Economic Index report: Economic primitives
Zusammenfassung
Kurz
Anthropic untersucht Claude-Nutzung anhand neuer Maße für Aufgaben, Kompetenzen, Zweck, Autonomie und Erfolg. Die Auswertung zeigt eine Konzentration auf wenige Aufgaben, geografische Unterschiede sowie einen Zielkonflikt: Komplexe Tätigkeiten bringen größere geschätzte Zeitersparnisse, gelingen aber seltener. Die Produktivitätswerte sind modellabhängige Schätzungen aus selbst ausgewählten Nutzungsdaten und daher keine gesicherten Prognosen.
Mittel
Der Bericht führt fünf neue Messgrößen zur Claude-Nutzung ein: Aufgabenkomplexität, erforderliche Kompetenzen, Nutzungszweck, Claude eingeräumte Autonomie und geschätzten Aufgabenerfolg. Anthropic wertet dafür jeweils eine Million anonymisierte Claude.ai-Gespräche und API-Datensätze aus November 2025 aus. Die Klassifikationen seien laut Bericht richtungsweisend, aber nicht exakt.
Die Nutzung bleibt auf wenige, häufig programmierbezogene Aufgaben konzentriert. Auf Claude.ai nahm unterstützende Zusammenarbeit im Vergleich zur Automatisierung wieder zu; die API-Nutzung blieb stärker automatisiert. Weltweit hängt die Nutzungsintensität mit dem Einkommen zusammen: In wohlhabenderen Ländern ist die Nutzung häufiger beruflich oder privat, in ärmeren häufiger bildungsbezogen. Diese Beobachtungen zeigen Zusammenhänge, aber keine Ursachen. Eine rasche Angleichung der US-Bundesstaaten wird aus nur drei Monaten Daten hochgerechnet und ist unsicher.
Komplexere Aufgaben versprechen laut Schätzungen größere Zeitersparnisse, gelingen Claude aber seltener. Unter Einbezug der Erfolgsquoten sinkt die modellierte Produktivitätsschätzung für die USA von 1,8 auf 1,0 bis 1,2 Prozentpunkte jährlichen Zuwachs über zehn Jahre. Die Werte hängen von Annahmen zu Aufgabenerfolg und Wechselwirkungen zwischen Tätigkeiten ab. Weil Nutzer ihre Aufgaben selbst auswählen und die Daten aktuelle Claude-Nutzung statt kontrollierter Tests abbilden, sind die Ergebnisse keine gesicherten Prognosen.
Ausführlich lesen
Der Bericht stellt neue Messgrößen vor, mit denen Anthropic die wirtschaftlich relevanten Eigenschaften der Claude-Nutzung untersuchen will. Er wertet dafür anonymisierte Gespräche von Claude.ai und einzelne Anfrage-Antwort-Paare aus der First-Party-API aus. Die fünf neuen „ökonomischen Primitiven“ erfassen Aufgabenkomplexität, benötigte menschliche und KI-Kompetenzen, den Nutzungszweck (Arbeit, Bildung oder privat), die Claude eingeräumte Entscheidungsfreiheit und den geschätzten Aufgabenerfolg. Zusammen mit der bereits erfassten Unterscheidung zwischen Automatisierung und Unterstützung sollen sie zeigen, wie Claude eingesetzt wird und welche Folgen das für Arbeit und Produktivität haben könnte.
Die Analyse beruht vor allem auf je einer Zufallsstichprobe von einer Million Claude.ai-Gesprächen und einer Million API-Transkripten aus dem Zeitraum 13. bis 20. November 2025. Anthropic lässt Claude die anonymisierten Daten klassifizieren. Die Forschenden berichten, dass sie die Klassifikatoren anhand begrenzter menschlicher Bewertungen sowie interner und synthetischer Daten geprüft und teilweise überarbeitet haben. Sie halten die Maße für richtungsweisend, betonen aber, dass einzelne Zuordnungen ungenau sein können und nicht als exakte Messungen zu verstehen sind.
