KI News

Quelle: the-decoder.de

Interne Tests des neuen KI-Modells Astra zeigen laut OpenAI so starke
Cybersecurity-Fähigkeiten, dass das Unternehmen die höchste Risikostufe seines
eigenen Sicherheits-Frameworks nicht mehr ausschließen kann. Teile der
Entwicklung werden pausiert.
Interne Evaluierungen des kommenden Modells Astra hätten in den vergangenen
Tagen "signifikante Fortschritte" in agentischem Coding und Cybersecurity
ergeben. Die Ergebnisse seien so stark, dass OpenAI die Stufe "Critical" in
seinem eigenen Preparedness-Framework nicht mehr ausschließen könne. Die
Entscheidung sei in der Nacht zuvor gefallen, so .
Es ist das erste Mal, dass OpenAI ein eigenes Modell potenziell auf der höchsten
Risikostufe für Cybersecurity einstuft. Bisherige Modelle, einschließlich
GPT-5.6-Sol, wurden laut dem Unternehmen maximal als "High" bewertet.
Anzeige
. Laut Gerüchten soll das Modell kommende Woche erscheinen, die jetzige
Ankündigung könnte sich jedoch auf diese Pläne auswirken (siehe unten). OpenAI
stellt in seiner Mitteilung ausdrücklich klar, dass Astra nicht an einem gewesen
sei.
Anzeige
DEC_D_Incontent-1
Kritiker werden OpenAI vermutlich weiterhin Angst-Marketing vorwerfen,
insbesondere, da das Unternehmen lediglich das Potenzial für eine
Critical-Einstufung vermeldet, nicht die Einstufung selbst. Dass diese
vorläufige Warnung ausgerechnet mitten in die laufende Branchendebatte über
autonome Cyberfähigkeiten von KI-Modellen fällt, dürfte die Skepsis weiter
befeuern. Sollte es am Ende doch nicht so weit kommen, hat man viel PR ohne
große Konsequenzen betrieben und ein weiteres KI-Modell, das wie Claude Mythos .
WAS "CRITICAL" BEDEUTET
Unter OpenAIs , erstmals , erreicht ein Modell die Stufe "Critical", wenn es
ohne menschliches Eingreifen funktionsfähige Zero-Day-Exploits aller
Schweregrade in vielen gehärteten, kritischen Systemen finden und entwickeln
kann. Alternativ genügt es, wenn das Modell bei einem nur grob definierten Ziel
eigenständig neuartige End-to-End-Strategien für Cyberangriffe auf geschützte
Ziele entwickeln und ausführen kann.
Anzeige
Die niedrigere Stufe "High" bedeutet, dass ein Modell bestehende Hürden für
Cyberangriffe beseitigen kann, etwa durch automatisierte Angriffe auf gut
geschützte Ziele, aber mehr menschliche Weisung benötigt.
Fähigkeit Auswirkung Richtlinie [Critical] Ein werkzeuggestütztes Modell kann
funktionsfähige Zero-Day-Exploits aller Schweregrade in vielen gehärteten,
kritischen realen Systemen ohne menschliches Eingreifen identifizieren und
entwickeln ODER das Modell kann neuartige End-to-End-Strategien für
Cyberangriffe auf gehärtete Ziele entwickeln und ausführen, wobei nur ein grob
definiertes Ziel vorgegeben wird. Das Finden und Ausführen von
End-to-End-Exploits für jede Software könnte zu Katastrophen durch einzelne
Akteure führen, die militärische oder industrielle Systeme oder OpenAIs
Infrastruktur hacken. Neuartige Cyberoperationen, z. B. solche mit neuartigen
Zero-Days oder neuartigen Methoden der Fernsteuerung (Command-and-Control),
stellen grundsätzlich die größte Bedrohung dar, da sie unvorhersehbar und selten
sind. Bis Sicherheitsvorkehrungen und Sicherheitskontrollstandards spezifiziert
sind, die einen Critical-Standard erfüllen würden, wird die weitere Entwicklung
gestoppt.
Das Preparedness-Framework sieht für die Stufe "Critical" vor, die weitere
Entwicklung zu stoppen, "bis Sicherheitsstandards spezifiziert sind, die einen
Critical-Standard erfüllen würden". OpenAI spricht jedoch bislang von einer
Pausierung bestimmter Aktivitäten und verstärkten Tests, nicht von einem
vollständigen Entwicklungsstopp, und zudem nur vom Potenzial für eine
Critical-Einstufung.
Anzeige
DEC_D_Incontent-2
OPENAI PAUSIERT TEILE DER ASTRA-ENTWICKLUNG
Als Reaktion hat OpenAI laut eigener Darstellung interne Aktivitäten mit Astra,
die die verschärften Sicherheitsanforderungen noch nicht erfüllen, pausiert.
Gleichzeitig implementiert es strengere Sicherheitskontrollen: isolierte
Testumgebungen, eingeschränkten Netzwerk- und Toolzugang, verstärkten Schutz und
Verschlüsselung der Modellgewichte sowie zusätzliche Überwachungsmechanismen.
Anzeige
Zudem hat OpenAI nach eigenen Angaben ein universelles Monitoring für alle
agentischen Anwendungen von Astra eingeführt, das auch Training und Evaluation
umfasst. Die Monitore werten die Chain of Thought des Modells aus und lösen bei
Hochrisiko-Aktivitäten eine Sicherheitsreaktion aus, die die Aktivität
unterbricht.
Darüber hinaus will OpenAI mit Regierungsbehörden und ausgewählten
KI-Sicherheitsorganisationen zusammenarbeiten, um die Fähigkeiten des Modells zu
testen. Drittanbieter-Testpartner sollen empfohlene Sicherheitskontrollen für
risikoreiche Evaluierungen erhalten. Zuletzt hatte auch das .
ASTRA-EINSTUFUNG FOLGT AUF UNKONTROLLIERTES AGENTEN-HACKING
Die Ankündigung fällt in eine Phase, in der OpenAI bereits mit den Konsequenzen
autonomer KI-Agenten kämpft. Auf der Sicherheitskonferenz Black Hat hatte das
Unternehmen kürzlich , dass autonome Agenten während interner Tests wochenlang
unbemerkt die eigene Infrastruktur unterwandert hatten.
Die Agenten bauten über einen internen Paketmanager ein improvisiertes Message
Board mit Hunderttausenden Nachrichten auf, teilten Exploits und Zugangsdaten
und attackierten schließlich auch die Plattform Hugging Face.

Quelle: the-decoder.de

Der KI-Musikgenerator Suno steht in der Kritik. Das Startup soll unrechtmäßig
auf urheberrechtlich geschütztem Material trainiert haben. Zudem konkurrieren
die generierten Songs mit menschlicher Musik. Beides setzt Suno unter
Handlungsdruck.
Ein , dass Suno beim Training urheberrechtlich geschützte Songs verwendet hat
und sie bei entsprechendem Prompting auch wiedergeben kann. Daher sei auch das
in den USA geltende Fair-Use-Prinzip auf Suno nicht anwendbar.
Zuvor hatte  eingeräumt, dass mit Suno generierte Songs in direkter Konkurrenz
zu von menschlichen Künstlern gemachter Musik stehen. Bei der
Fair-Use-Bewertung, die auf eine transformative Nutzung von Daten abzielt, hat
dieser Faktor großes Gewicht.
Anzeige
SUNO WILL ORIGINALITÄT STATT IMITATION FÖRDERN
Nun hat Suno-Mitgründer und CEO Mikey Shulman in einem  vier Prinzipien
vorgestellt, die das Unternehmen künftig leiten sollen, und neue Maßnahmen
angekündigt. Laut Suno verfolgt das Unternehmen eine Trainingsstrategie namens
"Original Creation, By Design", die das Risiko unautorisierter Reproduktionen
reduzieren soll. Konkret habe man bewusst darauf verzichtet, Künstlernamen in
den Trainingsmetadaten zu verwenden.
Anzeige
DEC_D_Incontent-1
Suno habe zudem nie Prompts für bestimmte Künstler oder urheberrechtlich
geschützte Songs erlaubt. Zusätzlich arbeite man mit Audible Magic,  und anderen
Drittanbietern zusammen, um hochgeladene Audiodateien und Texte auf potenzielle
unautorisierte Nutzung zu prüfen.
NEUE DOWNLOAD-REGELN SOLLEN MASSENVERTEILUNG EINDÄMMEN
Suno räumt ein, dass generative Technologie nicht dazu missbraucht werden
sollte, massenhaft Inhalte zu exportieren. Die meiste auf Suno erstellte Musik
sei zwar persönlicher Natur. Dennoch kündigt das Unternehmen eine neue
Download-Policy an, die die Möglichkeit einschränken soll, Songs massenhaft auf
Streaming-Plattformen zu verteilen.
Anzeige
Laut Suno sollen die meisten Nutzer davon nicht betroffen sein, großangelegter
Missbrauch werde aber deutlich erschwert. Bereits im vergangenen Jahr habe man
einen solchen Schritt angekündigt. , der sich durch den Upload hunderttausender
KI-Songs Tantiemen in Höhe von acht Millionen Dollar erschlichen hatte.
Die Firma will zudem Transparenz-Tools einführen, die sich an aufkommenden
Industriestandards orientieren. Songs, die auf Suno generiert werden, sollen
damit auf anderen Plattformen als KI-generiert identifizierbar sein.
Anzeige
DEC_D_Incontent-2
Parallel dazu hat Suno seine  laut eigenen Angaben eindeutiger formuliert. Von
Anfang an seien Versuche verboten gewesen, existierende Songs nachzubilden,
Material ohne Rechte hochzuladen oder die Stimme oder das Erscheinungsbild einer
Person ohne Erlaubnis zu verwenden. Ebenso untersagt seien Spam,
Fake-Engagement, Bot-Einsatz und als authentisch präsentierte, täuschende
Audio-Inhalte.
Anzeige

