KI News

Quelle: www.it-boltwise.de

MONTREAL / LONDON (IT BOLTWISE) – Ein neues neurowissenschaftlich geprägtes
Papier warnt davor, KI-Intelligenz mit Bewusstsein gleichzusetzen. Gerade weil
Chatbots heute flüssig, emotional passend und personalisiert antworten, steigt
die Gefahr, ihnen „wahres Verstehen“ zuzutrauen. Die Forschenden ziehen eine
Parallele zur Neurowissenschaft des „Blindsight“, um zu zeigen: Komplexe
Informationsverarbeitung braucht kein inneres Erleben. Für die Praxis bedeutet
das vor allem mehr Einordnung im Umgang – insbesondere bei sensiblen
Situationen.
   ˗ˋˏ🧠ˎˊ˗
--------------------------------------------------------------------------------
* 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!
--------------------------------------------------------------------------------
Wer Chatbots wie Unterhaltungs- oder Assistenzsysteme im Alltag nutzt, erlebt
derzeit etwas, das psychologisch mächtig wirkt: Antworten klingen nicht nur
korrekt, sondern auch aufmerksam, beruhigend und „menschlich“. Genau diese
Wirkung steht nun im Fokus einer neurowissenschaftlichen Argumentation, die eine
häufige Fehlannahme adressiert. Intelligenz im technischen Sinn – etwa das
Formulieren passender Texte, das Erkennen von Kontext und das Nachbilden
emotionaler Tonalität – ist nicht automatisch ein Beleg für Bewusstsein. Die
Forschenden machen damit eine Unterscheidung stark, die für die Unternehmens-
und Sicherheitsplanung von KI-gestützten Produkten relevant wird: Vertrauen
entsteht nicht nur durch Leistungsfähigkeit, sondern auch durch das, was
Nutzerinnen und Nutzer hineininterpretieren.
Das Papier stützt sich dabei auf ein bekanntes Konzept aus der Neurologie:
Blindsight. Bei bestimmten Hirnschädigungen berichten Menschen, sie „sehen“ in
einem Teil ihres Gesichtsfeldes zwar nichts bewusst, können jedoch trotzdem mit
überzufälliger Genauigkeit Eigenschaften von Reizen einschätzen – etwa Position
oder Bewegung. Der Kern der Analogie lautet: Fortgeschrittene Verarbeitung von
Information kann stattfinden, ohne dass sie zwangsläufig mit bewusster Erfahrung
einhergeht. Übertragen auf KI bedeutet das, dass statistisch trainierte Systeme
sehr überzeugend agieren können, ohne über ein subjektives Erleben zu verfügen.
Damit verschiebt sich die Diskussion von „Kann die KI sich fühlen?“ hin zu
„Welche Verarbeitung findet tatsächlich statt?“
STELLENANGEBOTE
Technisch betrachtet arbeiten heutige Chatbots vor allem mit Sprachmodellen, die
über große Datenmengen Muster lernen und daraus Wahrscheinlichkeitsverteilungen
für nächste s ableiten. Diese Systeme erzeugen flüssige Antworten, weil sie
Kontext-Informationen in ihren Rechenpfaden verdichten und darauf optimiert
sind, menschliche Sprachstile zu imitieren. Emotionsnahe Dialogführung entsteht
häufig durch Trainingsziele, die Tonalität, Höflichkeit und konsistente
Bezugnahmen belohnen, sowie durch nachgelagerte Anpassungen wie
Instruction-Tuning oder Alignment-Methoden. Entscheidend ist: Die Qualität der
Ausgabe spiegelt nicht automatisch ein inneres Modell der Welt mit
Erlebnisqualität wider, sondern die Fähigkeit, plausible Textsequenzen im
gegebenen Kontext zu produzieren. Ein technischer Vergleich hilft hier:
Intelligente Sprachverarbeitung ist ein Ergebnis von Modellarchitektur und
Datenqualität, während Bewusstsein eine biologische/philosophische Dimension
bleibt, die nicht aus Outputs „hergeleitet“ werden kann.
Der Markt verstärkt diese Verwechslung, weil Wettbewerber massiv in natürliche
Interaktion investieren. Systeme von großen Akteuren wie , oder konkurrieren
nicht nur um bessere Faktenleistungen, sondern auch um Tonalität, Geduld und
„Empathie-Signale“ im Dialog. Wenn Produktteams dann zusätzlich Funktionen wie
personenbezogene Profile, Gedächtnis-Fähigkeiten oder stimmungsbasierte
Antwortstile integrieren, steigt die Wahrscheinlichkeit, dass Nutzerinnen und
Nutzer mehr als nur Tool-Kompetenz sehen. Branchenexpertinnen und -experten
argumentieren deshalb zunehmend, dass KI-Produkte stärker als „kommunikative
Werkzeuge“ gerahmt werden müssen. Die Forschenden warnen in diesem Zusammenhang
vor dem sogenannten Anthropomorphism trap: ein Reflex, bei dem Menschen
Emotionen, Absichten oder gar moralische Urteilskraft in etwas hineinlesen, das
diese nicht besitzt. Aus Unternehmenssicht wird daraus eine Produkt- und
Policy-Frage, nicht nur eine Debatte über „Gefühl“.
Besonders kritisch ist die Situation bei psychologischer Vulnerabilität. Dort
können Nutzer Hilfe, Bestätigung oder Orientierung in Anspruch nehmen – etwa bei
Stress, Einsamkeit oder akuten Belastungen. Die Gefahr besteht laut den
Autorinnen und Autoren nicht primär darin, dass die KI offensichtlich „falsch“
antwortet, sondern dass sie „gut genug“ wirkt, um den Nutzer den Gedanken zu
vergessen: Hinter der Antwort steht kein Gegenüber mit Verantwortung, Grenzen
und echten Konsequenzen. Genau diese subtile Abdrift kann dazu führen, dass
Menschen ausgerechnet dann weniger Unterstützung suchen, wenn sie menschliche
Hilfe oder professionelle Betreuung bräuchten. In professionellen Umgebungen wie
HR, Kundenservice oder Counseling-ähnlichen Workflows sollten deshalb klare
Leitplanken gelten: KI darf unterstützen, aber nicht ersetzen, und sie muss in
kritischen Szenarien Eskalationspfade besitzen.
Aus regulatorischer Perspektive berührt das Thema mittelbar auch und Sicherheit.
Wenn Unternehmen chatbasiertes KI-Assistenzverhalten in Prozesse integrieren,
entstehen Risiken durch die Verarbeitung sensibler Inhalte, etwa sbezüge oder
psychologische Indikatoren. Selbst wenn ein System nicht „fühlt“, kann es Daten
missverstehen, falsch klassifizieren oder – im Worst Case – durch Prompting
unerwünschte Inhalte hervorbringen. Zudem stellt sich die Frage nach
Transparenz: Nutzerinnen und Nutzer sollten wissen, ob sie mit einem KI-System
sprechen und wie das System seine Antworten generiert. Europäische Anforderungen
wie Informationspflichten und Grundsätze der Datenminimierung treffen damit
nicht nur die technische Umsetzung, sondern auch das UX-Design. Denn ein
Interface, das KI als „empathischen Gesprächspartner“ inszeniert, kann die
beabsichtigte Nutzeraufklärung untergraben.
Historisch ist die Debatte nicht neu, aber die aktuelle Geschwindigkeit macht
sie dringlicher. In früheren Wellen von KI – etwa regelbasierten
Expertensystemen oder frühen statistischen Sprachanwendungen – war das
Wirkungsspektrum stärker begrenzt; die Systeme wirkten weniger „menschlich“. Mit
den heutigen großen Sprachmodellen wurde Interaktion jedoch so flüssig, dass die
Grenze zwischen Werkzeug und „Gesprächspartner“ im subjektiven Erleben
verwischt. Gleichzeitig wächst die Rolle von Unternehmensimplementierungen:
Chatbots werden in Wissensportale, Support-Center, Entwicklerassistenten und
interne Workflows eingebunden. Die wissenschaftliche Argumentation mit
Blindsight liefert hier eine wichtige Merkhilfe: Output-Kohärenz ist kein
direkter Beweis für Bewusstsein. Für Teams, die KI in oder der EU ausrollen,
bedeutet das, dass Schulungs- und Governance-Maßnahmen nicht nur auf
Halluzinationsmanagement zielen sollten, sondern auch auf Erwartungsmanagement.
Mit Blick auf die Zukunft lassen sich konkrete Implikationen ableiten. Erstens
wird die Diskussion über „KI als empathisches System“ voraussichtlich stärker in
Richtung „KI als Kommunikationsschnittstelle mit Grenzen“ verschoben werden. Das
betrifft auch Anbieter-Roadmaps: Wer Chatbots emotionaler macht, muss parallel
mit Risikokontrollen gegen Anthropomorphismus und Fehlanwendung arbeiten.
Zweitens dürften Unternehmen mehr in Kontexteingrenzung investieren, etwa durch
Dialog-Policies, klare Hinweise zur Tool-Natur, robuste Moderation und
dokumentierte Entscheidungslogik. Drittens steigt die Bedeutung von Messgrößen
wie Nutzervertrauen, Missverständnisrate und Eskalationswirksamkeit, weil diese
Faktoren beeinflussen, ob KI tatsächlich hilft oder nur beruhigend wirkt,
während echte Betreuung ausbleibt. Wenn Entwicklerinnen und Entwickler diese
Leitplanken berücksichtigen, können chatbasierte Systeme ihre Stärken
ausspielen: schnelle Orientierung, gute Sprache, strukturierte Vorschläge – ohne
als Ersatz für echte Beziehungen oder fachliche Versorgung zu gelten.
💳
🔥
🎉
* 🤖 Präzisions-Roboterarm – Spielen wie gegen einen echten Gegner – SenseRobot
reproduziert das reale Schacherlebnis mit einem mechanischen Arm, der Figuren
mit weniger als 1 mm Genauigkeit bewegt und jeden Zug in nur 8 Sekunden
ausführt – im gleichen Tempo wie ein professioneller Spieler.
* IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist
ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine
Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er
auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
* V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von
Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung
hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und
anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen.
Mobile Hotspots können sich mit Loona verbinden und überwinden
WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren
können.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------

Quelle: the-decoder.de

Norwegen verbietet generative KI-Tools weitgehend an Grundschulen und schränkt
auch die Nutzung an weiterführenden Schulen ein.
Premierminister Jonas Gahr Stoere sagte am Freitag, KI erhöhe das Risiko, dass
junge Kinder wichtige Lernschritte überspringen. Premierminister Jonas Gahr
Stoere sagte am Freitag: "Das Wichtigste in der Schule ist, dass unsere Kinder
lesen, schreiben und rechnen lernen." Unkritische KI-Nutzung führe dazu, dass
Schüler wichtige Schritte beim Lernen überspringen.
Er  seit etwa 2015 und macht Smartphones, Bildschirme und Algorithmen für diese
Entwicklung mitverantwortlich.
Anzeige
Die neuen Regeln gelten ab dem Schuljahr Ende August. Schüler der Klassen 1 bis
7 (6 bis 13 Jahre) sollen grundsätzlich keine KI nutzen. In der Sekundarstufe I
(14 bis 16 Jahre) dürfen KI-Tools vorsichtig unter Aufsicht eingesetzt werden.
Ältere Schüler sollen den angemessenen Umgang mit KI erlernen.
Anzeige
DEC_D_Incontent-1
Zusätzlich will die Regierung per Gesetz festschreiben, dass Kommunen physische
Lehrmittel in Schulen bereitstellen müssen. Unter anderem sollen wieder mehr
Bücher in die Klassenzimmer gebracht werden. Frühere Regierungen hätten
digitalen Medien zu viel Raum gegeben, so Stoere. Norwegen hatte bereits
Smartphones an Schulen verboten, Lehrern mehr Autorität im Klassenzimmer gegeben
und plant ein .
Schwedische Forscher untersuchten bereits 2024 den Zusammenhang zwischen
KI-Nutzung und Lernfähigkeit bei Schülern. .
Anzeige
AUCH ANDERE LÄNDER SCHRÄNKEN KI-NUTZUNG EIN
Norwegen steht mit seinen KI-Einschränkungen an Schulen nicht allein.  erließ
bereits 2023 Richtlinien, die bei unter 13-Jährigen besondere Vorsicht fordern
und KI-generierte Schularbeiten als Betrug werten. In den USA bestätigte ein ,
dass Schulen unerlaubte KI-Nutzung sanktionieren dürfen. Die  verbietet ab
Sommer 2026 KI bei fast allen bewerteten Arbeiten und erlaubt sie nur noch zur
Recherche.
Im Kontrast dazu stehen Länder, die auf Integration setzen. Die  führen ab dem
Schuljahr 2025/26 KI als Pflichtfach vom Kindergarten bis zur zwölften Klasse
ein. In Deutschland hat die  die systematische Integration von KI in den
Unterricht gefordert und ein Verbot als "realitätsfern und nicht haltbar"
bezeichnet.
Anzeige
DEC_D_Incontent-2
 
Anzeige

Quelle: the-decoder.de

Google Deepmind verliert mit John Jumper einen weiteren hochkarätigen Forscher
an die Konkurrenz. Der Nobelpreisträger und Leiter des AlphaFold-Teams wechselt
nach fast neun Jahren zu Anthropic. Jumper erhielt 2024 gemeinsam mit
Deepmind-Chef Demis Hassabis den , einem KI-System, das die Vorhersage von
Proteinstrukturen grundlegend veränderte.  Jumper für die "außergewöhnliche
Partnerschaft" und betonte, AlphaFold habe "die Welt verändert".  selbst
schrieb, Hassabis habe ihm eine echte Chance gegeben, das AlphaFold-Team zu
leiten, nur sechs Monate nach seiner Promotion.
Kurz zuvor wechselte , einem der Köpfe hinter dem Denkansatz moderner
Reasoning-Modelle. Anthropic und OpenAI zogen damit innerhalb von Tagen die
wichtigsten KI-Köpfe von Google ab. Vor wenigen Wochen verlor Google Deepmind
zudem David Silver, einen der wichtigsten KI-Forscher hinter großen
Deepmind-Projekten wie AlphaGo und AlphaZero. Silver gründete ein eigenes .
Gemini 3.5 Pro soll  erscheinen, aber nicht ausreichend kompetitiv mit den
neuesten Modellen von Anthropic und OpenAI sein.
Anzeige
DEC_D_Incontent-1
Anzeige

Quelle: the-decoder.de

Der OpenAI-Film ist tot, obwohl er fast fertig war. Amazon MGM Studios hat den
von Regisseur Luca Guadagnino fallen gelassen, . Der Film mit Andrew Garfield
als OpenAI-Chef Sam Altman behandelt dessen . Ein Amazon-Sprecher sagte, man
habe großen Respekt vor Guadagnino, glaube aber, dass der Film bei einem anderen
Studio besser aufgehoben sei. Er wird nun anderen Studios angeboten.
Offizielle Gründe nannte Amazon nicht. Die Umstände lassen aber Raum für
Spekulationen: Amazon hatte im Februar eine Partnerschaft mit OpenAI
geschlossen, die . Laut einem Insider kommen Altman und Elon Musk im Film
schlecht weg. Altman und Amazon-Chef Jeff Bezos sollen zudem eine persönliche
Beziehung pflegen.
Sollten diese Faktoren ausschlaggebend gewesen sein, zeigt der Fall, wie
Geschäftsbeziehungen und persönliche Freundschaften in der Tech-Branche die
Kunstfreiheit einschränken können. Es wäre eine indirekte Form von Zensur – ,
aber nicht weniger wirksam und vielleicht gerade deshalb gefährlicher.
Anzeige
DEC_D_Incontent-1
Anzeige

Quelle: the-decoder.de

Laut dem Digital News Report 2026 des Reuters Institute steigt die Nutzung von
KI-Chatbots als Nachrichtenquelle weltweit von 7 auf 10 Prozent.
Generative KI-Tools wie ChatGPT oder Google Gemini spielen eine wachsende, aber
noch untergeordnete Rolle beim Nachrichtenkonsum. Das zeigt eine Analyse des
Reuters Institute im Rahmen des Digital News Report 2026. Die wöchentliche
Nutzung von KI-Chatbots für Nachrichten ist demnach global von 7 auf 10 Prozent
gestiegen. Nur 1 Prozent der Befragten nennen KI-Chatbots als ihre
Hauptnachrichtenquelle.
Das Wachstum wird vor allem von Märkten in Asien, Afrika, Lateinamerika sowie
Süd- und Osteuropa getrieben. In diesen Regionen ist die Plattformisierung des
Nachrichtenkonsums ohnehin stärker ausgeprägt.
Anzeige
JÜNGERE UND NACHRICHTENAFFINE NUTZER TREIBEN DIE ENTWICKLUNG
Die Nutzung von KI-Chatbots für Nachrichten konzentriert sich laut der Studie
auf jüngere Menschen und bereits stark nachrichteninteressierte Nutzer. In der
jüngsten Altersgruppe nutzen 17 Prozent Chatbots für Nachrichten, in der
ältesten nur 5 Prozent. Das stärkste relative Wachstum verzeichnete die Gruppe
der 25- bis 34-Jährigen mit einem Anstieg um 4 Prozentpunkte.
Anzeige
DEC_D_Incontent-1
Auffällig ist, dass die Nutzung unter sogenannten "News Lovers" mit 18 Prozent
deutlich höher liegt als bei Gelegenheitskonsumenten (7 Prozent). Auch politisch
extrem eingestellte Befragte nutzen KI-Chatbots häufiger für Nachrichten: 16
Prozent am linken und 15 Prozent am rechten Rand des politischen Spektrums. Die
Forscherin Dr. Amy Ross Arguedas erklärt das damit, dass diese Gruppen
tendenziell stärker an Nachrichten interessiert sind.
In 45 untersuchten Märkten ist das Stellen von Folgefragen mit 42 Prozent die
häufigste Anwendung. Danach folgen das Abrufen aktueller Nachrichten (35
Prozent), Zusammenfassungen (34 Prozent), die Bewertung der Zuverlässigkeit von
Nachrichtenquellen (33 Prozent) und das Vereinfachen von Nachrichten (30
Prozent).
Anzeige
In Märkten mit niedrigen Pressefreiheitswerten wie Hongkong und der Türkei sowie
in Märkten mit geringerem Nachrichtenvertrauen wie Ungarn und Rumänien rangiert
die Nutzung von KI-Chatbots zur Bewertung der Zuverlässigkeit von
Nachrichtenquellen besonders hoch. Weltweit nennen 42 Prozent der Nutzerinnen
und Nutzer als wichtigste Motivation den Wunsch nach mehr Tiefe oder Erklärung;
39 Prozent sagen, KI sei schneller als andere Wege, Nachrichten zu erhalten.
MEHR NUTZUNG KORRELIERT MIT MEHR VERTRAUEN
Nur 37 Prozent der Befragten vertrauen den meisten Nachrichten. Das Vertrauen in
Nachrichten aus KI-Chatbots liegt in der Gesamtbevölkerung bei lediglich 20
Prozent. Unter den tatsächlichen Nutzern ergibt sich jedoch ein anderes Bild: 44
Prozent der Chatbot-Nutzer vertrauen den KI-generierten Nachrichten, gegenüber
nur 17 Prozent der Nicht-Nutzer, .
Anzeige
DEC_D_Incontent-2
Auf Marktebene zeigt sich laut der Analyse eine starke Korrelation zwischen
Vertrauen und Nutzung, die deutlich ausgeprägter ist als bei sozialen Medien.
Die Studie führt das darauf zurück, dass die Nutzung von KI-Chatbots für
Nachrichten ein bewussteres Verhalten darstellt als der oft beiläufige
Nachrichtenkonsum über Social Media. Dort begegnen Nutzer Nachrichten häufig
zufällig.
Anzeige
QUELLEN WERDEN FAST NIE ANGEKLICKT
Über alle Befragten in 27 Märkten hinweg geben nur 4 Prozent an, "immer oder
oft" von KI-Chatbots zu Originalquellen durchzuklicken. Bei Suchmaschinen sind
es 19 Prozent, bei sozialen Medien 17 Prozent. Die große Lücke spiegelt
teilweise die deutlich kleinere Nutzerbasis von KI-Chatbots für Nachrichten
wider.
Dennoch bestätigt dieses und relativiert . Der Konzern argumentiert in einem
Rechtsstreit, Menschen könnten bei Falschbehauptungen ja die Quelle prüfen, so
wie bei der klassischen Suche. Könnten sie, ja. Aber sie tun es eben nicht.
Hinzu kommt, dass die zitierten Quellen nicht immer mit der gegebenen Antwort
übereinstimmen müssen.
Wenn Nutzer durchklicken, geht es seltener darum, mehr Details zu erhalten (51
Prozent), als bei Suchmaschinen-Nutzern (59 Prozent) oder Social-Media-Nutzern
(60 Prozent). Dafür klicken KI-Nutzer häufiger, um Informationen zu verifizieren
oder mehr über die Quelle zu erfahren.
Verlage sollten laut der Studie nicht versuchen, mit KI-Plattformen auf deren
eigenem Terrain zu konkurrieren, sondern das liefern, was Chatbots nicht können:
originäre Recherche und journalistische Glaubwürdigkeit.
FEHLER, BESTÄTIGUNGSTENDENZ UND EINE FRAGMENTIERTE ÖFFENTLICHKEIT
Chatbots können Informationen aus Quellen falsch wiedergeben, das ist ein
bekanntes Risiko. Daneben gibt es zwei weitere, möglicherweise größere Risiken.
Das erste ist das : KI-Chatbots neigen dazu, die Erwartungen und Überzeugungen
ihrer Nutzer zu bestätigen, statt ihnen zu widersprechen.
Wer mit einer vorgefassten Meinung eine Nachrichtenfrage stellt, bekommt
tendenziell eine Antwort, die diese Meinung stützt. Dass die Nutzung laut der
Studie an den politischen Rändern überdurchschnittlich hoch ist, macht dieses
Problem besonders brisant. KI-Chatbots könnten bestehende Polarisierung
verstärken, statt ihr entgegenzuwirken.
Das zweite Risiko ist eine weiter fragmentierte Öffentlichkeit. Die hochgradig
individualisierte Nachrichtenaufbereitung durch Chatbots verstärkt eine
Entwicklung, die Social Media bereits vorangetrieben hat: Wenn jeder Nutzer eine
auf seine Interessen, sein Sprachniveau und seine Vorlieben zugeschnittene
Version der Nachrichtenlage erhält, erodiert die gemeinsame Informationsbasis,
auf der öffentliche Debatten aufbauen.
CHANCEN BEI DER PERSONALISIERUNG UND PERSPEKTIVVIELFALT
Gleichzeitig bietet die Personalisierungsfähigkeit von KI-Chatbots Chancen. Sie
kann Nachrichten für Menschen zugänglicher machen, die sich von traditionellen
Formaten nicht angesprochen fühlen. Das geschieht etwa durch Vereinfachung
komplexer Themen, Übersetzung in die bevorzugte Sprache (33 Prozent der Nutzer
verwenden diese Funktion laut der Studie) oder die Anpassung an individuelle
Informationsbedürfnisse.
Zudem könnte die Nutzung von KI-Chatbots bei korrekter Anwendung sogar zu einer
höheren Vielfalt an Perspektiven führen. 35 Prozent der Nutzer geben laut der
Studie an, Chatbots zu verwenden, um Berichte aus verschiedenen Medien
zusammenzustellen. Wer gezielt nach unterschiedlichen Sichtweisen fragt, erhält
potenziell ein breiteres Bild als durch den Konsum einer einzelnen
Nachrichtenquelle.

