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
pai29. April 2026 · Q001119

2026 Transparency Report on Foundation Model Impacts

partnershiponai.org · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der vorliegende Berichtsauszug bewertet die öffentliche Wirkungsberichterstattung von 13 Organisationen und sieht zwar Fortschritte, aber weiterhin eine verstreute, unvollständige Datenlage. Besonders unbekannt bleiben Ausmaß und Verbreitung von Schäden, schweren Vorfällen und gesellschaftlichen Folgen; zudem unterscheiden sich die Anbieter bei mehreren Berichtspraktiken deutlich.

Mittel

Der vorliegende Berichtsauszug bewertet anhand von mehr als 150 Quellen, wie 13 Organisationen öffentlich über die Auswirkungen ihrer Foundation Models informieren. Er beschreibt Fortschritte, aber auch eine lückenhafte und verstreute Datenlage: Informationen zu Nutzung und möglichen Arbeitsmarkteffekten nehmen zu, während Ausmaß von Schäden, schweren Vorfällen und gesellschaftlichen Folgen oft unbekannt bleibt.

Bewertet werden vier Praktiken: Nutzungsinformationen teilen, Forschung zu Auswirkungen nach dem Einsatz fördern, Vorfälle und Richtlinienverstöße melden sowie Nutzerfeedback veröffentlichen. Führende Anbieter machen bei Nutzungsdaten deutliche Fortschritte; im übrigen Feld ist der Fortschritt moderat. Bei der Meldung von Vorfällen kommt das übrige Feld laut Auszug nur begrenzt voran.

Der Text nennt weitere Lücken: uneinheitliche Berichte zu Umweltfolgen, fehlende Forschung zu Arbeitskräfte-Missbrauch und unbekannte Häufigkeit vieler Formen des Modellmissbrauchs. Zwar können freiwillige Vorfallsmeldungen die Bedrohungserkennung verbessern, doch breitere Schäden und Rückmeldungen zu allgemeinen Sicherheitsfragen erhalten weniger Aufmerksamkeit. Der Auszug enthält keine vollständigen Einzelbewertungen oder belastbaren Zahlen zur Verbreitung von Schäden.

Ausführlich lesen

Der vorliegende Berichtsauszug untersucht, wie offen 13 Organisationen öffentlich über die Auswirkungen ihrer Foundation Models berichten. Die Autorinnen und Autoren stützen ihre Einschätzung auf eine Auswertung von mehr als 150 Papieren, Artikeln, Websites und Berichten. Der Text knüpft an frühere Leitlinien und eine 2025 veröffentlichte Bewertungsmethodik an. Er betont, dass Transparenz Vertrauen und Rechenschaft ermöglichen soll, während freiwillige Zusagen und neue Gesetze Informationen zunehmend nur vertraulich zugänglich machen.

Laut Bericht machen einige führende Organisationen Vorgaben dafür, welche Informationen geteilt werden und wie. Viele andere Anbieter übernehmen diese Praktiken jedoch langsamer. Insgesamt sei die öffentlich verfügbare Datengrundlage lückenhaft und verstreut: Es gebe mehr Informationen zur KI-Nutzung und zu möglichen Folgen für den Arbeitsmarkt, doch die Verbreitung von Schäden, schweren Vorfällen und umfassenderen gesellschaftlichen Auswirkungen bleibe weitgehend unbekannt.

Bewertet wurden vier Praktiken: Nutzungsdaten teilen, Forschung zu gesellschaftlichen Auswirkungen nach dem Einsatz ermöglichen und veröffentlichen, Vorfälle und Richtlinienverstöße melden sowie Nutzerfeedback teilen. Für 2025–2026 stuft der Auszug den Fortschritt der führenden Organisationen bei Nutzungsinformationen als erheblich ein; beim übrigen Feld als moderat. Bei den drei weiteren Praktiken wird der Fortschritt beider Gruppen überwiegend als moderat beschrieben. Eine Ausnahme ist die Meldung von Vorfällen und Richtlinienverstößen: Hier ist der Fortschritt im übrigen Feld begrenzt.

Die genannten Einblicke verweisen auf konkrete Lücken und Unterschiede. Anbieter eigener Dienste könnten laut Bericht nachvollziehen, warum und wie Menschen Modelle nutzen, ohne die Privatsphäre zu verletzen; solche Daten könnten die Politik informieren. Anbieter weisen auf Risiken für Berufseinsteiger und veränderte Kompetenzanforderungen hin, hätten aber keine Forschung zu Missbrauch von Arbeitskräften und Arbeitskräftebeschaffung veröffentlicht. Umweltfolgen würden uneinheitlich berichtet, weshalb Standards nötig seien. Zwar meldeten Anbieter Fälle von KI-generiertem oder hochgeladenem Material sexualisierter Gewalt gegen Kinder, doch die Häufigkeit anderer Formen des Missbrauchs sei unbekannt. Freiwillige Meldungen bestimmter Sicherheitsvorfälle könnten die Erkennung von Bedrohungen beschleunigen; breitere Folgen für Nutzer und Gesellschaft würden jedoch oft übersehen. Außerdem werde Feedback zu Sicherheitsrisiken stärker gesammelt als Rückmeldungen zu umfassenderen Sicherheitsbedenken. Für offene Modelle erschwerten praktische Umsetzungsprobleme die Berichterstattung.