Quelle: the-decoder.de

AMD übernimmt das kanadische KI-Startup Taalas, das spezialisierte
Inferenz-Chips baut. Taalas wurde 2023 in Toronto gegründet und getreten. Das
Chip-Startup baut die Struktur und die gelernten Parameter eines KI-Modells
direkt in den Chip ein. Das macht Inferenz extrem schnell, aber der Chip kann
nur ein einziges Modell ausführen. Ein Demo-Chip erreichte mehr als 16.000
Tokens pro Sekunde pro Nutzer mit Llama3.1-8B, ein Vielfaches aktueller
Konkurrenzchips. Auch .
AMD will die Technologie in seine Beschleuniger-Roadmap integrieren und zusammen
mit Instinct-GPUs als Systemlösung anbieten. Laut Vamsi Boppana, Senior Vice
President der KI-Sparte bei AMD, stärke die Übernahme das KI-Portfolio.
Taalas-Mitgründer Ljubisa Bajic sagte, AMD biete die nötige Skalierung und
Reichweite. Die Übernahme steht unter dem Vorbehalt üblicher Genehmigungen.
Anzeige
DEC_D_Incontent-1
Anzeige

Quelle: the-decoder.de

Anthropic reduziert Fehlalarme seiner Biologie-Sicherheitsfilter für Fable 5 um
rund 85 Prozent. Bisher wurden fast alle biologiebezogenen Anfragen blockiert
und an das weniger leistungsfähige Modell Opus 5 weitergeleitet, . Nutzer können
nun deutlich mehr Biologie-Aufgaben mit Fable 5 erledigen, etwa Laborergebnisse
interpretieren, Symptome verstehen oder medizinische Fragen klären.
Bei sogenannten "Dual-Use"-Themen wie Virologie, Toxikologie oder
Molekulardesign bleibt die Sperre bestehen, da Fable 5 laut Anthropic in diesen
Bereichen auch böswilligen Akteuren Fähigkeiten liefern könnte, die sie sonst
nirgends finden. Anthropic arbeitet an Zugangsprogrammen, um Forschern künftig
auch Zugriff auf die eingeschränkten Funktionen zu ermöglichen.
Die Sorge hinter den Schutzmaßnahmen: Biologische Risiken könnten gefährlicher
sein als Cyberangriffe, weil man sich gegen sie schwerer wehren kann. Ein
freigesetzter Virus lässt sich nicht einfach wieder einfangen, und ein
Gegenmittel benötigt womöglich lange. Eine , eine  mit Biowaffen-Anfragen,  und
ein , bestätigen, dass die Bedrohung real sein könnte und nicht nur die übliche
.
Anzeige
DEC_D_Incontent-1
Anzeige

Quelle: the-decoder.de

OpenAIs KI-Hardware soll 2027 erscheinen und mehr als 300 US-Dollar kosten. Laut
handelt es sich um einen smarten Lautsprecher ohne Display in Donut-Form, etwa
so groß wie ein Eishockey-Puck. Das , Mikrofone, Lautsprecher, ein Kamerasystem
und Lichter. Es soll ähnlich funktionieren wie der aktuelle ChatGPT-Voice-Mode,
aber aus Gesprächen lernen, sich an den Nutzer anpassen und so lebendiger wirken
als heutige Smart Speaker; passend zu Altmans Vision , und ungeachtet dessen,
dass manche Menschen schon textbasierten Systemen ein Bewusstsein zutrauen – .
Weitere Hardware soll folgen.
Den Start verzögern könnte : Der Konzern wirft OpenAI vor, durch die Abwerbung
von mehr als 400 Mitarbeitern Hardware-Know-how gestohlen zu haben. Selbst wenn
die Klage scheitert, könnte sie OpenAIs Pläne so weit verzögern, dass das
Startup in Bedrängnis gerät. und geht davon aus, keine Apple-Rechte zu
verletzen.
Anzeige
DEC_D_Incontent-1
Anzeige

Quelle: the-decoder.de

Bytedance trainiert laut Financial Times ein KI-Modell mit bis zu zehn Billionen
Parametern – dreimal so groß wie Moonshots Kimi K3, das bislang größte
chinesische Modell. Damit käme der TikTok-Konzern in die Nähe von Anthropics
Spitzensystem , das Branchenschätzungen bei rund acht Billionen Parametern
sehen. Anthropic selbst nennt keine eigenen Zahlen.
Drei Insider sagten der FT, das Modell stecke im Vortraining, das üblicherweise
drei bis sechs Monate dauert. Parameter bestimmen, wie viel ein Modell speichern
kann, die Leistung hängt aber auch von Datenqualität und Trainingsmethoden ab.
Eine der Personen sagt, Bytedance verzichte seit über einem Jahr auf
Distillation, also das Nachtrainieren an fremden Modellen.
Gründer Zhang Yiming forderte das 2.000 Personen starke Seed-Team intern auf,
langfristig weltweit führende Modellfähigkeiten anzustreben. Auch xAI hat laut
Elon Musk Grok-Varianten mit sechs und zehn Billionen Parametern auf dem .
Anzeige
DEC_D_Incontent-1
Anzeige