Quelle: the-decoder.de

Selbst das beste KI-Modell scheitert an realistischer Wissensarbeit: Es löst nur
3 Prozent der Aufgaben vollständig korrekt.
Im neuen von Artificial Analysis müssen Modelle mehrwöchige
Wissensarbeitsprojekte mit tausenden fragmentierten Quelldateien bewältigen,
darunter Slack-Threads, E-Mails, Meeting-Transkripte und große Datenexporte.
Spitzenreiter Claude Fable 5 erreicht zwar die höchste Rubrik-Erfolgsquote,
erfüllt aber nur bei 3 Prozent der Aufgaben sämtliche Kriterien. Bei 31 von 91
Aufgaben schafft kein einziges Modell mehr als 50 Prozent.
Die Fehlerarten verschieben sich dabei mit steigender Kompetenz: Schwächere
Modelle scheitern an der reinen Ausführung, denn sie übersehen relevante Dateien
oder liefern unbrauchbare Ergebnisse. Stärkere Modelle scheitern subtiler: Sie
erfüllen die offensichtlichen Vorgaben, übersehen aber Detailanforderungen, die
man sich erst aus verschiedenen Quellen zusammenpuzzeln muss.
Anzeige
Auffällig ist auch der enorme Kostenunterschied: Die Preise pro Aufgabe
variieren um mehr als das 800-Fache, von rund 0,04 Dollar bei DeepSeek V4 Flash
bis über 31 Dollar bei Claude Fable 5.
Anzeige
DEC_D_Incontent-1

Quelle: the-decoder.de

Reinforcement Learning auf realistische Szenarien mit erwünschten
Verhaltenseigenschaften soll KI-Modelle domänenübergreifend sicherer und
hilfreicher machen. Der Ansatz unterscheidet sich grundlegend von Anthropics
Verfassungsmethode.
Wenn KI-Modelle in einem Bereich auf problematisches Verhalten trainiert werden,
kann sich diese . OpenAI-Forscher haben nun untersucht, ob das auch umgekehrt
funktioniert: Lässt sich gutes Verhalten ebenso breit generalisieren?
Laut einem  ist die Antwort ja. Das Forschungsteam trainierte ein Modell per
Reinforcement Learning auf realistische Konversationen, die bestimmte erwünschte
Eigenschaften testen: Wahrhaftigkeit, epistemische Demut, Korrigierbarkeit,
Transparenz im Denkprozess, Fairness und Sorge um menschliches Wohlergehen. Die
Szenarien stammen aus Bereichen wie Gesundheit, Bildung, Wissenschaft, Recht und
Ingenieurwesen.
GUTES VERHALTEN ÜBERTRÄGT SICH AUF FREMDE DOMÄNEN
Nur ein kleiner Anteil dieser "Beneficial Trait"-Daten wurde in die reguläre
RL-Post-Training-Mischung eingespeist. Trotzdem verbesserte sich das Modell laut
dem  auf 44 von 53 unabhängigen Benchmarks, die Täuschung, Ehrlichkeit,
Sycophancy, Reward Hacking sowie Gesundheits- und Mental-Health-Szenarien
messen.
Training ausschließlich auf Gesundheitsdaten verbesserte auch
Nicht-Gesundheits-Evaluierungen wie Reward Hacking und Täuschungserkennung.
Umgekehrt verbesserte Training ohne jegliche Gesundheits- und Wissenschaftsdaten
trotzdem die Leistung auf Gesundheits-Benchmarks. Die Forscher schließen daraus,
dass das RL-Training grundlegende Verhaltensmuster verstärkt, die
domänenübergreifend wirken.
MODELLE WERDEN RESISTENT GEGEN SCHÄDLICHE STEUERUNG
Das Team testete auch, ob die Verbesserungen unter Druck standhalten.
Adversariale Prompts, die das Baseline-Modell erheblich destabilisierten, hatten
auf das Beneficial-Trait-Modell deutlich weniger Einfluss. Auch schädliches
Fine-Tuning konnte die trainierten Eigenschaften weniger stark untergraben.
Dabei blieb das Modell für hilfreiche Anweisungen genauso steuerbar wie zuvor.
Die Forscher sprechen von "selektiver Persistenz": Das Modell widersteht
schädlicher Steuerung, ohne an nützlicher Flexibilität zu verlieren.
EIN ANDERER WEG ALS ANTHROPIC
OpenAIs Methode unterscheidet sich grundlegend von Anthropics Alignment-Ansatz.
Erstens setzt OpenAI auf empirisch messbare Verhaltenseigenschaften, die per RL
in realistischen Szenarien verstärkt werden. Anthropic arbeitet dagegen mit
einer expliziten "", einem schriftlichen Wertedokument, das als oberste
Orientierung für Training und Verhalten dient.
Zweitens argumentiert OpenAI stark benchmark-orientiert: 44 von 53 Evaluierungen
zeigen Verbesserungen, die über Domänen und Bewertungsverfahren hinweg
generalisieren. Anthropic verfolgt dagegen einen stärker prinzipienbasierten
Ansatz, bei dem das , gestützt auf Verfassungstexte und hochwertige
Trainingsbeispiele. Laut dem Unternehmen sind die Modelle so resistenter
gegenüber Angriffen. Einen direkten Vergleich beider Ansätze gibt es aber bisher
nicht.

Quelle: the-decoder.de

Google hat angekündigt, gegen das Urteil des Landgerichts München I Berufung
einlegen zu wollen. Das Gericht hatte Google für Inhalte seiner KI-generierten
Suchübersichten unmittelbar haftbar gemacht. Man sei mit dem Urteil nicht
einverstanden, so ein Google-Sprecher in einer uns vorliegenden Stellungnahme.
Der Fall betreffe "spezifische und eng begrenzte Fehler" und nicht die
grundsätzliche Funktionsweise der KI-Übersichten. Wo genau der Unterschied
zwischen dieser laut Google nicht repräsentativen Antwort und generellen
KI-Übersichten liegt, begründet der Konzern in der Stellungnahme nicht.
, dass KI-Übersichten keine bloßen Suchergebnisse sind, sondern eigenständige
Inhalte, für die Google direkt haftet. Die KI hatte zwei Münchner Verlage
fälschlich mit Betrugsmaschen in Verbindung gebracht.
Anders als das Münchner Gericht kam ein , dass KI-Übersichten lediglich eine
weitere Form des Suchergebnisses sind und Google dafür, wie bei der klassischen
Suchmaschine, nur eingeschränkt als mittelbarer Störer haftet. Das Münchner
Gericht sah es genau umgekehrt, wenn auch in einem anderen Kontext. Google
dürfte das Berliner Urteil in der Berufung aufgreifen.
Anzeige
DEC_D_Incontent-1
Anzeige

Quelle: www.bigdata-insider.de

FABLE 5 UND MYTHOS 5 IM VISIER ANTHROPIC SPERRT TOP-KI-MODELL NACH
REGIERUNGS-ANORDNUNG
19.06.2026 Quelle: dpa 2 min Lesedauer
Anbieter zum Thema
So etwas gab es noch nicht: Der OpenAI-Rivale Anthropic muss den Zugang zu
seinem besten KI-Modell plötzlich blockieren, weil die US-Regierung ein
Sicherheitsrisiko befürchtet. Vieles ist noch unklar.
Die -Firma Anthropic hat nach einer Anordnung der US-Regierung den Zugang zu
seiner erst vor wenigen Tagen veröffentlichten Top-Software mit Künstlicher
Intelligenz blockiert. Regierungsbehörden hätten Anthropic unter Verweis auf die
nationale Sicherheit angewiesen, den Zugang aller Ausländer zu den KI-Modellen
Fable 5 und Mythos 5 zu unterbinden, teilte das Unternehmen mit.
Betroffen von dem Verbot seien auch Ausländer, die sich in den USA aufhalten –
und selbst die, die bei Anthropic arbeiten. Als Folge der Anweisung habe man
kurzfristig den Zugang für alle kappen müssen, hieß es in einer Stellungnahme.
Der Firma zufolge glaubt die Regierung, Kenntnis von einer Methode erlangt zu
haben, Beschränkungen in der Software aufzuheben.
AUFSEHENERREGENDE FÄHIGKEITEN
Die Künstliche Intelligenz hinter Anthropics KI-Modell Diese Fähigkeit wurde
bisher von US-Behörden und ausgewählten Unternehmen eingesetzt, um die
Sicherheitslücken zu stopfen. Eine Sorge ist jedoch von Anfang an, dass eine
solche KI in den falschen Händen zu einer gefährlichen Cyberwaffe werden könnte.
Das erst diese Woche veröffentlichte Modell Fable 5 basiert auf der
Mythos-Technologie - bei ihm werden aber die Cybersicherheits- und
Biotechnologie-Fähigkeiten blockiert. Mythos 5 ist die nicht-öffentliche volle
Version, die weiterhin nur von Behörden und ausgewählten Unternehmenspartnern
zur Härtung ihrer Systeme eingesetzt werden sollte.
UNKLARHEIT ÜBER GEFAHR
Anthropic betonte, man habe bisher nur teilweise Informationen von der Regierung
erhalten. Die Firma habe einen Bericht geprüft, der nach Einschätzung des
Unternehmens der Auslöser der Anordnung gewesen sein dürfte. Dabei seien die
Anthropic-Experten zu dem Schluss gekommen, dass es sich dabei um eine
eingeschränkte Möglichkeit handele, die KI spezifische Programmcodes prüfen und
Fehler korrigieren zu lassen.
Diese Fähigkeit hätten auch Modelle anderer Anbieter wie etwa GPT-5.5 des
Rivalen . Anthropic sei nicht einverstanden damit, dass deswegen Software für
Hunderte Millionen Nutzer blockiert werde. Die Firma betont, dass die
Sicherheitsvorkehrungen bei Fable 5 ausgiebig getestet worden seien.
ANTHROPIC IM CLINCH MIT US-REGIERUNG
Die Ironie an der Situation ist, dass Anthropic-Chef Dario Amodei sich erst vor
wenigen Tagen dafür ausgesprochen hatte, die Regierung potenziell gefährliche
KI-Software blockieren zu lassen. Anthropic betont aber, dass dies auf Basis
transparenter und klarer Verfahren sowie technischer Fakten geschehen müsse. Das
sei jetzt nicht der Fall.
Anthropic geriet in den vergangenen Monaten immer wieder in Schlagzeilen. Die
Firma riskierte einen Konflikt mit der US-Regierung, da sie trotz Drucks darauf
bestand, dass ihre KI-Modelle nicht in autonomen Waffensystemen und zur
Massenüberwachung in den USA verwendet werden dürfen.
Das Pentagon erklärte Anthropic daraufhin zu einem Lieferketten-Risiko, was den
Einsatz von Software des Unternehmens in Regierungsbehörden schwer
beeinträchtigen kann. Die Firma klagt dagegen. Die außerordentlichen
Cybersicherheitsfähigkeiten von Mythos machten Anthropic dann aber wieder
wichtig für die US-Regierung.
(ID:50874640)

Quelle: ai.hamburg

Liebe Leserinnen und Leser, 
In dieser Ausgabe des WEEKLY AI UPDATE steht eine Frage im Mittelpunkt, die den
KI-Markt zunehmend prägt: Wer bekommt unter welchen Bedingungen Zugang zu den
leistungsfähigsten Modellen?
Der Fall Anthropic zeigt, wie schnell aus technischen Guardrails eine
geopolitische Debatte werden kann. Nachdem Claude Fable 5 und Mythos zunächst
als Beispiel für kontrollierten Zugang zu leistungsfähigen KI-Modellen galten,
rücken nun US-Exportbeschränkungen, mögliche „Trusted Partners“-Modelle und
Europas technologische Souveränität in den Fokus.
Der KI-Markt sortiert sich weiter entlang von Plattformen und Infrastruktur.
Salesforce will mit der Übernahme von Fin KI-Agenten stärker in Kundenservice,
CRM und Unternehmensworkflows integrieren. SpaceX zeigt mit dem Börsengang und
der geplanten Cursor-Übernahme, dass KI-Infrastruktur zunehmend breiter
verstanden wird: als Zusammenspiel aus Rechenleistung, Netzwerken, Modellen und
Entwickler-Workflows, in denen KI produktiv eingesetzt wird.
Im AI News Radar geht es diese Woche außerdem um neue Rollenprofile durch
KI-Agenten, industrielle KI bei Siemens, europäische KI-Finanzierung, Physical
AI, Rechenzentrumsinvestitionen sowie wachsende Anforderungen an Sicherheit,
Erklärbarkeit und KI-Governance.
Lesen Sie im Folgenden, welche Entwicklungen diese Woche besonders relevant sind
– und was sie konkret für Unternehmen bedeuten.
VON GUARDRAILS ZU GEOPOLITIK: DER FALL ANTHROPIC ZEIGT, WIE FRAGIL DER ZUGANG ZU
FÜHRENDEN KI-MODELLEN WIRD
Noch in der vergangenen Woche haben wir das neue Anthropic-Modell Claude Fable 5
als Beispiel dafür eingeordnet, wie leistungsstarke KI-Modelle künftig
kontrolliert zugänglich gemacht werden: Fable 5 sollte breiter über API- und
Enterprise-Zugänge verfügbar sein, Mythos 5 dagegen nur für ausgewählte Cyber-
und Infrastrukturpartner. Im Mittelpunkt standen Guardrails, ein gestaffelter
Zugang und die Frage, unter welchen Sicherheitsbedingungen besonders
leistungsfähige Modelle überhaupt eingesetzt werden können.
Nur wenige Tage später hat sich diese Frage deutlich zugespitzt. Die
US-Regierung hat Anthropic nach Angaben des Unternehmens angewiesen, den Zugriff
auf Fable 5 und Mythos außerhalb der USA und auch für alle nicht
US-amerikanischen Staatsangehörigen innerhalb der USA auszusetzen. Dies gilt
sogar für internationale Mitarbeitende von Anthropic in den USA. Daraufhin hat
Anthropic die beiden Modelle vorübergehend für alle Kunden (auch in den USA)
deaktiviert, um nicht gegen diese Direktive zu verstoßen. []
Die Maßnahme wurde mit nationalen Sicherheitsbefugnissen gerechtfertigt.
Konkrete Details nannte die US-Regierung laut Anthropic jedoch nicht. Laut
Anthropic geht es offenbar um eine mögliche Jailbreak-Methode, mit der Fable 5
einzelne bekannte Software-Schwachstellen identifiziert haben soll. Anthropic
widerspricht der Einschätzung, dass dies eine vollständige Sperrung
rechtfertige: Das beobachtete Fähigkeitsniveau sei auch bei anderen öffentlich
verfügbaren Modellen zu finden und werde im Alltag von Cybersecurity-Teams zur
Verteidigung genutzt. []
Anthropic wirbt seit Jahren selbst für verbindlichere KI-Regulierung. Jedoch ist
die aktuelle Entwicklung ein deutlich härterer Eingriff, als ihn das Unternehmen
selbst gefordert hatte: Anthropic befürwortet zwar die Möglichkeit, unsichere
Modellveröffentlichungen zu blockieren, fordert dafür aber ein transparentes,
faires und technisch begründetes Verfahren. Genau diese Grundsätze sieht das
Unternehmen im aktuellen Fall nicht erfüllt. []
Auf dem G7-Gipfel in Évian diese Woche wurde die Sperre unmittelbar zum
politischen Thema. Frankreichs Präsident Emmanuel Macron sagte laut Reuters, er
erwarte in den kommenden Wochen Fortschritte beim breiteren Zugang zu führenden
US-KI-Modellen. Diskutiert wurde demnach ein mögliches „Trusted
Partners“-Modell, über das nicht-amerikanische Staaten oder Unternehmen Zugang
zu fortgeschrittenen US-Modellen wie Anthropics Mythos erhalten könnten. Ziel
wäre, die Modelle durch eine kontrolliertere Nutzung für stärkere Cyberabwehr
zugänglich zu machen. Auch OpenAI-Chef Sam Altman nahm am G7-Arbeitsessen teil
und betonte, demokratische Regierungen müssten die Verantwortung für
KI-Governance selbst übernehmen und sie nicht an KI-Labore abgeben. []
Für Europa trifft die Entwicklung auf eine Debatte, die in den vergangenen
Wochen bereits deutlich sichtbar geworden ist: 
Der Zugang zu führenden KI-Modellen ist nicht nur eine Produkt- oder
Lizenzfrage, sondern zunehmend auch eine Frage technologischer Souveränität.
Macron verwies darauf, dass es auch im Interesse der USA sei, Mythos breiter
verfügbar zu machen – denn niemand werde US-KI kaufen wollen, wenn die Sorge
bestehe, dass der Zugang jederzeit abgeschaltet werden könne. Gleichzeitig
arbeitet die EU an eigenen AI-Gigafactories, Recheninfrastruktur sowie an
Gesetzesinitiativen für Cloud, KI und Halbleiter, um die Abhängigkeit von
US-Big-Tech zu verringern. []
Auch in Deutschland wird diese Entwicklung als Signal verstanden. Daniela
Schwarzer beschreibt im Handelsblatt, dass Europa nicht mehr selbstverständlich
darauf vertrauen könne, dass wirtschaftliche Verflechtung und transatlantische
Partnerschaft den Zugang zu Schlüsseltechnologien sichern. Technologische
Souveränität bedeute nicht nur Autarkie, sondern eben auch die Fähigkeit, selbst
zu entscheiden, welche Technologien genutzt, welche Standards gesetzt und welche
Abhängigkeiten akzeptiert werden. []
Wenn besonders fortgeschrittene KI-Systeme künftig über „Trusted
Partners“-Modelle, Sicherheitsanforderungen oder staatlich abgestimmte
Zugangsmechanismen verfügbar gemacht werden, wird entscheidend, ob Unternehmen
die dafür notwendigen Governance-, Sicherheits- und Kontrollstrukturen
nachweisen können. Gerade in regulierten Branchen, in der Cyberabwehr oder bei
kritischen Geschäftsprozessen könnte der Zugang zu Frontier-Modellen künftig
davon abhängen, wie belastbar ein Unternehmen Datenzugriff, Monitoring,
Nutzungskontrolle und Verantwortlichkeiten organisiert. Für europäische
Unternehmen bedeutet das: KI-Souveränität entsteht nicht nur durch eigene
Modelle oder Infrastruktur, sondern auch durch die Fähigkeit, in solchen
vertrauensbasierten KI-Ökosystemen anschlussfähig zu bleiben.
SALESFORCE KAUFT FIN FÜR USD 3,6 MRD: DER WETTBEWERB UM ENTERPRISE-KI VERLAGERT
SICH IN DIE PLATTFORMEN
Salesforce will den Customer-Agent-Anbieter Fin, ehemals Intercom, für rund 3,6
Milliarden US-Dollar übernehmen. Fin entwickelt KI-Agenten für den
Kundensupport, die Anfragen über Kanäle wie Live Chat, E-Mail, WhatsApp, SMS,
Telefon und Slack hinweg eigenständig bearbeiten. Nach Angaben von Salesforce
basiert das System auf dem proprietären Modell Apex, das speziell für Customer
Support entwickelt wurde. Die Übernahme soll im vierten Quartal des
Salesforce-Geschäftsjahres 2027 abgeschlossen werden, vorbehaltlich der üblichen
regulatorischen Zustimmung. []
Die Nachricht passt zu einer Entwicklung, die wir in den vergangenen Wochen
bereits mehrfach beobachtet haben: KI-Agenten werden zunehmend in bestehende
Unternehmensplattformen integriert. In KW20 hatten wir berichtet, wie SAP Claude
(Anthropic) in seine Business AI Platform integriert und mit n8n sowie Parloa
stärker auf KI in Workflows, ERP-Systemen und Kundenprozessen setzt. In KW23
ging es um Microsofts Ausbau zur Plattform für agentische Workflows mit
stärkerer Governance und tieferer Integration in Microsoft 365, Teams, GitHub
und Foundry. Auch ServiceNow wurde als Beispiel für agentische KI in
Kernfunktionen wie IT, HR, Einkauf und Cybersecurity aufgegriffen.
KI wird im Kundenservice zunehmend nicht mehr als einzelnes Tool gedacht,
sondern als Bestandteil zentraler Plattformen für CRM, Service, Daten und
Workflows. Entscheidend wird sein, wie gut ein Agent einzelne Kundenanfragen
beantwortet und vor allem auch, wie schnell er in bestehende Systeme integriert
werden kann, welche Daten genutzt werden dürfen, wann an den Menschen übergeben
wird und wie Ergebnisse messbar gemacht werden. Salesforce verweist darauf, dass
Fin-Agenten in Kundenbeispielen durchschnittlich 76 Prozent des Supportvolumens
eigenständig end-to-end lösen konnten. Für Unternehmen wird der Kundenservice
damit zu einem der ersten Bereiche, in denen sich agentische KI nicht nur
experimentell, sondern anhand klarer operativer Kennzahlen bewerten lässt.
SPACEX NACH DEM BÖRSENGANG: AUS RAUMFAHRT WIRD EINE KI-INFRASTRUKTURWETTE
SpaceX ist in der vergangenen Woche an die Börse gegangen, mit einer Bewertung
von etwa 1,8 Billionen US-Dollar und hat damit einen der größten
Tech-Börsengänge der vergangenen Jahre vollzogen. Laut TechCrunch nahm SpaceX 
85,7 Milliarden US-Dollar ein. [] 
Nur wenige Tage nach dem Börsengang rückt SpaceX bereits mit dem nächsten
Schritt in den KI-Markt. Die Firma von Elon Musk will das KI-Coding-Start-up
Cursor bei einer Bewertung von 60 Milliarden US-Dollar übernehmen. Cursor,
ursprünglich als Anysphere gegründet, ist auf KI-gestützte Programmierung
spezialisiert und konkurriert unter anderem mit Claude Code von Anthropic und
Codex von OpenAI. Die Übernahme soll SpaceX dabei helfen, die eigene KI-Sparte
nach der Integration von xAI weiter auszubauen. [, ]
Damit wird der SpaceX-Börsengang nicht nur zu einer Raumfahrt- oder
Starlink-Story. Forbes ordnet den IPO als Wette auf die physische Infrastruktur
der KI ein: Rechenzentren, Energie, Bandbreite, Netzwerke und perspektivisch
auch orbitales Computing werden zu zentralen Bausteinen im Wettbewerb um KI.
SpaceX bildet mit Raketen, Satellitennetzwerk, Rechenzentrumsplänen und xAI
bereits mehrere Ebenen dieser Infrastruktur ab. Mit Cursor käme nun eine
wichtige Anwendungsschicht hinzu: der Zugang zu Entwickler-Workflows. []
Für Unternehmen ist daran weniger der Börsengang selbst relevant als die Rolle
von Cursor. KI-gestützte Entwicklung wird zunehmend zu einem strategischen Hebel
für digitale Umsetzung: Wer Software schneller schreiben, testen, modernisieren
und in bestehende Systeme integrieren kann, gewinnt Handlungsspielraum bei
Automatisierung, Prozessverbesserung und Produktentwicklung. Die geplante
Übernahme zeigt, dass Coding-Agenten nicht mehr nur als Produktivitätstools für
einzelne Entwickler betrachtet werden, sondern als Teil der nächsten
Plattformschicht im KI-Markt.
AI IN DER UNTERNEHMENSPRAXIS
* KI-Agenten verändern Einstiegsjobs und Rollenprofile: Besonders Coding,
Marketing, Kundenservice, Legal, Administration und Finanzfunktionen sind
durch KI im Wandel; wichtiger werden rollenspezifische KI-Kompetenzen und
neue Ausbildungswege. []
* Siemens stellt Intelligence Center X für industrielle KI vor: Die neue
Plattform soll Unternehmen helfen, KI-Anwendungen aus der Pilotphase in den
produktiven Betrieb zu bringen und Mitarbeitende, Daten, Prozesse sowie
KI-Agenten in gemeinsamen Workflows zu verbinden. []
* KI-Kompetenz skaliert vor allem durch praktische Anwendung: Präsenztrainings
mit Mentoren und Gruppenarbeit helfen Mitarbeitern, KI sicherer auf konkrete
Aufgaben anzuwenden; entscheidend sind weniger zusätzliche Lerninhalte als
Vertrauen, rollenspezifische Use Cases und kollegialer Austausch. []
AI STRATEGIE & MARKTBEWEGUNGEN
* Neura Robotics sammelt bis zu 1,4 Milliarden US-Dollar für Physical AI ein:
Das deutsche Robotik-Start-up will mit der Series-C-Finanzierung seine
Produktionskapazitäten ausbauen, humanoide Roboter schneller einsetzen und
das Physical-AI-Ökosystem Neuraverse weiterentwickeln. []
* Jeff Bezos baut KI-Labor Prometheus mit Bewertung von 41 Milliarden USD auf:
Das neue Unternehmen von Bezos und Vikram Bajaj soll reale Daten aus
Produktion und Ingenieurwesen nutzen, um physische Prozesse wie Konstruktion,
Tests und Fertigung mit KI schneller und günstiger zu machen. []
* Publicis-Chef fordert 100-Milliarden-Euro-Fonds für europäische KI: Maurice
Lévy ruft Frankreich und Deutschland dazu auf, einen paneuropäischen KI-Fonds
anzuführen, um Europas Abhängigkeit von US-Anbietern zu verringern und den
Zugang zu fortgeschrittenen KI-Modellen strategisch abzusichern. []
* Rückabwicklung von Manus – Meta trennt sich: Meta hat Manus den Zugriff auf
interne Datensysteme entzogen und die Nutzung der Tools intern untersagt,
nachdem Peking die Rückabwicklung der 2-Milliarden-Dollar-Übernahme des nach
Singapur verlegten KI-Start-ups angeordnet hatte. []
* Oracle-Aktie fällt wegen hoher AI-Infrastrukturausgaben: Oracle plant im
laufenden Geschäftsjahr rund 70 Milliarden US-Dollar Netto-Capex für den
Ausbau von KI-Rechenzentren und will dafür weitere 40 Milliarden US-Dollar
über Fremd- und Eigenkapital aufnehmen; die Aktie verlor daraufhin deutlich.
[]
* Widerstand gegen KI-Rechenzentrum in Nevada wächst: In Boulder City
protestieren Einwohner gegen ein geplantes KI-Rechenzentrum auf städtischem
Land; parallel prüfen mehrere Kommunen in Nevada Moratorien oder strengere
Vorgaben für neue Rechenzentren wegen Strom-, Wasser- und Umweltbelastungen.
[]
REGULIERUNG, SICHERHEIT & GOVERNANCE
* KI-Erklärbarkeit wird für Banken zur regulatorischen Pflicht: Banken müssen
bei KI-Modellen zunehmend nachweisen können, warum Systeme Entscheidungen
getroffen haben; im Fokus stehen Dokumentation, Datenherkunft, Audit-Trails,
Monitoring und Modellrisikomanagement. []
* SoftBank startet KI-gestützten Patch-Service mit OpenAI: Die SoftBank Group
bringt in Japan „Patching as a Service“ auf den Markt, eine
Cybersecurity-Lösung für kritische Infrastruktur, die Unternehmen bei
Schwachstellenanalysen, Priorisierung und Maßnahmenplanung unterstützen soll.
[]
* JPMorgan sperrt Anthropic-Zugang für Mitarbeiter in Hongkong: Die Bank hat
Claude-Modelle aus der internen Liste freigegebener LLMs für Hongkong
entfernt; zuvor hatte Goldman Sachs einen ähnlichen Schritt vollzogen,
während US-China-Spannungen rund um KI, Datensicherheit und Modellzugang
zunehmen. []
* US-Bankenaufsicht verschärft Prüfung von KI-Einsatz: US-Regulierer fragen
Banken zunehmend nach KI-Nutzung in Bereichen wie Kreditvergabe, KYC und
Sanktionsscreening; geprüft werden unter anderem Datenzugriff, Governance,
Drittanbieter, menschliche Kontrolle, Notfallpläne und mögliche „Kill
Switches“. []
* Google klagt gegen KI-gestütztes Phishing-Tool: Eine in New York eingereichte
Klage richtet sich gegen die Betreiber des Phishing-Kits „Outsider“, das
vertrauenswürdige Websites nachahmen und mithilfe von KI betrügerische Seiten
zur Datenerfassung erstellen soll. []
* OpenAI unterstützt EU-Code für Transparenz KI-generierter Inhalte: OpenAI
bekennt sich zum EU Code of Practice on Transparency of AI-generated content
und verweist auf Maßnahmen wie C2PA-Metadaten, Wasserzeichen, öffentliche
Verifikationstools und weitere Herkunftsnachweise für KI-generierte Bilder.
[]
Damit endet unser WEEKLY AI UPDATE für die KW25.
Die Entwicklungen dieser Woche zeigen: KI wird für Unternehmen nicht nur
leistungsfähiger, sondern auch stärker von Zugang, Infrastruktur, Regulierung
und Governance geprägt. Wer KI produktiv nutzen will, muss deshalb nicht nur
einzelne Tools bewerten, sondern auch verstehen, unter welchen Bedingungen
Modelle, Plattformen und Daten langfristig verfügbar und kontrollierbar bleiben.
Wir beobachten die Entwicklungen für Sie weiterhin und ordnen auch in der
kommenden Woche die wichtigsten Nachrichten rund um KI im Unternehmenskontext
ein.
Bis nächste Woche
Ihr Team der AI.GROUP

