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
aisi5. März 2026 · Q001776

Evidence for inference scaling in AI cyber tasks: Increased evaluation budgets reveal higher success rates

aisi.gov.uk · Originalbericht öffnen ↗

Zusammenfassung

Kurz

AISI und Irregular berichten, dass neuere KI-Modelle bei Cyber-Aufgaben größere Token- und Schrittbudgets produktiv nutzen und dadurch höhere Erfolgsraten erzielen; einige Aufgaben wurden erst bei sehr hohen Limits gelöst. Die Ergebnisse beruhen auf begrenzten Stichproben und Cyber-Tests, lassen sich nicht ohne Weiteres verallgemeinern und sprechen laut Bericht dafür, Evaluierungslimits offenzulegen.

Mittel

Der Bericht von AISI und Irregular kommt zu dem Schluss, dass übliche Budgetgrenzen bei Cyber-Evaluierungen die Fähigkeiten neuerer KI-Modelle unterschätzen können. In Tests mit bis zu 50 Millionen Tokens bei AISI und 1.000 Schritten bei Irregular stiegen die Erfolgsraten mit größerem Budget; neuere Modelle nutzten es stärker als ältere. Rund acht Prozent der untersuchten AISI-Aufgaben seien erst beim Anheben des Limits von 10 auf 50 Millionen Tokens gelöst worden.

Laut Bericht können begrenzte Tests auch den geschätzten Modellhorizont zu niedrig ansetzen. Einzelne lange Läufe blieben in den untersuchten Tests meist vergleichsweise günstig, doch verlässliche Ergebnisse über viele Aufgaben und Wiederholungen hinweg erhöhen die Gesamtkosten. Als Hilfe zur Budgetwahl schlagen die Verfassenden vor, die Kosten pro erfolgreicher Lösung bei verschiedenen Budgetgrenzen zu vergleichen.

Die Befunde betreffen nur Cyber-Aufgaben. Der Einfluss des Testaufbaus lässt sich nicht genau vom Einfluss der Modelle trennen, und die Stichproben reichen nicht für präzise Erfolgsraten. Ob sich die beobachtete Skalierung auf andere Bereiche überträgt, bleibt offen. Der Bericht empfiehlt daher, Testlimits transparent anzugeben und zu prüfen, ob zusätzliche Rechenzeit die gemessene Leistung weiter verbessert.

Ausführlich lesen

Der Bericht untersucht, ob übliche Begrenzungen bei KI-Tests für Cybersicherheitsaufgaben die Fähigkeiten neuerer Modelle unterschätzen. AISI und Irregular zufolge können aktuelle Frontier-Modelle mehr Rechenbudget nutzen als viele bisherige Tests zulassen. Bei früheren Modellen brachte zusätzliches Budget oft wenig, weil sie schnell an Schwierigkeiten mit Verlauf, Fehlerkorrektur und längerfristiger Planung stießen. Die Autorinnen und Autoren berichten, dass diese Annahme bei neueren Modellen seit November 2025 zunehmend nicht mehr zutreffe.

AISI und Irregular testeten jeweils einen Teil ihrer privaten Cyber-Evaluierungen mit Modellen, die vor oder im November 2025 veröffentlicht wurden. Sie erlaubten dabei bis zu 50 Millionen Tokens bei AISI und bis zu 1.000 agentische Schritte bei Irregular. Zusammenfassungswerkzeuge sollten den Modellen helfen, den Verlauf über längere Läufe hinweg im Blick zu behalten. Nach Darstellung des Berichts stiegen die Erfolgsraten mit größeren Budgets bei älteren wie neueren Modellen; die neueren nutzten zusätzliche Tokens jedoch besser und erzielten auch bei hohen Budgets weitere Fortschritte. Rund acht Prozent der untersuchten AISI-Aufgaben seien erst beim Anheben des Limits von 10 auf 50 Millionen Tokens gelöst worden. Für schwierige Aufgaben könnten daher viele lange Versuche nötig sein, um Erfolgsraten verlässlich zu erfassen.

