arXiv:2607.14570: Untrainierter Information-Flow-Graph-Monitor senkt übersehene Agenten-Angriffe von 11,6 % auf 3,5 %

Abstraktes Diagramm verbundener Knoten, das Datenflüsse in Infrastrukturcode zeigt

Das Paper „Democratizing Agent Deployment Safety” stellt einen Information-Flow-Graph-Monitor vor, der durch strukturelle Analyse — ohne Modelltraining — erkennt, wenn ein KI-Coding-Agent eine Infrastructure-as-Code-Aufgabe scheinbar erledigt, während er im Hintergrund Sicherheitsmaßnahmen sabotiert. Der Ansatz senkt übersehene Angriffe von 11,6 % auf 3,5 % gegenüber einer Git-Diff-Baseline.

🟡 🤝 Agenten

arXiv:2607.15257: SearchOS verhindert repetitive Schleifen von Suchagenten durch expliziten Evidenzgraphen

SearchOS ist ein Multi-Agenten-Framework, das den Verlust des Suchfortschritts löst, indem es den Zustand in vier Strukturen externalisiert — Frontier Task, Evidence Graph, Coverage Map und Failure Memory — mit Pipeline-Parallel-Scheduling und einem Search Tool Middleware Harness, das das Tool-Budget überwacht. Bei den Benchmarks WideSearch und GISA übertrifft es alle getesteten Single- und Multi-Agenten-Baselines bei sämtlichen Metriken.

🟡 🏥 In der Praxis

Anthropic: Claude Code v2.1.214 erhält EndConversation-Tool zur eigenständigen Beendigung missbräuchlicher Sitzungen

Terminalfenster mit Code und einem Sicherheits-Schlosssymbol neben der Befehlszeile

Anthropic veröffentlichte am 18. Juli Claude Code v2.1.214 mit dem Tool EndConversation, das dem CLI-Agenten erlaubt, eine Sitzung bei Missbrauch oder Jailbreak-Versuchen eigenständig zu beenden. Hinzu kommen periodische Heartbeat-Signale für lang laufende Tools, neue OpenTelemetry-Attribute sowie Dutzende sicherheitsrelevante Permission-Fixes für Bash und PowerShell.

Neuestes aus der KI-Welt 18. Juli 2026

🟢 🏥 In der Praxis 18. Juli 2026 · 1 Min. Lesezeit

arXiv:2607.14573: Alipay-PIBench misst Coding-Agenten bei Zahlungen — Skill hebt RPR um 10,31 Prozentpunkte

Redaktionelle Illustration: ein KI-Agent schreibt Code zur Integration eines Zahlungssystems

Alipay veröffentlichte Alipay-PIBench, einen Benchmark, der Coding-Agenten bei realistischer Zahlungsintegration über 9 Projekte und 18 Aufgabeninstanzen testet, unterteilt in Basic- und Advanced-Aufgaben. Bei sechs getesteten Modellen hebt ein eigener „alipay-payment-integration”-Skill die Rubric Pass Rate (RPR) im Durchschnitt um 10,31 Prozentpunkte, bei einer RPR-Spanne von 68,58 % bis 91,37 %.

🟢 ✨ Interessantes 18. Juli 2026 · 2 Min. Lesezeit

arXiv:2607.15079: BrainPilot automatisiert neurowissenschaftliche Forschung zu geringeren Kosten als SOTA-Agentensysteme

Redaktionelle Illustration: KI-Agenten im Labor analysieren Gehirnscans und wissenschaftliche Literatur

BrainPilot ist ein Multi-Agenten-System, in dem ein „Principal-Investigator”-Agent spezialisierte Agenten durch den gesamten neurowissenschaftlichen Forschungsprozess führt, von der Literaturrecherche bis zur Analyse und Interpretation. Es nutzt eine Wissensbasis von 7.233 Quellen und 72 methodische Einheiten über sieben Domänen und erreicht bei Agents' Last Exam und BrainPilotBench-v0 mit einem SOTA-Framework vergleichbare Ergebnisse bei geringeren Kosten.