Der Auszug enthält keine ausführlichen Einzelbewertungen der 13 Organisationen und keine detaillierten Zahlen zu Schäden oder Vorfällen. Seine zentrale Einschränkung ist gerade, dass die öffentliche Datenlage solche Aussagen bislang nicht zuverlässig erlaubt.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Einordnung stützt sich nur auf den Berichtsauszug; die Abbildung ist nicht enthalten und der Platzhalter im Titel der Abbildung ist unaufgelöst.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Kernthese des Berichts, dass freiwillige Zusagen und neue Gesetze zunehmend auf nichtöffentliche Offenlegung setzen und private Offenlegung allein weder Vertrauen noch Rechenschaft schaffen kann
  • Insight 7: Wissenschaftliche und politische Leitlinien zur Wirkungsberichterstattung bei offenen Modellen stoßen auf Umsetzungsprobleme, die die tatsächliche Berichterstattung verringern
  • Insight 1: Anbieter, die ihre Dienste selbst betreiben, können Nutzungszwecke erfassen, ohne die Privatsphäre zu gefährden, was politische Entscheidungen informieren kann

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-M1 Ab wann ist ein KI-Vorfall so ernst, dass Staaten ihn einander melden müssen?
    • clef 100 %kein Bezug
    • Luna 62 %Hintergrund, keine Belege
    • JEV 36 %nur am Rande erwähnt
    • amos 30 %Hintergrund, keine Belege
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  2. 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 48 %Hintergrund, keine Belege
    • JEV 38 %nur am Rande erwähnt
    • amos 32 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  3. 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 60 %einzelne zitierbare Belege
    • JEV 51 %einzelne zitierbare Belege
    • amos 27 %Hintergrund, keine Belege
    • SubQ 28 %gleiches Oberthema, hilft nicht
    • drex 25 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-M4-T01 Welches gemeinsame Meldeformat und welcher geschützte Kanal ließen Labore Fehler nachstellen und Korrekturen prüfen, ohne private Daten oder gefährliche technische Details preiszugeben? Und könnte sich die Branche über Grenzen hinweg auf einen Standard für das Melden KI-gestützter Einbrüche und Datenabflüsse einigen, damit eine Eskalation gemessen und nicht nur behauptet wird? Luna: Stufe 3 · 29 % · Hintergrund, keine Belege
    • SF-M4-T02 Wie sähen Selbstkontrolle und Informationsaustausch zwischen Laboren verschiedener Staaten praktisch aus (eine gemeinsame Vorlage für Vorfallberichte, gemeinsame Übungen oder ein gemeinsames Register), und wer dürfte die Berichte sehen? Luna: Stufe 3 · 30 % · Hintergrund, keine Belege
    • 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 · 38 % · Hintergrund, keine Belege
  4. 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 45 %Hintergrund, keine Belege
    • JEV 56 %einzelne zitierbare Belege
    • amos 32 %Hintergrund, keine Belege
    • SubQ 35 %gleiches Oberthema, hilft nicht
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-M5-T02 Wird jeder öffentlich gemeldete Vorfall von Fehlausrichtung, der sich gefahrlos nachstellen lässt, zu einem versionierten Regressionstest (einer Prüfung, ob der Fehler wiederkehrt), den Nachfolgemodelle vor der Freigabe bestehen müssen, mit unabhängiger Prüfung des Ergebnisses? Luna: Stufe 3 · 27 % · Hintergrund, keine Belege
    • SF-M5-T06 Welche Pflicht sollten Regierungen, Labore und Betreiber haben, wenn sich später zeigt, dass ein eingesetztes Modell eine Sicherheitsschwelle verletzt hat: die Entscheidungen, die es beeinflusst hat, zu ermitteln, darüber zu benachrichtigen, sie zu berichtigen oder für sie zu entschädigen? Und wie kann eine nachträgliche Prüfung den vom Modell verursachten Schaden vom umgebenden menschlichen Entscheidungsprozess unterscheiden? Luna: Stufe 3 · 47 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · 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 38 %gleiches Oberthema, hilft nicht
    • Luna 42 %Hintergrund, keine Belege
    • JEV 40 %nur am Rande erwähnt
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 61 %gleiches Oberthema, hilft nicht
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  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 66 %Hintergrund, keine Belege
    • JEV 45 %Hintergrund, keine Belege
    • amos 26 %nur am Rande erwähnt
    • SubQ 65 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

