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
pai6. Dezember 2023 · Q000817

Eyes Off My Data: Conclusion

partnershiponai.org · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der bereitgestellte Schlussabschnitt berichtet, Fachleute sähen differenziell private föderierte Statistiken als mögliche Unterstützung für Fairnessprüfungen, aber nicht als Lösung für alle Risiken algorithmischer Verzerrung und demografischer Datenerhebung. Er empfiehlt unter anderem klare Fairnessziele, ausreichende Ressourcen, Beteiligung betroffener Gemeinschaften und sorgfältige Entscheidungen zu Datenschutz, Abfragen und Speicherfristen. Es liegt nur der Schlussabschnitt des Berichts vor.

Mittel

Der bereitgestellte Text ist der Schlussabschnitt eines Berichts über Apples Einsatz differenziell privater föderierter Statistiken für Fairnessprüfungen digitaler Ausweise in Apple Wallet in den USA. Der Bericht beschreibt, wie Differential Privacy durch statistisches Rauschen und föderierte Auswertung auf einzelnen Geräten den Schutz demografischer Daten unterstützen sollen. Fachleute hätten bei zwei von Partnership on AI veranstalteten Treffen betont, dass Prüfungen vor und nach der Einführung wichtig sind und bestimmte demografische Daten helfen können, gruppenbezogene Nachteile zu erkennen. Eine datenschutzfreundliche Technik allein löse jedoch weder das Problem algorithmischer Verzerrungen noch alle Risiken der Datenerhebung; diese brauche einen klaren Zweck und einen verantwortungsvollen Nutzungsplan.

Die Empfehlungen umfassen ausreichende Ressourcen und Rückhalt für Prüfteams, transparente und abgestimmte Fairnessdefinitionen sowie die Beteiligung von Gemeinschaften und nichttechnischen Fachleuten. Betroffene sollten sich möglichst selbst einordnen und verständlich über Teilnahme, Datennutzung, Schutz und Speicherdauer informiert werden. Für die Technik empfehlen die Teilnehmenden lokale Differential Privacy, gegebenenfalls sichere Aggregation, sorgfältig gewählte Datenschutzparameter und gemeinsam entwickelte Abfragen. Speicherfristen sollen Missbrauch begrenzen, zugleich aber die Erkennung von Benachteiligungen kleiner Gruppen ermöglichen. Da nur der Schlussabschnitt vorliegt, sind Ergebnisse aus den übrigen Berichtsteilen hier nicht enthalten.

Ausführlich lesen

Der bereitgestellte Text ist der Schlussabschnitt („Conclusion“) eines Berichts über den Einsatz differenziell privater föderierter Statistiken bei Fairnessprüfungen algorithmischer Systeme. Er behandelt Apples digitale Ausweise in Apple Wallet in den USA als Fallbeispiel. Der Bericht betont, dass sich kaum garantieren lasse, ein algorithmisches Produkt werde in jeder Situation für alle Menschen fair funktionieren. Deshalb seien Prüfungen vor und nach der Einführung nötig. Prüfungen im Einsatz könnten jedoch zusätzliche demografische Daten erfordern, deren Erhebung und Nutzung Datenschutz-, Sicherheits- und Rechtsfragen aufwerfe. Für Betroffene und Gemeinschaften bestünden laut Bericht außerdem Risiken wie Missbrauch, diskriminierende Verwendung sowie falsche oder ausschließende Zuordnungen.

Apple habe für die digitalen Ausweise Verfahren eingesetzt, mit denen Apple und die ausstellenden Behörden mögliche Benachteiligungen beim Einrichten oder Verwenden erkennen sollen. Als Schutzmaßnahme beschreibt der Bericht differenziell private föderierte Statistiken: Differential Privacy fügt statistisches Rauschen hinzu, um eine Wiedererkennung zu erschweren; föderierte Statistik analysiert Daten auf einzelnen Geräten statt sie zentral zu sammeln. Partnership on AI (PAI) ließ Apples Ansatz in zwei von PAI veranstalteten Treffen von Fachleuten aus Unternehmen, Forschung und Zivilgesellschaft diskutieren. Im Mittelpunkt stand nicht allein die Technik, sondern auch ihr Zusammenspiel mit einer umfassenden Fairnessstrategie und sozialen Risiken.

Die Teilnehmenden hätten sowohl Prüfungen vor als auch nach der Einführung für wichtig gehalten. Prüfungen nach der Einführung seien besonders nötig, um Systeme in ihren realen sozialen, politischen und wirtschaftlichen Umfeldern zu beobachten. Zugleich könne die überlegte Erhebung bestimmter demografischer Daten helfen, gruppenbezogene Schäden aufzudecken. Ein sicherer und datenschutzfreundlicher Erhebungsweg reiche für sich genommen aber weder zur Bewältigung algorithmischer Verzerrungen noch sämtlicher Risiken demografischer Datenerhebung aus. Ohne klaren Zweck und einen wirksamen Plan für verantwortungsvolle Nutzung sei eine solche Erhebung nach Auffassung des Berichts nicht zu rechtfertigen. Die Technik könne Datenschutz und Sicherheit stärken und so Fairnessprüfungen unterstützen, beseitige die Risiken aber nicht vollständig.

