Informatik
Eine Sprache, die deine Denkweise über das Programmieren nicht verändert, ist es nicht wert, gelernt zu werden.
— (1982)
Erfahrene Entwickler fühlten sich mit KI schneller, während sie messbar langsamer arbeiteten — der wirkliche Befund, und warum er kein Urteil über KI-Coding ist
Eine randomisierte kontrollierte Studie von METR ließ sechzehn erfahrene Open-Source-Entwickler 246 echte Aufgaben auf Codebasen erledigen, die sie gut kannten — KI-Werkzeuge von Anfang 2025 (Cursor Pro plus Claude 3.5/3.7 Sonnet) waren auf einer zufällig gewählten Hälfte erlaubt. Sie erwarteten, die KI werde die Bearbeitungszeit um etwa 24 % senken; stattdessen erhöhte sie sie um 19 % — und hinterher glaubten sie immer noch, sie seien um etwa 20 % schneller geworden. Diese Wahrnehmungslücke ist der scharfe, robuste Kern der Studie. Aber es sind sechzehn Entwickler, ein enges Setting und eine fixe Momentaufnahme von Anfang 2025: Die Autoren sagen ausdrücklich, dies zeige nicht, dass KI den meisten Entwicklern nicht hilft — und ihr eigenes Follow-up von 2026 deutet bereits auf eine Beschleunigung hin, mit eigenen Vorbehalten.
Ein kryptografischer Beweis kann sein Geheimnis verbergen, indem die Nichtexistenz des Simulators schwer zu beweisen ist
Zero-Knowledge-Beweise erlauben es, eine Aussage zu beweisen, ohne den Zeugen preiszugeben. Die klassische Theorie sagt, dass dies im vollen Sinn nicht gleichzeitig mit nur einer Nachricht, ohne vertrauenswürdiges Setup und mit perfekter Soundness möglich ist. Rahul Ilangos Arbeit lässt diese Unmöglichkeit nicht verschwinden. Sie verändert das Ziel: Statt zu verlangen, dass ein Simulator tatsächlich existiert, verlangt sie, dass kein gewähltes Beweissystem effizient beweisen kann, dass der Simulator nicht existiert. Unter bedeutenden Annahmen aus Beweiskomplexität und Kryptografie genügt dies, um falsifizierbare, spielbasierte Folgen von Zero-Knowledge Eigenschaft für Eigenschaft zurückzugewinnen. Es geht nicht um eine sofort einsetzbare Internet-Primitive, sondern um einen beweistheoretischen Weg, mathematische Unbeweisbarkeit als kryptografische Deckung zu nutzen.
Eine medizinische KI kann im Durchschnitt privat sein und dennoch einzelne Patienten entblößen — besonders die Unterrepräsentierten
Bei einem medizinischen KI-Modell, das als „datenschutzwahrend“ gilt, beruht diese Aussage meist auf einer durchschnittlichen Kennzahl. Diese Studie argumentiert, dass das der falsche Test ist. Die Autoren untersuchten Membership-Inference-Angriffe — Angriffe, die verraten können, ob der Datensatz einer bestimmten Person im Training enthalten war und damit beispielsweise indirekt eine Erkrankung offenlegen — und maßen das Risiko nicht aggregiert, sondern für jeden einzelnen Patienten. Über sieben medizinische Datensätze mit Bildgebung, EKG und elektronischen Gesundheitsakten sowie viele Modelle hinweg zeigte sich: Modelle, die im Durchschnitt sicher aussehen, können einzelne Personen nahezu perfekt identifizierbar machen (Angriffs-AUC ≥ 0,95); betroffen sind systematisch Angehörige unterrepräsentierter Gruppen wie ethnische Minderheiten, Patienten mit seltenen Krankheiten oder ungewöhnlichen Bildmerkmalen; und mit wachsender Modellgröße wird das Problem stärker. Die Autoren fordern nicht den Verzicht auf medizinische KI, sondern Datenschutzmessungen pro Patient, kontrollierten Modellzugriff und Differential Privacy. Der unbequeme Kern: „im Durchschnitt privat“ ist keine Datenschutzgarantie — und sie versagt gerade bei Patienten, die ohnehin am wenigsten geschützt sind.