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 28 %Hintergrund, keine Belege
    • Luna 41 %Hintergrund, keine Belege
    • JEV 36 %einzelne zitierbare Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 23 %Hintergrund, keine Belege
    • Luna 72 %Hintergrund, keine Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 33 %Hintergrund, keine Belege
    • SubQ 28 %Hintergrund, keine Belege
    • drex 29 %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 3 · 39 % · 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 · 39 % · 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 65 %Hintergrund, keine Belege
    • JEV 40 %Hintergrund, keine Belege
    • amos 27 %gleiches Oberthema, hilft nicht
    • SubQ 66 %gleiches Oberthema, hilft nicht
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-T1-T05 Welche messbaren Vergleichswerte würden zeigen, dass die Ausrichtung der Modelle eines Labors an den vorgesehenen Zielen und Werten schneller vorankommt, als ihre Fähigkeiten wachsen, über das Fehlen öffentlicher Fehlschläge hinaus? Luna: Stufe 3 · 38 % · Hintergrund, keine Belege
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 50 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 67 %gleiches Oberthema, hilft nicht
    • drex 79 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

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 35 %Hintergrund, keine Belege
    • JEV 24 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 61 %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 47 %Hintergrund, keine Belege
    • JEV 36 %Hintergrund, keine Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 70 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 23 %gleiches Oberthema, hilft nicht
    • Luna 49 %einzelne zitierbare Belege
    • JEV 48 %einzelne zitierbare Belege
    • amos 31 %Hintergrund, keine Belege
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 30 %Hintergrund, keine Belege
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

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 38 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 52 %Hintergrund, keine Belege
    • JEV 56 %gleiches Oberthema, hilft nicht
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 63 %gleiches Oberthema, hilft nicht
    • 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 28 %Hintergrund, keine Belege
    • Luna 54 %Hintergrund, keine Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 29 %nur am Rande erwähnt
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 29 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • 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 · 40 % · Hintergrund, keine Belege
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O1 Wie können Mitarbeitende Sicherheitsbedenken melden, ohne alles zu riskieren?
    • clef 100 %kein Bezug
    • Luna 45 %Hintergrund, keine Belege
    • JEV 33 %gleiches Oberthema, hilft nicht
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  2. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 23 %Hintergrund, keine Belege
    • Luna 73 %einzelne zitierbare Belege
    • JEV 35 %umfangreiche Belege
    • amos 30 %einzelne zitierbare Belege
    • SubQ 30 %einzelne zitierbare Belege
    • drex 31 %einzelne zitierbare Belege
    • d3-ultra offen
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-O2-T05 Welche öffentlichen Zusagen eines Spitzenlabors macht die juristische Person, die bei einem Bruch verklagt würde, und welche nur das Forschungsteam, und veröffentlichen die Labore das für jede Zusage? Luna: Stufe 3 · 30 % · Hintergrund, keine Belege
    • SF-O2-T06 Prüfer mit dauerhaftem Zugang im Labor sollen Nachprüfbarkeit, Transparenz und eine zweite Meinung bringen. Was sollten sie darüber hinaus veröffentlichen, das heute vertraulich bleibt, etwa Beinahe-Vorfälle oder Teilprüfungen noch unveröffentlichter Modelle? Luna: Stufe 3 · 34 % · Hintergrund, keine Belege
  3. SF-O3 Welcher Text gilt, und wie beweist man, dass ein Dokument nicht verändert wurde?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 22 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 28 %Hintergrund, keine Belege
    • Luna 57 %Hintergrund, keine Belege
    • JEV 43 %gleiches Oberthema, hilft nicht
    • amos 27 %nur am Rande erwähnt
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 26 %gleiches Oberthema, hilft nicht
    • Luna 61 %Hintergrund, keine Belege
    • JEV 55 %einzelne zitierbare Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 50 %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 31 %Hintergrund, keine Belege
    • JEV 44 %gleiches Oberthema, hilft nicht
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  4. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 26 %Hintergrund, keine Belege
    • Luna 75 %Hintergrund, keine Belege
    • JEV 35 %Hintergrund, keine Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 55 %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 26 %gleiches Oberthema, hilft nicht
    • Luna 45 %Hintergrund, keine Belege
    • JEV 43 %Hintergrund, keine Belege
    • amos 33 %nur am Rande erwähnt
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 34 %Hintergrund, keine Belege
    • d3-ultra offen

    • 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 · 46 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 0 · kein Bezug
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 41 %gleiches Oberthema, hilft nicht
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-I1-T03 Wenn KI-erzeugte Einflussnahme vor allem über gemeinsam genutzte Systeme für Empfehlungen, Rangfolgen, Werbung und Nutzerbindung wirkt und nicht über die Ausgabe eines einzelnen Modells: Welche gemeinsame Messung, welche Vorfallschwelle und welcher abgestimmte Reaktionsablauf sollten gelten, ohne dass Plattformaufsicht zur Zensur von Meinungen wird? Luna: Stufe 3 · 41 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt

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 →