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
oecd6. Mai 2022 · Q006571

Leveraging AI, big data analytics and people to fight untruths online

oecd.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der OECD-Beitrag argumentiert, dass das Internet die Verbreitung falscher und irreführender Inhalte verstärkt, und unterscheidet mehrere Formen, darunter Desinformation, Fehlinformation, Propaganda und Satire. KI und Datenanalyse könnten Faktenprüfer bei der Erkennung und Sortierung großer Inhaltsmengen unterstützen, bergen laut Text aber Risiken wie Fehlbewertungen und Verzerrungen. Empfohlen wird ein gemeinsamer Ansatz aus Technik, menschlichem Urteil und verantwortlichem Handeln von Plattformen, Regierungen und Nutzern.

Mittel

Der OECD-Beitrag beschreibt, wie das Internet die Verbreitung falscher und irreführender Inhalte beschleunigt. Soziale Netzwerke und personalisierte Empfehlungen könnten Echokammern fördern. Der Text verweist auf Studien, nach denen falsche Tweets häufiger weiterverbreitet würden und irreführende Inhalte ihre ersten 1.500 Betrachter schneller erreichten als wahre.

Er unterscheidet unter anderem Desinformation, die absichtlich täuschen soll, von Fehlinformation, die ohne entsprechende Schädigungsabsicht verbreitet werden kann. Hinzu kommen kontextuelle Täuschung, Propaganda und Satire. Für politische Maßnahmen sei wichtig, Urheber von Verbreitenden zu unterscheiden.

Faktenprüfung und menschliche Moderation ermöglichen laut Beitrag kontextbezogene Bewertungen; KI und Datenanalyse können große Inhaltsmengen durchsuchen und Behauptungen bündeln. Als Beispiele nennt er Chequeabot sowie Werkzeuge von Full Fact und Google. Diese könnten die Arbeit von Faktenprüfern erheblich beschleunigen. Der Text warnt jedoch vor fehlender Nuance, falschen Treffern, Verzerrungen und Umgehungsversuchen, etwa durch Bilder statt Text. Er empfiehlt deshalb ein Zusammenspiel von Technik und menschlichem Urteil unter Beachtung von Grundrechten, Gesetzen und kulturellen Besonderheiten. Menschen, Unternehmen und Regierungen sollten gemeinsam handeln; Nutzer sollten Inhalte vor dem Teilen sorgfältig prüfen.

Ausführlich lesen

Der OECD-Beitrag „Leveraging AI, big data analytics and people to fight untruths online“ behandelt, wie falsche und irreführende Inhalte im Internet entstehen und verbreitet werden und welche Rolle Technik, Menschen und Politik bei ihrer Eindämmung spielen können. Der Beitrag argumentiert, dass das Internet die Verbreitung solcher Inhalte beschleunigt und verstärkt habe. Als Gründe nennt er unter anderem die wachsende Nutzung digitaler Nachrichten, soziale Netzwerke sowie personalisierte Inhalte, die bestehende Ansichten bestätigen und Echokammern begünstigen können. Er verweist auf Studien, denen zufolge falsche Tweets häufiger weiterverbreitet würden und irreführende Inhalte ihre ersten 1.500 Betrachter schneller erreichten als wahre Inhalte.

Der Text betont, dass „Unwahrheiten“ verschiedene Formen haben. Er unterscheidet Desinformation, die absichtlich täuschen soll, von Fehlinformation, die falsch oder irreführend ist, ohne zwingend mit schädigender Absicht verbreitet zu werden. Außerdem nennt er kontextuelle Täuschung, Propaganda und Satire. Eine Typologie ordnet Inhalte nach der Absicht der Verbreitenden, Schaden anzurichten, und dem Grad der Erfindung oder Veränderung durch die Urheber. Diese Unterschiede seien für politische Maßnahmen wichtig: Urheber und Verbreitende müssten getrennt betrachtet werden, da manche Personen falsche Inhalte unwissentlich teilen oder satirisch kommentieren.