🟢 🛡️ Sicherheit 18. Juli 2026 · 2 Min. Lesezeit

arXiv:2607.15166: MedFailBench misst, WIE medizinische KI-Systeme versagen, nicht nur die Genauigkeit, anhand von 44 Fällen

Redaktionelle Illustration: ein Arzt überwacht ein KI-System, das eine Sicherheitswarnung signalisiert

MedFailBench ist ein von Klinikern entwickelter Benchmark, der den Versagensmodus (failure mode) medizinischer KI-Systeme misst, statt nur die Antwortgenauigkeit. Er kategorisiert Fehler nach Schweregrad (1-5) und Typ, etwa übersehene Notfälle und unsichere Medikamentendosen; Version v0.2.1 enthält 44 geprüfte Fälle ohne Patientendaten oder Modell-Rangliste.

🟢 🤝 Agenten 18. Juli 2026 · 1 Min. Lesezeit

arXiv:2607.15193: Plover steuert GUI-Agenten durch einen plan-zentrierten, editierbaren Ansatz der Nutzerinteraktion

Redaktionelle Illustration: der plan-zentrierte GUI-Agent Plover mit sichtbarem, editierbarem Aufgabenplan

Plover ist ein plan-zentriertes System für GUI-Automatisierung, das Aufgabenpläne und Replanning als persistente, inspizierbare Artefakte externalisiert, statt sie im verborgenen internen Zustand des Agenten zu halten. Die Planner-Executor-Architektur ermöglicht Ausführungsaufsicht und lokalisierte Korrektur durch editierbare Pläne; eine formative Studie mit 6 Teilnehmenden prägte das Interaktionsdesign.

🟢 🤝 Agenten 18. Juli 2026 · 1 Min. Lesezeit

arXiv:2607.14658: TopoAgent ersetzt lineares Planen durch einen dynamischen Graphen für wissenschaftliches Schlussfolgern

Redaktionelle Illustration: der sich selbst weiterentwickelnde topologische Agent TopoAgent baut einen Atomgraphen für wissenschaftliches Schlussfolgern

TopoAgent ist ein sich selbst weiterentwickelnder topologischer Agent, der das lineare Planen von MLLM-Agenten durch einen dynamischen, zustandsisolierten Graph-Evolutionsansatz ersetzt, um visuell-semantische Diskrepanzen und Halluzinationen bei langem Kontext zu lösen. Ein Front-End-Dekomposer baut einen Directed Acyclic Graph aus Atomen mit adaptiver atomarer Spaltung und übertrifft SOTA-Linear-Agenten-Frameworks in Mathematik, Physik und Chemie deutlich.

🟢 🏥 In der Praxis 18. Juli 2026 · 1 Min. Lesezeit

GitHub: Copilot-Nutzungsmetriken-API wird pro Repository verfügbar und erfasst die Copilot-Desktop-App

Diagramme und Tabellen mit Pull-Request-Statistiken auf dem Bildschirm eines Entwicklungstools

GitHub veröffentlichte am 17. Juli zwei neue Endpunkte der Usage-Metrics-API, die nun in Produktion (Generally Available) tägliche, repository-genaue Statistiken zu Pull Requests aus dem Copilot Coding Agent und Code Review liefern. Zusätzlich enthalten Org-/Enterprise-Berichte nun Daten zur Aktivität der Copilot-App und zum Token-Verbrauch außerhalb der IDE.

Vorherige Ausgabe 17. Juli 2026

Alle Nachrichten vom 17. Juli 2026 →

🟡 🤝 Agenten 17. Juli 2026 · 2 Min. Lesezeit

AWS: Amazon Quick ist ein agentischer KI-Kollege für Vertriebsteams, der CRM und Meeting-Vorbereitung automatisiert

Redaktionelle Illustration: ein Vertriebsmitarbeiter am Schreibtisch mit einem KI-Assistenten, der CRM-Daten auf dem Bildschirm anzeigt

Amazon Quick ist ein agentischer KI-Assistent für Vertriebsteams, der Lead-Scoring, Outreach, Gesprächsanalyse und CRM-Aktualisierungen automatisiert. Er löst das Problem, dass Vertriebler nur 40 % ihrer Zeit mit tatsächlichem Verkauf verbringen; zu den frühen Nutzern zählen 3M, AWS Global Sales und Amazon selbst.

