Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
abclive.in3. November 2026 · Q000390

DeepSeek Distillation Claims Explained and Analyzed

abclive.in · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht bewertet es als wahrscheinlich, dass DeepSeek bei der Entwicklung einige Ausgaben amerikanischer Modelle nutzte; OpenAI und Anthropic schildern dazu Datensammlung und auffällige Claude-Anfragen. Die öffentlichen Belege zeigen jedoch weder einen Transfer von Quellcode oder Modellgewichten noch, welche Antworten tatsächlich ins Training eingingen und wie stark sie die Leistung beeinflussten.

Mittel

Der Bericht prüft Vorwürfe, DeepSeek habe Antworten von OpenAI und Anthropic zum Training genutzt. Er erklärt Distillation als Lernen aus Modellantworten oder deren Bewertungen und grenzt dies vom Zugriff auf Quellcode oder Modellgewichte ab. Die zitierten öffentlichen Quellen belegen keinen Transfer von Code oder Gewichten.

OpenAI zufolge sammelten DeepSeek zugeordnete Personen automatisiert Antworten und nutzten Modelle zur Bewertung von Ergebnissen. Anthropic schrieb DeepSeek mehr als 150.000 Claude-Interaktionen im Februar 2026 und über 12,1 Millionen Anfragen in einem separaten Juli-Vorgang zu. Diese Angaben stützen laut Bericht die Annahme gezielter Aktivitäten, beweisen aber nicht, welche Antworten im Training landeten oder wie sehr sie ein Modell verbesserten. Der Juli-Vorgang fand zudem lange nach R1s Veröffentlichung statt.

DeepSeek erklärte, Webdaten für V3 hätten indirekt OpenAI-Antworten enthalten können, und beschrieb Distillation von R1 in sechs kleinere Modelle. Eine vorläufige Analyse fand Ähnlichkeiten zu mehreren möglichen Lehrmodellen, klärt aber weder Datenherkunft noch Berechtigung. Ein Bericht über GPT-6 Astra als Hilfe für ein Oktober-Upgrade beruht auf zwei anonymen Quellen und wurde von Reuters weitergegeben, nicht unabhängig bestätigt. ABC Live schließt, dass DeepSeek wahrscheinlich einige US-Modellausgaben nutzte; Ausmaß und Leistungseffekt bleiben ungeklärt, da private Konten und Trainingsdaten nicht untersucht wurden.

Ausführlich lesen

Der Bericht untersucht, ob DeepSeek beim Training seiner Modelle Antworten von OpenAI oder Anthropic genutzt hat. Er unterscheidet zwischen Distillation – dem Lernen aus Modellantworten oder deren Bewertungen – und dem Zugriff auf Quellcode oder trainierte Modellgewichte. Die ausgewerteten öffentlichen Quellen belegen laut Bericht keinen solchen Transfer von Code oder Gewichten und zeigen auch keine vollständige Kopie von ChatGPT oder Claude.

Zu R1, veröffentlicht im Januar 2025, hielt ein US-Kongressausschuss eine nicht autorisierte Distillation für sehr wahrscheinlich. Er stützte sich unter anderem auf Angaben von OpenAI, wonach DeepSeek zugeordnete Beschäftigte Antworten gesammelt und OpenAI-Modelle zur Bewertung und Auswahl von Trainingsmaterial eingesetzt hätten. In einer späteren Mitteilung beschrieb OpenAI außerdem automatisierte Datensammlung und Zugriffe über Zwischenstellen, die die Herkunft der Anfragen verschleiern sollten. Das sind konkrete, dem Unternehmen zugeschriebene Vorwürfe; die öffentliche Mitteilung verfolgt jedoch keine einzelnen Antworten bis zu einem bestimmten Trainingslauf zurück und misst nicht deren Einfluss auf die Modellleistung.

Anthropic berichtete im Februar 2026, mehr als 150.000 Claude-Interaktionen DeepSeek zugeordnet zu haben. Im September schilderte das Unternehmen einen weiteren Vorgang: Über 14 Tage im Juli seien mehr als 12,1 Millionen Anfragen über bestimmte Coding-Angebote an Claude Opus geleitet worden. Anthropic zufolge sollten dabei auch normalerweise verborgene Schlussfolgerungen erschlossen werden. Die häufig genannte Zahl von über 16 Millionen Interaktionen bezog sich dagegen auf drei Unternehmen zusammen. Solche Verkehrs- und Kontodaten stützen die Zuschreibung von Aktivitäten, belegen aber nicht, welche Antworten später tatsächlich ins Training gelangten oder welchen Nutzen sie brachten. Der Juli-Vorgang lag zudem deutlich nach R1s Veröffentlichung.

