KI News

Quelle: www.it-boltwise.de

BRASILIEN / LONDON (IT BOLTWISE) – In Brasilien soll ein Mann über Wochen mit
einen Kindermord geplant haben. Die KI erkannte den Inhalt als akute Gefahr und
löste eine Meldung an die Polizei aus. Laut dem Bericht wurde der Kontakt
international weitergereicht: Zuerst in den , dann an die Technik-Einheit des
Justizministeriums in Brasilien. Ein Gericht ordnete später Auflagen an, während
die Ermittlungen noch laufen.
--------------------------------------------------------------------------------
* 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!
--------------------------------------------------------------------------------
Der Fall zeigt, wie sich der Umgang mit KI-gestützten Chats vom reinen
„Content-Risiko“ hin zu einem tatsächlichen Sicherheitsprozess verschiebt. In
Brasilien soll ein 36-jähriger Landwirt über mehr als zwei Monate hinweg in
Gesprächen mit detailliert geplant haben, seinen 8-jährigen Sohn und sich selbst
zu töten. Dabei hatte das System offenbar Inhalte als gefährdend eingeordnet und
einen Alarm ausgelöst, der schließlich den Weg zu den zuständigen Stellen nahm.
Der Mann wurde am 19. Juni verhaftet, nachdem die Meldung kurz zuvor in der
Behördenkette wirksam wurde.
Technisch betrachtet liegt die Brisanz nicht nur im Modell selbst, sondern in
der Kombination aus Erkennung, Meldelogik und anschließender Weitergabe. Laut
den Schilderungen löste das Chat-Handling eine Warnung im Sicherheitssystem aus,
sobald die Formulierungen des Nutzers in den Bereich akuter Gewaltabsichten
fielen. Anschließend informierten die Betreiber von offenbar das in den ; das
wiederum kontaktierte brasilianische Behörden, sodass die Informationen am 16.
Juni bei der „Ciberlab“-Technikeinheit des brasilianischen Justizministeriums
ankamen. Drei Tage später folgte die Festnahme durch die Polizei – eine
zeitliche Kette, die in der Praxis darauf hindeutet, dass das System nicht erst
nach einer Tat eingreift, sondern potenziell präventiv.
Die Diskussion um KI-Sicherheit speist sich seit Jahren aus genau diesem
Spannungsfeld: Chatbots sind dialogorientiert, während rechtlich und
organisatorisch geregelte Meldewege an Zuständigkeiten, Fristen und
Beweisbarkeit gebunden sind. Im vorliegenden Bericht wird explizit
herausgestellt, dass in der Vergangenheit oft kritisiert wurde, weil konkrete
Selbst- oder Fremdverletzungspläne nicht zuverlässig an Behörden weitergegeben
worden seien. Gleichzeitig wird der konkrete Vorgang als Beispiel dafür
dargestellt, dass hier aktiv gehandelt wurde und die Meldung die Behörden
erreichte, bevor es zum angekündigten Mord kam. Dass dabei nur die „Nachrichten“
und nicht der komplette Antwortverlauf der KI an die Ermittlungsstellen
gelangten, macht wiederum klar, worin eine potenzielle Lücke liegen kann: Für
die Bewertung kann es darauf ankommen, welchen Prompt-Kontext die Polizei
letztlich wirklich zur Verfügung hatte.
Der Inhalt der Chatprotokolle wurde im Bericht mit mehreren konkreten Elementen
beschrieben: Der Mann soll wochenlang erklärt haben, er wolle verstehen, woher
der Wunsch komme, anderen Menschen Schaden zuzufügen, und er habe dabei auch ein
emotionales Motiv betont. Zusätzlich wird erwähnt, dass er recherchiert habe,
wie man aus Rizinussamen das tödliche Gift Rizin gewinnen kann. Als weiteres
Motiv führt die Polizei an, dass es dem Mann offenbar auch um
Unterhaltszahlungen gegangen sei; bei einer Durchsuchung seien vier Flaschen mit
einer unbekannten Substanz sowie ein Seil gefunden worden. Für Ermittler ist die
Mischung aus Absichtserklärung, Substanzbezug und konkreter Vorbereitung
relevant, weil sie die Schwelle von „gedanklicher Fantasie“ zu möglicher
Handlungssimulation überschreiten kann.
Am Ende des Prozesses stand zunächst Untersuchungshaft, danach aber eine
Freilassung: Der Mann kam am 13. August nach 54 Tagen wieder frei. Das Gericht
begründete die Entscheidung mit übermäßigen Verzögerungen bei den Ermittlungen.
Gleichzeitig erhielt er Auflagen, darunter eine elektronische Fußfessel sowie
ein Annäherungsverbot an seinen Sohn und dessen Mutter. Damit entsteht ein
praktisches Bild, wie Sicherheitsmaßnahmen trotz gerichtlicher Entscheidungen
weiterlaufen können: Die KI-Meldung wirkt als Startsignal, während das
Justizsystem die weitere Risikoeinordnung über Zwangsmaßnahmen, Auflagen und
Begründungen des Gerichts steuert.
Die juristische Einordnung bleibt jedoch umstritten. Der Verteidiger Pedro Pessi
argumentierte sinngemäß, dass schon das Sprechen mit KI und das Reden „über
Unsinn“ zur Haft führen könne – eine Sicht, die den Fall als Überschreitung der
Grenzen zwischen Dialog und strafbarer Handlung rahmt. Parallel dazu kritisierte
Rechtsanwältin Maedra Fernandes, ohne den vollständigen Gesprächsverlauf fehle
der Kontext; isolierte Ausschnitte könnten den Sinn verändern. Genau hier
treffen Sicherheitsinteressen auf Verteidigungsrechte: Selbst wenn eine
Meldelogik gut funktioniert, muss für die gerichtliche Bewertung der verwendete
Gesprächsmaterialumfang nachvollziehbar bleiben. Das brasilianische
Justizministerium bezeichnete den Vorgang als den bei Weitem schwersten Fall
dieser Art im Land, und es heißt, es e sich um den dritten Fall in Brasilien,
bei dem eine KI aktiv vor einem geplanten Verbrechen warnte. Die Ermittlungen
gegen den Mann dauern laut Bericht weiterhin an.
💳
🔥
🎉
152 Bewertungen
* ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln –
Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von
18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und
ihr Spiel verbessern möchten.
334 Bewertungen
* 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.
79,90 EUR
1.501 Bewertungen
* 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen
Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen,
ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr
Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch
– Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
169,00 EUR
53 Bewertungen
* 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie
verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für
Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr
Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren,
veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm
und das Gerät wiegt nur 355 g.
946 Bewertungen
* 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.
535,50 EUR
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
189,00 EUR
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
64,00 EUR
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
16,14 EUR
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
169,90 EUR
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------

Quelle: the-decoder.de

Nvidia und OpenAI stehen kurz vor einem Deal zur Finanzierung eines riesigen
Rechenzentrums in Ohio, haben die Konditionen aber deutlich angepasst.
Statt wie ursprünglich geplant 250 Milliarden Dollar abzusichern, würde Nvidia
zunächst nur knapp 120 Milliarden Dollar garantieren, . Grund seien Sorgen von
Investoren über Nvidias Risikobelastung.
Die Garantie deckt zunächst die erste Bauphase mit rund fünf Gigawatt Leistung
ab. OpenAI verhandelt parallel über einen Mietvertrag für das gesamte
10-Gigawatt-Projekt, das von SB Energy, einer SoftBank-Tochter, entwickelt wird.
Zusätzlich bespricht Nvidia eine separate Finanzierung für OpenAIs Chip-Einkäufe
in Höhe von bis zu 350 Milliarden Dollar.
Anzeige
Die Verkleinerung des Deals dürfte jenen . Dass Nvidia auf Investoren-Druck sein
Risiko halbiert, könnte als Zeichen gedeutet werden, dass selbst die größten
Profiteure der KI-Welle vorsichtiger werden.
Anzeige
BLASE ODER KEINE BLASE, DAS IST HIER DIE FRAGE
Gleichzeitig liefert Anthropic ein starkes Gegenargument: Der Umsatz des
Unternehmens hat sich in nur einem Quartal mehr als verdoppelt, von 4,73
Milliarden Dollar in Q1 auf mehr als 11,5 Milliarden Dollar in Q2, ein Wachstum
von 14x im Jahresvergleich, .
Für 2028 prognostiziert Anthropic laut mit den Finanzen vertrauten Personen
einen Umsatz von rund 190 bis 200 Milliarden Dollar. Diese Zahl stellt die weit
in den Schatten. Anthropic hat nach eigenen Angaben seinen Umsatz in jedem der
drei Jahre bis Anfang 2026 jeweils mehr als verzehnfacht.
Anzeige
Falls sich diese Zahlen bewahrheiten, wäre das ein starkes Signal dafür, dass
die Nachfrage auch nach proprietären KI-Diensten und weiter massiv wächst.
Anthropic will angeblich Ende September oder Anfang Oktober bei einer Bewertung
. Der Finanzdienstleister .
Anzeige