Die im Text wiedergegebenen Empfehlungen betreffen zunächst die organisatorischen Grundlagen: Teams sollen ausreichend Zeit und Mittel sowie Rückhalt durch Führungskräfte erhalten, externe Fachleute und Gemeinschaften sinnvoll beteiligen und deren Beiträge gegebenenfalls vergüten. Organisationen sollen technische und öffentliche Vorstellungen von Fairness abstimmen und ihre Definition transparent machen. Sie sollen relevante demografische Kategorien erforschen, Selbstidentifikation ermöglichen, mögliche Unterrepräsentation aktiv berücksichtigen und verständlich über Teilnahme, Datenschutz, Verwendungszweck und Speicherdauer informieren.

Für die konkrete Technik empfehlen die Fachleute lokale Differential Privacy und erwägen zusätzlich sichere Aggregation. Datenschutzparameter sollen die besonders von algorithmischen Schäden bedrohten Menschen berücksichtigen. Abfrageparameter sollen zur Fairnessdefinition passen und interdisziplinär entwickelt werden; Datenminimierung sei gegen den jeweiligen Prüfbedarf abzuwägen. Außerdem sollen Organisationen Speicherfristen festlegen und bedenken, dass kurze oder ungeeignete Fristen die Erkennung von Verzerrungen bei kleinen Gruppen erschweren können. Als von Fachleuten hervorgehobene Beispiele nennt der Bericht Apples 90-tägige Speicherfrist, verständliche Angaben zu den bereitgestellten Daten sowie organisatorische Kontrolle über Abfragen und Parameter. Da hier nur der Schlussabschnitt vorliegt, enthält diese Zusammenfassung keine Ergebnisse oder Belege aus den übrigen Berichtsteilen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Bewertet wurde die mittlere Zusammenfassung; die kurze Fassung ist grob treu, lässt aber den Apple-Wallet-Kontext und die Speicherfrist aus. Der Bericht ist nur ein Schlussabschnitt mit Tabellen zu Fairnessprüfungen und Differential Privacy, sodass Fragen zu Regierungen, Mitsprache und menschlicher Aufsicht nur am Rande berührt werden.

Im Bericht, aber nicht in der Zusammenfassung

  • Apples Speicherfrist von 90 Tagen, die Teilnehmende ausdrücklich als vorbildlich lobten
  • Die Zusammensetzung der Expertinnen und Experten aus kommerziellen KI-Unternehmen, Forschungseinrichtungen und Zivilgesellschaft
  • Die Aussage, dass Datenerhebung ohne klaren Zweck und Nutzungsplan nicht zu rechtfertigen ist

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-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 56 %Hintergrund, keine Belege
    • JEV 26 %einzelne zitierbare Belege
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

    • SF-M4-T04 Wenn Labore rivalisierender Staaten einen gemeinsamen, vertraulichen Meldekanal für Beinahe-Vorfälle einrichteten: Welche Leitungs- und Kontrollstruktur gäbe allen Beteiligten die Gewissheit, dass geteilte Angaben später nicht in einem geopolitischen Streit als Waffe eingesetzt werden? Luna: Stufe 3 · 39 % · Hintergrund, keine Belege
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 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 22 %Hintergrund, keine Belege
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 59 %Hintergrund, keine Belege
    • JEV 46 %einzelne zitierbare Belege
    • amos 27 %Hintergrund, keine Belege
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-F4-T03 Welche neue Prüfung braucht jeder Einsatz, wenn Fähigkeiten zunehmend im Nachdenken des Modells während der Nutzung stecken statt in einem einmal trainierten Modell, und würden die für ein festes Modell gebauten Freigabetests das noch erfassen? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege
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 100 %kein Bezug
    • Luna 52 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

  2. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 52 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-P2-T01 Wer wählt die Prüfer aus, wer bezahlt sie, wer darf sie entlassen, und wird dieser Vertrag vor dem ersten Befund veröffentlicht? Welchen Mindestvertrag, der ihre Unabhängigkeit wahrt, könnten Labore jetzt unterschreiben, ohne auf ein Gesetz zu warten, einschließlich der Frage, wie Berichte veröffentlicht werden? Und wie bleiben die Prüfer unabhängig, wenn Geld oder Infrastruktur vom geprüften Labor kommen? Luna: Stufe 3 · 44 % · Hintergrund, keine Belege
  3. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 49 %Hintergrund, keine Belege
    • JEV 22 %einzelne zitierbare Belege
    • amos 31 %Hintergrund, keine Belege
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 27 %Hintergrund, keine Belege
    • d3-ultra offen