Einer zeichnenden KI beibringen, auf die Seite zu schauen
Sprachmodelle, die Vektorgrafiken erzeugen, tun es blind — sie schreiben die Zeichenbefehle aus, ohne das Ergebnis je zu sehen. Eine neue Methode lässt das Modell zusehen, wie sich seine eigene Leinwand füllt, Strich für Strich, und die ehrliche Pointe ist, dass es die Dinge verschlechtert, ihm bloß Augen zu geben: Es muss nachtrainiert werden, um sie zu benutzen. Der Lohn ist ein Modell, das Rivalen, die mit bis zu zwanzigmal mehr Daten trainiert wurden, erreicht oder knapp übertrifft — ein echtes, sorgfältiges Ergebnis auf einem Benchmark, keine Revolution.
Ein KI-Agent bearbeitete ganze Patientenfälle selbstständig — in einem Simulator, auf historischen Akten
MIRA ist eine neue Art medizinischer KI: Statt eine einzelne Frage zu beantworten, bearbeitet der Agent einen ganzen Fall innerhalb einer simulierten elektronischen Patientenakte — Anamnese, Anordnung und Interpretation von Tests, Diagnose und schließlich klinische Anordnungen. Auf 574 retrospektiven Fällen aus einer öffentlichen Datenbank mit acht vorab ausgewählten Diagnosen berichten die Autoren eine höhere diagnostische Genauigkeit als bei Ärzten und weitgehend leitlinienkonforme, medikamentös sichere Entscheidungen. Jeder einschränkende Zusatz in diesem Satz zählt: Das System lief in einer Sandbox auf historischen Akten und nur per Text; ein großer Teil des Vorsprungs entstand bei Erkrankungen mit eindeutigen Testergebnissen; es nutzte etwa doppelt so viele Blutparameter wie die Ärzte; und mehrere Ergebnisse wurden daran gemessen, was in der ursprünglichen Akte dokumentiert war. Der wirkliche Fortschritt ist ein Agent, der über den gesamten Workflow hinweg handelt — kein Beweis, dass eine Maschine nun besser diagnostiziert als ein Arzt. Die Autoren sagen das selbst: Generalisierbarkeit, Sicherheit und Governance müssen noch prospektiv in der realen Versorgung untersucht werden.
Funktionieren große Roboter-„Foundation-Models“ wirklich besser? Eine sorgfältige Antwort — bescheiden ja, und die meisten Studien können es nicht sagen
Das Toyota Research Institute trainierte „Large Behavior Models“ — Roboter-Policies, vortrainiert auf ~1.700 Stunden vielfältiger Manipulationsdaten — und testete sie gegen von Grund auf trainierte Einzelaufgaben-Policies mit ungewöhnlicher Strenge: blinde, randomisierte Versuche mit großer Stichprobe (~1.800 real, über 47.000 in Simulation) und echter Statistik. Nach aufgabenweisem Finetuning schnitten die Großmodelle im Schnitt besser ab, brauchten rund 3–5× weniger aufgabenspezifische Daten und waren robuster bei verschobenen Bedingungen; die Leistung stieg mit mehr Vortrainingsdaten gleichmäßig. Aber ohne Finetuning schlugen sie Einzelaufgaben-Modelle nicht konsistent, mehrere Effekte waren klein genug, dass erst die großen Stichproben sie sichtbar machten, und eine banale Datennormalisierungs-Entscheidung zählte mehr als die Architektur. Es ist maßvolle Stütze für die Richtung der Roboter-Foundation-Models — kein Universalroboter, kein Zero-Shot-Generalist, kein „emergenter Sprung“ — plus eine pointierte Warnung, dass ein Großteil der Robotik womöglich Rauschen misst.
Warum Sprachmodelle halluzinieren — und warum unsere Benotung es so hält
Die selbstbewussten Falschaussagen, die wir „Halluzinationen“ nennen, sind kein mysteriöser Defekt: Ein Teil ist ein statistisches Nebenprodukt des Trainings, und sie halten sich, weil gängige Benchmarks einen selbstbewussten Rateversuch höher belohnen als ein ehrliches „ich weiß es nicht“. Eine Fallstudie an vier Frontier-Modellen zeigt, dass das Nennen der Bewertungsregeln im Prompt („offene Rubriken“) diesen Anreiz umkehrt.