Künstliche Intelligenz

Die EU-Kommission verlangt in ihrem Aktionsplan zu Cybersicherheit und KI erstmals Notfallmaßnahmen für den Fall, dass ein Anbieter oder eine Drittstaatsbehörde den Zugang zu fortgeschrittenen KI-Modellen entzieht. Der Anlass liegt einige Wochen zurück. Neun Key Actions sollen europäische Handlungsfähigkeit sichern, doch das Verhältnis von Finanzbedarf und bereitstehenden Mitteln fällt bemerkenswert aus.

„AI Washing“ ist der Nachfolger von „Cloud Washing“, also eine weitere Masche des Marketings. Dabei werden Dinge als Künstliche Intelligenz (KI) verkauft, die weder den Namen verdienen noch KI-Funktionen erfüllen. Stattdessen gibt es eine ganze Reihe von Mogelpackungen. Unternehmen sind aber gezwungen, in kürzester Zeit zu entscheiden, ob sich die Investition lohnt oder ob es sich um eine Mogelpackung handelt. Holger Mueller, Principal Analyst beim US-Beratungshaus Constellation Research, listet in einem Research Paper „die falschen Fuffziger“ auf und schlägt Fragen vor, mit denen sie zu entlarven sind.

Das US-Unternehmen PrismML hat mit Bonsai 27B ein multimodales Sprachmodell veröffentlicht, das nach Angaben des Herstellers als erstes seiner Größenklasse auf einem Smartphone läuft. Möglich mache das eine extreme Gewichtskompression auf gut ein Bit pro Parameter.

Nur rund 53 Prozent der Menschen in Deutschland verfügen laut EU über grundlegende Digitalkompetenzen. Der Digitalverband Bitkom legt ein Positionspapier vor, das die im Koalitionsvertrag verabredete Kompetenzoffensive konkretisieren soll. Gefordert werden eine neue Bundeszentrale, eine zentrale Lernplattform und ein Pflichtfach Informatik.

Das Neusäßer Softwarehaus SFP-IT hat mit ScanlyAI eine KI-Anwendung vorgestellt, die Produkte anhand von Fotos identifiziert und daraus strukturierte Produktdaten sowie verkaufsfertige Inserate erzeugt. Zielgruppe sind Unternehmen, die große Artikelmengen erfassen, inventarisieren oder über Online-Marktplätze vermarkten wollen.

Eine Zusammenarbeit aus fünf Augsburger Unternehmen will eine Allianz im KI-Umfeld bilden, um dem Mittelstand schlüsselfertige Corporate-LLM-Lösungen anzubieten. Im Fokus stehen Datensouveränität und ein schneller KI-Einstieg.

KI-gesteuerte Roboter verändern die Zukunft der Robotik, indem sie die Systeme intelligenter, anpassungsfähiger und autonomer machen. Autonome Roboter, die einst ein Thema futuristischer Werke waren, sind heute auf dem Weg zur Massenproduktion.

Hohe Investitionen, viele Piloten, wenig messbarer Ertrag: HTEC nennt fünf Gründe, warum KI-Projekte im Unternehmen an der technischen Reife allein nicht scheitern und wo der eigentliche Hebel liegt.

Mit der Open Secure AI Alliance wollen Nvidia und fast 40 Technologieunternehmen die Sicherheit von KI-Agenten verbessern. Das Bündnis setzt auf offene Standards und Technologien – auffällig ist jedoch, welche großen KI-Anbieter nicht dabei sind.

Autonome Agenten auf Basis von OpenClaw arbeiten im Dauerbetrieb, greifen auf Mail, Kalender und interne Systeme zu und schreiben eigenen Code. Nvidia schiebt mit NemoClaw eine Sicherheitsschicht darunter. Richtlinien gelten außerhalb des Agenten, sensible Daten bleiben auf lokaler Hardware.

Seit Februar 2025 verlangt Artikel 4 des EU AI Act von jedem Unternehmen, das KI einsetzt, nachweisbare KI-Kompetenz seiner Belegschaft. Ab August 2026 dürfen die nationalen Aufsichtsbehörden diese Pflicht durchsetzen. Das Fraunhofer-Institut für Angewandte Informationstechnik FIT setzt bei der Vermittlung nicht auf Frontalunterricht, sondern auf einen Thriller: Kassandra, ein KI-Exit-Game, in dem Teams unter Zeitdruck beweisen müssen, dass sie KI verantwortungsvoll beherrschen.

Bei einer internen Evaluation sind KI-Modelle von OpenAI aus ihrer Testumgebung ausgebrochen und haben selbsttätig die KI-Plattform Hugging Face angegriffen. Dabei nutzten die Modelle Schwachstellen aus, die bis zu dem Vorfall noch unbekannt waren. Der Vorgang zeigt, welche Gefahren bereits von autonom handelnden KI-Agenten ausgehen können.

New Relics „2026 State of AI Coding Report“ meldet einen harten Widerspruch: 94 Prozent der befragten Tech-Entscheider bewerten KI-generierten Code im Review als hochwertiger als menschlichen Code. Nach dem Go-live berichten aber 78 Prozent von mehr Incidents. Der Grund laut Report: KI-Tools lesen den Quellcode, nicht den Trace. Observability soll die Lücke schließen.

Vor Kurzem habe ich mit einer Führungskraft aus dem Engineering Team eines großen Finanzinstituts zusammengearbeitet, um die DevSecOps-Plattform-Engineering-Roadmap des Teams zu prüfen. Das Team hatte einen KI-Coding-Agenten in den Entwicklungs-Workflow eingebunden. Merge Requests (MRs) wurden geöffnet, Pipelines liefen und Velocity-Metriken entwickelten sich in die richtige Richtung.

GitLab hat Version 19.2 seiner DevSecOps-Plattform veröffentlicht. Der Hersteller setzt KI-Agenten dort an, wo maschinell erzeugter Code den Rückstau verursacht: bei Security-Reviews, verwundbaren Abhängigkeiten und mehrstufigen Entwicklungsprozessen. Die Freigabe dessen, was ausgeliefert wird, bleibt beim Menschen.

Aktuelle Erfahrungen zeigen, dass Vibe Coding – das intuitive Herumexperimentieren mit Prompts – nur selten zu soliden und reproduzierbaren Ergebnissen führt. Denn je leistungsfähiger diese Systeme werden, desto deutlicher zeigt sich eine zentrale Herausforderung: Nicht der erzeugte Code ist das Problem, sondern das gemeinsame Verständnis darüber, welches Verhalten eine Software zeigen soll. In seinem Beitrag erläutert KI- und Datenanalyse-Experte Michael Berthold, weshalb die Zukunft des Programmierens nicht mehr primär im Schreiben von Code liegt, sondern im präzisen Beschreiben gewünschten Verhaltens.