KI News

Fr., 21. August 2026

Agentische KI erobert Kanzleien und Banken, während der Boom bei Trainingsdaten Micro1 stark wachsen lässt. Zugleich rückt KI stärker in die physische Welt: Apple priorisiert Smart Glasses, Nevada öffnet den Weg für Tausende Robotaxis von Tesla, Uber und Waymo, und Agility Robotics peilt einen Milliarden-IPO an.

Quelle: novoai.de

OEE BERECHNEN: TYPISCHE FEHLER, DIE UNTERNEHMEN GELD KOSTEN
OEE BERECHNEN: FORMEL, BEISPIEL UND TYPISCHE FEHLER IN DER FERTIGUNG
Kann eine einzelne Prozentzahl den Ablauf Ihrer Linie verändern? Die kurze
Antwort lautet: Ja — wenn Sie korrekt messen. OEE berechnen (OEE berechnen)
übersetzt rohe Zeitdaten vom Shop Floor in eine einzige Leistungskennzahl, die
genau zeigt, wo Verluste auftreten. Viele Führungskräfte behandeln OEE jedoch
als abhakbaren KPI statt als Diagnosewerkzeug, was zu verschwendeten Ressourcen
und falschen Schlussfolgerungen führt.
Dieser Artikel führt Sie durch die Formel zum OEE berechnen, zeigt ein
Schritt-für-Schritt-Beispiel und die typischen Fehler, die Hersteller an
Verbesserungen hindern. Sie erhalten konkrete Zahlen, aktuellen Branchenkontext
und praktische Maßnahmen, die Sie sofort anwenden können. Wir beziehen moderne
Ansätze der Maschinenüberwachung ein — zum Beispiel Echtzeit-Sensor-Retrofit und
lokale Datenverarbeitung — damit die theoretische OEE-Berechnung in Ihrer Fabrik
handlungsfähig wird. Moderne Lösungen wie die WatchMen-Plattform von Novo AI
helfen, zuverlässige Eingangsgrößen für die OEE zu erfassen, sowohl für
Neuanlagen als auch für nachgerüstete Bestandslinien.
WARUM OEE BERECHNEN SO WICHTIG IST
OEE (Overall Equipment Effectiveness) fasst drei Dimensionen zusammen —
Verfügbarkeit, Leistung und Qualität — und liefert einen Prozentwert. OEE
berechnen schafft eine gemeinsame Sprache über Schichten und Werke hinweg; seine
eigentliche Stärke liegt aber in der Diagnose. Wenn Sie die OEE korrekt
berechnen, zeigt die Kennzahl die größte Verlustkategorie und leitet gezielte
Gegenmaßnahmen.
Aktuelle Benchmarking-Analysen zeigen große Unterschiede. Verschiedene Quellen
nennen realistische OEE-Ziele zwischen etwa 36 % und 75 %, abhängig von
Automatisierungsgrad und Branche. Für viele mittelständische Hersteller der
diskreten Fertigung liegt ein realistischer Betriebsbereich eher bei 50–65 %
statt beim theoretischen 85 % „world-class“-Wert. Die Evocon-Benchmarks
verdeutlichen, dass viele Werke im Bereich 36–60 % liegen. Solche Bandbreiten
sind relevant: Ein Sprung von 30 % auf 60 % OEE — wie er in
Retrofit-Erfolgsgeschichten berichtet wird — verdoppelt effektiv die produktive
Ausbringung, ohne zusätzliche Maschinen einzusetzen.
Damit eine OEE-Zahl handlungsfähig wird, müssen die Eingangsgrößen stimmen. Wenn
Stillstandszeiten, langsame Zyklen oder Ausschuss falsch erfasst sind, wird die
gesamte Berechnung irreführend. Deshalb sind nachgerüstete, maschinenunabhängige
Sensoren mit lokaler Vorverarbeitung für viele Mittelstands-Fabriken wichtig
geworden; sie schaffen Vertrauen in die Basisdaten, bevor Maßnahmen gestartet
werden. OEE berechnen ist deshalb nur dann wirklich wertvoll, wenn
Verfügbarkeit, Leistung und Qualität auf belastbaren Echtzeitdaten statt auf
Schätzungen oder nachträglichen Rückmeldungen beruhen.
SO KÖNNEN SIE DIE OEE BERECHNEN
Die OEE-Formel ist einfach: OEE = Verfügbarkeit × Leistung × Qualität. Jeder
Faktor ist selbst ein Verhältnis aus Shop-Floor-Daten. Verfügbarkeit =
(Betriebszeit / Geplante Produktionszeit). Leistung = (Ideale Zykluszeit ×
Gesamtstückzahl) / Betriebszeit. Qualität = (Gute Stückzahl / Gesamtstückzahl).
Multiplizieren Sie die drei Werte (als Dezimalzahlen) und wandeln Sie das
Ergebnis in Prozent um.
Beispiel: Eine Schicht hat 480 Minuten geplante Zeit, davon 60 Minuten
Stillstände. Betriebszeit = 420 Minuten. Die ideale Zykluszeit beträgt 1 Minute.
Produzierte Gesamtstückzahl = 360 Teile, gute Teile = 340.
Verfügbarkeit = 420 / 480 = 0,875 (87,5 %). Leistung = (1 × 360) / 420 = 0,857
(85,7 %). Qualität = 340 / 360 = 0,944 (94,4 %). OEE = 0,875 × 0,857 × 0,944 =
0,707 → 70,7 % OEE. Diese einzelne Prozentzahl zeigt, wo Sie hinschauen müssen:
Hier ziehen Verfügbarkeit und Leistung am stärksten, also sollten Sie
Stillstände reduzieren und Zykluszeit-Variationen angehen.
VERSTECKTE KOSTEN DURCH STILLSTANDSZEITEN
Stillstandszeiten werden oft schnell als „Bedienerfehler" abgetan, doch die
Analyse zeigt meist maschinen- oder materialflussbedingte Ursachen. Ein Beispiel
aus der Praxis: Ein deutsches Mittelstandsunternehmen rüstete analytische
Sensoren nach, um unter Zyklus sichtbare Unterbrechungen zu erfassen, und fand
heraus, dass 40 % der Stillstände mit Materialzufuhr zusammenhingen. Durch
Anpassung der Zuführsequenz und einfache Poka-Yoke-Maßnahmen sanken die
geplanten Stopps innerhalb von sechs Wochen um 20 %.
Stillstandszeit gliedert sich in geplante Wartung, ungeplante Ausfälle, Rüsten
und Mikro-Stops. Mikro-Stops — kurze Unterbrechungen unter fünf Minuten — machen
oft 10–25 % der Gesamtstillstandszeit aus, sind aber in manuellen Logs
unsichtbar. Mikro-Stops erfassen Sie nur mit zyklusgenauer Sensortechnik und
zeitgestempelten Events; werden diese behoben, steigert das häufig die
Verfügbarkeit um 5–10 Prozentpunkte innerhalb weniger Monate. OEE berechnen wird
in diesem Zusammenhang deutlich präziser, weil auch kurze Unterbrechungen,
Materialflussprobleme und versteckte Mikro-Stops als reale
Verfügbarkeitsverluste sichtbar werden.
3 WEGE ZUR VERBESSERUNG DER OEE
Gezielte Maßnahmen, die sich an den OEE-Komponenten orientieren, bringen am
schnellsten Ertrag. Arbeiten Sie strukturiert: Diagnostizieren, priorisieren,
validieren. Moderne Maschinenüberwachung unterstützt alle drei Schritte durch
zeitgestempelte Events, Energiemesswerte und Geschwindigkeits-Signale.
Erstens: Verfügbarkeitsverluste reduzieren durch Schnellwechsel-Werkzeuge,
bessere vorbeugende Wartungsplanung und optimierten Materialfluss. Eine aktuelle
Analyse im COPA-DATA-Blog zeigt, dass Echtzeit-OEE-Dashboards die mittlere
Reparaturzeit verkürzen, weil Ursachen schneller gefunden werden. OEE berechnen
hilft dabei, jede Maßnahme klar einer Verlustkategorie zuzuordnen und ihren
tatsächlichen Effekt auf Verfügbarkeit, Leistung oder Qualität messbar zu
machen.
Zweitens: Leistung steigern durch Eliminieren von Mikro-Stops und
Zyklusvariationen. Kleine Geschwindigkeitsabfälle addieren sich; zyklusgenaue
Sensordaten (auch ohne PLC-Integration) machen diese Mikro-Ereignisse sichtbar.
Drittens: Qualität verbessern, indem Ausschuss genau auf Zyklusfenster
zurückgeführt wird; das Verknüpfen von Fehlerzeitstempeln mit Energie- oder
Schwingungssignalen deckt oft Ursachen auf.
PRAXISBEISPIEL: OEE VON 30 % AUF 60 % STEIGERN
Die Schlagzeile „OEE von 30 % auf 60 % gesteigert“ ist plausibel, wenn die
Verluste vorwiegend ungemessene Stillstände und Mikro-Stops sind. Ein
mittelständischer Zulieferer setzte nicht-invasive Sensoren, lokale Verarbeitung
zur Wahrung der Privatsphäre und ein Cloud-Dashboard ein, um Events zu
validieren. Innerhalb von drei Monaten verdoppelten sie die effektive Laufzeit,
indem sie versteckte Stopps eliminierten und Schichtübergaben optimierten.
Konkrete Zahlen: Eine Verdopplung der OEE von 30 % auf 60 % bedeutet, dieselbe
Durchsatzleistung mit der Hälfte der verlorenen Zeit zu erreichen — das schafft
Kapazität oder reduziert Überstundenkosten. Energie-Tracking, gekoppelt an OEE,
zeigte in diesem Beispiel, dass unnötiges Leerlaufen den Energieverbrauch pro
Teil um 12 % erhöhte; durch Gegenmaßnahmen sank dieser Wert deutlich. OEE
berechnen macht solche Effekte nachvollziehbar, weil Verbesserungen bei
Laufzeit, Leistung und Energieverbrauch in einer klaren Kennzahl zusammengeführt
werden.
Ein weiteres realistisches Szenario: Eine Linie mit 40 % OEE, die 30 % der
geplanten Zeit in Mikro-Stops verbringt, könnte die Verfügbarkeit auf 55 %
heben, wenn Mikro-Stops und Rüstzeiten adressiert werden. In Kombination mit
Prozessoptimierung zur Wiedergewinnung von 5–7 % Leistung und einer kleinen
Qualitätsinitiative kann so 60 % OEE ohne Maschinenneukauf erreichbar sein.
TYPISCHE FEHLER BEIM OEE BERECHNEN VERMEIDEN
Viele Teams berechnen OEE falsch, weil Eingabedaten unvollständig oder
inkonsistent sind. Typische Fehler: geplante Pausen als Ausfall zählen,
Mikro-Stops weglassen, uneinheitliche ideale Zykluszeiten verwenden und
Ausschuss nicht mit Produktionszählungen abgleichen. Solche Fehler verfälschen
die OEE um mehrere Prozentpunkte und lenken Verbesserungen in die falsche
Richtung.
Praktische Gegenmaßnahmen: Definieren Sie Begriffe teamübergreifend (was zählt
als geplanter Stopp?), instrumentieren Sie Zyklen statt auf manuelle Logs zu
vertrauen und nutzen Sie zeitgestempelte Qualitätsdaten. Lokale
Datenverarbeitung ist dabei hilfreich: sensible PLC-Signale bleiben im Werk,
während validierte Events zur OEE-Berechnung ausgegeben werden, ohne geistiges
Eigentum preiszugeben. OEE berechnen wird dadurch deutlich zuverlässiger, weil
jede Verlustart sauber definiert, automatisch erfasst und mit den richtigen
Produktionsdaten abgeglichen wird.
ENERGIEVERBRAUCH MIT DER OEE ANALYSIEREN
Energie pro Teil ist ein zunehmend wichtiges Begleitmaß. Forschungsergebnisse
aus 2023 zeigen den Zusammenhang zwischen Energieanalytik und OEE: Energiemuster
decken ineffiziente Zyklen und verborgenes Leerlaufen auf. Wenn Sie Energie
neben Verfügbarkeit, Leistung und Qualität tracken, erhalten Sie ein
vollständigeres Bild der Produktionskostentreiber. OEE berechnen wird dadurch
aussagekräftiger, weil nicht nur Produktionsverluste sichtbar werden, sondern
auch deren Einfluss auf Energieverbrauch und Kosten pro Teil.
Praktisch heißt das: Energiemessungen ergänzen oder abgeleitete Leistungsgrößen
aus Sensoren nutzen und Energie-Spitzen zyklusgenau zuordnen. Starten Sie klein:
Ein Submeter in einer Zelle, zwei Wochen Korrelation mit Ausschuss- und
Leerlaufperioden, dann kWh pro verlorene Minute quantifizieren. Piloten dieser
Art führen oft zu einfachen Einsparungen, etwa Abschalten von Nebenanlagen
während langer geplanter Stopps, wodurch der Energieaufwand pro Teil zweistellig
sinken kann.
PILOTPROJEKT ERFOLGREICH STARTEN
Wählen Sie eine Linie als Pilot und stimmen Sie Definitionsfragen mit dem Team
ab: geplante Produktionszeit, was als Mikro-Stop zählt und wie Ausschuss
protokolliert wird. Diese Abstimmung verhindert Rechenabweichungen und sorgt
dafür, dass Ihre OEE berechnen-Ergebnisse über die Zeit vergleichbar bleiben.
Ein klarer Pilotzeitraum von 30–60 Tagen erfasst Schichtvariationen und hält das
Projekt gleichzeitig handhabbar.
Messen Sie die Ausgangs-OEE und erfassen Sie ergänzende Kennzahlen:
Stillstandsursachen, Energie pro Teil und durchschnittliche Rüstzeiten. Nutzen
Sie nicht-invasive Sensoren für Zykluszeitstempel und Energiemessungen oder
sensorbasierte Leistungsschätzungen. Erwarten Sie schnelle Erfolge: Das
Identifizieren der drei häufigsten Stillstandsursachen bringt oft eine
Verfügbarkeitssteigerung von 10–20 % durch gezielte Maßnahmen. OEE berechnen
wird im Pilot besonders wertvoll, weil Verbesserungen nicht nur gefühlt, sondern
mit klaren Ausgangswerten, Verlustursachen und messbaren Effekten belegt werden
können.
Berichten Sie wöchentlich und validieren Sie Verbesserungen gegen die
Ausgangswerte. Berechnen Sie eine einfache ROI-Rechnung: Produziert die
Pilotlinie 1.000 Teile/Tag und steigt die OEE von 45 % auf 60 %, wächst die
effektive Ausbringung um rund 33 %, was Kapazität verbessert oder Lieferzeiten
verkürzt. Verwenden Sie lokale Verarbeitung, um sensible Signale im Werk zu
halten und gleichzeitig validierte KPIs teamweit zu teilen.
PRAKTISCHE CHECKLISTE FÜR DIE OEE-BERECHNUNG
* Definieren Sie geplante Produktionszeit und Pausen einheitlich über Schichten
hinweg.
* Instrumentieren Sie Maschinen mit nicht-invasiven Sensoren zur Zyklus- und
Stillstandserkennung.
* Setzen und validieren Sie ideale Zykluszeiten anhand historischer Bestzyklen.
* Verknüpfen Sie Ausschussdaten mit Zeitstempeln und Maschinen-IDs für
Root-Cause-Analysen.
* Koppeln Sie OEE mit Energie-pro-Teil- und Kosten-pro-Teil-Kennzahlen.
DER WEG NACH VORN
OEE berechnen ist mehr als Rechnen — es ist ein strukturiertes Vorgehen von
Messung zu Handlung. Validieren Sie zuerst Ihre Eingabedaten: schlechte Daten
liefern schlechte Ergebnisse. Konzentrieren Sie Verbesserungen dort, wo der
OEE-Aufschlüsselung zufolge der größte Hebel liegt: Verfügbarkeit, Leistung oder
Qualität.
Moderne Lösungen wie die WatchMen-Plattform von Novo AI vereinfachen
Sensor-Retrofit, lokale Datenverarbeitung zum Schutz von Betriebsgeheimnissen
und Echtzeit-Dashboards, die OEE handlungsfähig machen.
Wenn Sie vom Raten zu gezielten Maßnahmen wechseln möchten, wählen Sie eine
Pilotlinie, instrumentieren Sie sie und messen Sie die Ausgangs-OEE. Binnen
weniger Wochen haben Sie belastbare Daten, um Verbesserungen nach Priorität zu
planen, Ausbringung zu erhöhen, Energie zu senken und kontinuierliche
Verbesserung messbar zu machen.
REFERENZEN
1. - Branchenbenchmarks zum OEE-Bereich (Zugriff am: 2026-06-30)
2. - Echtzeit-Dashboards und Einfluss auf mittlere Reparaturzeiten (Zugriff am:
2026-06-30)
3. - Vorgehen zur Berechnung der OEE (Zugriff am: 2026-06-30)
4. - Bedeutung der Kennzahl und Praxishinweise (Zugriff am: 2026-06-30)
5. - Nachrüstung und lokale Datenverarbeitung (Zugriff am: 2026-06-30)
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