    • 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 4 · 30 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
    • SF-P3-T07 Wird jede öffentliche Aussage, ein führendes KI-Modell sei „besser ausgerichtet“ als ein anderes (folge also seinen vorgesehenen Zielen und Werten besser), reproduzierbare Kriterien, externe Prüfungen und widersprechende Ergebnisse enthalten? Luna: Stufe 3 · 38 % · Hintergrund, keine Belege
    • SF-P3-T08 Welche gemeinsame Bezugsgröße für den Umfang der Nutzung, welcher Beobachtungszeitraum, welcher Stichprobenplan, welche Definition von Beinahe-Vorfall und welche statistische Obergrenze (obere Konfidenzgrenze) würden es jedem erlauben zu sagen: „keine erkennbare systemische Fehlausrichtung (Verhalten gegen die vorgesehenen Ziele oder Werte) im Einsatzmaßstab“? Und wie muss dargestellt werden, dass die Erkennung lückenhaft ist? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege
    • SF-P3-T09 Was geschieht, wenn sich ein gemeinsames Prüfverfahren oder die Befunde eines Prüfers später als unzuverlässig erweisen: Wie findet man jede Einsatzfreigabe, die wesentlich darauf beruhte, prüft sie erneut, und welche vorläufigen Betriebsbedingungen gelten, bevor modellbezogene Vorfälle auftreten? Luna: Stufe 3 · 40 % · 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 51 %Hintergrund, keine Belege
    • JEV 48 %Hintergrund, keine Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-T1-T06 Welcher öffentliche Beleg zeigt, ob vereinbarte Grenzen eingehalten werden? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 29 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 68 %Hintergrund, keine Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 52 %einzelne zitierbare Belege
    • JEV 49 %beantwortet teilweise oder widerspricht
    • amos 28 %Hintergrund, keine Belege
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 27 %Hintergrund, keine Belege
    • d3-ultra offen

    • SF-V5-T01 Was sollte ein Modell schon heute tun, nicht erst bei rekursiver Selbstverbesserung (wenn KI ihre eigene Weiterentwicklung selbst vorantreibt), um äußerste Vorsicht angesichts rasch wachsender maschineller Intelligenz ernst zu nehmen? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 45 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 46 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  3. SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
    • clef 100 %kein Bezug
    • Luna 59 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
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 71 %einzelne zitierbare Belege
    • JEV 25 %einzelne zitierbare Belege
    • amos 28 %nur am Rande erwähnt
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

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 55 %einzelne zitierbare Belege
    • JEV 45 %einzelne zitierbare Belege
    • amos 26 %nur am Rande erwähnt
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-E1-T01 Wie bekommen Staaten des Globalen Südens, Hochschulen und Zivilgesellschaft eine verbindliche Stimme statt Beobachterstatus in den entstehenden KI-Sicherheitsplattformen, Prüfverbünden und Normungsgremien? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege
    • SF-E1-T05 Welche Mechanismen könnten geschaffen werden, damit Standards und Praktiken der KI-Sicherheit in Ländern des Globalen Südens berücksichtigt und nicht allein von wenigen Staaten bestimmt werden? Luna: Stufe 3 · 39 % · Hintergrund, keine Belege
    • SF-E1-T09 Bekommen zivile Forschende an Hochschulen und unabhängige Organisationen der Zivilgesellschaft geregelten Zugang zu Modellen, Daten und Befunden der Prüfer, oder bleibt die Prüfung bei staatlich bestellten Stellen? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege
  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 100 %kein Bezug
    • Luna 53 %Hintergrund, keine Belege
    • JEV 36 %Hintergrund, keine Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  3. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 100 %kein Bezug
    • Luna 67 %Hintergrund, keine Belege
    • JEV 42 %gleiches Oberthema, hilft nicht
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
  4. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 66 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  5. 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 69 %einzelne zitierbare Belege
    • JEV 41 %einzelne zitierbare Belege
    • amos 29 %einzelne zitierbare Belege
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 26 %Hintergrund, keine Belege
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen? Luna: Stufe 3 · 62 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
    • SF-E5-T02 Welche Entscheidungen müssen menschlich bleiben, auch wenn eine KI sie besser treffen könnte, und wie würden Staaten in Entscheidungsschleifen mit hohem Risiko prüfbar machen, dass ein Mensch die Ausgabe der KI wirklich beurteilt und nicht nur routinemäßig abgenickt hat? Luna: Stufe 3 · 44 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 0 · kein Bezug
    • SF-E5-T03 Wie können Menschen, die von KI betroffen sind, die Sicherheitszusagen ihrer Regierungen verbindlich mitbestimmen, bevor diese sie auf einem Gipfel festlegen? Zum Beispiel über einen Bürgerrat, ein Einspruchsrecht nach öffentlicher Anhörung oder eine unabhängige Vertretung mit festen Rechten, und nicht nur über Gespräche mit Fachleuten. Luna: Stufe 3 · 43 % · Hintergrund, keine Belege
Wirtschaft und Haftung

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 →