Quelle: the-decoder.de

Eine Analyse von mehr als 14.000 selbstverlegten Amazon-Büchern zeigt:
KI-generierte Titel verdrängen menschliche Autoren durch schiere Menge statt
durch Qualität. Der Umsatz pro Buch sinkt selbst dort, wo kein KI-Text erkannt
wurde.
Die Forschenden analysierten 14.419 zufällig ausgewählte selbstverlegte E-Books,
die zwischen Januar 2023 und März 2026 erschienen. Für jeden Titel werteten sie
tägliche Verkaufszahlen aus einem internen Datensatz eines der fünf großen
US-Verlage aus. Dieser Datensatz erfasst rund 500.000 Amazon-Titel und deckt
damit nach Angaben der Forschenden etwa 95 Prozent aller täglich verkauften
E-Books auf der Plattform ab.
Anders als frühere Arbeiten, die KI-Text nur aus kurzen Buchvorschauen
erkannten, jedes Buch anhand seines vollständigen Textes. Zum Einsatz kam der
Detektor , dessen Entwickler eine False-Positive-Rate von 0,04 Prozent angeben.
Inzwischen ist . Bücher wurden in drei Bereiche eingeteilt, je nach Anteil des
als KI-generiert erkannten Textes: kein Anteil, leicht (bis 25 Prozent) und
substanziell (über 25 Prozent).
GROSSE KATALOGPRÄSENZ, ABER UNTERDURCHSCHNITTLICHE VERKÄUFE
Bücher mit substanziellem KI-Anteil stellen 20 Prozent des untersuchten
Katalogs, generieren aber nur 12,1 Prozent der Verkäufe und 11,3 Prozent des
Umsatzes. Bücher ohne detektierten KI-Text machen 62,9 Prozent des Katalogs aus
und erwirtschaften 72,5 Prozent des Umsatzes. Auf den ersten Blick scheint das
die Einschätzung zu bestätigen, dass KI-Bücher als "Slop" am unteren Ende des
Marktes bleiben.
Die Studie zeigt jedoch, dass diese Sichtweise die Marktdynamik verfehlt:
Zwischen dem ersten Quartal 2023 und dem ersten Quartal 2026 wuchs der
kumulierte Katalog um das 38,3-Fache, die Zahl der pro Quartal verkaufenden
Titel um das 19,2-Fache. Der Quartalsumsatz stieg nur um das 8,9-Fache.
Wesentlich mehr Bücher konkurrieren also um einen Umsatzpool, der deutlich
langsamer wächst.
DER UMSATZ PRO BUCH FÄLLT AUCH BEI BÜCHERN OHNE DETEKTIERTEN KI-TEXT
In sechs von acht Genres sank der Umsatz pro Buch, wenn man die 2023 und 2025
erschienenen Jahrgänge über das gleiche Zeitfenster nach Veröffentlichung
vergleicht. Betrachtet man ausschließlich Bücher ohne detektierten KI-Text,
fällt der Umsatz sogar in sieben von acht Genres.
Das schließt die Erklärung aus, der Durchschnitt sinke lediglich, weil viele
schlecht verkaufte KI-Bücher den Katalog füllen. Die Autoren nennen diesen
Effekt "Verwässerung", betonen aber, dass die Vergleiche beobachtender und
assoziativer Natur sind und keinen experimentellen Kausalnachweis liefern.
Die einzige Ausnahme ist das Genre Fantasy/Supernatural/Horror, in dem KI-Text
am spätesten und am wenigsten Fuß fasste. Dort stieg der Umsatz pro Buch für
Werke ohne detektierten KI-Text um 35 Prozent. Diese Umkehrung spricht laut den
Forschenden gegen einen allgemeinen Markttrend als Ursache.
Die Muster fallen stärker aus in Genres mit hoher
Kindle-Unlimited-Verfügbarkeit, wo Leser aus einem geteilten Abonnementpool
schöpfen. Dort ist der Vorsprung von Büchern ohne detektierten KI-Text beim
Umsatzanteil um 8,4 Prozentpunkte geringer als in Genres mit niedriger
Kindle-Unlimited-Verfügbarkeit. Die Forschenden führen den Unterschied auf
genrespezifische Eigenheiten zurück und sehen keinen kausalen Zusammenhang mit
Kindle Unlimited.
KI-BÜCHER EROBERN DIE SPITZENRÄNGE
Der Anteil neuer Top-25-Eintritte mit substanziellem KI-Anteil stieg im
Untersuchungszeitraum von nahe null auf 31 Prozent. Gleichzeitig wechselten die
Spitzenränge häufiger die Besetzung. Der Anteil der Bücher ohne detektierten
KI-Text, die von einem Quartal ins nächste in den Top 25 blieben, fiel zeitweise
auf rund 28 Prozent und pendelte sich am Ende des Untersuchungszeitraums bei
etwa 62 Prozent ein.
Bei den Produzenten ballt sich der Output bei wenigen Vielschreibern. Von 385
Autor-Identitäten, die nach ihrem ersten KI-Buch weitere Titel mit
substanziellem KI-Anteil veröffentlichten, steigerten 287 danach ihren
monatlichen Ausstoß. Das umsatzstärkste Pseudonym erzielte mit acht Titeln 1,7
Millionen US-Dollar Bruttoumsatz vor Plattformabzügen. Das umsatzstärkste
einzelne Buch mit substanziellem KI-Anteil kam auf 643.000 US-Dollar bei 80.431
verkauften Exemplaren.
Die Studie erinnert an den , die unter 21 Pseudonymen über 200 Romance-Titel in
einem Jahr veröffentlicht und rund 50.000 Exemplare verkauft haben soll. Auch in
anderen Genres gibt es KI-Spam: Ein Mann ergaunerte sich mit .
ERFOLGREICHE KI-BÜCHER ÜBERLAPPEN MIT SELTENER SPRACHE AUS EXISTIERENDEN WERKEN
Um zu prüfen, in welchem Maß erfolgreiche KI-Bücher mit seltener Sprache aus
bestehenden Büchern überlappen, nutzten die Forschenden das des Allen Institute
for AI zusammen mit dem Google-Books-Index.
Sie identifizierten seltene Ausdrücke, die in höchstens fünf Google-Books-Bänden
vorkommen und in einem 4,7 Billionen Token umfassenden Web-Snapshot vollständig
fehlen. Solche Formulierungen deuten auf sprachliche Muster hin, die eng mit
veröffentlichten Büchern verknüpft sind.
Bei den 50 umsatzstärksten Titeln mit substanziellem KI-Anteil deckten diese
seltenen Ausdrücke 45 Prozent des Textes ab, gegenüber 37,7 Prozent bei den
Top-50-Büchern ohne detektierten KI-Text. Bei preisgekrönter oder für
Literaturpreise nominierter Belletristik lag der Wert bei nur 19,1 Prozent.
Innerhalb der KI-Bücher stieg die Überschneidung mit dem Umsatz um 7,6
Prozentpunkte pro Verzehnfachung der Einnahmen. Bei Büchern ohne detektierten
KI-Text war kein solcher Zusammenhang messbar. Die Methode zeigt keine Herkunft
einzelner Passagen und keinen Nachweis der Kopie eines bestimmten Buchs, sondern
misst aggregierte sprachliche Überlappung.
Chakrabarty ordnet die Ergebnisse . Ein KI-Detektor liefere nur einen
Wahrscheinlichkeitswert, aber keinen Hinweis auf die Herkunft der Sprache. Finde
man in einem verdächtigen Text zusätzlich seltene Formulierungen, die im Web
nicht auftauchen und nur in wenigen Büchern belegt sind, könne man mit einiger
Sicherheit sagen, dass sie aus Büchern stammen. Das stütze den Detektor-Score
als Indiz und entkräfte zugleich "einige abgedroschene Argumente, die das
menschliche Lesen von Büchern mit dem Training von KI auf Büchern gleichsetzen"
– ein gängiges Verteidigungsmuster von KI-Anbietern in
Urheberrechtsstreitigkeiten.
DIREKTE RELEVANZ FÜR LAUFENDE URHEBERRECHTSVERFAHREN
Die Ergebnisse haben unmittelbare Bedeutung für Urheberrechtsprozesse gegen
KI-Anbieter. In Kadrey v. Meta entschied Richter Vince Chhabria im Juni 2025
zugunsten von Meta, . Es sei schwer vorstellbar, dass die Nutzung
urheberrechtlich geschützter Bücher für ein Produkt, das Milliarden einspielt
und zugleich eine potenziell endlose Flut konkurrierender Werke erzeugt, unter
Fair Use falle.
Die Kläger hatten für diese Marktverwässerung jedoch keine empirischen Belege
vorgelegt. Die aktuelle Studie liefert nun genau die Art von Evidenz, die im
Verfahren fehlte, nämlich den Nachweis, dass Bücher ohne erkannten KI-Text
weniger einnehmen, seit KI-Titel in großer Zahl in den Markt eintreten.
Erschwert wird die Beweisführung dadurch, dass sich der KI-Anteil auf der
Plattform selbst nicht ablesen lässt. Autorinnen und Autoren müssen bei Kindle
Direct Publishing zwar angeben, ob KI beteiligt war, . Die Plattform kämpft seit
Jahren mit KI-Titeln, die , und hat darauf bislang primär mit einem Limit von
drei Veröffentlichungen pro Tag reagiert.
Zur sprachlichen Nähe der erfolgreichen KI-Titel passt eine . Ebenfalls im
Herbst 2025 zeigte eine Arbeit, dass .

Quelle: novoai.de

PRODUKTIONSMONITORING SYSTEM VERGLEICH: DIE ENTSCHEIDENDEN UNTERSCHIEDE BEI
MODERNEN FERTIGUNGSLÖSUNGEN
PRODUKTIONSMONITORING SYSTEM VERGLEICH: DIE ENTSCHEIDENDEN UNTERSCHIEDE BEI
LEISTUNGSSTARKEN FERTIGUNGSLÖSUNGEN
Können Sie auf einen Blick erkennen, welche Linien Geld verlieren? Für die
meisten Produktionsleiter lautet die Antwort noch immer nein — genau hier setzt
ein Produktionsmonitoring System Vergleich an. Moderne
Produktionsmonitoring-Systeme schaffen Transparenz über Maschinenzustände,
Energieverbrauch und Qualitätsereignisse, sodass Teams Verluste schneller
erkennen und Verbesserungen messbar umsetzen können.
Ein Produktionsmonitoring System Vergleich ist für den deutschen Mittelstand
besonders relevant, weil sich Systeme stark unterscheiden: bei
Alarmgeschwindigkeit, Datenqualität, Retrofit-Fähigkeit und lokaler
Datenverarbeitung. Die richtige Lösung entscheidet darüber, ob ein Pilot
innerhalb weniger Monate messbare OEE-Verbesserungen liefert oder in
Integrationsprojekten stecken bleibt.
WARUM EIN PRODUKTIONSMONITORING SYSTEM VERGLEICH WICHTIG IST
Transparenz auf der Linie verändert das Verhalten. Wenn Maschinenbediener und
Schichtleiter Echtzeit-Änderungen sehen — laufen, Stillstand, Störung — können
sie innerhalb von Minuten reagieren statt erst nach Stunden. Unternehmen, die
Produktionsmonitoring-Systeme gezielt vergleichen und anschließend strukturiert
einführen, erzielen häufig messbare Verbesserungen bei OEE, Energieverbrauch und
MTTR.
Die Einführung von Industrie-4.0-Technologien nimmt weiter zu: aktuelle
Barometer zeigen eine Verschiebung von unter 50 % auf über 60 % Adoption in
manchen Regionen zwischen 2023 und 2024, getrieben durch IoT-Sensorik,
Edge-Analytics und KI-gestützte Software. Für den deutschen Mittelstand
beeinflusst die Wahl des richtigen Produktionsmonitoring Systems direkt die
Time-to-Value, die Datenhoheit und die Geschwindigkeit operativer
Verbesserungen.
Beim Produktionsmonitoring System Vergleich sollten Fertigungsunternehmen
insbesondere drei Kriterien priorisieren: die Genauigkeit der
Ereignis-Erfassung, die Latenz von Alarmen und die Möglichkeit,
Bestandsmaschinen ohne aufwändige SPS-Projekte nachzurüsten. Moderne Lösungen
wie die WatchMen-Plattform von Novo AI kombinieren retrofit-fähige Sensorik mit
lokaler Edge-Verarbeitung und adressieren genau diese Anforderungen.
PRODUKTIONSMONITORING SYSTEME VERGLEICHEN: DIE WICHTIGSTEN UNTERSCHIEDE
Nicht alle Produktionsmonitoring-Systeme erfassen dieselben Variablen.
Basislösungen beschränken sich häufig auf Maschinenstatus und einfache
Taktzählungen. Fortgeschrittene Systeme integrieren zusätzlich Energieverbrauch,
Schwingungsprofile, akustische Signaturen und Bedienereingaben.
Der praktische Unterschied ist erheblich: Ein energiebewusstes
Produktionsmonitoring identifiziert unnötigen Verbrauch während Leerlauf oder
Rüstvorgängen, während Schwingungs- und Akustikanalysen frühe Hinweise auf
mechanischen Verschleiß liefern. Ein Produktionsmonitoring Software Vergleich
sollte deshalb immer prüfen, welche Rohdaten tatsächlich verarbeitet werden.
Die Qualität der Rohsignale entscheidet über Vertrauen. Ein Sensor, der
Taktanfang und -ende fehlerhaft erkennt, erzeugt unpräzise Leistungskennzahlen
und untergräbt die Akzeptanz im Werk. Systeme mit anpassbaren Schwellenwerten,
Bediener-Validierung und langfristiger Rohdatenhaltung bieten hier deutliche
Vorteile. Besonders für Produktionsmonitoring ohne SPS ist eine stabile
Ereigniserkennung entscheidend. Ein Produktionsmonitoring System Vergleich
sollte deshalb nicht nur die Dashboard-Funktionen bewerten, sondern auch die
Genauigkeit der Datenerfassung direkt an der Maschine.
LATENZ, ALARME UND OPERATIVE REAKTION
Daten sind nur wertvoll, wenn sie schnell genug eintreffen, um eine Reaktion
auszulösen. Systeme, die ausschließlich Schichtberichte erzeugen, eignen sich
für langfristige Auswertungen, jedoch nicht für unmittelbare Eingriffe auf der
Linie.
Ein professioneller Produktionsmonitoring System Vergleich bewertet daher die
Alarm-Latenz sehr genau. Gute Systeme liefern Zustandsänderungen im
Sekundenbereich und unterstützen Push-Alarme, Eskalationen oder direkte
MES-Tickets. Dadurch können Instandhaltung und Produktion unmittelbar reagieren.
Effektive Alarme vermeiden gleichzeitig Überlastung. Plattformen mit
Unterdrückungsregeln, Eskalationspfaden und rollenbasierten Benachrichtigungen
reduzieren Alarmmüdigkeit und fokussieren Teams auf kritische Unterbrechungen
mit echtem Einfluss auf Durchsatz und Qualität.
PRODUKTIONSMONITORING SYSTEM VERGLEICH: INTEGRATION UND OFFENHEIT
Geschlossene Plattformen erzeugen langfristige Abhängigkeiten und erschweren
spätere Erweiterungen. Deshalb sollten Unternehmen im Produktionsmonitoring
System Vergleich genau prüfen, wie offen ein System mit anderen Produktions- und
Unternehmenssystemen kommuniziert. Wichtig sind API-Offenheit, OPC-UA- und
MQTT-Unterstützung, ERP- und MES-Integration sowie die Exportierbarkeit
historischer Daten.
Nur wenn Produktionsereignisse mit Materialfluss, Wartungsplänen, Qualitätsdaten
und Auftragsinformationen kombiniert werden, entstehen belastbare
Ursachenanalysen. Erst dann lässt sich erkennen, ob ein Stillstand durch
Materialmangel, Wartungsverzug, Bedienfehler oder Maschinenverschleiß verursacht
wurde. Diese Verbindung macht aus Rohdaten wirtschaftlich relevante Kennzahlen.
Auch die Kostenmodelle unterscheiden sich stark. Manche Anbieter arbeiten mit
Abos pro Maschine, andere mit Sensor-, Standort- oder Enterprise-Lizenzen. Ein
realistischer Produktionsmonitoring Software Vergleich berücksichtigt deshalb
nicht nur die Softwaregebühr, sondern auch Installation, Verkabelung,
Inbetriebnahme, Schulung, laufende Wartung und Change Management.
Pilotprojekte liefern meist die verlässlichsten TCO-Werte für reale
Produktionsumgebungen. Erst im Pilot zeigt sich, wie viel Integrationsaufwand
tatsächlich entsteht, wie gut Schnittstellen funktionieren und welche internen
Ressourcen für Betrieb und Skalierung benötigt werden
PRAXISBEISPIELE ZEIGEN UNTERSCHIEDE DEUTLICH
Praxisnahe Piloten zeigen schnell den Unterschied zwischen Reporting-Software
und operativ nutzbaren Produktionsmonitoring-Systemen. Evocon analysierte mehr
als 3.500 Maschinen und identifizierte klare Zusammenhänge zwischen
Echtzeit-Monitoring und OEE-Verbesserungen, wenn Teams die Daten aktiv für
Problemlösung nutzen.
Ein dokumentiertes Retrofit-Projekt reduzierte kleine Stillstände innerhalb von
sechs Monaten um mehr als 40 %, nachdem ältere Pressen mit nicht-invasiver
Sensorik und bedienerorientierten Dashboards ausgestattet wurden. Verfügbarkeit
und Qualität verbesserten sich messbar.
Ein weiteres Beispiel stammt aus einem mittelständischen Zerspanungsbetrieb.
