Aktuelle KI-Nachrichten

Letzte 72 Stunden, nach Kategorie geordnet

🤝 Agenten

🟡 🤝 Agenten 10. Juli 2026 · 2 Min. Lesezeit

LangChain: OpenWiki Brains gibt Agenten proaktives Gedächtnis — sammelt automatisch Kontext aus Gmail, Notion und Git in Markdown

Redaktionelle Illustration: Ein Roboter, der aus E-Mails, Notizen und Repositories ein Wiki aus Markdown-Blättern zusammensetzt

OpenWiki Brains ist ein Open-Source-Framework von LangChain, das KI-Agenten proaktives Gedächtnis verleiht: Es sammelt automatisch Kontext aus externen Quellen und speichert ihn als Markdown-Dateien auf der Festplatte. Die erste Version unterstützt 6 Konnektoren — Gmail, Notion, Git, Twitter/X, Hacker News und Websuche — und läuft lokal über geplante Aufgaben, ohne auf die Cloud angewiesen zu sein.

🟢 🤝 Agenten 10. Juli 2026 · 2 Min. Lesezeit

arXiv:2607.08403: Spieltheorie gegen Halluzinationen — Multi-Agenten-Framework modelliert Sprachmodelle als strategische Spieler zur Reduktion von Fehlinformationen

Redaktionelle Illustration: Mehrere KI-Spieler an einem Schachbrett, die ihre Züge auf die Wahrheit abstimmen

Eine neue Arbeit schlägt ein Multi-Agenten-Framework vor, das Spieltheorie einsetzt, um Halluzinationen großer Sprachmodelle zu reduzieren. Die Interaktion der Modelle wird als Spiel strategischer Akteure modelliert, bei dem das Gleichgewicht konsistenten, nicht-halluzinierten Antworten entspricht — ein Ansatz jenseits von RLHF und RAG.

🟡 🤝 Agenten 9. Juli 2026 · 2 Min. Lesezeit

arXiv:2607.06906: 'Harness Effect' — Orchestrierungsdesign senkt KI-Agenten-Kosten um 41 % — mehr als ein Modellwechsel

Redaktionelle Illustration: Dirigentenstab, der Token-Ströme zwischen Modellen und Tools lenkt

Der Harness Effect ist ein Befund aus einer empirischen Studie von 32 Autoren, wonach das Design der Orchestrierungsschicht die Kosten von KI-Agenten stärker beeinflusst als die Wahl des Modells selbst. Über 22 Aufgaben und 6 Modelle senkte optimierte Orchestrierung die Kosten pro Aufgabe um 41 % (von 0,21 auf 0,12 USD), Token um 38 % und Ausführungszeit um 44 % — bei steigender Qualität.

🟡 🤝 Agenten 9. Juli 2026 · 2 Min. Lesezeit

IBM: Bob wird zur Multi-Agent-Plattform — neunmonatiges COBOL-Modernisierungsprojekt in 3 Tagen abgeschlossen

Redaktionelle Illustration: Mainframe-Schrank, aus dem ein Schwarm kleiner Agenten Code auf moderne Server überträgt

IBM Bob ist eine agentische Plattform für die Softwareentwicklung, die in der neuen Version eine Multi-Agent-Architektur für den gesamten Entwicklungslebenszyklus, Bobalytics-Analysen und ein Premium-Paket für die Mainframe-Modernisierung von COBOL und PL/I erhält. IBM berichtet, dass Kunde Blue Pearl ein neunmonatiges Modernisierungsprojekt mit Bob in nur drei Tagen abschloss.

🟡 🤝 Agenten 9. Juli 2026 · 2 Min. Lesezeit

OpenAI: ChatGPT wird zum Agenten für ernsthafte Arbeit — stundenlang durch Apps und Dateien bis zum fertigen Ergebnis

Redaktionelle Illustration: Schreibtisch mit mehreren Bildschirmen, durch die ein automatisierter Aufgabenfluss läuft

ChatGPT Work ist OpenAIs Schritt in die agentische Arbeit: ChatGPT kann nun Aktionen über Apps und Dateien hinweg ausführen und stundenlang selbständig an einem Projekt arbeiten. OpenAI positioniert es als Partner für die anspruchsvollsten Aufgaben und tritt damit in direkten Wettbewerb mit agentischen Produkten von Anthropic und GitHub.