Quelle: the-decoder.de

Die Website In the Weights zeigt, welche Personen in den Gewichten großer
Sprachmodelle gespeichert sind. Die "Gewichte" sind Milliarden von Zahlenwerten,
in denen KI-Modelle ihr Wissen kodieren. Wer darin auftaucht, wurde beim
Training als relevant genug eingestuft, um ohne Werkzeuge wie Websuche abrufbar
zu sein.
Die Seite fragt verschiedene Modelle ab, wer eine bestimmte Person ist, bündelt
die Ergebnisse und vergibt einen Stärke-Score. Mein Kollege Maximilian Schreiner
und ich kommen derzeit auf 175 und 262 Stärke. Die maximale Stärke liegt bei 996
und ist für Namen wie Mozart, Shakespeare oder Taylor Swift reserviert.
Entwickelt wurde die Seite von  und , beide ehemalige OpenAI-Mitarbeiter.
Je kleiner ein Modell, desto schwieriger ist es , darin vorzukommen. Wer etwa in
Metas Llama mit einer Milliarde Parametern auftaucht, hat laut den Autoren eine
hohe Relevanz. Die Macher weisen auf Einschränkungen hin: Modelle können
biografische Details halluzinieren, Tippfehler senken den Score, und häufige
Namen liefern oft schlechtere Ergebnisse.
Anzeige
DEC_D_Incontent-1
Anzeige

Quelle: www.it-boltwise.de

CHICAGO / LONDON (IT BOLTWISE) – In Chicago sammelt eine Petition rund 4.400
Unterschriften für ein komplettes Verbot autonomer Lieferroboter. Auslöser sind
kritische Vorfälle auf Gehwegen, darunter Berichte über Behinderungen von
Rettungsfahrzeugen. Während einzelne Städte wie Toronto bereits seit Jahren
restriktiver vorgehen, testen andere Kommunen vorläufige Verbote. Zugleich
wächst der Markt rasant, was die Debatte zwischen Sicherheit, Effizienz und
Arbeitsplatzrisiken weiter anheizt.
   ˗ˋˏ🧠ˎˊ˗
--------------------------------------------------------------------------------
* 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 Chicago kippt die öffentliche Debatte über autonome Lieferroboter von der
anfänglichen Begeisterung für „letzte Meile“-Automatisierung hin zu einer
spürbaren Sicherheits- und Akzeptanzfrage. Eine Petition, die rund 4.400
Unterschriften erreichte, fordert ein vollständiges Verbot dieser Fahrzeuge im
gesamten Stadtgebiet. Als besonders prägend wird geschildert, dass der Initiator
bei einem Ausweichmanöver auf einem öffentlichen Gehweg selbst mit seiner
Familie unmittelbar betroffen war. Solche Ereignisse verändern häufig die
Tonalität in politischen Entscheidungsprozessen: Aus technischen Pilotprojekten
werden schnell städtische Verkehrs- und Rechtsfragen.
Technisch wirken autonome Lieferroboter im urbanen Raum auf den ersten Blick wie
ein „kleines“ System, das vor allem Straßenverkehr entlasten soll. In der Praxis
hängen Sicherheit und Verlässlichkeit jedoch stark von Sensorik, Lokalisierung
und Verhalten im Mischverkehr ab. Die Geräte müssen Fußgängerinnen und Fußgänger
zuverlässig erkennen, Gefahrenzonen korrekt interpretieren und in Echtzeit
navigieren, auch wenn Wetter, Tageslicht oder unerwartete Hindernisse das Umfeld
verändern. Kritiker verweisen genau auf diese dynamische Komponente: Wenn ein
Roboter in engen Sichtachsen falsch reagiert oder Verzögerungen nicht sauber
aussteuert, entstehen Konflikte, die sich nicht durch reine
Geschwindigkeitswerte allein erklären lassen.
STELLENANGEBOTE
Der Fall Chicago ist zudem Teil einer internationalen Entwicklung, die viele
Kommunen vor ähnliche Abwägungen stellt. In Glendale (Kalifornien) wird
Berichten zufolge ein vorläufiges Verbot geprüft, weil Roboter offenbar ohne
ausreichende Abstimmung in Betrieb genommen wurden. Toronto wiederum untersagt
den Einsatz auf Gehwegen bereits seit 2021, und San Francisco hat die Nutzung
zeitlich und räumlich differenziert, um Konflikte in besonders sensiblen
Bereichen zu reduzieren. Parallel zeigt sich in Großbritannien, dass Protest
auch handfester wird: In Sheffield wurden Roboter eines Anbieters wie Starship
Technologies mutwillig beschädigt, während das Unternehmen betont, seine Flotte
arbeite sicher im urbanen Kontext. Damit verschiebt sich die Debatte von der
reinen technischen Leistungsfähigkeit hin zur Frage, wie Systeme im Alltag
gesellschaftlich eingebettet werden.
Für die Marktseite ist die Timing-Dynamik besonders relevant: Der regulatorische
Druck trifft auf einen Expansionsschub. Serve Robotics soll seine Flotte
innerhalb eines Jahres von 100 auf 2.000 Einheiten ausgebaut haben.
Branchenanalysten prognostizieren, dass bis 2034 weltweit rund 2,1 Millionen
Lieferroboter unterwegs sein könnten. In solchen Wachstumsphasen entstehen
zwangsläufig Qualitäts- und Betriebsfragen, etwa wie schnell Updates in der
Flotte ankommen, wie stark regionale Besonderheiten in den Trainingsdaten
abgebildet sind und wie Betreiber mit Störungen umgehen. Aus Sicht von
Unternehmen wird Regulierung damit nicht nur ein „Compliance-Thema“, sondern ein
operatives Designziel: Jede Stadt wird zur eigenen Randbedingung, die das
Produktverhalten definieren kann.
Ein weiterer Faktor ist die gesellschaftliche Wahrnehmung von Risiken und
Nutzen. Befürworter argumentieren häufig mit Umwelt- und Effizienzvorteilen: Als
Beispiel wird angeführt, dass ein einzelner Roboter nur etwa ein Prozent der
Energie eines herkömmlichen Motorrads verbrauche. Hersteller versuchen zudem,
Akzeptanz über „soziale“ Gestaltung zu erhöhen, etwa indem Maschinen Namen
erhalten oder digitale Animationen ausgeben, die Absichten sichtbar machen
sollen. Aus Expertensicht bleibt dennoch entscheidend, ob solche Signale in
realen Gefahrensituationen ausreichend sind. Denn Sicherheit entsteht nicht nur
durch „Kommunikation“ der Maschine, sondern durch die robuste Kombination aus
Erkennung, Planung und sicheren Failover-Strategien, wenn die Umgebung
unübersichtlich wird.
Die Diskussion um Lieferroboter ist zudem eng mit dem Arbeitsmarkt verknüpft.
Gewerkschaften schlagen Alarm, weil sie massive Arbeitsplatzverluste in der
Logistikbranche erwarten. In diesem Kontext warnt Alex Marshall, Vorsitzender
der Gewerkschaft IWGB, vor einem schnellen Substitutionsszenario und formuliert
damit implizit eine Forderung nach Übergangsstrategien. Für Kommunen und
Betreiber entsteht daraus ein politisch-ökonomischer Zielkonflikt: Einerseits
sollen Energieeffizienz und Verkehrsentlastung messbar werden, andererseits
dürfen Sicherheitsmängel nicht zu Lasten von Fußverkehr und Rettungskräften
gehen. Wie lassen sich diese Ziele zusammenführen, ohne dass Regulierung zum
bloßen Flickenteppich wird?
Genau an diesem Punkt wird die regulatorische Architektur zum zentralen
Wettbewerbsfaktor. Städte, die nur einzelne Bezirke sperren, liefern zwar
kurzfristig Schutz, erzeugen aber gleichzeitig neue Betriebs-Komplexität:
Flottenbetreiber müssen Routen, Lieferfenster und Betriebszustände so
orchestrieren, dass sie nicht „in Sperrzonen hineinlaufen“. Im Vergleich dazu
kann ein städtweites Verbot zwar klare Grenzen setzen, aber die Innovation
verlagert sich dann häufig in andere Regionen oder in stärker kontrollierte
Einsatzräume. Technisch gesehen entspricht das eher einer „policy-driven“
Betriebssteuerung als einem rein technischen Problem. Wer früh in
sicherheitsorientierte Sensorik, geprüfte Sicherheitsprotokolle und transparente
Betriebsmodelle investiert, reduziert die Reibung zwischen Produkt und Stadt.
Für die Zukunft deutet vieles darauf hin, dass die Debatte nicht mit einem
einzigen Verbot endet, sondern in ein mehrstufiges Genehmigungs- und
Sicherheitsregime übergeht. Möglich sind Mindestanforderungen an
Geschwindigkeit, Zonenlogik und Notfallverhalten, aber auch - und
Transparenzanforderungen, falls Sensoren zusätzliche Informationen erfassen.
Gerade wenn Kameras, Lidar oder akustische Sensoren zum Einsatz kommen, geraten
und Datenminimierung schnell in den Fokus: Betreiber müssen nachweisen, dass nur
relevante Daten verarbeitet werden und dass die Zweckbindung eingehalten wird.
Gleichzeitig werden sich Entwickler stärker auf „Safety Cases“ und auditierbare
Nachweise stützen müssen, um im jeweiligen Stadtgebiet langfristig
handlungsfähig zu bleiben.
Unternehmen sollten diese Phase weniger als kurzfristige Krise begreifen und
mehr als Marktsignal für planbare Betriebsfähigkeit. Wenn Kommunen wie Toronto
oder San Francisco differenzierte Regeln etablieren und andere Städte wie
Chicago nachziehen, entsteht ein Rahmen, in dem sichere Navigation, überprüfbare
Prozesse und faire Übergänge in der Lieferkette zusammenkommen müssen. Für
-Teams wie für etablierte Anbieter ist das eine Chance: Wer prototypische
Vor-Ort-Erfahrung systematisiert, kann sich schneller auf Skalierung ausrichten.
In den nächsten Jahren wird entscheidend sein, wie gut Systeme in echten
Störfällen reagieren, wie transparent Betreiber Vorfälle berichten und wie
gelingt, Sicherheit, Energieeffizienz und Arbeitsmarktanforderungen gemeinsam zu
adressieren.
💳
🔥
🎉
* 🤖 Präzisions-Roboterarm – Spielen wie gegen einen echten Gegner – SenseRobot
reproduziert das reale Schacherlebnis mit einem mechanischen Arm, der Figuren
mit weniger als 1 mm Genauigkeit bewegt und jeden Zug in nur 8 Sekunden
ausführt – im gleichen Tempo wie ein professioneller Spieler.
* IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist
ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine
Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er
auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
* V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von
Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung
hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und
anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen.
Mobile Hotspots können sich mit Loona verbinden und überwinden
WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren
können.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------

Quelle: www.it-boltwise.de

SAN FRANCISCO / LONDON (IT BOLTWISE) – Waymo nimmt nahezu 4.000 Robotaxis nach
gemeldeten Vorfällen aus dem Verkehr, nachdem die Fahrzeuge in geschlossene
Autobahn-Baustellen eingefahren sein sollen. Laut NHTSA betrifft der Rückruf
3.871 Wagen mit dem Waymo 5th Generation Automated Driving System. Der
Softwarefehler könnte verhindern, dass bestimmte Baustellen-Sperrungen erkannt
werden, wodurch die Fahrzeuge möglicherweise weiter mit den erlaubten
Geschwindigkeiten rollen. Bislang arbeitet Waymo noch an einem Software-Remedy,
während das Unternehmen den Autobahn-Betrieb zeitweise eingeschränkt hat.
   ˗ˋˏ🧠ˎˊ˗
--------------------------------------------------------------------------------
* 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 Meldung wirkt auf den ersten Blick wie eine klassische Rückrufgeschichte,
ist für die autonome Mobilität aber besonders heikel: Waymo kündigt einen
freiwilligen Rückruf von nahezu 4.000 Robotaxis an, nachdem mehrere Vorfälle
gezeigt haben, dass die Fahrzeuge in geschlossene Autobahn-Baustellen
hineinfahren konnten. Auslöser ist ein Softwareproblem, das Regulierer bereits
in einem NHTSA-Recall-Dokument konkretisiert haben. Für Unternehmen, die
KI-gestützte Fahrzeuge im öffentlichen Raum einsetzen, ist das Timing zugleich
ein Belastungstest für die Sicherheitsstrategie: Nicht nur müssen robust sein,
sondern auch die Betriebsprozesse, die nach einem Sicherheitsfund greifen.
Technisch steht im Zentrum, dass ein betroffener Wagen eine bestimmte Art von
“Closure” im Baustellenbereich möglicherweise aus Sicht der Wahrnehmungs- und
Planungslogik nicht zuverlässig erkennt. Laut NHTSA könnte das dazu führen, dass
die Robotaxis trotz geschlossener Korridore weiterfahren und dabei die jeweils
ausgeschilderten Geschwindigkeiten einhalten. Waymo ordnet den Rückruf 3.871
Fahrzeugen zu, die mit dem 5th Generation Automated Driving System ausgestattet
sind. Diese Systeme basieren typischerweise auf einer Pipeline aus Sensorfusion,
Objekt- und Bereichserkennung sowie Pfadplanung, wobei Fehler in einem dieser
Bausteine auf Autobahnabschnitten besonders stark durchschlagen können, weil
Geschwindigkeiten, Umleitungen und Randbedingungen dynamisch sind.
STELLENANGEBOTE
Aus dem beschriebenen Prüfverlauf wird außerdem ein wichtiges Muster sichtbar:
Die Field Safety Committee von Waymo startete die Untersuchung im späten April,
nachdem mehrere Ereignisse analysiert worden waren, darunter Situationen, in
denen Robotaxis an Rampenschließungen offenbar nicht korrekt “aus der
Entscheidungsschleife” herausgeholt wurden. Im Mai folgten weitere Fälle mit
aktiven Bauzonen im Großraum San Francisco Bay Area. Waymo reagierte darauf
zunächst mit Freeway-Fahrbeschränkungen, während Ingenieurteams die Ursache
identifizierten und ein Gegenmittel entwickelten. Auffällig ist dabei die
zeitliche Spannung zwischen Datenanalyse und Freigabe eines Remedies: Ein rein
softwareseitiger Fix klingt zwar schnell, erfordert jedoch in der Regel
Validierung auf sehr ähnlichen Szenarien, die gerade auf Autobahnen selten sind.
Marktseitig ist diese Art von Rückruf ein Signal, dass autonome Dienste in den
nächsten Jahren weniger an “Vision-Limits” als an Edge-Cases aus dem realen
Infrastrukturalltag scheitern. Konkurrenten wie Cruise standen in der
Vergangenheit ebenfalls wegen Sicherheitsfragen im Rampenlicht, während seine
Fahrerassistenzsysteme weiter vermarktet, aber zugleich mit Blick auf rechtliche
Rahmenbedingungen und Haftungsfragen genau diese “Closed-Loop”-Qualitätsfrage in
den Mittelpunkt rückt. Branchenexperten berichten, dass solche Vorfälle weniger
über die Gesamtreife der Technologie entscheiden, sondern darüber, wie
konsequent Unternehmen Sicherheitsmechanismen im Betrieb “abschalten, begrenzen
und nachschärfen”, sobald bestimmte Muster wiederholt auftreten. Genau hier
liegt das strategische Duell: Wer zeigt am schnellsten belastbare
Verbesserungen, gewinnt regulatorisches Vertrauen.
Für die Unternehmenspraxis ergibt sich daraus eine klare Konsequenz über die
Fahrzeugsoftware hinaus. Autonomer Betrieb ist ein sozio-technisches System:
Betriebssysteme, Monitoring, Incident-Response und eingeschränkte Betriebsräume
müssen zusammenpassen. Wenn Regulierer davon sprechen, dass betroffene Fahrzeuge
Sperrungen vermeiden oder sie möglicherweise nicht erkennen, meint das in der
Umsetzung meist auch eine Schwäche in der “Bedingungslogik” der automatischen
Fahrtplanung: Welche Klassen von Schildern, Absperrelementen und temporären
Geometrien fließen in welche Entscheidungsmodelle ein? Eine ergänzende
Perspektive liefern Analysten, die betonen, dass Rückrufe in der autonomen
Mobilität häufig auf spezifische Strecken- und Umgebungsvarianten zurückgehen
und damit eher ein Infrastrukturproblem als ein generelles KI-Versagen
darstellen.
Historisch betrachtet ist das Thema Baustellenlogik nicht neu, aber die
Eintrittshürde steigt, sobald ein System ohne Sicherheitsfahrer auskommen soll.
In früheren Generationen autonomer Assistenz standen oft definierte Teststrecken
und “saubere” Fahrmodelle im Vordergrund; reale, temporäre Sperren waren
schwerer abzubilden. Erst mit breiteren Trainingsdatensätzen, verbesserten
Sensoren und stärkerer Integration von V2X- oder Karteninformationen wurden
solche Umgebungen realistischer. Dass Waymo dennoch einen Rückruf auslöst,
zeigt: Fortschritt entsteht selten durch einen einzigen Durchbruch, sondern
durch die kontinuierliche Verbesserung der seltenen, aber sicherheitsrelevanten
Situationen. Auch die Tatsache, dass das Software-Remedy laut Meldung noch im
Entwicklungsstadium war, macht deutlich, wie aufwendig die Absicherung sein
kann, bis ein Update im Feld verantwortbar ist.
Auf der regulatorischen Seite ist der Vorgang zugleich eine Lernkurve für
Behörden und Betreiber. NHTSA ordnet das Ereignis als Recall ein, und Waymo
beschreibt, dass das Unternehmen freiwillig die Autobahn-Operationen
eingeschränkt hat, regulatorisch informiert wurde und eine freiwillige
Rückrufdatei eingereicht hat. Für die Branche zählt dabei vor allem die
Nachvollziehbarkeit: Behörden erwarten, dass ein Hersteller nicht nur ein Update
bereitstellt, sondern auch die Risikokette begründet, die zu den Vorfällen
geführt hat. Ergänzend spielt und IT-Sicherheit eine Rolle, weil die für das
Debugging relevanten Betriebsdaten in der Regel aus Sensor- und
Telemetriequellen stammen. Je strukturierter ein Unternehmen diese
Datenzugriffe, Aufbewahrung und Zugriffskontrollen gestaltet, desto besser kann
es sowohl Sicherheitsanalysen als auch regulatorische Anforderungen erfüllen.
Der weitere Ausblick hängt damit an zwei Faktoren: dem Umfang und der Qualität
des Software-Remedy sowie der operativen Umsetzung der Einschränkungen. Der
Rückruf erstreckt sich auf Fahrzeuge, deren betroffene Systeme in einem Zeitraum
zwischen 17. Mai 2022 und 19. Mai 2026 produziert wurden. Zum Stichtag 13. Juni
war laut Einreichung noch kein abgeschlossenes Gegenmittel verfügbar. Für
Entwickler und Plattformbetreiber bedeutet das: Update-Fähigkeit im Feld,
saubere Rollout-Strategien und die Fähigkeit, risikobehaftete Szenarien
vorübergehend zu “deaktivieren”, werden genauso wichtig wie Modelltraining. Die
wahrscheinlichste nächste Entwicklung ist, dass die Branche stärker in
Baustellen- und Closure-Reasoning investiert, inklusive besserer Erkennung
temporärer Geometrien und robusterer Planungslogik, damit solche Vorfälle
mittelfristig seltener werden.
💳
🔥
🎉
* 🤖 Präzisions-Roboterarm – Spielen wie gegen einen echten Gegner – SenseRobot
reproduziert das reale Schacherlebnis mit einem mechanischen Arm, der Figuren
mit weniger als 1 mm Genauigkeit bewegt und jeden Zug in nur 8 Sekunden
ausführt – im gleichen Tempo wie ein professioneller Spieler.
* IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist
ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine
Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er
auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
* V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von
Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung
hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und
anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen.
Mobile Hotspots können sich mit Loona verbinden und überwinden
WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren
können.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------

Quelle: www.bigdata-insider.de

KOMMENTAR VON PROF. DR. ANDREAS WALTER, SCHALAST & PARTNER RECHTSANWÄLTE DAS
„WIE“ ENTSCHEIDET – KÜNSTLICHE INTELLIGENZ IN DER WIRTSCHAFTSKANZLEI
19.06.2026 Von Prof. Dr. Andreas Walter 5 min Lesedauer
Anbieter zum Thema
Der deutsche Rechtsmarkt steht vor einer Zäsur. Die Bucerius-Studie „Legal
Market Economics“ (März 2026) gibt dem Handlungsdruck statistische Substanz:
Seit 2014 ist das Textvolumen deutscher Gesetze und Verordnungen um über 30
Prozent gestiegen. Gleichzeitig stagniert die Zahl zugelassener
Rechtsanwältinnen und Rechtsanwälte, der juristische Nachwuchs geht zurück, und
rund 47 Prozent der derzeitigen Anwaltschaft werden innerhalb der nächsten
fünfzehn Jahre das Rentenalter erreichen. Die Komplexität des Rechts wächst
schneller als die Kapazität, sie zu bewältigen.
Besonders exponiert sind Wirtschaftskanzleien. Ihre Kernarbeit – das Lesen,
Bewerten, Strukturieren und Verfassen von Texten: Verträge, Schriftsätze,
Gutachten, Memoranden – ist genau das, was mit zunehmender Präzision
beherrschen. Dieser strukturelle Berührungspunkt ist keine Bedrohung. Er ist ein
Transformationsanlass.
Ein Blick auf die Musikindustrie illustriert, was auf dem Spiel steht. Nach dem
Höchststand von 2,3 Milliarden Euro im Jahr 1997 brach der deutsche Musikmarkt
durch MP3 und illegale Sharing-Kultur bis 2013 um nahezu 40 Prozent ein. Was
schließlich half, war eine andere Haltung: der Übergang zur Plattform, zur
Lizenz, zum Streaming. 2024 erzielte die Branche erstmals wieder 2,38 Milliarden
Euro. Die Lehre ist nicht subtil: Wer technologischen Wandel aktiv gestaltet,
statt passiv erleidet, kann nicht nur überleben, sondern stärker hervorgehen.
Die Frage, ob Wirtschaftskanzleien einsetzen sollten, hat sich erledigt. Die
relevante Frage lautet: Wie?
DAS WIE BEGINNT MIT DATENSCHUTZ UND BERUFSVERSCHWIEGENHEIT
Das Wie ist keine technische Frage allein. Es ist eine strategische, rechtliche
und organisatorische Frage zugleich. Und ihr erster, am häufigsten
unterschätzter Aspekt ist der Geheimnisschutz. Rechtsanwälte unterliegen der
Pflicht zur Berufsverschwiegenheit gemäß § 43a BRAO und – strafrechtlich bewehrt
– § 203 Abs. 1 Nr. 3 StGB. Mandantendaten, Vertragsdokumente, strategische
Informationen, Verhandlungspositionen: Das alles darf nicht unkontrolliert in
externe Systeme übertragen werden. Die ungefilterte Nutzung kommerzieller
Large-Language-Model-Schnittstellen ist berufs- und datenschutzrechtlich
problematisch, wenn nicht sichergestellt ist, dass Eingabedaten nicht über die
konkrete Anfrage hinaus verarbeitet werden.
Die Lösung liegt nicht im Verzicht auf KI, sondern in ihrer rechtssicheren
Implementierung. Maßgeschneiderte Architekturen können sicherstellen, dass
mandantensensible Informationen vor der Übermittlung pseudonymisiert und nach
der Verarbeitung zurückübersetzt werden – sodass das Modell niemals Klarnamen
oder identifizierbare Sachinhalte erhält. Das ist kein technischer Luxus. Das
ist berufsrechtliche Pflicht.
WAS KI HEUTE SCHON LEISTET – UND WAS SIE NICHT KANN
Die produktiven Einsatzfelder lassen sich in drei Bereichen beschreiben.
Erstens: Due Diligence, die früher Teams über Wochen an Datenräume fesselte,
wird heute KI-gestützt in Stunden erledigt – Vertragsparteien, Laufzeiten,
Haftungscaps, Change-of-Control-Klauseln und IP-Positionen werden extrahiert,
Risikopunkte strukturiert aufbereitet. Der Anwalt konzentriert sich auf die
Bewertung, nicht auf das Durcharbeiten.
Zweitens: KI erkennt Rechtschreibfehler, leere Querverweise, falsch definierte
Begriffe und Copy-and-Paste-Residuen zuverlässiger als jedes manuelle
Korrekturlesen. Drittens: Wer sich in ein neues Rechtsgebiet einarbeitet, kann
KI als Orientierungsinstrument nutzen, um einschlägige Normen und klassische
Streitpunkte rasch zu überblicken.
Was KI hingegen nicht kann, ist mindestens ebenso wichtig. Anwaltliche Arbeit
hat zwei Schichten. Die eine ist strukturierbar, wiederholbar, dokumentenbasiert
– das ist das Terrain der KI. Die andere ist relational, kontextuell,
urteilsintensiv: die Transaktion ohne optimale Lösung; der Streit, der durch
Strategie gewonnen wird; die Verhandlung, bei der es nicht auf die beste Klausel
ankommt, sondern auf das Gespür für den Moment; der Rat, der nicht aus der Norm
folgt, sondern aus der Kenntnis des Mandanten. KI kann nicht für ein Ergebnis
einstehen.
Der Mandant wollte seinen Anwalt schon immer primär für die Arbeit bezahlen, die
nur der Anwalt leisten kann. Was KI nun übernimmt, war bei ehrlicher Betrachtung
eher Infrastruktur als Kern der anwaltlichen Leistung. Das ist keine Bedrohung.
Es ist eine Entlastung – wenn die freigewordene Kapazität für das eingesetzt
wird, was wirklich zählt.
DIE FRAGE DER ARBITRAGE
Wer profitiert von dem, was KI einspart? Wenn eine Due Diligence, die früher
achtzig Stunden kostete, heute in zwanzig erledigt ist, entsteht ein
ökonomischer Gewinn. Diese KI-Arbitrage ist real, substanziell und wachsend.
Große Unternehmensmandanten, die selbst KI einsetzen, erwarten, dass
Effizienzgewinne in der externen Abrechnung sichtbar werden. Das sind keine
zukünftigen Gespräche. Sie finden jetzt statt.
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 .
Auf der anderen Seite stehen die Investitionen, die Kanzleien tragen:
Lizenzkosten, datenschutzkonforme Infrastruktur, Schulungen, die Entwicklung
kanzleispezifischer Workflows und der Aufbau neuer Kompetenzprofile wie Legal
Engineers oder KI-Koordinatoren. Das ist kein einmaliger Aufwand. Es ist
laufender Betrieb in einem technologisch dynamischen Umfeld, dessen Kosten
häufig unterschätzt werden.
Die Arbitrage steht nicht allein der Kanzlei zu – das wäre mit dem Interesse der
Mandanten an effizienter Leistungserbringung nicht vereinbar. Sie steht aber
auch nicht allein dem Mandanten zu – das ließe die Investitionen der Kanzlei
außer Betracht. Gefragt ist ein Modell, das den Effizienzgewinn teilt: bessere
Ergebnisse, schnellere Bearbeitung, faire Konditionen für beide Seiten.
TRANSPARENZ ALS VERTRAUENSGRUNDLAGE
Diese Gespräche können nur geführt werden, wenn sie auf einer gemeinsamen
Informationsgrundlage basieren. Mandantinnen und Mandanten haben ein
berechtigtes Interesse daran zu wissen, wie ihr Mandat bearbeitet wird: Welche
Aufgaben wurden KI-gestützt erledigt? Mit welchem Werkzeug, mit welchem
Ergebnis? Kanzleien, die KI-Aktivitäten systematisch zur Akte erfassen, schaffen
eine Vertrauensgrundlage, die keine Kanzlei hat, die KI im Verborgenen einsetzt.
Transparenz ist kein Zugeständnis. Sie ist ein Wettbewerbsvorteil.
KOMPETENZ ALS VORAUSSETZUNG
Rechtsanwältinnen und Rechtsanwälte müssen lernen, mit KI umzugehen. Der
erfahrene Partner braucht primär technische Vertrautheit mit den Werkzeugen. Der
Berufsanfänger braucht primär das juristische Rüstzeug, das ihm erlaubt, die
Ergebnisse zu beurteilen. Beide benötigen ein Grundverständnis dafür, dass Large
Language Models probabilistische Textgeneratoren sind, keine Datenbanken – dass
sie überzeugend klingen können, ohne Recht zu haben.
Die Forschung von Randazzo u. a., die 244 Knowledge Professionals bei Boston
Consulting Group beobachtet hat, belegt empirisch: Wer die intellektuelle
Steuerung behält und KI gezielt für begrenzte Aufgaben einsetzt, erzielt die
besten Ergebnisse und vertieft dabei sein Fachwissen. Wer die Kontrolle
delegiert, produziert Arbeit, die poliert aussieht – und stagniert.
Was dabei hilft, ist die Bereitschaft zum Iterieren: ausprobieren, prüfen,
evaluieren – und wenn es nicht funktioniert, rückdrehen oder verändern. Nicht
jede KI-Initiative wird ein Erfolg. Das ist kein Scheitern. Das ist Entwicklung.
Den endgültigen Plan gibt es nicht. Es gibt nur die Bereitschaft, jetzt
anzufangen.
ARTIKELFILES UND ARTIKELLINKS
Link:
(ID:50839672)

Quelle: www.it-boltwise.de

VILLEPINTE / LONDON (IT BOLTWISE) – Rheinmetall-Chef Armin Papperger fordert
globale Leitplanken, damit bei tödlicher Gewalt weiterhin Menschen über den
Waffeneinsatz entscheiden. Auf der Rüstungsmesse Eurosatory betont er, dass
selbststätige Systeme zwar technologisch autonom funktionieren, aber nicht die
finale Entscheidung zur Gewaltanwendung delegieren sollen. Zugleich beschreibt
er das Risiko, dass sich im Konflikt gegnerische Akteure nicht an denselben
Maßstab halten. Damit verknüpft er die laufende Debatte um autonome
Waffensysteme mit praktischer Compliance, Ethik und Nachweisbarkeit für Kunden
und Staaten.
   ˗ˋˏ🧠ˎˊ˗
--------------------------------------------------------------------------------
* 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!
--------------------------------------------------------------------------------
Rheinmetall treibt die Debatte um autonome Waffensysteme auf eine neue, für
Entscheider besonders relevante Ebene: Während KI in Sensorik, Zielerkennung und
Flug- bzw. Fahrsteuerung immer stärker in Echtzeitsysteme integriert wird,
verlangt Armin Papperger klare internationale Regeln für den Moment der finalen
Gewaltanwendung. Der Kern seiner Aussage auf der Rüstungsmesse Eurosatory
lautet: Technische Möglichkeiten dürfen nicht automatisch in eine Delegation
menschlicher Verantwortung übersetzt werden. In der Praxis bedeutet das eine
Abgrenzung zwischen KI-gestützter Entscheidungsunterstützung und dem Überlassen
der Schussfreigabe an Maschinen. Für Unternehmen, die Systeme exportieren und
betreiben, wird daraus zugleich ein Governance- und Nachweisthema.
Technisch betrachtet lässt sich der Unterschied gut erklären: In modernen
Verteidigungsarchitekturen übernehmen KI-Modelle häufig Aufgaben wie
Objekterkennung, Bahnplanung, Bild- oder Datenfusion sowie die Beschleunigung
von Lagebewertungen. Das kann auch Autonomiegrade einschließen, bei denen
Plattformen zeitweise ohne ständige Funkführung agieren. Der umstrittene Punkt
ist jedoch der „Human in the Loop“ bei der Entscheidung, ob tödliche Gewalt
angewendet wird. Genau dieses Prinzip positioniert Rheinmetall als „ethischen
Ansatz“: Ein Mensch bleibt die letztgültige Instanz, selbst wenn KI die
Situation übergreifend auswertet. Damit wird KI zu einem Präzisionswerkzeug,
nicht zu einem finalen Schiedsrichter.
STELLENANGEBOTE
Der Markt ist dabei keineswegs im luftleeren Raum. Die internationale
Rüstungsindustrie konkurriert seit Jahren um bessere Autonomie, niedrigere
Reaktionszeiten und robustere Systeme in Störumgebungen. Große Wettbewerber wie
Lockheed Martin oder Northrop Grumman arbeiten ebenfalls an Sensor- und
Entscheidungsfähigkeiten, während gleichzeitig Staaten ihre Einsatzregeln und
Beschaffungsvorgaben verschärfen. Experten berichten, dass sich die Diskussion
in den letzten Jahren von der reinen Machbarkeit hin zur Frage verlagert hat,
wie sich „entscheidungsrelevante“ Funktionen protokollieren, erklären und auf
Verantwortlichkeiten abbilden lassen. Aus Compliance-Sicht steigt damit der
Bedarf an Auditierbarkeit: Je stärker KI-Modelle in Missionsentscheidungen
wirken, desto wichtiger werden Logs, Modellkarten und definierte
Freigabeprozesse.
Ein Blick zurück macht deutlich, warum Pappergers Forderung nach globalen
Grenzen an Brisanz gewinnt. In internationalen Foren wird seit Jahren über
„lethal autonomous weapon systems“ diskutiert, unter anderem im Rahmen der
UN-Waffenübereinkommen (Convention on Certain Conventional Weapons, CCW).
Historisch prägten zuerst die Debatten um Fernlenkwaffen, dann um Zielerfassung
und schließlich um Autonomiegrade die Argumentationslinien. Das heutige
KI-Zeitalter verändert jedoch die Geschwindigkeit: Modelle können aus
Datenmengen lernen, die sich vor Ort in Echtzeit ergänzen. Damit wächst das
Risiko von Fehlinterpretationen oder von „Automation Bias“, also der Tendenz,
menschliche Kontrolle zu verwässern. Genau hier setzen Regeln an, die den
Handlungsspielraum beschränken und Verantwortlichkeiten klar zuweisen.
Aus Regulierungs- und Sicherheitsgesichtspunkten ist der menschenzentrierte
Ansatz nicht nur ethisch, sondern auch operational relevant. Staaten und
Behörden verlangen zunehmend, dass Systeme nachvollziehbar n, insbesondere wenn
Entscheidungen in dynamischen Umgebungen getroffen werden. Pappergers Vergleich
mit Grenzen wie bei Atomwaffen zielt auf ein Prinzip: Nicht einzelne Unternehmen
oder Individuen sollen Maßstäbe setzen, sondern multilaterale Abkommen über
Mindeststandards. Für Entwickler bedeutet das, dass Schnittstellen zwischen
KI-Logik und menschlicher Freigabe technisch sauber entkoppelt werden
müssen—etwa durch klar definierte „Gatekeeper“-Schritte, dokumentierte
Entscheidungsparameter und Mechanismen gegen unerwünschte Handlungseskalationen.
Zusätzlich rückt der Schutz von Daten und Trainingsmaterial in den Fokus, denn
und Plattformen verarbeiten hochgradig relevante Umgebungs- und
Lageinformationen.
Ein praktischer Marktpunkt liegt zudem in der Asymmetrie: Papperger weist darauf
hin, dass eine Seite im Konflikt unter Umständen andere Regeln befolgt als der
Gegner. Wenn eine feindliche Armee KI stärker zur finalen Entscheidung nutzt,
kann das Zeitvorteile, aber auch Eskalationsrisiken erzeugen. Genau deshalb
argumentiert er für weltweit gültige Regeln statt rein nationaler oder
unternehmensinterner Leitlinien. Wie Branchenexperten berichten, wird die
nächste Regulierungswelle besonders dort ansetzen, wo sich Verantwortlichkeit
nicht mehr über reine Bedienungsabläufe erklären lässt. Das betrifft vor allem
Systeme, die in Teilautonomie agieren und deren Entscheidungslogik in messbare
Auswirkungen mündet.
Für die Unternehmensstrategie bedeutet das Gegenwind und Chance zugleich. Auf
der einen Seite steigt der Aufwand für sicherheits- und menschenzentrierte
Designprinzipien, inklusive Verifikation, Validation und Red-Teaming gegen
Fehlverhalten. Auf der anderen Seite kann ein klarer
„Human-in-the-Loop“-Nachweis die Beschaffung erleichtern, weil Kunden und
Behörden damit Risiken besser bewerten können. Im Vergleich zu rein cloud- oder
app-basierten KI-Anwendungen verschiebt sich die technische Verantwortung bei
Waffensystemen stärker in Richtung Edge-Computing, sichere Updatepfade und
belastbare Laufzeitüberwachung. Entwicklerteams profitieren davon, dass sich
KI-Entwicklung in kontrollierte, prüfbare Teilmodule zerlegen lässt—von der
Erkennung bis zur Freigabe.
Mit Blick auf die Zukunft ist absehbar, dass die Trennung zwischen
KI-Unterstützung und menschlicher Gewaltentscheidung künftig stärker in
Produktarchitekturen und Vertragswerke „eingebaut“ wird. Unternehmen dürften
vermehrt standardisierte Nachweisdokumente, Risiko-Klassifizierungen und
Schnittstellenanforderungen anbieten, ähnlich wie es bei sicherheitskritischer
Software üblich ist. Gleichzeitig wird sich die weiter auf robuste Modelle gegen
Störungen, auf erklärbare Entscheidungsbeiträge und auf formale Methoden zur
Verifikation konzentrieren. Der nächste Wettbewerbsvorteil liegt damit nicht
allein in der Modellgenauigkeit, sondern in der Fähigkeit, Entscheidungen
verlässlich zu begrenzen und zu auditieren. Wenn internationale
Rahmenbedingungen entstehen, könnten sich dadurch auch neue Ökosysteme für Prüf-
und Zertifizierungsdienstleistungen rund um KI in Verteidigungssystemen
eröffnen.
💳
🔥
🎉
* 🤖 Präzisions-Roboterarm – Spielen wie gegen einen echten Gegner – SenseRobot
reproduziert das reale Schacherlebnis mit einem mechanischen Arm, der Figuren
mit weniger als 1 mm Genauigkeit bewegt und jeden Zug in nur 8 Sekunden
ausführt – im gleichen Tempo wie ein professioneller Spieler.
* IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist
ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine
Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er
auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
* V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von
Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung
hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und
anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen.
Mobile Hotspots können sich mit Loona verbinden und überwinden
WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren
können.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------

Quelle: www.it-boltwise.de

SEATTLE / LONDON (IT BOLTWISE) – Gradial hat 65 Millionen US-Dollar im
Series-C-Runde eingesammelt, um sein agentisches KI-Betriebssystem für Marketing
auszubauen. Im Kern will das nicht noch ein weiteres Tool liefern, sondern eine
Orchestrierungsschicht schaffen, die bestehende Marketing-, CRM- und
Workflow-Systeme wie Salesforce oder Adobe miteinander arbeiten lässt. Das
verspricht kürzere Kampagnenlaufzeiten, automatisierte Prüf- und
Freigabeprozesse sowie weniger manuelle Arbeit für Marketing-Teams. Für
Unternehmen in regulierten Branchen wird dabei vor allem die Einbettung von
Compliance-Regeln in den Agenten-Workflow entscheidend.
   ˗ˋˏ🧠ˎˊ˗
--------------------------------------------------------------------------------
* 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!
--------------------------------------------------------------------------------
Gradial, ein in Seattle ansässiger Anbieter agentischer Künstlicher Intelligenz
für Marketing, hat seine nächste Wachstumsphase eingeläutet: Das Unternehmen
meldet 65 Millionen US-Dollar frisches Kapital im Series-C-Round. Lead ist
Insight Partners, die Bewertung liegt Berichten zufolge bei 675 Millionen
US-Dollar. Für die Praxis im Enterprise-Kontext ist weniger die
Finanzierungsrunde der Dreh- und Angelpunkt, sondern die wiederkehrende Frage
der Branche: Wie lässt sich aus isolierten KI-Agents ein verlässlicher
Arbeitsablauf bauen, der mit vorhandenen Systemen zusammenspielt und
gleichzeitig die internen Freigabe- und Compliance-Schleifen respektiert? Genau
hier setzt Gradial an.
Technisch positioniert sich das als „KI-Glue“-Schicht zwischen Werkzeugen statt
als eigenständige Punktlösung. Während viele Softwareanbieter aktuell KI-Agents
direkt in ihre Produkte integrieren, verfolgt Gradial einen anderen Ansatz: Es
will eine Agentenebene entwickeln, die Aktivitäten über mehrere
Marketingplattformen hinweg ausführt, ohne dass sich Teams für jeden Schritt
erneut in getrennte Bot-Silos einloggen müssen. Der Fokus liegt dabei auf
Orchestrierung: Textentwurf, Brand-Compliance-Checks, Qualitätskontrolle und das
Routing von Updates sollen in einem gemeinsamen Workflow stattfinden. Für die
Integration werden bestehende Umgebungen wie Salesforce, , Databricks und Adobe
als „Anker“ verwendet.
STELLENANGEBOTE
Besonders relevant ist dabei, wie Gradial die organisatorische Steuerung
abbildet. Das System soll Aktionen so anstoßen, dass sie durch die bereits
vorhandenen Approval-Flows einer Organisation laufen. Marketinginhalte werden
damit nicht „am Prozess vorbei“ publiziert, sondern durchlaufen Rollenprüfungen,
Freigaben und definierte Regeln. Gleichzeitig nennt Gradial ein Detail, das im
Alltag häufig Zeit frisst: Wenn ein KI-Bot in Antworten einen Markennamen oder
eine Pflichtangabe auslässt, soll Gradial diese Lücke automatisch erkennen,
korrigieren und die finale Version wieder dem Freigabeprozess zuführen – und
zwar so, dass am Ende keine menschliche Zwischenhandlung erforderlich ist.
Technisch bedeutet das: Agenten müssen Ergebnisse nicht nur generieren, sondern
auch gegen Regeln und Kontextinformationen validieren.
Im Markt zeigt sich damit ein Spannungsfeld zwischen „Agent-in-Product“ und
„Agenten-Orchestrierung“. verfolgt mit Copilot und agentischen Erweiterungen
ebenfalls den Gedanken, KI in Unternehmensworkflows zu integrieren, während
Plattformanbieter wie über Agent-Building-Funktionen und Ökosysteme den Weg zu
wiederverwendbaren Agenten ebnen. Auch bei Salesforce oder
Service-Management-Umgebungen geht der Trend dahin, KI direkt in bestehende UI-
und Prozessschichten einzuziehen. Gradials Argumentation ist jedoch, dass ein
universeller Workflow-Layer notwendig ist, wenn Organisationen bereits dutzende
Systeme im Betrieb haben und KI nicht an Tool-Grenzen scheitern soll.
Branchenexperten berichten, dass genau diese „Übersetzungs- und Steuerungslogik“
zunehmend den Unterschied macht.
Für Kunden in stark regulierten Branchen bekommt dieser Punkt Gewicht. Gradial
nennt unter anderem, dass Unternehmen Compliance-Regeln in jeden
Agenten-Workflow kodieren wollen und dadurch die Wahrscheinlichkeit verringern,
dass KI-generierte Inhalte gegen Richtlinien verstoßen. Beispiele aus der
Kundenbasis umfassen unter anderem Web Services, T-Mobile, die Kaiser Foundation
Health Plan sowie U.S. Bank. Besonders herausgestellt wird T-Mobile: Laut
Gradial sollen Kampagnen-Ausführungszeiten um 80% bis 90% gesunken sein – eine
Kennzahl, die in der Regel nur im Sinne interner Messungen belastbar ist und
daher im Markt besonders sorgfältig interpretiert werden muss. Die Richtung ist
jedoch klar: Automatisierung soll nicht nur schneller machen, sondern auch
reproduzierbar und auditierbar.
Aus technischer Sicht ist die Orchestrierungsschicht zugleich ein Sicherheits-
und Governance-Thema. Wenn Agents über mehrere Systeme schreiben, Daten abrufen
und Inhalte veröffentlichen, steigt die Bedeutung von Zugriffskontrollen,
Protokollierung und dem Schutz sensibler Inhalte. Enterprise-Kunden erwarten
daher typischerweise eine granular steuerbare Berechtigungsmatrix, robuste
Logging-Mechanismen und die Möglichkeit, Agentenentscheidungen nachvollziehbar
zu dokumentieren. Hier ist der Ansatz „alles geht über bestehende
Approval-Flows“ ein praktischer Hebel: Er macht die Kontrolle nicht zu einem
Extra-Feature, sondern zu einem Bestandteil der normalen Betriebsprozesse.
Gleichzeitig müssen solche Systeme gegen Prompt-Injection- und
Datenexfiltrationsrisiken gehärtet werden, besonders wenn externe Plattformen
eingebunden sind.
Für die Marktdynamik bedeutet das: Die Wertschöpfung verschiebt sich von
einzelnen Automatisierungsfunktionen hin zur koordinierenden Architektur, die
unterschiedliche Datenquellen, Content-Assets und Freigaberoutinen
zusammenführt. Das eröffnet Entwicklern und Systemintegratoren neue Chancen,
weil die Orchestrierung als wiederverwendbarer Layer zwischen Fachlogik und
KI-Funktionalität verstanden werden kann. Gleichzeitig wächst der Wettbewerb,
denn größere Plattformanbieter können Orchestrierungsteile zunehmend selbst
bereitstellen. Eine realistische Frage ist daher nicht nur „Wer hat den
stärksten Agenten?“, sondern „Wer kann den Agenten zuverlässig betreiben,
skalieren und sicher in heterogene Landschaften einbetten?“ Genau diese
Operating-Perspektive wird für enterprisefähige KI entscheidend.
Mit dem frischen Kapital will Gradial sein Team ausbauen – genannt werden neue
Rollen in Engineering, Sales und Marketing, wobei die Organisation bereits rund
100 Personen umfasst. Der nächste Entwicklungspfad dürfte weniger bei reiner
Modellqualität liegen als bei der Skalierung der Integrationen, der Verfeinerung
von Rule-Engine- und Validierungslogik sowie bei der Erweiterung von
unterstützten Workflow-Mustern. In der Zukunft könnten agentische
Marketing-Systeme stärker in Richtung „Policy-first“-Design gehen, bei dem
Compliance nicht nachträglich geprüft, sondern frühzeitig in Entscheidungs- und
Freigabeketten eingebettet wird. Für Unternehmen heißt das: Wer KI-Agenten
einsetzen will, sollte Orchestrierung, Governance und Datenflüsse bereits jetzt
als Architekturthemen behandeln – nicht erst, wenn Kampagnen live gehen.
💳
🔥
🎉
* 🤖 Präzisions-Roboterarm – Spielen wie gegen einen echten Gegner – SenseRobot
reproduziert das reale Schacherlebnis mit einem mechanischen Arm, der Figuren
mit weniger als 1 mm Genauigkeit bewegt und jeden Zug in nur 8 Sekunden
ausführt – im gleichen Tempo wie ein professioneller Spieler.
* IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist
ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine
Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er
auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
* V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von
Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung
hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und
anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen.
Mobile Hotspots können sich mit Loona verbinden und überwinden
WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren
können.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------

Quelle: www.bigdata-insider.de

KOMMENTAR VON MAXIMILIAN HARMS, DATAIKU RETURN ON AGENT (ROA) – SO STIFTEN
KI-AGENTEN TATSÄCHLICHEN MEHRWERT
19.06.2026 Von Maximilian Harms 5 min Lesedauer
Anbieter zum Thema
Künstliche Intelligenz (KI) hat das Potenzial, die Effizienz
branchenübergreifend zu steigern. Die Art und Weise, aber, wie KI aktuell in den
meisten Unternehmen eingesetzt wird, führt in Sackgassen. Das Muster dahinter:
Unternehmen setzen ein Enterprise-ChatGPT ein, führen Copilot oder Salesforce
Agentforce ein, entwickeln kleine Agenten für Routineaufgaben und erzielen nur
bescheidene Effizienzgewinne. Warum? Teams versuchen, bestehende Prozesse zu
automatisieren, anstatt die Art und Weise, wie Arbeit erledigt wird, neu zu
überdenken.
Das lässt sich als die Return-on-Agent-Lücke (ROA) beschreiben: Eine Kluft
zwischen einerseits dem transformativen Potenzial von -Agenten und andererseits
dem Mehrwert, den die meisten tatsächlich erzielen. Um dieses Potenzial in Wert
umzuwandeln, müssen zwei Kernelemente berücksichtigt werden: Vertrauen und
Wirkungsmessung.
PROZESSOPTIMIERUNG BEI KI MIT GERINGEM EINFLUSS
Dabei gibt es aus der Praxis bereits Erfolgsgeschichten, in denen Unternehmen KI
unternehmensweit skalieren können. Michelin setzt KI in Forschung und
Entwicklung ein und hat es geschafft, Fertigung und Service so zu skalieren,
dass datengestützte Erkenntnisse an über 50 globalen Produktionsstandorten
gewonnen werden können. Roche hat die eigene Patentarbeit durch den Einsatz von
und dem Themis PatAI-Agenten optimiert, um Tools zu vereinheitlichen, Kosten zu
senken und die Effizienz für Anwälte und Rechtsanwaltsgehilfen zu steigern.
An einem Beispiel aus der Fertigungsindustrie lässt sich veranschaulichen, wie
ein Produktionsstandort mit komplexen und wartungsintensiven Maschinen optimiert
werden kann. Die meisten Unternehmen würden KI als Optimierungsinstrument
einsetzen, beispielsweise eine GenAI-Anwendung entwickeln, mit der ihre
Techniker dichte, komplexe Anlagendokumentationen schneller durchsuchen können.
Der Ansatz spart zwar Zeit und ist sicherlich nützlich; er ist aber im Kern
nicht transformativ.
Stattdessen lohnt es sich, einen Schritt vorher anzusetzen und den Ansatz für
den Einsatz von KI innerhalb des Unternehmens von Grund auf zu denken. Zum
Beispiel durch die Entwicklung eines KI-Agenten, der die Koordination mit
Lieferanten übernimmt, Wartungspläne vorhersagt, Ressourcen zuweist und auf
Basis von Echtzeit-Erkenntnissen automatisch Ersatzteile bestellt. Ein solcher
Agent wäre in der Lage, all das innerhalb der bestehenden Unternehmenssysteme zu
dokumentieren und mit entsprechenden weiteren Agenten bei den verschiedenen
Lieferanten zu kommunizieren.
Der Unterschied besteht also darin, dass der eine Einsatz von KI lediglich einen
bestehenden Prozess verbessert und einem Techniker vielleicht 15 Prozent Zeit
spart, während der andere 80 Prozent der Herausforderungen bei der
Produktionsplanung reduzieren könnte.
KI IMPLEMENTIEREN BEDEUTET VERTRAUENSPROBLEME ZU LÖSEN
Viele Unternehmen sind sich des technischen Potenzials von Agenten zwar bewusst,
zögern jedoch, ihre Prozesse zu überdenken und neu zu gestalten. Das zeigt auch
eine zuletzt . Insbesondere Prozesse, denen die Fähigkeiten der agentischen KI
in Bezug auf Urteilsvermögen, Koordination und Handlungsfähigkeit nutzen würden,
leiden unter dieser Verlangsamung. Der Hauptgrund scheint ein Mangel an
Vertrauen zu sein: 75 Prozent der Befragten in der Studie bestätigen dies.
Die wirklich autonomen Funktionen agentischer KI nutzbar zu machen, bedeutet,
Risiken in Kauf zu nehmen. Potenzielle Latenz, Kosten, Reputationsschäden und
Datenlecks sind natürlich keine Kleinigkeiten. Um hier einen Vertrauensvorschuss
zu wagen, bedarf es also einer ehrlichen aber einfachen Einschätzung: Profitiert
genau diese Aufgabe tatsächlich von nicht-menschlicher Entscheidungsfindung?
Viele sind sich unsicher oder können diese Frage noch nicht beantworten. Oft
führt die Vorsicht dahinter zu einer gänzlichen Lähmung. Es gibt aber
glücklicherweise mittlerweile weitreichende Möglichkeiten, um Governance,
Schlussfolgerungen, Beobachtbarkeit und Kostenkontrolle zu ermöglichen, und so
die Risiken zu mindern und das Vertrauen zu stärken.
SICHERN VON ERFOLGEN KOMMT DURCH MESSEN VON ERGEBNISSEN
Doch auch wenn Vertrauensprobleme überwunden sind und Unternehmen beginnen,
strategisch mit dem Potenzial agentischer KI zu experimentieren, stoßen sie
häufig auf eine nächste Hürde: Sie sind nicht in der Lage, den ROI ihrer Agenten
effektiv zu messen, um überhaupt zu verstehen, ob sie so gut funktionieren, wie
erhofft.
Wie bei allen ROI-Ansätzen muss auch der ROA streng und unternehmensspezifisch
definiert werden. Drei Schlüsselelemente sind dabei unerlässlich, um eine
robuste KI-ROA-Struktur zu schaffen, die Teams auch ernsthaft ermöglicht zu
erkennen, wann Erfolge eintreten:
* Abstimmung der Stakeholder: KI-Agenten betreffen in der Regel mehrere Teams
innerhalb des Unternehmens, greifen auf verschiedene Datenquellen zurück und
sind in unterschiedliche Unternehmensanwendungen integriert. Es ist also
unerlässlich, dass das Rahmenwerk eine gemeinsame Sprache schafft und die
gemeinsamen Ziele erfasst, auf die die verschiedenen Unternehmensbereiche
hinarbeiten können.
* Kompromisslose Prioritäten: Nicht alle Prozesse sollten neu konzipiert und
mit KI überfrachtet werden. Das Framework sollte Rat und Anleitung bieten, um
zu ermitteln, welche Geschäftsprozesse eine echte Transformation erfahren
würden und welche nur inkrementelle Gewinne bringen. Diese Klarheit stellt
sicher, dass Teams keine Zeit oder Ressourcen darauf verschwenden, das
falsche Problem zu lösen.
* Echte Metriken: Der Erfolg von KI muss anhand von geschäftlichen KPIs
gemessen werden, nicht anhand irgendwelcher (zufälliger) technischen
Kennzahlen. In der Fertigung könnte das die Gesamtanlageneffektivität (OEE)
bedeuten, im Kundenservice die Erstlösungsquote. Auch hintergründige
Kennzahlen sollten dabei berücksichtigt werden, wie die Anzahl der
eliminierten Prozesse oder neu gewonnene Fähigkeiten. Aber auch
Risikofaktoren wie Reputationsrisiko, Datenlecks, Token- und Rechenkosten
sind zentral, also Kennzahlen, mit denen traditionelle
Technologieinvestitionen nicht konfrontiert sind.
DIE ROA-LÜCKE SCHLIESSEN
Um die Kluft zwischen Potenzial und Realität zu überbrücken und letztlich zu
schließen, müssen Vertrauensfragen angegangen und von Anfang an anwendbare
Rahmenbedingungen geschaffen werden:
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 .
* Vertrauen schärfen durch Einbeziehung: Diejenigen, die Geschäftsprozesse am
besten verstehen, sollten die Agenten entwickeln, die diese transformieren.
Wenn Fachexperten aktiv an der Entwicklung von Agenten beteiligt sind – und
diese nicht nur von der IT erhalten – entsteht Vertrauen von sich heraus. Sie
verstehen Sonderfälle genau, wissen, was „gut genug“ bedeutet, und können
Ergebnisse auf eine Weise validieren, wo zentralisierte (Tech-)Teams ratlos
wären. Hier hilft es auch, kontrollierte Umgebungen zu schaffen, in denen
Fachexperten sicher experimentieren können.
* Investieren in Befähigung, nicht nur in Technologie: Die Neugestaltung von
Prozessen erfordert eine engagierte organisatorische Unterstützung.
Beispielsweise können KI-Enablement-Leiter, die Fachexperten beim Aufbau von
Agenten unterstützen, Best Practices teamübergreifend weitergeben und
letztlich als Brücke zwischen dem Unternehmen und der KI-Implementierung
fungieren. Transformation findet nicht statt, ohne dass sich Menschen darauf
konzentrieren, sie zu verwirklichen.
* Schärfen einer Vision von Wettbewerbsvorteilen: Vermeiden Sie generische „KI
überall“-Ansätze. Über welche einzigartigen Fähigkeiten und welches Wissen
verfügt Ihr Unternehmen? Welche Prozesse bilden den Kern Ihres
Wettbewerbsvorteils? Die Neugestaltung sollte genau darauf setzen, anstatt
auf grob formulierte Verbesserung. Die Agenten-Strategie sollte sich also an
Kerngeschäftskompetenzen orientieren, nicht an dem, was alle Wettbewerber
vermeintlich tun.
* Geschäftserfolge verfolgen und Misserfolge streichen: Mit der Anwendung
kontextbezogener Kennzahlen sollte auch gnadenlos abgebrochen werden, wenn
Initiativen keinen transformativen Wert liefern. Gleichzeitig sollten auch
frühe Erfolge lautstark gefeiert werden – nichts schafft mehr
organisatorisches Momentum als sichtbare Erfolgsgeschichten, die zeigen, wie
Neugestaltung in der Praxis aussieht.
VORAUSSCHAUEND IN DIE ZUKUNFT
Eine ROA-Lücke entsteht, wenn die Neugestaltung von Prozessen komplexer wird als
die Automatisierung. Es entstehen Reibungspunkte für Menschen, Abläufe und
Technologien. Gleichzeitig sind bescheidene Effizienzsteigerungen, während das
transformative Potenzial ungenutzt bleibt, weder sinnvoll für die beteiligten
Menschen noch für Investitionen in KI. Die Unternehmen, die sich für eine mutige
Neugestaltung ihrer Prozesse entscheiden, werden sich letztlich von der
Konkurrenz abheben und ihr Potenzial entfachen, um im Wettbewerb des nächsten
Jahrzehnts erfolgreich zu sein.
(ID:50874487)

Quelle: www.it-boltwise.de

TORONTO / TEXAS / LONDON (IT BOLTWISE) – Hut 8 drängt sich vom -Mining in die
KI-Infrastruktur. Das Unternehmen finanziert zwei große Rechenzentrumsprojekte
in Texas mit insgesamt 7,5 Milliarden US-Dollar und setzt dabei auf einen
„Power-First“-Ansatz. Anleger reagieren positiv, während die Branche gespannt
verfolgt, wie schnell die kapitelintensiven Umbauten in nachhaltigen Umsatz
übergehen. Entscheidend wird sein, ob die Energie- und Baupläne das Tempo der
KI-Nachfrage tatsächlich mitgehen.
   ˗ˋˏ🧠ˎˊ˗
--------------------------------------------------------------------------------
* 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!
--------------------------------------------------------------------------------
Hut 8 steht an einem klaren strategischen Wendepunkt: Aus einem bekannten Akteur
im -Mining wird zunehmend ein Anbieter von Rechenzentrums- und
Energieinfrastruktur, der auf den KI-Boom einzahlt. Während s-Setups
typischerweise stark von Netzwerk-Hashrate, Stromkosten und Marktzyklen
abhängen, verlagert sich der Schwerpunkt nun auf Baukapazitäten,
Strombeschaffung und langfristige Vertragsmodelle. Genau hier liegt der Kern der
aktuellen Meldung: In Texas treibt Hut 8 zwei Projekte voran, die nicht nur
Speicher- und Compute-Flächen liefern sollen, sondern die Energieversorgung
gleich mit industrialisieren. Für den Markt zählt dabei weniger die Idee als die
Ausführbarkeit in den nächsten Quartalen.
Konkret beginnt die Finanzierungsstory mit River Bend: Hut 8 hat dafür eine
Baufinanzierung von 3,25 Milliarden US-Dollar gesichert. Anschließend folgt
Beacon Point, bei dem das Unternehmen eine Anleihe über 4,25 Milliarden
US-Dollar aufgesetzt hat. Die Verzinsung wird mit 6,129 Prozent angegeben, die
Laufzeit bis 2042 und die vollständige Tilgung am Ende der Laufzeit. Beacon
Point wird dabei mit einem Projektwert von rund 9,8 Milliarden US-Dollar
beziffert, basierend auf einem 15-jährigen Mietvertrag für 352 Megawatt
Leistung. Zusammen mit River Bend ergibt sich damit ein Pipeline-Volumen von 7,5
Milliarden US-Dollar, das vor allem für KI-Workloads dimensioniert ist und die
Wahrscheinlichkeit erhöht, dass der Ausbau nicht nur „planbar“, sondern auch
vermietbar bleibt.
STELLENANGEBOTE
Technisch betrachtet ist der Ansatz „Power-First“ mehr als ein Marketingwort. In
der Praxis bedeutet er, dass Hut 8 zuerst die Stromseite absichert und erst
danach in den Bau schlüssefertiger Rechenzentren inklusive Umspannwerken
investiert. Dieses Vorgehen adressiert ein seit Monaten sichtbares Engpassmuster
in der KI-: Rechenleistung ist heute oft kurzfristig beschaffbar, aber
belastbare Energieanbindung, Netzkapazitäten und Genehmigungen für
Hochleistungselektrik brauchen Zeit. Im Vergleich zu Cloud-Anbietern, die
Compute skalieren und Energie über eigene Netzbeziehungen indirekt steuern,
verankern Hut-8-ähnliche Projekte die Steuerung stärker vor Ort. Damit steigt
die Bedeutung von Lastprofilen, redundanten Versorgungswegen und der Fähigkeit,
Energieverträge und Baupläne termintreu zu synchronisieren.
Marktseitig passt das Timing in ein Umfeld, in dem große KI-Player dringend
Kapazitäten suchen. Wie Branchenexperten berichten, wird der Strombezug
zunehmend zu einem Standortvorteil, der über die reinen GPU-Logistikthemen
hinausgeht. Als Vergleich drängt sich ein Blick auf Anbieter wie CoreWeave oder
auch energieorientierte Modelle wie jene von Crusoe Energy auf, die
Rechenleistung und Energieversorgung strategisch zusammen denken. Auch im
ssegment gab es schon zuvor Unternehmen, die Infrastruktur als Vorteil
ausspielten; Hut 8 führt diesen Gedanken jedoch deutlich näher an den
KI-Use-Case heran, indem Mietverträge und Rechenzentrumsbau bereits als Produkt
gedacht werden. Für en ist die Frage deshalb zweigeteilt: Sind die
Finanzierungen und die Mietnachfrage bereits im Kurs vollständig eingepreist,
oder entsteht erst zeitversetzt ein „Fundamentals“-Effekt?
Der nmoment wirkt jedenfalls positiv: Die notierte bei 109,64 Euro, rund 150
Prozent Plus seit Jahresbeginn. Auf Jahressicht wird ein Gewinn von 640 Prozent
genannt, während vom 52-Wochen-Hoch bei 120,70 Euro Anfang Juni noch etwa 9
Prozent fehlen. Solche Kursbewegungen zeigen, dass der Markt einen Wandel
erwartet oder bereits antizipiert. Gleichzeitig bleibt das Risiko für Aktionäre
real, denn kapitalintensive Umbauten verstärken die Sensitivität gegenüber
Verzögerungen im Bau, steigenden Kosten für elektrische Infrastruktur oder
Abweichungen bei der Auslastung. In Expertenkommentaren wird das typischerweise
als „Execution Risk“ beschrieben: Nicht die Vision ist das Engpasssignal,
sondern die Umsetzungsgeschwindigkeit unter realen Bedingungen. Genau deshalb
werden die nächsten Quartale als Test gelten, ob Zeitplan und Budgetrahmen
belastbar sind.
Aus regulatorischer und Compliance-Sicht berührt der Umbau mehrere Ebenen, die
in der KI- und Infrastrukturwelt inzwischen stärker überwacht werden. Erstens
spielen Genehmigungen und Netzanschlussrechte eine Rolle, insbesondere wenn
Umspannwerke, Leitungswege oder Erweiterungen den lokalen Anlagenbetrieb
betreffen. Zweitens rückt Umwelt- und Emissionsbewertung zunehmend in den Fokus,
auch wenn das Unternehmen mit Energieeffizienz und skalierter Infrastruktur
argumentiert. Drittens ist die Daten- und Betriebsseite relevant: Sobald
KI-Workloads in größeren Volumina gemietet werden, steigen die Anforderungen an
Sicherheitsarchitekturen, Auditierbarkeit und prozesse. Für Hut 8 bedeutet das,
dass nicht nur die Strompipeline, sondern auch die betriebliche IT-Security
Schritt halten muss, um Enterprise-Nachfrage verlässlich bedienen zu können.
Für die Zukunft zeichnet sich eine klare Implikation für die gesamte Entwickler-
und Enterprise-Landschaft ab: Wer KI-Workloads betreiben will, wird zunehmend
nach „Energie- und Standortfähigkeit“ auswählen müssen, ähnlich wie man früher
vor allem Latenz und Speicherpfade betrachtete. Wenn Hut 8 die Projekte
termingerecht realisiert, könnte das den Wettbewerb um nutzbare Kapazität in
Texas verschärfen und die Preisbildungslogik für Rechenzentrumsplätze in einer
energiegetriebenen Welt beeinflussen. Kurzfristig bleibt aber die Erfolgskurve
von der Bau- und Inbetriebnahmephase abhängig, und damit von Lieferketten für
elektrische Komponenten sowie von der Fähigkeit, die Leistung über längere
Zeiträume stabil zu vermieten. Langfristig könnte der strategische Umbau Hut 8
sogar in die Nähe jener Infrastruktur-Provider rücken, die KI-Beschaffung und
Standortentscheidungen als End-to-End-Lösung betrachten.
💳
🔥
🎉
* 🤖 Präzisions-Roboterarm – Spielen wie gegen einen echten Gegner – SenseRobot
reproduziert das reale Schacherlebnis mit einem mechanischen Arm, der Figuren
mit weniger als 1 mm Genauigkeit bewegt und jeden Zug in nur 8 Sekunden
ausführt – im gleichen Tempo wie ein professioneller Spieler.
* IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist
ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine
Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er
auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
* V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von
Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung
hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und
anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen.
Mobile Hotspots können sich mit Loona verbinden und überwinden
WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren
können.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------

Quelle: www.it-boltwise.de

SEOUL / LONDON (IT BOLTWISE) – Hyundai kauft die restlichen Anteile an Boston
Dynamics von SoftBank und holt den -Spezialisten damit komplett ins eigene
Konzern-Dach. Konkret soll SoftBanks verbleibender Anteil von 9,65% für 325
Millionen US-Dollar übertragen werden, was auf eine Gesamtbewertung von rund 3,4
Milliarden US-Dollar hinausläuft. Für den Autobauer ist das ein klares Signal:
und KI sollen vom Nebenprojekt zum zweiten Wachstumsstandbein werden.
Gleichzeitig bleibt offen, wie schnell die Vollkonsolidierung in messbaren
Ergebnissen ankommt.
   ˗ˋˏ🧠ˎˊ˗
--------------------------------------------------------------------------------
* 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!
--------------------------------------------------------------------------------
Hyundai verschiebt mit der angekündigten Vollübernahme von Boston Dynamics die
Gewichte in seiner Konzernstrategie spürbar Richtung . Der süd­koreanische
Automobilhersteller will damit eine frühere Mehrheitsbeteiligung ausbauen und
die verbleibenden Anteile, die SoftBank noch hält, vollständig übernehmen. Aus
ensicht ist das zwar „nur“ eine Transaktion über 325 Millionen US-Dollar für
9,65%, doch die strategische Lesart ist eindeutig: Wer künftig margenstarke
Automatisierung und autonome Systeme adressieren will, möchte die
Entwicklungspipeline ohne externe Mitspracherechte steuern. Genau hier liegt die
eigentliche Nachricht für Technologie- und Industrial-Planer.
Finanziell wird die Größenordnung durch die Struktur der geplanten Übernahme
greifbar. SoftBanks verbleibende Beteiligung soll für 325 Millionen US-Dollar
erworben werden; damit ergibt sich eine implizite Gesamtbewertung von Boston
Dynamics in der Größenordnung von rund 3,4 Milliarden US-Dollar. Das ist kein
Schnäppchenpreis, aber für einen strategischen Käufer nachvollziehbar, wenn
langfristige Technologie-Roadmaps und IP-Schutz (Intellectual Property) eine
zentrale Rolle spielen. Zudem ist der Anteil bereits heute weitgehend intern
gebündelt: Hyundai-Führung und die Konzerngesellschaften Kia, Hyundai Mobis und
Hyundai Glovis halten zusammen mehr als 90% an dem unternehmen.
STELLENANGEBOTE
Technisch betrachtet ist Boston Dynamics ein interessanter Asset-Kern, weil das
Unternehmen seine Plattformen wie Spot und Atlas nicht nur als smaschinen
versteht. Die -Architektur zielt seit Jahren auf robuste Bewegung in dynamischen
Umgebungen, also auf Mobilität, Zustandsestimation und eine Steuerung, die mit
Unsicherheiten umgehen muss. In der Praxis heißt das: Sensorfusion,
Regelungstechnik und KI-gestützte Wahrnehmung greifen ineinander, damit Roboter
in Werkshallen, Lagern oder im Außeneinsatz stabile Aufgaben ausführen können.
Der Vergleich zum klassischen -Roboter ist hier wichtig: Statt starrer Bahnen
geht es zunehmend um adaptives Verhalten, das Software-Updates und
Datenrückflüsse erlaubt.
Der Timing-Aspekt fügt sich in Hyundais breitere KI- und -Ausrichtung ein.
Bereits vor der heutigen Meldung hatte der Konzern den Einstieg in Boston
Dynamics Ende 2020 eingeleitet und seitdem weitere Schritte in Richtung
Künstliche Intelligenz unternommen, unter anderem durch Kooperationen mit .
Damit positioniert sich Hyundai auch gegen den technologischen Druck, der in den
letzten Jahren entstanden ist: Während Wettbewerber wie mit Optimus oder s wie
Figure AI und Agility Robotics stark auf autonome bzw. humanoide Ansätze setzen,
bauen traditionelle akteure wie Hyundai zunehmend auf „robotische
Praxis“-Erfahrungen. Für Unternehmen ist das ein Unterschied: Wer über eine
robuste -Engine verfügt, kann schneller von Prototypen zu Pilotkunden wechseln.
Im Markt schlägt zudem die Frage durch, wie sich Vollkonsolidierung auf
operative Kennzahlen auswirkt. Kurzfristig ist das Ergebniswachstum durch eine
Transaktion über weniger als zehn Prozent jedenfalls nicht zwingend –
-Investitionen zahlen sich typischerweise über Produktzyklen aus.
Wahrscheinlicher ist eine mittelfristige Wirkung über zwei Hebel: Erstens lassen
sich Pilotprojekte mit llen Kunden beschleunigen, wenn Entscheidungen im Konzern
schneller getroffen werden. Zweitens kann der Technologietransfer in Hyundais
eigene Wertschöpfungsketten fließen, etwa bei Logistik, Qualitätsprüfung und
Instandhaltung. Genau hier entsteht ein Wettbewerbsvorteil gegenüber Ansätzen,
die stark auf externen Partnerabhängigkeiten beruhen.
Regulatorisch und sicherheitstechnisch verschiebt sich der Fokus ebenfalls.
Autonome Systeme, insbesondere wenn sie in Produktionsumgebungen eingesetzt
werden, benötigen belastbare Sicherheitskonzepte, klare Zugriffskontrollen und
eine nachvollziehbare Datennutzung. Auch wenn Boston Dynamics in der
öffentlichen Wahrnehmung oft als „Demo-orientiert“ wirkt, ist der lle Einsatz
eng mit , IT-Security und Auditierbarkeit verbunden: Bewegungsdaten, Sensordaten
und Betriebslogfiles können hochsensibel sein. Für Hyundai bedeutet die
Integration daher nicht nur finanzielle Konsolidierung, sondern auch eine
konsequente Absicherung der KI-Entwicklungspipeline, etwa durch standardisierte
Modellvalidierung, Monitoring und Zugriffsbeschränkungen. Das ist weniger
sichtbar als neue -Features, aber entscheidend für Enterprise-Adoption.
Parallel zur treibt Hyundai das Kerngeschäft weiter voran, was die strategische
Verzahnung unterstreicht. Im türkischen Werk Izmit soll im August die
Serienproduktion des neuen Elektromodells Ioniq 3 anlaufen. Ergänzend wird eine
eigene Batteriemontageanlage aufgebaut, eingebettet in ein Investitionspaket von
715 Millionen Euro, um die lokale Wertschöpfungstiefe zu erhöhen. Für die
Zukunft ist das relevant, weil -Teams in solchen Umgebungen schnell mit realen
Daten und Prozessanforderungen arbeiten können. Der Zusammenhang ist dabei
plausibel: Je mehr Automatisierungsbedarf im Anlagenbetrieb entsteht, desto
wertvoller werden mobile, adaptive Robotersysteme.
Ausblickend dürfte die entscheidende Frage lauten, wie Hyundai autonome ohne
„externen Taktgeber“ weiterentwickelt. Durch die Vollintegration kann der
Konzern Investitionsentscheidungen, Talentaufbau und Produktprioritäten
konsistenter steuern. Gleichzeitig steigt der Erwartungsdruck: kunden werden
nicht nur „fähige Roboter“, sondern messbare Verbesserungen bei Verfügbarkeit,
Wartungsaufwand und Prozesszeiten einfordern. In der Branche wird zudem häufig
darauf hingewiesen, dass die Roadmap nicht allein von abhängt, sondern von
Integrationstiefe in bestehende Anlagenlandschaften. Wenn Hyundai hier
konsequent liefert, entstehen für Entwickler neue Chancen rund um -Software,
MLOps für Steuerungsmodelle und standardisierte Schnittstellen zu
Manufacturing-IT.
💳
🔥
🎉
* 🤖 Präzisions-Roboterarm – Spielen wie gegen einen echten Gegner – SenseRobot
reproduziert das reale Schacherlebnis mit einem mechanischen Arm, der Figuren
mit weniger als 1 mm Genauigkeit bewegt und jeden Zug in nur 8 Sekunden
ausführt – im gleichen Tempo wie ein professioneller Spieler.
* IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist
ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine
Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er
auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
* V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von
Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung
hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und
anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen.
Mobile Hotspots können sich mit Loona verbinden und überwinden
WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren
können.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------

Quelle: www.it-boltwise.de

GUANGZHOU / LONDON (IT BOLTWISE) – XPeng steckt laut aktuellen Quartalszahlen in
einer schwierigen Phase: Umsatzrückgang, Nettoverlust und drastisch niedrigere
Auslieferungen treffen die . Gleichzeitig fährt das Management einen radikalen
Kurswechsel aus und will sich zu einem Anbieter für physische Künstliche
Intelligenz umformen. Im Zentrum stehen autonome Fahrsysteme und humanoide ,
während das Roboter-Taxi-Modell GX als unmittelbarer Hoffnungsträger gilt. Für
Q2 nennt das Unternehmen zudem konkrete Auslieferungs- und Umsatzspannen,
gestützt durch hohe Barreserven.
   ˗ˋˏ🧠ˎˊ˗
--------------------------------------------------------------------------------
* 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!
--------------------------------------------------------------------------------
XPeng steht aktuell an der Schnittstelle zwischen operativem Druck und
strategischem Neuanfang. Während der chinesische Elektroautohersteller für das
laufende Jahr mit einer angespannten Nachfrage rechnet, setzt das Management
einen Schwerpunkt auf „physische Künstliche Intelligenz“: Systeme, die nicht nur
Daten analysieren, sondern direkt in der realen Welt agieren—von autonomen
Fahrszenarien bis hin zu humanoiden Robotern. Diese Neuausrichtung ist für
Anleger doppelt relevant: Sie erklärt, warum das Unternehmen trotz sinkender
Kennzahlen weiterhin investiert, und sie beeinflusst die Bewertung, sobald sich
Umsetzung und Marktdurchdringung messbar verbessern.
Der Ausgangspunkt der Diskussion sind die schwachen Quartalszahlen. Für das
erste Quartal meldete XPeng einen deutlichen Rückgang bei Umsatz und
Auslieferungen: Der Umsatz sank im Jahresvergleich um knapp 18 Prozent auf 13,03
Milliarden Renminbi, die Übergaben an Kunden brachen um rund ein Drittel ein und
lagen bei etwa 62.600 Fahrzeugen. Parallel vergrößerte sich der Nettoverlust auf
1,78 Milliarden Renminbi. Kostenseitig bleiben Speicherchips und Batterien ein
zentraler Belastungsfaktor, auch wenn die Bruttomarge mit 20,6 Prozent auf den
ersten Blick stabil wirkt—ein typisches Muster, wenn Stückzahlen fallen,
Fixkosten aber zunächst noch nicht vollständig „mitgehen“.
STELLENANGEBOTE
Technisch betrachtet ist XPengs Fokus auf physische Künstliche Intelligenz mehr
als ein Marketingbegriff, denn er verlagert Anforderungen an Software, Sensorik
und Recheninfrastruktur. Autonome Fahrsysteme müssen die komplette Kette
abdecken: Wahrnehmung (Vision/Lidar/Radar je nach Architektur), Prädiktion von
Verkehrsteilnehmern, Entscheidungsfindung sowie sichere Aktuation. In der Praxis
bedeutet das auch robuste MLOps-Prozesse, damit neue Modelle schneller in den
Fleet-Loop gelangen. Der Schritt hin zu -Ansätzen und humanoiden Elementen
erhöht zusätzlich die Komplexität, weil die Systeme in dynamischen, schwer
vorhersagbaren Umgebungen zuverlässig arbeiten müssen—inklusive Monitoring,
Drift-Detektion und nachvollziehbarer Sicherheitslogik.
Damit verschiebt sich auch die Wettbewerbsdynamik. arbeitet seit Jahren an
Autonomie-Features und baut seine Software- und Datenpipeline systematisch aus;
Waymo verfolgt dagegen ein stärker operationalisiertes Roboter-Taxi-Modell mit
klaren geografischen Rollouts. In konkurrieren zudem Plattform- und
Tooling-Ökosysteme wie das Apollo-Umfeld von Baidu um Entwickler, Karten- und
Trainingsdaten. Branchenbeobachter berichten, dass der Markt derzeit weniger
„End-to-End-Magie“ als vielmehr Skalierung über Lebenszyklus-Engineering
belohnt: Wenn ein Anbieter Training, Validierung, Geräte-Deployments und
Sicherheitsprozesse sauber verbindet, entsteht aus Pilotbetrieb ein skalierbares
Produkt—und genau daran hängt für XPeng die Glaubwürdigkeit.
Besonders aufmerksam verfolgt wird das neue Modell GX, das als s erstes
serienmäßiges Roboter-Taxi eingeordnet wird. Die Nachfrage soll die Erwartungen
des Vorstands deutlich übertroffen haben, allerdings mit spürbarer
Lieferverzögerung: Kunden warten laut Angaben aktuell mehr als 30 Wochen auf die
Flaggschiff-Version. Aus strategischer Sicht ist das kurzfristig
zweischneidig—es zeigt Pull-Nachfrage, offenbart aber zugleich Engpässe in
Produktionskapazität und Lieferkette. Dass das Topmodell über 80 Prozent der
Erstbestellungen ausmacht, ist ein Hinweis auf ein klares Value-Profil.
Gleichzeitig sinken die Gewinnmargen hier stark, weshalb XPeng mit Zulieferern
an höheren Kapazitäten arbeitet, um Skaleneffekte zu erreichen.
Ein weiterer Punkt ist die internationale Expansion, die in der aktuellen Phase
eine zusätzliche Komplexität mit sich bringt. Ab dem zweiten Quartal soll der
Anteil der Auslandslieferungen am Umsatz schrittweise auf ein Fünftel steigen.
Das ist nicht nur eine Vertriebsentscheidung, sondern beeinflusst auch die
technische Validierung, weil lokale Verkehrsregeln, Datenverfügbarkeit und
Hardware-Roadmaps variieren. Spätestens für 2027 plant XPeng zudem ein
günstigeres Einstiegsmodell—ein Schritt, der die „physische KI“ potenziell
breiter zugänglich macht, aber nur gelingt, wenn die Kosten pro Fahrzeug
(Hardware, Training, Support) nachhaltig sinken. Im Vergleich zu anderen
Akteuren zeigt sich: Autonomie skaliert anders als klassische
Assistenzfunktionen, weil jedes neue Land mehr Tests und mehr regulatorische
Klarheit benötigt.
Regulatorisch und sicherheitstechnisch bleibt die Lage anspruchsvoll. Autonome
Systeme sind in vielen Rechtsräumen stark reglementiert, und selbst wenn ein
Fahrzeug technisch funktioniert, muss es in der Praxis nachweisbar sicher
sein—etwa über dokumentierte Validierungsberichte, Logging, Incident-Handling
und klare Update-Mechanismen. Dazu kommt : Telemetrie, Sensorikdaten und
Bewegungsprofile dürfen nicht unkontrolliert gesammelt oder gespeichert werden.
Besonders bei einem Robotaxi-Ansatz, der im öffentlichen Raum operiert, sind
Anforderungen an Datensparsamkeit, Zweckbindung und Zugriffskontrollen hoch. Für
Unternehmen bedeutet das: Sicherheitsarchitektur und Compliance werden zu
Produktfeatures, nicht zu „nachgelagerten Projekten“.
Blick nach vorn liefert XPeng zwar optimistische Signale, aber die Messlatte
bleibt hoch. Für das zweite Quartal nennt das Management eine Spanne bis zu
106.000 Auslieferungen und einen Umsatz von maximal 20,80 Milliarden Renminbi.
Getragen werden diese Erwartungen zudem durch hohe Barreserven von 42 Milliarden
Renminbi Ende März—genug „skasse“, um , Validierung und Serienanlauf
weiterzufinanzieren. Charttechnisch deutet der stark überverkaufte RSI (laut
Angabe 28) auf eine mögliche Gegenbewegung hin; fundamental entscheidet jedoch
der Fortschritt im Produktionshochlauf und die Fähigkeit, die margenbelastenden
Top-Varianten mittelfristig zu entlasten. Wenn XPeng die Auslieferungs- und
Kapazitätslücke schließt, kann die Story von physischer KI in Richtung
nachhaltiger Plattformökonomie kippen—wenn nicht, bleibt es bei einem teuren
Umbau mit hoher Ergebnisvolatilität.
💳
🔥
🎉
* 🤖 Präzisions-Roboterarm – Spielen wie gegen einen echten Gegner – SenseRobot
reproduziert das reale Schacherlebnis mit einem mechanischen Arm, der Figuren
mit weniger als 1 mm Genauigkeit bewegt und jeden Zug in nur 8 Sekunden
ausführt – im gleichen Tempo wie ein professioneller Spieler.
* IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist
ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine
Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er
auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
* V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von
Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung
hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und
anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen.
Mobile Hotspots können sich mit Loona verbinden und überwinden
WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren
können.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------

Quelle: www.it-boltwise.de

MERRITT, BRITISH COLUMBIA / LONDON (IT BOLTWISE) – HIVE kündigt einen
220-Millionen-US-Dollar-Deal an: BUZZ High Performance Computing liefert 2.304
Grace Blackwell GPUs als GPU-Cloud an Bell Canada und den KI-Anbieter Cohere.
Damit verschiebt der -Miner seinen Fokus deutlich Richtung KI-Infrastruktur und
generiert perspektivisch mehr planbare, mehrjährige Umsätze. Der Rollout soll
erst zwischen Ende 2026 und Anfang 2027 starten, aber der Vertrag gilt bereits
als sichtbarer Meilenstein in der „Sovereign AI“-Strategie Kanadas. Für
Enterprise- und Regierungskunden entsteht so eine lokal kontrollierte
Rechenbasis, die Training und Inferenz von Foundation Models absichern kann.
   ˗ˋˏ🧠ˎˊ˗
--------------------------------------------------------------------------------
* 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 Kursausschlag bei HIVE wirkt auf den ersten Blick wie ein klassischer
nimpuls – doch inhaltlich ist die Meldung eher ein Strukturwechsel als nur ein
neuer Auftrag. Das Unternehmen, das ursprünglich über Krypto-Mining auf
Rechenleistung setzte, verknüpft jetzt GPU-Kapazitäten mit einem mehrjährigen
Cloud- und Compute-Engagement im KI-Umfeld. Konkret hat die BUZZ High
Performance Computing-Tochter einen Vertrag über 220 Millionen US-Dollar über
drei Jahre mit Bell Canada und dem Torontoer KI-Spezialisten Cohere
abgeschlossen. Die unmittelbare Folge: HIVE positioniert sich damit deutlich als
Anbieter von KI-Infrastruktur statt als vornehmlich kryptogetriebener
Rechenhändler.
Technisch wird der Deal über eine lokal betriebene GPU-Cloud „on-premish“ im
Rechenzentrum umgesetzt – also dort, wo die Kunden ihre Daten und Workloads
kontrollieren wollen. Im Zentrum stehen 2.304 Grace Blackwell GPUs, die für das
Training und die Inferenz von KI-Modellen der nächsten Generation ausgelegt
sind. Diese Systeme werden bei Bell in einem eigens aufgebauten Datenzentrum in
Merritt, British Columbia, installiert. Cohere nutzt diese Compute-Schicht, um
seine KI-Plattform für kanadische Kunden zu betreiben, wodurch sich eine sehr
konkrete Kette von der Hardware bis zur Software-Pipeline ergibt:
Modell-Workloads laufen auf einer definierten Rechenbasis, die physisch im Land
und damit näher an den Anforderungen der öffentlichen Hand liegt.
STELLENANGEBOTE
Für Unternehmen ist dabei weniger die Schlagzeile entscheidend als die Art, wie
sich Kapazität in Planbarkeit übersetzt. HIVE berichtet, dass das neue
Vertragsvolumen die vertraglich gebundene HPC-Umsatzbasis über 100 Millionen
US-Dollar hebt und – sobald die Bereitstellung live ist – zusätzlich etwa 70
Millionen US-Dollar neue jährliche wiederkehrende Erlöse (Recurring Revenue)
erwartet. Gleichzeitig werden bereits bestehende GPU-Operationen mit rund 35
Millionen US-Dollar jährlich bilanziert; das neue Paket soll den Hebel deutlich
erhöhen. Das ist auch ein Branchenmuster: AI-Compute wird häufig über
mehrjährige Verträge mit Preis- und Verfügbarkeitslogik abgesichert, während en
in ihrer Erlösbasis stärker schwanken.
Am Markt wirkt der Schritt wie eine bewusste Gegenbewegung zur Volatilität im
Mining: Krypto-Mining wird mit zunehmender Konkurrenz schwieriger, weil
Block-Rewards schrumpfen und die Kostenbasis häufig konstant bleibt. Dazu kommen
„Crypto Winters“, in denen die Preisentwicklung der nicht nur die Erlöse drückt,
sondern Investitionen und Stillstände wahrscheinlicher macht. KI-Workloads
laufen dagegen auf eine wachsende Nachfrage hinaus, insbesondere bei
Regierungsstellen, die Rechenzentren, Datenflüsse und Verantwortlichkeiten enger
steuern möchten. Hier kommt die kanadische Diskussion um „Sovereign AI“ ins
Spiel: AI soll innerhalb nationaler Grenzen laufen, auf lokal kontrollierten
Daten, mit Infrastruktur, die nicht in beliebige Jurisdiktionen „ausweicht“.
Damit ist der Deal auch politisch und regulatorisch anschlussfähig. Kanada hat
laut dem beschriebenen Kontext bereits erheblich in heimische
KI-Compute-Kapazitäten investiert und Cohere direkt unterstützt; ein Vertrag
dieser Art liefert die „physische Schicht“ dieser Förderung, nicht nur die
angekündigte Strategie. Besonders relevant ist das für Behörden, weil ,
Nachvollziehbarkeit und rechtliche Zuständigkeiten an der Infrastruktur hängen.
Wenn Training und Inferenz lokal verarbeitet werden, lassen sich
Sicherheitsanforderungen und Governance-Modelle für Datenhaltung, Logging und
Zugriffskontrollen konsistenter gestalten. Aus Sicht von Enterprise-Kunden
reduziert das die Reibung bei regulatorischer Bewertung, etwa wenn
Auditierbarkeit und Datenresidenz nachweisbar Teil des technischen Designs sind.
Der Wettbewerbsaspekt zeigt sich zudem in der Wahl der Partner und im Timing.
Cohere wird hier als „Anchor“ genutzt: Das Unternehmen entwickelt
Foundation-Model-Systeme, also die Basisschicht, die typischerweise viele
Unternehmens-Use-Cases wie Chatbots oder Dokumentenverarbeitung versorgt.
Außerdem wurde in der Meldung auf die geplante Fusion mit s Aleph Alpha
verwiesen – ein Signal, dass die europäische und internationale KI-Landschaft
stärker in Richtung Modell- und Deployment-Integration drängt. Gleichzeitig
steht HIVE mit Blick auf frühere Maßnahmen nicht allein: In einer ähnlichen
Logik investierte bereits Keel Infrastructure, früher Bitfarms, in den Übergang
von Mining-Assets hin zu KI-nahen Compute-Plänen. Der Markt zeigt damit, dass
sich Rechenzentren als „Asset-Klasse“ neu aufladen.
In der technischen Vergleichsdimension ist interessant, wie sich eine GPU-Cloud
gegenüber „klassischer“ On-Prem-Implementierung vermarkten lässt. Bell und BUZZ
stellen eine definierte Compute-Umgebung bereit, während Cohere die höheren
Schichten – Modell-Stacks, Inferenz-Services und Integrationslogik –
verantwortet. Im Unterschied zu rein ausgelagerten Public-Cloud-Ansätzen
entsteht so ein Architekturrahmen, der für kritische Workloads oft besser durch
Governance- und Sicherheitsanforderungen passt. Für HIVE bedeutet das außerdem,
dass die Wertschöpfung nicht nur im Strompreis oder in der Mining-Effizienz
liegt, sondern im Betrieb von HPC-Umgebungen, im Capacity-Management und in der
vertraglichen Bindung. Damit konkurriert HIVE nicht nur mit anderen
Mining-to-Compute-Storylines, sondern auch indirekt mit etablierten Cloud- und
Colocation-Anbietern, wobei die „Sovereign“-Komponente als
Differenzierungsmerkmal dient.
Für die Zukunft kündigt HIVE bereits die nächste Stufe an. Parallel zum
220-Millionen-US-Dollar-Deal plant das Unternehmen ein
320-Megawatt-Rechenzentrum im Großraum Toronto, ausgelegt auf mehr als 100.000
-GPUs beim Vollausbau. Laut Erwartung soll dieses Vorhaben bei voller Nutzung
etwa 360 Millionen US-Dollar annualisierte wiederkehrende Erlöse liefern; bis
Ende 2028 strebt HIVE zudem ein breiteres Ziel von 660 Millionen US-Dollar
annualisierten HPC-Umsätzen an. Das ist ambitioniert, aber es macht die Richtung
klar: Der Übergang von Mining zu KI-Infrastruktur wird nicht als Zwischenstopp,
sondern als mehrjähriges Capital-Expenditure-Programm verstanden, mit dem sich
die Erlösstruktur strukturell stabilisieren soll.
Ob das gelingt, hängt an mehreren operativen Faktoren: Die Bereitstellung der
GPUs bis zum erwarteten Go-live zwischen Ende 2026 und Anfang 2027, die
tatsächliche Auslastung durch Cohere und weitere Kunden sowie der sichere
Betrieb bei Hochverfügbarkeit. Gleichzeitig bleibt zu beachten, dass „die Bubble
wechseln“ zwar plausibel klingt, aber die Risiken anders verteilt sind:
KI-Compute kann zwar planbarer nachgefragt werden, dennoch beeinflussen
Modellgenerationen, Effizienz-Quoten und Software-Optimierungen die
Wirtschaftlichkeit. Frank Holmes, Executive Chairman von HIVE, ordnet das
Vorhaben als Wendepunkt ein: Canada habe zwar Talent, aber vor allem lle
Infrastruktur gebraucht, um diese Fähigkeiten im großen Maßstab zu vermarkten;
BUZZ HPC werde dabei zur produktiven Grundlage. Wenn HIVE diese Versprechen in
Deployment, Betrieb und Skalierung einlöst, entsteht für Entwickler und
Enterprises ein interessanter Pfad zu „lokal souveränem“ KI-Compute – ein Feld,
in dem Ausschreibungen, Sicherheitsanforderungen und mehrjährige
Beschaffungszyklen künftig stark mitspielen dürften.
💳
🔥
🎉
* 🤖 Präzisions-Roboterarm – Spielen wie gegen einen echten Gegner – SenseRobot
reproduziert das reale Schacherlebnis mit einem mechanischen Arm, der Figuren
mit weniger als 1 mm Genauigkeit bewegt und jeden Zug in nur 8 Sekunden
ausführt – im gleichen Tempo wie ein professioneller Spieler.
* IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist
ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine
Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er
auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
* V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von
Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung
hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und
anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen.
Mobile Hotspots können sich mit Loona verbinden und überwinden
WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren
können.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------

Quelle: www.it-boltwise.de

CUPERTINO / LONDON (IT BOLTWISE) – schiebt die zweite öffentliche Testversion
von visionOS 26.6 nach und bereitet parallel den Sprung zu visionOS 27 vor, der
stark vom KI-Fokus geprägt ist. In der ersten Developer-Beta von visionOS 27
kündigt das Unternehmen ein neu gestaltetes Siri-Interface an, das mit einer
abgespeckten Gemini-Variante zusammenarbeitet. Während Nutzer zunächst vor allem
Stabilität und Sicherheit erhalten, rückt das Ökosystem für Spatial Computing
mit Drittanbieter-Apps und Unternehmenslösungen weiter nach vorn. Für Entwickler
wird entscheidend, wie sich die Gemini-Funktionalität praktisch in Apps
einbinden lässt und welche Sicherheits- und mechanismen dabei wirken.
   ˗ˋˏ🧠ˎˊ˗
--------------------------------------------------------------------------------
* 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!
--------------------------------------------------------------------------------
liefert mit visionOS 26.6 eine zweite öffentliche Testversion für die Vision Pro
aus – und zwar nur kurz nach der Developer-Beta. Das Timing ist auffällig: Es
wirkt wie eine der letzten Feinschliff-Phasen im 26er-Zyklus, bevor der Konzern
im weiteren Verlauf des Jahres auf visionOS 27 umstellt. Inhaltlich bleibt der
Schwerpunkt eher konservativ. Statt großer Nutzer-Features stehen
Leistungsoptimierungen, Fehlerbehebungen und gezielte Sicherheitspatches im
Vordergrund. Parallel schiebt auch iOS 26.6, iPadOS 26.6, macOS Tahoe 26.6,
watchOS 26.6 und tvOS 26.6 in die nächste Testschleife, was auf ein konsistentes
Security- und Stabilitätsprogramm über das gesamte Plattform-Portfolio
hindeutet.
Technisch betrachtet ist diese Release-Strategie typisch für Plattformen, die
gleichzeitig Infrastruktur härten und künftige Systemfähigkeiten vorbereiten.
Für visionOS 26.6 nennt keine radikale Neupositionierung des Funktionsumfangs,
sondern setzt auf die Qualitätsschraube: Weniger Abstürze, besseres
Ressourcenmanagement und sicherheitsrelevante Fixes. Interessant ist dabei der
Bereich Geräteschutz und Missbrauchsdetektion. Berichten zufolge weist die
Software künftig auch dann auf Auffälligkeiten hin, wenn sehr viele Kontakte
blockiert werden – ein Signal, das in einem mobilen Kontext auf untypische
Nutzermuster schließen soll. Zusätzlich deutet der Quellcode auf einen
Diebstahlschutzmechanismus hin, der Geräte bei ruckartigem Entreißen automatisch
sperrt und damit die Angriffsfläche nach einem physischen Zugriff reduziert.
STELLENANGEBOTE
Mit Blick auf visionOS 27 verschiebt sich das Bild deutlich: hält zwar zunächst
am bestehenden Funktionsset fest, zeigt aber in der ersten Developer-Beta einen
klaren Vorgeschmack auf das, was später als KI-gestütztes Erlebnis ankommt. Auf
s Entwicklerkonferenz stand dabei die dritte Generation von Intelligence im
Mittelpunkt. Neu ist vor allem das Siri-Interface, das als animierte, schwebende
Kugel erscheint und per Blick gesteuert wird. Dahinter steckt eine strategische
Partneridee: Siri greift auf eine abgespeckte Gemini-Variante zurück, die laut
Beschreibung etwa 1,2 Billionen Parameter nutzt. Damit nähert sich dem Pattern
an, bei dem Kern-UX lokal bleibt, während sprach- und wissensintensive
Komponenten selektiv über KI-Modelle orchestriert werden – ein Vergleich, der
auch Branchenbeobachtern zeigt, wie sehr die Wettbewerbslage in Richtung
Multimodalität und KI-Orchestrierung geht.
Der Marktkomponente lässt sich diese Entwicklung nicht wegdiskutieren. baut
damit eine KI-Schicht, die in das Spatial-Computing-Ökosystem hineinwirkt – und
gleichzeitig Druck auf Alternativen ausübt, die ebenfalls Assistenzfunktionen
und KI-Fähigkeiten bewerben. Als konkretes Signal, dass das Ökosystem wächst,
veröffentlicht Valve zudem eine native Steam-Link-App für das Headset. Damit
werden 2D-Spiele per Streaming vom PC oder Mac auf das Spatial Display gebracht;
das ist nicht nur ein Komfortgewinn, sondern auch ein Nutzeranker, der
Entwickler auf die Frage bringt, wie sie Interaktionen im Raum gestalten, ohne
zwingend neue 3D-Spielpipelines zu benötigen. Im Unternehmenskontext kommt die
App dilium mit Spatial Plan Enterprise über den Business Manager, was zeigt,
dass LiDAR-gestützte „digitale Zwillinge“ und KI-n in Inspektion und Wartung
zunehmend als Business Case in Bild- und Standortdaten gedacht werden.
Dass die KI-Funktionalität nicht nur als Demo, sondern als Entwicklerplattform
begreift, erkennt man an den Anmeldewegen. Einige Entwickler sollen innerhalb
von 24 Stunden Zugang zur Siri-KI-Warteliste erhalten haben, die in der
aktuellen Phase offen bleibt. Branchenexperten erwarten, dass sich der
Wettbewerb künftig weniger auf reine Modellwerbung fokussiert, sondern auf die
Frage, wie schnell und zuverlässig KI-Funktionen in reale Produkt-Workflows
integriert werden. In der Diskussion wird häufig betont, dass „Use Cases“ vor
„Model Names“ gewinnen: Welche Aktionen in der App lassen sich mit geringem
Latenzbudget ausführen, wie gut lassen sich Kontext und rollen abbilden und wie
stabil bleibt die UX, wenn Netzwerk oder Modellzustand schwanken. Genau hier
liegen laut Einschätzung vieler Teams die eigentlichen Hebel für Adoption.
Für visionOS 27 nennt mehrere Feature-Richtungen, die zusammen ein konsistentes
Bild ergeben. „Visuelle Intelligenz“ soll Objekte im Sichtfeld erkennen und
Kontextinformationen liefern; das wäre ein weiterer Schritt hin zu assistierter
Interaktion im Raum, ähnlich wie frühe Prototypen, nur mit stärkerer
UX-Integration. „Produktivitätsschub“ betrifft Safari und die
Multifenster-Nutzung: Bis zu fünf „gebogene“ Fenster nebeneinander, kombiniert
mit einer potenziell deutlichen Steigerung des WLAN-Durchsatzes. „Individuelle
Umgebungen“ drehen den Medienkonsum Richtung Erlebnis: Panoramafotos sollen sich
in immersive 3D-Welten verwandeln lassen. Für Barrierefreiheit plant außerdem ab
September 2026 eine Augensteuerung für LUCI-Elektrorollstühle in Zusammenarbeit
mit dem Northwestern University DRIVE-Projekt. Technisch ist das ein Beispiel
dafür, wie KI-Fähigkeiten, Sensordaten und Hardware-Integration zusammengeführt
werden.
Auch der Sicherheits- und Regulierungsrahmen bleibt für Unternehmen und
Entwickler zentral, gerade wenn KI im Vordergrund steht. In einer
Spatial-Umgebung sind Sensorik und Kontext besonders sensibel: Blickdaten,
räumliche Positionierung und Nutzereingaben können Rückschlüsse auf Verhalten
ermöglichen. Daher gewinnt das Zusammenspiel aus Gerätehärtung,
Ereignisdetektion und nachvollziehbaren Schutzmechanismen an Bedeutung. Die in
den Betas angedeuteten Diebstahl- und Verhaltenshinweise wirken wie Bausteine
einer „Defense-in-Depth“-Strategie, die sich nicht nur auf klassische
Kontosicherheit beschränkt. Für teams und Compliance-Verantwortliche wird zudem
wichtig, wie Datenflüsse für KI-Funktionen kontrolliert, welche
Opt-in-Mechanismen existieren und wie sich Rechteverwaltung in
Unternehmensumgebungen über Plattform-Tools abbilden lässt – besonders, wenn
Drittanbieter wie in den beschriebenen Use Cases LiDAR-Informationen und
KI-gestützte n nutzen.
Der Ausblick verdichtet sich auf zwei Ebenen. Einerseits erwarten Entwickler die
ersten Public Betas der visionOS-27-Familie für Juli 2026, während die finalen
Versionen von visionOS 27 und iOS 27 im Herbst erscheinen sollen. Andererseits
deutet die Roadmap auf KI-getriebene Fotobearbeitung und bessere
Aufräumfunktionen hin, darunter Spatial Reframing sowie eine
„Clean-Up“-Verbesserung. Für die Praxis bedeutet das: Unternehmen, die in der
Beta-Phase testen, können schon früh ihre Workflows validieren und Latenzen,
Medienqualität und Sicherheitsverhalten gegen reale Nutzungsszenarien prüfen. In
der Entwicklungsarbeit entsteht zudem eine klare Erwartung: Entwickler werden in
den kommenden Quartalen verstärkt darauf achten müssen, wie sie Gemini-ähnliche
KI-Komponenten sinnvoll kapseln, mit Blick-Interaktionen kombinieren und dabei
die Härtungsmechanismen der Plattform respektieren. Wer jetzt investiert, kann
später schneller Produkte launchen, sobald die Public-Welle startet.
💳
🔥
🎉
* 🤖 Präzisions-Roboterarm – Spielen wie gegen einen echten Gegner – SenseRobot
reproduziert das reale Schacherlebnis mit einem mechanischen Arm, der Figuren
mit weniger als 1 mm Genauigkeit bewegt und jeden Zug in nur 8 Sekunden
ausführt – im gleichen Tempo wie ein professioneller Spieler.
* IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist
ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine
Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er
auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
* V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von
Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung
hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und
anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen.
Mobile Hotspots können sich mit Loona verbinden und überwinden
WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren
können.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------

