Die KI-Branche liefert neue Beispiele dafür, wie schnell sich Agenten, lokale Modelle und spezialisierte Systeme in den Alltag und in kritische Bereiche verschieben. Zugleich wächst der Druck auf Labore, Entwicklung transparenter zu machen und Risiken unabhängiger prüfen zu lassen.
Redaktionell zusammengefasst und mit den Originalquellen belegt.
Anthropic schlägt neue Messgrößen für den KI-Fortschritt vor
Anthropic hat neue Messgrößen vorgeschlagen, um den Fortschritt in führenden KI-Laboren nachvollziehbarer zu machen. Nach Ansicht des Unternehmens ist heute von außen kaum erkennbar, wie schnell sich Modelle entwickeln, welche Fähigkeiten neu entstehen und wie viel Rechenleistung oder Geld dafür eingesetzt wird. Die vorgeschlagenen Kennzahlen sollen deshalb regelmäßigere und besser vergleichbare Einblicke ermöglichen.
Relevant ist das vor allem für Sicherheitsforschung, Politik und die Öffentlichkeit. Wenn Labore ihre Entwicklung mit einheitlicheren Maßstäben dokumentieren, könnten Risiken früher erkannt und Aussagen über das Tempo der KI-Entwicklung besser eingeordnet werden. Der Vorschlag ist zunächst eine Initiative von Anthropic und noch kein allgemein verbindlicher Standard. Seine Wirkung hängt daher davon ab, ob sich andere Unternehmen und unabhängige Forschende beteiligen.
Crusoe sammelt 3,9 Milliarden Dollar für KI-Rechenzentren
Crusoe hat in einer Finanzierungsrunde 3,9 Milliarden Dollar eingesammelt. Die Runde bewertet das Unternehmen mit 30,9 Milliarden Dollar und soll bestehende Rechenzentrumsprojekte sowie kleinere, modulare KI-Fabriken finanzieren. Diese Anlagen werden nach Unternehmensangaben in eigenen Fabriken vorgefertigt, per Lastwagen transportiert und an geeignete Stromquellen angeschlossen. Zu Crusoes Kunden zählen unter anderem große Technologieunternehmen.
Die Finanzierung zeigt, dass der Engpass bei KI längst nicht mehr nur bei Modellen liegt. Entscheidend ist zunehmend, wo genügend Chips, Strom und Rechenzentrumskapazität verfügbar sind. Mobile Anlagen könnten den Aufbau beschleunigen und lokale Widerstände gegen riesige Campus-Projekte teilweise umgehen. Gleichzeitig verstärkt die Entwicklung den Wettbewerb um Energie, Flächen und spezialisierte Hardware – zentrale Themen für die nächste Phase der KI-Infrastruktur.
PrismML veröffentlicht komprimiertes 27-Milliarden-Parameter-Modell
Das junge KI-Unternehmen PrismML hat Bonsai 2 27B veröffentlicht. Das Modell basiert auf Qwen3.8 27B, wurde aber auf 5,9 Gigabyte komprimiert und soll dadurch auf PCs und möglicherweise leistungsfähigen Smartphones laufen. PrismML vereinfacht dafür die gespeicherten Modellgewichte auf drei mögliche Werte: plus eins, minus eins oder null. Nach Angaben des Unternehmens erreicht Bonsai 2 dabei 98 Prozent der zusammengefassten Benchmarkwerte des Ausgangsmodells.
Die Entwicklung könnte lokale KI-Anwendungen attraktiver machen. Kleinere Modelle benötigen weniger Speicher, lassen sich schneller ausführen und müssen Anfragen nicht zwingend an ein Rechenzentrum senden. Das kann Kosten senken und den Datenschutz verbessern. Allerdings sind Benchmarkwerte nur ein grober Hinweis auf die Alltagstauglichkeit, und die tatsächliche Qualität hängt stark von der jeweiligen Aufgabe und der eingesetzten Softwareumgebung ab.
Google testet den Familien-Agenten CC
Google erprobt mit CC einen experimentellen KI-Agenten für Familien. Bis zu sechs Personen können Informationen aus ausgewählten E-Mails, Google Chat oder einem gemeinsamen Drive-Ordner teilen. CC erstellt daraus unter anderem eine tägliche Übersicht, kann Termine in gemeinsame Kalender eintragen, an Aufgaben erinnern und Dokumente vorbereiten. Inhalte sollen nicht ohne Bestätigung an Personen außerhalb der Gruppe verschickt werden.
Der Test zeigt, wie sich KI-Agenten von Chatbots zu dauerhaften Organisationshelfern entwickeln sollen. Statt einzelne Fragen zu beantworten, beobachten sie Aufgaben, verbinden Informationen und schlagen konkrete Aktionen vor. Genau darin liegen aber auch die sensiblen Punkte: Ein Familienagent verarbeitet private Kommunikation, Kalenderdaten und möglicherweise Informationen über Kinder. Google begrenzt den aktuellen Test deshalb auf erwachsene Nutzerinnen und Nutzer mit privaten Gmail-Konten und startet zunächst über eine Warteliste.
Kleine KI-Modelle steuern autonome Drohnen bei Tests
Scaleout Systems arbeitet an kleinen KI-Modellen, die direkt auf Drohnen, Tablets und Rechnern in militärischen Einsatzgebieten laufen. Die Systeme können Kameradaten auswerten, mögliche Ziele erkennen und Informationen dezentral weiterverarbeiten, ohne ständig mit einem zentralen Rechenzentrum verbunden zu sein. Bei einer Demonstration im Rahmen des ALMA-Projekts identifizierte eine Drohne ein priorisiertes Ziel und flog es nach Angaben des Unternehmens selbstständig an. Menschen konnten weiterhin eingreifen und die Mission steuern.
Technisch ist das relevant, weil autonome Systeme auch bei schlechter Verbindung oder gestörter Kommunikation funktionieren können. Die Kombination aus Bilderkennung, lokaler Verarbeitung und sogenanntem föderiertem Lernen erlaubt es, Modelle aus Daten mehrerer Einsatzorte zu verbessern. Zugleich verschärft die Entwicklung die ethische und politische Debatte über Systeme, die Ziele auswählen und Angriffe vorbereiten oder ausführen können. Besonders entscheidend bleibt daher, wie viel menschliche Kontrolle tatsächlich erhalten bleibt.