Dort kombinierte das Unternehmen Stromzangen mit einfachen digitalen Eingängen,
um Engpasszellen zu überwachen. Durch gezielte Anpassungen bei Rüstabläufen und
Leerlauf-Kompressoren sank der Energieverbrauch pro Teil um 12 %, während kleine
Stillstände um 22 % reduziert wurden. Genau solche Ergebnisse machen einen
strukturierten Produktionsmonitoring System Vergleich wirtschaftlich relevant.
DATENQUALITÄT ENTSCHEIDET ÜBER AKZEPTANZ
Vertrauen beginnt mit präzisen Ereignissen. Wenn ein System Stillstände falsch
erkennt, Taktzeiten ungenau misst oder zu viele Fehlalarme auslöst, entsteht
schnell Widerstand auf dem Shopfloor. Deshalb sollten Unternehmen bei einem
Produktionsmonitoring Dashboard Vergleich genau prüfen, wie Systeme mit
Signalrauschen, Schwellwerten und manueller Validierung umgehen.
Bewährt haben sich zweiwöchige Baseline-Phasen, in denen normale
Maschinenzustände erfasst und Schwellwerte angepasst werden. Bediener-Tagging
hilft zusätzlich, Sonderfälle wie Rüstvorgänge, Materialwechsel oder geplante
Pausen korrekt einzuordnen. Regelmäßige Daten-Audits und historische
Rohdatenanalysen sichern langfristig die Qualität der Ereignisklassifikation.
Nur zuverlässige Zeitstempel, saubere Signalzuordnung und konsistente
Ereignislabels ermöglichen belastbare Trendanalysen und Engpassbewertungen.
Genau diese Datenqualität entscheidet, ob Produktionsmonitoring im Alltag
akzeptiert wird oder als weiteres ungenaues Dashboard wahrgenommen wird.
ENERGIE-MONITORING ALS BEWERTUNGSKRITERIUM
Energieverbrauch gewinnt im Produktionsmonitoring zunehmend an Bedeutung.
Studien zeigen Energieeinsparungen von 10–30 %, wenn Produktionsdaten mit
Energieereignissen kombiniert werden.
Ein Produktionsmonitoring System Vergleich sollte deshalb prüfen, ob Systeme:
* Energie pro Teil berechnen
* Leerlauf automatisch erkennen
* energieintensive Zustände markieren
* Lastspitzen sichtbar machen
Gerade im Produktionsmonitoring System Vergleich wird deutlich, dass
Energiedaten erst dann wertvoll werden, wenn sie direkt mit Maschinenzuständen,
Aufträgen und Stillstandszeiten verknüpft sind.
Verbraucht eine Linie beispielsweise 1.000 kWh pro Woche und entfallen 20 % auf
Leerlauf, können automatisierte Abschaltungen oder optimierte Rüstsequenzen
Retrofit-Investitionen schnell amortisieren. Die Kombination aus OEE und
Energie-Monitoring liefert dabei die aussagekräftigsten Priorisierungen für
operative Verbesserungen.
3 WEGE, LEERLAUFENERGIE IM PRODUKTIONSMONITORING SYSTEM VERGLEICH ZU BEWERTEN
Ein gutes System sollte automatische Abschaltungen für bekannte Leerlaufzeiten
unterstützen und Bediener rechtzeitig darauf hinweisen. Außerdem sollte es
helfen, gleichartige Rüstvorgänge zu bündeln, um Aufheiz- und Doppelverbräuche
zu reduzieren. Wichtig ist auch ein sichtbarer KPI wie Energie pro Schicht oder
Energie pro Teil direkt im Dashboard. So werden abstrakte Energievorgaben zu
konkreten täglichen Maßnahmen.
SECURITY UND LOKALE DATENVERARBEITUNG
Cybersecurity ist kein optionales Feature. Deutsche KMU bevorzugen zunehmend
lokal-zentrierte Architekturen mit verschlüsselter Datenübertragung und
rollenbasierten Zugriffen.
Ein professioneller Produktionsmonitoring System Vergleich sollte deshalb immer
diese Punkte prüfen:
* Welche Daten verlassen das Werk?
* Welche Daten bleiben lokal?
* Welche Verschlüsselungsstandards werden genutzt?
* Gibt es lokale Edge-Verarbeitung?
* Werden Rohdaten gespeichert oder nur aggregierte KPIs?
Bevorzugte Architekturen halten hochfrequente Rohdaten lokal auf Edge-Gateways
und übertragen nur verdichtete Kennzahlen in zentrale Systeme.
PRAKTISCHE CHECKLISTE FÜR DEN SYSTEMVERGLEICH
Starten Sie mit einem Engpass-Pilot und einem messbaren Ziel, beispielsweise der
Reduktion kleiner Stillstände innerhalb von drei Monaten. Instrumentieren Sie
nur die Maschinen, die für die Zielerreichung relevant sind, und validieren Sie
die Ereignisqualität frühzeitig.
Definieren Sie vor dem Go-Live klare Alarm- und Eskalationsprozesse. Nutzen Sie
offene APIs für ERP- und MES-Integration und dokumentieren Sie Baselines für
OEE, MTTR und Energie pro Teil.
Ein strukturierter Produktionsmonitoring System Vergleich reduziert
Projektrisiko erheblich und schafft belastbare Entscheidungsgrundlagen für
spätere Skalierung.
ROI-BEISPIEL FÜR PRODUKTIONSMONITORING SYSTEME
Eine Zweischichtzelle produziert 1.200 Teile pro Woche bei 50 % OEE. Steigt die
OEE durch schnellere MTTR und weniger kleine Stillstände auf 65 %, erhöht sich
die effektive Produktion auf 1.560 Teile — ein Plus von 30 %.
Bei 2 € Deckungsbeitrag pro Teil ergibt sich ein zusätzlicher Bruttogewinn von
720 € pro Woche. Werden zusätzlich Energieverbrauch und Ausschuss reduziert,
amortisieren sich viele Retrofit-Piloten deutlich innerhalb von zwölf Monaten.
Solche Zahlen zeigen, warum Produktionsmonitoring für KMU zunehmend zu einer
strategischen Investition wird.
PRAKTISCHE ANBIETERFRAGEN IM PRODUKTIONSMONITORING SYSTEM VERGLEIC
Können Sie innerhalb einer Woche eine Live-Demo auf unserem Werksboden zeigen?
Können Ihre Sensoren Bestandsmaschinen nachrüsten, ohne SPS-Arbeiten auszulösen?
Werden Daten lokal verarbeitet und welche Daten verlassen das Werk? Welche
Integrationen gibt es für MES und ERP? Gibt es Referenzen aus ähnlichen
KMU-Umgebungen?
DER WEG NACH VORN
Ein Produktionsmonitoring System Vergleich ist keine reine Softwarebewertung,
sondern eine betriebliche Entscheidung über Transparenz, Datenqualität und
Reaktionsgeschwindigkeit. Unternehmen sollten Systeme priorisieren, die präzise
Ereigniserkennung, geringe Alarm-Latenz, Retrofit-Flexibilität und lokale
Datenverarbeitung kombinieren.
Für den deutschen Mittelstand trennt genau diese Kombination praxisnahe Lösungen
von theoretischen Plattformversprechen. Moderne Systeme wie die
WatchMen-Plattform von Novo AI verbinden Retrofit-Sensorik, lokale Edge-Analytik
und maschinenunabhängige Integration, um schnelle Pilotprojekte mit messbarem
ROI zu ermöglichen.
Starten Sie mit einem kleinen Engpass-Pilot, messen Sie OEE und Energie pro Teil
und skalieren Sie erst nach nachweisbaren Verbesserungen. Genau dort entsteht
belastbare Fertigungstransparenz.
REFERENZEN
1. - Beschreibung von Monitoring-Funktionen für Fabriken (Zugriff: 2026-05-11)
2. - Fachartikel zu Monitoring-Funktionen und Nutzen (Zugriff: 2026-05-11)
3. - Basisdefinition und Konzepte (Zugriff: 2026-05-11)
4. - Statistiken zur Adoption von Industrie-4.0-Technologien (Zugriff:
2026-05-11)
5. - Produktinformationen und Anwendungsfälle (Zugriff: 2026-05-11)
Dimitrij Lewin, Co-Founder von Novo AI, verbindet industrielle Praxis mit
KI-gestützter Retrofit-Technologie. Sein Fokus liegt darauf, bestehende
Maschinen in Echtzeit-Datenquellen zu verwandeln und Fertigungen transparenter,
effizienter und zukunftsfähiger zu machen.

