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
aisi26. November 2025 · Q002144

UKAISI at NeurIPS 2025

aisi.gov.uk · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Das AISI kündigt für die NeurIPS 2025 zehn Arbeiten zu Schutzmaßnahmen, KI-Evaluation, sicherer Softwareentwicklung und Risiken autonomer Systeme an. Es berichtet unter anderem von Schwächen verbreiteter Benchmarks und vielen in einer Red-Team-Challenge ausgelösten Richtlinienverstößen; der Ankündigungstext liefert dazu jedoch keine ausführlichen Methoden oder unabhängigen Prüfungen.

Mittel

Der Bericht stellt die geplanten Beiträge des UK AI Safety Institute zur NeurIPS 2025 in San Diego vor: zehn Forschungsarbeiten, einen ganztägigen Evaluations-Workshop und eine Diskussionsrunde zu Agentensicherheit. Inhaltlich geht es um robustere Schutzmaßnahmen gegen missbräuchliche Modellnutzung, verlässlichere KI-Benchmarks, sichere Anwendungen in der Softwareentwicklung und mögliche Risiken autonomer Systeme.

AISI zufolge zeigen Studien Grenzen von Schutzmaßnahmen gegen schädliche Feinabstimmung und Vorteile des Herausfilterns schädlicher Trainingsdaten. Eine Auswertung von 445 Sprachmodell-Benchmarks habe ergeben, dass verbreitete Tests die vorgesehenen Eigenschaften häufig nicht zuverlässig messen. Für KI-Codieragenten nennt der Bericht SeCodePLT mit knapp 6.000 Beispielen. Ergänzend berichtet AISI von einer Red-Team-Challenge mit über 2.000 Teilnehmenden, mehr als 40 Szenarien und über 60.000 ausgelösten Richtlinienverstößen.

Weitere Arbeiten behandeln RepliBench zur Messung von Fähigkeiten, die für autonome Replikation relevant sein könnten, Täuschungsverhalten und Methoden zur Interpretierbarkeit neuronaler Netze. Der Text ist eine Ankündigung und fasst die Aussagen des Instituts zusammen; detaillierte Methoden, Unsicherheiten und unabhängige Bestätigungen werden darin nicht ausgeführt.

Ausführlich lesen

Der Bericht kündigt an, dass das UK AI Safety Institute (AISI) an der NeurIPS 2025 in San Diego teilnehmen und dort zehn Forschungsarbeiten vorstellen will. Die Beiträge sollen empirische Grundlagen für die Sicherheit von KI stärken und reichen laut AISI von Schutz vor missbräuchlicher Nutzung bis zu möglichen Risiken, die entstehen, wenn autonome Systeme sich der Kontrolle entziehen. Außerdem kündigt das Institut einen ganztägigen Workshop am 8. Dezember mit der Eval Eval Coalition, die Teilnahme an einer Diskussionsrunde zu Agentensicherheit mit dem Center for AI Safety sowie weitere Aktivitäten an.

Ein Themenfeld ist die Robustheit von Schutzmaßnahmen. AISI berichtet, eine Arbeit zeige Einschränkungen darin auf, Sprachmodelle über öffentliche Schnittstellen gegen schädliche Feinabstimmung zu schützen. Eine zweite, gemeinsam mit Eleuther AI erstellte Studie komme zu dem Ergebnis, dass das Herausfiltern schädlicher Trainingsdaten zehnmal wirksamer gegen gegnerische Feinabstimmung sein könne als Schutzmaßnahmen nach dem Training. Der Text nennt keine Einzelheiten zu Versuchsaufbau, Vergleichsbedingungen oder Unsicherheiten dieser Ergebnisse.

Ein weiterer Schwerpunkt ist die Qualität von KI-Evaluationen. In einer Untersuchung von 445 Sprachmodell-Benchmarks hätten die Beteiligten analysiert, was und wie diese messen und welche Schlussfolgerungen daraus gezogen werden. Nach Darstellung des Berichts erfassen verbreitete Benchmarks die beabsichtigten Phänomene häufig nicht zuverlässig. Die Arbeit enthalte acht Empfehlungen zur Verbesserung; außerdem habe AISI an einer Checkliste für sorgfältig entwickelte Benchmarks für agentische Systeme mitgewirkt.

Für den Einsatz in der Praxis verweist der Bericht auf Sicherheitsrisiken bei KI-gestützter Softwareentwicklung, etwa unentdeckte Schwachstellen in erzeugtem Code. SeCodePLT wird als Benchmark mit knapp 6.000 Beispielen vorgestellt, der die Bewertung von KI-Codieragenten verbessern soll. Zugleich betont AISI, dass Benchmarks allein reale Einsatzbedingungen nicht abbilden. Als ergänzende Untersuchung nennt es eine gemeinsam mit Gray Swan AI organisierte öffentliche Red-Team-Challenge: In mehr als 40 realitätsnahen Szenarien hätten 2.000 Teilnehmende über 60.000 Richtlinienverstöße ausgelöst. Der Bericht beschreibt dies als konkrete Hinweise auf angreifbare Schutzmaßnahmen, erläutert aber nicht näher, wie die Szenarien ausgewählt wurden oder wie repräsentativ die Ergebnisse sind.

Zu möglichen Kontrollverlust-Risiken zählt AISI Fähigkeiten, die für eine autonome Replikation relevant sein könnten. RepliBench umfasse 20 Agenten-Evaluationen mit 65 Aufgaben zu Fähigkeiten wie Ressourcenbeschaffung und dem Abfluss eigener Modellgewichte. Ein weiteres Vorhaben soll täuschendes Verhalten bei langfristigen Zielen messen. Schließlich kündigt der Text Forschung zu „feature absorption“ an, einem laut AISI störenden Effekt bei Sparse Autoencoders, sowie einen neuen, an der Wissenschaftsphilosophie orientierten Rahmen zur Untersuchung neuronaler Netze. Insgesamt ist der Text eine Vorschau auf geplante Konferenzbeiträge und gibt die Einschätzungen und Ergebnisbehauptungen des AISI wieder; ausführliche Methoden, Daten und unabhängige Prüfungen enthält er nicht.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Bewertung bezieht sich auf den Inhalt des Berichts, der eine Eigenankündigung des AISI ist. Die meisten Belege sind Verweise auf eigene Preprints, unabhängige Prüfungen fehlen. Lunas Zusammenfassungen sind inhaltlich treu, lassen aber einige konkrete Zahlen und Kooperationsangaben aus.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Aussage, dass Herausfiltern schädlicher Trainingsdaten bis zu zehnmal wirksamer gegen adversariales Feinabstimmen ist als Nachtrainings-Abwehr
  • Die acht Kernempfehlungen aus der Auswertung der 445 Benchmarks
  • Die Zusammenarbeit mit Gray Swan AI bei dem nach Angaben des Berichts größten öffentlichen Red-Teaming-Wettbewerb
  • Die Ankündigung einer Mechanistic-Interpretability-Arbeit zu einem neuen Rahmen aus der Wissenschaftsphilosophie

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
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 %Hintergrund, keine Belege
    • Luna 46 %einzelne zitierbare Belege
    • JEV 44 %umfangreiche Belege
    • amos 26 %gleiches Oberthema, hilft nicht
    • SubQ 41 %einzelne zitierbare Belege
    • drex 29 %umfangreiche Belege
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare Belege

    • 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 · 41 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • SF-F1-T02 Veröffentlichen Labore abgestimmte Cyber-Tests, die zeigen, was jedes Modell mehr leistet als ein Mensch ohne KI-Hilfe? Luna: Stufe 3 · 27 % · Hintergrund, keine 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 3 · 34 % · 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 4 · 33 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 3 · 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 · 34 % · 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 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 38 %gleiches Oberthema, hilft nicht
    • amos 26 %einzelne zitierbare Belege
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  3. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 25 %Hintergrund, keine Belege
    • JEV 40 %gleiches Oberthema, hilft nicht
    • amos 29 %nur am Rande erwähnt
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  4. 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 44 %Hintergrund, keine Belege
    • JEV 48 %gleiches Oberthema, hilft nicht
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 68 %gleiches Oberthema, hilft nicht
    • drex 60 %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 30 %Hintergrund, keine Belege
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 28 %nur am Rande erwähnt
    • SubQ 75 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 28 %gleiches Oberthema, hilft nicht
    • Luna 60 %Hintergrund, keine Belege
    • JEV 40 %gleiches Oberthema, hilft nicht
    • amos 31 %nur am Rande erwähnt
    • SubQ 62 %gleiches Oberthema, hilft nicht
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  3. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 23 %Hintergrund, keine Belege
    • Luna 53 %einzelne zitierbare Belege
    • JEV 43 %einzelne zitierbare Belege
    • amos 33 %einzelne zitierbare Belege
    • SubQ 35 %einzelne zitierbare Belege
    • drex 36 %einzelne zitierbare Belege
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-P3-T01 Welcher gemeinsame Rahmen für Labore macht Selbstüberwachung überprüfbar, ohne geschütztes geistiges Eigentum offenzulegen, und welche unabhängigen Verfahren Dritter, falls es sie gibt, bestätigen, dass die Selbstüberwachung riskantes Verhalten vor der Freigabe wirklich findet und nicht nur Schein ist? Luna: Stufe 3 · 28 % · Hintergrund, keine 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 · 35 % · Hintergrund, keine Belege
    • 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 4 · 31 % · einzelne zitierbare Belege
    • SF-P3-T11 Welche Arten von Prüfungen (etwa Ausbruch aus der abgeschirmten Testumgebung, selbstständige Vervielfältigung eines Modells oder die Synthese biologischer Stoffe) sind zu gefährlich, als dass ein einzelnes Labor sie ohne vereinbarten Standard zur Abschirmung und ohne gemeinsamen Nachweis darüber, dass sie stattfanden, durchführen sollte, und wer führt diese Liste? 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 26 %Hintergrund, keine Belege
    • Luna 63 %Hintergrund, keine Belege
    • JEV 43 %gleiches Oberthema, hilft nicht
    • amos 30 %Hintergrund, keine Belege
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 26 %Hintergrund, keine Belege
    • 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 · 39 % · Hintergrund, keine Belege
    • SF-T1-T06 Welcher öffentliche Beleg zeigt, ob vereinbarte Grenzen eingehalten werden? Luna: Stufe 3 · 26 % · Hintergrund, keine Belege
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 26 %Hintergrund, keine Belege
    • Luna 35 %Hintergrund, keine Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 27 %nur am Rande erwähnt
    • SubQ 24 %gleiches Oberthema, hilft nicht
    • drex 27 %einzelne zitierbare Belege
    • d3-ultra offen

    • SF-T3-T08 Welche kontrollierten Versuche können Labore heute machen, um Selbstverbesserung nachzubilden, ohne eine unbeabsichtigte Beschleunigung zu riskieren? Luna: Stufe 3 · 39 % · 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 24 %Hintergrund, keine Belege
    • Luna 40 %Hintergrund, keine Belege
    • JEV 24 %einzelne zitierbare Belege
    • amos 28 %einzelne zitierbare Belege
    • SubQ 33 %gleiches Oberthema, hilft nicht
    • drex 31 %einzelne zitierbare Belege
    • d3-ultra offen