Als Vorgehen gegen die Verbreitung beschreibt der Beitrag sowohl menschliche als auch technische Maßnahmen. Faktenprüfung, Moderation und das Entfernen von Inhalten ermöglichen laut Text eine differenzierte Beurteilung; lokale Faktenprüfungsstellen können kulturelle und sprachliche Besonderheiten berücksichtigen. KI und Big-Data-Analysen könnten dagegen helfen, große Inhaltsmengen in Echtzeit zu beobachten, Behauptungen zu erkennen und Desinformationsmuster aufzudecken. Als Beispiele führt der Beitrag Chequeabot an, das spanischsprachige Medienbehauptungen mit vorhandenen Faktenprüfungen abgleicht, sowie Werkzeuge von Full Fact und Google, die Behauptungen aus Presse, sozialen Netzwerken und Radio bündeln. Full Fact könne damit dem Beitrag zufolge täglich mehr als 100.000 Behauptungen erfassen und deutlich mehr Inhalte verarbeiten.

Der Text stellt zugleich Grenzen heraus: Automatisierte Systeme könnten Nuancen übersehen, falsche Treffer erzeugen und bestehende Verzerrungen verstärken. Verbreitende könnten Erkennungssysteme umgehen, etwa indem sie Bilder statt Text verwenden. Wirksame KI brauche große Datenmengen und beaufsichtigtes Lernen; Transparenz über die Funktionsweise der Plattformtechnik sei ebenfalls wichtig. Daher empfiehlt der Beitrag einen hybriden Ansatz, bei dem Technik Inhalte vorsortiert und Menschen sie vor möglichen Eingriffen beurteilen. Dabei seien Grundrechte, einschlägige Gesetze und kulturelle Kontexte zu beachten. Insgesamt plädiert der OECD-Beitrag für gemeinsames Handeln von Menschen, Unternehmen und Regierungen sowie für umsichtiges Teilen von Informationen. Die Aussagen und Zahlen werden im Text unter Verweis auf angeführte Studien und Beispiele vorgebracht; der Beitrag präsentiert keine eigene systematische Untersuchung.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Einordnungen wurden unabhängig von Lunas Stufen und Anteilen vergeben; die Zusammenfassung ist im Kern treu, lässt aber mehrere zentrale Befunde des Berichts aus.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Typologie entlang zweier Achsen (Täuschungsabsicht und Grad der Fabrikation) wird nicht erwähnt.
  • Bots, Trolls und Cyborgs als gezielte Werkzeuge für die schnelle Verbreitung von Unwahrheiten fehlen.
  • Algorithmen erschweren es, Quellen nachzuverfolgen und den Fluss der Inhalte zu überwachen.
  • KI-Erkennung wirkt nur mit großen Datenmengen und überwachtem Lernen; sonst drohen Fehlalarme und Verzerrungen (nur teilweise genannt).
  • Die Kernthese, dass Richtigstellung Polarisierung verringert und Vertrauen in demokratische Institutionen stärkt, fehlt.
  • Die Belege zu Reichweite und Mediennutzung (EU, USA) sowie die Zahlen zu Full Fact 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
Vorfälle melden
  1. SF-M3 Wie stellt man fest, ob ein Vorfall gewollt oder versehentlich war, und ob KI oder herkömmliche Mittel dahinterstecken?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 43 %Hintergrund, keine Belege
    • amos 28 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. 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 41 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  3. SF-M5 Was muss vor und nach einem Vorfall geschehen, damit Verantwortliche einstehen, man daraus lernt, Beweise bleiben und Betroffene auch über Grenzen hinweg zu ihrem Recht kommen?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 30 %gleiches Oberthema, hilft nicht
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-M5-T06 Welche Pflicht sollten Regierungen, Labore und Betreiber haben, wenn sich später zeigt, dass ein eingesetztes Modell eine Sicherheitsschwelle verletzt hat: die Entscheidungen, die es beeinflusst hat, zu ermitteln, darüber zu benachrichtigen, sie zu berichtigen oder für sie zu entschädigen? Und wie kann eine nachträgliche Prüfung den vom Modell verursachten Schaden vom umgebenden menschlichen Entscheidungsprozess unterscheiden? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege
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 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 61 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-F1-T07 Wie sollten führende KI-Modelle über Sprachen und Kulturen hinweg geprüft und verbessert werden, damit ihr Sicherheitsverhalten nicht vom Englischen oder den Normen eines Landes abhängt? Luna: Stufe 3 · 55 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
    • SF-F1-T08 Wird ein gemeinsamer Sicherheitstest als kulturell oder sprachlich verzerrt befunden, sodass er die Modelle eines Landes systematisch bevorzugt: Welche unabhängige Stelle ist befugt, ihn zurückzuziehen oder zu überarbeiten, und welche veröffentlichten Belege muss jemand vorlegen, der ihn anficht, um die Überarbeitung zu erzwingen? Luna: Stufe 3 · 29 % · 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 · 39 % · Hintergrund, keine Belege
  2. 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 36 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 71 %Hintergrund, keine Belege
    • JEV 48 %Hintergrund, keine Belege
    • amos 100 %kein Bezug
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Vertrauen in Modelle
  1. 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 100 %kein Bezug
    • JEV 46 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 27 %gleiches Oberthema, hilft nicht
    • Luna 66 %Hintergrund, keine Belege
    • JEV 37 %einzelne zitierbare Belege
    • amos 26 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 3 · 41 % · 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 100 %kein Bezug
    • Luna 62 %Hintergrund, keine Belege
    • JEV 29 %gleiches Oberthema, hilft nicht
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 50 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  3. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 54 %Hintergrund, keine Belege
    • JEV 51 %gleiches Oberthema, hilft nicht
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 54 %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 73 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 61 %gleiches Oberthema, hilft nicht
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
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 60 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 37 %nur am Rande erwähnt
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 34 %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 38 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 32 %nur am Rande erwähnt
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 45 %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 67 %Hintergrund, keine Belege
    • JEV 31 %Hintergrund, keine Belege
    • amos 31 %nur am Rande erwähnt
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-E2-T07 Würden Regierungen ein gemeinsam finanziertes, offenes internationales Forschungsprogramm zu Problemen der Ausrichtung von KI an vorgesehenen Zielen und Werten (Täuschungserkennung, Wertelernen, skalierbare Aufsicht) unterstützen, mit gemeinsamen Vergleichstests und Veröffentlichung, nach dem Vorbild der Europäischen Organisation für Kernforschung (CERN) oder der Internationalen Atomenergie-Organisation (IAEO)? Luna: Stufe 3 · 46 % · Hintergrund, keine Belege
    • SF-E2-T08 Können zwei Staaten KI-Risiken für „politische Sicherheit“ und „gesellschaftliche Steuerung“ im selben technischen Kanal besprechen wie Cyber- und Militärrisiken, ohne dass eine Seite das politische System der anderen als das zu lösende Problem behandelt? Luna: Stufe 3 · 47 % · Hintergrund, keine Belege
  3. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  4. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 79 %Hintergrund, keine Belege
    • JEV 40 %gleiches Oberthema, hilft nicht
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 61 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