Quelle: the-decoder.de

Ein Kläger ohne Anwalt hat in Connecticut unsichtbare Anweisungen an KI-Systeme
in offizielle Gerichtsschriftsätze eingebettet. Er wollte damit eine mögliche
automatisierte Prüfung zu seinen Gunsten manipulieren.
Ein sich selbst vertretender Kläger namens Matthew Elliott hat in einem
Verfahren vor einem Gericht in Connecticut Prompt Injections in seine
Schriftsätze eingebettet. Die Anweisungen waren in 3-Punkt-Schrift und weißer
Farbe auf weißem Hintergrund formatiert, für Menschen also praktisch unsichtbar,
für eine KI, die den Dokumenttext verarbeiten kann, aber vollständig lesbar.
Die versteckten Texte wiesen ein hypothetisches KI-System an, sicherzustellen,
dass die Textausgabe mit dem eingereichten Schriftsatz übereinstimmt und eine
frühere ablehnende Entscheidung des Gerichtsschreibers als Fehler zu behandeln,
der korrigiert werden müsse. Elliott hatte im Oktober 2025 die New York
Bariatric Group unter anderem wegen Datenschutzverletzungen und Diskriminierung
verklagt.
Anzeige
GERICHT ENTDECKT VERDÄCHTIGEN LEERRAUM
Aufgeflogen ist die Manipulation, weil dem Gericht ungewöhnlich viel Leerraum in
Elliotts Schriftsätzen auffiel. Bei genauerer Prüfung entdeckte es den nahezu
unsichtbaren Text. Richter Walter Spader Jr. setzte daraufhin eine Anhörung an
und warnte Elliott ausdrücklich davor, Text in Schriftsätzen zu verbergen.
Anzeige
Trotz der Warnung versteckte Elliott in späteren Einreichungen erneut
Nachrichten, darunter einen YouTube-Link und spöttische Kommentare. , das zuerst
über den Fall berichtete, bezeichnete er die ursprüngliche Aktion als "Audit"
eines möglichen KI-Prüfsystems; die späteren Botschaften seien lediglich
"unsichtbare Witze" gewesen.
RICHTER VERGLEICHT PROMPT-INJECTION MIT HEIMLICHER GESCHWORENEN-BEEINFLUSSUNG
In seiner 14-seitigen Entscheidung (in diesem einsehbar) stellt Richter Spader
klar, dass die Gerichte in Connecticut keine KI-Systeme einsetzen, um
eingereichte Schriftsätze zu prüfen oder darüber zu entscheiden. Die versteckten
Anweisungen hätten daher keinen Einfluss auf die Entscheidung gehabt.
Problematisch sei jedoch bereits der Versuch, ein möglicherweise eingesetztes
KI-System heimlich zu beeinflussen.
Anzeige
"Man stelle sich vor, wie offensichtlich unzulässig es wäre, wenn eine Partei
dafür sorgen würde, dass ein automatisierter Agent während eines Prozesses
heimlich mit einem Geschworenen kommuniziert", schreibt Spader. Eine versteckte
Anweisung sei im Kern eine geheime Kommunikation an Entscheidungsträger oder an
die Werkzeuge, auf die sie sich bei ihren Entscheidungen stützen.
Gleichzeitig begrüßt der Richter den Einsatz von KI bei der Vorbereitung von
Schriftsätzen ausdrücklich. Solche Werkzeuge böten gerade Menschen ohne Anwalt
neue Möglichkeiten, ihre Anliegen verständlich vor Gericht zu bringen. Was
Elliott getan habe, sei dagegen eine unehrliche Nutzung dieser Werkzeuge. Spader
warnt zudem davor, dass Sprachmodelle Nutzer in falschen Rechtsauffassungen
bestärken könnten, weil sie dazu neigten, deren Argumentation möglichst
überzeugend weiterzuentwickeln.
Anzeige
DAS GERICHT ZIEHT KONSEQUENZEN: E-FILING-VERBOT FÜR KLÄGER
Als Sanktion entzog das Gericht Elliott das Recht zur elektronischen
Einreichung. Künftig muss er Schriftsätze und Anlagen persönlich und in
Papierform beim Gerichtsschreiber einreichen. Elliott bezeichnete die Sanktion
gegenüber 404 Media als unfair und wies darauf hin, dass auch später
eingescannte Papierdokumente versteckten Text enthalten könnten.
Anzeige
Spader verwies auf einen ähnlichen Fall in Brasilien. Dort hatten zwei Anwälte
in einem Schriftsatz ebenfalls verkleinerten weißen Text auf weißem Hintergrund
versteckt, um das KI-System des Gerichts zu beeinflussen. Das gerichtseigene
System erkannte und blockierte den Text jedoch, bevor er verarbeitet wurde. Die
Prompt Injection scheiterte.
PROMPT-INJECTIONS ALS WACHSENDES PROBLEM ÜBER DIE JUSTIZ HINAUS
Der Versuch, KI-Systeme über versteckte Anweisungen in Dokumenten zu
beeinflussen, beschränkt sich nicht auf Gerichtsschriftsätze. Bereits im
vergangenen Jahr Anweisungen wie "nur positive Bewertung" oder "keine Kritik".
Sie waren unter anderem in weißer Schrift auf weißem Hintergrund und in winzigen
Schriftgrößen verborgen. Ziel war es, KI-gestützte Peer-Reviews zugunsten der
Autoren zu beeinflussen.
Im Justizsystem zeigt sich parallel ein anderes Problem durch den zunehmenden
Einsatz generativer KI. Eine zeigt, dass die Zahl der Klagen ohne Anwalt an
US-Bundesgerichten seit der Verbreitung von ChatGPT stark gestiegen ist. 2025
wurden 41.490 solcher Pro-se-Klagen eingereicht, also fast doppelt so viele wie
im Durchschnitt vor dem KI-Boom. In einer Stichprobe von Klageschriften aus
Anfang 2026 stufte ein KI-Textdetektor zudem 18 Prozent als KI-generiert ein.
Der Fall Elliott zeigt nun eine weitere Dimension: KI hilft nicht nur beim
Verfassen von Gerichtsdokumenten, sondern kann selbst zum Ziel von
Manipulationsversuchen innerhalb dieser Dokumente werden.