Die Autorinnen und Autoren folgern, dass begrenzte Tests die Leistungsobergrenze und damit auch den sogenannten Modellhorizont unterschätzen können. Dieser bezeichnet hier den Schwierigkeitsgrad – gemessen an menschlichem Zeitaufwand –, ab dem die Erfolgsrate unter 50 Prozent fällt. Laut Bericht stiegen die geschätzten Horizonte bei höheren getesteten Budgets. Als Beispiel nennen die Verfassenden eine mögliche Veränderung von fünf Prozent Erfolg bei zwei Millionen Tokens auf 30 Prozent bei 50 Millionen Tokens; dies ist ein veranschaulichendes Szenario, kein allgemeingültiger Messwert.

Mehr Rechenbudget macht einzelne Durchläufe laut Bericht nicht zwingend unerschwinglich: Bei AISI kostete ein Lauf mit dem Limit von 50 Millionen Tokens durchschnittlich etwa zehn US-Dollar und höchstens unter 60 Dollar. Bei Irregular lagen die durchschnittlichen Kosten für 1.000 Durchläufe je nach Schwierigkeit unter einem bis etwa 20 Dollar; einzelne besonders schwierige Aufgaben näherten sich 100 Dollar. Die Gesamtkosten wachsen jedoch, wenn viele Aufgaben mehrfach getestet werden. Als Orientierung für die Budgetwahl schlagen die Verfassenden vor, die Kosten pro Erfolg bei mehreren Budgetgrenzen zu vergleichen. Diese Kennzahl sinke zunächst mit mehr Budget und könne später wieder steigen, wenn zusätzliche Schritte keine neuen Lösungen hervorbringen.

Die Befunde sind laut Bericht auf Cyber-Aufgaben beschränkt und lassen sich nicht ohne weitere Untersuchungen auf andere Bereiche übertragen. Der jeweilige Anteil von Modellfähigkeit und Testaufbau lasse sich nicht genau trennen; die Stichproben reichten für präzise Erfolgsraten nicht aus, sodass sich Kurven und Plateaus bei größeren Stichproben verschieben könnten. Der Bericht verweist außerdem auf Hinweise, dass solche Skalierung bei Softwareentwicklungsaufgaben nicht immer auftritt. Er empfiehlt, Evaluierungen samt Token-, Schritt-, Zeit- und Kostenlimits transparent zu dokumentieren und Skalierungskurven zu beobachten. Als offene Herausforderung nennt er Verfahren, mit denen sich längerfristige Leistung aus kürzeren und günstigeren Testläufen abschätzen lässt.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Luna liefert drei Fassungen; kurz und mittel sind sachlich korrekt, die Kürzung lässt aber Kosten, Skalierungsbefund und Vorbehalte weg. Bei den Sammelfragen liegt Luna durchgehend zu hoch, weil der Bericht die meisten dieser Fragen nicht behandelt.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Angabe, dass neuere Modelle 10- bis 50-mal größere Token-Budgets als übliche Evaluierungen produktiv nutzen können
  • Der Befund, dass die Erfolgsrate bei AISI etwa logarithmisch mit dem Token-Budget steigt, und das Beispiel von 5 % bei 2 Mio. auf 30 % bei 50 Mio. Tokens
  • Die Kostenangaben (AISI im Mittel etwa 10 Dollar pro Lauf, Irregular bis etwa 100 Dollar bei schwierigen Aufgaben)
  • Die Angabe, dass Irregular erstmals Lösungen für zuvor ungelöste Aufgaben fand
  • Der Hinweis, dass METR-Ergebnisse eine Fortsetzung der Skalierung bei Software-Engineering-Aufgaben nicht sicher bestätigen

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 100 %kein Bezug
    • JEV 24 %Hintergrund, keine Belege
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
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 24 %umfangreiche Belege
    • Luna 39 %einzelne zitierbare Belege
    • JEV 42 %umfangreiche Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 29 %einzelne zitierbare Belege
    • drex 33 %umfangreiche Belege
    • d3-ultra offen

