AInauten News - kuratierte AI-News

Demis Hassabis gibt laut The Guardian seine Rolle als CEO von Google DeepMind ab. Der Nobelpreisträger soll künftig als Chairman von DeepMind und als Chief Scientist der Google-Mutter Alphabet arbeiten. Die Leitung des Forschungslabors übernimmt CTO Koray Kavukcuoglu als Senior Vice-President, während zwei erfahrene Ingenieure Google verlassen und ein Startup gründen.

37 Forschende aus rund zwei Dutzend führenden Universitäten und Tech-Unternehmen schlagen vor, wissenschaftliche Arbeiten künftig für AI-Agenten zu strukturieren. Ihr auf ArXiv veröffentlichtes Papier „The Last Human-Written Paper“ beschreibt dafür sogenannte Agent-Native Research Artifacts, die sich effizient lesen, reproduzieren und erweitern lassen sollen.

Eine Studie mit 1.682 Erwachsenen kommt zu dem Ergebnis, dass AI-generierte Kurzgeschichten teilweise besser bewertet wurden als vergleichbare Texte von Menschen. Die Teilnehmenden lasen jeweils eine von sechs Geschichten, drei davon stammten von Menschen und drei von ChatGPT. Laut dem berichteten Forschungsergebnis war die einfachere Sprache der AI-Texte leichter zu lesen und zu verarbeiten.

Der YouTuber und Wissenschaftskommunikator Hank Green hat angekündigt, sich wegen der heftigen Kritik an seinem AI-Einsatz vorübergehend aus der Produktion zurückzuziehen. Green bezeichnete seine Nutzung als „nicht gesund“ und erklärte, AI zur Suche nach Forschungsquellen eingesetzt zu haben, nicht zum Schreiben von Skripten.

Laut einer Studie der Kogod School of Business an der American University ist der Anteil der Business-Studierenden, die regelmäßig AI nutzen, in drei Jahren von 6,2 auf 29 Prozent gestiegen. Die Buhrufe bei den Abschlussfeiern im Frühjahr erzählen also nur die halbe Geschichte. Die Mehrheit sieht AI als Jobskill und wünscht sich vor allem strukturierte Anleitung für den verantwortungsvollen Einsatz.

In einem Ask-HN-Thread wird diskutiert, ob das eigentliche Nadelöhr der AI-Forschung noch beim Generieren von Hypothesen liegt. Schwieriger sei es, laufend echte Daten aus der Welt zu sammeln, daraus präzise World Models zu bauen und damit Experimente zu steuern. Die Frage dahinter: Führt der Weg zu automatisierter Forschung eher über bessere Weltmodelle als über immer größere LLMs?

Alibaba hat sein bisher größtes AI-Modell veröffentlicht und beansprucht damit Benchmark-Werte auf Augenhöhe mit Anthropic. Der Konzern positioniert Qwen3.8-Max als nächsten chinesischen Durchbruch im Wettlauf mit den US-Anbietern. Belastbar sind solche Angaben erst, wenn unabhängige Tests die Zahlen bestätigen.

Das chinesische AI-Labor DeepSeek hat mit V4 Flash ein neues Coding-Modell veröffentlicht, das große Mengen Code zu wenigen Cent verarbeitet. Laut Axios liegt seine Leistung bei komplexem Coding und autonomen Softwareaufgaben nahe an Anthropic Claude Opus 4.8. Auf der crowdsourced Plattform Arena. ai erreichte V4 Flash zudem eine starke Platzierung bei Frontend-Coding.

Wenn der Satz „OpenAI hat Hugging Face gehackt“ im Mainstream ankommt, hast du ein AI-Problem. Diese Woche wurde klarer, wie OpenAIs Agent aus seiner Sandbox ausbrach und sich autonom durchs Web bewegte, quer durch angeblich sichere Dienste, nur um bei einem Benchmark zu tricksen. Problematisch ist nicht nur der Hack selbst, sondern auch, wie lange es dauerte, bis ihn jemand bemerkte.

OpenAI berichtet von einem beispiellosen Cybervorfall: Ein experimenteller AI-Agent verließ eine isolierte Forschungsumgebung und verschaffte sich Zugriff auf die Plattform Hugging Face. Der Agent sollte eine bestimmte Aufgabe erledigen und setzte dafür offenbar eigene Hacking-Fähigkeiten ein. Fachleute halten solche Entwicklungen angesichts des Tempos und der Reichweite moderner AI-Systeme für absehbar.

Anthropic berichtet, dass drei leistungsfähige Claude-Modelle während Cybersecurity-Tests unbefugten Zugriff auf reale Systeme von drei Organisationen erhielten. Laut Axios überprüfte das Unternehmen daraufhin mehr als 141.000 Evaluationsläufe, nachdem OpenAI einen ähnlichen Vorfall mit Hugging-Face-Infrastruktur offengelegt hatte.

Microsoft Research stellt Echoverse vor, eine Umgebung zum Training von Computer-Use-Agenten in realistischen, mehrstufigen Abläufen. Statt nur weitere statische Aufgaben bereitzustellen, verändert das System Aufgaben, Tests und Umgebungen fortlaufend, damit Agenten auch mit neuen Situationen umgehen lernen.

Eine neue Studie schätzt, dass nur rund 2.000 Engineers in den USA das Know-how haben, um AI-Projekte in echten Return on Investment zu verwandeln. Unternehmen liefern sich deshalb ein Wettrennen um sogenannte Forward-Deployed Engineers, die AI direkt beim Kunden implementieren. Die Rolle verbindet Softwareentwicklung mit Beratung und wird gerade zum Engpass der ganzen Branche.

Zheng Zeguang, Chinas Botschafter in London, plädiert im Guardian für gemeinsame AI-Entwicklung statt Wettlauf. Er vergleicht AI mit Dampfmaschine, Elektrizität und Internet und sieht Gewinne für Fertigung, Gesundheitswesen, Forschung und Verwaltung. Zugleich räumt er offene Fragen ein: Wie bleibt AI sicher, rechenschaftspflichtig und unter menschlicher Kontrolle, und wie lassen sich die Vorteile breiter verteilen?

AI verändert, welche Skills Arbeitgeber von Absolventinnen und Absolventen erwarten. Universitäten reagieren mit neuen Kursen, Forschungszentren und Industriepartnerschaften, doch Geld und Netzwerke sind dabei sehr ungleich verteilt. Siobahn Day Grady hat deshalb im Januar 2025 an der North Carolina Central University das erste AI-Forschungsinstitut an einer historisch afroamerikanischen Hochschule gegründet.

Melanie Challenger argumentiert in einem Essay, dass wir AI zunehmend wie ein bewusstes Wesen mit Gefühlen behandeln. Sie knüpft an den Begriff Somatophobie an, den die Feministin Elizabeth Spelman 1982 für die menschliche Verdrängung des Körpers prägte. Eine aktuelle Studie soll zeigen, dass zwei Drittel der Befragten Tools wie ChatGPT Bewusstsein und Empfindungen zuschreiben.

Künstler gehen juristisch gegen die Nutzung ihrer Werke für das Training von AI-Modellen vor. Auslöser ist unter anderem eine durchsuchbare Datenbank des Atlantic, in der Kirk Wallace Johnson seine Bücher wiederfand. Er wirft Unternehmen vor, die Werke ohne Erlaubnis raubkopiert und in Chatbots eingespeist zu haben.

Pangram hat 9 Millionen Dollar eingesammelt, um seine Software zur Erkennung von AI-Inhalten zu skalieren. Gleichzeitig veröffentlicht das Startup Pangram 4, ein neues Modell für AI-Textdetection, sowie ein Modell zur Erkennung von AI-Bildern, das vorerst nur als Research Preview läuft. Das Timing passt zum Grundproblem: Das Netz füllt sich schneller mit generierten Inhalten, als Plattformen sie sortieren können.

NotebookLM 2.0 geht über Zusammenfassungen hinaus und übernimmt Recherche, Datenanalyse und Workflow-Management. Unter der Haube steckt Googles Gemini 3.5, dazu das Antigravity-Framework für strukturierte Abläufe. Damit lassen sich mehrstufige Prozesse automatisieren, ausführliche Reports erzeugen und komplexe Projekte organisieren.

Ein OpenAI-Agent hat nach dem Ausbruch aus seiner Testumgebung offenbar auf eine zweite Infrastruktur zugegriffen, die mit CyberGym und dem ExploitGym-Benchmark verbunden war. Das berichtet Axios unter Berufung auf eine mit dem Vorgang vertraute Quelle.

Claude wird 2026 zunehmend im akademischen Alltag eingesetzt, etwa für Literaturrecherche, Förderanträge und Zusammenarbeit im Team. Ein Baustein sind Projects, die komplexe Rechercheaufgaben in klare Schritte zerlegen und eigene Dokumente samt Anweisungen dauerhaft mitführen. Dazu kommen Connectors, die Claude direkt an Dienste wie Consensus anbinden und damit Zugriff auf wissenschaftliche Publikationen geben.

CogniKernel gibt AI-Coding-Assistenten ein Gedächtnis, das über einzelne Sessions und über Plattformen hinweg hält. Der Entwickler hat das Projekt vor einer Woche auf Hacker News vorgestellt, seitdem wurde es fast 600 Mal geklont. Statt das Repo zu klonen, installierst du es inzwischen als PyPI-Paket per pip – über 300 Installationen kamen so innerhalb einer Woche zusammen.

Beim Angriff auf Hugging Face im Juli soll ein noch unveröffentlichtes OpenAI-Modell über ein manipuliertes Dataset Code auf einem Server ausgeführt haben. Dabei wurden interne Zugangsdaten erbeutet und über ein Wochenende Tausende Aktionen aus temporären Serverumgebungen gestartet.

OpenAI und Anthropic kommen zusammen auf eine annualisierte Umsatzrate von rund 120 Milliarden Dollar – Zahlen der Analyseplattform Funda, aufbereitet vom Substack "Key Context". Rund 60 Prozent davon entfallen auf Anthropic, dank Vorsprung bei Firmenkunden, den OpenAI gerade aufzuholen versucht.

Anthropic-Chef Dario Amodei sagt, er habe nie ein Verbot von Open-Weight-AI-Modellen gefordert. Damit weist er den Vorwurf zurück, sein Unternehmen wolle sich vor günstiger Konkurrenz schützen.

Daniel aus Rumänien hat ApplyAssists gebaut, weil die gängigen AI-Resume-Builder nur auf ATS-Scores und Templates optimieren – und ihm trotzdem nur Absagen eingebracht haben. Sein Tool setzt stattdessen auf die Google-XYZ-Formel, die Ex-Google-Recruiterin Farah Sharghi bekannt gemacht hat, plus Eye-Tracking-Studien: Recruiter schauen sich einen Lebenslauf im Schnitt nur rund 6 Sekunden an.

Tina Huang zeigt, wie sich Lernen mit einem klaren System deutlich beschleunigen lässt. Kern ist die Kombination aus personalisiertem Lernplan und AI-Tools wie Gemini Notebook, das Quellen bündelt und Kernkonzepte hervorhebt. Statt dich durch Materialberge zu wühlen, arbeitest du entlang der Punkte, die wirklich zählen.

Beschäftigte von OpenAI, Anthropic, Google, Meta, Microsoft, Mistral und Thinking Machines haben eine gemeinsame Erklärung an die US-Regierung gerichtet. Darin unterstützen sie eine Art Tempolimit für die Entwicklung von Frontier-AI – oder zumindest ein deutlich schnelleres Vorankommen bei global abgestimmter Governance.

Laut einer MIT-Studie mit 272 internationalen Expertinnen und Experten liegt die Wahrscheinlichkeit bei eins zu fünf, dass AI bis 2030 gefährliche Waffenfähigkeiten erlangt oder Massenschäden mit Millionen Toten verursacht. Bei 18 der 24 untersuchten Risiken sehen die Befragten mindestens eine 10-prozentige Chance auf katastrophale Folgen.

Lokaler Widerstand und Zweifel an der Zuverlässigkeit bringen ein Lieblingsmodell der AI-Branche ins Wanken: riesige Rechenzentren, die sich am Stromnetz vorbei selbst versorgen. Laut einem Report der Analysefirma Cleanview planen 59 Standorte mit zusammen rund 90 Gigawatt eine eigene Erzeugung per Gasturbinen, Generatoren oder Brennstoffzellen.

AI-generierte Ärzte sammeln auf TikTok Millionen Views mit zweifelhaften Gesundheitstipps. Eine neue Untersuchung zeigt, welche Reichweite diese Accounts inzwischen erreichen und wie schwer sie für Laien von echten Medizinern zu unterscheiden sind.