Hinter „Turboquant“ von Google steht ein Quantisierungsverfahren, das den Speicherbedarf großer Sprachmodelle deutlich reduzieren soll. Ziel ist effizientere KI-Infrastruktur mit schnellerer Inferenz und geringeren Hardware-Anforderungen.

Wer Nutzern zeigt, wie viel Strom ein KI-Modell verbraucht, beeinflusst damit auch ihre Qualitätswahrnehmung, selbst wenn beide Modelle technisch identisch sind. Was eine neue Studie über Energiekennzeichnung herausfand, hat direkte Konsequenzen für KI-Deployments im Unternehmen.

Gartner rechnet mit deutlich mehr Sicherheitsvorfällen bei generativen KI-Anwendungen in Unternehmen. Hintergrund sind laut dem Analystenhaus vor allem agentische KI-Systeme und Frameworks wie das Model Context Protocol, kurz MCP, die neue Angriffsflächen eröffnen. Bis 2028 soll bereits jede vierte Enterprise-GenAI-Anwendung mindestens fünf kleinere Sicherheitsvorfälle pro Jahr verzeichnen.

Ein neues KI-Modell von Anthropic ist so gut darin, bisher unentdeckte Software-Schwachstellen zu finden, dass es in den falschen Händen zu einer verheerenden Cyberwaffe werden könnte. Deshalb ist es nicht öffentlich verfügbar.

Datenbankmodelle entstehen oft unter Zeitdruck und kleine Designfehler können später teuer werden. Kann auch in diesem Aufgabenumfeld generative KI helfen? Ein Blick in die Tool-Landschaft zeigt, dass es hier interessante Ansätze gibt.

Claude Mythos Preview, die nächste Generation des Sprachmodells von Anthropic, soll so mächtig sein, dass es für die Öffentlichkeit nicht einfach so zugänglich gemacht werden kann, ohne die weltweite Sicherheit zu ge­fährden.

Der Stanford AI Index Report 2026 zeigt: Die Leistungsfähigkeit von KI-Modellen explodiert. Die Benchmarks, mit denen wir sie bewerten, kommen allerdings nicht mehr hinterher.

Die Cloudian-Studie „Enterprise AI Infrastructure Survey 2026“ zeigt: Fast vier von fünf Unternehmen haben KI-Workloads bereits aus der Public Cloud abgezogen oder tun es gerade. Datensouveränität, Kostenüberschreitungen und Latenzanforderungen treiben die Verlagerung meist in Richtung Hybrid-Infrastruktur.

BSI und Polizeiliche Kriminalprävention haben 3.060 Menschen zu KI-gestütztem Online-Betrug befragt. Das Ergebnis ist ernüchternd: Viele überschätzen ihre Fähigkeit, KI-Inhalte zu erkennen und unterschätzen, was Angreifer damit technisch längst anstellen können. Tatsächlich schaut kaum jemand genauer hin.

Die meisten Unternehmen, die heute Apache Kafka einsetzen, betreiben nicht nur einen Cluster, sondern drei oder vier – verteilt auf Produktions-, Disaster-Recovery-, Staging- und regionale Umgebungen. Die Tools, die sie zur Überwachung und Steuerung dieser Cluster verwenden, wurden jedoch für eine einfachere Welt konzipiert: ein Cluster, eine Ansicht, ein Satz von Richtlinien. Die Folge ist eine wachsende Kluft zwischen der Komplexität der Umgebung und dem tatsächlichen Einblick, den die Betreiber in diese haben.