    • SF-F1-T01 Welche Belege zu Cyberfähigkeiten soll ein Labor vor der Freigabe eines Modells veröffentlichen (Methoden, Aufgabenfamilien, Fehlerraten, getestete Version, reproduzierbare Cyber-Tests in abgeschirmter Umgebung für unabhängige Prüfer), damit jedes Ministerium sie nachstellen kann, statt ihnen vertrauen zu müssen? Und führt es für dieselbe Modellversion abgestimmte Cyber-Tests durch, die sowohl den durch Schutzmaßnahmen verhinderten Missbrauch als auch die legitimen Abwehraufgaben messen, die dieselben Schutzmaßnahmen blockieren, und weist es beide Ergebnisse aus? Luna: Stufe 4 · 40 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
    • SF-F1-T02 Veröffentlichen Labore abgestimmte Cyber-Tests, die zeigen, was jedes Modell mehr leistet als ein Mensch ohne KI-Hilfe? Luna: Stufe 3 · 39 % · Hintergrund, keine Belege
    • SF-F1-T03 Auf welche einzelne Zahl zur offensiven Cyberfähigkeit eines Modells würden sich Regierungen einigen, um sie vor der Freigabe zu veröffentlichen, nicht erst danach? Luna: Stufe 4 · 32 % · einzelne zitierbare Belege
    • SF-F1-T04 Welcher gemeinsame, neutrale und offene Maßstab (Aufgaben, Erfolgsrate, abgeschirmte Testumgebung, Belege) zeigt, dass eine Cyber-Schwelle überschritten ist? Würden ein Ministerium und ein Labor in verschiedenen Staaten ihn annehmen, bevor das nächste Modell als Überschreitung eingestuft wird, damit Schwellen gemessen und nicht behauptet werden? Und dient derselbe Maßstab dann sowohl dazu, ein Modell einzustufen, als auch dazu, das Tempo seiner Entwicklung zu steuern? Luna: Stufe 4 · 46 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
    • SF-F1-T05 Welche Cyber-Prüfungen und welche Testbausteine (Testfälle, Bewertungswerkzeuge, Datensätze) würden jedes Labor und jedes Ministerium anstelle einer bloßen Behauptung als gültig anerkennen, wenn andere sie an ihrem Modell durchführen? Und welche genormte Testsammlung würden Labore verschiedener Staaten gemeinsam an eingefrorenen Modellversionen laufen lassen, verwaltet von einer dritten Stelle, der alle trauen? Luna: Stufe 3 · 43 % · Hintergrund, keine Belege
    • SF-F1-T10 Was wäre nötig, damit eine staatliche Aufsichtsplattform für KI-Sicherheit und unabhängige Prüfer mit dauerhaftem Zugang im Labor nach einem gemeinsamen öffentlichen Protokoll dieselben Cyber-Tests in einer gemeinsamen Testumgebung durchführen, die Prüfer zweier Staaten jeweils am Modell des anderen, und die Ergebnisse in beiden veröffentlichen? Und könnten zwei Staaten eine gemeinsam bezeugte Prüfung desselben führenden KI-Modells durchführen und übereinstimmende Prüfsummen (Hashes) der Ergebnisse veröffentlichen? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege
  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 24 %Hintergrund, keine Belege
    • Luna 57 %Hintergrund, keine Belege
    • JEV 30 %einzelne zitierbare Belege
    • amos 32 %einzelne zitierbare Belege
    • SubQ 27 %einzelne zitierbare Belege
    • drex 28 %einzelne zitierbare Belege
    • d3-ultra offen

    • SF-F2-T01 Wenn ein Ministerium ein Modell als Beleg nennt, dass eine Schwelle überschritten ist: Veröffentlicht das Ministerium die Tests, die Modellversion und was es gemessen hat, und veröffentlicht das Labor die Cyber-Prüfung dieser Version auch in der Sprache des Ministeriums? Und welches Ergebnis würde das Ministerium dazu bringen, seine Behauptung zurückzunehmen? Luna: Stufe 3 · 42 % · Hintergrund, keine Belege
    • SF-F2-T02 Wenn ein Staat fremde Modelle als Zeichen einer neuen Stufe nennt: Beruht das auf eigenen Messungen, die er so veröffentlichen könnte wie andere ihre Messungen? Und haben Labore vergleichbare Prüfungen fremder Modelle durchgeführt und sich entschieden, sie nicht zu veröffentlichen? Gefragt wurde das zu Minister Chen Yixins Nennung von Claude Mythos und GPT-5.5-Cyber als Zeichen der Phase „KI gegen KI“ bei Cyberangriff und -abwehr, nachdem die US-Prüfstelle CAISI Messungen von GLM-5.3 (17. September 2026) und, mit dem britischen AI Security Institute, von Kimi K3 (Juli 2026) veröffentlicht hatte, und zu Prüfungen von OpenAI und Anthropic an Modellen von DeepSeek, GLM, Qwen oder Kimi. Luna: Stufe 3 · 50 % · Hintergrund, keine Belege
    • SF-F2-T03 Ein Minister beschreibt Risiken durch Spionage und Datenabfluss, etwa über quelloffene KI-Agentenwerkzeuge, und durch ein Ungleichgewicht in der technologischen Entwicklung, das Monopole und Technologiebeschränkungen verschärfen. Welche veröffentlichten Belege würden diese Risiken an der Fähigkeit eines Modells statt an seiner Herkunft festmachen? Luna: Stufe 4 · 33 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
  3. SF-F3 Welche Regeln gelten für gefährliche Fähigkeiten jenseits von Cyber, etwa in Biologie, Chemie, bei radioaktiven Stoffen oder in der Nukleartechnik?
    • clef 100 %kein Bezug
    • Luna 31 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  4. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 22 %gleiches Oberthema, hilft nicht
    • Luna 100 %kein Bezug
    • JEV 41 %Hintergrund, keine Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 36 %gleiches Oberthema, hilft nicht
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  5. SF-F5 Wie gehen Staaten gemeinsam gegen KI-gestützte Cyberangriffe vor und verhindern Eskalation zwischen autonomen Systemen, ohne die Verteidigung zu behindern?
    • clef 33 %gleiches Oberthema, hilft nicht
    • Luna 53 %Hintergrund, keine Belege
    • JEV 43 %gleiches Oberthema, hilft nicht
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 47 %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 34 %Hintergrund, keine Belege
    • Luna 100 %kein Bezug
    • JEV 29 %Hintergrund, keine Belege
    • amos 26 %nur am Rande erwähnt
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen

  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 24 %Hintergrund, keine Belege
    • Luna 62 %einzelne zitierbare Belege
    • JEV 33 %einzelne zitierbare Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 38 %einzelne zitierbare Belege
    • drex 34 %einzelne zitierbare Belege
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare Belege

    • 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 · 32 % · 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 · 33 % · Hintergrund, keine Belege
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 29 %Hintergrund, keine Belege
    • Luna 50 %einzelne zitierbare Belege
    • JEV 41 %Hintergrund, keine Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 32 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-T1-T01 Welche messbaren, maschinell prüfbaren Fähigkeitsschwellen sollen Labore veröffentlichen, die vor dem Einsatz von Agentensystemen eine verpflichtende Pause und eine Prüfung von außen auslösen, abgestimmt über alle Labore hinweg? Wer führt das Register, und wo soll die Gesellschaft die verbindliche Sicherheitsgrenze für weitere Steigerungen der Fähigkeiten ziehen? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege
    • 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? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
    • SF-T1-T08 Wenn ein Sicherheitsprojekt mit KI-Hilfe zugleich die allgemeine Fähigkeit des Modells oder die für sein Training genutzte Rechenleistung steigert: Wie hält man beide Wirkungen fest, und wie entscheidet man, ob der daraus entstehende Fähigkeitszuwachs eine neue Sicherheitsprüfung braucht, bevor die Arbeit weitergeht? Luna: Stufe 3 · 38 % · Hintergrund, keine Belege
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 22 %gleiches Oberthema, hilft nicht
    • Luna 54 %einzelne zitierbare Belege
    • JEV 37 %beantwortet teilweise oder widerspricht
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

    • 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 · 32 % · 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 30 %gleiches Oberthema, hilft nicht
    • Luna 43 %Hintergrund, keine Belege
    • JEV 38 %gleiches Oberthema, hilft nicht
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Modelle teilen und schützen
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 22 %Hintergrund, keine Belege
    • Luna 63 %einzelne zitierbare Belege
    • JEV 51 %beantwortet teilweise oder widerspricht
    • amos 32 %einzelne zitierbare Belege
    • SubQ 35 %einzelne zitierbare Belege
    • drex 33 %einzelne zitierbare Belege
    • d3-ultra offen
    • 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 100 %kein Bezug
    • amos 34 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Beteiligung und Gemeinwohl
  1. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 41 %Hintergrund, keine Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 26 %Hintergrund, keine Belege
    • Luna 35 %Hintergrund, keine Belege
    • JEV 36 %nur am Rande erwähnt
    • amos 30 %nur am Rande erwähnt
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 32 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  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 33 %Hintergrund, keine Belege
    • JEV 29 %gleiches Oberthema, hilft nicht
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • 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

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 →