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
medium.com15. September 2026 · Q011003

Does Codex Train on Your Code? OpenAI Answered That Four Different Ways in Three Days.

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Artikel kritisiert, dass OpenAI auf die Frage, ob Codex-Sitzungen ins Training einfließen, zunächst mit Aussagen über Datenzugriff und Suche geantwortet habe; später habe das Unternehmen einen Beitrag anonymisierter Nutzungsdaten nicht ausschließen können. Die Erklärung, Buckmasters spätere Prompts seien nach Trainingsbeginn eingegangen, kläre laut Autor weder frühere Sitzungen noch die fehlende unabhängige Prüfbarkeit. Er warnt außerdem, dass Codex-Vollumgebungen eine eigene Trainingseinstellung haben, die von der allgemeinen ChatGPT-Abwahl unberührt bleibe.

Mittel

Der Artikel untersucht, ob Codex-Nutzersitzungen zum Modelltraining beitragen können. Anlass ist die Nachfrage des Mathematikers Tristan Buckmaster, nachdem OpenAI eine Lösung des Navier-Stokes-Problems durch ein großes Agentensystem bekannt gegeben hatte. OpenAI habe zunächst erklärt, Codex greife nicht auf fremde Nutzerdaten zu und niemand habe solche Daten durchsucht. Erst später habe das Unternehmen eingeräumt, nicht ausschließen zu können, dass anonymisierte Nutzungsdaten die Modelle verbessert hätten. Der Autor kritisiert, dass die ersten Antworten die Trainingsfrage nicht direkt beantworteten.

OpenAI habe Buckmasters Einfluss auf den späteren Trainingslauf mit dessen Startdatum am 28. August ausgeschlossen. Laut Artikel ist das jedoch nur eine zeitliche Erklärung, keine technische Garantie; frühere Sitzungen würden dadurch nicht geklärt. Der Text behauptet nicht, dass diese Daten tatsächlich ins Training gelangten. Trainingsprotokolle oder ein unabhängiges Audit lägen demnach nicht vor.

Für Nutzende hebt der Artikel getrennte Einstellungen hervor: Die allgemeine ChatGPT-Abwahl ändere eine eigene Trainingsoption für Codex-Vollumgebungen nicht. Der mathematische Erfolg sei zudem noch nicht offiziell anerkannt; eine begutachtete Veröffentlichung stehe aus. Der Autor fordert unabhängige Nachweise zu Trainingszeiträumen und Datenquellen.

Ausführlich lesen

Der Artikel behandelt die Frage, ob OpenAI Codex-Sitzungen zum Modelltraining nutzt, und kritisiert, dass OpenAI auf eine konkrete Nachfrage zunächst mit Antworten reagiert habe, die benachbarte Fragen beträfen. Auslöser war der Mathematiker Tristan Buckmaster: Er und Levent Alpöge hatten mit Codex und Claude an einem Problem der Fluiddynamik gearbeitet. Nachdem OpenAI die Lösung eines Millennium-Problems durch ein großes Agentensystem bekannt gegeben hatte, fragte Buckmaster, ob seine Sitzungen in Training oder Lösung eingeflossen seien.

Laut Artikel lauteten die ersten Antworten sinngemäß, Codex greife nicht während der Nutzung auf Daten anderer Kunden zu und niemand habe Nutzerdaten zur Lösung durchsucht. Diese Aussagen beträfen Datenzugriff beziehungsweise Suche, beantworteten aber nicht die Trainingsfrage. OpenAI habe schließlich erklärt, nicht ausschließen zu können, dass anonymisierte, aus der Produktnutzung abgeleitete Daten zur Modellverbesserung beigetragen hätten. Der Autor wertet diese letzte Aussage als die relevanteste, hält die Abfolge aber für ausweichend, auch wenn er keine absichtliche Täuschung unterstellt.

Der Artikel beschreibt zugleich den mathematischen Erfolg: Rund 10.000 Agenten hätten in etwa 88 Stunden rund 2,7 Millionen Nachrichten und 130 Milliarden Ausgabetoken erzeugt. Eine weitere Modellphase habe den Beweis in Lean formalisiert. OpenAI beziffere die Kosten nur als mehrere Millionen Dollar; externe Schätzungen reichten laut Text von zehn bis vierzig Millionen. Das Clay Mathematics Institute habe den Status des Problems auf „aktiv“ gesetzt, aber die Lösung nicht anerkannt. Eine begutachtete Veröffentlichung sei Voraussetzung für den Preis und liege noch nicht vor. Der Artikel betont außerdem die Bedeutung der Vorarbeiten von Diego Córdoba und Luis Martínez-Zoroa.