🤖 Modelle

Mehr in Modelle →

🟡 🤖 Modelle 10. Juli 2026 · 2 Min. Lesezeit

arXiv:2607.08733: „Super-Gewichte” erklären das Scheitern selektiven Fine-Tunings — Beitrag auf COLM 2026 angenommen

Redaktionelle Illustration: ein Netzwerk von Parametern, in dem einige helle Knoten die gesamte Struktur tragen

Super Weights in LLMs ist ein auf der COLM 2026 angenommener Beitrag, der „Super-Gewichte” identifiziert — eine kleine Anzahl von Parametern, deren Veränderung das Verhalten eines Sprachmodells überproportional beeinflusst. Die Arbeit zeigt, dass genau diese Gewichte erklären, warum selektives Fine-Tuning einzelner Schichten häufig scheitert — mit direkten Folgen für PEFT- und LoRA-Ansätze.

🔴 🤖 Modelle 9. Juli 2026 · 2 Min. Lesezeit

Google: SensorFM — Foundation-Modell auf einer Billion Minuten Wearable-Daten gewinnt 34 von 35 Gesundheitsaufgaben

Redaktionelle Illustration: Smartwatch, aus der biometrische Signalwellen in ein neuronales Netz fließen

SensorFM ist Googles Foundation-Modell für Gesundheitsdaten von Wearables, trainiert auf über einer Billion Minuten Signaldaten von Fitbit- und Pixel-Watch-Geräten von 5 Millionen Nutzern aus über 100 Ländern. Das Modell übertrifft spezialisierte Ansätze bei 34 von 35 Aufgaben: +9 % AUC bei Klassifikation und +21 % Korrelation bei Regression.

🔴 🤖 Modelle 9. Juli 2026 · 2 Min. Lesezeit

Microsoft: Open-Source-Modell Aurora 1.5 übertrifft ECMWF-Ensemble bei 88,9 % der Variablen — neuer Standard in der KI-Wettervorhersage

Redaktionelle Illustration: Globus mit wirbelnden Wetterfronten und Datennetz

Aurora 1.5 ist Microsofts Open-Source-Foundation-Modell für das Erdsystem, das die ECMWF-Ensemble-Vorhersage bei 88,9 % der bewerteten Variablen und Horizonte übertrifft. Die neue Version fügt 22 meteorologische Variablen, stündliche Auflösung und probabilistische Ensemble-Prognosen hinzu — bei Hurrikan Helene erzielt sie rund 33 % weniger Bahnfehler als die ursprüngliche Aurora.

🔴 🤖 Modelle 9. Juli 2026 · 2 Min. Lesezeit

OpenAI: GPT-5.6 in drei Varianten — Sol, Terra und Luna mit Multi-Agent-Orchestrierung und sofortiger GitHub-Copilot-Integration

Redaktionelle Illustration: drei planetarische Kugeln (Sol, Terra, Luna) verbunden durch Datenströme

GPT-5.6 ist OpenAIs neue Modellfamilie mit drei Varianten: Sol (Flagship für komplexes Schlussfolgern), Terra (ausgewogen) und Luna (hochvolumig, kosteneffizient). Sie bringt Programmatic Tool Calling, explizite Prompt-Cache-Steuerung, persistentes Reasoning und Multi-Agent-Orchestrierung in der Beta — ab dem ersten Tag auch in GitHub Copilot verfügbar.

🟡 🤖 Modelle 9. Juli 2026 · 2 Min. Lesezeit

Meta: Muse Spark 1.1 bringt multimodales Reasoning mit einer Million Token Kontext und Sub-Agenten-Koordination über Model API

Redaktionelle Illustration: ein zentraler Funke, der sich in mehrere kleinere Agenten und Anwendungsflüsse verzweigt

Muse Spark 1.1 ist ein multimodales Reasoning-Modell der Meta Superintelligence Labs für agentische Aufgaben, mit einem Kontextfenster von einer Million Token. Das Modell koordiniert Sub-Agenten, navigiert Abläufe über mehrere Apps und verarbeitet Bilder, Videos und PDFs — verfügbar über Meta Model API in der Public Preview und im Thinking-Modus der Meta-KI-App.