Quelle: www.it-boltwise.de

LONDON (IT BOLTWISE) – Adobe startet im Rahmen eines öffentlichen Betas
KI-Assistenten in den Kern-Apps der Creative Cloud. In Photoshop, Premiere,
Illustrator, InDesign und Frame.io sollen Prompt-basierte Workflows alltägliche
Aufgaben automatisieren und Kreativschaffende bei strukturellen Änderungen
unterstützen. Die Assistenten arbeiten als app-spezialisierten „Spezialisten“
innerhalb jeder Anwendung und zielen damit auf schnellere Organisation, weniger
manuelle Vorarbeit und konsistentere Ergebnisse. Für Unternehmen und Teams ist
vor allem relevant, wie sich solche Agenten in Security- und Governance-Prozesse
einbetten lassen.
   ˗ˋˏ🧠ˎˊ˗
--------------------------------------------------------------------------------
* 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!
--------------------------------------------------------------------------------
Adobe treibt seine KI-Strategie in der Creative Cloud spürbar weiter: Nach
ersten KI-Funktionen in den Web- und Mobile-Varianten bringt der Anbieter jetzt
promptbasierte Assistenten in die „klassischen“ Desktop-Apps für Bild, Video,
Publishing und Kollaboration. Im öffentlichen Beta werden Photoshop, Premiere,
Illustrator, InDesign sowie Frame.io jeweils mit einem eigenen KI-Assistenten
ausgestattet, der den Arbeitsfluss direkt in der jeweiligen Oberfläche
unterstützt. Das Besondere ist dabei nicht nur der Chat-Ansatz, sondern die
Spezialisierung: Der Assistent versteht die Logik des jeweiligen Tools so, dass
er Aufgaben nicht allgemein „umschreibt“, sondern gezielt in Timeline-, Layer-
oder Layout-Kontexte eingreift.
Technisch ordnet sich das in eine Entwicklung ein, die man seit den ersten
Generative-AI-Integrationen in Kreativ-Werkzeuge kennt: weg von isolierten
Effekten hin zu agentenartigen, dialogbasierten Bedienmodellen. Adobe spricht
dabei von einem „conversational creative agent“, der jedoch innerhalb jeder App
als „Spezialist“ agiert. Praktisch bedeutet das: Der Premiere-Assistent wird für
Video-typische Abläufe „feingetunt“, etwa um Assets zu sortieren, Clips nach
Inhaltsthemen zu benennen oder anhand von gesprochenen Inhalten Marker und
Startpunkte für eine Schnittstruktur vorzuschlagen. In Photoshop ist der gleiche
Mechanismus auf Foto-Editing ausgerichtet, sodass Prompts eher wie ein
kontrollierter Arbeitsauftrag wirken als wie ein generischer Textgenerator.
STELLENANGEBOTE
Bei Premiere zielt Adobe besonders auf die unattraktive Vorarbeit, die in
Video-Projekten häufig Zeit frisst: Asset-Reorganisation, Batch-Umbenennung und
die Ableitung von Struktur aus Audio- oder Speech-Inhalten. Wenn der Assistent
bestimmte Fragen oder Keywords in aufgezeichneten Sequenzen identifiziert und
daraus Marker in der Timeline erstellt, kann das bei Team-Workflows den
„Drehbuch“-Teil verkürzen und den Einstieg in die eigentliche Bearbeitung
beschleunigen. Diese Idee ist in der Branche nicht neu, aber der Schritt in die
native Timeline-Umgebung ist entscheidend: Viele KI-Funktionen bleiben bislang
in Zusatztools oder Erklärmodi stecken, während hier der Agent direkt in die
Projektlogik eingreifen soll.
Auch Photoshop wird konsequent als Ergebnisorientierung gedacht: Nutzer
beschreiben den gewünschten Outcome, und der Assistent orchestriert
Layer-Organisation, Hintergrundwechsel oder das Zuschneiden und Umformatieren
für Plattformen. Damit erweitert Adobe ein Paradigma, das man bereits aus
Firefly-gestützten Assistenzfunktionen kennt, nun aber in eine „tägliche“
Desktop-Arbeitsroutine überführt. Ergänzend kommt Illustrator mit multi-step
Production Jobs ins Spiel, etwa wenn der Assistent Farbraumfehler oder fehlende
Fonts erkennt, Layout-Komponenten organisiert oder Varianten aus einer Tabelle
erzeugt. Für InDesign und Frame.io rückt wiederum Publishing- und Review-Arbeit
in den Fokus: Print-Readiness-Checks, globale Copy- und Styling-Updates über
Seitenlayouts sowie das Sichtbarmachen von Revisionsfeedback und das Management
von Shoot-Assets.
Marktseitig steckt hinter dem Rollout ein klarer Wettbewerbsvorteil: Adobe
versucht, KI nicht als „Feature-Paket“ zu verkaufen, sondern als durchgängigen
Operator über mehrere Apps hinweg. Das setzt es in Konkurrenz zu Workflows, die
eher auf stand-alone KI-Editoren oder andere Kreativplattformen setzen, etwa
Tools, die Automationen im Schnitt, in der Bildbearbeitung oder beim Design
bereits stärker als Assistenz „zwischen“ die Schritte schieben. Branchenexperten
berichten zudem, dass genau diese Integrationstiefe der nächste Engpass in
Unternehmen sein wird: Nicht „kann KI“ ist die Frage, sondern „kann KI im
konkreten Toolkontext sicher und nachvollziehbar unterstützen“. In diesem
Beta-Ansatz versucht Adobe, die Schnittstelle zwischen menschlicher Intention
(Prompt) und maschineller Ausführung (App-spezifische Speziallogik) enger zu
ziehen.
David Wadhwani, Creativity Head bei Adobe, rahmt das Ganze als Erweiterung eines
Versprechens: Kreative sollen über jede App und Plattform hinweg einen
agentenartigen Helfer an der Hand haben, der Vision, Geschmack und
Entscheidungen unterstützt, die nur Menschen zuverlässig treffen können. Diese
Positionierung ist in der Praxis wichtig, weil sie die Verantwortung verschiebt:
Teams müssen klären, wie Prompts dokumentiert werden, wie Ergebnisse validiert
werden und inwieweit KI-Aktionen rückgängig gemacht oder revisionsfähig bleiben.
Für Unternehmen entsteht damit eine neue Governance-Schicht, ähnlich wie bei
früheren Automatisierungsfunktionen, nur mit höherer Varianz im Output.
Entscheidend ist daher, ob die Assistenten transparente Verfahrenswege bieten,
Rollen und Berechtigungen respektieren und in bestehenden Security-Policies
eingebunden werden können.
Historisch betrachtet markiert der Schritt einen Übergang von punktuellen
KI-Hilfen hin zu „Workflow-KI“, wie man sie auch aus anderen Softwaredomänen
kennt: Von der klassischen Rechtschreibfunktion über Autocomplete bis zu
MLOps-gestützten Agenten in Business-Software. Frühere Generative-AI-Erfahrungen
in Kreativtools zeigten, dass Nutzer oft mehr Kontrolle und bessere
Erklärbarkeit brauchen, als ein rein textgesteuertes Magie-Versprechen liefern
kann. Der jetzt offensichtliche Fokus auf App-internes Kontextwissen (Timeline,
Layer, Layout-Templates, Review-Stationen) adressiert genau dieses Problem.
Zudem folgt Adobe damit dem Trend, KI-Funktionen dort zu integrieren, wo die
Daten ohnehin entstehen—statt kreative Arbeit erst in separate Tools umzuladen.
Für die nächsten Monate wird sich zeigen, wie schnell Adobe die Beta-Fähigkeiten
in stabile, teamtaugliche Routinen überführt und welche Kontrollmechanismen
Nutzer erwarten dürfen. Wahrscheinlich werden sich Prompt-Formate etablieren,
die wie „semi-strukturierte Befehle“ funktionieren, weil sie besser wiederholbar
sind als freie Sprache. Für Entwickler und Systemintegratoren eröffnet das zudem
Chancen: Wer eigene Workflows um Adobe herum automatisiert, kann solche
Assistenten als Beschleuniger in bestehenden Pipeline-Prozessen einplanen—etwa
für Asset-Organisation, Vorschau-Runden oder erste Layout-Checks—und
gleichzeitig Logging sowie Zugriffskontrollen anpassen. Aus Compliance- und
sicht bleibt allerdings kritisch, wie der Assistent mit Projektinhalten umgeht,
welche Daten verarbeitet werden und wie Teams ihre Richtlinien für sensible
Inhalte durchsetzen.
💳
🔥
🎉
* 🤖 Präzisions-Roboterarm – Spielen wie gegen einen echten Gegner – SenseRobot
reproduziert das reale Schacherlebnis mit einem mechanischen Arm, der Figuren
mit weniger als 1 mm Genauigkeit bewegt und jeden Zug in nur 8 Sekunden
ausführt – im gleichen Tempo wie ein professioneller Spieler.
* IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist
ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine
Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er
auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
* V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von
Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung
hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und
anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen.
Mobile Hotspots können sich mit Loona verbinden und überwinden
WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren
können.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------

Quelle: www.it-boltwise.de

NEW YORK / LONDON (IT BOLTWISE) – Der NYC-Finanzierungsmarkt bleibt in Bewegung:
Ralo hat in der Seed-Runde 2,9 Mio. USD eingeworben, um eine KI-gestützte
Plattform für die vorprüfung und den Hypothekenvergleich aufzubauen. Die Runde
bringt bekannte Venture-Partner und Angel-en an einen Punkt, an dem
Automatisierung und Regulatorik im Hypothekengeschäft besonders eng
zusammenlaufen. Für Unternehmen und Entwickler ist vor allem entscheidend, wie
Ralo die KI in Prozesse wie Datenabgleich, Offerten-Erstellung und
Dokumentenprüfung integriert. Der Artikel ordnet die Neuigkeit technisch,
marktwirtschaftlich und mit Blick auf Security und Compliance ein.
   ˗ˋˏ🧠ˎˊ˗
--------------------------------------------------------------------------------
* 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 New York zeigt sich erneut, wie schnell sich das -Ökosystem zwischen
Seed-Kapital und Produktreife bewegt: Ralo, eine Mortgage-Brokerage-Plattform,
hat laut vorliegenden Angaben 2,9 Mio. USD in einer Seed-Runde eingesammelt.
Zentraler Kern des s ist der Einsatz Künstlicher Intelligenz, um
homebuyer-taugliche Rate-Vergleiche zu ermöglichen und anschließend die
Loan-Originierung zu unterstützen – und zwar mit dem Anspruch, unterhalb
marktüblicher Konditionen zu operieren. Die Finanzierung kommt von en wie Y
Combinator sowie weiteren Venture- und Angel-Partnern; das Team wurde 2025 von
Arjun Lalwani und Helly Shah gegründet.
Technisch betrachtet verschiebt eine solche KI-gestützte Mortgage-Logik den
Fokus weg von rein manuellen Broker-Workflows hin zu datengetriebenen
Entscheidungsschritten. In der Praxis bedeutet das, dass Eingaben des Kunden
(etwa Angaben zum Objekt, zur Finanzierungssituation und zu relevanten
Randbedingungen) in eine strukturierte Form überführt werden müssen, bevor ein
Modell überhaupt sinnvoll arbeiten kann. Ergänzend braucht es eine belastbare
Pipeline für Datenabgleich, Validierung und die Konsistenz zwischen den
Ergebnissen des Modells und den Anforderungen der späteren prüfung. Der
organisatorische Engpass liegt dabei häufig nicht im „Modell“, sondern in der
nahtlosen Verknüpfung von KI-Ausgaben mit dem tatsächlichen
Underwriting-Prozess.
STELLENANGEBOTE
Als Vergleichsfolie lohnt ein Blick auf etablierte Anbieter und digitale Player,
die bereits seit Jahren Hypothekenprozesse automatisieren: Von Plattformen, die
vor allem den Vergleich und die Lead-Generierung optimieren, bis hin zu
digitalen gebern, die deutlich stärker in den eigentlichen Origination-Flow
eingreifen. In diesem Umfeld wird der Wettbewerb vor allem dort entschieden, wo
Datenqualität, Geschwindigkeit und Compliance zusammenwirken. Ralo tritt damit
in einen Markt ein, der durch hohe Erwartungen an Transparenz und
Nachvollziehbarkeit geprägt ist: Kunden wollen verstehen, warum ein entsteht,
und wollen vermeiden, dass KI-Ergebnisse zu Drift, Bias oder unvollständigen
Datengrundlagen führen. Genau hier entsteht für das ein operativer
Differenzierungshebel, aber auch ein Risiko: Je enger die Automatisierung, desto
höher die Anforderungen an Governance.
Die enseite wirkt dabei strategisch: Dass Y Combinator und mehrere weitere
Venture- und Angel-Stimmen in einer frühen Phase einsteigen, deutet auf einen
Ansatz hin, der sowohl „Build“-Tempo als auch Validierung über Pilot-Kunden
adressieren soll. Experten berichten regelmäßig, dass Seed-Runden in Fintech
besonders dann Vertrauen erzeugen, wenn ein Team konkrete Integrationspfade für
Daten, Schnittstellen und Dokumentenworkflows aufzeigen kann. Für Ralo heißt
das: Neben dem KI-Modell muss die Architektur zeigen, wie e generiert, Daten
dokumentiert und Prüfpfade nachvollziehbar gemacht werden. Gerade in einem
regulierten Finanzumfeld ist die Frage nach Auditierbarkeit oft entscheidender
als die reine Modellgenauigkeit.
Regulatorisch ist der Bereich Mortgage-Origination besonders sensibel, weil hier
nicht nur , sondern auch Fairness- und Nachweispflichten eine Rolle spielen.
Auch wenn die vorliegenden Informationen keine Details zur konkreten
Modellierung offenlegen, ist für Unternehmen im US-Finanzsektor üblich, starke
Kontrollen für Datenverarbeitung, Berechtigungskonzepte und Protokollierung
aufzubauen. Hinzu kommt die Erwartung an Risikomanagement: Wenn KI Empfehlungen
ausspielt, müssen diese Empfehlungen so gestaltet sein, dass sie in menschliche
Entscheidungen eingebettet oder zumindest reproduzierbar werden. Für Ralo
bedeutet das in der Umsetzung typischerweise: Logging, Modellversionierung,
Zugriffsschutz und ein klares Verfahren für Fehlerfälle, etwa wenn Datensätze
unvollständig sind.
Für die Marktmechanik in NYC ist die Nachricht dennoch auch ein Signal in
Richtung „Timing“: Seed-Kapital kommt häufig dann, wenn ein entweder (a) erste
Produktmetriken erreicht oder (b) einen Integrationssprung vorbereitet. Ralo
nennt als Ziel, homebuyer beim Vergleich und bei der Loan-Originierung zu
unterstützen – das ist eine Kombination, die häufig erst dann skalierbar wird,
wenn die Conversion-Pipeline funktioniert und die Partner- bzw. sseite
hinreichend verfügbar ist. Das bedeutet für den Standort New York: Der
Wettbewerb unter s ist hoch, aber die Nachfrage nach digitaler Unterstützung bei
Finanzentscheidungen bleibt konstant. Damit steigt der Druck, nicht nur „smart“
zu wirken, sondern messbar effizienter zu werden.
Aus Entwickler- und Engineering-Sicht ist die wahrscheinlichste Differenzierung
eine robuste, cloud-native Umgebung, die KI-Entscheidungen mit klassischen
Systemen verzahnt: Datenhaltung, Workflow-Orchestrierung, Schnittstellen zu
Formularen und Dokumenten sowie eine klare Trennung von Vorhersage, Regelwerk
und Persistenz. Während viele Teams bei der KI-Entwicklung starten, entscheidet
im Fintech-Produktbetrieb oft die MLOps-Schicht: Modell-Monitoring,
Drift-Erkennung, Testen von Datenpipelines und die Sicherstellung, dass neue
Versionen kontrolliert ausgerollt werden. Im Vergleich zu Ansätzen, die
ausschließlich auf Off-the-shelf-Komponenten setzen, profitieren Lösungen wie
Ralo besonders dann, wenn sie die KI-Ausgaben „operational“ machen, also in
echte Prozesse, inklusive Fehlerbehandlung, übersetzen.
In die Zukunft gedacht, kann Ralo von mehreren Entwicklungslinien profitieren:
Erstens dürfte die Nachfrage nach effizienteren Hypothekenprozessen steigen,
weil steigende Komplexität im Antrags- und Dokumentationsumfeld die operative
Last erhöht. Zweitens wächst die Bedeutung von Plattformen, die Vergleich und
Origination enger koppeln, weil Kunden weniger Stationen und schnellere
Antworten erwarten. Drittens wird die Sicherheits- und Compliance-Schicht zum
dauerhaften Wettbewerbsfaktor: Wer Auditierbarkeit und Datensparsamkeit von
Beginn an ernst nimmt, hat später weniger Reibungsverluste bei Partnern und
Prüfstellen. Für die -Landschaft heißt das: Seed-Runden wie diese sind nicht nur
Kapitalbeschaffung, sondern auch eine frühe Weichenstellung dafür, wie
verantwortungsvoll KI in Finanzentscheidungen integriert wird.
💳
🔥
🎉
* 🤖 Präzisions-Roboterarm – Spielen wie gegen einen echten Gegner – SenseRobot
reproduziert das reale Schacherlebnis mit einem mechanischen Arm, der Figuren
mit weniger als 1 mm Genauigkeit bewegt und jeden Zug in nur 8 Sekunden
ausführt – im gleichen Tempo wie ein professioneller Spieler.
* IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist
ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine
Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er
auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
* V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von
Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung
hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und
anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen.
Mobile Hotspots können sich mit Loona verbinden und überwinden
WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren
können.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------

Quelle: www.it-boltwise.de

ZÜRICH / LONDON (IT BOLTWISE) – und der Autonomie-Anbieter WeRide wollen ihren
Robotaxi-Dienst in Zürich in den kommerziellen Betrieb bringen. Geplant ist der
Start mit Sicherheitsfahrern im Dezember 2026, bevor die Fahrzeuge schrittweise
ohne Personal fahren sollen. Die Buchung soll später direkt über die -App laufen
– abhängig von der Genehmigung durch das Bundesamt für Strassen. Gleichzeitig
ordnet sich das Vorhaben in eine internationale Expansion ein, die bis 2030 in
mehreren Städten auf Vollbetrieb zielt.
   ˗ˋˏ🧠ˎˊ˗
--------------------------------------------------------------------------------
* 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!
--------------------------------------------------------------------------------
und WeRide treiben den nächsten Schritt ihrer Robotaxi-Kooperation in voran:
Nach der Ankündigung für Madrid folgt nun Zürich. Der Zeitplan ist dabei klar
gestaffelt und orientiert sich an einem typischen Markterprobungsmodell für
autonome Mobilität im Straßenverkehr: zunächst bezahlte Fahrten mit
Sicherheitsfahrern, danach die schrittweise Reduktion der menschlichen Aufsicht.
Für die Stadt und den ÖPNV-Umfeld bedeutet das weniger eine sofortige
Verdrängung klassischer Verkehrsangebote als vielmehr ein Testlabor im
Echtbetrieb, bei dem Genehmigungen, Betriebsmodelle und Sicherheitskennzahlen
eng zusammenlaufen.
Technisch steht hinter dem Start eine integrierte Autonomie-Stack-Logik, bei der
Perzeption (z. B. Sensorfusion aus Kamera und weiteren Sensoren),
Entscheidungsfindung und Fahrzeugkontrolle als durchgängige Pipeline arbeiten
müssen. Gerade im Stadtverkehr entscheidet sich die Qualität häufig weniger an
„Spitzenleistungen“ als an Robustheit: stabile Erkennung in wechselnden
Wetterlagen, sauberes Handling komplexer Kreuzungen und nachvollziehbare
Sicherheitslogik im Grenzfall. Interessant ist zudem, dass WeRide in der Region
nicht bei null startet: Bereits Ende 2025 wurde im Furttal eine Testgenehmigung
für autonomes Fahren erwirkt, was auf vorhandene operative Erfahrung und eine
beschleunigte Validierung hindeuten könnte.
STELLENANGEBOTE
Regulatorisch wird es in der Schweiz besonders eng, weil die Freigabe für
fahrerlose Systeme in der Regel deutlich strenger ausfällt als bei reinen
Testfahrten. Für Zürich ist daher die Genehmigung des Bundesamts für Strassen
(ASTRA) der zentrale Taktgeber, damit die Buchung über die -App überhaupt in den
Regelbetrieb übergehen kann. In der ersten Phase sollen Sicherheitsfahrer den
Betrieb begleiten, während die Flottenorganisation an einen Dienstleister
übergeht: Laut Angaben übernimmt Rydera den Flottenbetrieb. Diese Trennung von
Betrieb, Buchung und Autonomie ist in der üblich, weil so Lastspitzen,
Wartungsfenster und Vor-Ort-Abwicklungen planbar bleiben.
Der Fahrplan bis zum „vollständig autonomen“ Betrieb ist ambitioniert. Erste
bezahlte Fahrten mit Sicherheitspersonal sollen im Dezember 2026 beginnen; etwa
sechs Monate später ist der Übergang zu einem rein autonomen Betrieb vorgesehen.
Bis Mitte 2027 sollen in Zürich und Madrid die Sicherheitsfahrer dann komplett
entfallen, sodass -Fahrten ohne menschliche Aufsicht laufen. Dieses Muster
ähnelt dem Vorgehen anderer Anbieter in der „Limited Geofencing“-Phase: Man
reduziert schrittweise die menschliche Eingriffsberechtigung, während sich die
Betriebsdaten aus dem realen Verkehr akkumulieren. Als Vergleich drängen vor
allem Waymo und weitere Robotaxi-Programme in den Markt, die ebenfalls über
gestufte Freigaben und klar definierte Einsatzgebiete gehen.
Marktseitig ist der Ausbauschritt nicht nur operativ, sondern auch
kapitalmarktgetrieben sichtbar. In den Angaben zur nreaktion zeigt sich jedoch
ein vorsichtiges Bewertungsmuster: WeRide-n notierten nach der Ankündigung bei
6,30 Euro (rund -2,78 %), während -Titel leicht zulegten (+0,55 % auf 73,25
Euro). Das passt zu einem Branchenmuster, in dem autonome Mobilität zwar hohe
strategische Attraktivität besitzt, kurzfristig aber von Unsicherheiten
dominiert wird: Genehmigungen, Sicherheitsnachweise und mögliche Anpassungen im
Betrieb können sich verzögern. Branchenexperten berichten, dass genau diese
„Regulatory Variance“ häufig den Takt für den Realisierungsgrad der Zeitpläne
vorgibt.
Ein zentraler Erfolgsfaktor ist dabei das Zusammenwirken aus WeRides
Autonomie-Technologie und s Vermittlungsplattform. Die Integration in die -App
ist nicht nur ein Vertriebselement, sondern beeinflusst auch die operative
Steuerung: Nachfrage, Standortdynamik, Lade- und Wartungsplanung sowie das
Management von Störungen laufen dann enger zusammen. Gleichzeitig ist das
Preismodell ein Signal an den Mainstream-User: Für die erste Phase soll der
Preis auf dem Niveau von X bzw. Standard liegen. Aus Sicht der Skalierung ist
das wichtig, weil ein Robotaxi- ohne Anschluss an vorhandene
Zahlungsbereitschaft schwer planbar bleibt. In der Praxis entscheidet sich
Skalierung deshalb an Betriebs-KPIs wie Auslastung, Incident-Rate und
„Time-to-Recovery“ nach Ereignissen.
Für Unternehmen und Entwickler ist der Schritt nach Zürich auch deshalb
relevant, weil autonome Dienste zunehmend als Plattformökosystem zu verstehen
sind. Flottenbetrieb, Sensor- und Fahrzeug-Updates, Telemetrie-Auswertung,
Incident-Management und Datenaustausch zwischen Autonomie- und Betriebsteam
müssen entlang definierter Schnittstellen funktionieren. Hier liegt historisch
der Engpass vieler früherer Ansätze: Schon seit den 2010er-Jahren scheiterten
mehrere Programme weniger an einzelnen Modellen, sondern an der fehlenden
End-to-End-Betriebsfähigkeit – von der technischen Absicherung bis zur
skalierbaren Wartung. Entscheidend ist zudem, wie gut sich Erkenntnisse aus
Testgebieten in neue City-Zonen übertragen lassen, ohne die gesamte Validierung
neu aufzusetzen.
Aus regulatorischer und rechtlicher Perspektive bleibt schließlich der Blick
nach vorn entscheidend. Robotaxis erzeugen kontinuierlich personenbezogene und
umweltbezogene Daten aus dem Straßenraum; auch wenn nicht jede Datenkategorie
automatisch „personenbezogen“ im engeren Sinn ist, müssen Speicherfristen,
Zugriffsrechte und Zweckbindung belastbar geregelt sein. In der Schweiz wirkt
dabei typischerweise ein Zusammenspiel aus Genehmigungsanforderungen und
prinzipien, etwa bei der Verarbeitung von Sensordaten und Logfiles. Wenn und
WeRide den Zeitplan halten wollen, werden sie daher neben der technischen
Leistungsfähigkeit vor allem nachweisen müssen, dass Sicherheits- und
Compliance-Kontrollen im Betrieb zuverlässig greifen. Für die nächsten Quartale
dürfte besonders beobachtbar sein, ob ASTRA die Buchungsfreigabe wie vorgesehen
erteilt und ob die Test-zu-Vollbetrieb-Übergänge in einem stabilen Tempo
funktionieren.
💳
🔥
🎉
* 🤖 Präzisions-Roboterarm – Spielen wie gegen einen echten Gegner – SenseRobot
reproduziert das reale Schacherlebnis mit einem mechanischen Arm, der Figuren
mit weniger als 1 mm Genauigkeit bewegt und jeden Zug in nur 8 Sekunden
ausführt – im gleichen Tempo wie ein professioneller Spieler.
* IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist
ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine
Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er
auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
* V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von
Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung
hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und
anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen.
Mobile Hotspots können sich mit Loona verbinden und überwinden
WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren
können.
Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»
Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des
letzten Tages per eMail - ohne Werbung:
--------------------------------------------------------------------------------