META SPENDS HUNDREDS OF MILLIONS ON MICROSOFT'S AI SERVICES
Meta has become one of Microsoft's biggest AI customers, according to Bloomberg.
The company spends hundreds of millions of dollars a year accessing AI models
through Microsoft's cloud service Azure. Meta burns through trillions of tokens
on the platform every week.
Meta's engineers use OpenAI models available through Microsoft's Foundry
marketplace, among other tools, to At the same time, Meta is building its own
API service that could end up competing with Foundry. It's a similar pattern to
what happened with Bing. Meta once relied on Microsoft's search engine, then
eventually replaced it with its own tech.
Most of Microsoft's biggest AI customers are other tech companies. ByteDance
tops the list of Foundry customers, followed by Adobe, Perplexity, and Sierra.
But roughly 70 percent of Microsoft's AI revenue comes from OpenAI alone, which
mainly buys massive amounts of compute through Azure. Foundry accounts for only
a slice of that business.
Anzeige
Anzeige

Quelle: the-decoder.de

Meta ist laut Bloomberg einer der größten KI-Kunden von Microsoft geworden. Das
Unternehmen gibt jährlich Hunderte Millionen Dollar für den Zugang zu
KI-Modellen über Microsofts Cloud-Dienst Azure aus. Wöchentlich verbraucht Meta
Billionen von Tokens über die Plattform.
Metas Entwickler nutzen unter anderem OpenAI-Modelle über Microsofts Marktplatz
Foundry, um die Das Unternehmen baut parallel einen eigenen API-Dienst auf, der
mit Foundry konkurrieren könnte. Bereits früher hatte Meta Microsofts
Suchmaschine Bing genutzt und später durch eigene Lösungen ersetzt.
Microsofts größte KI-Kunden sind überwiegend andere Techfirmen: ByteDance ist
der größte Foundry-Kunde, gefolgt von Adobe, Perplexity und Sierra. Insgesamt
stammen aber rund 70 Prozent von Microsofts KI-Umsatz von Partner OpenAI, das
vor allem riesige Mengen an Rechenleistung über Azure abnimmt – Foundry ist
davon nur ein Teilbereich.
Anzeige
Anzeige

Quelle: the-decoder.de

Anthropic lockert seine umstrittene Datenspeicherung: Firmenkunden sollen ihre
Daten künftig selbst behalten dürfen. Seit Juni speichert Anthropic alle
Kundendaten der starken Modelle sowie künftiger Spitzenmodelle 30 Tage lang auf
eigenen Servern, um neue Cyberangriffe mit der Technik zu erkennen.
Anthropic räumte in einem Bericht ein, die Regel sei unbeliebt und ein
Geschäftsrisiko. Künftig soll die 30-Tage-Frist zwar weiter Bestand haben, die
Daten liegen aber in der neuen Regelung in der Cloud des Kunden und nicht bei
Anthropic. Entwickelt wird das neue System laut seit Monaten, mit über 100
Kunden aus regulierten Branchen. Konkurrent , das ebenfalls Sicherheit mit
Datenhoheit verbinden soll, mit Databricks und Microsoft.
Anthropic-Entwickler Boris Cherny bestätigte die Pläne öffentlich auf Kommen
sollen die Änderungen im Herbst.
Anzeige
Anzeige

Quelle: www.bigdata-insider.de

HALBLEITERTECHNIK NEUER SENSORCHIP DER ETH ZÜRICH VERHINDERT DEEPFAKES
21.08.2026 Von 3 min Lesedauer
Anbieter zum Thema
Forschende haben eine Technologie auf Hardware-Ebene entwickelt, die Aufnahmen
bereits im Kamerasensor kryptografisch absichert. So lässt sich künftig
zweifelsfrei nachweisen, ob digitale Inhalte von einem echten Gerät stammen oder
nachträglich manipuliert wurden.
vereinfacht die Manipulation von Fotos, Videos und Tonaufnahmen drastisch.
Sogenannte untergraben zunehmend das Vertrauen in digitale Informationsquellen.
Um dieser Entwicklung entgegenzuwirken, hat ein Forschungsteam am Bio
Engineering Laboratory der ETH Zürich um Andreas Hierlemann einen neuen Ansatz
vorgestellt. Statt auf klassische Software zur Erkennung von Manipulationen zu
setzen, greifen die Entwickler auf die Hardware zurück. Ein neuartiger
Sensorchip verarbeitet und sichert Messdaten direkt im Moment der Entstehung.
Der Prototyp zielt darauf ab, die Herkunft und die Unversehrtheit von Bild-,
Video- und Audiodaten kryptografisch nachzuweisen. Das Prinzip ist simpel, aber
effektiv: Sobald eine Kamera oder ein Mikrofon ein reales Signal erfasst,
berechnet der Chip aus diesen Daten einen digitalen Fingerabdruck, einen
sogenannten Hashwert. Dieser wird anschließend mit einem geheimen Schlüssel, der
sicher im Gerät hinterlegt ist, signiert. Die zugehörigen öffentlichen
Informationen lassen sich in einem Register, beispielsweise einer Blockchain,
speichern. Später berechnet eine Prüfstelle den Hash der vorliegenden Datei
erneut und gleicht ihn mit der Signatur im Register ab. Stimmen die Werte nicht
überein, gilt die Integrität der Datei als nicht nachgewiesen.
KRYPTOGRAFISCHER FINGERABDRUCK DIREKT AM ORT DER ENTSTEHUNG
Dieser Hardware-Ansatz unterscheidet sich grundlegend von klassischen
-Detektoren. Diese softwarebasierten Methoden durchsuchen Medieninhalte nach
Artefakten, die durch KI entstanden sind. Die Lösung der ETH Zürich liefert
hingegen eine kryptografische Herkunfts- und Integritätsprüfung. „Wenn Daten
bereits bei ihrer Erstellung signiert werden, hinterlässt jede spätere
Manipulation Spuren“, erklärt Fernando Cardes. Er ist wissenschaftlicher
Mitarbeiter an der Professur für Biosystems Engineering im Department für
Biosysteme in Basel. „Um Daten zu manipulieren, müsste der Chip physisch
angegriffen werden – ein technischer Aufwand, der so hoch wäre, dass die
massenhafte Herstellung manipulierter Inhalte für Social-Media-Plattformen
praktisch verunmöglicht wird.“
Das System schafft somit eine Vertrauensbasis auf Hardware-Ebene. Felix Franke,
Mitentwickler des Chips und inzwischen Professor an der Universität Basel,
verdeutlicht den Vorteil: „Damit spielt es kaum noch eine Rolle, ob eine an der
Verarbeitung und Übertragung der Daten beteiligte Person oder Technologie
vertrauenswürdig ist.“ Das übergeordnete Ziel des Projekts, das bereits 2017
seinen Anfang nahm, war klar definiert. „Das Vertrauen in digitale Inhalte
schwindet. Wir wollten eine Technologie entwickeln, mit der die Menschen
überprüfen können, ob etwas echt ist“, ergänzt Franke.
HERAUSFORDERUNGEN AUF DEM WEG ZUR MARKTREIFE
Der Sensorchip macht Deepfakes nicht unmittelbar unmöglich: Die Methode liefert
lediglich den Nachweis, dass eine Aufnahme von einem registrierten Gerät stammt
und seither unverändert blieb. Fehlt die Signatur, bedeutet dies im
Umkehrschluss nicht zwingend, dass es sich um eine Fälschung handelt. Viele
authentische Aufnahmen werden anfangs schlicht mangels kompatibler Hardware
keine derartige Signatur aufweisen.
Die Technologie fügt sich in Initiativen wie die Content Credentials nach dem
C2PA-Standard ein. Während C2PA jedoch oft erst bei der Verarbeitung ansetzt,
zieht das Team der ETH Zürich die Absicherung direkt an den Ort der Messung vor.
Damit das Konzept in der Praxis Wirkung entfaltet, ist eine breite Unterstützung
durch die Industrie erforderlich. Kamerahersteller müssen die Schlüssel sicher
verwalten, während Social-Media-Unternehmen die Signaturen auslesen und anzeigen
müssen.
Die technische Machbarkeit haben die Forscher mit einer Publikation im
Fachmagazin Nature Electronics demonstriert. Ein Patentantrag ist bereits
eingereicht. Nun gilt es, die wirtschaftlichen und organisatorischen Hürden zu
überwinden, um die Technik in Smartphones, Kameras und andere Aufnahmegeräte zu
integrieren. „Wir untersuchen derzeit, wie man den Aufwand für Kamera- und
Sensorhersteller senken kann, wenn sie die neue Technologie in ihre Chips
integrieren wollen“, fasst Cardes die kommenden Schritte zusammen.
Dieser Artikel stammt von unserem Partnerportal .
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 .
(ID:50909031)

Quelle: the-decoder.de

Das Wettrennen zwischen Anthropic und OpenAI ist weiter in vollem Gange. Und
OpenAI holt offenbar wieder auf: Seit dem Start von GPT-5.6 Sol am 9. Juli
wachse der Umsatz laut um 35 Prozent im laufenden Quartal, der
Unternehmensbereich sogar um über 50 Prozent. , dass OpenAI bei den
Geschäftsausgaben im dritten Quartal schneller wächst als Anthropic (82 % vs. 76
%). Mit , das in den kommenden Wochen starten soll; gerüchteweise könnte
Anthropic mit einem verbesserten Fable 5.1 kontern.
Zuvor hatte Anthropic laut eine annualisierte Umsatzrate von 65 Milliarden
Dollar erreicht und OpenAI beim Quartalsumsatz erstmals überholt: 11,6
Milliarden Dollar gegenüber 6,7 Milliarden bei OpenAI, wie das . Allerdings ,
unter anderem, da Open-Weight-Modelle zulegten.
Anzeige
Anzeige

Quelle: the-decoder.de

Nvidia zahlt 6 Milliarden Dollar für Software zur KI-Modellentwicklung vom
Start-up Poolside und will 109 Beschäftigte übernehmen. Das geht aus einem
Investorenbrief hervor, über den zuerst berichtete.
Die Beschäftigten arbeiteten am Modell und bekommen Jobangebote von Nvidia.
Lizenziert wird die "Model Factory", also das System, mit dem Poolside sein
Modell gebaut hat. Nvidia entwickelt selbst und konkurriert damit auch mit
eigenen Kunden. Zusätzlich investiert Nvidia eine Milliarde Dollar bei 12
Milliarden Dollar Vorgeldbewertung. Die drei Gründer bleiben an Bord.
Der Deal sei "keine Übernahme und auch kein Acquihire", heißt es im Brief –
gemeint ist ein Kauf, bei dem es vor allem um das Personal geht. Solche waren
zuletzt zu einem häufigen Mittel für große Tech-Unternehmen geworden, sich
Technologien, Wissen und Mitarbeiter zu sichern, ohne ein Unternehmen – und die
daraus möglicherweise folgenden Überprüfungen – komplett zu übernehmen. Ähnliche
Deals schloss Nvidia mit (20 Milliarden Dollar) und (900 Millionen Dollar).
Anzeige
Poolside will die 6 Milliarden bis Ende nächsten Jahres an Investoren
ausschütten.
Anzeige

Quelle: the-decoder.de

OpenAI stellt in seiner API eine Vorschaufunktion für transparente Hintergründe
im Bildmodell GPT-Image-2 bereit. Damit können PNG-Bilder ohne Hintergrund
erzeugt werden, die sich auf beliebige Untergründe legen lassen. Das zugehörige
beschreibt vier Anwendungsfälle: Produktbilder für Online-Shops, Diagramme für
PowerPoint-Folien, Designelemente wie Icons und Sticker sowie Motive für
Merchandise-Artikel.
Der Unterschied zur nachträglichen Hintergrundentfernung mit herkömmlichen
Tools: Schwierige Stellen wie durchsichtiges Glas oder dünne Fasern werden laut
OpenAI besser erhalten, weil der Alphakanal direkt beim Erzeugen des Bildes
entsteht. Die Funktion wird per Parameter "background=transparent" aktiviert.
OpenAI empfiehlt, im Prompt keinen Hintergrund zu beschreiben, da das Modell
sonst trotzdem einen erzeugen kann.
Für Diagramme mit exakten Zahlen rät OpenAI, die generierten Werte manuell zu
prüfen, da das Modell Rastergrafiken erzeugt und keine pixelgenaue Genauigkeit
garantiert. Zur Einrichtung werden Python, die Bibliotheken OpenAI und Pillow
sowie ein API-Schlüssel benötigt.
Anzeige
Anzeige

Quelle: www.bigdata-insider.de

KOMMENTAR VON BASTIAN SIEDEK, INNOBIS AG WIE GENAI DIE SOFTWAREENTWICKLUNG IN
BANKEN REVOLUTIONIERT
21.08.2026 Von Bastian Siedek 5 min Lesedauer
Anbieter zum Thema
Generative Künstliche Intelligenz (KI) verändert das Kräfteverhältnis im
Softwareentwicklungszyklus. Entwickler erzeugen mehr Code in kürzerer Zeit und
Aufgabe der Qualitätssicherung ist es, diese Dynamik zuverlässig zu begleiten.
Studien und Praxiserfahrungen zeigen, dass generative Assistenten die
Softwareentwicklung deutlich beschleunigen, jedoch nicht ausreichend verlässlich
sind, um Tests zu ersetzen. Dadurch kommt der Qualitätssicherung eine neue Rolle
zu.
Generative etabliert sich branchenübergreifend mit hoher Geschwindigkeit in den
Entwicklungsprozessen. Auch immer mehr Banken nutzen sie in Form von
KI-gestützten Assistenzsystemen auf Basis großer Large-Language Models (), die
Code und Texte generieren, zusammenfassen und optimieren, um Routineaufgaben wie
Dokumentation, Codevorschläge oder Refactoring zu automatisieren. Das führt zu
schnelleren Entwicklungszyklen und höherer Produktivität. Gleichzeitig entstehen
aber neue Risiken. Die generierten Codeanteile sind nicht immer korrekt.
Fehlerhafte Artefakte gelangen dadurch schneller in Build-, Test- und
Release-Pipelines. Die Qualitätssicherung als letzte Kontrollinstanz ist jetzt
gefragt.
DREI HEBEL FÜR DIE NEUE QUALITÄTSSICHERUNG
Vor diesem Hintergrund lassen sich drei zentrale Hebel für Banken
identifizieren, mit denen die Qualitätssicherung die Herausforderungen durch KI
meistern und gleichzeitig Innovationsgeschwindigkeit und Stabilität sichern
kann. Die Erfahrungen von Innobis beim KI-gestützten Test- und Quality
Management kommen hier zum Tragen.
1. KI-GESTÜTZTE ASSISTENZSYSTEME AUF BASIS GROSSER SPRACHMODELLE ZUR
SIGNIFIKANTEN PRODUKTIVITÄTSSTEIGERUNG
Der erste Hebel liegt im gezielten Einsatz KI-gestützter Assistenzsysteme auf
Basis großer Sprachmodelle. LLMs generieren automatisiert Testschritte,
identifizieren doppelte oder verwaiste Artefakte und tragen wesentlich dazu bei,
die Regressionstests zu optimieren.
Besonders in Banken, etwa bei der Einführung neuer Förderprogramme und
Subventionsberechnungen, neuer Programmkonditionen, Zinslogiken oder geänderten
Tilgungsregeln, müssen Hunderte von Regressionstests in kurzer Zeit aktualisiert
und erneut ausgeführt werden. LLMs übersetzen diese Änderungen automatisch in
Testschritte und dokumentieren deren Ausführung lückenlos, z. B. innerhalb der
CI/CD-Pipelines. Dadurch sinkt der zeitliche Aufwand für die Verifizierung neuer
Produkte erheblich und die Nachvollziehbarkeit steigt.
Damit verschiebt sich der Schwerpunkt der Qualitätssicherung. Weg von rein
manueller Pflege und repetitiver Testausführung hin zu einer deutlich stärker
risikoorientierten und fachlich fokussierten Prüfung der kritischen
Prozesspfade. Der operative Fokus liegt dabei zunehmend auf hochkritischen
Pfaden. KI-Modelle unterstützen gezielt bei der komplexer Berechnungen und
generieren die dafür erforderlichen Testfälle sowie passende Testdatensätze. Die
finale Bewertung, Priorisierung und Risikoabwägung bleiben jedoch bewusst in der
Verantwortung der Fach- und Qualitätssicherungsexperten. KI beschleunigt – aber
sie entscheidet nicht.
In diesem Zusammenhang entsteht eine neue Art der Mensch-Maschine-Symbiose. Die
Qualitätssicherung arbeitet nicht nur mit der KI, sondern auch gegen sie, indem
Fehler, die die KI generiert, durch KI-gestützte Testfälle aufgedeckt werden. Um
hier „blinde Flecken“ zu vermeiden, braucht es klare Prüfmechanismen, robuste
Reviews sowie ein tiefes Verständnis der jeweiligen Modellgrenzen. Die
Einführung von KI wird damit zu einem Treiber professioneller Skepsis und
systematischer Qualitätsarbeit.
In weiterentwickelten Testarchitekturen kommen zunehmend rollenbasierte
KI-Agenten zum Einsatz. Beispielsweise analysieren Testdesign-Agenten neue
Anforderungen, schlagen initiale Teststrategien vor und generieren erste
Testfälle. Defect-Analyse-Agenten clustern Fehlermeldungen aus Testläufen,
erkennen wiederkehrende Muster und unterstützen die risikobasierte Priorisierung
der Fehlerbehebung.
2. TALENT-HEBEL FÜR KI-KOMPETENZ
Sichere Medien- und Systemkompetenz: Ebenso entscheidend ist es, die Medien- und
Systemkompetenz der Mitarbeitenden zu stärken. Selbst bei identischen Prompts
können LLM-Outputs variieren. Eine Eigenschaft, die Flexibilität und
Urteilsfähigkeit erfordert. KI-gestützte Qualitätssicherung kann nur
funktionieren, wenn die Teams in der Lage sind, inkonsistente Ergebnisse
kritisch einzuordnen, Zusammenhänge zu erkennen und die richtigen Schlüsse zu
ziehen. Vertrauen in die Kompetenz der Mitarbeitenden wird damit zu einem
zentralen Erfolgsfaktor.
Die Einführung von generativer KI erfordert damit einen systematischen
Kompetenzwandel in der gesamten IT-Organisation. Die Wirksamkeit der Technologie
hängt maßgeblich davon ab, wie konsequent Teams in der Lage sind, KI-Outputs
kritisch zu bewerten und die Modelle zielgerichtet zu steuern.
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 .
Curriculum „Generative KI für Tester“: Banken benötigen gezielte
Schulungsprogramme, die weit über die reine Bedienung der Werkzeuge hinausgehen.
Im Mittelpunkt sollte ein fundiertes Prompt-Design stehen, die qualitative
Bewertung KI-generierter Testfälle sowie der sichere Umgang mit sensiblen
Testdaten. Ein zentraler Erfolgsfaktor ist dabei ein strukturiertes .
Neue Rollenprofile: Mit dem „QA-Engineer KI“ entsteht eine Funktion, die das
LLM-Enablement verantwortet, die Artefakt-Governance sichert und das
Pair-Testing („Mensch + LLM“) methodisch verankert. Dadurch verschiebt sich der
Schwerpunkt der Arbeit vom generischen Erstellen hin zur strategischen Kontrolle
und zur gezielten Risikobewertung.
Weg vom Experiment: Lernen muss integraler Bestandteil des Arbeitsalltags sein.
Skill-Sprints mit klar messbaren Ergebnissen, etwa der Reduktion der Fehlerquote
oder einer höheren Testfallpräzision, sind Grundlage für eine konsistente und
belastbare Nutzung von KI im Team.
Damit diese Transformation nachhaltig gelingt, müssen Produktivitätssteigerungen
nicht nur erwartet, sondern auch tatsächlich sichtbar werden. Das ist eine
Voraussetzung, die heute noch nicht überall erfüllt ist. Der Erfolg bemisst sich
jedoch nicht allein an der Geschwindigkeit. Der gezielte Einsatz von KI stärkt
Problemlösefähigkeit, Qualitätsbewusstsein sowie die Kompetenz, komplexe
fachliche Zusammenhänge kritisch zu hinterfragen. Die Kombination aus Effizienz,
Kreativität und wachsender fachlicher Reife bildet das Fundament einer
zukunftsfähigen, resilienten Qualitätssicherung.
3. QUALITÄT ALS ENABLER: DIE SHIFT-LEFT-STRATEGIE MIT LLMS
Die dritte strategische Aufgabe der KI-gestützten Qualitätssicherung ist, die
Innovationsfähigkeit der Bank zu steigern. Im digitalen Bankgeschäft sind
„schneller liefern“ und „bessere Softwarequalität“ kein Widerspruch mehr. Dieser
Wandel wird durch die Strategie des „Shift Left“ angetrieben, die besagt, dass
Qualitätssicherung so früh wie möglich im Entwicklungsprozess beginnen muss.
LLMs helfen, Qualitätskriterien für z. B. neue Förderlogiken oder Zinsmodelle
bereits in der Anforderungsphase zu schärfen. Sie können potenzielle Testfälle
basierend auf den Anforderungen vorschlagen, noch bevor der Code geschrieben
wird.
GOVERNANCE & COMPLIANCE: LEITPLANKEN FÜR SICHERE KI
Für den Einsatz generativer KI im Finanzsektor ist ein strenger
Governance-Rahmen zwingend erforderlich, um Risiken zu minimieren und Compliance
sicherzustellen:
* 1. Risikoorientiertes Deployment – Bewertung von Prozessen, mit denen
gestartet werden soll.
* 2. Nachvollziehbarkeit – Versionierung aller LLM-Interaktionen (Prompts,
Outputs, Reviews).
* 3. Testdaten-Schutz – Nutzung synthetischer oder pseudonymisierter Daten als
Standard.
ERFOLG MIT KI IM TESTING
Der Einsatz von KI im Testing entfaltet seinen Nutzen nur, wenn Fortschritte
messbar sind und auf klaren Leitplanken basieren. Eine nachhaltige Einführung
gelingt nicht durch punktuelle Experimente, sondern durch einen strukturierten,
governancebasierten Fahrplan, der Risiko, Fachlichkeit und technologische Reife
ausgewogen berücksichtigt. Nachhaltiger Mehrwert entsteht erst, wenn
Effizienzgewinne nachweisbar sind und zugleich die qualitative Weiterentwicklung
der Teams, etwa im Umgang mit Sonderfällen oder explorativen Testansätzen,
sichtbar gestärkt ist.
FAZIT
KI verändert die Qualitätssicherung grundlegend. Sie beschleunigt Entwicklungs-
und Testzyklen, verschiebt Verantwortung und hebt Qualitätssicherung auf eine
neue strategische Ebene. Für Banken bedeutet das: „Mehr Code = mehr Tests“ ist
gelebte Realität. Generative KI steigert Produktivität und Transparenz –
vorausgesetzt, Governance, Kompetenz und Innovation greifen ineinander.
Qualitätsteams übernehmen damit die Rolle zentraler Garantien für digitale
Verlässlichkeit. Sie setzen Leitplanken, sichern Compliance und schaffen
Vertrauen in automatisierte Prozesse. Wer diese Balance meistert, gewinnt an
Tempo, ohne die Kontrolle über kritische Geschäftslogiken zu verlieren.
ARTIKELFILES UND ARTIKELLINKS
Link:
(ID:50877640)