🏥 In der Praxis

Mehr in In der Praxis →

🟡 🏥 In der Praxis 10. Juli 2026 · 2 Min. Lesezeit

AWS: SageMaker bringt serverloses Fine-Tuning für NVIDIA Nemotron 3 mit SFT, RLVR und RLAIF

Redaktionelle Illustration: ein modulares Modell, das durch drei automatisierte Pipelines ohne Server verfeinert wird

Amazon SageMaker AI hat die serverlose Anpassung von NVIDIA Nemotron 3-Modellen eingeführt, ohne Infrastrukturverwaltung. Drei Techniken stehen bereit: SFT (überwachtes Fine-Tuning), RLVR (Reinforcement Learning mit verifizierbaren Belohnungen) und RLAIF (Reinforcement Learning aus KI-Feedback), womit fortgeschrittene RL-Methoden für Enterprise-Teams ohne ML-Infrastrukturwissen zugänglich werden.

🟡 🏥 In der Praxis 10. Juli 2026 · 2 Min. Lesezeit

GitHub: Bessere Tools verschlechterten Copilot Code Review — Überarbeitung der Anweisungen brachte Qualität bei 20 % geringeren Kosten zurück

Redaktionelle Illustration: eine Lupe auf einem farbigen Diff statt auf einem gesamten Repository

GitHub hat offenbart, dass die Migration des Copilot Code Reviews auf besser gewartete Tools die Ergebnisse zunächst verschlechterte — die Ursache waren nicht die Tools, sondern veraltete Agenten-Anweisungen. Durch die Überarbeitung der Anweisungen nach dem Diff-First-Prinzip (Batch-Suche vor dem Lesen von Dateien, am PR-Diff verankerte Analyse) wurden rund 20 % geringere durchschnittliche Review-Kosten bei gleicher Qualität erreicht.

🟡 🏥 In der Praxis 10. Juli 2026 · 2 Min. Lesezeit

OpenAI: Deutsche Telekom startet KI-native Transformation — Partnerschaft umfasst Support, Netz und Sprach-KI für ~245 Millionen Kunden

Redaktionelle Illustration: Ein Telekommunikationsturm, der KI-Signale über Europa ausstrahlt

Deutsche Telekom und OpenAI haben eine Partnerschaft geschlossen, um den Betreiber in einen KI-nativen Telco umzuwandeln — mit Anwendungen in Kundensupport, Mitarbeiterwerkzeugen, Netzwerkbetrieb und Sprach-KI. Deutsche Telekom ist einer der größten europäischen Netzbetreiber mit rund 245 Millionen Kunden weltweit, womit dies einer der bedeutendsten KI-Deals im Telekommunikationssektor ist.

🟢 🏥 In der Praxis 10. Juli 2026 · 2 Min. Lesezeit

Anthropic: Claude Code v2.1.206 bringt /cd mit Pfadvorschlägen, /doctor-Hinweise für CLAUDE.md und automatischen Git-Push in /commit-push-pr

Redaktionelle Illustration: ein Terminalfenster mit Befehlen und einem Pfeil, der einen Branch auf einen Remote schiebt

Claude Code v2.1.206 ist eine neue Version von Anthropics CLI-Tool und führt den Befehl /cd mit Pfadvorschlägen ein, eine /doctor-Prüfung mit Empfehlungen zum Kürzen von CLAUDE.md-Dateien sowie die automatische Freigabe von Git-Push auf den konfigurierten Remote in /commit-push-pr. Hintergrundagenten werden nun sofort nach einem Upgrade aktualisiert, ohne langsames Update beim nächsten Verbinden.