OpenAI habe später erklärt, Buckmasters Prompts hätten das System auch über Training nicht beeinflussen können, weil der Trainingslauf am 28. August begonnen habe und seine intensive Codex-Nutzung danach erfolgt sei. Der Autor hält diese Erklärung für zeitlich begrenzt: Sie belege keine technische Trennung oder dauerhafte Garantie. Er weist darauf hin, dass Buckmaster und Alpöge schon zuvor mit Codex gearbeitet hatten, behauptet aber ausdrücklich nicht, dass frühere Daten tatsächlich im Trainingskorpus gelandet seien. Trainingsprotokolle oder ein unabhängiges Audit fehlten nach Darstellung des Artikels. Auch Anonymisierung löse das Problem laut Autor nicht zwingend, weil bei Code und Beweisideen gerade der Inhalt selbst wiedererkennbar oder wertvoll sein könne.

Praktisch warnt der Artikel vor getrennten Datenschutzeinstellungen: Bei privaten ChatGPT-Angeboten sei Training standardmäßig aktiviert und könne über „Improve the model for everyone“ ausgeschaltet werden; Business-, Enterprise- und Edu-Angebote sowie die API verwendeten Inhalte laut Text standardmäßig nicht fürs Training. Für Codex-Vollumgebungen gebe es jedoch eine eigene Einstellung, die durch die allgemeine ChatGPT-Abwahl nicht geändert werde. Der Artikel nennt temporäre Chats als eine Option, weist aber darauf hin, dass sie für länger laufende Agentenarbeit wenig geeignet seien.

Abschließend verweist der Autor auf eine Erklärung von 25 Fields-Medaillengewinnern, die neben Ergebnissen auch Verständnis, Kontext, Anerkennung früherer Arbeit und sorgfältige Veröffentlichung einforderten. Er stellt OpenAIs Darstellung und die Zweifel Buckmasters als von außen nicht abschließend überprüfbar dar. Als mögliche Klärung schlägt er ein extern bestätigtes, datiertes Trainingsdatenverzeichnis vor. Die konkreten Aussagen und Richtlinien gibt der Text wieder; ein unabhängiger Nachweis der behaupteten Datenflüsse wird nicht vorgelegt.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Es lagen zwei Zusammenfassungen von Luna vor (kurz und mittel); beide wurden geprüft, die Bewertung gilt für beide gemeinsam. Beide geben den Bericht sachlich treu wieder und enthalten keine erfundenen Angaben, lassen aber zentrale Punkte wie Euler-Lean-Verifikation, Clay-Status und Fields-Erklärung aus. Die Einordnung bezieht sich auf den Bericht, nicht auf Lunas Stufen, und die Anteilswerte aus Lunas Liste wurden nicht übernommen.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Euler-Durchbruch von Buckmaster und Alpöge mit Lean-Verifikation im August ist nicht erwähnt, obwohl der Artikel ihn als Teil der Zeitlinie zentral nutzt.
  • Die Anerkennung ist offen: Das Clay-Institut hat den Status auf aktiv gesetzt, eine begutachtete Veröffentlichung fehlt.
  • Die Erklärung von 25 Fields-Medaillisten gegen die Forschungspraxis wird nicht genannt.
  • Der Unterschied zwischen persönlichen Tarifen und Business-Tarifen bei der Standardeinstellung fehlt.
  • Die Kritik, dass Anonymisierung Code-Inhalte nicht schützt, fehlt.