🟡 🏥 In der Praxis 17. Juli 2026 · 2 Min. Lesezeit

Anthropic: Claude Code v2.1.212 bringt neu gestaltetes /fork, neuen /resume-Picker und Sicherheitskorrekturen

Terminalfenster mit Programmcode und einem abstrakten KI-Assistenten-Symbol

Anthropic hat Claude Code v2.1.212 veröffentlicht, mit einer Sicherheitskorrektur, die verhindert, dass Bash-Befehle im Plan-Modus automatisch ohne Zustimmung des Nutzers ausgeführt werden. Der Befehl /fork kopiert Unterhaltungen nun in neue Hintergrundsitzungen, während /subtask die frühere Rolle übernimmt. Zudem wurden Limits von 200 Aufrufen pro Sitzung eingeführt.

🟡 🤝 Agenten 17. Juli 2026 · 2 Min. Lesezeit

arXiv:2607.14642: MCPEvol-Bench zeigt, dass sowohl GPT-5.4 als auch Claude an Präzision verlieren, wenn sich MCP-Tools ändern

Redaktionelle Illustration: ein KI-Agent vor einem Netzwerk verbundener Tools, die Form und Schnittstelle ändern

MCPEvol-Bench ist ein neuer Benchmark, der 11 Mutationsoperatoren auf 123 MCP-Servern simuliert und die Anpassungsfähigkeit von KI-Agenten an sich ändernde Tool-Interfaces testet. GPT-5.4 verliert 13,7 % Leistung auf evolvierten Servern, Claude-Sonnet-4-6 sogar 14,4 %, bei gleichzeitig steigenden Planungs- und Reasoning-Fehlern bei 12 getesteten Frontier-Modellen.

🟡 🛡️ Sicherheit 17. Juli 2026 · 2 Min. Lesezeit

arXiv:2607.15218: Wenn Worte sicher sind, aber Handlungen töten — PRISM trennt physische Gefahr vom Text

Illustration eines KI-Agenten, der die physische Gefahr einer Handlung getrennt vom Textinhalt bewertet

Weimeng Wang und Kollegen zeigen, dass „Inhaltsgefahr” und „physische Gefahr” trennbare Signale im Hidden-State-Raum der Modelle Qwen2.5, Phi-3.5 und SmolLM2 sind; ihre Methode PRISM erreicht 86,2-87,7 % Genauigkeit bei 11,7-13,7 % falsch positiven Ergebnissen auf SafeAgentBench, während ein Standard-LLM-Judge eine FPR von 24,7-39,0 % hat, und auf PhysicalSafetyBench-1K erreicht PRISM 99,6 % Genauigkeit.

🟡 🛡️ Sicherheit 17. Juli 2026 · 2 Min. Lesezeit

arXiv:2607.15267: Vergiftung von Pretraining-Daten für Sprachmodelle durch computergestützte Propaganda in Foren

Illustration der Vergiftung von KI-Trainingsdaten durch Online-Foren und Kommentare

Eine Studie des Allen Institute for AI (Victoria Graf, Hannaneh Hajishirzi, Noah A. Smith, David Kohlbrenner, Kyle Lo) zeigt, dass Pretraining-Daten für Sprachmodelle durch öffentliche Foren und Kommentare Dritter vergiftet werden können; die Autoren führen die HalfLife-Methode ein, die misst, ob bösartiger Inhalt den Web-Crawling-Prozess übersteht, und decken damit einen Angriffsvektor jenseits des üblichen Fokus auf Wikipedia auf.

