbare Vorlaufkosten
bei gleichzeitiger Verfahrensfähigkeit.
Regulatorisch und rechtlich ist der Fall zugleich ein Stresstest. Wenn eine
KI-gestützte Kanzlei komplette Vorprozesse übernimmt, wachsen die Anforderungen
an Governance, Dokumentationspflichten und Zugriffskontrollen. In würden
ähnliche Workflows typischerweise an strenge Vorgaben zur Vertraulichkeit, zur
Rechtsgrundlage der Datenverarbeitung und an nachvollziehbare
Verarbeitungsketten gekoppelt. Für das UK-Umfeld spielt zusätzlich die
SRA-Regulierung eine Schlüsselrolle, weil sie Erwartungen an Aufsicht,
Qualitätssicherung und Verantwortungszuordnung setzt. Dass bei der Verhandlung
ein menschlicher Advocate auftritt, kann dabei als operatives Sicherheitsnetz
interpretiert werden: selbst wenn die Vorbereitung automatisiert läuft, bleibt
die letzte prozessuale Bewertung nicht vollständig ausgelagert.
Der Ausblick dürfte damit zweigeteilt sein. Kurzfristig wird sich in der Branche
vor allem die Diskussion verschärfen, welche Verfahrensarten für „automatisierte
Vorarbeit“ besonders geeignet sind: unstrittige Forderungen, standardisierte
Beweisführung und klar definierte Dokumentklassen. Mittel- bis langfristig
erwarten Beobachter eine weitere Verfeinerung der KI-gestützten
Qualitätskontrollen, etwa durch bessere Konsistenzchecks zwischen Demand Letter,
Schriftsätzen und Zeugenstatement. Für Entwickler eröffnet das konkrete Chancen:
Wer KI-gestützte Legal-Pipelines baut, braucht robuste Schnittstellen zu
Dokumentenstrukturen, kontrollierte Modellverhalten und Mechanismen zur
Nachvollziehbarkeit. Genau hier liegt die nächste Phase der Skalierung.
Unterm Strich ist das Verfahren weniger ein „KI-Spektakel“ als ein Signal für
die Reife regulierter Legal-KI-Prozesse. Die Kombination aus KI-gestützter
Vorbereitungsarbeit, menschlicher Advocacy in der mündlichen Verhandlung und
klarer Regulierung durch die SRA schafft ein Modell, das für viele ähnliche
Fälle in Frage kommt. Wenn Garfield AI die Erfolgsquote in Folgeverfahren hält
und gleichzeitig Risiken wie fehlerhafte Dokumentkonsistenz oder unpassende
Argumentationslinien reduziert, könnte der Ansatz in der Breite Fuß fassen. Dann
würde sich der Markt weiter verschieben: von der Frage, ob KI Texte kann, hin
zur Frage, ob KI Prozessketten zuverlässig durchläuft und am Ende tatsächlich
gerichtsfähig macht.
💳
🔥
🎉
* 🤖 Präzisions-Roboterarm – Spielen wie gegen einen echten Gegner – SenseRobot
reproduziert das reale Schacherlebnis mit einem mechanischen Arm, der Figuren
mit weniger als 1 mm Genauigkeit bewegt und jeden Zug in nur 8 Sekunden
ausführt – im gleichen Tempo wie ein professioneller Spieler.
* IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist
ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine
Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er
auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
* V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von
Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung
hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und
anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen.
Mobile Hotspots können sich mit Loona verbinden und überwinden
WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren
können.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------

Quelle: www.it-boltwise.de

BERLIN / LONDON (IT BOLTWISE) – Eine Expertenkommission empfiehlt, Social Media
für Kinder unter 13 Jahren grundsätzlich zu sperren. Statt nur auf harte Verbote
zu setzen, rücken die Autoren auch eine risikobasierte Regulierung in den Fokus:
Plattformen sollen potenziell schädliche Funktionen für Minderjährige
automatisch deaktivieren. Parallel soll es bis zur siebten Klasse ein
Handyverbot an Schulen geben, während ab der achten Klasse verbindliche
Nutzungskonzepte gelten. Für Künstliche Intelligenz schlagen die Experten vor,
Chatbots erst ab 13 freizuschalten und jüngeren Kindern spielerisch den sicheren
Umgang zu vermitteln.
--------------------------------------------------------------------------------
* präsentiert von !
* Unsere täglichen KI-News von IT Boltwise® bei abonnieren!
* KI-Meldungen bequem via oder per erhalten!
* IT Boltwise® bei oder als Fan markieren und abonnieren!

* von IT Boltwise für KI-News speichern!
--------------------------------------------------------------------------------
Die Debatte um Kinderschutz im digitalen Raum bekommt in neue Dynamik: Eine
Expertenkommission hat einen Maßnahmenkatalog veröffentlicht, der beim
Kernprinzip ansetzt, Social Media erst ab 13 Jahren zuzulassen. Die Begründung
zielt weniger auf Moralfragen als auf messbare Risiken durch frühe Exposition
gegenüber aufmerksamkeitsstarken Interfaces. Laut den Angaben in dem Bericht
zeigen demnach rund 300.000 Jugendliche bereits ein Suchtverhalten im
Zusammenhang mit digitalen en. In den kommenden Wochen wird vor allem politisch
um Mehrheiten gerungen werden, denn Parteien priorisieren die Schutzintention
unterschiedlich – von „strikten Altersgrenzen“ bis zu „App-abhängigen“ Modellen.
Technisch interessant ist dabei vor allem der zweite Teil der Empfehlung: Falls
keine pauschale Sperre gelingt, sollen Plattformen einer risikobasierten Logik
folgen. Konkret geht es um Funktionen wie algorithmische Feeds, Endlos-Scrolling
und personalisierte Werbung, die bei Minderjährigen automatisch deaktiviert
werden sollen. Der Kern ist dabei weniger die Frage, ob Inhalte „jugendfrei“
sind, sondern wie stark ein System das Nutzerverhalten in Richtung längerer
Sitzungen und wiederholter Interaktion optimiert. Genau hier treffen
Produktdesign, Werbeplattformen und KI-gestützte Personalisierung aufeinander.
Damit entsteht ein klarer Pflichtenhebel für Betreiber – aber auch ein
Umsetzungsaufwand für die technische Durchsetzung.
STELLENANGEBOTE
Ergänzend zum Plattformschutz nennt der Bericht den Schulkontext als zweite
Eintrittspforte. Vorgesehen ist ein bundesweites Handyverbot bis zur siebten
Klasse, ab der achten Klasse sollen verbindliche Nutzungskonzepte gelten, die
gemeinsam mit Schülerinnen und Schülern entwickelt werden. Das ist auch deshalb
bedeutsam, weil Mobilgeräte nicht nur Kommunikationsmittel sind, sondern über
Benachrichtigungen, Kamera-Features und Instant-Messaging die Aufmerksamkeit
permanent abrufen. Im Vergleich zu „rein regulatorischen“ Ansätzen in den frühen
Jahren der setzt der Vorschlag stärker auf Regeln im pädagogischen Betrieb. In
der Praxis bedeutet das: Schulen müssen Prozesse für Ausnahmen definieren,
Lehrkräfte schulen und gleichzeitig sicherstellen, dass Lern-Apps nicht zu
Schattenwelten werden.
Auch bei Künstlicher Intelligenz will die Kommission klare Altersgrenzen.
Chatbots sollen demnach erst ab 13 zugänglich sein; für Grundschüler empfiehlt
der Bericht ein „KI-Seepferdchen“ als niedrigschwellige Lernform, um
Basiskompetenzen aufzubauen. Damit wird der Begriff „KI-Kompetenz“ konkret:
Nicht die Tools werden verboten, sondern die Reife des Kontexts wird zum
Entscheidungskriterium. Unternehmen und Entwickler kennen dieses Muster bereits
aus anderen Risiko-Designs, etwa bei Chat-Moderation oder bei der
Rollenverteilung in Lernsystemen. Der politische Streit darum, wie weit man
technische Barrieren (Zugang) und pädagogische Maßnahmen (Umgang) trennen
sollte, erinnert an frühere Debatten zur Jugendschutzsoftware. Damals ging es um
Filter; heute geht es um KI-Interaktion, die potenziell Beratung, Auskunft und
kreative Inhalte in Echtzeit liefert.
Der Markt reagiert ohnehin längst, aber häufig nicht in der gewünschten
Geschwindigkeit. Große Plattformen wie , Instagram oder Dienste von haben zwar
Alters- und Identitätsmechanismen etabliert, sie orientieren sich jedoch oft an
unterschiedlicher Datentiefe und an Compliance-Strategien, die je Region
variieren. In wird jetzt der Druck steigen, diese Maßnahmen nicht nur
„vorzuhalten“, sondern nachweisbar so zu konfigurieren, dass bestimmte
Funktionalitäten auch wirklich deaktiviert sind. Erfahrungen aus Australien
werden als Warnsignal herangezogen: Schätzungen zufolge umgehen dort 70 bis 85
Prozent der unter 16-Jährigen bestehende Altersbeschränkungen. Das
unterstreicht, wie entscheidend die Durchsetzung über verlässliche Identitäts-
und Authentifizierungsprozesse ist – und warum reine App-Formulare selten
genügen.
Ein möglicher technischer Schlüssel könnte die geplante EUDI-Wallet sein, eine
digitale Identität, die für 2027 avisiert ist. Die Idee dahinter:
Altersnachweise könnten künftig stärker standardisiert und vertrauenswürdig
bereitgestellt werden, statt auf Selbstauskünften zu beruhen. Damit würde sich
die Regulierung von „Hard Gates“ hin zu kontrollierter, datensparsam geprüfter
Freigabe verschieben. Historisch scheiterte Altersverifikation in vielen
Kontexten an Reibung (Nutzer frustriert) und an der Frage, welche Daten der
Plattform wirklich zustehen. Für die aktuelle Diskussion heißt das: Wenn
Identitätsmechanismen zu spät ausrollt, bleibt das Risiko hoch, dass Plattformen
die Sperren formal umsetzen, aber praktisch umgehen lassen. Experten berichten
zudem aus der Bildungsszene, dass „pauschale Verbote allein nicht reichen“,
sondern Medienbildung, stärkere Plattformregulierung und Elternunterstützung
parallel wachsen müssen.
Wie es weitergeht, ist auch eine Frage der Rechtsarchitektur. Der Bericht zielt
unter anderem darauf, die elterliche Verantwortung für Medienerziehung im
Bürgerlichen buch explizit zu verankern. Parallel werden politisch
unterschiedliche Vorlieben sichtbar: Die SPD plädiert für ein Verbot für Kinder
unter 14 Jahren, die Union setzt auf variable Altersgrenzen abhängig von der
jeweiligen App. Der Philologenverband NRW wiederum befürwortet das Handyverbot
bis Klasse 7, lehnt aber ein generelles Social-Media-Verbot für unter 16-Jährige
ab. Für Unternehmen bedeutet das: Erwartet werden nicht nur „Policy-Statements“,
sondern belastbare Umsetzungen in Produkt, Backend und Moderationsprozessen.
Besonders relevant ist dabei die Kombination aus , Minimierung personenbezogener
Daten und nachweisbarer Funktionskontrolle – also eine technische Architektur,
die Alterschecks nutzt, aber keine dauerhafte Überwachung der Minderjährigen
aufbaut.
Für die nächsten Monate dürfte sich die praktische Arbeit vor allem auf vier
Achsen konzentrieren: erstens die Altersverifikation, zweitens die automatische
Deaktivierung risikoreicher Features, drittens die Absicherung über Nutzungs-
und Kontextregeln in Bildungseinrichtungen und viertens transparente
Kommunikation gegenüber Eltern und Nutzern. Aus Entwicklersicht ist das ein
klarer Impuls für „Privacy by Design“: Authentifizierung muss so gestaltet
werden, dass sie für die Freischaltung genügt, aber möglichst wenig Profilierung
ermöglicht. Gleichzeitig steigt der Druck auf die KI-Ökosysteme, denn Chatbots
sind längst in Arbeits- und Lernabläufe eingedrungen. Wenn die Freigabe ab 13
wirklich als regulatorischer Maßstab greift, werden Anbieter ihre Sicherheits-
und Content-Policies feingranularer aussteuern müssen. Die wahrscheinlichste
Entwicklung ist damit weniger ein Verbotstourismus, sondern eine schrittweise
Standardisierung sicherer, altersabgestufter Benutzerwelten.
💳
🔥
🎉
* 🤖 Präzisions-Roboterarm – Spielen wie gegen einen echten Gegner – SenseRobot
reproduziert das reale Schacherlebnis mit einem mechanischen Arm, der Figuren
mit weniger als 1 mm Genauigkeit bewegt und jeden Zug in nur 8 Sekunden
ausführt – im gleichen Tempo wie ein professioneller Spieler.
* IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist
ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine
Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er
auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
* V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von
Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung
hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und
anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen.
Mobile Hotspots können sich mit Loona verbinden und überwinden
WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren
können.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------

KI News

Fr., 26. Juni 2026

18:03: Antwort auf Claude Mythos: OpenAI stellt GPT-5.6 "Sol" vor

17:07: 19 Tage ohne menschliche Hilfe: KI-Benchmark MirrorCode lässt Modelle tagelang autonom programmieren

14:50: KI-Startup spart Millionen: Lindy wechselt komplett von Claude zu Deepseek

12:23: OpenAI verschiebt Börsengang offenbar auf 2027, SoftBank-Aktie stürzt ab

11:10: Anthropic braucht dank KI keine Junioren mehr und warnt vor einem Wirtschaftsschock, wenn andere Branchen folgen

09:23: Linux Foundation startet Industrieallianz gegen KI-gestützte Angriffe auf Open Source

09:00: KI-Governance: Warum der Chief AI Officer entscheidend ist

08:26: Mercedes-Benz setzt auf KI-Einsatz bei 70 Prozent der Belegschaft

07:28: US-Regierung lässt OpenAI GPT 5.6 nur mit Genehmigung "Kunde für Kunde" veröffentlichen

07:04: Humanoide Pflegeroboter: China verdoppelt Absatzprognose auf 50.000 Einheiten

06:00: Datensouveränität im KI-Zeitalter neu denken

05:00: Legacy-Systeme modernisieren: KI statt Rip and Replace

03:37: BMW setzt humanoide Figure-03-Roboter in Spartanburg für fehlerfreies Paket-Handling ein

03:23: NHTSA plant Zulassung autonomer Autos ohne Bremspedal – Teslas Robotaxi rückt näher

03:07: Garfield AI gewinnt Gerichtsverfahren: KI-Law-Firm ohne Anwalt in der Vorarbeit

01:43: Social-Media-Verbot ab 13: Experten fordern KI-Regeln und Schutz an Schulen