🟢 🏥 In der Praxis 10. Juli 2026 · 2 Min. Lesezeit

AWS: Henry Schein One prüft Qualität von Dental-Röntgenbildern in Echtzeit per KI — 11 Millionen Aufnahmen pro Woche bei 1,4 Sekunden Latenz

Redaktionelle Illustration: ein Dental-Röntgenbild, das ein KI-Netz mit Qualitätsstempel durchläuft

Henry Schein One hat „Image Verify” entwickelt — ein KI-System auf Amazon SageMaker zur Echtzeit-Qualitätsprüfung von Dental-Röntgenaufnahmen. Das System ist an mehr als 10.000 Standorten im Einsatz, verarbeitet über 11 Millionen Röntgenbilder pro Woche bei einer durchschnittlichen Latenz von 1,4 Sekunden und soll die Ablehnungsquote von Versicherungsanträgen aufgrund schlechter Bildqualität senken.

⚖️ Regulierung

Mehr in Regulierung →

🟡 ⚖️ Regulierung 8. Juli 2026 · 3 Min. Lesezeit

OpenAI veröffentlicht Grundsätze für Partnerschaften mit Regierungen und Sicherheitsbehörden

OpenAI hat formell einen Satz von Grundsätzen veröffentlicht, der definiert, unter welchen Bedingungen und Grenzen das Unternehmen mit staatlichen Stellen und Organisationen der nationalen Sicherheit zusammenarbeitet, und dabei demokratische Aufsicht sowie Gemeinschaftsschutz betont.

🛡️ Sicherheit

Mehr in Sicherheit →

🟡 🛡️ Sicherheit 10. Juli 2026 · 2 Min. Lesezeit

arXiv:2607.08173: 'Overthinking' — Verstärktes Schlussfolgern zwingt Reasoning-Modelle zur Preisgabe gelernter Geheimnisse, neuer Extraktionsangriff auf der ICML 2026

Redaktionelle Illustration: Ein Gehirn aus Gedankenschleifen, aus dem gesperrte Dokumente durch einen Riss auslaufen

Overthinking ist ein auf der ICML 2026 akzeptiertes Paper, das zeigt, dass die Verstärkung des Reasoning-Gewichts in großen Sprachmodellen verborgene gelernte Informationen extrahieren kann, die das Modell normalerweise nicht preisgibt. Der Befund eröffnet eine neue Klasse von Extraktionsangriffen auf Reasoning-Modelle wie o1, DeepSeek R1 und Claude mit erweitertem Denken.

🟡 🛡️ Sicherheit 10. Juli 2026 · 2 Min. Lesezeit

GitHub: CodeQL 2.26 führt KI-Prompt-Injection-Erkennung ein — erstes Mainstream-SAST-Tool, das KI-Angriffe gleichwertig mit klassischen behandelt

Redaktionelle Illustration: ein Code-Scanner, der eine bösartige Nachricht in einem KI-Prompt abfängt

CodeQL 2.26.0 ist die neue Version von GitHubs statischem Sicherheitsanalyse-Tool und führt die Erkennung von KI-Prompt-Injection-Angriffen als neuen Analysetyp ein, zusammen mit Unterstützung für Kotlin 2.4.0. Es handelt sich um die erste Integration eines KI-spezifischen Angriffsvektors in ein Mainstream-SAST-Tool — Prompt Injection wird damit in dieselben Sicherheits-Workflows wie XSS und SQL-Injection aufgenommen.

🟡 🛡️ Sicherheit 9. Juli 2026 · 2 Min. Lesezeit

OpenAI: erstes Bio Bug Bounty — Forscher eingeladen, Biosicherheitslücken im GPT-5.5-Modell zu finden

Redaktionelle Illustration: Schild mit DNA-Helix, umgeben von Lupen der Forscher

Bio Bug Bounty ist OpenAIs Programm, bei dem externe Forscher biologische Sicherheitslücken in GPT-5.5 suchen — also Wege, auf denen das Modell trotz Schutzmaßnahmen gefährliche biowissenschaftliche Informationen liefern könnte. Es ist das erste formale Bug-Bounty-Programm eines großen KI-Labors, das ausschließlich der Biosicherheit gewidmet ist.