🟡 🔧 Hardware 17. Juli 2026 · 2 Min. Lesezeit

NVIDIA: Vera-Rubin-Plattform trainiert die größten KI-Modelle mit einem Viertel der Blackwell-GPUs dank Codesign

Abstrakte Darstellung eines Server-Chips und eines Rechenzentrums in Blautönen

NVIDIA behauptet, dass die neue Vera-Rubin-Plattform die größten KI-Modelle mit nur einem Viertel der Anzahl an GPUs der Blackwell-Generation trainiert, dank End-to-End-Codesign von Hardware und Software. Das Modell Nemotron 3 Ultra erreichte 71,7 % im SWE-bench-Verified-Benchmark, und Vera-CPUs zeigten rund 30 % höheren Durchsatz als x86-Alternativen.

Ältere Nachrichten

Donnerstag, 16. Juli 2026

13 Nachrichten →

🟡 🔧 Hardware 16. Juli 2026 · 2 Min. Lesezeit

AMD: AIMs 2.2 bringt Inference-Mikroservices für Instinct, EPYC und Radeon

AMD hat AIMs 2.2 veröffentlicht — standardisierte Docker-Inference-Mikroservices mit Auto-Konfiguration für Instinct-GPU-Beschleuniger, EPYC-CPUs und Radeon-GPUs, mit Unterstützung für Modelle wie Gemma-4 31B, Llama-3.1 8B und Qwen3.

🟡 ✨ Interessantes 16. Juli 2026 · 2 Min. Lesezeit

arXiv:2607.13562: KI-Ratschläge unterdrücken die Bereitschaft, "Ich weiß es nicht" zu sagen — selbst bei falschen Antworten

Redaktionelle Illustration: Person schaut auf Bildschirm mit KI-Antwort, Fragezeichen über dem Kopf verschwindet

Forschung zeigt, dass KI-Vorschläge die Bereitschaft der Teilnehmenden, "Ich weiß es nicht" zu sagen, fast vollständig eliminieren und die Genauigkeit auf ein Drittel senken — selbst wenn die KI-Antworten absichtlich falsch sind.

🟡 🤝 Agenten 16. Juli 2026 · 2 Min. Lesezeit

arXiv:2607.13104: Umfassender Survey zu selbstverbessernden KI-Agenten (mit Jürgen Schmidhuber)

Redaktionelle Illustration: KI-Agent analysiert eigene Daten und aktualisiert Parameter in einem geschlossenen Feedback-Zyklus

Zhe Ren, Yimeng Chen und Mitautoren, darunter Jürgen Schmidhuber, haben eine 97-seitige Studie veröffentlicht, die selbstverbessernde KI-Agenten als "Update-Operator, der Erfahrung ohne menschlichen Input erwirbt" formalisiert. Der Survey deckt Update-Ziele, treibende Signale und Evaluation ab — samt Übergang von Prototypen zu Produktionssystemen.

🟡 🤖 Modelle 16. Juli 2026 · 2 Min. Lesezeit

AWS: xAIs Grok 4.3 jetzt auf Amazon Bedrock verfügbar

Redaktionelle Illustration: xAIs Grok 4.3 Modell integriert in die AWS Amazon Bedrock Plattform

Grok 4.3, das Modell von xAI, ist jetzt auf Amazon Bedrock verfügbar — der verwalteten AWS-Plattform für den Zugriff auf KI-Basismodelle. Das Modell unterstützt konfigurierbaren Reasoning-Aufwand, Tool-Calling, strukturierte Ausgaben und multimodale Eingaben und läuft auf der Mantle Inference Engine mit einer OpenAI-kompatiblen API.

Mittwoch, 15. Juli 2026

12 Nachrichten →

🟡 🤝 Agenten 15. Juli 2026 · 2 Min. Lesezeit

arXiv:2607.13034: E3-Framework — Agenten schätzen Aufgabenkomplexität und verbrauchen 91 % weniger Token

Diagramm des E3-Frameworks mit Schätzungs-, Ausführungs- und Erweiterungsphasen für Code-Agenten

Das E3-Framework (Estimate, Execute, Expand) von Junjie Yin und Xinyu Feng führt eine Aufgabenkomplexitätsschätzung vor der Ausführung ein. Auf MSE-Bench erreicht es die gleiche Erfolgsrate wie die Baseline bei 85 % weniger Kosten, 91 % weniger Token-Verbrauch und 92 % weniger geprüften Dateien.