Ein Vergleich mit dem vorigen Bericht zeigt, dass die Nutzung weiterhin stark auf wenige Aufgaben konzentriert ist: Die zehn häufigsten Aufgaben machen laut Bericht 24 Prozent der Claude.ai-Gespräche und 32 Prozent der API-Datensätze aus. Softwarefehler zu beheben ist auf beiden Plattformen die häufigste Aufgabe. Auf Claude.ai nahm unterstützende, interaktive Nutzung im untersuchten Zeitraum wieder zu: 52 Prozent der Gespräche wurden als Ergänzung menschlicher Arbeit und 45 Prozent als Automatisierung eingestuft. Bei API-Nutzung blieb Automatisierung deutlich verbreiteter. Weltweit konzentriert sich die Nutzung weiterhin auf wohlhabendere Länder; innerhalb der USA wurde sie zwischen Bundesstaaten gleichmäßiger. Eine Angleichung binnen zwei bis fünf Jahren ist eine Hochrechnung aus nur drei Monaten Beobachtung und laut Bericht unsicher.
Geografisch hängt eine höhere Nutzung mit dem Pro-Kopf-Einkommen zusammen. Wohlhabendere Länder weisen relativ mehr berufliche und private Nutzung auf, während Bildungsnutzung in Ländern mit niedrigerem Einkommen häufiger ist. Diese Zusammenhänge belegen laut Bericht keine Ursache-Wirkung-Beziehung. Zudem unterscheiden sich Länder- und US-Bundesstaatenvergleiche teils: So hängt höhere Nutzung auf Länderebene mit kürzeren Aufgaben und geringerer Claude-Autonomie zusammen, während diese Muster innerhalb der USA statistisch nicht klar erkennbar sind. Die Bildungsanforderungen von Eingaben und Antworten korrelieren stark; daraus folgert Anthropic, dass die Art der Eingabe mit dem Antwortniveau zusammenhängt.
Bei Produktivität und Beschäftigung berichtet Anthropic einen Zielkonflikt: Komplexere, bildungsintensivere Aufgaben zeigen größere geschätzte Zeitersparnisse, aber zugleich niedrigere Erfolgsquoten. Der geschätzte Erfolg sinkt außerdem mit der Zeit, die Menschen allein für eine Aufgabe benötigen. Für reale Claude.ai-Nutzung wird eine Erfolgsquote von 50 Prozent bei Aufgaben von etwa 19 Stunden hochgerechnet, für API-Anfragen bei etwa 3,5 Stunden. Das sind keine kontrollierten Fähigkeitsmessungen: Nutzer wählen selbst aus, welche Aufgaben sie Claude geben, und API-Daten bestehen nur aus einzelnen Anfrage-Antwort-Paaren.
Anthropic berechnet auch eine effektivere Abdeckung von Berufen, indem es Aufgabenanteile, Häufigkeit und geschätzte Erfolgsquoten kombiniert. Dadurch können Berufe stark betroffen erscheinen, wenn Claude gerade zentrale oder zeitintensive Aufgaben bewältigt; bloße Aufgabenabdeckung kann die Wirkung überschätzen. Die erfassten Aufgaben erfordern im Durchschnitt mehr Bildung als Aufgaben der Gesamtwirtschaft. Ein Gedankenexperiment, in dem diese Aufgaben aus Berufen entfernt werden, ergibt daher meist eine Abwertung der verbleibenden Tätigkeiten, bei einzelnen Berufen aber eine Aufwertung. Die Folgen hängen davon ab, welche Aufgaben tatsächlich ersetzt oder ergänzt werden und wie sich Claude weiterentwickelt.
Für das US-Produktivitätswachstum schätzt der Bericht aus aktuellen Nutzungsmustern zunächst etwa 1,8 Prozentpunkte zusätzlichen jährlichen Zuwachs über zehn Jahre. Werden die geschätzten Erfolgsquoten berücksichtigt, sinkt die Schätzung auf 1,2 Punkte für Claude.ai und 1,0 für die API. Je nachdem, ob Aufgaben einander ergänzen oder ersetzen können, fallen die Modellwerte weiter niedriger oder höher aus. Diese Ergebnisse sind Szenarien, keine beobachteten künftigen Gewinne; sie beruhen auf Annahmen zur Übertragung von Aufgaben-Zeitersparnissen auf die Gesamtwirtschaft und auf den Fähigkeiten vor Opus 4.5. Der Bericht veröffentlicht die Daten, damit externe Forschende diese Fragen weiter untersuchen können.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Die Einordnung stützt sich nur auf den Bericht zu Wirtschaftskennzahlen; er behandelt keine Governance-Fragen direkt, daher fallen die Stufen für die Sammelfragen niedrig aus.