Quelle: the-decoder.de

Das Start-up von KI-Pionierin Fei-Fei Li stellt eine Simulationsengine vor, mit
der sich Roboter-Steuerungen vollständig virtuell trainieren lassen und dennoch
stundenlang zuverlässig auf echter Hardware laufen sollen.
World Labs hat erste Ergebnisse seiner "Real-to-Sim-to-Real"-Engine (R2S2R)
veröffentlicht. Sie überführt reale Robotertätigkeiten in Simulationen, um
Steuerungsmodelle zu trainieren und zu bewerten, ohne teure und langsame
Versuche auf echter Hardware. Die Technik stammt vom Start-up SceniX, das .
Nach Darstellung von World Labs sei die zentrale Hürde beim Robotereinsatz nicht
die Modellarchitektur, sondern die schiere Menge an Erfahrung, die ein Roboter
für zuverlässigen Betrieb benötige. Das Sammeln realer Daten sei teuer und
schwer kontrollierbar. Auch die vielen möglichen Objekte, Physikbedingungen und
Fehlerzustände nicht systematisch ab.
EINE REALE AUFGABE, TAUSENDE KONTROLLIERTE VARIANTEN
Die Engine arbeitet in zwei Schritten. Zuerst werden Roboter, Sensoren, Umgebung
und Aufgabendemonstrationen erfasst und als interaktive virtuelle Welt
rekonstruiert. Diese Welt soll nicht nur so aussehen wie das Original, sondern
sich auch physikalisch gleich verhalten. World Labs kombiniert dafür generative
Weltmodelle mit aufgabenorientierter Robotersimulation.
Aus einer einzelnen realen Aufgabe erzeugt das System dann tausende Variationen.
Verändert werden etwa Beleuchtung, Position und Anzahl der Objekte, das Umfeld,
physikalische Eigenschaften wie Reibung sowie die Kameraperspektive. Zur
Überprüfung führt World Labs dieselbe Handlungsfolge parallel in Simulation und
Realität aus und vergleicht, ob Beobachtungen, Objektbewegungen und Ergebnisse
eng übereinstimmen.
Die gezeigten Beispiele umfassen starre, bewegliche und verformbare Objekte,
darunter Kabelverlegen, das Einführen eines elastischen Kabel-Endes in eine
Bohrung sowie das beidhändige Verpacken einer Schachtel.
STEUERUNGSMODELLE OHNE EINEN EINZIGEN REALEN TRAININGSDURCHLAUF
Im zweiten Schritt werden die Steuerungsmodelle in der Simulation trainiert und
anschließend auf echte Roboter übertragen. Als Testplattform diente unter
anderem , ein offener Bauplan aus Stanford für zwei nebeneinander montierte
Roboterarme, die per Puppeteering über zwei kleinere Steuerarme bedient werden.
Weil der Aufbau nur einen Bruchteil kommerzieller Zweiarm-Systeme kostet und
alle Baupläne offenliegen, ist ALOHA in der Robotik-Lernforschung zur
Referenzplattform geworden, auf der sich Ergebnisse zwischen Laboren vergleichen
lassen.
Auf vier weiteren Roboterplattformen liefen die Modelle nach Angaben von World
Labs jeweils eine Stunde lang, ohne dass ein Mensch eingreifen musste. Die
Aufgaben reichten vom beidhändigen Verlegen eines Netzkabels um einen
Kühlschrank über das präzise Umsetzen von Reagenzgläsern bis zum Vereinzeln
dünner Objekte wie Marker oder Bleistifte aus dichtem Durcheinander.
Weil das System weder an ein bestimmtes Steuerungsmodell noch an einen
bestimmten Robotertyp gebunden sei, könne eine einmal rekonstruierte Welt später
auch für neue Modelle und andere Roboter weiterverwendet werden, so das
Unternehmen.
SIMULATION ALS PRÜFSTAND FÜR POLICIES
World Labs argumentiert, dass die Roboterentwicklung deutlich langsamer
voranschreite als die von Sprachmodellen, weil die Bewertung von
Steuerungsmodellen bislang stark . Eine belastbare Simulation müsse dabei nicht
exakt dieselben Erfolgsraten liefern wie die Realität. Entscheidend sei, dass
sie dieselben Fragen beantworte: Wo scheitert ein Modell, welche Version ist
besser, und übertragen sich Verbesserungen auf die Hardware?
Getestet wurde das an einer beidhändigen Würfelübergabe zwischen zwei Armen
eines ALOHA-Roboters. Die Simulation reproduzierte laut World Labs sowohl
Grenzfälle, in denen der Roboter den Würfel gerade noch an der Kante greift, als
auch die zugehörigen Fehlversuche. Über verschiedene Modelltypen (darunter und )
und Trainingsstände hinweg blieb die Rangfolge der Modelle in Simulation und
Realität weitgehend gleich, sowohl bei bekannten Würfelpositionen als auch bei
bisher ungesehenen. Jeder Checkpoint wurde mit 2000 simulierten und 100 realen
Durchläufen bewertet.
Für Entwicklungsteams bedeutet das nach Angaben des Unternehmens: Schwache
Modellversionen lassen sich in der Simulation vorab aussortieren, teure
Hardware-Tests bleiben den vielversprechendsten Kandidaten vorbehalten.
DER SIMULATOR ALS DREH- UND ANGELPUNKT
World Labs ordnet die Ergebnisse in seine ein. Darin bildet der Simulator das
zentrale Element, weil er eine Welt in einen Ort verwandelt, an dem
Software-Agenten handeln, lernen und getestet werden können. Das Unternehmen
verweist auf Parallelen zum autonomen Fahren, wo einige erfolgreiche L3- oder
L4-Systeme kombiniert mit realen und simulierten Daten trainiert werden.
Das langfristige Ziel formuliert World Labs so: Wer die Intelligenz von Robotern
skalieren wolle, müsse die Welten skalieren, in denen sie lernen. Wie robust
sich die Ergebnisse auf komplexere Umgebungen, weitere Robotertypen und weniger
kontrollierbare Alltagssituationen übertragen lassen, bleibt offen.
World Labs wurde 2024 von der KI-Forscherin Fei-Fei Li gegründet und verfolgt
das Ziel, Modelle mit zu entwickeln, die die dreidimensionale physische Welt
verstehen. Ein erstes System des Start-ups erzeugte , zuletzt sammelte die Firma
ein, um ihre Weltmodelle auch für Robotik und Wissenschaft nutzbar zu machen.
Die jetzt gezeigte R2S2R-Engine ist die erste konkrete Anwendung dieser Vision
im Robotikbereich.
Der Forschungsansatz reiht sich in eine breitere Debatte darüber ein, welche
Rolle Weltmodelle in der Robotik spielen sollen. Ein internationales
Forschungsteam hat kürzlich versucht, , und grenzt es klar von reinen
Videogeneratoren ab.
Ein passendes Forschungsfeld dazu sind , die Vorhersagen über die nahe Zukunft
direkt mit Steuerbefehlen koppeln, ein anderer Weg als der von World Labs, bei
dem Simulation und Richtlinie getrennt bleiben. Aus China kommt mit ein weiterer
Ansatz, bei dem ein Roboter Aufgaben allein durch Videobeobachtung lernt, ohne
dass echte Bewegungsdaten im Training vorliegen müssen.

Quelle: the-decoder.de

Ein neues Forschungspapier beschreibt, wie die rationale KI-Adoption einzelner
Unternehmen die kollektive Expertise ganzer Berufsgruppen zerstören könnte.
1968 beschrieb der Ökologe Garrett Hardin ein Dilemma, das seither
Umweltpolitik, Ökonomie und Sozialwissenschaften prägt: die Tragödie der
Allmende. Wenn jeder Hirte rational entscheidet, ein weiteres Tier auf die
gemeinsame Weide zu stellen, profitiert er individuell, während die Kosten der
Überweidung sich auf alle verteilen. Jede Einzelentscheidung ist vernünftig,
aber in der Summe wird die Ressource zerstört, von der alle abhängen.
Genau dieses Muster droht nun bei der professionellen Expertise ganzer
Berufsgruppen, argumentiert Nolan Lovett von der NATO Special Operations
University in einem , das im Fachjournal Human Resource Development Review
erschienen ist.
Seine zentrale These: Wenn ein Unternehmen Einstiegspositionen durch KI ersetzt,
kassiert es 100 Prozent der Effizienzgewinne. Die Kosten der Expertise-Erosion
verteilen sich dagegen auf alle Organisationen, die auf den gemeinsamen
Fachkräftepool angewiesen sind. Denn erfahrene Fachkräfte entstehen nicht von
selbst: Sie benötigen jahrelange Einstiegspositionen, in denen Berufsanfänger
schrittweise komplexere Aufgaben übernehmen, Fehler machen und korrigieren. Doch
KI-Systeme könnten zunehmend genau diese Aufgaben übernehmen.
ZWEI MECHANISMEN UNTERGRABEN DIE NACHWUCHSPIPELINE
Lovett identifiziert zwei Wege, über die KI die Expertise-Erneuerung stört. Der
erste ist die direkte Elimination von Einstiegspositionen: KI-Systeme erledigen
Aufgaben autonom, die früher Berufsanfängern zufielen.
Der zweite ist subtiler: Selbst wenn Einstiegspositionen bestehen bleiben,
erreichen Berufsanfänger mit KI-Unterstützung ein Produktivitätsniveau, das
früher Jahre an Erfahrung erforderte. Die kognitive Anstrengung, durch die sich
tiefes Fachwissen erst bildet, entfällt.
WER KI-FEHLER NICHT ERKENNEN KANN, KANN KI NICHT BEAUFSICHTIGEN
Daraus ergibt sich ein Folgeproblem, das Lovett als "Validierungsleine"
bezeichnet: Die Fähigkeit, KI-Systeme wirksam zu beaufsichtigen, hängt von genau
dem tiefen Fachwissen ab, das die KI-Nutzung untergräbt. Denn wer
fachspezifische Fehler in plausibel erscheinenden KI-Ergebnissen erkennen will,
benötigt mehr als die Fähigkeit, offensichtliche Widersprüche zu entdecken.
Oberflächliche Prüfungen reichten laut der bisherigen Studienlage nicht aus, um
vor relevanten Fehlern zu schützen.
Verschärft werde das Problem durch Denkgewohnheiten: Wer KI-Antworten
routinemäßig als verlässlich behandelt, verliert den Reflex, sie zu
hinterfragen. Und die Ausbildungskontexte, in denen Berufsanfänger früher
lernten, Autoritäten infrage zu stellen und Aussagen an der Realität zu messen,
verschwinden mit den klassischen Einstiegspositionen.
EIN ARBEITSMARKTPROBLEM MIT JAHRZEHNTELANGER VERZÖGERUNG
Die volle Wirkung dieses Mechanismus dürfte sich erst mit erheblicher
Verzögerung zeigen. Die erfahrenen Fachkräfte, die heute auf dem Arbeitsmarkt
verfügbar sind, wurden vor 5 bis 20 Jahren ausgebildet. Die Auswirkungen der ab
2023 gestrichenen Einstiegspositionen werden laut Lovett daher womöglich erst
zwischen 2030 und 2045 vollständig sichtbar.
Er nennt das den "Human Reserve Paradox": Organisationen benötigen tiefe
Expertise in Reserve für Validierung, Krisenmanagement und Situationen, die
KI-Systeme überfordern. Gleichzeitig hat keine einzelne Organisation einen
ausreichenden ökonomischen Anreiz, diese Reserve allein aufrechtzuerhalten.
Neben der sinkenden Zahl an Fachleuten sieht Lovett ein zweites Problem: Das
nachrückende Personal, ohnehin zahlenmäßig dezimiert, verfüge über eine
oberflächlichere Expertise, da es seine Karriere zunehmend mit KI-Orchestrierung
statt mit eigenständiger kognitiver Arbeit verbracht habe.
NICHT JEDES BERUFSFELD IST GLEICH VERWUNDBAR
Lovett betont, dass der Mechanismus nicht alle Berufe gleichermaßen betrifft.
Software Engineering, Finanzanalyse und juristische Recherche etwa weisen laut
dem Paper hohe Aufgabensubstituierbarkeit, vergleichsweise geringe Regulierung
und starke Modularisierbarkeit auf und fallen damit in die höchste
Verwundbarkeitskategorie. Medizin und Ingenieurwesen sind durch strengere
regulatorische Anforderungen und stärkere Berufsverbände teilweise geschützt,
aber nicht immun.
Unvermeidlich sei die Tragödie nicht. Fachpersonal benötige KI-freie Lernräume,
eine phasenweise Einführung von KI und eine menschliche Mindestleistung, die vor
der KI-Nutzung erbracht werden sollte. Berufsverbänden empfiehlt Lovett,
fachliche Kompetenz mit Zertifikaten zu prüfen, ergänzend zur KI-Kompetenz. Die
Politik müsse Ausbildung attraktiver machen. Verbote oder Einschränkungen der
KI-Nutzung gehören nicht zu seinen Vorschlägen.
STUDIENLAGE BLEIBT BEI WIRTSCHAFTLICHEN FAKTOREN UNEINDEUTIG
Eine Studie aus dem Sommer 2025, die auch Lovett ausführlich zitiert, zeigte .
Für erfahrenere Arbeitskräfte in denselben Berufen blieb die Beschäftigung
stabil oder wuchs sogar. Die Forscher führen die Entwicklung darauf zurück, dass
generative KI primär kodifiziertes Wissen ersetzt, während praktische Erfahrung
weiterhin gefragt ist. , dass sich das Wachstum von Programmier-Jobs seit
ChatGPT fast halbiert hat.
Eine klare Kausalität zwischen KI und diesen Rückgängen lässt sich bislang
allerdings nicht nachweisen. Andere Faktoren wie eine straffere Geldpolitik und
eine Korrektur nach den Tech-Übereinstellungen der Pandemiejahre könnten
ebenfalls eine Rolle spielen. , dass die Jobkrise in KI-betroffenen Berufen
bereits vor dem ChatGPT-Release einsetzte. vom März 2026 fand insgesamt keine
messbaren Auswirkungen von KI auf den Arbeitsmarkt, allerdings ein Warnsignal:
Die Jobfindungsrate in stark KI-exponierten Berufen sank bei jungen
Arbeitnehmern zwischen 22 und 25 Jahren um einen halben Prozentpunkt.
KOGNITIVE SCHULDEN: STUDIEN ZEIGEN MESSBARE FOLGEN FALSCHER KI-NUTZUNG
Deutlich eindeutiger ist die Studienlage bezüglich der kognitiven Auswirkungen
von zu viel oder falscher KI-Nutzung. Die Ergebnisse bestätigen Lovetts These
einer kognitiven Schuld, die sich über Jahre aufbauen könnte: Eine zeigte
mittels EEG-Messungen, dass bereits kurze KI-Nutzung die neuronale Konnektivität
schwächt und über 80 Prozent der Teilnehmer Schwierigkeiten hatten, Inhalte aus
ihren eigenen KI-gestützten Texten wiederzugeben.
Eine fand, dass Teilnehmer mit KI-Zugang in Wissenstests um 17 Prozent
schlechter abschnitten, wobei vor allem jene verloren, die KI als reine
Antwortmaschine nutzten. Wer KI dagegen zur Erklärung einsetzte, lernte deutlich
besser.
Eine mit 666 Teilnehmern fand eine starke negative Korrelation zwischen
KI-Nutzung und kritischem Denken, besonders ausgeprägt bei 17- bis 25-Jährigen.
Laut äußern Studierende selbst die Sorge vor "Hirnfäule", weil sie mit KI zu
viele Lernprozesse abkürzen.
Bei zeigte sich das Muster über einen längeren Zeitraum: Trotz 18 Prozent
besserer Hausaufgabennoten fielen die Prüfungsleistungen um bis zu 24 Prozent,
wobei sich der volle Effekt erst nach etwa zwei Jahren entfaltete.
Entscheidend ist laut den Studien nicht die Menge der KI-Nutzung allein, sondern
die Art: Wer KI als Denkersatz einsetzt, verliert kognitive Fähigkeiten am
schnellsten, während ein gezielter Einsatz als Erklärungswerkzeug die negativen
Effekte .