🟢 🛡️ Sicherheit 8. Juli 2026 · 4 Min. Lesezeit

DT-Guard: 4B-Parameter-Modell übertrifft 8B-Guardrails durch Trennung von Reasoning-Supervision und Inferenzgeschwindigkeit

Redaktionelle Illustration: DT-Guard schneller Schutzrahmen für die Sicherheit großer Sprachmodelle ohne Schlussfolgerung

DT-Guard löst das grundlegende Dilemma von Sicherheits-Guardrail-Systemen – Geschwindigkeit versus Robustheit – durch Training mit Reasoning-Supervision, aber Inferenz, die nur strukturierte Safety-Labels ausgibt. Das 4B-Parameter-Modell erreicht Dual-Side-F1=0,878 und übertrifft 8B-Baseline-Modelle.

💬 Community

Mehr in Community →

🟡 💬 Community 9. Juli 2026 · 2 Min. Lesezeit

Anthropic: Nobelpreisträger Ben Bernanke, ehemaliger Fed-Chef, tritt dem Long-Term Benefit Trust bei — dem Gremium zur Überwachung der Unternehmensmission

Redaktionelle Illustration: klassisches Bankgebäude, dessen Säulen in neuronale Netze übergehen

Ben Bernanke ist der ehemalige Vorsitzende der US-Notenbank (2006–2014) und Wirtschaftsnobelpreisträger 2022, der von Anthropic in den Long-Term Benefit Trust berufen wurde. Der LTBT ist ein unabhängiges Gremium ohne Anteile oder Gewinnbeteiligung, das die gemeinnützige Mission des Unternehmens überwacht — Bernanke bringt Expertise zu den wirtschaftlichen Auswirkungen von KI.

🟢 💬 Community 9. Juli 2026 · 2 Min. Lesezeit

Anthropic: Initiative 'Hard Questions' lädt die Öffentlichkeit ein, die schwierigsten KI-Fragen zu stellen — mit Berichtspflicht

Redaktionelle Illustration: ein großes Fragezeichen, zusammengesetzt aus Tausenden kleiner Stimmen und Nachrichten

Hard Questions ist Anthropics Initiative, über die die Öffentlichkeit die schwierigsten Fragen zur künstlichen Intelligenz stellen kann, während sich das Unternehmen zur transparenten Nachverfolgung und öffentlichen Berichterstattung über konkrete Maßnahmen verpflichtet. Sie basiert auf einer Umfrage unter 52.000 Amerikanern und den Ansichten von 81.000 Claude-Nutzern aus 159 Ländern in 70 Sprachen.

🔧 Hardware

Mehr in Hardware →

🟢 🔧 Hardware 10. Juli 2026 · 2 Min. Lesezeit

AMD: SGLang Diffusion auf ROCm bringt Bildgenerierung und -bearbeitung auf Instinct-GPUs — Inferenz-Framework aus der LLM-Welt erweitert sich auf Diffusion

Redaktionelle Illustration: AMD-GPU-Chip, aus dem ein generiertes Bild durch Diffusionsschichten hervortritt

AMD hat einen Leitfaden zur Ausführung von Diffusionsmodellen für Bildgenerierung und -bearbeitung auf Instinct-GPUs über SGLang Diffusion im ROCm-Stack veröffentlicht. SGLang, ursprünglich als Inferenz-Framework für große Sprachmodelle bekannt, erweitert die Unterstützung nun auf Bilddiffusion und stärkt damit AMDs KI-Inferenzangebot außerhalb des NVIDIA-Ökosystems.

🟢 🔧 Hardware 9. Juli 2026 · 2 Min. Lesezeit

AMD: FlyDSL — Python-DSL verspricht Leistung manuell geschriebener HIP-C++-GPU-Kernel mit deutlich weniger Code

Redaktionelle Illustration: Python-Schlange um einen GPU-Chip, aus dem optimierte Ströme austreten

FlyDSL ist AMDs Python-domänenspezifische Sprache für GPU-Kernel, die laut einem neuen ROCm-Leitfaden die Leistung von manuell optimiertem HIP-C++-Code erreicht und dabei weniger geschriebene Zeilen benötigt. AMD veröffentlichte einen praktischen Leitfaden zum Portieren bestehender HIP-Kernel und positioniert FlyDSL als Python-first-Alternative zur NVIDIA-CUDA-Toolchain.

