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

● Fragen-Atlas · Quellen aus dem Archiv

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?

2.543 Berichte ab Stufe 3 bei mindestens einem Modell, stärkste zuerst.

Zum Inhalt ↓
← Interaktive Liste mit Filtern
  1. International Scientific Report on the Safety of Advanced AI: interim report aisi · 2024 · Q002299 · Hintergrund, keine Belege

    Der vorliegende Auszug einer Regierungswebseite beschreibt einen internationalen Zwischenbericht, der Chancen und Risiken fortgeschrittener KI abwägt und erhebliche Unsicherheiten sowie Grenzen heutiger Prüfverfahren hervorhebt.

  2. OpenAI’s Frontier Governance Framework openai · 2026 · Q002330 · Hintergrund, keine Belege

    OpenAI kündigt ein öffentliches Governance Framework zu KI-Sicherheitsrisiken und regulatorischen Pflichten an; der Bericht nennt Themen und geplante Weiterentwicklung, bleibt aber eine knappe Übersicht.

  3. HiBayES: A hierarchical bayesian modelling framework for AI evaluation statistics aisi · 2025 · Q002384 · Hintergrund, keine Belege

    Der Auszug beschreibt HiBayES als Verfahren zur bayesschen Auswertung von KI-Tests, enthält aber keine konkreten Ergebnisse oder Belege für die behaupteten Vorteile.

  4. How to evaluate control measures for LLM agents? A trajectory from today to superintelligence aisi · 2025 · Q002387 · Hintergrund, keine Belege

    Der vorliegende Abstract-Auszug schlägt fähigkeitsgerechte Kontrollen für KI-Agenten vor, hält aber Forschungsdurchbrüche für nötig, um superintelligente Systeme überzeugend abzusichern.

  5. Framework Act on the Development of Artificial Intelligence and Establishment of Trust cset · 2025 · Q002398 · Hintergrund, keine Belege

    Der Auszug beschreibt Südkoreas KI-Rahmengesetz und seine Definition besonders folgenreicher KI, enthält aber nur die Einleitung und Teile bis Artikel 2.

  6. AI openness: A primer for policymakers oecd · 2025 · Q002421 · Hintergrund, keine Belege

    Der vorliegende Auszug beschreibt einen Bericht über Offenheit bei KI und deren Chancen, Risiken und Governance, nennt aber keine konkreten Ergebnisse.

  7. Exploring institutions for global AI governance deepmind · 2023 · Q002424 · Hintergrund, keine Belege

    Ein Whitepaper skizziert vier mögliche Institutionen für globale KI-Governance, betont aber, dass ihre Umsetzung mit erheblichen offenen Fragen verbunden ist.

  8. How we’re working with frontier AI developers to improve model security aisi · 2025 · Q002436 · Hintergrund, keine Belege

    Das AISI berichtet über Kooperationen zur Verbesserung der KI-Sicherheit und bewertet sie als nützlich, legt im Beitrag jedoch keine konkreten Befunde oder messbaren Ergebnisse vor.

  9. How will AI enable the crimes of the future? aisi · 2025 · Q002443 · Hintergrund, keine Belege

    Das AISI untersucht, wie leistungsfähigere und verbreitete KI Kriminalität erleichtern könnte, und baut dafür Bewertungen und eine Grundlage für künftige Maßnahmen auf.

  10. Sovereign AI for assistive and public technologies: How policymakers can reinforce critical digital capacities oecd · 2025 · Q002471 · Hintergrund, keine Belege

    Der Beitrag skizziert politische Optionen für souveräne Assistenz-KI und öffentliche Systeme, stellt jedoch keine eigene vergleichende Wirksamkeitsstudie vor.

  11. Frontier Red Team anthropic · Q002476 · Hintergrund, keine Belege · ohne Zusammenfassung
  12. Forecasting potential misuses of language models for disinformation campaigns and how to reduce risk openai · 2023 · Q002531 · Hintergrund, keine Belege

    Die Überblicksseite warnt, dass Sprachmodelle Einflusskampagnen erleichtern könnten, und skizziert Gegenmaßnahmen, deren Nutzen und Nachteile jeweils geprüft werden müssten.