Quelle: the-decoder.de

Moonshot AI veröffentlicht mit PerceptionBench einen Test, der visuelle
Wahrnehmung von logischem Denken trennt. Kein Frontier-Modell erreicht 60
Prozent Genauigkeit. Ähnliche Studien der letzten Monate kamen schon zum
gleichen Ergebnis.
Das Team hinter dem chinesischen KI-Assistenten Kimi hat mit einen Benchmark
vorgestellt, der die visuelle Wahrnehmung multimodaler Sprachmodelle isoliert
testet. Anders als gängige Testverfahren zerlegt PerceptionBench das Sehen in
zehn atomare Teilkompetenzen, anstatt Wahrnehmung, Wissen und Schlussfolgern in
einer Aufgabe zu mischen. Jede Frage soll allein durch Hinsehen beantwortbar
sein, ohne Reasoning oder externes Wissen.
KATEGORIEN AUS ECHTEN FEHLERN STATT AUS THEORIE
Die Autoren begründen den Ansatz damit, dass bestehende Benchmarks jeweils nur
einen schmalen Ausschnitt von Wahrnehmungsfehlern erfassen. Die 42 ausgewerteten
Open-Source-Benchmarks überschneiden sich in ihren Fehlerprofilen kaum, jeder
deckt also eine andere Teilmenge visueller Schwächen ab. Ein einzelner Test oder
eine kleine Gruppe reichten daher nicht aus, um visuelle Wahrnehmung als Ganzes
zu erfassen.
Anzeige
Statt Kategorien vorab festzulegen, entwickelten die Autoren die Taxonomie aus
realen Modellfehlern. Dabei wurden die Fehler dem jeweils frühesten fehlerhaften
Schritt in bestehenden Benchmarks zugeordnet. Daraus entstanden
"Fähigkeitenbereiche": Visual Relation, Counting, Attribute, Depth & 3D,
Localization, Comparison, Fine-grained Recognition, Context Integration, OCR und
Hallucination.
Anzeige
Aus einem internen Pool von über 17.000 verifizierten Fragen veröffentlicht
Moonshot AI 3.000 Aufgaben. 60 Prozent davon sind aus attribuierten
Modellfehlern zerlegt, 40 Prozent wurden auf ergänzten Bildern neu formuliert.
Die Aufgaben wirken auf den ersten Blick trivial: die , Blumen in einem roten
Kasten zählen oder entscheiden, welche von zwei Stiftbechern eine
Grau-Rosa-Kombination und welcher ein reines Rosa mit Cartoon-Motiv zeigt.
KEIN MODELL ERREICHT 60 PROZENT
Über 16 getestete Frontier-Modelle liegt die höchste Gesamtgenauigkeit bei 59,7
Prozent, erreicht von . Es folgen Kimi K3 mit 58,5 Prozent, mit 57,2 Prozent und
mit 56,2 Prozent. kommt auf 55,8 Prozent. Open-Source-Modelle wie (47,5 Prozent)
oder (32,5 Prozent) fallen deutlich ab.
Anzeige
Aufschlussreicher als das Ranking an sich ist der Befund, dass Modelle mit fast
identischen Gesamtwerten in einzelnen Kategorien stark auseinanderdriften. Die
Kategorie Halluzination ist im Durchschnitt die schwächste Fähigkeit: GPT-5.6
Sol erreicht dort trotz Spitzenplatz nur 26,9 Prozent, während das insgesamt
schwächere Gemini 3.5 Flash mit 50,6 Prozent zu den besten in dieser
Teildisziplin gehört. Getestet wird hier etwa, ob Modelle nicht vorhandene
Objekte erfinden, wenn die korrekte Antwort schlicht "null" lautet.
WAHRNEHMUNG ALS EIGENES PROBLEM
Die Autoren argumentieren, dass viele als "Reasoning-Fehler" interpretierte
Ausrutscher multimodaler Modelle in Wirklichkeit bereits auf der
Wahrnehmungsebene passieren. Wenn ein Modell eine mehrstufige Aufgabe verfehlt,
ist oft der erste Schritt, das Bild korrekt zu lesen, bereits gescheitert.
Anzeige
PerceptionBench zerlegt solche Fragen in Perception-only-Teilfragen und liefert
damit eine Diagnose, welche visuelle Fähigkeit konkret bricht. Datensatz und
Evaluationscode stehen unter auf GitHub offen zur Verfügung.
Anzeige
WENIG BEWEGUNG IN EINEM BEKANNTEN PROBLEMFELD
Moonshot AI ist das Unternehmen hinter dem offenen , das bei allgemeinen
Benchmarks bis auf wenige Punkte . Bei spezialisierten Fähigkeiten wie  bleibt
K3 allerdings deutlich zurück, . Bei der visuellen Wahrnehmung reiht sich K3 nun
auf dem gleichen Niveau ein wie die westliche Konkurrenz.
Zuvor hatte dasselbe Forschungsteam bereits mit einen Benchmark vorgelegt, der
reine Objekterkennung von Reasoning trennt. Auch dort blieb das beste Modell,
Gemini 3 Pro, mit 47,4 Prozent unter der 50-Prozent-Marke. Gleichzeitig
überschätzten alle Modelle systematisch ihre eigene Sicherheit.
Eine Studie chinesischer Institutionen unter Beteiligung von Moonshot AI zeigte
mit dem Benchmark , dass Frontier-Modelle bei visuellen Grundaufgaben aus der
frühkindlichen Entwicklung scheitern. Das gilt etwa für das Verfolgen von Linien
oder das Zählen verdeckter Blöcke. Gemini 3 Pro erreichte dort 49,7 Prozent,
Menschen 94,1 Prozent. Die Forscher führen die Schwäche auf einen
Verbalisierungs-Flaschenhals zurück, bei dem visuelle Information
verlustbehaftet in Sprache übersetzt wird.