📦 Open Source

Mehr in Open Source →

🟢 📦 Open Source 10. Juli 2026 · 2 Min. Lesezeit

PyTorch: „kostenlose Normalisierung” fusioniert Layer Norm in GEMM- und Attention-Kernel — Meta zielt auf niedrigere Trainingskosten großer Modelle

Redaktionelle Illustration: Zwei GPU-Kernel, die ohne Zwischenschritt zu einem einzigen Datenstrom verschmelzen

Das PyTorch-Team von Meta veröffentlichte Techniken zur Fusionierung von Normalisierungsoperationen direkt in GEMM- und Attention-Kernel, mit dem Ziel, deren Rechenkosten zu eliminieren — „kostenlose Normalisierung”. Der Code ist über eine Kernel-Bibliothek auf GitHub verfügbar; das direkte Ergebnis ist schnelleres Training und schnellere Inferenz bei Modellen mit häufigen Layer-Norm- und RMS-Norm-Operationen.

🟡 📦 Open Source 9. Juli 2026 · 2 Min. Lesezeit

Ollama: 88 Millionen Dollar Finanzierung für lokale KI — 8,9 Millionen Entwickler und Docker-Gründer als Investoren

Redaktionelle Illustration: Lama-Silhouette aus Prozessorchips, umgeben von lokalen Computern

Ollama ist eine Plattform zum lokalen Betrieb offener KI-Modelle, die eine Finanzierungsrunde von 88 Millionen Dollar bekanntgab — mit Investoren wie Benchmark, Theory Ventures und Solomon Hykes, dem Gründer von Docker. Die Plattform bedient 8,9 Millionen Entwickler und 85 % der Fortune-500-Unternehmen; der Cloud-Dienst verdoppelt das Token-Volumen monatlich.

🔴 📦 Open Source 8. Juli 2026 · 5 Min. Lesezeit

PyTorch 2.13: bis zu 4× weniger GPU-Speicher beim LLM-Training und 12,3× schnelleres FlexAttention

Redaktionelle Illustration: PyTorch 2.13 neues Release mit wichtigen Verbesserungen für KI-Training und Inferenz

PyTorch 2.13 erscheint mit 3.328 Commits von 526 Mitwirkenden. Wichtigste Neuerungen: nn.LinearCrossEntropyLoss reduziert den GPU-Spitzenspeicherbedarf beim LLM-Training um bis zu 4×, FlexAttention auf Apple Silicon erreicht bis zu 12,3× Beschleunigung, und das neue torchcomms-Backend modernisiert das verteilte Training.

🟡 📦 Open Source 8. Juli 2026 · 4 Min. Lesezeit

CNCF White Paper: Datenspeicherung bleibt größtes Hindernis für Cloud-Native-KI im Maßstab

Redaktionelle Illustration: CNCF White Paper über Datenspeicherung für Cloud-Native-KI und Kubernetes-Infrastruktur

CNCF TAG Infrastructure hat ein White Paper veröffentlicht, das Datenspeicher-Engpässe in Cloud-Native-KI-Umgebungen kartiert, die Anforderungen der Phasen Training, Inferenz und agentische KI unterscheidet und Architekturempfehlungen für Kubernetes-KI/ML-Deployments gibt.

🟢 📦 Open Source 8. Juli 2026 · 3 Min. Lesezeit

IBM und Red Hat erweitern Lightwell – 6.500+ bereinigte Open-Source-Abhängigkeiten und Clearinghouse für Finanzen

Redaktionelle Illustration: IBM und Red Hat Lightwell KI-System zur Behebung von Schwachstellen in Open-Source-Code

IBM und Red Hat haben Lightwell Network in allgemeiner Verfügbarkeit mit einem Katalog von 6.500+ digital signierten bereinigten Abhängigkeiten in Java und Python gestartet, sowie Lightwell Clearinghouse Premier für die Koordination von Patch-Embargos im Finanzdienstleistungssektor, unterstützt von einer 5-Milliarden-Dollar-Verpflichtung für Open-Source-Sicherheit.

Vollständiges Archiv ansehen →