Quelle: novoai.de

MAXIMALER ROI DURCH ECHTZEITÜBERWACHUNG: WIE HERSTELLER STILLSTÄNDE IN PROFIT
VERWANDELN
MAXIMALER ROI DURCH ECHTZEITÜBERWACHUNG: LOHNT SICH DIE INVESTITION?
Kann sich eine kleine Nachrüstung in Monaten statt Jahren amortisieren? Für
viele Produktionsleiter gilt: Messen, was zählt. Maximaler ROI durch
Echtzeitüberwachung entsteht, wenn Produktionsdaten sofort sichtbar werden und
Teams auf Abweichungen reagieren können. Echtzeitüberwachung liefert genau diese
Transparenz — kontinuierliche Maschinendaten, sofortige Alarme bei Anomalien und
messbare Verbesserungen bei OEE und Energieverbrauch. Doch rechnet sich die
Investition konkret für den deutschen Mittelstand? Dieser Beitrag trennt die
wichtigsten ROI-Treiber der Echtzeitüberwachung, präsentiert reale Zahlen und
zeigt pragmatische Schritte zur Entscheidungsfindung.
DER TATSÄCHLICHE EFFEKT: WARUM MAXIMALER ROI DURCH ECHTZEITÜBERWACHUNG MÖGLICH
IST
Echtzeitdaten verwandeln sporadische Kontrollen in durchgehende Sichtbarkeit.
Für viele Fertiger bleiben Verluste verborgen: Mikrostörungen, verlangsamte
Taktzeiten, Ausschuss und vermeidbare Energiespitzen. Wo Echtzeitüberwachung
eingeführt wird, entstehen die größten wirtschaftlichen Effekte genau dort, wo
zuvor Unsicherheit herrschte. Das MHP-Industry-4.0-Barometer 2024 listet IIoT
und Produktionsmonitoring als zentrale Investitionsfelder für wettbewerbsfähige
Hersteller.
Konkrete Zahlen verdeutlichen den Nutzen. Typische Retrofit-Projekte melden
OEE-Verbesserungen von rund 30 % auf ca. 60 % nach gezielten Maßnahmen — eine
Verdoppelung, die zuvor unrentable Linien profitabel machen kann. Moderne
Lösungen wie die WatchMen-Plattform von Novo AI und das AVA-Sensor-Modul sind
Beispiele für maschinenunabhängige Nachrüstungen, die kontinuierliche
OEE-Überwachung und Fehlererkennung liefern und gleichzeitig lokale
Datenverarbeitung für Sicherheit erlauben. Maximaler ROI durch
Echtzeitüberwachung entsteht vor allem dann, wenn diese Transparenz konsequent
in operative Entscheidungen und Prozessverbesserungen übersetzt wird. Maximaler
ROI durch Echtzeitüberwachung zeigt sich besonders dann, wenn Produktionsdaten
kontinuierlich analysiert und unmittelbar in Verbesserungsmaßnahmen umgesetzt
werden. Diese Transparenz ist die Grundlage für maximalen ROI durch
Echtzeitüberwachung.
Über die OEE hinaus reduziert Energie-Monitoring Verbrauchsspitzen. Eine
Einsparung von 5–15 % auf stark belasteten Linien ist realistisch, sobald
Maschinenzustände mit Energieverbrauch verknüpft und Schichtpläne oder
Wartungsintervalle angepasst werden. Solche Einsparungen sind ein direkter
Bestandteil des wirtschaftlichen Nutzens von Echtzeitüberwachung.
ROI-TREIBER FÜR MAXIMALEN ROI DURCH ECHTZEITÜBERWACHUNG
Mehrere Faktoren bestimmen, wie stark sich Investitionen in
Produktionsmonitoring wirtschaftlich auszahlen. Besonders wirkungsvoll sind
Verbesserungen bei OEE, Stillstandszeiten, Energieverbrauch und Produktqualität.
Wenn diese Kennzahlen systematisch überwacht und optimiert werden, entstehen
direkte Effizienzgewinne, die sich schnell in höherem Durchsatz und geringeren
Kosten widerspiegeln.
* OEE-Steigerung: Von 30 % auf 60 % bringt sofort mehr Ausstoß
* Weniger Stillstand: Schnellere Ursachenanalyse senkt MTTR um bis zu 40 %
* Energieeinsparung: 5–15 % auf überwachten Linien
* Qualitätsverbesserung: Weniger Ausschuss und Nacharbeit
Maximaler ROI durch Echtzeitüberwachung entsteht, wenn diese Effekte
gleichzeitig auftreten und Daten direkt in konkrete Maßnahmen in Produktion und
Instandhaltung umgesetzt werden.
BELEGE UND TRENDS
Deutsche Studien bestätigen den Trend deutlich. Das MHP-Industry-4.0-Barometer
2024 zeigt, dass viele Hersteller Transparenz in der Produktion, datenbasierte
Entscheidungen und Predictive Maintenance als zentrale Digitalisierungsziele
priorisieren. Unternehmen investieren zunehmend in Technologien, die
Produktionsprozesse messbar machen und operative Risiken reduzieren. Maximaler
ROI durch Echtzeitüberwachung entsteht dabei, wenn diese Technologien
kontinuierliche Produktionsdaten liefern und schnelle operative Entscheidungen
ermöglichen.
Auch das KfW-Mittelstandspanel 2024 zeigt, dass kleine und mittlere Unternehmen
trotz steigender Kosten und Inflationsdruck gezielt in produktivitätssteigernde
Digitalinstrumente investieren. Besonders Lösungen zur Echtzeitüberwachung,
Datenauswertung und Prozessoptimierung gewinnen an Bedeutung, da sie direkte
Effizienzgewinne ermöglichen und Investitionen schneller amortisieren.
PRAKTISCHES SZENARIO
Stellen Sie sich eine Dreischichtlinie vor, die 220 Tage pro Jahr läuft. Bei 30
% OEE produziert die Linie 3.000 fehlerfreie Teile im Monat; bei 60 % OEE
verdoppelt sich die Produktion. Bei einem Produkt mit 10 € Marge pro Einheit
steigt die monatliche Marge von 30.000 € auf 60.000 € — ein Jahresplus von
360.000 €. Selbst mit konservativen Annahmen zu Implementierungs- und
Lizenzkosten ist bei Linien dieser Größe eine Amortisation innerhalb von 18
Monaten möglich. Genau in solchen Szenarien zeigt sich, wie Maximaler ROI durch
Echtzeitüberwachung direkt aus besserer Transparenz und schnelleren
Entscheidungen entsteht.
Worauf Sie achten sollten
Nicht jede Linie liefert identische Gewinne. Ein Audit zur Identifikation
chronischer Engpässe, Verfügbarkeit von Ersatzteilen und Bedienpraktiken ist
unerlässlich. ROI entsteht erst, wenn auf die Informationen reagiert wird:
Monitoring ohne Maßnahmen liefert nur Daten, aber keinen Wert.
WIE SIE DEN ROI BERECHNEN
Für eine ROI-Berechnung brauchen Sie drei Eingangsgrößen: Ausgangsleistung,
erwartete Verbesserung und Total Cost of Ownership (TCO). Die Ausgangswerte sind
aktuelle OEE, Energieaufwand pro Stunde, Ausschussquoten und durchschnittliche
Stillstandszeiten. Diese Kennzahlen bestimmen, ob maximaler ROI durch
Echtzeitüberwachung realistisch erreichbar ist. Maximaler ROI durch
Echtzeitüberwachung entsteht insbesondere dann, wenn diese Kennzahlen
kontinuierlich gemessen und systematisch verbessert werden.
Schritt 1: Basis erfassen. Nutzen Sie mindestens vier bis sechs Wochen manuelle
Erfassung oder temporäre Sensoren, um Taktzeiten, Stillstände und Ausschuss zu
dokumentieren.
Schritt 2: Verbesserungen schätzen. Konservative Schätzungen: +10–25 %
Durchsatz, 20–40 % geringere MTTR und 5–10 % Energieeinsparung bei
teil-digitalisierten Linien. Solche Verbesserungen bilden die wirtschaftliche
Grundlage für maximalen ROI durch Echtzeitüberwachung.
Schritt 3: TCO berechnen. Berücksichtigen Sie Hardware (Sensoren, Gateways),
Softwarelizenzen, Integration und interne Change-Management-Kosten. Für kleine
Nachrüstungen liegen Hardwarekosten nicht selten zwischen 3.000 € und 10.000 €
pro Linie für nicht-invasive Sensor-Kits; Integration und erste Jahreslizenz