  5. 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 71 %einzelne zitierbare Belege
    • JEV 34 %einzelne zitierbare Belege
    • amos 40 %nur am Rande erwähnt
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 25 %Hintergrund, keine Belege
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt

    • 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 · 41 % · Hintergrund, keine Belege
    • 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? Luna: Stufe 3 · 48 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
Wirtschaft und Haftung
Information und Öffentlichkeit
  1. SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
    • clef 19 %gleiches Oberthema, hilft nicht
    • Luna 83 %einzelne zitierbare Belege
    • JEV 43 %einzelne zitierbare Belege
    • amos 26 %beantwortet teilweise oder widerspricht
    • SubQ 28 %umfangreiche Belege
    • drex 23 %umfangreiche Belege
    • d3-ultra 30 %einzelne zitierbare Belege
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-I1-T01 Welche gemeinsamen Standards für Herkunftsnachweis und Erkennung (Wasserzeichen, signierte Metadaten, Fingerabdrücke von Modellen) würden Labore, Plattformen und Regierungen einführen, damit KI-erzeugte Texte, Tonaufnahmen und Videos über Ländergrenzen hinweg zuverlässig zuzuordnen sind? Luna: Stufe 3 · 42 % · Hintergrund, keine Belege
    • SF-I1-T02 Welche gemeinsamen Regeln sollten Labore und Regierungen für Herkunftsnachweis, Kennzeichnung und schnelle Reaktion auf maschinell erzeugte oder veränderte Medien oder Texte annehmen, die eingesetzt werden, um die Öffentlichkeit zu täuschen, und dabei Journalismus, Satire und Forschung schützen? Luna: Stufe 3 · 43 % · Hintergrund, keine Belege
    • SF-I1-T03 Wenn KI-erzeugte Einflussnahme vor allem über gemeinsam genutzte Systeme für Empfehlungen, Rangfolgen, Werbung und Nutzerbindung wirkt und nicht über die Ausgabe eines einzelnen Modells: Welche gemeinsame Messung, welche Vorfallschwelle und welcher abgestimmte Reaktionsablauf sollten gelten, ohne dass Plattformaufsicht zur Zensur von Meinungen wird? Luna: Stufe 3 · 50 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 3 · 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 →