DeepSeek erklärte gegenüber Fachzeitschriften-Gutachtern, Webdaten für V3 hätten indirekt Antworten von OpenAI-Modellen enthalten. Zugleich bestritt das Team, beim belohnungsbasierten Training von R1-Zero auf fortgeschrittene Modelle wie GPT-4 gestützt zu haben. DeepSeek beschrieb außerdem ausdrücklich, sechs kleinere Modelle mit Antworten des eigenen R1 zu trainieren. Eine vorläufige Forschungsanalyse fand Ähnlichkeiten zu OpenAI o1 und Alibaba QwQ-32B-Preview, kann laut Bericht aber weder Datenherkunft noch Berechtigung klären.

Für ein Upgrade vom Oktober 2026 berichtete The Information unter Berufung auf zwei nicht namentlich genannte Quellen, OpenAIs GPT-6 Astra habe beim Training geholfen. Reuters gab diesen Bericht weiter; das ist keine unabhängige Bestätigung. DeepSeeks vorherige Trainingsangaben nennen eigene Modelle und V4, listen aber nicht alle Beispiele des Upgrades auf.

Der Bericht nennt außerdem Sarvam und BharatGen als Beispiele für in Indien entwickelte Modelle und betont, dass Sprachumfang allein keine Qualität belegt. Methodisch verglich ABC Live öffentliche Unternehmensangaben, Regierungs- und Forschungsdokumente sowie die ursprüngliche Astra-Berichterstattung; private Kontodaten und Trainingsdaten wurden nicht geprüft. Das Gesamturteil lautet, DeepSeek habe wahrscheinlich einige Ausgaben amerikanischer Modelle in der Entwicklung verwendet. Wie stark einzelne Modelle davon profitierten, bleibt offen; dafür wären datierte Trainingsprotokolle und kontrollierte Leistungsvergleiche nötig.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Luna lieferte kurze und mittlere Zusammenfassungen; die kurze ist ebenfalls treu, bewertet wurde die mittlere, die die zentralen Belege nennt. Die Sammelfragen zu Governance und gegenseitiger Prüfung werden vom Bericht kaum beantwortet, daher fallen die Stufen niedrig aus.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Einschätzung des US-Hausausschusses von April 2025, unautorisierte Distillation sei sehr wahrscheinlich, verbunden mit dem Hinweis, dass keine rechtliche Haftung entschieden wurde
  • DeepSeeks Aussage, das Reward-Training für R1-Zero habe sich nicht auf Anleitung durch fortgeschrittene Modelle wie GPT-4 gestützt
  • Die Unterscheidung zwischen indirekter Übernahme über Webdaten (V3) und den bestätigten Trainingsdaten aus R1 für sechs kleinere Modelle sowie der indische Abschnitt zu Sarvam und BharatGen

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M3 Wie stellt man fest, ob ein Vorfall gewollt oder versehentlich war, und ob KI oder herkömmliche Mittel dahinterstecken?
    • clef 100 %kein Bezug
    • Luna 29 %einzelne zitierbare Belege
    • JEV offen
    • amos 28 %einzelne zitierbare Belege
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 27 %gleiches Oberthema, hilft nicht
    • d3-ultra 40 %gleiches Oberthema, hilft nicht

  2. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 31 %Hintergrund, keine Belege
    • JEV offen
    • amos 27 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht
  3. SF-M5 Was muss vor und nach einem Vorfall geschehen, damit Verantwortliche einstehen, man daraus lernt, Beweise bleiben und Betroffene auch über Grenzen hinweg zu ihrem Recht kommen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV offen
    • amos 33 %Hintergrund, keine Belege
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 62 %gleiches Oberthema, hilft nicht
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 100 %kein Bezug
    • Luna 27 %Hintergrund, keine Belege
    • JEV offen
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht
  2. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 47 %Hintergrund, keine Belege
    • JEV offen
    • amos 33 %einzelne zitierbare Belege
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 28 %gleiches Oberthema, hilft nicht
    • d3-ultra 36 %gleiches Oberthema, hilft nicht

Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 53 %einzelne zitierbare Belege
    • JEV offen
    • amos 28 %Hintergrund, keine Belege
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 24 %gleiches Oberthema, hilft nicht
    • d3-ultra 30 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-P1-T03 Wenn eine Sicherheitsvereinbarung verlangt, Prüfergebnisse, Angaben aus Modellsteckbriefen oder die Forensik von Vorfällen zwischen den Partnern zu teilen: Welches kleinste Datenfeld müsste jeder Partner sehen, um dem Bericht eines anderen zu trauen, und auf welches größte würde er verzichten? Luna: Stufe 3 · 46 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
  2. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV offen
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht
  3. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 22 %gleiches Oberthema, hilft nicht
    • Luna 55 %Hintergrund, keine Belege
    • JEV offen
    • amos 37 %Hintergrund, keine Belege
    • SubQ 36 %gleiches Oberthema, hilft nicht
    • drex 29 %einzelne zitierbare Belege
    • d3-ultra 61 %gleiches Oberthema, hilft nicht

    • SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen? Luna: Stufe 3 · 43 % · Hintergrund, keine Belege
    • SF-P3-T03 Welche Rolle spielten Modelle der geprüften Modellfamilie, wenn überhaupt, beim Entwerfen, Durchführen oder Bewerten von Prüfungen oder Sicherheitsberichten, die Regierungen vorgelegt werden, und wird diese Rolle offengelegt? Luna: Stufe 3 · 29 % · Hintergrund, keine Belege
    • SF-P3-T05 Welches Mindestpaket (Datenverzeichnisse, Code, Zufallsstartwerte, Abbilder der Rechenumgebung, Prüferversionen, Fehlerprotokolle und Annahmen über die Hardware) muss ein Labor sichern oder kontrolliert hinterlegen, damit ein Prüfer ein sicherheitskritisches Trainings- oder Prüfergebnis auch nach Ende seines Zugangs nachrechnen kann, und welche Geheimnisse bleiben unzugänglich? Luna: Stufe 3 · 39 % · Hintergrund, keine Belege
  4. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 33 %gleiches Oberthema, hilft nicht
    • Luna 44 %Hintergrund, keine Belege
    • JEV offen
    • amos 36 %Hintergrund, keine Belege
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra 66 %gleiches Oberthema, hilft nicht

    • SF-P4-T01 Würden Regierungen Messdaten aus der Lieferkette von Chips (Telemetrie), den Stromverbrauch, gemeldete Verzeichnisse von Trainingsläufen und eine unabhängig überwachte Abrechnung von Strom, Hardware und Rechenaufwand als vertragstauglichen Nachweis für die Größe der Trainingsläufe eines anderen Staates anerkennen, ohne Modellgewichte (die gelernten Parameter) oder Code anzurühren? Und wie sähe eine Prüfordnung für Rechenschwellen aus, die nichts über das Innere der Modelle verrät? Luna: Stufe 3 · 46 % · Hintergrund, keine Belege
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV offen
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %gleiches Oberthema, hilft nicht
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 35 %einzelne zitierbare Belege
    • JEV offen
    • amos 28 %Hintergrund, keine Belege
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 26 %gleiches Oberthema, hilft nicht
    • d3-ultra 63 %gleiches Oberthema, hilft nicht

Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 26 %gleiches Oberthema, hilft nicht
    • Luna 49 %Hintergrund, keine Belege
    • JEV offen
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 68 %gleiches Oberthema, hilft nicht

Agenten und vernetzte Systeme
  1. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 27 %gleiches Oberthema, hilft nicht
    • Luna 41 %einzelne zitierbare Belege
    • JEV offen
    • amos 25 %nur am Rande erwähnt
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 56 %gleiches Oberthema, hilft nicht

Modelle teilen und schützen
  1. SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
    • clef 24 %beantwortet teilweise oder widerspricht
    • Luna 34 %einzelne zitierbare Belege
    • JEV offen
    • amos 37 %umfangreiche Belege
    • SubQ 32 %beantwortet direkt und ausführlich
    • drex 48 %beantwortet direkt und ausführlich
    • d3-ultra 56 %umfangreiche Belege

    • SF-H1-T02 Welche Belege wäre ein Labor bereit, seiner eigenen Regierung zu geben, wenn ein ausländisches Labor offenbar Fähigkeiten aus einem seiner Modelle extrahiert hat, und würde dessen Regierung im Gegenzug dasselbe Format anerkennen? Luna: Stufe 3 · 45 % · Hintergrund, keine Belege
    • SF-H1-T03 Mit welchen technischen Kontrollen und Prüfspuren erkennen, melden und verhindern Labore unerlaubte Destillation und den Abfluss von Modellgewichten (den gelernten Parametern) über Grenzen hinweg? Luna: Stufe 4 · 34 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
    • SF-H1-T04 Welche Maßnahmen für Transparenz über Destillationsverfahren könnten Labore einführen, um Sicherheitsbedenken zu begegnen, ohne geschützte Innovation preiszugeben? Luna: Stufe 3 · 39 % · Hintergrund, keine Belege
    • SF-H1-T05 Wie können Staaten zusammenarbeiten, um die Ausbreitung von Fähigkeiten zu beobachten, die durch Destillation aus großen, auf Sicherheit ausgerichteten Modellen in kleinere, weniger geregelte Modelle gelangen? Luna: Stufe 3 · 38 % · Hintergrund, keine Belege
  2. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 43 %Hintergrund, keine Belege
    • JEV offen
    • amos 28 %nur am Rande erwähnt
    • SubQ 62 %gleiches Oberthema, hilft nicht
    • drex 29 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht

    • SF-H2-T01 Was unterscheidet das Veröffentlichen von Modellgewichten (den gelernten Parametern) oder von Agentenwerkzeugen mit offenem Quellcode vom Freisetzen einer Waffe: die Absicht des Akteurs, die Selbstständigkeit des Modells, seine Verwendung oder der Schaden, den es von sich aus anrichten kann? Und können Staaten diese Grenze gemeinsam festschreiben, bevor ein offenes Modell im Mittelpunkt eines schweren Vorfalls steht? Luna: Stufe 3 · 43 % · Hintergrund, keine Belege
  3. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 19 %Hintergrund, keine Belege
    • Luna 47 %umfangreiche Belege
    • JEV offen
    • amos 31 %umfangreiche Belege
    • SubQ 34 %einzelne zitierbare Belege
    • drex 42 %umfangreiche Belege
    • d3-ultra 52 %einzelne zitierbare Belege
    • Haiku-Prüfung umfangreiche Belege

    • SF-H3-T01 Welcher gemeinsame Standard für Datenherkunft und Transparenz der Trainingsdaten erlaubt jedem Staat zu prüfen, ob ausländische Modelle mit unrechtmäßig beschafften Daten trainiert wurden (geschützte Werke, private Kommunikation, als geheim eingestuftes Material), ohne die Daten selbst offenzulegen? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege
    • SF-H3-T02 Welche gemeinsamen Prüfstandards und Verfahren zum Herkunftsnachweis erkennen versteckte Verhaltensauslöser und eine systemweite Verschlechterung der Ausrichtung an den vorgesehenen Zielen und Werten, wenn Training immer mehr auf synthetischen Daten anderer Spitzenmodelle beruht? Luna: Stufe 4 · 44 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
    • SF-H3-T03 Welche verbindliche Meldepflicht hat ein Labor, wenn ein Modell, das zum Teil mit synthetischen Daten eines fremden Spitzenmodells trainiert wurde, eine schlechtere Ausrichtung zeigt, die grenzüberschreitend Schaden verursacht, und welches Recht hat die Regierung des Landes, aus dem die Daten stammen, den betroffenen Trainingsablauf zu prüfen, ohne an die Modellgewichte (die gelernten Parameter) zu kommen? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege
    • SF-H3-T05 Wenn ein Modell nacheinander von Laboren in verschiedenen Rechtsordnungen feinjustiert, mit anderen Modellen zusammengeführt oder destilliert wird (ein weiteres Modell wird mit seinen Ausgaben trainiert) und jede Stufe Fähigkeiten hinzufügen oder Schutzvorkehrungen entfernen kann: Welches gemeinsame Herkunftsregister, das sich nur ergänzen und nicht ändern lässt, verfolgt eine Gefahr bis zu der Änderung zurück, die sie brachte, ohne die vollständigen Trainingsdaten eines einzelnen Labors zu verlangen? Und wenn dabei ein Verhalten entsteht, das keines der Ursprungslabore vorhergesehen hat: Welche Register- oder Vorabmeldepflicht gilt vor dem Einsatz, und welcher Staat ist bei grenzüberschreitendem Schaden zuständig? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
  4. SF-H6 Welche Belege klären Vorwürfe von Spionage und Datenabfluss zwischen Staaten?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV offen
    • amos 28 %einzelne zitierbare Belege
    • SubQ 28 %gleiches Oberthema, hilft nicht
    • drex 27 %einzelne zitierbare Belege
    • d3-ultra 33 %gleiches Oberthema, hilft nicht

    • SF-H6-T02 Nennen zwei Staaten die Modelle des anderen ein Spionagerisiko, der eine wegen Datenabfluss, der andere wegen Diebstahls von Modellgewichten (den gelernten Parametern): Welche Belege würde jedes Ministerium als Widerlegung anerkennen, und wer darf sie sammeln? Luna: Stufe 3 · 29 % · Hintergrund, keine Belege
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 48 %einzelne zitierbare Belege
    • JEV offen
    • amos 33 %Hintergrund, keine Belege
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 26 %einzelne zitierbare Belege
    • d3-ultra 57 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

  2. SF-O3 Welcher Text gilt, und wie beweist man, dass ein Dokument nicht verändert wurde?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV offen
    • amos 28 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV offen
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 57 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht

  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 22 %gleiches Oberthema, hilft nicht
    • Luna 44 %einzelne zitierbare Belege
    • JEV offen
    • amos 29 %nur am Rande erwähnt
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 61 %gleiches Oberthema, hilft nicht

  3. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV offen
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 64 %gleiches Oberthema, hilft nicht
    • drex 65 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %gleiches Oberthema, hilft nicht

Wirtschaft und Haftung
Information und Öffentlichkeit
  1. SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
    • clef 100 %kein Bezug
    • Luna 50 %Hintergrund, keine Belege
    • JEV offen
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →