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
fragen-funde5. November 2026 · Q005118

METR Finds Anthropic's AI-Assisted R&D Moving Twice as Fast

alphasignal.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

METR schätzt, dass Anthropic seine Modelle auf klar definierten Aufgaben seit Oktober 2025 ungefähr doppelt so schnell verbessert; als wichtigen Treiber nennt die Untersuchung KI-Unterstützung in der Forschung. Die Schätzung bleibt unsicher, unter anderem wegen redigierter Belege, begrenzter Messbarkeit und eines Benchmarks, der komplexe Produktionsarbeit nur teilweise abbildet.

Mittel

METR untersuchte Anthropic elf Wochen lang anhand interner Kennzahlen, Trainingsprotokolle, Rechenbudgets, Umfragen und Interviews. Der Bericht schätzt, dass sich die Modellleistung bei klar definierten Aufgaben seit Oktober 2025 ungefähr doppelt so schnell verbessert wie zuvor. Der zentrale AECI-Benchmark stieg laut Auswertung von etwa 15 auf 29 Punkte pro Jahr; die geschätzte Beschleunigung beträgt 1,9-fach, mit einem 95-Prozent-Konfidenzintervall von 1,5 bis 2,8. Alternative Analysen reichen von 1,1- bis 2,9-fach; über alle führenden Anbieter betrachtet liegt der Wert bei etwa 1,4-fach.

METR führt vorläufig rund 80 Prozent der Beschleunigung auf KI-Nutzung zurück. Beschäftigte berichteten stark gestiegene Produktivität, doch Selbstauskünfte belegen keine gleich große Steigerung der gesamten Forschungsleistung und können übertreiben. Die Interviews sind ebenfalls kein eindeutiger Beleg: Die veröffentlichte Aufschlüsselung umfasst nur elf von 15 Gesprächen.

Die Aussage bleibt unsicher. Anthropic redigierte große Teile des vollständigen Berichts, METR konnte unveröffentlichte Modelle nicht direkt prüfen, und ein geplanter Audit zur Rechenverteilung wurde vorzeitig beendet. Außerdem ist AECI nahe an der Sättigung und misst vor allem klar bewertbare Aufgaben. Die Ergebnisse belegen daher weder das Tempo künftiger öffentlicher Modellveröffentlichungen noch entsprechende Fortschritte bei komplexer Produktionsarbeit.

Ausführlich lesen

Der Bericht fasst eine elf Wochen dauernde Untersuchung von METR bei Anthropic zusammen. METR wertete laut Darstellung interne Vortrainingskennzahlen, Reinforcement-Learning-Protokolle, Rechenbudgets und Umfragen aus und führte Gespräche mit Forschenden. Die zentrale, ausdrücklich unsichere Schlussfolgerung lautet: Anthropic verbessert die Leistung seiner Modelle auf klar definierten Aufgaben inzwischen wahrscheinlich etwa doppelt so schnell wie im Zeitraum von März 2024 bis Oktober 2025. METR nennt für die Beschleunigung eine Gesamtschätzung von ungefähr 1,3- bis 3-fach.

Die wichtigste quantitative Grundlage war der interne AECI-Benchmark, der Ergebnisse verschiedener Tests zu einem statistisch geschätzten Fähigkeitswert zusammenfasst. Laut segmentierter Auswertung stieg dieser Wert vor Oktober 2025 um rund 15 Punkte pro Jahr, danach um etwa 29 Punkte. Daraus ergibt sich eine geschätzte Beschleunigung um den Faktor 1,9; das 95-Prozent-Konfidenzintervall reicht von 1,5 bis 2,8. Varianten der Analyse ergeben Werte zwischen 1,1 und 2,9. Betrachtet man alle führenden Modellanbieter, liegt die Schätzung bei etwa 1,4, was der Bericht teilweise damit erklärt, dass Anthropic Anfang 2025 noch hinter der Spitze lag und anschließend aufholte.

METR schreibt KI-Nutzung vorläufig rund 80 Prozent der beobachteten Beschleunigung zu und berichtet, schnelleres Wachstum der Trainingsrechenleistung erkläre sie nicht überzeugend. In informellen Umfragen gaben Beschäftigte für das leistungsfähigste interne Modell im Oktober 2026 eine durchschnittliche Produktivitätssteigerung von etwa zwölfmal an, gegenüber ungefähr 1,2-mal für Claude 3.7 Sonnet Anfang 2025. Solche Selbstauskünfte lassen sich jedoch nicht direkt in eine Beschleunigung der gesamten Forschung und Entwicklung übersetzen und können Effekte überschätzen. Der Bericht erinnert daran, dass eine frühere METR-Studie erfahrene Open-Source-Entwickler bei den untersuchten Aufgaben durch KI verlangsamt fand.

METR führte außerdem Interviews mit 15 Forschenden. Die veröffentlichten Kategorien erfassen jedoch nur elf: Zwei unterstützten klar mindestens eine Verdopplung des Tempos in ihrem Bereich, drei tendierten dazu, vier antworteten unklar oder grenzwertig und zwei widersprachen der Einschätzung. Die Gründe für das Wachstum seien schwer voneinander zu trennen, weil KI-Einsatz, Einstellungen, Organisation und Forschungsentscheidungen gleichzeitig verändert wurden. Vollständig autonome Forschungsbeiträge seien noch kein wesentlicher Treiber.

Für die folgenden zwölf Monate fand METR nach eigener Einschätzung keinen Hinweis auf eine wesentliche Engstelle bei Algorithmen, Rechenleistung oder Daten. Das ist laut Bericht eine Aussage darüber, dass keine Beschränkung erkannt wurde, keine sichere Prognose. Die unabhängige Prüfung ist zudem begrenzt: Anthropic redigierte nach Darstellung des Artikels große Teile des vollständigen Berichts; METR konnte unveröffentlichte Modelle nicht direkt abfragen, und Anthropic beendete den vorgesehenen Audit zur Verteilung der Rechenleistung, bevor METR zu einem Ergebnis kam. Zudem nähert sich AECI einer Sättigung, und seine gut überprüfbaren Aufgaben bilden mehrdeutige Produktionsarbeit nur eingeschränkt ab. Daher lässt sich aus den Ergebnissen weder sicher auf künftige öffentliche Veröffentlichungen noch auf Fortschritte bei komplexen Anwendungen schließen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Der Kommentarbereich des Artikels enthält persönliche Kontaktdaten und Aufforderungen an Dritte. Diese Inhalte sind nicht Teil der Sachaussagen und wurden bei der Bewertung ignoriert.

Im Bericht, aber nicht in der Zusammenfassung

  • METR fand keinen Hinweis auf einen Engpass bei Algorithmen, Trainingsrechenleistung, Experimentrechenleistung oder Daten in den folgenden 12 Monaten
  • Die Gesamtunsicherheitsspanne von etwa 1,3- bis 3-fach wird nicht genannt
  • Zentralschätzung: etwa zwei Jahre früherer Fortschritte innerhalb von 12 Monaten
  • Wachstum der Trainingsrechenleistung erklärt die Veränderung laut Bericht nicht (überzeugende Belege)
  • Ein Interviewpartner hielt ein vierfaches Tempo für plausibel, ein anderer führte nur 15 bis 20 Prozent der Beschleunigung auf KI zurück
  • Die Selbstauskünfte nennen ca. 12-fach gegenüber ca. 1,2-fach bei Claude 3.7 Sonnet, die Zahlen fehlen in der Zusammenfassung

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 45 %Hintergrund, keine Belege
    • JEV offen
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
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 33 %Hintergrund, keine Belege
    • Luna 43 %Hintergrund, keine Belege
    • JEV offen
    • amos 24 %Hintergrund, keine Belege
    • SubQ 37 %gleiches Oberthema, hilft nicht
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra 46 %gleiches Oberthema, hilft nicht

    • 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 · 37 % · 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 27 %Hintergrund, keine Belege
    • Luna 50 %Hintergrund, keine Belege
    • JEV offen
    • amos 27 %Hintergrund, keine Belege
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht

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 27 %Hintergrund, keine Belege
    • Luna 25 %Hintergrund, keine Belege
    • JEV offen
    • amos 33 %einzelne zitierbare Belege
    • SubQ 24 %gleiches Oberthema, hilft nicht
    • drex 27 %gleiches Oberthema, hilft nicht
    • d3-ultra 32 %einzelne zitierbare Belege

  2. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 19 %Hintergrund, keine Belege
    • Luna 75 %einzelne zitierbare Belege
    • JEV offen
    • amos 36 %einzelne zitierbare Belege
    • SubQ 37 %einzelne zitierbare Belege
    • drex 40 %einzelne zitierbare Belege
    • d3-ultra 68 %einzelne zitierbare Belege
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-P2-T01 Wer wählt die Prüfer aus, wer bezahlt sie, wer darf sie entlassen, und wird dieser Vertrag vor dem ersten Befund veröffentlicht? Welchen Mindestvertrag, der ihre Unabhängigkeit wahrt, könnten Labore jetzt unterschreiben, ohne auf ein Gesetz zu warten, einschließlich der Frage, wie Berichte veröffentlicht werden? Und wie bleiben die Prüfer unabhängig, wenn Geld oder Infrastruktur vom geprüften Labor kommen? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege
    • SF-P2-T04 Werden die Zugangsrechte der Prüfer veröffentlicht, gibt es einen unabhängigen, befristeten Einspruch gegen Schwärzungen, ein unabhängiges Verfahren für den Streit, wenn ein Labor einen Befund als Geschäftsgeheimnis schwärzt und der Prüfer ihn für ein Sicherheitsproblem hält, und ein öffentliches Register verweigerter Zugänge und Schwärzungen, damit das Schweigen eines Prüfers nicht als Zeichen von Sicherheit gelesen wird? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege
  3. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 27 %Hintergrund, keine Belege
    • Luna 67 %umfangreiche Belege
    • JEV offen
    • amos 32 %einzelne zitierbare Belege
    • SubQ 35 %einzelne zitierbare Belege
    • drex 41 %einzelne zitierbare Belege
    • d3-ultra 39 %einzelne zitierbare Belege
    • Haiku-Prüfung einzelne zitierbare Belege

    • 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 · 36 % · Hintergrund, keine Belege
  4. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 26 %Hintergrund, keine Belege
    • Luna 39 %gleiches Oberthema, hilft nicht
    • JEV offen
    • amos 29 %Hintergrund, keine Belege
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 27 %einzelne zitierbare Belege
    • d3-ultra 44 %gleiches Oberthema, hilft nicht
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 35 %Hintergrund, keine Belege
    • Luna 49 %einzelne zitierbare Belege
    • JEV offen
    • amos 27 %Hintergrund, keine Belege
    • SubQ 38 %gleiches Oberthema, hilft nicht
    • drex 26 %Hintergrund, keine Belege
    • d3-ultra 38 %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 4 · 32 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
    • 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-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 4 · 38 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
  2. SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
    • clef 31 %Hintergrund, keine Belege
    • Luna 70 %einzelne zitierbare Belege
    • JEV offen
    • amos 31 %einzelne zitierbare Belege
    • SubQ 33 %gleiches Oberthema, hilft nicht
    • drex 30 %einzelne zitierbare Belege
    • d3-ultra 39 %Hintergrund, keine Belege

    • SF-T2-T01 Welche öffentliche, nachprüfbare Handlung würde als Verzicht auf weitere Skalierung zählen, nicht nur eine Ankündigung? Was müsste ein Labor veröffentlichen, damit eine rivalisierende Regierung bestätigen kann, dass wirklich pausiert wurde, und welche nachträglichen Belege würden zeigen, dass keine Fähigkeitszuwächse zurückgehalten wurden, etwa durch nicht offengelegte Änderungen an Rechenleistung beim Einsatz oder Werkzeugzugang oder durch einen nicht offengelegten Austausch von Modellen? Luna: Stufe 3 · 34 % · Hintergrund, keine Belege
    • SF-T2-T02 Wenn ein Labor zusagt, weitere Skalierung von sich aus zurückzuhalten oder die Ausrichtungsforschung (Forschung dazu, wie Modelle den vorgesehenen Zielen und Werten folgen) den Fähigkeiten voraus zu halten: Umfasst die Zusage nur neues Training oder auch mehr Rechenleistung beim Einsatz, mehr Denkaufwand, Werkzeugzugang und ausgetauschte Modelle auf dem Server, und welche dieser Änderungen würde es vorher ankündigen? Luna: Stufe 3 · 28 % · Hintergrund, keine Belege
    • SF-T2-T04 Würde ein Labor eine Verlangsamung akzeptieren, deren Einhaltung es bei der Konkurrenz nicht prüfen kann? Luna: Stufe 3 · 41 % · Hintergrund, keine Belege
  3. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 19 %umfangreiche Belege
    • Luna 51 %umfangreiche Belege
    • JEV offen
    • amos 34 %umfangreiche Belege
    • SubQ 27 %umfangreiche Belege
    • drex 45 %umfangreiche Belege
    • d3-ultra 50 %umfangreiche Belege
    • Haiku-Prüfung beantwortet teilweise oder widerspricht