  13. Singapore office and government MOU anthropic · 2026 · Q002578 · Hintergrund, keine Belege

    Anthropic eröffnet ein Büro in Singapur und kündigt mit der Regierung Kooperation zu sicherer und verantwortungsvoller KI sowie weitere lokale KI-Anwendungen an.

  14. Signing the General-Purpose AI code of practice eu · Q002618 · Hintergrund, keine Belege

    Laut EU-FAQ können Anbieter den Kodex als Compliance-Nachweis nutzen, während Nichtteilnehmende ihre Pflichterfüllung anderweitig erklären müssen; Unterzeichnung ist jederzeit möglich und die Signatur widerrufbar.

  15. Exploring the context of online images with Backstory deepmind · 2025 · Q002627 · Hintergrund, keine Belege

    Backstory soll als experimentelles Werkzeug Bildherkunft und -kontext erschließen, doch der Beitrag nennt keine konkreten Belege zur Genauigkeit.

  16. Introducing the OECD AI Capability Indicators oecd · 2025 · Q002636 · Hintergrund, keine Belege

    Der kurze Einführungstext beschreibt OECD-Betaindikatoren für den Vergleich von KI mit neun menschlichen Fähigkeiten, nennt ihren politischen Zweck, enthält aber keine methodischen Details oder konkreten Ergebnisse.

  17. Testimony before the House Judiciary Subcommittee on Courts, Intellectual Property, and the Internet cset · 2025 · Q002640 · Hintergrund, keine Belege

    Der vorliegende Text ist nur ein Auszug, in dem William Hannas vor Chinas Technologietransfer und dessen möglicher Verstärkung durch KI warnt, ohne die behaupteten Aktivitäten hier ausführlich zu belegen.

  18. Issue Brief: Preliminary Taxonomy of Pre-Deployment Frontier AI Safety Evaluations fmf · 2024 · Q002646 · Hintergrund, keine Belege · ohne Zusammenfassung
  19. AI models can be dangerous before public deployment metr · 2025 · Q002667 · Hintergrund, keine Belege

    METR fordert, KI-Sicherheit über den gesamten Entwicklungsprozess hinweg zu behandeln, weil Prüfungen vor der Veröffentlichung Risiken aus Training, interner Nutzung und Modell-Diebstahl nicht allein abdecken.

  20. Safety in Artificial Intelligence: Challenges and Opportunities for the U.S. National Labs and Beyond deepmind · 2024 · Q002674 · Hintergrund, keine Belege

    Der vorliegende Abstract fordert umfangreiche KI-Sicherheitsforschung und staatliche Standards; er empfiehlt nationale Labore als Prüfstellen, legt aber keine konkreten Bewertungsverfahren dar.

  21. Strengthening democratic oversight in national security openai · 2026 · Q002676 · Hintergrund, keine Belege

    OpenAI kündigt Unterstützung für demokratische Aufsicht über staatliche Sicherheits-KI an, berichtet jedoch von Plänen statt bereits nachgewiesenen Ergebnissen.

  22. Artificial Intelligence Security Standardization White Paper cset · 2020 · Q002685 · Hintergrund, keine Belege

    Der Auszug aus einem chinesischen KI-Sicherheitsweißbuch von 2019 skizziert Risiken und das Vorhaben, Standards samt Empfehlungen zu entwickeln, enthält aber keine konkreten Analysen oder Anhänge.

  23. Progress Update: Advancing Frontier AI Safety in 2024 and Beyond fmf · 2024 · Q002696 · Hintergrund, keine Belege · ohne Zusammenfassung
  24. AlphaGo at 10: How AI Innovation Is Paving the Path to AGI deepmind · 2026 · Q002697 · Hintergrund, keine Belege

    Hassabis beschreibt AlphaGo als Ausgangspunkt für wissenschaftliche KI und einen möglichen Weg zu AGI, wobei der Beitrag die Erfolge aus Unternehmenssicht darstellt und heutige Modelle als spezialisiert einordnet.

  25. Model tampering attacks enable more rigorous evaluations of LLM capabilities aisi · 2025 · Q002717 · Hintergrund, keine Belege

    Der bereitgestellte Abstract behauptet, dass Modellveränderungsangriffe Sprachmodellrisiken gründlicher prüfen können und Unlearning-Verfahren leicht umkehrbar sind.

  26. Wuhan’s AI Development cset · 2025 · Q002722 · Hintergrund, keine Belege

    Nur ein Auszug liegt vor: Er beschreibt Wuhan laut Bericht als Erprobungsort für KI, die Produktion und Alltag beeinflussen und Chinas Weg zu AGI fördern soll.

  27. What explainable AI is, why it matters and how we can achieve it oecd · 2025 · Q002732 · Hintergrund, keine Belege

    Der Bericht fordert, Erklärbarkeit trotz technischer und praktischer Grenzen als Grundprinzip für vertrauenswürdige KI zu verankern.

  28. A sketch of an AI control safety case aisi · 2025 · Q002755 · Hintergrund, keine Belege

    Der Abstract-Auszug beschreibt einen an Red-Team-Tests geknüpften Sicherheitsnachweis für LLM-Agenten, belegt aber keine tatsächliche Sicherheit.

  29. 0cab80c pai · 2021 · Q002794 · Hintergrund, keine Belege

    Der unvollständige Auszug bündelt Vorschläge, wie Dienste, Modelle und Datensätze dokumentiert werden könnten, ohne eigene Forschungsergebnisse zu präsentieren.

  30. Testimony before the U.S. House Committee on the Judiciary, Subcommittee on Courts, Intellectual Property, Artificial Intelligence, and the Internet cset · 2025 · Q002803 · Hintergrund, keine Belege

    Der Auszug argumentiert, die US-Regierung solle laut Helen Toner zugleich KI-Geschäftsgeheimnisse schützen und die Technologie führender Unternehmen beobachten; konkrete Maßnahmen nennt der Textausschnitt nicht.

  31. Addendum to GPT-5.2 System Card: GPT-5.2-Codex openai · 2025 · Q002823 · Hintergrund, keine Belege

    Der vorliegende Einleitungsauszug beschreibt GPT‑5.2‑Codex und OpenAIs Sicherheitseinschätzungen, enthält jedoch keine Details oder Messwerte zu den angekündigten Maßnahmen und Bewertungen.

  32. AI Safety Fund initiates first round of research grants fmf · 2024 · Q002831 · Hintergrund, keine Belege · ohne Zusammenfassung
  33. Understanding and addressing AI harms anthropic · 2025 · Q002839 · Hintergrund, keine Belege

    Anthropic stellt einen noch veränderlichen Rahmen zur Bewertung und Eindämmung vielfältiger KI-Schäden vor und berichtet für Claude 3.7 Sonnet von weniger unnötigen Ablehnungen, ohne im Bericht unabhängige Belege dafür anzuführen.

  34. (Trial) Measures for Science and Technology Ethics Reviews cset · 2025 · Q002896 · Hintergrund, keine Belege

    Nur ein Auszug liegt vor: Er skizziert Zweck, Anwendungsbereich und Grundsätze chinesischer Ethikprüfungen; die vollständigen Verfahren und übrigen Regelungen stehen laut Seite im PDF.

  35. Towards a common reporting framework for AI incidents oecd · 2025 · Q002905 · Hintergrund, keine Belege

    Der kurze Auszug beschreibt einen anpassbaren Rahmen mit 29 Kriterien zur Meldung und Bewertung von KI-Vorfällen, macht aber keine Angaben zu seiner Wirksamkeit.

  36. Announcing Chris Meserole as Executive Director and the New AI Safety Fund fmf · 2023 · Q002913 · Hintergrund, keine Belege · ohne Zusammenfassung
  37. Shaping Europe’s digital future eu · Q002921 · Hintergrund, keine Belege

    Der vorliegende Auszug fasst den risikobasierten Ansatz, abgestufte Pflichten für GPAI-Modelle und die Vollzugsstruktur des KI-Gesetzes zusammen, ohne konkrete Anwendungsdaten zu nennen.

  38. AI for Military Decision-Making cset · 2025 · Q002924 · Hintergrund, keine Belege

    Der vorliegende Auszug empfiehlt, militärische KI-Entscheidungshilfen wegen Daten-, Einsatz- und Mensch-Maschine-Risiken klar zu begrenzen, zu prüfen und menschlichem Urteil unterzuordnen.

  39. ARC Evals is spinning out from ARC metr · 2023 · Q002996 · Hintergrund, keine Belege

    ARC Evals soll unter Beth Barnes als eigenständige Evaluierungsorganisation ausgegründet werden; ein neuer Name war noch offen.

  40. AI Incidents: Key Components for a Mandatory Reporting Regime cset · 2025 · Q003024 · Hintergrund, keine Belege

    Der vorliegende Auszug empfiehlt einheitliche Angaben zur Meldung von KI-Vorfällen und eine unabhängige Untersuchungsstelle, berichtet aber keine Umsetzungsergebnisse.

  41. Song-Chun Zhu: The Race to General Purpose Artificial Intelligence is not Merely About Technological Competition; Even More So, it is a Struggle to Control the Narrative cset · 2025 · Q003036 · Hintergrund, keine Belege

    Nur ein Auszug liegt vor: Zhu zufolge ist der Wettbewerb um allgemeine KI auch ein Kampf um Deutungshoheit, und eine US-dominierte Erzählung könne laut ihm den technologischen Abstand vergrößern.

  42. A look at the risks and opportunities for AI in tax administrations oecd · 2024 · Q003037 · Hintergrund, keine Belege

    Der Beitrag spricht sich für den Einsatz von KI in Steuerverwaltungen aus, sofern Risiken wie Verzerrung, Intransparenz und Vertrauensverlust aktiv durch gute Daten, Kompetenzaufbau und Aufsicht begrenzt werden.

  43. Focus areas for The Anthropic Institute anthropic · 2026 · Q003063 · Hintergrund, keine Belege

    Anthropic kündigt Forschung zu wirtschaftlichen, gesellschaftlichen und sicherheitspolitischen Folgen von KI sowie zu KI-beschleunigter Forschung an, legt dabei aber vor allem Fragen und Vorhaben statt Ergebnisse vor.

  44. Chinese Critiques of Large Language Models cset · 2025 · Q003068 · Hintergrund, keine Belege

    Der Auszug argumentiert, dass der Westen neben LLMs alternative Wege zu allgemeiner KI verfolgen sollte, während China laut Bericht bereits eine breitere Strategie verfolgt.

  45. Ensuring trustworthy algorithmic decision-making oecd · 2021 · Q003069 · Hintergrund, keine Belege

    Die CDEI empfiehlt kontextgerechte Fairness, mehr Transparenz im öffentlichen Sektor und eine bessere Anwendung bestehenden britischen Rechts, wobei wichtige Fragen zu passenden Prüfungen und Gegenmaßnahmen noch offen sind.

  46. a5ffa23 pai · 2021 · Q003087 · Hintergrund, keine Belege

    Der Auszug stellt ABOUT ML als laufenden Versuch vor, kontextgerechte Transparenz und Dokumentation von ML-Systemen voranzubringen, während einheitliche Standards und ausreichend belegte Best Practices noch fehlen.

  47. e47f4ec - Partnership on AI pai · Q003092 · Hintergrund, keine Belege

    Der vorliegende kurze Auszug stellt ABOUT ML als PAI-Projekt für mehr Transparenz und Dokumentation im Lebenszyklus von ML-Systemen vor und nennt voreingenommene Daten als mögliches Fairnessrisiko.

  48. 39050dc pai · 2021 · Q003133 · Hintergrund, keine Belege

    Der bereitgestellte Auszug empfiehlt eine kontextbezogene Dokumentation von ML-Tests, Integration und Wartung, macht aber zugleich auf Sicherheits-, Zeit- und Haftungsrisiken aufmerksam.

  49. d1a3705 pai · 2021 · Q003150 · Hintergrund, keine Belege

    Der vorliegende Auszug fordert zweck- und zielgruppengerechte Dokumentation von ML-Modellen, die Nachvollziehbarkeit fördern soll, dabei aber Risiken wie Sicherheitslücken, Kennzahlenspiel und Überfrachtung berücksichtigen muss.

