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
deepmind23. Juli 2025 · Q001663

Aeneas transforms how historians connect the past

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Das Aeneas-Team beschreibt ein multimodales KI-Modell, das lateinische Inschriften ergänzt, datiert, geografisch zuordnet und vergleichbare Texte aus einem Datensatz mit über 176.000 Einträgen abruft. Laut einer Studie mit 23 Historikern verbesserten Parallelen und Vorhersagen die gemeinsame Bearbeitung; die veröffentlichten Genauigkeitswerte beziehen sich auf die im Beitrag beschriebenen Aufgaben und Datensätze.

Mittel

Der Beitrag stellt Aeneas vor, ein KI-Modell, das Historiker beim Ergänzen, Datieren und geografischen Einordnen beschädigter antiker Inschriften unterstützen soll. Es verarbeitet Text und Bilder und sucht in einem vom Team zusammengestellten Datensatz mit mehr als 176.000 lateinischen Inschriften nach vergleichbaren Texten, sogenannten Parallelen. Diese sollen Kontext liefern und die Recherche beschleunigen.

Das Aeneas-Team berichtet von 73 Prozent Top-20-Treffern bei Lücken von bis zu zehn Zeichen und 58 Prozent bei Lücken unbekannter Länge. Die Zuordnung zu einer von 62 römischen Provinzen erreiche 72 Prozent Genauigkeit; Datierungen lägen innerhalb von 13 Jahren zu den Historikern vorgegebenen Zeitspannen. Im Fall der *Res Gestae* habe das Modell zwei Häufungen möglicher Datierungen ausgegeben, die laut Team bestehende Forschungshypothesen widerspiegeln.

In einer Untersuchung mit 23 Historikern und 60 Inschriften seien die besten Ergebnisse erzielt worden, wenn Fachleute sowohl Parallelen als auch Vorhersagen von Aeneas heranzogen. Die Autoren beschreiben das Modell als Unterstützung für historische Forschung. Die berichteten Werte gelten für die dargestellten Aufgaben und Datensätze; weitere Grenzen oder unabhängige Bewertungen nennt der Beitrag nicht.

Ausführlich lesen

Der Beitrag des Aeneas-Teams stellt Aeneas vor, ein KI-Modell zur Einordnung antiker Inschriften. Die Autoren beschreiben ein verbreitetes Problem der Epigraphik: Viele Texte sind beschädigt, verwittert oder absichtlich zerstört. Ohne Kontext sei es schwierig, fehlende Stellen zu ergänzen, Inschriften zeitlich und geografisch einzuordnen und vergleichbare Texte zu finden. Historiker suchten dafür traditionell nach „Parallelen“, also Inschriften mit ähnlicher Formulierung, Syntax, standardisierten Wendungen oder Herkunft. Aeneas solle diese aufwendige Recherche beschleunigen und Fachleuten Hinweise für die weitere Interpretation liefern.

Laut Beitrag verarbeitet das multimodale Modell Text und Bilder von Inschriften. Für das Training habe das Team Datensätze aus mehreren epigraphischen Sammlungen vereinheitlicht und verknüpft. Der daraus entstandene Latin Epigraphic Dataset umfasse mehr als 176.000 lateinische Inschriften aus der römischen Welt. Aeneas erstellt eine Art „historischen Fingerabdruck“ für jeden Text und nutzt ihn, um relevante Parallelen abzurufen. Spezialisierte Komponenten dienen der Ergänzung beschädigter Zeichen und der Datierung; für die geografische Zuordnung fließen auch Bildinformationen ein.

Das Team hebt vier Fähigkeiten hervor: die Suche nach Parallelen, die geografische Zuordnung anhand von Text und Bild, die Ergänzung von Lücken unbekannter Länge und Leistungen, die laut Beitrag neue Spitzenwerte in den untersuchten Vergleichsaufgaben erreichen. Als Kennzahlen nennt es 73 Prozent Top-20-Trefferquote bei der Ergänzung von Lücken mit bis zu zehn fehlenden Zeichen und 58 Prozent bei unbekannter Lückenlänge. Die Zuordnung zu einer von 62 römischen Provinzen gelinge mit 72 Prozent Genauigkeit; bei Datierungen liege die Vorhersage innerhalb von 13 Jahren zu den von Historikern angegebenen Zeitspannen. Für die Vorhersagen könne Aeneas zudem hervorheben, welche Eingabeteile Einfluss hatten.

Als Fallbeispiel untersucht der Beitrag die Datierung von Augustus’ *Res Gestae*. Aeneas liefere keine einzelne feste Jahreszahl, sondern eine Wahrscheinlichkeitsverteilung mit zwei Häufungen, die laut Team zwei bestehende Datierungshypothesen quantitativ abbilde. Das Modell habe dabei sprachliche Merkmale und historische Hinweise wie Amtstitel und erwähnte Monumente genutzt und außerdem Parallelen zu kaiserlichen Rechtstexten gefunden.

Die Autoren berichten auch von einer Untersuchung mit 23 Historikern, die 60 Inschriften bearbeiteten. Ihrer Darstellung zufolge waren die Ergebnisse am besten, wenn die Fachleute sowohl Aeneas’ Parallelen als auch seine Vorhersagen nutzten. Die Teilnehmenden hätten neue Parallelen gefunden, mehr Sicherheit bei schwierigen Aufgaben gewonnen und ihre Arbeit beschleunigt. Der Beitrag beschreibt Aeneas als Ergänzung fachlicher Arbeit und als Quelle interpretierbarer Vorschläge, nicht als Ersatz für historische Beurteilung. Die genannten Leistungswerte beziehen sich auf die beschriebenen Aufgaben und Datensätze; weitergehende Grenzen oder unabhängige Bewertungen führt der Bericht nicht aus. Das Team stellt eine interaktive Anwendung sowie Code und Datensatz frei bereit und kündigt an, die Funktionen auch auf Ithaca, sein Modell für altgriechische Inschriften, zu übertragen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Einordnung stützt sich allein auf den Bericht zu Aeneas; die Sammelfragen zu Governance und Diplomatie werden darin nur am Rande berührt.

Im Bericht, aber nicht in der Zusammenfassung

  • Die freie interaktive Version und die Open-Source-Veröffentlichung von Code und Datensatz werden in keiner der beiden Zusammenfassungen genannt.
  • Die Aussage, dass Aeneas Lücken unbekannter Länge erstmals wiederherstellen kann, fehlt.
  • Die Aktualisierung von Ithaca auf Aeneas und der Lehrplan zur KI-Kompetenz fehlen.
  • Die Kooperationspartner (Universität Nottingham, Warwick, Oxford, AUEB) und die Herkunft des Datensatzes aus EDR, EDH und EDCS fehlen.

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
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 40 %einzelne zitierbare Belege
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 31 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 61 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
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 31 %einzelne zitierbare Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. 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 39 %Hintergrund, keine Belege
    • JEV 51 %einzelne zitierbare Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 49 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

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 43 %einzelne zitierbare Belege
    • JEV 59 %einzelne zitierbare Belege
    • amos 24 %einzelne zitierbare Belege
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 27 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare Belege
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 60 %umfangreiche Belege
    • JEV 46 %beantwortet direkt und ausführlich
    • amos 34 %einzelne zitierbare Belege
    • SubQ 36 %gleiches Oberthema, hilft nicht
    • drex 32 %einzelne zitierbare Belege
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare Belege
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 100 %kein Bezug
    • JEV 34 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 63 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • 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 41 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  3. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 56 %einzelne zitierbare Belege
    • JEV 61 %einzelne zitierbare Belege
    • amos 25 %einzelne zitierbare Belege
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 33 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare Belege

  4. 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 100 %kein Bezug
    • JEV 43 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 53 %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 →