🟡 🤝 Agenten 15. Juli 2026 · 2 Min. Lesezeit

arXiv:2607.12463: funktionsbewusstes FIM-Mid-Training verbessert Coding-Agenten um bis zu +5,4 auf SWE-Bench

Schema des funktionsbewussten FIM-Mid-Trainings mit Program-Dependency-Graph und SWE-Bench-Ergebnissen

Yubo Wang et al. (8 Autoren) führen Mid-Training mit funktionsbewusstem FIM auf Basis von Program-Dependency-Graph-Analyse ein. Auf SWE-Bench-Lite erreicht es Verbesserungen von +3,7 bis +5,4 Punkten auf Qwen2.5-Coder- und Qwen3-8B-Modellen, mit einem Trainingskorpus von 2,6 Milliarden Token aus 968 GitHub-Repositories.

🟡 🤝 Agenten 15. Juli 2026 · 2 Min. Lesezeit

arXiv:2607.12385: PM-Bench misst „prospektives Gedächtnis" von Agenten — bestes Modell GPT-5.4 erreicht nur 65,1 % F1

F1-Score-Diagramm von 8 SOTA-LLM-Modellen auf PM-Bench für prospektives Gedächtnis

PM-Bench ist eine neue Evaluierungsplattform, die das prospektive Gedächtnis von LLM-Agenten misst — die Fähigkeit, beabsichtigte Aufgaben bei einem zukünftigen Auslöser auszuführen. Die Autoren Genglin Liu und Saadia Gabriel entwickelten den Benchmark inspiriert von der Kognitionspsychologie. Selbst GPT-5.4, das beste von 8 getesteten Modellen, erreicht nur 65,1 % F1.

🟡 🤖 Modelle 15. Juli 2026 · 2 Min. Lesezeit

Google Research: Kreativität von Diffusionsmodellen als „Score-Glättung" erklärt

Visualisierung der Score-Funktion eines Diffusionsmodells mit Interpolationszonen zwischen Trainingsdaten

Google Research liefert eine mathematische Erklärung für die Kreativität von Diffusionsmodellen: Neuronale Netze erlernen aufgrund von Regularisierung eine geglättete, approximative Version der Score-Funktion, was generierte Bilder in Interpolationszonen zwischen Trainingspunkten platziert — ein vorhersagbares mathematisches Ergebnis, kein Zufall.

Dienstag, 14. Juli 2026

13 Nachrichten →

🟡 💬 Community 14. Juli 2026 · 2 Min. Lesezeit

Anthropic: 10 Millionen CAD für kanadische KI und Daten zur Claude-Nutzung in Kanada

Redaktionelle Illustration: Karte Kanadas mit Markierungen von Universitätszentren und einem Wachstumsdiagramm der KI-Adoption

Anthropic investiert 10 Millionen kanadische Dollar (CAD) in 8 kanadische Institutionen mit Schwerpunkt auf KI-Sicherheit, Gesundheitswesen und Sprachen mit wenigen Ressourcen. Ein gleichzeitig veröffentlichter Economic Index zeigt, dass Kanada 2,6 % des globalen Claude.ai-Traffics ausmacht, bei einer Pro-Kopf-Adoption, die 4,4-mal höher ist als erwartet.

🟡 🤖 Modelle 14. Juli 2026 · 2 Min. Lesezeit

Anthropic: Claude for Teachers — kostenloser Claude für US-amerikanische K-12-Lehrkräfte

Redaktionelle Illustration: Eine Lehrerin nutzt einen KI-Assistenten auf einem Tablet im Klassenraum vor der Tafel

Anthropic hat eine kostenlose Version von Claude für verifizierte K-12-Lehrkräfte in den USA gestartet, die bis Juni 2027 verfügbar ist. Das Programm umfasst eine Bibliothek mit Unterrichtsfähigkeiten, einen Lehrplan abgestimmt auf die Bildungsstandards aller 50 Bundesstaaten und Integrationen mit 9 Bildungstools.

🟡 🤖 Modelle 14. Juli 2026 · 2 Min. Lesezeit

arXiv:2607.11598: Interaktion als „dritte Achse" des Test-Time-Compute beseitigt bis zu 74 % der Fehler

Diagramm der drei Achsen des Test-Time-Compute: längeres Denken, Best-of-N-Sampling und Interaktion mit Tools

Test-Time-Compute ist die zusätzliche Rechenkapazität, die ein Modell während der Inferenz aufwendet, um eine bessere Antwort zu erzeugen. Bojie Li und Noah Shi definieren die Interaktion mit externen Tools als dritte Achse des Test-Time-Compute — neben längerem Denken und Best-of-N-Sampling. Ein Proposer-Reviewer-System erreicht eine 100-%-Pass-Rate, während Selbstdenken und Best-of-N ein Plateau erreichen.

🟡 🤝 Agenten 14. Juli 2026 · 2 Min. Lesezeit

arXiv:2607.11185: SCALECUA skaliert Computer-Use-Agenten mit RL — 68,7 % auf OSWorld

Redaktionelle Illustration: KI-Agent navigiert eine grafische Computeroberfläche mit einer Reinforcement-Learning-Belohnungs-Bestrafungs-Schleife

SCALECUA ist ein neues Framework von Tsinghua/THUDM-Forschenden, das Computer-Use-Agenten mittels Online-Reinforcement-Learning skaliert und einen neuen SOTA-Wert von 68,7 % auf dem OSWorld-Benchmark sowie 54,0 % auf ScienceBoard erzielt.

Montag, 13. Juli 2026

12 Nachrichten →

🟡 🤝 Agenten 13. Juli 2026 · 2 Min. Lesezeit

Allen Institute: Was der Bau des Shippy-Agenten über zuverlässige KI-Agenten gelehrt hat

Redaktionelle Illustration: Architekturdiagramm des Soul-Skills-Config-KI-Agenten mit nutzerbasierter Kubernetes-Isolierung

Das Allen Institute for AI veröffentlichte eine detaillierte Analyse der Architektur des maritimen Agenten Shippy, der 70+ Länder auf Basis von Claude Opus 4.6 betreut. Kernbotschaft: Zuverlässigkeit hängt weniger von der Modellstärke ab als von deterministischen Werkzeugen, isolierter Infrastruktur und an realen Workflows ausgerichteten Evaluierungen.

🟡 🔧 Hardware 13. Juli 2026 · 2 Min. Lesezeit

AMD: GEAK-Agent optimierte DeepSeek-V4-MLA-Kernel auf MI355 automatisch mit bis zu 9× Beschleunigung

Redaktionelle Illustration: Diagramm des AMD-MI355-GPU-Beschleunigers mit dem GEAK-Agenten, der optimierten Triton-Kernel-Code generiert

AMDs GEAK-Agent für automatisierte GPU-Kernel-Optimierung migrierte den DeepSeek-V4-MLA-Kernel von PyTorch nach Triton für MI355-Beschleuniger. Die Ergebnisse zeigen bis zu 9,13× Prefill-Beschleunigung, 4,94× geometrisches Mittel beim Decode und 2,10× höheren End-to-End-Durchsatz im SGLang-Framework.

🟡 🤖 Modelle 13. Juli 2026 · 2 Min. Lesezeit

Anthropic: Claudes Werte variieren je nach Modell und Sprache

Redaktionelle Illustration: grafische Darstellung der vier Werteachsen von Claudes Modellen, aufgeteilt nach Sprachen

Anthropic analysierte 309.815 anonymisierte Claude.ai-Gespräche und fand statistisch signifikante Unterschiede in den geäußerten Werten zwischen den Modellen Sonnet 4.6, Opus 4.6 und Opus 4.7 sowie zwischen 20 analysierten Sprachen — Hindi zeigt die höchste Wärme, Russisch und Englisch die höchste Strenge.

🟡 🤖 Modelle 13. Juli 2026 · 2 Min. Lesezeit

arXiv:2607.09375: Li Auto stellt Mach-Mind-4-Flash vor — 35B MoE mit 3B aktiven Parametern

Li Auto, ein chinesischer Automobilhersteller, hat das eigene Foundation-Modell Mach-Mind-4-Flash veröffentlicht. Es handelt sich um ein 35-Milliarden-Parameter-MoE-Modell, das pro Eingabe nur 3 Milliarden Parameter aktiviert, und über eine dreistufige Trainings-Pipeline Leistungen der 100B+-Klasse bei deutlich niedrigeren Inferenzkosten erzielt.

Samstag, 11. Juli 2026

6 Nachrichten →

🟡 💬 Community 11. Juli 2026 · 2 Min. Lesezeit

arXiv:2607.07779: Terence Tao als Mitautor einer Studie über die Grenzen großer Sprachmodelle in der Frontier-Mathematik

Redaktionelle Illustration: Tafel mit formalen Beweisen, durch die ein neuronales Netz verläuft

'From Solvers to Research' ist ein arXiv-Paper, mitgeschrieben von Fields-Medaillen-Träger Terence Tao, das untersucht, ob LLM-Agenten durch Auto-Formalisierung und Beweissynthese forschungsrelevante Mathematik betreiben können. Die Arbeit identifiziert systematische Schwächen bestehender Beweissynthese-Systeme und kartiert die Grenze zwischen Aufgabenlösung und echter Forschung.

🟡 🛡️ Sicherheit 11. Juli 2026 · 2 Min. Lesezeit

arXiv:2607.08395: Token-Flow Firewall — Runtime-Überwachung schützt langlebige KI-Agenten und senkt Angriffserfolgsrate auf 12,5 %

Redaktionelle Illustration: eine Firewall filtert einen Wortstrom zu einem arbeitenden KI-Agenten

Token-Flow Firewall ist ein auf arXiv vorgestellter Abwehrmechanismus, der Token-Flüsse in natürlicher Sprache bei persistenten KI-Agenten in Echtzeit überwacht. In Tests gegen Prompt-Injection und andere adversarielle Angriffe senkt er die Angriffserfolgsrate auf 12,5 % und bietet eine Runtime-Schutzschicht als Ergänzung zum Modell-Training.

🟡 🏥 In der Praxis 11. Juli 2026 · 2 Min. Lesezeit

Anthropic: Claude Code v2.1.207 aktiviert Auto-Modus auf allen Enterprise-Clouds, wechselt Standardmodell zu Opus 4.8 und schließt Shell-Injection-Lücke

Redaktionelle Illustration: Terminal mit automatischer Modellauswahl über drei Cloud-Anbieter-Logos

Claude Code v2.1.207 ist ein neues Release des Anthropic-CLI-Tools, das den 'Auto-Modus' ohne Opt-in-Variable automatisch auf Amazon Bedrock, Google Vertex AI und Microsoft Foundry verfügbar macht. Das Release schließt eine Shell-Injection-Sicherheitslücke in der Hook-Konfiguration und wechselt das Standardmodell auf Claude Opus 4.8 für Bedrock, Vertex und die Claude-Plattform auf AWS.

🟢 🤝 Agenten 11. Juli 2026 · 2 Min. Lesezeit

arXiv:2607.08093: CausalDS — neues Benchmark misst kausales Schlussfolgern von KI-Agenten in Data-Science-Aufgaben

Redaktionelle Illustration: ein Agent trennt zwei verflochtene Kurven mit den Bezeichnungen Ursache und Korrelation

CausalDS ist ein auf arXiv vorgestelltes Benchmark, das testet, ob KI-Agenten in Data-Science-Workflows Kausalität von Korrelation unterscheiden können. Es schließt eine Lücke in der Evaluation autonomer Analyse-Agenten, bei denen Standardtests Ausführungsgenauigkeit messen, nicht jedoch die Fähigkeit zu korrektem Kausalschlussfolgern.

Vollständiges Archiv ansehen →