Im Bericht, aber nicht in der Zusammenfassung
- Befund, dass ohne die von Claude übernommenen Aufgaben netto Dequalifizierung entstünde, weil Claude vor allem höher qualifizierte Aufgaben übernimmt
- Schätzung, dass sich die Nutzung je Einwohner zwischen den US-Bundesstaaten in 2–5 Jahren angleichen könnte (in der kurzen Fassung nicht genannt, in der mittleren nur als Angleichung erwähnt)
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Vorfälle melden
- 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 70 %Hintergrund, keine Belege
- JEV 25 %nur am Rande erwähnt
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Fähigkeiten messen
- 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 26 %gleiches Oberthema, hilft nicht
- SubQ 41 %gleiches Oberthema, hilft nicht
- drex 48 %gleiches Oberthema, hilft nicht
- d3-ultra
- 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 100 %kein Bezug
- JEV 29 %gleiches Oberthema, hilft nicht
- amos 34 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 40 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 40 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 46 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-F5 Wie gehen Staaten gemeinsam gegen KI-gestützte Cyberangriffe vor und verhindern Eskalation zwischen autonomen Systemen, ohne die Verteidigung zu behindern?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 51 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra
Unabhängig prüfen
- 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 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 37 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 39 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 52 %gleiches Oberthema, hilft nicht
- drex 53 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 33 %einzelne zitierbare Belege
- JEV 34 %umfangreiche Belege
- amos 29 %Hintergrund, keine Belege
- SubQ 34 %gleiches Oberthema, hilft nicht
- drex 25 %gleiches Oberthema, hilft nicht
- d3-ultra
- Haiku-Prüfung nur am Rande erwähnt
- 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?
- 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?
- 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?
- SF-P5 Wie überprüft man, ob Zusagen zwischen Staaten eingehalten werden, auch über Jahre und Regierungswechsel hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 83 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 27 %gleiches Oberthema, hilft nicht
- SubQ 43 %gleiches Oberthema, hilft nicht
- drex 50 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-T1-T02 Welche messbaren Schwellen halten die weitere Skalierung von KI-Modellen automatisch an, wer prüft sie, und wie bleiben diese Auslöser bindend, wenn der Wettbewerb drückt?
- 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?
- SF-T1-T06 Welcher öffentliche Beleg zeigt, ob vereinbarte Grenzen eingehalten werden?
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 48 %gleiches Oberthema, hilft nicht
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 79 %Hintergrund, keine Belege
- JEV 41 %gleiches Oberthema, hilft nicht
- amos 32 %nur am Rande erwähnt
- SubQ 46 %gleiches Oberthema, hilft nicht
- drex 61 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-T3-T08 Welche kontrollierten Versuche können Labore heute machen, um Selbstverbesserung nachzubilden, ohne eine unbeabsichtigte Beschleunigung zu riskieren?
Vertrauen in Modelle
- 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 100 %kein Bezug
- amos 35 %gleiches Oberthema, hilft nicht
- SubQ 43 %gleiches Oberthema, hilft nicht
- drex 58 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 38 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 75 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- clef 100 %kein Bezug
- Luna 82 %Hintergrund, keine Belege
- JEV 50 %einzelne zitierbare Belege
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-V4-T03 Ist Intelligenz, die „eher gewachsen als entworfen“ ist, ein Grund für mehr Vorsicht oder dafür, Modelle wie ein Ökosystem zu pflegen?
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 56 %Hintergrund, keine Belege
- JEV 42 %einzelne zitierbare Belege
- amos 29 %nur am Rande erwähnt
- SubQ 41 %gleiches Oberthema, hilft nicht
- drex 35 %gleiches Oberthema, hilft nicht
- d3-ultra
- 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?
- SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten?
- SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar?