    • SF-T3-T01 Welches messbare Zeichen, also welche beobachtbare Änderung in der Fähigkeit eines Modells, die Abläufe zu verbessern, mit denen seine eigenen Fähigkeiten entwickelt werden, würden Labore und Staaten gemeinsam als Beginn der Selbstverbesserung anerkennen, und wer darf im Labor danach suchen? Welche beobachtbare Änderung markiert den Schritt von beaufsichtigter automatisierter Forschung zu voll selbstständiger Selbstverbesserung, und welche öffentliche Stelle darf diesen Schritt nach Prüfung der Belege für menschliche Kontrolle erlauben oder ablehnen? Luna: Stufe 3 · 29 % · Hintergrund, keine Belege
    • SF-T3-T03 Welche Teile von Training, Prüfung und Einsatz laufen schon heute weitgehend durch KI, und welche Rollen sagt jedes Labor zu, bei Menschen zu lassen, in einer veröffentlichten Liste statt als bloßer Grundsatz? Wenn KI nachfolgende Modelle selbst entwirft, trainiert und prüft: Welcher Mindestanteil der Forschung muss unter direkter menschlicher Prüfung bleiben, und wie belegt man, dass ein Durchbruch mit menschlicher Beteiligung und nicht vollautomatisch entstanden ist? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege
    • SF-T3-T05 Wenn Selbstverbesserung schneller voranschreitet als der Beobachtungstakt fortlaufender Prüfer: Wie kurz muss dieser Takt sein, und wer darf zwischen zwei Beobachtungen eine Pause durchsetzen: der Prüfer, das Labor oder eine Stelle von außen? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege
    • SF-T3-T06 Wenn ein unabhängiger Prüfer, der mit Zugang wie ein Mitarbeiter in einem Labor arbeitet, meldet, dass die für die Selbstverbesserung relevante Automatisierung schon schneller voranschreitet, als der diplomatische Zeitplan für gemeinsame Prüfungen, Tempogrenzen der Selbstverbesserung und eine umfassende Verlangsamung annimmt: Kehrt sich die Reihenfolge der Verhandlungen um, weil die Prüfung zeigt, dass die Vereinbarung schon zu spät kommt? Und muss der Prüfer das den Regierungen melden, oder ist es ihm freigestellt? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 28 %Hintergrund, keine Belege
    • Luna 38 %Hintergrund, keine Belege
    • JEV offen
    • amos 27 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 66 %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 · 43 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
  1. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 63 %Hintergrund, keine Belege
    • JEV offen
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 69 %gleiches Oberthema, hilft nicht
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 28 %Hintergrund, keine Belege
    • Luna 38 %einzelne zitierbare Belege
    • JEV offen
    • amos 28 %einzelne zitierbare Belege
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 22 %gleiches Oberthema, hilft nicht
    • d3-ultra 35 %gleiches Oberthema, hilft nicht

    • 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 · 39 % · Hintergrund, keine Belege
  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 offen
    • amos 33 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • 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 31 %Hintergrund, keine Belege
    • JEV offen
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 65 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 30 %Hintergrund, keine Belege
    • Luna 77 %Hintergrund, keine Belege
    • JEV offen
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 67 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 61 %gleiches Oberthema, hilft nicht

  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 35 %einzelne zitierbare Belege
    • JEV offen
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 76 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 67 %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? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege
Wirtschaft und Haftung

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 →