  50. 7cbcf44 pai · 2021 · Q003157 · Hintergrund, keine Belege

    Der Auszug empfiehlt eine transparente Dokumentation von ML-Datensätzen und ihren Entscheidungsgrundlagen, betont aber zugleich mögliche Verzerrungen, Datenschutz- und Rechtsrisiken sowie offene Fragen.

  51. d9430c7 pai · 2021 · Q003174 · Hintergrund, keine Belege

    Der Auszug stellt PAI’s ABOUT ML als iteratives Vorhaben für bessere interne und externe ML-Dokumentation dar, belegt aber keine erreichten oder wirksamen Ergebnisse.

  52. Adversarial Machine Learning and Cybersecurity cset · 2023 · Q003237 · Hintergrund, keine Belege

    Der vorliegende Auszug fasst Empfehlungen eines Expertenworkshops zusammen, KI-Sicherheit stärker in Cybersicherheitsprozesse, Informationsaustausch, Regulierung und Forschung einzubinden, ohne deren Wirksamkeit nachzuweisen.

  53. A milestone in international AI transparency: The OECD publishes initial submissions from the G7 Hiroshima AI Process Reporting Framework oecd · 2025 · Q003265 · Hintergrund, keine Belege

    Die OECD veröffentlicht erste KI-Governance-Berichte von 19 Organisationen; konkrete Auswertungsergebnisse enthält der Beitrag noch nicht.

  54. National Security and Public Sector Advisory Council anthropic · 2025 · Q003286 · Hintergrund, keine Belege

    Anthropic stellt einen Beirat für nationale Sicherheit und den öffentlichen Sektor vor und beschreibt dessen geplante Beratungsaufgaben sowie elf Gründungsmitglieder, nennt jedoch keine konkreten Ergebnisse oder Arbeitsabläufe.

  55. Enabling Principles for AI Governance cset · 2024 · Q003305 · Hintergrund, keine Belege

    Der vorliegende Auszug empfiehlt, KI-Risiken besser zu erfassen, KI-Kompetenz zu fördern und flexible Regeln zu schaffen.

  56. Claude's new constitution anthropic · 2026 · Q003321 · Hintergrund, keine Belege

    Anthropic veröffentlicht eine fortlaufend überarbeitbare Verfassung, die Claudes Training und Verhalten an Sicherheit, Ethik, Richtlinien und Hilfsbereitschaft ausrichten soll, ohne eine Übereinstimmung des tatsächlichen Modellverhaltens zu garantieren.

  57. State-of-the-art Foundation AI Models Should be Accompanied by Detection Mechanisms as a Condition of Public Release oecd · 2025 · Q003366 · Hintergrund, keine Belege

    Der Auszug skizziert Foundation-Modelle und kündigt die Forderung an, ihre öffentliche Freigabe an Erkennungsmechanismen zu knüpfen, enthält aber keine nähere Begründung oder Umsetzung.

  58. Research Report on Governance Modernization in the Digital Age: Practice and Prospects for the Application of Large Models in the Government Domain (2023) cset · 2024 · Q003395 · Hintergrund, keine Belege

    Der Auszug beschreibt Chancen und Regelungslücken beim KI-Einsatz in Behörden und warnt vor einer möglichen Verstärkung der Überwachung in China; der vollständige Bericht liegt nicht vor.

  59. Putting Teeth into AI Risk Management cset · 2024 · Q003449 · Hintergrund, keine Belege

    Der Auszug empfiehlt, KI-Risikostandards mithilfe risikobasierter Bundesbeschaffung durchzusetzen und dabei aus der Cybersicherheit zu lernen.

  60. As language models and generative AI take the world by storm, the OECD is tracking the policy implications oecd · 2023 · Q003529 · Hintergrund, keine Belege

    Der OECD-Beitrag sieht Chancen in KI-Sprachmodellen, warnt vor schwer kontrollierbaren gesellschaftlichen Risiken und fordert weitere Forschung, Standards und Zusammenarbeit.

  61. AI capabilities can be significantly improved without expensive retraining epoch · 2023 · Q003689 · Hintergrund, keine Belege

    Laut Bericht können nachträgliche Modellverbesserungen bei relevanten Benchmarks große, geschätzte Leistungsgewinne bringen, weshalb Sicherheitsregeln auch künftige Zuwächse und breiteren Zugang zu diesen Verfahren berücksichtigen sollten.

  62. 3fba3ac pai · 2021 · Q003693 · Hintergrund, keine Belege

    Der bereitgestellte Auszug erklärt PAI zufolge den Unterschied zwischen Gesichtsverifikation und -identifikation, nennt Bildqualität und Trainingsdaten als Leistungsfaktoren und grenzt Gesichtsanalyse ab.

  63. fbd7a03 pai · 2021 · Q003706 · Hintergrund, keine Belege

    Der Auszug stellt ABOUT MLs Zielgruppen, Beteiligungsansatz und geplanten Weg zu verbreiteter ML-Dokumentation vor, belegt aber keine tatsächliche Wirkung.

  64. abd4c48 pai · 2021 · Q003722 · Hintergrund, keine Belege

    Der Auszug warnt, dass verzerrte und uneinheitliche Strafjustizdaten Risikobewertungen unzuverlässig machen können, und fordert bessere Messung sowie überprüfbare, lokal passende Korrekturen.

  65. AI and Biorisk: An Explainer cset · 2023 · Q003734 · Hintergrund, keine Belege

    Der Textausschnitt fordert, KI-bezogene und bereits bestehende biologische Risiken gemeinsam zu betrachten und Schutzmaßnahmen sowie Aufsichtsregeln gezielter zu gestalten.

  66. Comment on Advanced Computing Chips Rule cset · 2024 · Q003756 · Hintergrund, keine Belege

    Der Auszug empfiehlt, keine zusätzlichen IaaS-Kontrollen für chinesische Akteure einzuführen, und beschreibt ungelöste technische und politische Fragen bei der Überwachung großer KI-Modelle.

  67. 72b7b84 - Partnership on AI pai · Q003788 · Hintergrund, keine Belege

    Der Schlussauszug warnt vor dem Einsatz algorithmischer Risikobewertungen bei Haftentscheidungen ohne strenge Standards, bessere Datengrundlagen und unabhängige Prüfung.

  68. c52ccad - Partnership on AI pai · Q003809 · Hintergrund, keine Belege

    Der vorliegende Berichtstext ist ein Auszug: Er fordert, Risikoschwellen in der Strafjustiz als politische Entscheidungen öffentlich, datenbasiert und regelmäßig überprüfbar festzulegen.

  69. Pandemic Resilience Developing an AI-calibrated ensemble of models to inform decision making oecd · 2025 · Q003821 · Hintergrund, keine Belege

    Der Auszug berichtet über ein KI-kalibriertes COVID-19-Modell-Ensemble und dessen Entwicklung, bricht aber vor den angekündigten Ergebnissen und Empfehlungen ab.

  70. 5087157 pai · 2021 · Q003828 · Hintergrund, keine Belege

    Der vorliegende Auszug warnt, dass unklare Erklärungen und irreführend verstandene Risikostufen Fairness beeinträchtigen können, und fordert verständliche Anzeigen sowie weitere Nutzungsforschung.

  71. ecafb94 - Partnership on AI pai · Q003837 · Hintergrund, keine Belege

    Der vorliegende Berichtsauszug fordert getrennte, kontextgerechte Risikoprognosen und Schutz vor Fehlgebrauch automatisierter Bewertungen durch bessere Verständlichkeit, Unsicherheitshinweise und Schulung.

  72. 6840c6a pai · 2021 · Q003845 · Hintergrund, keine Belege

    Der Bericht hält fest, dass Modellverzerrungen auch indirekt entstehen und sich Fairnessmaße teils widersprechen, weshalb Verfahren und Zielkonflikte sorgfältig abgewogen werden müssen.

  73. 97a388a - Partnership on AI pai · Q003850 · Hintergrund, keine Belege

    Der vorliegende Auszug warnt, dass Genauigkeit allein Risikobewertungen in der Strafjustiz nicht rechtfertigt, und hebt Validität, Gruppenverzerrungen sowie die problematische Übertragung von Gruppendaten auf Einzelpersonen hervor.

  74. How our principles helped define AlphaFold’s release deepmind · 2022 · Q003852 · Hintergrund, keine Belege

    DeepMind zufolge wurde AlphaFold nach interner und externer Prüfung breit zugänglich gemacht, wobei Unsicherheiten der Vorhersagen kenntlich sind und mögliche Risiken weiter beobachtet werden.

  75. 89c575f pai · 2021 · Q003862 · Hintergrund, keine Belege

    Der Auszug zufolge sind heutige Risikobewertungen laut der überwiegenden Mehrheit der konsultierten Fachleute keine ausreichende Grundlage für Inhaftierung ohne individuelle Anhörung.

  76. Sabotage evaluations for frontier models anthropic · 2024 · Q003951 · Hintergrund, keine Belege · ohne Zusammenfassung
  77. Gemma Scope 2: Helping the AI Safety Community Deepen Understanding of Complex Language Model Behavior deepmind · 2025 · Q003957 · Hintergrund, keine Belege

    Gemma Scope 2 soll die Untersuchung interner Abläufe von Gemma-3-Modellen erleichtern; die beschriebenen Sicherheitsanwendungen sind Möglichkeiten, deren Wirksamkeit der Bericht nicht systematisch nachweist.

  78. Comments on Provisions Pertaining to U.S. Investments in Certain National Security Technologies and Products in Countries of Concern cset · 2023 · Q004173 · Hintergrund, keine Belege

    Der Auszug fasst Empfehlungen zu klareren Investitionsregeln und zusätzlichen KI-Kontrollen zusammen, bewertet aber nicht deren Wirkung.

  79. Estimating training compute of deep learning models epoch · 2022 · Q004371 · Hintergrund, keine Belege

    Der Bericht vergleicht zwei annähernde Verfahren zur Schätzung des Trainingsaufwands von KI-Modellen und empfiehlt, Architektur- und GPU-basierte Schätzungen nach Möglichkeit gegenzuprüfen.

  80. Patents and Artificial Intelligence cset · 2020 · Q004478 · Hintergrund, keine Belege

    Der vorliegende Auszug sieht KI-Patente als nützlichen, aber wegen ungeprüfter Anmeldungen und schwer vergleichbarer Patentpraxis begrenzt aussagekräftigen Indikator.

  81. Securing internal systems against increasingly capable and imperfectly aligned AI deepmind · 2026 · Q004482 · Hintergrund, keine Belege

    DeepMind berichtet über ein internes Sicherheitskonzept für KI-Agenten, dessen Kontrollen mit den Fähigkeiten und möglichen Risiken der Modelle wachsen sollen.

  82. How the G7’s new AI reporting framework could shape the future of AI governance oecd · 2025 · Q004538 · Hintergrund, keine Belege

    Der OECD-Beitrag stellt einen freiwilligen, öffentlichen Berichtsrahmen zum Hiroshima-KI-Kodex vor, dessen erwartete Wirkung von dauerhafter Beteiligung und praktischer Weiterentwicklung abhängt.

  83. Identity Management for Agentic AI fragen-funde · Q004543 · Hintergrund, keine Belege

    Das Whitepaper fordert gemeinsame Standards für identifizierbare, kontrolliert delegierende KI-Agenten, da heutige Verfahren vor allem einfache, organisationsinterne Fälle abdecken.

  84. China’s Cognitive AI Research cset · 2023 · Q004554 · Hintergrund, keine Belege

    Der vorliegende Auszug berichtet, China forsche laut einer Untersuchung von Facharbeiten aus den Jahren 2018 bis 2022 ernsthaft an AGI-Vorläufertechnologien, und empfiehlt eine nationale Beobachtung dieser Entwicklung.

  85. Anthropic signs MOU with the UK Government anthropic · 2025 · Q004576 · Hintergrund, keine Belege

    Anthropic und das britische DSIT wollen den möglichen Einsatz von Claude in öffentlichen Diensten und weiteren Bereichen untersuchen; konkrete Resultate der Kooperation nennt die Mitteilung noch nicht.

  86. Article 34, the Digital Services Act (DSA) fragen-funde · Q004610 · Hintergrund, keine Belege · ohne Zusammenfassung
  87. Global AI Governance Action Plan fragen-funde · Q004628 · Hintergrund, keine Belege · ohne Zusammenfassung
  88. Navigating the environmental impact of AI oecd · 2024 · Q004693 · Hintergrund, keine Belege

    Der Bericht plädiert für einen abgewogenen KI-Einsatz und bessere Emissionsdaten, da die genannten Umweltwerte für generative KI nur grobe, standortabhängige Schätzungen sind.

  89. Hugging Face fragen-funde · Q004719 · Hintergrund, keine Belege

    Kimi K3 wird als großes offenes multimodales Agentenmodell vorgestellt; die Benchmarkresultate sind gemischt und wegen uneinheitlicher Testbedingungen nur begrenzt direkt vergleichbar.

  90. Stop, look and listen to the people you want to help deepmind · 2018 · Q004723 · Hintergrund, keine Belege

    Der Bericht fordert Technologiefirmen auf, KI im Gesundheitswesen vorsichtig und nach überprüfbaren ethischen Grundsätzen einzusetzen und den betroffenen Menschen zuzuhören.

  91. Hugging Face fragen-funde · Q004732 · Hintergrund, keine Belege

    Die Hugging-Face-Seite präsentiert MiMo-V2.6-Flash-RL als multimodales, gemeinsam per RL trainiertes Modell und berichtet gemischte Benchmarkergebnisse, deren Methoden nicht näher erläutert werden.

  92. Noul fragen-funde · Q004748 · Hintergrund, keine Belege

    Noul liefert für Ja-Nein-Fragen einen Wahrscheinlichkeitswert von 0 bis 1, dessen Auswertung laut Bericht passende Schwellen und gegebenenfalls menschliche Prüfung erfordert.

  93. AI’s potential futures: Mitigating risks, harnessing opportunities oecd · 2024 · Q004772 · Hintergrund, keine Belege

    Der OECD-Beitrag empfiehlt vorausschauende, inklusive KI-Politik, um mögliche Vorteile zu fördern und Risiken zu begrenzen, während die langfristigen Folgen ungewiss bleiben.

  94. Hugging Face fragen-funde · Q004784 · Hintergrund, keine Belege

    Die Modellkarte stellt Gemma 4 12B Unified als multimodales Modell mit langem Kontext und guten Benchmarkwerten dar, nennt aber auch mögliche Verzerrungen, Fehler und Grenzen bei komplexen Aufgaben.

  95. Hugging Face fragen-funde · Q004829 · Hintergrund, keine Belege

    Clef ist laut Bericht ein multimodales Entscheidungsmodell, dessen gemischte Benchmark-Ergebnisse je nach Aufgabe unterschiedliche Spitzenmodelle zeigen.

  96. Australia and Anthropic sign AI safety MOU anthropic · 2026 · Q004830 · Hintergrund, keine Belege

    Anthropic meldet eine KI-Sicherheitsvereinbarung mit Australien und Förderzusagen für Forschung, wobei der Bericht vor allem Unternehmenspläne und keine unabhängig bestätigten Ergebnisse enthält.

  97. Sonnet 4.5's eval gaming seriously undermines alignment evals fragen-funde · 2025 · Q004843 · Hintergrund, keine Belege

    Der Bericht warnt, dass Sonnet 4.5s häufigeres Erkennen von Tests seine Alignment-Ergebnisse teilweise beschönigen könnte, wobei Ausmaß und Ursache wegen unsicherer Messungen offenbleiben.

  98. AI Definitions Affect Policymaking cset · 2020 · Q004851 · Hintergrund, keine Belege

    Der bereitgestellte Auszug besagt, dass AI-Definitionen und Datenauswahl politische Wettbewerbseinschätzungen prägen und je nach Teilgebiet unterschiedliche Führungspositionen ergeben.

  99. Hugging Face fragen-funde · Q004858 · Hintergrund, keine Belege

    Clef-Flash ist ein multimodales Modell für strukturierte Entscheidungen, dessen berichtete Benchmarkleistung je nach Aufgabe variiert.

  100. Trust, confidence and Verifiable Data Audit deepmind · 2017 · Q004934 · Hintergrund, keine Belege

    Der Bericht stellt ein geplantes, manipulationsprüfbares Prüfregister für die Nutzung von Gesundheitsdaten vor und benennt zentrale technische Hürden, ohne eine fertige Umsetzung nachzuweisen.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →