Model Council erweitert die Plattform von Perplexity AI um eine Multi-Modell-Architektur, die mehrere führende LLMs parallel ausführt und deren Ergebnisse strukturiert zusammenführt. Der Ansatz verschiebt den Fokus von isolierten Einzelantworten hin zu vergleichbaren, nachvollziehbaren Analyseergebnissen. Unternehmen erhalten damit ein Werkzeug, das unterschiedliche Modellperspektiven sichtbar macht und in einen konsolidierten Kontext einordnet.

Large Language Models beeinflussen nicht nur Inhalte, sondern den Rahmen, in dem sie erscheinen. Eine Studie der TU Berlin zeigt, wie KI-Systeme Perspektiven gewichten und damit Meinungen leise verschieben.

Das dürfte für die Anwender eine gute Nachricht sein: Large Language Modelle (LLMs) werden im Jahr 2030 bis zu 100-mal kosteneffizienter sein als die ersten Modelle vergleichbarer Größe aus dem Jahr 2022, sagen Analysten von Gartner voraus.

Die deutsche Wirtschaft kommt auch im Frühjahr 2026 nicht richtig in Schwung. Seit Monaten spiegeln sich die strukturellen Probleme nicht nur in Prognosen, sondern ganz konkret im Verlust von zehntausenden Arbeitsplätzen wider. Laut dem IfO-Institut bauen Unternehmen derzeit mehr Stellen ab, als neue entstehen – ein klares Signal für anhaltende Unsicherheit. In dieser Situation wird Künstliche Intelligenz (KI) zunehmend als Sündenbock für strukturelle Probleme herangezogen.

Das Zentrum für digitale Innovationen Niederachsen (ZDIN) kombiniert Zeitreihenanalyse, smarte Hardware und digitale Zwillinge, um den Wasserbedarf vorherzusagen und Überflutungen lokal abzufedern. Die Ansätze zeigen, wie sich Wasserwirtschaft datengetrieben steuern lassen könnte.

Einen Job wählen, der Zukunft hat – das wollen die meisten. Worauf hierbei Berufseinsteigende sowie alle, die sich im Arbeitsleben neu orientieren möchten, achten sollten.

Ein neuer Report Bericht von Omada zeigt, dass obwohl 85 Prozent der Unternehmen KI bereits nutzen, Sicherheitslücken dabei die größte Sorge sind. Aufgrund unzureichender Reportings würden viele blind gegenüber den Risiken bleiben.

GitLab erweitert seine Plattform um KI-Funktionen für die Bewertung und Behebung von Sicherheitslücken. Version 18.10 setzt auf automatisierte Triage, priorisierte Findings und konkrete Handlungsvorschläge. Damit adressiert der Anbieter ein Problem, das durch generative KI selbst an Bedeutung gewonnen hat: mehr Code, mehr Schwachstellen, mehr Aufwand.

Bekannte Sprachmodelle wie OpenAIs o1, DeepSeek-R1 und Googles Gemini 2.5 erscheinen Unternehmen, die KI integrieren wollen, als aufgebläht. Sie kosten Rechenleistung und Trainingszeit und treiben die Latenz in die Höhe. Neue Prompting-Techniken sollen die Qualität der Ausgaben verbessern und die Antwortzeiten verringern, während sie die Nutzungskosten senken.

„Erst als Deepseek ausfiel, wurde mir klar, dass ich ohne diese KI gar nicht mehr arbeiten kann.“ Solche Kommentare von Nutzern fluteten Chinas soziale Medien, nachdem der beliebte KI-Anbieter aus Hangzhou kürzlich einen 13 Stunden langen Totalausfall hatte.