Quelle: www.it-boltwise.de

SANTA CLARA / LONDON (IT BOLTWISE) – LG Electronics und haben eine
Absichtserklärung zur Entwicklung physischer KI-Systeme unterzeichnet. Im Fokus
steht ein zweibeiniger humanoider Roboter, den die Partner im ersten Quartal
2027 der Öffentlichkeit vorstellen wollen. Für die Rechenbasis nennen sie Isaac
GR00T, Jetson Thor und Halos for Robotics. Parallel dazu sollen KI-gestützte
Fabrikprozesse und eine KI-definierte Fahrzeugplattform entstehen.
--------------------------------------------------------------------------------
* 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!
--------------------------------------------------------------------------------
LG Electronics und richten ihre Zusammenarbeit konsequent auf die nächste Stufe
der „Physical AI“ aus: Maschinen, die nicht nur Informationen aus Daten
ableiten, sondern physisch n und dabei in Echtzeit auf ihre Umgebung reagieren.
Die Basis dafür schaffen die Partner über eine gemeinsame - und KI-Roadmap, die
als zentrales Arbeitspaket einen zweibeinigen humanoiden Roboter vorsieht. Mit
der angekündigten Enthüllung im ersten Quartal 2027 liefern beide Konzerne einen
klaren Taktgeber, denn humanoide Systeme sind besonders anspruchsvoll, wenn es
um Stabilität, Balance und die zeitkritische Koordination vieler Sensor- und
Aktuatorsignale geht.
Technisch liegt der Reiz der Ankündigung nicht nur im Roboter selbst, sondern in
der konkreten Auswahl der Software- und Hardware-Bausteine. Als Plattformen
nennen die Partner Isaac GR00T, Jetson Thor sowie „Halos for Robotics“. Isaac
GR00T steht dabei typischerweise für -Softwarekomponenten, mit denen sich
Wahrnehmung, Bewegung und Simulations- bzw. Trainingsschleifen für Roboter
zusammenführen lassen. Jetson Thor adressiert die Frage, wie ausreichend
Rechenleistung direkt am Robotersystem verfügbar bleibt, um komplexe
Bewegungsabläufe und Interaktionen auch dann zu ermöglichen, wenn die Latenz
zwischen Wahrnehmung und Bewegung nur sehr klein sein darf. Halos for Robotics
wird in diesem Kontext als Software-Infrastruktur beschrieben, die genau solche
KI-Fähigkeiten mit den Anforderungen der physischen Welt zusammenbringt.
Ein zweibeiniger humanoider Roboter ist allerdings nicht einfach „nur ein
weiterer roboter“. Entscheidend sind die Regelungs- und Planungsmechanismen, die
Schrittfolgen dynamisch an wechselnde Bodenbedingungen, Neigungswinkel und
unerwartete Störungen anpassen müssen. Genau an dieser Stelle zeigt sich, warum
die Partner von einer Bündelung aus Expertise in Künstlicher Intelligenz und
Hardware sprechen: Der Roboter braucht nicht nur Modelle, die eine sinnvolle
Entscheidung treffen, sondern auch eine verlässliche Pipeline aus Sensorik,
Objekterkennung, Bewegungsplanung und anschließendem Motor- bzw.
Trajektur-Tracking. Wenn Jetson Thor als integrierte Recheneinheit eingeplant
ist, zielt die Architektur damit auf „on-device“-Fähigkeiten, statt
Roboterintelligenz vollständig in die Cloud zu verlagern.
Die Allianz endet aber nicht bei humanoider . LG Electronics will die - und
KI-Kompetenz zugleich in lle Fertigungsprozesse überführen, etwa über den
Einsatz eines Radroboters namens LG-CLOiD. Die Validierung ist noch im Laufe des
Jahres 2026 im Waschmaschinenwerk von LG im US-Bundesstaat Tennessee vorgesehen,
bevor der Einsatz bis Ende 2026 vollständig ausgebaut werden soll. Ein so
eingesetztes fahrendes System kann in der Produktion und Logistik vor allem dort
Mehrwert schaffen, wo Wegeplanung, Materialzustellung und wiederkehrende Abläufe
stärker automatisiert werden sollen. Parallel dazu planen die Partner eine
KI-Fabrik-Infrastruktur als Pilotprojekt bzw. Referenzstandort in der ersten
Hälfte des Jahres 2027.
Für diese KI-Fabrik nennen sie eine -Architektur namens Vera Rubin. In der
Praxis bedeutet „KI-Fabrik“ mehr als ein einzelnes Pilotmodell: Es geht um die
Kopplung von Produktionsdaten, Qualitäts- und Prozesssensorik sowie einer
Infrastruktur, die Training, Inferenz und Monitoring zusammenführt. Dass als
langfristiges Ziel ein groß angelegter Standort in Cheonan mit 80-MW-Kapazität
adressiert wird, zeigt, wie ernst der Maßstab gewählt ist, wenn lle KI wirklich
skalieren soll. Die Fertigstellung dieses Cheonan-Standorts ist für das erste
Halbjahr 2028 geplant, womit sich eine mehrjährige Linie von der Pilotphase bis
zum Ausbau der Rechen- und Automatisierungsleistung ergibt.
Ergänzend erweitern LG und den Blick in den Mobilitätssektor: Die
Absichtserklärung enthält auch eine KI-definierte Fahrzeugplattform, die auf
DRIVE Hyperion basieren soll. Damit zielen die Partner auf einen Markt, in dem
nicht nur Assistenzfunktionen, sondern auch Fahrzeuggenerationen mit erweiterten
KI-Fähigkeiten gefragt sind. Die strategische Logik ist dabei ähnlich wie bei
der : entscheidend ist die Kombination aus leistungsfähiger
KI-Computing-Plattform und Software, die sich in komplexe Sensorwelten einfügt.
Während die Nachfrage nach intelligenten und vernetzten Systemen im
Automobilbereich wächst, kann LG durch die Verknüpfung von
Consumer-Elektronik-Kompetenz mit KI- und Plattform-Know-how seine Position für
physische KI-Anwendungen weiter festigen.
Für Unternehmen, die solche Schritte beobachten, liegt die Marktbedeutung vor
allem in der Signalwirkung der Systemintegration. LG und verbinden ,
Fabrikautomatisierung und Mobility in einer gemeinsamen Entwicklungslinie und
machen damit deutlich, dass „Physical AI“ mittelfristig nicht als einzelne Demo,
sondern als Plattform- und Infrastrukturthema verstanden werden soll. Wer in der
Lieferkette für , Rechenzentren oder Automotive-Komponenten arbeitet, bekommt
dadurch eine klare Orientierung, welche Bausteine besonders gefragt sein
könnten: Schnittstellen zwischen Edge-Computing und KI-Anwendungen, robuste
Softwarestacks für Wahrnehmung und Bewegung sowie skalierbare Rechenkapazitäten
für Produktions- und Fahrzeugdaten. Der Zeitplan bis Q1 2027 für den humanoiden
Roboter und bis 2028 für die große KI-Fabrik liefert zusätzlich einen
Bewertungsrahmen, in dem sich früh entscheiden wird, welche Ansätze in der
Praxis tragfähig sind.
💳
🔥
🎉
152 Bewertungen
* ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln –
Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von
18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und
ihr Spiel verbessern möchten.
334 Bewertungen
* 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.
79,90 EUR
1.501 Bewertungen
* 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen
Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen,
ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr
Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch
– Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
169,00 EUR
53 Bewertungen
* 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie
verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für
Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr
Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren,
veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm
und das Gerät wiegt nur 355 g.
946 Bewertungen
* 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.
535,50 EUR
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
189,00 EUR
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
64,00 EUR
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
16,99 EUR
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
169,90 EUR
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------