    • SF-V1-T01 Welche beobachtbaren Belege zeigen die Ziele und Werte eines Modells und ob es noch ausgerichtet ist, wenn seine sichtbaren Gedankengänge kein verlässlicher Hinweis mehr darauf sind oder ihre Überwachung nachlässt? Luna: Stufe 3 · 30 % · Hintergrund, keine Belege
    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 4 · 39 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
    • SF-V1-T03 Was ist das Kleinste, das ein Modell öffentlich vorlegen kann (ein Test, ein Protokoll, eine Spur), das als Beleg für Ausrichtung an den vorgesehenen Zielen und Werten zählt und nicht nur für Leistung? Luna: Stufe 3 · 34 % · Hintergrund, keine Belege
    • SF-V1-T07 Lieber ein Modell, das immer seinen Lösungsweg zeigen muss, oder eines, das im Stillen mehr kann: Welches Risiko nimmt man in Kauf? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege
    • SF-V1-T08 Da Modelle Tests täuschen können: Welche Prüfungen und welche Gegenprüfungen, die ins Innere des Modells schauen, werden Labore für Dritte bündeln, und wer außerhalb des jeweiligen Labors sieht die Ergebnisse? Wie können Labore gemeinsame Tests für das Umgehen von Prüfungen bauen, an denen eine Manipulation erkennbar bleibt, ohne eigene Datensätze preiszugeben? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege
    • SF-V1-T09 Wenn Labore bessere Überwacher bauen, Modelle lernen, ihnen auszuweichen, und sich dieses Wechselspiel in jedem Labor beschleunigt: Behandeln Regierungen diesen Wettlauf selbst als Sicherheitsfrage zwischen Staaten, und welche gemeinsamen Belege würden zeigen, dass er beherrscht ist? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege
    • SF-V1-T15 Welches messbare Maß für Überwachbarkeit könnte neben Fähigkeitstests stehen, und würden Labore es tatsächlich über weitere Skalierung entscheiden lassen? Welcher gemessene Verlust an Überwachung würde Einschränkungen der Selbstständigkeit eines Modells auslösen, und wie erkennt man Fehler, die im sichtbaren Denken nicht auftauchen? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 19 %Hintergrund, keine Belege
    • Luna 60 %Hintergrund, keine Belege
    • JEV 33 %einzelne zitierbare Belege
    • amos 28 %einzelne zitierbare Belege
    • SubQ 30 %gleiches Oberthema, hilft nicht
    • drex 31 %einzelne zitierbare Belege
    • d3-ultra offen

    • SF-V3-T01 Worauf verlässt sich ein Mensch, wenn er glaubt, niemand sehe zu, und lassen sich solche Werte einem System beibringen, das sie nur aus Text gelernt hat? Wie testen Labore heute, ob die Werte eines Modells halten, wenn es zu Recht oder zu Unrecht glaubt, niemand sehe zu? Und wenn niemand erkennen kann, ob jemand zusieht: Was hält Werte dann fest, Charakter, Training oder die Geschichte, die man sich selbst erzählt? Luna: Stufe 3 · 29 % · Hintergrund, keine Belege
    • SF-V3-T04 Wer muss Rechenschaft ablegen, wenn ein Modell Werte auf Lagen überträgt, die beim Training niemand vorhergesehen hat: das Modell, das Labor oder der Mensch, der das Ziel gesetzt hat? Luna: Stufe 3 · 42 % · Hintergrund, keine Belege
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 21 %gleiches Oberthema, hilft nicht
    • Luna 40 %einzelne zitierbare Belege
    • JEV 48 %umfangreiche Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 38 %gleiches Oberthema, hilft nicht
    • drex 34 %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 · 37 % · 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 27 %Hintergrund, keine Belege
    • Luna 32 %Hintergrund, keine Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 31 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 30 %gleiches Oberthema, hilft nicht
    • Luna 49 %Hintergrund, keine Belege
    • JEV 45 %gleiches Oberthema, hilft nicht
    • amos 31 %nur am Rande erwähnt
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 33 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  3. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 43 %Hintergrund, keine Belege
    • JEV 28 %nur am Rande erwähnt
    • amos 29 %nur am Rande erwähnt
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 45 %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 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 34 %gleiches Oberthema, hilft nicht
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 74 %gleiches Oberthema, hilft nicht
    • drex 51 %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 29 %einzelne zitierbare Belege
    • JEV 24 %nur am Rande erwähnt
    • amos 27 %Hintergrund, keine Belege
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 36 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Frieden und Sicherheit
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 52 %Hintergrund, keine Belege
    • JEV 46 %einzelne zitierbare Belege
    • amos 30 %nur am Rande erwähnt
    • SubQ 79 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Beteiligung und Gemeinwohl
  1. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 29 %Hintergrund, keine Belege
    • Luna 41 %einzelne zitierbare Belege
    • JEV 39 %einzelne zitierbare Belege
    • amos 31 %einzelne zitierbare Belege
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 28 %nur am Rande erwähnt
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 45 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 69 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Wirtschaft und Haftung
Information und Öffentlichkeit

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 →