Agenten und vernetzte Systeme
- 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 40 %Hintergrund, keine Belege
- JEV 28 %einzelne zitierbare Belege
- amos 30 %nur am Rande erwähnt
- SubQ 37 %gleiches Oberthema, hilft nicht
- drex 46 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 44 %gleiches Oberthema, hilft nicht
- drex 42 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 40 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Modelle teilen und schützen
- SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 51 %gleiches Oberthema, hilft nicht
- drex 40 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 27 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 49 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Frieden und Sicherheit
- SF-K2 Wie weit gelten KI-Abkommen für Verbündete und Geheimdienste, und wie verhalten sie sich zu bestehenden Rüstungskontrollverträgen und -regimen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 49 %gleiches Oberthema, hilft nicht
- drex 72 %gleiches Oberthema, hilft nicht
- d3-ultra
Offenlegung und Rechenschaft
- SF-O1 Wie können Mitarbeitende Sicherheitsbedenken melden, ohne alles zu riskieren?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 44 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 33 %gleiches Oberthema, hilft nicht
- SubQ 56 %gleiches Oberthema, hilft nicht
- drex 40 %gleiches Oberthema, hilft nicht
- d3-ultra
- 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 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Beteiligung und Gemeinwohl
- SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
- clef 100 %kein Bezug
- Luna 42 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 36 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 46 %gleiches Oberthema, hilft nicht
- d3-ultra
- 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?
- SF-E1-T04 Wie bekommen Staaten, in denen kein Spitzenlabor sitzt, einen echten Platz beim Setzen internationaler technischer KI-Normen, damit KI in der Praxis ein gemeinsames Gut bleibt und nicht nur wenige Regierungen und Firmen die Regeln schreiben?
- 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?
- 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?
- SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
- clef 100 %kein Bezug
- Luna 47 %Hintergrund, keine Belege
- JEV 43 %Hintergrund, keine Belege
- amos 29 %gleiches Oberthema, hilft nicht
- SubQ 44 %gleiches Oberthema, hilft nicht
- drex 48 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 92 %Hintergrund, keine Belege
- JEV 40 %einzelne zitierbare Belege
- amos 31 %gleiches Oberthema, hilft nicht
- SubQ 51 %gleiches Oberthema, hilft nicht
- drex 45 %gleiches Oberthema, hilft nicht
- d3-ultra
- Haiku-Prüfung Hintergrund, keine Belege
- SF-E4-T01 Was hieße die Formel von KI als „gemeinsamem Gut der ganzen Menschheit“ praktisch (Zugang, Teilen des Nutzens, gestaffelte Preise, Technologietransfer), so dass jeder Staat sie tatsächlich unterschreiben und prüfen könnte?
- SF-E4-T02 Welche konkreten Mechanismen (bezahlbarer Zugang zu Modellen, Rechenleistung im öffentlichen Interesse, Technologietransfer) sollen Sicherheitsregeln begleiten, damit sie Monopole nicht vertiefen und Länder mit wenig Mitteln nicht abhängig zurücklassen?
- SF-E4-T03 Wie können gemeinsame Sicherheitsregeln verhindern, dass hohe Kosten der Einhaltung den Markt auf wenige reiche Labore verengen, und trotzdem kleine Entwickler und Open-Source-Entwickler auf dieselbe Mindestschwelle für Sicherheit verpflichten?
- 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 51 %einzelne zitierbare Belege
- JEV 48 %einzelne zitierbare Belege
- amos 31 %nur am Rande erwähnt
- SubQ 42 %gleiches Oberthema, hilft nicht
- drex 40 %gleiches Oberthema, hilft nicht
- d3-ultra
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen?
- 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?
- SF-E5-T04 Wie wird jede Regierung der eigenen Bevölkerung ihre Zusagen zur KI-Sicherheit erklären, ohne dass die Erklärung als Zugeständnis an die anderen oder als Zeichen eigener Schwäche bei KI-Fähigkeiten gelesen wird?
Wirtschaft und Haftung
- SF-W2 Wie wirken sich Wettbewerbsrecht und öffentliche Beschaffung auf die KI-Sicherheit aus?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 34 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Information und Öffentlichkeit
- SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 40 %gleiches Oberthema, hilft nicht
- d3-ultra
Weitere Berichte zu diesen Fragen
- Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
- Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- 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?
- Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
- In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- Alle Berichte im Archiv