Quelle: www.it-boltwise.de

LONDON (IT BOLTWISE) – Agility Robotics plant einen ngang mit einer Bewertung
von 2,5 Milliarden US-Dollar. CEO Johnson setzt darauf, dass einsatzbereite
Hardware und echte Verträge das Unternehmen klar von chinesischen Wettbewerbern
abheben. Gleichzeitig bleibt die Bewertung an politische Faktoren gekoppelt:
Exportkontrollen und Compliance-Kosten können das Ausführungsrisiko verstärken.
Der IPO wird damit auch zum Stresstest, ob US-Kapitalmärkte weiterhin „Hardware“
statt Software-Multiplikatoren belohnen.
--------------------------------------------------------------------------------
* 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!
--------------------------------------------------------------------------------
Agility Robotics will mit einem geplanten IPO an der Wall Street eine Bewertung
von 2,5 Milliarden US-Dollar erreichen. Dahinter steckt die Kernannahme, dass
der Markt den Unterschied zwischen „auf dem Papier“ und „im Betrieb“ stärker
bepreist als bisher: Wenn humanoide nicht nur als Prototyp existiert, sondern in
Logistik und Lagerhaltung tatsächlich liefert, entsteht ein messbarer
Reputations- und Umsatzvorteil. Genau diese frühen Einsatzfelder sollen nach
Vorstellung des Managements das Vertrauen bei en erhöhen, weil sie den Weg von
der Demo zur wiederholbaren Leistung abkürzen. In einer Branche, in der
Produktankündigungen häufig schneller zirkulieren als Lieferverträge, ist dieser
Zeitvorsprung ein zentrales Narrativ für die Kapitalbeschaffung.
Technisch betrachtet hängt der „Proof“ im Lager nicht an der Form einer
Maschine, sondern an der Planbarkeit: Routen, Taktzeiten und sichere Interaktion
mit Menschen und Flurförderfahrzeugen müssen im Alltag stabil funktionieren. In
der Praxis bedeutet das, dass Sensorik, Greif- und Bewegungssteuerung sowie die
Integrationsschicht in bestehende Warehouse-Prozesse robust zusammenarbeiten
müssen. Agilitys Argument lautet dabei nicht nur „wir haben Hardware“, sondern
„wir haben einsatzbereite Systeme und echte Verträge“. Genau solche Referenzen
sind für den nwert entscheidend, weil sie die Unsicherheit über technische
Reifegrade, Lieferfähigkeit und operative Kosten teilweise reduzieren. Der
geplante Vorab-Preis wirkt daher wie ein Versuch, die verbleibenden technischen
Wagnisse in eine Bewertungslogik zu überführen, die an Liefer- und
Kundenkennzahlen gekoppelt ist.
Der zweite Hebel ist politisch und damit enseitig unmittelbar bewertbar: Der IPO
steht unter dem Schatten von Exportkontrollen und Compliance-Anforderungen
zwischen den und . Wenn regulatorische Auflagen die Beschaffung, Produktion oder
Ausfuhrfähigkeit von robotischen Komponenten verteuern, entstehen für
US-basierte Anbieter zusätzliche Kosten und Verzögerungen, während Wettbewerber
mit größerer Skalierung möglicherweise schneller ausliefern können. Laut den im
Text beschriebenen Erwartungen setzt der Vorab-Preis voraus, dass Washington
weniger dazu übergeht, in die gleiche Schublade wie ein weiteres regulatorisches
„Sandkasten“-Thema zu stecken. Für Anleger heißt das: Das Ausführungsrisiko
bleibt, aber es wird durch ein politisches Risiko ergänzt, das nicht linear zum
technischen Fortschritt verläuft. Damit verschiebt sich der Fokus der Due
Diligence von rein technologischen Kriterien hin zu Lieferketten-, Export- und
Betriebsrisiken.
Gleichzeitig ist der ngang ein Signal an den US-Kapitalmarkt, welche Art von
Wette dort im Moment als „besser“ gilt. Der Text stellt die Frage pointiert:
Werden US-Kapitalmärkte weiterhin hartes Technologie-Manufacturing belohnen,
oder bevorzugen sie Software-Multiplikatoren, die sich leichter skaliert
darstellen lassen? Diese Differenz ist mehr als Stimmungslage.
Hardware-getriebene Geschäftsmodelle erfordern Kapitalbindung in Produktion,
Qualitätssicherung und Service, während softwarelastige Erlösströme häufig mit
schnelleren Margenprofilen und höherer Bewertbarkeit im Marketplace-Denken
einhergehen. Ein erfolgreicher IPO mit einer „sauberen Notierung“, wie es im
Artikel heißt, soll deshalb als Indikator dienen, dass der Markt nicht nur KI-
oder Plattformfantasien, sondern auch den Weg in die lle Serien- und
Einsatzrealität honoriert. Für die gesamte Humanoiden--Branche wäre das
relevant, weil Kapital die Geschwindigkeit bestimmt, mit der aus Pilotkunden
echte Rollouts werden.
In der Breite des Wettbewerbs gewinnt der Faktor Timing dadurch zusätzlich an
Gewicht. Wenn chinesische Anbieter gleichzeitig im großen Maßstab ausliefern
können, verschiebt sich das Kräfteverhältnis schnell: Skaleneffekte senken
Stückkosten, und hohe Produktionszahlen verbessern wiederum die Fähigkeit,
Feldprobleme in Iterationen zu schließen. Agility versucht, dem mit einer frühen
Einführung in konkrete Umgebungen entgegenzuwirken, in denen Warehouse-Betriebe
vom Nutzen überzeugt werden müssen, nicht nur von Leistungsversprechen. Auch
hier ist der Mechanismus entypisch: Verträge und Einsatzergebnisse werden zur
„Brücke“ zwischen Technik und Finanzierung. Für das Risiko-Setup bedeutet das
allerdings, dass die en nicht nur auf den IPO-Preis schauen, sondern vor allem
darauf, ob die Lieferfähigkeit die erwartete Kurve wirklich trägt – und ob
politische Rahmenbedingungen im selben Zeitraum keine neuen Kostenblöcke
hinzufügen.
Für Unternehmen, die humanoide evaluieren oder sich als Zulieferer
positionieren, ist der IPO damit weniger ein Einzelereignis als ein
Stimmungsbarometer. Er zeigt, dass der Markt nach belastbaren Geschäftsmodellen
sucht, bei denen Hardware-Implementierung und echte Kundenbeziehungen im
Vordergrund stehen. Gleichzeitig macht die Verknüpfung mit Exportkontrollen
deutlich, dass technische Leistung allein nicht genügt, wenn Beschaffungs- und
Regulierungspfade unsicher sind. Wer die nächsten Monate in Pilotprojekten
plant, sollte deshalb nicht nur die Machbarkeit im Lager prüfen, sondern auch
die Wahrscheinlichkeit, dass Lieferkette, Ersatzteilversorgung und
Service-Setups unter den geltenden Regeln stabil bleiben. Der geplante ngang von
Agility wird dabei zu einem Prüfstein dafür, ob „Hardware mit operativem
Nachweis“ in den gerade wieder stärker zieht – oder ob die Bewertungslogik
weiterhin vor allem softwareseitige Skalierung belohnt.
💳
🔥
🎉
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.
478,97 EUR
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
189,00 EUR
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
61,99 EUR
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
16,14 EUR
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
11,69 EUR
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: www.it-boltwise.de

NEVADA / LONDON (IT BOLTWISE) – Die Nevada Transportation Authority hat drei
Genehmigungen für kommerzielle Robotaxi-Dienste in Clark County erteilt. Damit
sind in den nächsten 12 Monaten bis zu 8.000 autonome Fahrzeuge möglich,
darunter bis zu 5.000 von , jeweils 1.000 von und Waymo. Während in der Sitzung
selbst von einem niedrigeren Rollout ausgeht, warnen lokale Taxi- und
Livery-Verbände vor Überfüllung und Überversorgung. Entscheidend wird, wie
schnell sich die Systeme im Alltag durchsetzen und wie groß die
Verdrängungseffekte auf dem Arbeitsmarkt ausfallen.
--------------------------------------------------------------------------------
* präsentiert von !
* Unsere täglichen KI-News von IT Boltwise® bei abonnieren!
* KI-Meldungen bequem via oder per erhalten!
* IT Boltwise® bei oder als Fan markieren und abonnieren!

* von IT Boltwise für KI-News speichern!
--------------------------------------------------------------------------------
In Clark County, dem Ballungsraum rund um Las Vegas, wird Robotaxi-Geschäft in
den kommenden Monaten sehr konkret. Die Nevada Transportation Authority hat die
erforderlichen Betriebsgenehmigungen für , und Waymo freigegeben und damit die
Tür für großskalierte kommerzielle Dienste geöffnet. Zusammen sollen bis zu
8.000 Robotaxis innerhalb von 12 Monaten im County eingesetzt werden; die
Aufteilung ist dabei deutlich gestaffelt: darf bis zu 5.000 Fahrzeuge deployen,
Waymo bis zu 1.000 und ebenfalls bis zu 1.000. Bei läuft das unter der Flagge
der autonomen Plattform-Partner Motional und Zoox, während Zoox bereits eine
eigene Netzwerk-Genehmigung für ein Robotaxi-Netzwerk mit 100 Fahrzeugen
besitzt.
Technisch betrachtet steckt hinter den Genehmigungen weniger eine einzige
Hardware-Entscheidung als ein Bündel aus Betriebs- und Sicherheitsanforderungen,
die Unternehmen in einen regelkonformen Fahrbetrieb übersetzen müssen. Für die
Zulassungen ist dabei entscheidend, dass das Fahrzeugverhalten im
Genehmigungsgebiet nachweisbar betrieben werden kann und dass ein definierter
Rahmen für Verfügbarkeit, Monitoring und Störungsfälle existiert. Gleichzeitig
zeigt sich: Die Genfer-Limitierung im Alltag hängt nicht nur von der Fähigkeit
der KI-Systeme ab, sondern auch von der Geschwindigkeit, mit der sich Flotten
aufbauen lassen. -Cybercab-Chefingenieur Eric Early machte im Meeting klar, dass
die angegebene Obergrenze von 5.000 Robotaxis zwar möglich als Deckelung gedacht
ist, die tatsächliche Bereitstellung aber nicht in vollem Umfang so schnell
erfolgen werde. Er verwies außerdem darauf, dass es dabei nicht primär an der
Technologie liege, sondern an der Umsetzbarkeit bis zum nächsten Jahresfenster.
Für den Markt ist das ein Signal mit unmittelbarer Rivalitätswirkung. Schon
jetzt zeichnet sich ab, dass Las Vegas und das Umland nicht nur eine Testzone
für einzelne Fahrversuche werden, sondern zu einem Wettbewerb um dieselben
Fahrten und damit um dieselben Kundengewohnheiten. Selbst wenn die Unternehmen
pro Zeitraum nur einen Teil der genehmigten Obergrenzen ausschöpfen, reicht das,
um Kapazitäten zu verschieben und sprofile zu verändern. Für Nutzer bedeutet das
vor allem: mehr Verfügbarkeit potenziell zu flexibleren Zeiten, aber auch die
Frage, ob sich die Routen- und Tariflogik in einem Gemisch aus autonomen und
gegebenenfalls menschlich betriebenen en schneller angleicht als heute. Genau
hier positioniert sich mit dem Argument eines „Hybrid“-Ansatzes, bei dem
Ride-Hailing nicht vollständig auf Robotaxis umgestellt wird, sondern Menschen
und autonome Fahrzeuge parallel Teil eines Systems sind. Außerdem wird in der
beschriebenen Strategie ein Betriebskonzept betont, bei dem Robotaxis in ein
Netzwerk eingebunden sind, das auch menschliche Fahrer nutzt.
Die Gegenseite kommt aus der lokalen Arbeits- und Verkehrsrealität. Vertreter
der Livery Operators Association und lokaler Taxiunternehmen widersprachen den
Permits und argumentierten, die Freigaben gingen zu weit und zu schnell. Im Kern
nennt Kimberly Maxson-Rushton, eine Anwältin, zwei Sorgen: eine mögliche
Übersättigung des kommerziellen Transportmarkts in Nevada und eine Überfüllung
der Straßen, speziell im Bereich des „Golden Triangle“. Dieses Gebiet zwischen
dem Flughafen und dem Las Vegas Boulevard gilt zugleich als historisch häufig
genutzter Ort für AV-Tests; Motional testet zudem im Innenstadtbereich und in
einem Einkaufsareal namens Town Square. Das macht die Debatte auch zu einer über
Daten und Infrastruktur: Wo getestet wurde, werden potenziell auch mehr
Fahrzeuge stehen, ein- und ausfahren, warten und damit den urbanen Takt
spürbarer verändern.
Bemerkenswert ist, wie stark die Genehmigungen zugleich die politische und
betriebliche Ausrichtung der Unternehmen beeinflussen. versucht offenbar, als
„Goldilocks“-Option zwischen rein autonomen Plattformen und vollständig
menschlich betriebenen Modellen zu wirken. Damit kann einerseits den Städten
helfen, die Umstellung gradueller zu planen, andererseits aber auch ein Risiko
abfedern: Falls die Flotten so schnell wie von oder Waymo angestrebt doch nicht
in der Breite anlaufen, bleibt ein Anteil der Nachfrage über menschliche Fahrer
steuerbar. Waymo und stehen dem als Voll-/Primärautonomie-Strategien gegenüber,
während mit Hybridismus eine Brücke schlagen will, um die Markteinführung
zeitlich zu strecken. In der Praxis dürfte diese Strategie auch davon abhängen,
wie schnell sich Betreiber auf ein konsistentes Betriebsmodell einigen, das
Spitzennachfrage abdeckt, ohne das Stadtgebiet mit zu vielen Fahrzeugen
gleichzeitig zu überfrachten.
Unternehmen, die Robotaxi-Potenziale für sich prüfen, sollten aus dem
Nevada-Start vor allem zwei Dinge ableiten: Erstens wird der Ramp-up zum
Engpass, nicht nur die KI-Entscheidung im Fahrzeug. Die Formulierung „Ceiling“
in s Aussagen deutet darauf hin, dass Genehmigungsobergrenzen oft mehr
Risikopuffer als konkrete Einsatzpläne sind. Zweitens entscheidet das
Zusammenspiel aus Stadtgebiet, Testhistorie und Betriebshandbüchern darüber, ob
sich Robotaxis als verlässlicher Service etablieren oder ob lokale Widerstände
die Betriebsbedingungen indirekt verschärfen. Wenn sich in Clark County zeigt,
dass große Flotten schnell genug für stabile Bedienqualität sorgen, wird das
anderen Regionen als Referenz dienen. Wenn hingegen die Nachfrage nicht im
gleichen Tempo wächst oder Sicherheits- und Verkehrsfragen die Betriebsparameter
begrenzen, verschiebt sich der Nutzen schwerpunktmäßig auf Pilot- und
Übergangsmodelle. Für die kommenden 12 Monate wird daher weniger die
theoretische Zahl von Bedeutung sein, sondern die reale Auslastung: Wie gut die
Systeme Fahrten tatsächlich aufnehmen, wie schnell Wartung und Ladeprozesse im
Hintergrund laufen und wie sich das Verhältnis von autonomen zu menschlichen
Fahrten in der täglichen Nutzererfahrung anfühlt.
💳
🔥
🎉
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.
478,97 EUR
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
189,00 EUR
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
61,99 EUR
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
16,14 EUR
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
11,69 EUR
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: www.it-boltwise.de

LONDON (IT BOLTWISE) – Der Data-Labeling- Micro1 hat seinen Brutto-Run-Rate in
acht Monaten von 100 auf 500 Millionen US-Dollar gesteigert. Das Unternehmen
behält laut Angaben grob 60% bis 70% davon als Netto-Run-Rate, während es
parallel vermehrt synthetische Daten ohne menschliche Beteiligung produziert.
Gleichzeitig wächst das Spannungsfeld, weil off-the-shelf Trainingsdaten auch an
mehrere Kunden verkauft werden. Damit rückt die Frage näher, wie sich Daten,
Kosten und Sicherheitsbedenken bei KI-Entwicklung künftig entlang der
Lieferkette verteilen.
--------------------------------------------------------------------------------
* 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 Engpass in der KI-Entwicklung verschiebt sich gerade spürbar von der
Rechenleistung hin zu Trainingsdaten. Wenn führende Labore und große Unternehmen
„einzigartige“ Daten brauchen, die sich sauber annotieren und in robuste
Trainingspipelines überführen lassen, entsteht ein Markt, der wie ein
Komprimierungsdruck wirkt: Klassische Datenbeschaffung wird teurer,
Labeling-Workflows skalieren langsamer als Rechenbudgets, und genau dort siedeln
sich spezialisierte s an. Micro1 ist eines davon – und das Unternehmen liefert
mit seiner jüngsten Wachstumskennzahl einen Hinweis darauf, wie schnell sich
dieser Teilmarkt industrialisieren lässt.
Konkret berichtet man, dass Micro1, ein mit rund vier Jahren
Unternehmensgeschichte, seine gross annual run rate von 100 Millionen US-Dollar
auf 500 Millionen US-Dollar innerhalb von acht Monaten erhöht hat. Bei
Data-Labeling spielen dabei zwei Ebenen eine Rolle: Bruttoumsatz und das, was
nach Abzug der direkten Kosten am Ende als „net“ übrig bleibt. Micro1 soll grob
60% bis 70% dieser Brutto-Zahl behalten, was die Netto-Run-Rate auf etwa 150 bis
200 Millionen US-Dollar einordnet. Dass das Unternehmen trotz des
Wettbewerbsumfelds skaliert, passt in das Gesamtbild einer Nachfragewelle nach
KI-Trainingsdaten, die von immer mehr Modellen auch „breitere“ Datensätze für
neue Domänen und Fähigkeiten verlangen.
Die Marktbewegung ist jedoch nicht allein eine Erfolgsgeschichte, sondern auch
ein Wettbewerb über Kapazitäten, Geschwindigkeit und Datenstrategie. Micro1 soll
zwar hinter bestimmten Wettbewerbern zurückliegen, die bereits deutlich höhere
Umsätze erreichen, aber die Wachstumsrichtung signalisiert, dass mehrere
Anbieter gleichzeitig expandieren können. Gleichzeitig wird die Annahme
plausibel, dass zukünftige KI-Ausgaben für Daten eine ähnliche Größenordnung wie
die Ausgaben für Compute erreichen könnten – zumindest dann, wenn sich der
Bedarf an hochqualitativen, spezifisch kuratierten Datensätzen weiterhin nicht
durch reine Skalierung lösen lässt. Im Alltag bedeutet das: Auftragseingänge
hängen weniger an einmaligen Projekten, sondern stärker an wiederkehrenden
Datenlieferverträgen, die annotatorische Kapazitäten und Datenqualität
langfristig binden.
Technisch betrachtet setzt Micro1 offenbar auf eine Mischung aus klassischem
Labeling durch Domain-Experten und zunehmender Automatisierung. Wie bei anderen
Anbietern soll das Unternehmen Fachleute wie Ärztinnen und Ärzte, Juristinnen
und Juristen oder Wissenschaftlerinnen und Wissenschaftler vertraglich
einsetzen, um Modellantworten zu bewerten und Inhalte korrekt zu strukturieren.
Zusätzlich soll Micro1 in zunehmendem Maß synthetische Daten generieren, etwa
durch automatisierte Beschreibungen von Videoinhalten. Das ist für die
Skalierung wichtig, weil synthetische Bausteine die Abhängigkeit von
menschlicher Annotation reduzieren können – insbesondere bei Datenarten, bei
denen sich Semantik aus anderen Signalen ableiten lässt und die Qualität über
konsistente Generatoren relativ stabil bleibt.
Ein weiterer Hebel betrifft die „Off-the-shelf“-Logik: Bestimmte Datensätze
können mehreren Kunden verkauft werden, statt dass jeder Kunde eine vollständig
neue Datenlieferung erhält. Laut Angaben sollen dadurch Bruttomargen bei solchen
standardisierten Datensätzen im Bereich von 80% bis 90% liegen. Genau diese
Wiederverwendbarkeit ist aber auch der Kern einer aktuellen Kontroverse:
Kritiker argumentieren, dass das distributierte off-the-shelf Material an
KI-Entwickler aus dazu beitragen könne, Modelle mit dem Leistungsniveau
führender US-Systeme mitzuerzainen. Micro1 selbst weist das zurück; der Gründer
Ali Ansari habe zuletzt auf X erklärt, man verkaufe seine Daten nicht an
chinesische Modellhersteller, und verwies dabei auf den Vorwurf, dass
Wettbewerbsnarrative über amerikanische KI-Dominanz mit Lieferungen an Länder
kollidieren könnten, in denen Konkurrenzinteressen als „adversarial“ beschrieben
werden.
Interessant ist außerdem der Unternehmenspfad: Micro1 soll wie Mercor zunächst
als KI-Recruiting- gestartet sein. Erst als man bemerkte, dass Labeling-Kunden
die eigene KI-Plattform nutzten, um Bewerbungen und Rekrutierungen im Kontext
der Annotation zu prüfen, soll Ansari auf das Data-Labeling-Geschäft
umgeschwenkt sein. Damit knüpft Micro1 an einen breiteren Trend an, bei dem
„Modelle“ in mehreren Schichten der Datenarbeit auftauchen: nicht nur als
Zielsystem für das spätere Training, sondern auch als Tooling für die
Datenerstellung selbst, etwa in Form von Bewertungsmechanismen oder internen
„Reinforcement-Learning-Gym“-ähnlichen Umgebungen. Solche Ansätze können die
Kosten pro brauchbarem Datensatz senken, weil weniger manuelle Schleifen nötig
sind.
Für die weitere Entwicklung dürfte entscheidend sein, wie Micro1 die nächsten
Skalierungsstufen organisiert. Wenn Verträge wachsen und gleichzeitig die Quote
synthetischer Datenproduktion zunimmt, kann das die Margen stabilisieren oder
verbessern – allerdings nur, wenn die Trainingsqualität die Erwartungen der
Kunden weiterhin erfüllt. Zugleich bleibt der Markt politisch und wirtschaftlich
sensibel, weil Wiederverwendung von Datensätzen und die Verteilung an mehrere
Kunden neue Fragen zur Herkunft, zu Nutzungsrechten und zu potenziellen
Sicherheitsrisiken aufwirft. Insofern steht Micro1 mit seinem
500-Millionen-Run-Rate-Beleg nicht nur für Nachfragewachstum, sondern auch für
eine Lieferketten-Realität: Wer Daten produziert, entscheidet zunehmend mit
darüber, wie schnell KI-Systeme lernen können – und zu welchen Bedingungen.
💳
🔥
🎉
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.
478,97 EUR
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
189,00 EUR
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
61,99 EUR
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
16,14 EUR
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
11,69 EUR
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: www.it-boltwise.de

LONDON (IT BOLTWISE) – hat Berichten zufolge mindestens 60 Stellen im Team der
Vision Products Group gestrichen. Im Mittelpunkt der Neuausrichtung stehen
KI-gestützte Smart Glasses und eine engere Integration der Siri-KI. Während die
Vision-Pro-Plattform im Portfolio bleibt, wird die weitere VR- und AR-Roadmap
offenbar deutlich entschärft. Erste Smart-Glasses-Modelle sollen demnach erst im
Rahmen der WWDC 2027 in Reichweite rücken.
--------------------------------------------------------------------------------
* präsentiert von !
* Unsere täglichen KI-News von IT Boltwise® bei abonnieren!
* KI-Meldungen bequem via oder per erhalten!
* IT Boltwise® bei oder als Fan markieren und abonnieren!

* von IT Boltwise für KI-News speichern!
--------------------------------------------------------------------------------
Die Vision Products Group von steht nach einer personellen Schrumpfung unter
besonderer Beobachtung: Am 20. August 2026 wurde bekannt, dass Berichten zufolge
mindestens 60 Mitarbeiter aus dem Virtual-Reality-Team betroffen sind. selbst
habe die Maßnahme bislang nicht offiziell bestätigt, doch die Richtung der
Diskussion ist klar genug, um sie technik- und marktseitig einzuordnen. Wenn ein
Konzern ein VR-Team verkleinert, verschiebt sich die interne Priorisierung fast
zwangsläufig von dedizierten Headsets hin zu Plattformen, die sich mit
geringerer Hürde in den Alltag tragen lassen.
Diese Verschiebung passt zu der Beschreibung, die in den Berichten zur nächsten
Entwicklungsphase auftaucht: KI-gestützte Smart Glasses sollen stärker in den
Fokus rücken, ebenso die Integration der Siri-KI. Auch wenn die Vision Pro als
Produkt im Portfolio bleibt, wird das Team hinter der Hardware demnach
verkleinert. Als Hintergrund taucht zudem die Annahme auf, die Kategorie des
Spatial Computing befinde sich noch in einem frühen Stadium; parallel wird von
einer internen Aufspaltung innerhalb der Vision Products Group gesprochen. Für
Unternehmen bedeutet das vor allem eine Frage der Planbarkeit: Was heute
Ressourcen verliert, wird bei der nächsten Hardware-Iteration vermutlich andere
Schwerpunkte erhalten, etwa bei Nutzerinteraktionen, Assistenzlogik und dem
Zusammenspiel mit mobilen KI-Funktionen.
Technisch spannend ist dabei, wie stark Roadmap-Entscheidungen den Produktzyklus
beeinflussen. Berichten zufolge wurde die Vision-Pro-Serie aus einer
ursprünglichen Produkt-Roadmap entfernt, ein direkter Nachfolger soll frühestens
in zwei Jahren erscheinen. Zusätzlich heißt es, eine günstigere Variante mit dem
geplanten Namen Vision Air sei abgesagt worden. Auch optische
Wellenleiter-basierte AR- und XR-Brillen sollen demnach zeitlich nach hinten
verschoben sein; als Erwartung wird genannt, dass eine Markteinführung nicht vor
2029 zu sehen sei. Damit treffen mehrere Unsicherheiten gleichzeitig
aufeinander: Skalierungskosten für Display- und Optiktechnologien,
Fertigungsreife optischer Komponenten sowie die Frage, welche Use-Cases sich für
breite Anwender ohne Spezialsetup zuverlässig ergeben.
Dass die Vision-Pro-Hardware zuletzt preislich und chipseitig variiert wurde,
zeigt jedoch, dass die bestehende Plattform nicht komplett aus dem Blick
verliert. Im Oktober 2025 erhielt das Gerät laut Quelle eine Aktualisierung mit
M5-Chip und wurde auf 3.499 US-Dollar geführt, bevor im Juni 2026 eine Anhebung
auf 3.699 US-Dollar folgte. Unstetig bleibt damit die wirtschaftliche Komponente
der Hardwarelinie, während die langfristige Planung gleichzeitig enger geschnürt
wirkt. Genau hier setzen Entwickler und Integratoren an: Wenn ein
Nachfolgeszenario verzögert oder neu gewichtet wird, steigen die Anforderungen
an Software-Architekturen, die über Generationen stabil bleiben, also etwa beim
Zusammenspiel von Sensorik, Spatial-Tracking und Anwendungs-Workflows.
Parallel zu den Hardware-Signalen finden sich in der Softwareumgebung Hinweise,
die auf weitere Iterationen schließen lassen. Im Code von macOS Tahoe 26.7 RC
wird ein Gerät mit dem Codenamen N109 erwähnt; dabei könnte es sich um eine
zweite Generation der Vision Pro oder um ein alternatives Headset-Modell n.
Auffällig ist auch die Verbindung zum LiDAR-System namens Peridot, das bereits
aus dem iPhone 15 Pro bekannt ist. Für Entwickler ist das deshalb relevant, weil
LiDAR nicht nur als Sensor verstanden werden kann, sondern als Fundament für
räumliche Rekonstruktion, Occlusion-Logik und damit für die Qualität von
Mixed-Reality-Interaktionen. Wenn Peridot-Komponenten in neue Headsets
übertragen werden, lässt sich zumindest argumentieren, dass auf bewährte
Bausteine setzt und Kosten sowie Integrationsrisiken reduziert.
Während diese technischen Spuren auf künftige Hardware hindeuten, investiert
zugleich in Inhalte, um den Nutzen der vorhandenen Plattform sichtbar zu machen.
Ab dem 28. August sollen immersive Baseball-Übertragungen ausgestrahlt werden,
um Spatial-Computing-Funktionen für Sportfans weiter zu testen und zu
vermarkten. Dennoch bleibt der Fokus für die nächsten Jahre laut Berichten
primär auf KI-Smart Glasses ohne integriertes Display gerichtet, weil sie als
massentauglichere Alternative zu hochpreisigen VR-Headsets gelten. Für die
Marktseite ist das eine klare Verschiebung: Unternehmen, die Anwendungen für
Headsets entwickeln, müssen ihre Roadmap anpassen, während gleichzeitig neue
Chancen in Assistenz- und Interaktionsszenarien entstehen, die mit KI-gestützter
Blickführung, Sprachsteuerung und Kontextverständnis arbeiten.
Unabhängig davon, ob sich die Roadmap in jedem Detail bestätigt: Die Kombination
aus Personalabbau, priorisierter KI-Technologie und verzögerten Hardwarepfaden
zeigt, wie bei Vision-Produkten kalkuliert. Vision Pro bleibt als Plattform
präsent, aber die nächste Hardwaregeneration scheint weniger von einem engen
Takt getrieben zu sein als von Reifegrad und Kostenstruktur. Wer bereits heute
mit entsprechenden Projekten arbeitet, profitiert vermutlich am meisten von
einer pragmatischen Softwarestrategie: Kernfunktionen so auslegen, dass sie
sensorisch variieren können, Inhalte modular halten und die Interaktionsmodelle
so gestalten, dass sie auch dann funktionieren, wenn das Zielgerät nicht über
ein integriertes Display verfügt.
💳
🔥
🎉
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.
478,97 EUR
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
189,00 EUR
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
61,99 EUR
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
16,14 EUR
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
11,69 EUR
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: www.it-boltwise.de