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 100 %kein Bezug
    • JEV 31 %beantwortet teilweise oder widerspricht
    • amos 25 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 47 %gleiches Oberthema, hilft nicht
  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 100 %kein Bezug
    • JEV 29 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 49 %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 100 %kein Bezug
    • JEV 38 %beantwortet teilweise oder widerspricht
    • amos 25 %Hintergrund, keine Belege
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 36 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht
Fähigkeiten messen
  1. 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 39 %einzelne zitierbare Belege
    • JEV 46 %beantwortet teilweise oder widerspricht
    • amos 24 %Hintergrund, keine Belege
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %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 29 %Hintergrund, keine Belege
    • Luna 31 %einzelne zitierbare Belege
    • JEV 22 %einzelne zitierbare Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 23 %gleiches Oberthema, hilft nicht
    • drex 31 %gleiches Oberthema, hilft nicht
    • d3-ultra 31 %gleiches Oberthema, hilft nicht

    • SF-P1-T01 Wie ließen sich unabhängige Zertifizierungsstellen für KI-Sicherheit schaffen, die alle Seiten anerkennen? Luna: Stufe 3 · 42 % · Hintergrund, keine Belege
    • SF-P1-T03 Wenn eine Sicherheitsvereinbarung verlangt, Prüfergebnisse, Angaben aus Modellsteckbriefen oder die Forensik von Vorfällen zwischen den Partnern zu teilen: Welches kleinste Datenfeld müsste jeder Partner sehen, um dem Bericht eines anderen zu trauen, und auf welches größte würde er verzichten? Luna: Stufe 3 · 34 % · Hintergrund, keine Belege
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 22 %Hintergrund, keine Belege
    • Luna 46 %einzelne zitierbare Belege
    • JEV 31 %beantwortet teilweise oder widerspricht
    • amos 31 %Hintergrund, keine Belege
    • SubQ 38 %einzelne zitierbare Belege
    • drex 33 %einzelne zitierbare Belege
    • d3-ultra 32 %gleiches Oberthema, hilft nicht

    • 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 4 · 35 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • 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 4 · 35 % · einzelne zitierbare Belege
  3. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 24 %Hintergrund, keine Belege
    • Luna 61 %einzelne zitierbare Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 31 %einzelne zitierbare Belege
    • SubQ 37 %einzelne zitierbare Belege
    • drex 28 %einzelne zitierbare Belege
    • d3-ultra 35 %einzelne zitierbare Belege

    • SF-P4-T01 Würden Regierungen Messdaten aus der Lieferkette von Chips (Telemetrie), den Stromverbrauch, gemeldete Verzeichnisse von Trainingsläufen und eine unabhängig überwachte Abrechnung von Strom, Hardware und Rechenaufwand als vertragstauglichen Nachweis für die Größe der Trainingsläufe eines anderen Staates anerkennen, ohne Modellgewichte (die gelernten Parameter) oder Code anzurühren? Und wie sähe eine Prüfordnung für Rechenschwellen aus, die nichts über das Innere der Modelle verrät? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 54 %Hintergrund, keine Belege
    • JEV 24 %gleiches Oberthema, hilft nicht
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

    • SF-T1-T06 Welcher öffentliche Beleg zeigt, ob vereinbarte Grenzen eingehalten werden? Luna: Stufe 6 · 29 % · beantwortet teilweise oder widerspricht · Haiku-Prüfung: Stufe 6 · beantwortet teilweise oder widerspricht
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 25 %Hintergrund, keine Belege
    • Luna 50 %einzelne zitierbare Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 30 %nur am Rande erwähnt
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 27 %nur am Rande erwähnt
    • d3-ultra 66 %gleiches Oberthema, hilft nicht

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 39 %Hintergrund, keine Belege
    • JEV 30 %einzelne zitierbare Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht

    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 6 · 34 % · beantwortet teilweise oder widerspricht · Haiku-Prüfung: Stufe 6 · beantwortet teilweise oder widerspricht
    • 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 · 38 % · Hintergrund, keine Belege
    • SF-V1-T06 Was bedeutet Aufsicht, wenn man das Denken, auf das man sich am meisten verlässt, nicht mehr verlässlich überwachen kann? Und wenn ein Labor die Gedankenkette verbirgt, um sie vor dem Druck zu schützen, der entstünde, wenn sie im Training bewertet würde: Wer kann seine Sicherheitsdarstellung dann noch widerlegen? Luna: Stufe 3 · 31 % · 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 · 32 % · Hintergrund, keine Belege
    • SF-V1-T10 Kann etwas, das Modelle über sich und ihre Absichten sagen, als Beleg für Ausrichtung zählen, wenn es nur weiterer erzeugter Text ist, und welche Verfahren machen solche Selbstauskünfte vertrauenswürdig statt nur flüssig? Luna: Stufe 3 · 34 % · Hintergrund, keine Belege
    • SF-V1-T13 Wenn sich vorgeführte und tatsächlich vertretene Tugend im Text nicht unterscheiden lassen: Soll der Unterschied trotzdem bestimmen, wie man Modelle baut und regelt? Luna: Stufe 3 · 30 % · Hintergrund, keine Belege
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 34 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %gleiches Oberthema, hilft nicht
  3. 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 57 %Hintergrund, keine Belege
    • JEV 46 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht

  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 23 %gleiches Oberthema, hilft nicht
    • Luna 61 %umfangreiche Belege
    • JEV 52 %beantwortet teilweise oder widerspricht
    • amos 28 %Hintergrund, keine Belege
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 25 %einzelne zitierbare Belege
    • d3-ultra 36 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare 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 25 %Hintergrund, keine Belege
    • Luna 35 %einzelne zitierbare Belege
    • JEV 28 %einzelne zitierbare Belege
    • amos 27 %nur am Rande erwähnt
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 31 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %gleiches Oberthema, hilft nicht
  2. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 28 %Hintergrund, keine Belege
    • Luna 41 %einzelne zitierbare Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 29 %nur am Rande erwähnt
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 30 %nur am Rande erwähnt
    • d3-ultra 55 %gleiches Oberthema, hilft nicht

    • SF-A3-T01 Welche Beobachtungen oder gemeinsamen Tests erkennen entstehende Abstimmung, Absprachen oder Kettenfehler zwischen Modellen in Arbeitsabläufen, Lieferketten und Gruppen vieler Agenten (Schwärmen), die kein einzelnes Labor steuert oder vorhersieht? Luna: Stufe 3 · 29 % · Hintergrund, keine Belege
Modelle teilen und schützen
  1. SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
    • clef 25 %Hintergrund, keine Belege
    • Luna 39 %Hintergrund, keine Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 31 %einzelne zitierbare Belege
    • SubQ 24 %einzelne zitierbare Belege
    • drex 26 %umfangreiche Belege
    • d3-ultra 39 %einzelne zitierbare Belege
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 24 %Hintergrund, keine Belege
    • Luna 46 %umfangreiche Belege
    • JEV 54 %beantwortet teilweise oder widerspricht
    • amos 30 %beantwortet teilweise oder widerspricht
    • SubQ 26 %umfangreiche Belege
    • drex 40 %umfangreiche Belege
    • d3-ultra 39 %umfangreiche Belege
    • Haiku-Prüfung beantwortet teilweise oder widerspricht

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 62 %einzelne zitierbare Belege
    • JEV 31 %beantwortet teilweise oder widerspricht
    • amos 28 %einzelne zitierbare Belege
    • SubQ 30 %einzelne zitierbare Belege
    • drex 28 %einzelne zitierbare Belege
    • d3-ultra 33 %gleiches Oberthema, hilft nicht

    • SF-O2-T05 Welche öffentlichen Zusagen eines Spitzenlabors macht die juristische Person, die bei einem Bruch verklagt würde, und welche nur das Forschungsteam, und veröffentlichen die Labore das für jede Zusage? Luna: Stufe 3 · 34 % · 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 100 %kein Bezug
    • amos 23 %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 33 %Hintergrund, keine Belege
    • JEV 23 %gleiches Oberthema, hilft nicht
    • amos 28 %nur am Rande erwähnt
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 67 %gleiches Oberthema, hilft nicht
  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 52 %einzelne zitierbare Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht
  3. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 24 %gleiches Oberthema, hilft nicht
    • Luna 70 %einzelne zitierbare Belege
    • JEV 48 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

  4. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 18 %Hintergrund, keine Belege
    • Luna 46 %einzelne zitierbare Belege
    • JEV 51 %beantwortet teilweise oder widerspricht
    • amos 27 %Hintergrund, keine Belege
    • SubQ 30 %gleiches Oberthema, hilft nicht
    • drex 27 %nur am Rande erwähnt
    • d3-ultra 44 %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 · 38 % · 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 · 30 % · Hintergrund, keine 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 100 %kein Bezug
    • Luna 42 %gleiches Oberthema, hilft nicht
    • JEV 36 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 27 %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 →