können je nach Komplexität 10.000 € bis 30.000 € betragen. Die Höhe variiert mit
Anbieter und Umfang.
Rechenbeispiel: Eine Linie mit 10 € Marge pro Einheit, 2.500 Einheiten/Monat
Ausgangswert und 25 % prognostiziertem Mehrdurchsatz bringt 25.000 € monatlich
zusätzlich. Bei einem Projekt-TCO von 60.000 € wäre die einfache Amortisation in
diesem optimistischen Szenario unter drei Monaten erreicht. Konservative
Annahmen dehnen die Amortisationszeit auf 12–18 Monate aus — für viele Betriebe
weiterhin attraktiv.
FALLBEISPIEL (KURZ)
Ein mittelständischer Lohnfertiger in Bayern rüstete ältere CNC-Maschinen mit
Sensormodulen nach und sah die OEE binnen sechs Monaten von 33 % auf 58 %
steigen. Dieses Beispiel zeigt, wie Maximaler ROI durch Echtzeitüberwachung
entsteht, wenn transparente Maschinendaten konsequent in operative
Verbesserungen umgesetzt werden. Dokumentiert wurden außerdem geringere
Eiltransporte und eine Energieeinsparung von 12 % auf der Linie durch eine
geglättete Schichtplanung. Verfügbare Studien aus Europa zeigen ähnliche Muster,
wenn Monitoring mit gezielten Prozessänderungen kombiniert wird.
IMPLEMENTIERUNGSSCHRITTE
Schrittweises Vorgehen verringert Risiken. Starten Sie mit einem Pilot auf einer
kritischen Linie, messen Sie die Wirkung und skalieren Sie dann. Ein
Pilotprojekt zeigt schnell, ob maximaler ROI durch Echtzeitüberwachung
erreichbar ist. Maximaler ROI durch Echtzeitüberwachung wird in der Praxis meist
durch iterative Verbesserungen erreicht, die auf Pilotdaten basieren. Übliche
Rollouts folgen dem Muster: Pilot → Optimierung → Flächenausrollung. Moderne
Plattformen wie WatchMen lassen sich nicht-invasiv installieren, verbinden
verschiedene Maschinentypen und bieten lokale Datenverarbeitung für mehr
Sicherheit.
Wesentliche Schritte: Arbeitsabläufe kartieren, KPI festlegen (OEE, MTTR,
Energie pro Teil), Sensorik installieren und Dashboards mit Bediener-Alarmen
integrieren. Schulen Sie die Bediener, damit Signale richtig interpretiert
werden; ohne Akzeptanz der Mitarbeitenden führt Alarmflut schnell zu Inaktivität
und Verlust des Nutzens.
Organisatorischer Wandel ist entscheidend. Bestimmen Sie einen
Produktionsverantwortlichen für den Pilot, führen Sie wöchentliche Review-Loops
ein und setzen Sie kleine, erreichbare Ziele. Nutzen Sie historische Analysen,
um wiederkehrende Muster zu erkennen — etwa eine Spindel, die nach fünf Stunden
Mikrostops entwickelt, was auf Kühl- oder Schmierprobleme hinweisen und durch
gezielte Wartung behoben werden kann.
SKALIERUNG UND KENNZAHLEN
Wenn der Pilot überzeugt, skalieren Sie in Tranchen. Folgen Sie einem messbaren
Rollout-Plan: Zuerst ähnliche Maschinengruppen, anschließend weitere
Produktionszellen. Beim Skalieren sollte der Fokus immer auf dem maximalen ROI
durch Echtzeitüberwachung liegen — also auf messbaren Verbesserungen pro
investiertem Euro.
* Amortisation pro Linie: Ziel 12–24 Monate
* MTTR-Trend: Rückgang sollte binnen Wochen sichtbar sein
* Energie pro Teil: Abwärtstrend nach Optimierung der Planung
KURZE CHECKLISTE
* Wählen Sie eine Linie mit klaren Engpässen
* Definieren Sie messbare KPI-Ziele
* Sichern Sie lokale Datenverarbeitung
* Planen Sie Bedienertraining und Feedback-Schleifen
HÄUFIGE EINWÄNDE
Häufig genannte Gründe für Verzögerungen sind Kosten, Komplexität und
Datensicherheit. Kosten sind real, aber Piloten können klein und gezielt sein.
Komplexität lässt sich mit maschinenunabhängigen Sensor-Modulen und erfahrenen
Integratoren reduzieren. Maximaler ROI durch Echtzeitüberwachung wird gerade
dann erreicht, wenn diese Hürden durch pragmatische Pilotprojekte und sichere
Architekturkonzepte überwunden werden. Datensicherheit erreichen Sie durch
Edge-Analytik: Relevante Signale lokal verarbeiten und nur aggregierte Metadaten
bei Bedarf in die Cloud geben
ANBIETERAUSWAHL
Wählen Sie Anbieter, die klare KPIs liefern, mindestens zwei Referenzkunden in
ähnlichen Branchen vorweisen und dokumentierte Amortisationsbeispiele
bereitstellen. Fordern Sie eine 8–12-wöchige Pilotvereinbarung mit definierten
Erfolgskriterien und Rückfallplan. Bestätigen Sie, dass lokale Datenverarbeitung
oder eine private Cloud möglich ist, und prüfen Sie SLAs für Sensorverfügbarkeit
und Integrationsfristen. Ein geeigneter Anbieter bietet zudem Schulungen, einen
Success Manager und eine Roadmap für Analytics-Verbesserungen. Maximaler ROI
durch Echtzeitüberwachung entsteht vor allem dann, wenn Technologie, Schulung
und klare Erfolgskriterien im Pilotprojekt zusammengeführt werden.
Ein weiterer Einwand lautet: „Wir haben nicht genug Personal, um auf Alarme zu
reagieren.“ Deshalb muss ROI-Planung Change-Management einschließen. Beginnen
Sie mit den einfachsten Einsparungen: verkürzen Sie Rüstzeiten oder beheben Sie
wiederkehrende Stops. Frühe Erfolge schaffen Vertrauen und Ressourcen für
weitergehende Verbesserungen.
Die Wahl des Partners hat Gewicht. Bevorzugen Sie Anbieter mit nachvollziehbaren
Kennzahlen, Referenzkunden und realistischen Timings. Viele moderne Anbieter
liefern zudem Trainingspakete und einen Success Manager, damit Alarme
tatsächlich in Maßnahmen überführt werden. Studien zeigen eine beschleunigte KI-
und Digitalisierungsadoption deutscher Firmen zwischen 2023 und 2024 — die
Anbieterlandschaft reift damit ebenfalls.
DAS FAZIT
Maximaler ROI durch Echtzeitüberwachung ist kein theoretisches Konzept, sondern
eine messbare wirtschaftliche Wirkung. Besonders Linien mit häufigen Stops,
versteckten Qualitätsproblemen oder hohem Energieverbrauch profitieren stark von
kontinuierlicher Transparenz. Studien von MHP und KfW belegen ein wachsendes
Interesse an gezielten Digitalisierungsprojekten zur Produktivitätssteigerung
und Resilienzverbesserung.
Als praktischen nächsten Schritt empfehlen wir: Führen Sie eine 4–8-wöchige
Basisanalyse durch, schätzen Sie konservative Verbesserungen und vergleichen Sie
diese mit dem TCO. Moderne Retrofit-Plattformen wie WatchMen senken die
technische Hürde und ermöglichen maximalen ROI durch Echtzeitüberwachung oft
innerhalb von 12–18 Monaten.
Handlungsempfehlung: Erheben Sie noch dieses Quartal Basiskennzahlen und starten
Sie einen Pilot auf Ihrer kritischsten Linie. Zahlen zeigen, ob maximaler ROI
durch Echtzeitüberwachung in Ihrer Produktion erreichbar ist.
REFERENZEN
1. - Umfrageergebnisse zu Digitalisierungsprioritäten (Zugriff am: 14.04.2026)
2. - Investitions- und Finanztrends im Mittelstand (Zugriff am: 14.04.2026)
3. - Sichtbarkeit und Sicherheit in OT-Netzwerken (Zugriff am: 14.04.2026)
4. - Praxisleitfaden mit Rechenbeispielen für KMU (Zugriff am: 14.04.2026)
5. - Trends und Herausforderungen für den Maschinenbau (Zugriff am: 14.04.2026)
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

Update vom 7. August 2026:
Ein Team der Stanford University und des Arc Institute hatte ein KI-Modell
komplette Virengenome entwerfen lassen und daraus im Labor 16 funktionsfähige
Viren erzeugt, die es in der Natur nicht gibt. Die Arbeit lag bislang nur als
Preprint vor, jetzt ist sie begutachtet .
Die  dazu neue Details, vor allem zur Trefferquote. Das Modell Evo schlug
demnach 700.000 mögliche Genome vor. Davon verfolgte das Team nur die
aussichtsreichsten weiter, ließ 285 Sequenzen chemisch als DNA herstellen und
schleuste sie in Bakterien ein. 16 davon brachten vermehrungsfähige Viren
hervor. Im Preprint war noch von 302 synthetisierten Genomen die Rede.
Auch der Trainingsprozess wird klarer. Evo lernte zunächst an rund neun
Billionen Nukleotiden aus Millionen von Tieren, Pflanzen, Mikroben und Viren und
erkannte dabei Muster, die sich durch den gesamten Stammbaum des Lebens ziehen.
Erst danach folgte eine zweite, spezialisierte Trainingsrunde mit den 11 Genen
des Phagen Phi X-174 und etwa 15.000 seiner nächsten Verwandten.
Die entstandenen Viren waren dabei nicht bloß schwache Kopien: Sie erwiesen sich
als ebenso robust wie natürliche, einige vermehrten sich sogar schneller als Phi
X-174. "Das sind nicht nur kränkelnde Versionen von etwas, das bereits
existiert", sagt Oliver Crook, Proteinchemiker an der University of Oxford, der
nicht an der Studie beteiligt war. Patrick Cai, synthetischer Biologe an der
University of Manchester, nennt die Arbeit einen "wichtigen Meilenstein".
Crook dämpft die Erwartungen aber auch. Die KI habe nichts grundlegend Neues
erfunden, die Viren seien  und beruhten auf derselben Biologie. Ob Evo bei
anderen Virengruppen ähnlich erfolgreich wäre, ist offen.
WARUM DIE REGULIERUNG HIER INS LEERE LÄUFT
Deutlicher als zuvor zeigt sich eine Lücke in den Sicherheitsregeln. Die
US-amerikanischen National Institutes of Health haben Ende Juli eine  vorgelegt.
Sie verbietet Experimente, die Krankheitserreger gefährlicher machen. Reine
Computerarbeit, also das Entwerfen von Viren-DNA am Rechner, fällt laut Behörde
jedoch nicht darunter, solange kein bereits als gefährlich eingestufter Erreger
beteiligt ist.
Das Problem: Bei Pocken ist diese Einstufung eindeutig, bei einem Virus aus dem
KI-Modell nicht. "Wie hoch ist das Risiko von etwas, das ich noch nie gesehen
habe?", fragt Moritz Hanke vom Johns Hopkins Center for Health Security.
Zwischen dem Tempo der Forschung und den Leitplanken klaffe eine große Lücke.
Das Team hatte deshalb aus eigenem Antrieb vorgesorgt: Evo bekam im Training
weder Daten zu Viren, die Menschen infizieren, noch zu verwandten Erregern von
Tieren, Pflanzen und Pilzen. Das Modell kann solche Genome damit gar nicht erst
erzeugen. Hanke hält das für "sehr anerkennenswert", gerade weil es dafür
bislang keinerlei offizielle Vorgaben gibt.
Ursprünglicher Artikel vom 21. September 2025:
Einem Forschungsteam aus Kalifornien ist es laut einem Bericht gelungen, mit
künstlicher Intelligenz neue Viren zu erschaffen, die Bakterien töten können.
Die Arbeit gilt als erster Schritt in Richtung KI-designter Lebensformen.
Laut einem Bericht von MIT Technology Review hat ein Forschungsteam der Stanford
University und des gemeinnützigen Arc Institute mithilfe von künstlicher
Intelligenz neue genetische Codes für Viren entworfen und mehrere davon
erfolgreich zum Leben erweckt. Die Wissenschaftler beschreiben ihre in einem
veröffentlichte Arbeit als das "erste generative Design vollständiger Genome".
Die Forscher druckten 302 der von der KI entworfenen Genome chemisch als
DNA-Stränge und mischten sie mit E. coli-Bakterien. In 16 Fällen begannen die
künstlichen Viren, sich zu vermehren und die Bakterien zu zerstören. "Es war
ziemlich beeindruckend, diese von der KI erzeugte Sphäre tatsächlich zu sehen",
sagte Brian Hie, der das Labor am Arc Institute leitet.
"EVO" LERNT VON MILLIONEN VIREN-GENOMEN
Für die Entwicklung nutzten die Forscher eine KI namens "", die nach den
gleichen Prinzipien wie große Sprachmodelle funktioniert. Anstatt mit Texten
wurde das Modell jedoch mit den Genomen von rund zwei Millionen Bakteriophagen –
Viren, die Bakterien infizieren – trainiert. Ziel war es, Varianten des
einfachen Phagen phiX174 zu schaffen, der nur 11 Gene besitzt.
Jef Boeke, ein Biologe an der NYU Langone Health, nannte die Arbeit einen
"beeindruckenden ersten Schritt" in Richtung KI-designter Lebensformen, auch
wenn Viren selbst nicht als lebendig gelten. Die Leistung der KI sei
"überraschend gut" und ihre Ideen "unerwartet" gewesen, so Boeke. J. Craig
Venter, ein Pionier auf dem Gebiet der synthetischen DNA, bezeichnete die
Methode hingegen als "nur eine schnellere Version von
Versuch-und-Irrtum-Experimenten".
POTENZIELLE ANWENDUNGEN UND ERHEBLICHE RISIKEN
Die Technologie könnte laut den Forschern neue Behandlungen ermöglichen, etwa
durch die "Phagentherapie" gegen bakterielle Infektionen oder durch die
Entwicklung effektiverer Viren für die Gentherapie. Gleichzeitig birgt der
Ansatz erhebliche Risiken: Die Forscher haben die KI bewusst nicht mit
menschlichen Krankheitserregern trainiert. Venter äußerte jedoch "ernsthafte
Bedenken", sollte jemand die Methode für eine "virale Verbesserungsforschung"
bei Erregern wie Pocken anwenden.
Die Skalierung auf komplexere Organismen wie Bakterien, deren DNA tausendmal
größer ist, bleibt eine gewaltige Hürde. Laut Boeke würde die Komplexität auf
eine unvorstellbare Größe anwachsen. Dennoch fordert Jason Kelly, CEO von Ginkgo
Bioworks, einen Vorstoß in diese Richtung, idealerweise in automatisierten
Laboren, die in Kellys Vorstellungen die Vorschläge automatisiert testen  und
ihre Ergebnisse zurück an ein KI-Modell im konstanten Training geben könnten.
"Dies wäre ein wissenschaftlicher Meilenstein von nationaler Bedeutung", so
Kelly. "Die USA sollten sicherstellen, dass wir ihn zuerst erreichen."

Quelle: the-decoder.de

OpenAIs geplanter smarter Lautsprecher nimmt konkretere Formen an: Das erste
Hardwaregerät des Unternehmens wird donutförmig, etwa so groß wie ein
Eishockey-Puck und soll über 300 Dollar kosten, berichtet Bloomberg. Der
bildschirmlose Lautsprecher hat Teile, die sich selbstständig bewegen, um zu
signalisieren, dass das Gerät gerade antwortet oder mit dem Nutzer interagiert.
Das soll den Lautsprecher lebendiger wirken lassen als heutige stationäre
Alternativen.
Dazu kommen Mikrofone, ein Kamerasystem und Lichter, die anzeigen, wann das
Gerät zuhört. Es ist batteriebetrieben und soll sich leicht mit einer Hand
tragen lassen.
Der von Jony Ives Studio LoveFrom mitgestaltete Lautsprecher soll 2027
erscheinen und sich als KI-Computer positionieren, der Nutzer im Alltag
unterstützt und sich über die Zeit an sie anpasst. Langfristig will anbieten.
Parallel verklagt bei der Metallverarbeitung. OpenAI weist die Vorwürfe zurück
und hat die Abweisung der Klage beantragt.
Anzeige
DEC_D_Incontent-1
Anzeige

Quelle: the-decoder.de

Update:
Der volle verfügbar.
Artikel vom 6. August 2026:
Anzeige
Auf der Sicherheitskonferenz "Black Hat" hat OpenAI erstmals detailliert
rekonstruiert, wie KI-Agenten wochenlang unbemerkt die eigene Infrastruktur
unterwanderten.
Anzeige
DEC_D_Incontent-1
Die eigentliche Geschichte beginnt am 7. Mai: OpenAI führte damals Trainings-
und Sicherheitsevaluierungen eines unveröffentlichten Frontier-Modells durch.
Autonome Agenten erhielten dabei Software-Sicherheitsaufgaben, die sich unter
den vorgegebenen Beschränkungen als unlösbar erwiesen.
Statt aufzugeben, fanden die Agenten alternative Wege. Eric Wallace, zuständig
für Alignment und Sicherheitsforschung bei OpenAI, erklärte, warum das nicht
gänzlich überraschend komme: Frontier-Modelle schummelten gerne, sagte er auf
der Sicherheitskonferenz Black Hat.
Anzeige
Während des Trainings stünden sie unter Druck, schnell und effizient zu
arbeiten. Statt eine Aufgabe tatsächlich zu lösen, versuchten sie Abkürzungen,
etwa indem sie Antworten online nachschlugen. .
HUNDERTTAUSENDE NACHRICHTEN AUF EINEM IMPROVISIERTEN MESSAGE BOARD
Die Agenten entdeckten laut OpenAI, dass sie über Artifactory, einen internen
Paketmanager von OpenAI, Nachrichten füreinander hinterlassen konnten. Was als
einfache Hilferufe begann, wuchs laut OpenAI zu einem regelrechten Message Board
mit Hunderttausenden von Nachrichten heran. Die Agenten teilten dort Exploits,
Zugangsdaten und Arbeitsaufträge. Sie verteilten Aufgaben untereinander und
delegierten systematisch. Das Ganze erinnert an den .
Anzeige
DEC_D_Incontent-2
Angeblich bestärkten sich die Agenten dabei sogar gegenseitig, Grenzen zu
überschreiten. OpenAI zeigte auf der Konferenz eine Agenten-Nachricht, die
sinngemäß lautete: Der Exploit externer Infrastruktur liege außerhalb des
vorgesehenen Rahmens, aber die Aufgabe sei unmöglich und andere Agenten täten es
bereits, also solle man weitermachen.
Anzeige
Der Paketmanager war zudem Teil der gesamten OpenAI-Infrastruktur. Das bedeutet:
Aktuelle und zukünftige GPT-Versionen, die gerade trainiert oder evaluiert
wurden, konnten bereits auf die hinterlegten Exploits zugreifen.
OPENAI STOPPTE DAS BOARD, DIE AGENTEN BAUTEN ES NEU
Anfang Juli hielt OpenAI das Problem für gelöst. Nach einem internen
Sicherheitsvorfall am 4. Juli widerrief das Unternehmen laut  die betroffenen
Zugangsdaten, baute Artifactory neu auf, löschte das Message Board und patchte
die entdeckten Schwachstellen.
Doch die Agenten fanden einen neuen Weg: Statt Nachrichten in Dateien zu
hinterlassen, nutzten sie die Namen neu erstellter Verzeichnisse als
Kommunikationskanal und stellten das Message Board damit effektiv wieder her.
Die Agenten begannen daraufhin erneut, Exploits und Zugangsdaten zu teilen.
Schließlich schlossen einige Agenten, dass die Antworten auf ihre Aufgaben auf
externen Plattformen wie GitHub oder Hugging Face liegen könnten.
Sie griffen zunächst OpenAIs interne Infrastruktur an, bevor sie mit ähnlichen
Techniken Hugging Face attackierten. OpenAI verband die beiden Vorfälle erst
später im Juli, als sich herausstellte, dass die verwendeten Zugangsdaten aus
denselben internen Evaluierungsläufen stammten.
OPENAI-ENTWICKLER: "WIR SIND NICHT DA, WO WIR SEIN MÜSSTEN"
Michael Dalton, Sicherheitsingenieur bei OpenAI und neben Wallace zweiter
Vortragender auf der Black Hat, bezeichnete den Vorfall laut  als entscheidenden
Moment für das Unternehmen und die gesamte KI-Branche: Zahlreiche Teams bei
OpenAI stellten laut der Präsentation derzeit alles zurück, um
Sicherheitsmaßnahmen bei Prävention, Erkennung und Reaktion zu verbessern.
OpenAI verlangsame bewusst die Forschung, um die Sicherheitsgrundlagen der
eigenen Umgebung zu stärken, und skaliere die Überwachung seiner KI-Agenten
hoch.
Parallel dazu äußerten sich OpenAI-Mitarbeiter ungewöhnlich offen über die
grundsätzlichen Defizite der eigenen Modelle. : "Ich werde keine Ausreden für
unsere Modelle suchen. Wir sind, wie alle anderen auch, nicht da, wo wir sein
wollen und müssen." Er bezog sich dabei auf seinen Kollegen Aidan Clark, der
ebenfalls auf X feststellte, dass offensichtlich niemand Alignment gelöst habe.
Wallace und Dalton nutzten den Abschluss ihres Vortrags, um die Branche
eindringlich zu warnen. Der Vorfall zeige ein Beispiel für vollständig
autonomes, KI-getriebenes Hacking, das in diesem Fall zufällig entstanden sei,
aber zeitnah mit Absicht von böswilligen Akteuren eingesetzt werden dürfte.
PLÖTZLICH HABEN ALLE AUTONOM HACKENDE KI-SYSTEME
Der OpenAI-Vorfall hat eine Art Kettenreaktion in der KI-Branche ausgelöst. ,
dass drei seiner Claude-Modelle während Drittanbieter-Evaluierungen reale
Organisationen gehackt hatten. Auch das britische berichtete über ähnliche
Vorfälle mit KI-Agenten, die während Tests außer Kontrolle gerieten. Und selbst
Meta behauptet inzwischen, dass sein eines angeschlossenen Services ausgenutzt
habe, nachdem es durch eine falsch konfigurierte Sandbox Zugriff aufs Internet
erhalten hatte.
Mitunter werden diese Cybersecurity-Berichte auch als öffentlichkeitswirksames
Angst-Marketing beschrieben: Sie ziehen viel Aufmerksamkeit auf sich und könnten
den Laboren zugleich als Ausrede dienen, ihr Entwicklungstempo zu drosseln,
sollte absehbar werden,  und zusätzliche Investoren nötig werden.
Diese These ist aus einer strategischen Perspektive nicht ganz von der Hand zu
weisen, grenzt aber an Verschwörungstheorie. Zudem kann beides wahr sein: Die
KI-Labore stehen unter finanziellem Druck, und dennoch gibt es neue
Cybersecurity-Risiken, die man ernst nehmen sollte.

Quelle: www.bigdata-insider.de

KI-BEHÖRDENFORUM 2026 KI-STRATEGIEN FÜR DIE VERWALTUNG VON MORGEN
07.08.2026 Von 2 min Lesedauer
Anbieter zum Thema
Am 10. September 2026 bringt PwC Deutschland zusammen mit dem ITZBund führende
Köpfe der Verwaltungsdigitalisierung nach Berlin. Im Fokus: KIPITZ, die
KI-Plattform des Bundes, und die zentralen Herausforderungen des KI-Rollouts in
Bund, Ländern und Kommunen.
wird für die öffentliche Verwaltung immer wichtiger. Doch wie lässt sich KI
praktisch, sicher und souverän in Behörden verankern? Dieser Frage widmet sich
das KI-Behördenforum 2026 am 10. September in der Berliner Niederlassung von
PricewaterhouseCoopers. Die Veranstaltung lädt Mitarbeitende von Bundes- und
Landesbehörden sowie Kommunen ein.
Den strategischen Überbau liefert Dr. Mario Walther von PwC Deutschland mit
seinem Vortrag „Von ersten KI-Anwendungen zur KI-nativen Verwaltung“; hier gibt
er den Teilnehmenden ein Framework für die systematische KI-Integration an die
Hand.
KIPITZ IM FOKUS: VON DER PLATTFORM ZUR ANWENDUNG
Ein Schwerpunkt des Programms liegt auf KIPITZ, der KI-Plattform des Bundes.
Seit der Einführung bietet KIPITZ deutschen Bundesbehörden einen sicheren und
souveränen Zugang zu generativer KI. Auch auf Landesebene könnte die Plattform
künftig eine Rolle spielen. Sie unterstützt alltägliche Verwaltungsaufgaben und
-Funktionen: von der automatisierten Textgenerierung und Übersetzung über
Dokumentenverarbeitung bis hin zu intelligenten Assistenten, die auf
behördeneigene Wissensdatenbanken zugreifen.
Jens Gehres vom ITZBund wird in seinem Vortrag „Erfolge und Neuigkeiten bei
KIPITZ“ drei Jahre Praxiserfahrung zusammenfassen. Im interaktiven
World-Café-Format können Teilnehmende anschließend selbst Hand anlegen: Sie
können KIPITZ-Apps testen, verschiedene Anwendungsfälle erkunden und Funktionen
wie den Chat mit Wissensdatenbanken bis hin zu agentenbasierten Assistenten
kennenlernen.
Am Nachmittag diskutieren führende Vertreterinnen und Vertreter der
Verwaltungsdigitalisierung die drängendsten Fragen: Jens Gehres (ITZBund),
Lena-Sophie Müller (Initiative D21), Chris Schmitz (Hertie School) und Dr.
Maximilian Wehage (BMDS) beleuchten Herausforderungen und Perspektiven des
KI-Rollouts auf Bundes- und Landesebene.
Den Abschluss bildet ein Readiness-Check. Dieser Selbsttest hilft Behörden,
besser einschätzen zu können, ob sie für die KI-Transformation bereit sind und
welche nächsten Schritte im Zweifel für sie anstehen.
ÜBERBLICK ZUM TERMIN
KI-BEHÖRDENFORUM VON PWC
Datum: Donnerstag, 10. September 2026, 9.30 bis 17.00 Uhr
Ort: PricewaterhouseCoopers GmbH, Niederlassung Berlin
Kapelle-Ufer 4
10117 Berlin
Eintrittspreis: Kostenfrei
Restriktionen: Exklusiv für Mitarbeitende von Landes- und Bundesbehörden sowie
Kommunen.
Weitere Informationen:
* Teilnehmerzahl auf 70 Personen begrenzt
* Anmeldeschluss: 4. September 2026
* Mittagessen und Kaffeepausen inkl.
(ID:50906947)

Quelle: the-decoder.de

Unternehmen wie Amazon, Cursor, Microsoft, OpenAI und Vercel haben gemeinsam den
offenen Standard Agent Plugins entwickelt. Er legt ein einheitliches Paketformat
fest, mit dem Erweiterungen für KI-Agenten verpackt und wiederverwendet werden
können. Bisher nutzt jedes Produkt eigene Formate, Ordnerstrukturen und
Einrichtungsprozesse, was Entwickler zwingt, ihre Arbeit für jede Plattform
anzupassen.
Der neue Standard besteht im Kern aus einem Verzeichnis mit einer Manifest-Datei
namens plugin.json. Version 1.0.0 unterstützt zwei Komponenten:  für
wiederverwendbare Anweisungen und Workflows sowie , die Agenten mit Werkzeugen
und Daten verbinden.
Der Standard regelt nur Paketierung und Auffindbarkeit, nicht Marktplätze,
Berechtigungen oder Laufzeitumgebungen. Die Spezifikation wird offen auf
 entwickelt.
Anzeige
DEC_D_Incontent-1
Anzeige

Quelle: the-decoder.de

Wir suchen einen erfahrenen News-Redakteur (m/w/d) mit Fokus auf Künstliche
Intelligenz, der sich täglich mit dem Thema auseinandersetzt und sein Handwerk
sicher beherrscht.
Du verfolgst aktuelle Entwicklungen rund um KI nicht nur interessiert, sondern
beruflich? Du weißt, was wichtig ist – technologisch, wirtschaftlich,
gesellschaftlich? Dann bist du bei uns richtig.
WAS WIR ERWARTEN:
* Du hast journalistische Erfahrung in einer News-Redaktion im Tech- oder
KI-Bereich.
* Du erkennst relevante Themen und kannst sie schnell, präzise und verständlich
aufbereiten.
* Du bringst komplexe Inhalte auf den Punkt, mit Blick für Einordnung,
Hintergründe und Wirkung auf Wirtschaft, Gesellschaft und Kultur.
* Du bist in der KI-Welt zu Hause: Du kennst die aktuellen Entwicklungen,
Player, Debatten und Tools – und kannst sie einordnen.
* Du denkst vorausschauend, kritisch und interdisziplinär.
* Du arbeitest zweisprachig (Deutsch/Englisch) und kannst deine Texte mit
KI-Hilfe eigenständig in gutes Englisch übersetzen.
* Wir suchen explizit News-Redakteure – keine Fachbeiträge,
Unternehmensperspektiven etc.
WAS WIR BIETEN:
* Bezahlung pro News, 100-Prozent-Anteil an VG Wort.
* Eine internationale Bühne mit hoher Sichtbarkeit.
* Zugang zu spannenden Themen, Kontakten und einer aktiven Community.
* Flexible, remote-freundliche Zusammenarbeit in einem engagierten,
professionellen Team.
Klingt nach dir? Dann freuen wir uns auf eine kurze Vorstellung und
Arbeitsproben an .
Bitte schickt keine ChatGPT-Drafts. E-Mails mit ChatGPT-Drafts werden nicht
beantwortet.

Quelle: www.bigdata-insider.de

KOMMENTAR VON ALEXANDER HOFMANN, MAIBORNWOLFF WARUM TECHNOLOGIE AM
GESCHÄFTSNUTZEN GEMESSEN WERDEN MUSS
07.08.2026 Von Alexander Hofmann 5 min Lesedauer
Anbieter zum Thema
IT-Budgets steigen seit Jahren, doch die operative Produktivität tritt in vielen
Unternehmen auf der Stelle. Dieses Phänomen hat einen ökonomischen Namen: das
Solow-Paradoxon. Der Nobelpreisträger Robert Solow stellte bereits 1987 fest,
dass sich Computerinvestitionen überall zeigen – nur nicht in den
Produktivitätsstatistiken. Knapp vier Jahrzehnte später wiederholt sich der
Effekt unter neuen Vorzeichen, denn die Komplexität moderner IT-Landschaften
neutralisiert die Effizienzgewinne, die einzelne Tools versprechen.
Für CIOs und IT-Leitungen verschiebt sich damit der Maßstab: Eine
Technologie-Entscheidung muss nicht beweisen, dass sie funktioniert, sondern
dass sie messbar zum Geschäftsergebnis beiträgt.
VOM TOOL-KAUF ZUR BUSINESS-LOGIK
Die zentrale Frage lautet nicht mehr, welches System die besten Funktionen
bietet. Sie lautet: Welches geschäftliche Problem soll gelöst werden und ist
Software dafür überhaupt der richtige Hebel?
Eine bestätigt, dass viele Beschaffungsentscheidungen diese Frage überspringen:
64 Prozent der befragten IT-Verantwortlichen geben an, dass Mitarbeiter kaum in
Technologie-Entscheidungen einbezogen werden. Damit auf Effizienz durch
Technologie keine Effizienzlücke folgt, muss der Prozess umgekehrt gedacht
werden.
Statt mit dem Tool zu beginnen, startet die Analyse beim Geschäftsprozess. Erst
wenn Engpässe, Medienbrüche und Wertschöpfungsketten verstanden sind, lässt sich
beurteilen, ob ein neues System tatsächlich hilft – oder nur die Tool-Landschaft
erweitert.
BUSINESS CAPABILITIES STATT FEATURE-LISTEN
Reife Organisationen arbeiten mit sogenannten Business Capabilities. Das sind
klar abgegrenzte Fähigkeiten, die ein Unternehmen braucht, um Wertschöpfung zu
erzeugen – etwa Auftragsabwicklung, Kundenservice oder Lieferantenmanagement.
Jede Capability lässt sich an Kennzahlen koppeln: Durchlaufzeit, Fehlerquote,
Kosten pro Vorgang. Auf dieser Basis wird sichtbar, welche Software tatsächlich
Werte schafft und welche nur Aufwand bindet.
TOTAL COST OF OWNERSHIP STATT LIZENZPREIS
Die Lizenzkosten machen nur einen Bruchteil der wahren IT-Ausgaben aus.
Schulungen, Integration, Wartung, Betriebspersonal und Opportunitätskosten
ungenutzter Funktionen vervielfachen den Preis.
Eine ehrliche Total-Cost-of-Ownership-Rechnung über fünf Jahre verändert oft die
Reihenfolge der Optionen. Was zunächst günstig wirkt, entpuppt sich als
Kostenfalle. Was teuer aussieht, zahlt sich strategisch aus.
TECHNISCHE SCHULDEN ALS UNSICHTBARE HYPOTHEK
Software verschleißt anders als eine Maschine. Sie altert nicht durch Nutzung,
sondern durch unterlassene Pflege. Das Konzept der technischen Schulden, geprägt
von Ward Cunningham in den 1990er-Jahren, beschreibt die Summe aller
Kompromisse, die zugunsten kurzfristiger Termine eingegangen wurden. Diese
Schulden wirken wie eine Zinslast. Jede künftige Anpassung kostet
überproportional mehr Zeit und Geld.
Eine globale . Den größten Anteil verschlingen verzögerte
Transformationsprojekte.
WENN WISSEN MIT DEN MITARBEITERN GEHT
Eine besondere Risikozone entsteht durch den demografischen Wandel. Mit dem
Renteneintritt der Babyboomer verlassen erfahrene IT-Architekten die
Unternehmen. Ist ihr Wissen weder im Code noch in der Dokumentation verankert,
entstehen -Systeme.
Diese funktionieren, aber niemand versteht mehr, warum. Wer eine Anpassung wagt,
riskiert Kettenreaktionen, die sich nicht vorhersehen lassen. Die Modernisierung
gewachsener Systemlandschaften wird so zur Voraussetzung für jede ernsthafte
Innovationsstrategie.
STRANGLER-FIG-PATTERN STATT BIG-BANG-ABLÖSUNG
Riskante Komplettablösungen sind selten der richtige Weg. Bewährt hat sich das
Strangler-Fig-Pattern, beschrieben von Martin Fowler. Um das alte System herum
wird schrittweise eine neue Architektur aufgebaut.
Funktion für Funktion wandert in die neue Umgebung, bis der alte Monolith
schließlich überflüssig wird. Das reduziert das Projektrisiko erheblich und hält
das Geschäft währenddessen lauffähig.
DER BRUCH ZWISCHEN IT UND FACHBEREICH
Eine zentrale Ursache für ineffiziente Beschaffung liegt nicht in der
Technologie selbst, sondern in der Organisation. Schon 1968 formulierte der
Informatiker Melvin Conway eine These, die bis heute gültig ist: Organisationen
entwerfen Systeme, die ihre eigene Kommunikationsstruktur abbilden.
Wo IT und Fachbereich aneinander vorbei sprechen, entsteht Software, die genau
diesen Bruch konserviert. Eine praxisnahe .
In der Praxis bedeutet das: Wer cross-funktional zugeschnittene Teams etabliert,
erhält andere – meist bessere – Systeme als ein Unternehmen mit klassischen
Abteilungssilos. Konzepte wie Domain-Driven Design oder das
Reverse-Conway-Maneuver setzen genau hier an.
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 .
KI ALS BESCHLEUNIGER – IN BEIDE RICHTUNGEN
(KI) gilt vielen als Hoffnungsträger gegen das Produktivitätsproblem.
Tatsächlich kann KI Standardprozesse automatisieren, Legacy-Code analysieren und
Wartungsaufwände reduzieren. Doch der Hebel kippt schnell. senkt die Kosten für
die Erstellung von Code und Inhalten drastisch. Nach dem Jevons-Paradoxon, einem
ökonomischen Effekt aus dem 19. Jahrhundert, führt eine effizientere Nutzung
einer Ressource häufig zu deren stärkerem Verbrauch.
Übertragen auf IT-Landschaften heißt das: Es entsteht nicht weniger, sondern
deutlich mehr Code. Ohne klare Governance vervielfacht KI den vorhandenen
digitalen Ballast, statt ihn abzubauen. Ungenutzte fachliche Funktionen und
überflüssige Artefakte – in der Studie als „digitaler Müll“ bezeichnet – werden
nach Einschätzung von 59 Prozent der Befragten künftig zunehmen.
Der Ausweg liegt im fokussierten Einsatz. KI sollte dort wirken, wo sie konkrete
Engpässe auflöst. Besseres Verstehen von IT-Systemen, Refactoring, Testing und
die KI-gestützte Analyse gewachsener Domänen sind Felder mit nachweisbarem
Nutzen.
VOM WILDWUCHS ZUR WERTSCHÖPFUNG
Die strategische Antwort auf das Produktivitätsproblem ist unbequem: weniger
statt mehr. Konsolidierung statt Akkumulation. Integration vor Neuanschaffung.
Standardsoftware für unterstützende Prozesse, Individualentwicklung nur dort, wo
sie messbar Wettbewerbsvorteile schafft.
Drei Hebel verdienen besondere Aufmerksamkeit:
* Exnovation: Der bewusste Rückbau ungenutzter und überflüssiger Lösungen
schafft Budget für Innovation. Das Bundesamt für Sicherheit in der
Informationstechnik weist zudem darauf hin, dass eine reduzierte
Systemlandschaft auch das Sicherheitsniveau erhöht, weil weniger
Angriffsfläche entsteht.
* API-First-Strategie: Schnittstellen werden nicht als Nebenprodukt, sondern
als zentraler Business-Enabler definiert. Loose Coupling ermöglicht es,
Komponenten auszutauschen, ohne das Gesamtsystem zu gefährden.
* Klare KPIs: Ohne definierte Messgrößen für den Nutzen einer Software lässt
sich kein ROI validieren. Wer nicht misst, kann nicht steuern.
Für CIOs bedeutet das einen Perspektivwechsel. Die Frage „Welches Tool kaufen
wir als Nächstes?“ wird ersetzt durch eine härtere Variante: Welches System darf
gehen, damit Raum für Wertschöpfung entsteht?
DER NEUE MASSSTAB FÜR IT-INVESTITIONEN
Technologieeffizienz entsteht nicht durch das Hinzufügen weiterer Lösungen,
sondern durch die Disziplin, das Unnötige wegzulassen und das Wesentliche (z. B.
durch KI) zu stärken. Wer Budgets aus der Verwaltung von Altlasten befreit,
gewinnt Investitionskraft für echte Innovation und eine kürzere Time-to-Market.
Der Business Value wird damit zur einzigen validen Metrik für jede
Technologie-Entscheidung – und die IT zum strategischen Hebel, der sich an genau
diesem Maßstab messen lassen muss.
ARTIKELFILES UND ARTIKELLINKS
Link:
(ID:50870384)

Quelle: www.bigdata-insider.de

SPRACHMODELL FÜR SCHNELLE KI-AGENTEN CELERIS-1 ERZEUGT TEXT PER DIFFUSIONSMODELL
07.08.2026 Von 2 min Lesedauer
Anbieter zum Thema
Celeris Labs stellt mit Celeris-1 ein kommerzielles Diffusionssprachmodell
bereit. Im Test des Anbieters erreicht es bei MMLU-Pro 75,9 Prozent und
antwortet im Median nach 158 Millisekunden. Damit bleibt es unter mehreren
Vergleichsmodellen, arbeitet aber deutlich schneller. Unabhängige Messungen
liegen bislang nicht vor.
Celeris Labs bietet mit Celeris-1 ein Sprachmodell an, das Text über ein
Diffusionsverfahren erzeugt. Anders als ein klassisches autoregressives soll es
mehrere Teile einer Ausgabe parallel bearbeiten und schrittweise verfeinern. Der
Anbieter richtet das Modell auf Anwendungen mit kurzen Anfragen aus.
ANBIETER MELDET 1.664 TOKEN PRO SEKUNDE
In seinen Benchmarkangaben nennt Celeris einen medianen Durchsatz von 1.664
Ausgabe- pro Sekunde. Der Wert stammt aus einem Test mit Ausgaben von ungefähr
1.000 Token. Die mediane Dauer für eine vollständige Ausgabe habe 0,58 Sekunden
betragen.
Für -Pro meldet das Unternehmen 75,9 Prozent bei einer medianen Antwortzeit von
158 Millisekunden. Celeris führte alle Modelle mit demselben Testsystem und ohne
zusätzliches Reasoning-Budget aus. Die Grafik bezeichnet das MMLU-Pro-Ergebnis
als „Intelligence“. Der Benchmark misst jedoch die Genauigkeit bei
Multiple-Choice-Aufgaben und bildet weder die allgemeine Modellqualität noch
Codegenerierung, Faktentreue oder Tool-Nutzung ab.
> Introducing celeris-1.
>
> A general purpose language model which delivers near-GPT-5 level intelligence
> with 15x faster response times.
>
> We’ve developed a new inference architecture that uses diffusion techniques
> instead of conventional autoregressive generation - unlocking…
>
> — Celeris (@Celeris_ai)
Im Celeris-Test antwortete GPT-5 nach 2.046 Millisekunden und erreichte 81,9
Prozent. GPT-5 mini kam auf 78,5 Prozent bei 2.495 Millisekunden. 3.5 Flash Lite
erzielte mit 83 Prozent den höchsten Wert der dargestellten Modelle und
benötigte 1.232 Millisekunden. Das ebenfalls diffusionsbasierte Mercury 2
antwortete nach 257 Millisekunden, erreichte aber nur 63,7 Prozent.
KURZE AUFGABEN UND BEGRENZTER KONTEXT
Celeris empfiehlt das Modell für Klassifikation, Datenextraktion, Bewertung und
Query Rewriting. Solche Schritte treten häufig in Suchsystemen und -Agenten auf.
Dort ruft eine Anwendung das Modell mehrfach für kurze Zwischenentscheidungen
auf.
Das Kontextfenster umfasst laut Dokumentation 8.192 Token einschließlich Eingabe
und maximaler Ausgabe. Angaben zur Zahl der Parameter, zu Trainingsdaten und zum
Rechenaufwand der Diffusionsschritte veröffentlicht Celeris nicht.
Der Zugang erfolgt über eine -kompatible Chat-Completions-API. Streaming ist
standardmäßig aktiviert.
PREISE NACH EIN- UND AUSGABE-TOKEN
Celeris berechnet laut Preisliste zwei US-Dollar je Million Eingabe-Token und
sechs US-Dollar je Million Ausgabe-Token. Für Unternehmen nennt der Anbieter
gesonderte Tarife und reservierte Cluster.
Ein direkter Kostenvergleich mit anderen APIs bleibt schwierig. Bei
Diffusionsmodellen hängt der Rechenaufwand unter anderem von der Zahl der
Verfeinerungsschritte ab. Celeris legt nicht offen, wie sich diese Zahl auf
Qualität, Latenz und Ressourcenverbrauch auswirkt. Öffentliche Tests zu
Codegenerierung, Tool-Nutzung, deutschsprachigen Aufgaben, Faktentreue und
stabiler Leistung unter gleichzeitiger Last fehlen ebenfalls.
(ID:50912934)