NASHVILLE / LONDON (IT BOLTWISE) – Avvoka bringt mit Curate ein Beta-Tool zur
KI-gestützten Erstellung juristischer Vorlagen an ausgewählte Kanzleien.
erweitert CoCounsel Legal um neue agentische Funktionen wie Brief Builder und
eine Tabellenanalyse für große Dokumentenmengen. Parallel rücken weitere
Anbieter mit Word-Workflows, Kontext-Graphen und Übersetzungsfähigkeiten nach.
Für Unternehmen wird damit der Integrationsaufwand greifbar – und der Blick auf
den EU AI Act rückt in den Projektplan ganz nach vorn.
--------------------------------------------------------------------------------
* 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 Legal-Tech-Sektor wechselt spürbar von punktueller Texthilfe hin zu
agentischer KI, die ganze Arbeitsschritte durchläuft: Dokumente analysieren,
Zwischenstände strukturieren und direkt in vorformatierten Artefakten ausgeben.
Den Auftakt in dieser Welle macht Avvoka mit Curate, das laut
Unternehmensangaben am 20. August 2026 in der Beta-Phase gestartet ist. Die
Anwendung soll hochgeladene Transaktionsdokumente auswerten, dabei spezifische
Sprachmuster erkennen und daraus anpassbare Vorlagen für die weitere Verwendung
generieren. Entscheidend ist dabei nicht nur die Ausgabetextqualität, sondern
die Frage, wie zuverlässig die KI wiederkehrende Vertragslogik in editierbare
Vorlagen übersetzt.
Curate adressiert zunächst nur einen engen Nutzerkreis: In der ersten Phase ist
das Tool auf ausgewählte Kanzleien aus dem Kreis der AMLaw-100 beschränkt. Eine
allgemeine Verfügbarkeit ist für den Zeitraum nach September in Aussicht
gestellt. Für Avvoka spielt außerdem die Entwicklungskooperation mit der Kanzlei
Fried Frank als Design-Partner eine Rolle, weil sie die Ergebnisse vermutlich
stärker an realen Vorlagen-Workflows ausrichtet als an reine
Demonstrator-Szenarien. Technisch setzt Curate auf eine Kombination mehrerer
Large Language Models, darunter Technologien von sowie Anthropic, um komplexe
juristische Texte in einer gemeinsamen - und Generierungslogik zu verarbeiten.
Damit folgt Curate einem Muster, das sich in vielen KI-Workflows etabliert hat:
nicht ein einzelnes Modell als „Wahrheit“, sondern eine orchestrierte
Modellkombination für robuste Ausgabe.
Auch schiebt das Thema Agentenfähigkeit weiter in den Vordergrund. Ebenfalls am
20. August präsentierte der Anbieter die nächste Generation von CoCounsel Legal,
die Funktionen wie den Westlaw Brief Builder, dedizierte Workspaces sowie
Werkzeuge für die Tabellenanalyse umfasst. Die Tabellenanalyse ist dabei auf
skalierte Rechtsarbeit ausgelegt: Sie soll bis zu 10.000 Dokumente und 100
Fragestellungen gleichzeitig bearbeiten. CoCounsel basiert nach Angaben auf dem
Claude Agent SDK von Anthropic und wird zuerst in den eingeführt, bevor Kanada,
Großbritannien und Australien im weiteren Jahresverlauf folgen sollen. Für
Kanzleien ist das mehr als ein Feature-Upgrade, weil der Engpass typischerweise
nicht im „Antworten“ liegt, sondern in der koordinierten Wissensaufnahme, dem
Entwurf und der Nachverfolgung über mehrere Dokumenttypen hinweg.
Die Produktstarts zeigen außerdem, dass Integrations- und Datenkontextfragen
inzwischen genauso wichtig sind wie das zugrunde liegende Sprachmodell. DocStyle
kündigte am 19. August DocStyle AI an, das eine Verbindung zwischen einer
eigenen Dokumenten-Engine und Claude für Word sowie Copilot herstellen soll.
Laut Ankündigung nutzt das System das Model Context Protocol (MCP) und soll am
1. Oktober allgemein verfügbar werden. Zudem kündigte Harvey am 19. August
Harvey II an: Mit einer Memory-Funktion soll der Schreibstil und die Präferenzen
von Anwälten erlernt werden, ohne diese Daten für das allgemeine Training der
Modelle zu verwenden. Ergänzend kommt eine Kooperation mit DeepL für
Dokumentenübersetzungen in über 100 Sprachen hinzu. Genau diese Mischung aus
Kontext (Memory), Arbeitsoberfläche (Word/Copilot) und Datenbewegung
(Übersetzung) entscheidet in der Praxis darüber, ob KI als „Tool“ oder als
verlässlicher Bestandteil des Schreibprozesses akzeptiert wird.
Während größere Anbieter auf agentische Orchestrierung setzen, versuchen andere,
die Kosten pro Antwort gezielt zu senken. NetDocuments veröffentlichte am 19.
August den Legal Context Engineering Benchmark, dessen Ergebnisse nach
Unternehmensangaben zeigen, dass ein Legal Context Graph die Kosten für korrekte
KI-Antworten um 48 Prozent senken kann, während die -Nutzung pro Antwort um 52
Prozent zurückgehen soll. Für eine Kanzlei mit 2.000 Mitarbeitern und einem
jährlichen Aufkommen von 4 Millionen KI-Fragen entspricht das den Angaben
zufolge Einsparungen von etwa 1 Million US-Dollar. Ergänzend nennt NetDocuments
Funktionen wie Tabular Review, mit dem sich Due-Diligence-Dokumentensätze mit
über 100 Spalten automatisiert prüfen lassen. Solche Zahlen wirken in der
Budgetplanung oft stärker als reine Qualitätsversprechen, weil -Kosten und
Kosten für Dokumenten-Workflows direkt auf den Betrieb durchschlagen.
Mit der Breite der e steigen aber auch die Anforderungen an Compliance-Teams.
Wer KI-Systeme professionell in Arbeitsprozesse integriert, muss die rechtlichen
Rahmenbedingungen des EU AI Acts im Blick behalten, heißt es in der begleitenden
Einordnung; der Fokus liegt dabei auf Kennzeichnungs- und
Dokumentationspflichten. Gerade in Kanzleien führt der Weg von der
„Assistenten“-Nutzung hin zu agentischer KI schnell zu Fragen wie: Welche
Dokumente werden hochgeladen, welche Outputs werden gespeichert, und wie wird
die Nachvollziehbarkeit intern gelöst? Darüber hinaus zeigt der Markt, dass KI
nicht nur für Großkanzleien gedacht ist: Docu Legalia bietet ab dem 19. August
KI-gestützte Dokumentenerstellung für KMU und Freelancer ab 1 Euro pro Dokument,
während Deemō in Japan seit dem 1. August LegalBase+ mit monatlichen Gebühren ab
10.000 Yen startet und Zugriff auf über 1.100 Vorlagen verspricht. Filevine
stellt zudem mit LOIS Explore ein es Testtool bereit, das Dokumente bis zu einer
Größe von 5 GB verarbeiten kann, wobei sämtliche Daten nach der Testphase
dauerhaft gelöscht werden sollen. Dadurch wird aus einem anfänglichen Pilotmarkt
ein gestaffelter Rollout in unterschiedliche Organisationsgrößen – und damit
auch eine größere Spannbreite an Daten- und Governance-Anforderungen.
💳
🔥
🎉
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.
478,97 EUR
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
189,00 EUR
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
61,99 EUR
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
16,14 EUR
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
11,69 EUR
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:
--------------------------------------------------------------------------------

KI News

Fr., 21. August 2026

14:51: OEE berechnen: Typische Fehler, die Unternehmen Geld kosten

10:59: Waymo entwickelt eigenen KI-Chip für seine Robotaxis

10:48: Meta gibt Hunderte Millionen Dollar für Microsofts KI-Dienste aus

09:39: Anthropic-Pläne für Mythos-Modelle: Datenspeicherung wandert in die Kundencloud

08:30: ETH-Sensorchip signiert Medien im Sensor gegen Deepfakes

08:20: GPT-5.6 Sol befeuert OpenAIs Comeback im Wettstreit mit Anthropic

08:10: Nvidia übernimmt für 6 Milliarden Dollar die "Model Factory" und 109 Mitarbeiter von Poolside

07:43: OpenAIs Bildmodell GPT-Image-2 kann jetzt Bilder ohne Hintergrund direkt generieren

06:00: Generative KI: Neue Rolle der Qualitätssicherung in Banken

04:55: Agility Robotics peilt 2,5-Mrd.-US-Dollar-IPO an und ringt mit dem Humanoiden-Wettlauf

01:21: Tesla, Uber und Waymo erhalten Freigaben für Tausende Robotaxis in Nevada

01:21: Micro1 wächst auf 500 Mio. USD Bruttoumsatz – KI-Trainingsdaten im großen Nachfrageboom

00:44: Apple Vision Products: KI-Fokus nach 60 Stellenstreichungen neu justiert

00:39: Legal-Tech-Boom: Agentische KI für Kanzleien und Dokumente startet in Wellen