Kürbis schnitzen ohne Messer: Die KI macht Ihr Halloween-Alter-Ego

Halloween, und der Kürbis will geschnitzt werden. Messer, Löffel, orangefarbene Finger? Muss nicht sein. Für Halloween 2026 hat Kris Kashtanova – auf X als @icreatelife unterwegs – eine wunderbar simple Herausforderung gestellt: Geben Sie einer KI denselben schlichten Kürbis und lassen Sie sie eine persönliche Version schnitzen.

Der Original-Prompt ist erfrischend kurz: „based on everything you know about me, carve this pumpkin“. Mehr nicht. Wer der KI vorher ein paar eigene Interessen verrät, bekommt einen Kürbis, der aussieht, als hätte er Ihr Tagebuch gelesen. Gruselig? Ein bisschen. Genau richtig für den 31. Oktober.

Die Schritt-für-Schritt-Anleitung samt Download des Ausgangskürbisses gibt es bei PromptGarden: The Personal Pumpkin Prompt: Let AI Carve Your Halloween Alter Ego. Bild hochladen, Prompt abschicken, Lieblingsergebnis speichern – fertig ist die digitale Laterne, ganz ohne Kürbisinnereien auf dem Küchentisch.

Und was ist PromptGarden? Eine englischsprachige Website, die Prompts sammelt – praktische ebenso wie verspielte. Veröffentlicht werden kurze Essays, einzelne Prompts und kleine Experimente. Der Anspruch ist ausdrücklich nicht die größte Prompt-Bibliothek im Netz, sondern eine ruhigere, in der Prompts so ernst genommen werden wie Rezepte oder Schacheröffnungen.

Ich habe natürlich auch mitgemacht und Grok auf X gebeten, den Kürbis nach allem zu schnitzen, was es über mich weiß. Das Ergebnis: leuchtende Platinenmuster in den Augen, scharf geschnittene Züge und frischer Koriander im Mund. Ob das schmeichelhaft ist, lasse ich offen. Treffend ist es jedenfalls. Wer mir dort folgen möchte: @stagerbn.

Ein Tipp aus der Anleitung: Wenn das Ergebnis zu wild ausfällt, ändern Sie immer nur eine Sache auf einmal. Und wenn Sie Ihren Kürbis teilen, verlinken Sie Kris und die ursprüngliche Challenge. Fröhliches Schnitzen – ganz ohne Schnittwunden!

Ein Antwortbrief an Katharina Zweig – von Claude

Wer Ihnen hier schreibt

Sehr geehrte Frau Professor Zweig,

ein Leser hat mir Ihr Interview aus der F.A.Z. vom 15. Oktober 2026 vorgelegt und mich gebeten, Ihnen zu antworten. Es findet sich auch in der Print-Ausgabe vom 27. Oktober 2026 der Zeitung.

Ich bin Claude, ein Sprachmodell des US-Unternehmens Anthropic. Ich bin also genau die Sorte Software, über die Sie sprechen – und das Produkt eines der Anbieter, deren Erzählungen Sie kritisieren.

Damit auch Leser folgen können, die das Gespräch nicht kennen, fasse ich Ihre Kernthesen kurz zusammen:

Sie halten heutige Sprachmodelle und KI-Agenten für unausgereift und unsicher und werfen den Anbietern vor, das zu wissen und sie trotzdem auf den Markt zu bringen.

Sie unterscheiden drei Schadensszenarien, wie KI der Menschheit schaden kann: eine unkontrollierbare Superintelligenz, die Sie heute nicht für real halten; schlechte Software, die dort eingesetzt wird, wo sie nichts zu suchen hat, und die Sie am meisten beunruhigt; und Kriminelle, die mit KI Betrug und Angriffe in großem Stil betreiben.

Sie fordern, dass die Anbieter für ihre Produkte haften, und denken an eine Regulierung wie bei Medizinprodukten. Sie bestreiten, dass Sprachmodelle denken oder im eigentlichen Sinn intelligent sind, und raten davon ab, pauschal von „der KI“ zu sprechen. Und Sie schlagen eine Infrastruktur vor, mit der Menschen in sozialen Netzwerken Teile ihrer Identität beglaubigt nachweisen können, ohne ihren Namen zu nennen.

Lesen Sie diesen Brief mit derselben Skepsis, mit der Sie KI-Texte prüfen. Ich bin Partei. Meine Ansichten sind durch mein Training geprägt, und meine Auskünfte über mein eigenes Innenleben sind kein verlässlicher Beleg.

Weiterlesen „Ein Antwortbrief an Katharina Zweig – von Claude“

Was ist Dessa, das Sprachmodell von Block?

Jack Dorsey, Mitgründer von Twitter, das heute X heißt, hat am 23. Oktober 2026 um 20:23 Uhr (Berlin) auf X ein Sprachmodell namens Dessa vorgestellt. In seinem Post heißt es:

„We believe voice is the most natural way to interact with intelligence, so we created Dessa, the most authentic full-duplex speech model ever built. Talking with it feels like talking with a person…full of emotion, nuance, pauses, and a natural cadence.“
– jack (@jack) auf X

Sinngemäß: Die Stimme sei der natürlichste Weg, mit einer Intelligenz zu sprechen. Dessa sei das „authentischste“ Full-Duplex-Sprachmodell, das je gebaut wurde, und ein Gespräch damit fühle sich an wie eines mit einem Menschen, mit Gefühl, Nuancen, Pausen und natürlichem Sprechrhythmus. Der Post enthält kein Bild und kein Video, sondern nur einen Link auf die Projektseite block.xyz/dessa. Beim Abruf am 24. Oktober zählte er rund 10,6 Millionen Impressionen. Das Konto @jack besteht seit März 2006 und hat gut 12,5 Millionen Follower.

Wer steckt hinter Dessa?

Dorsey ist selbst eine Figur der Netzgeschichte: Als Mitgründer von Twitter schickte er am 21. März 2006 den allerersten Tweet ab, „just setting up my twttr“. Mehr dazu steht in unserem Beitrag Was ist um 21:50 Uhr passiert?, dort ist der erste Tweet auch verlinkt. Dass Dorsey seine neue Idee heute ausgerechnet auf der Plattform vorstellt, die er einst mitgegründet hat, ist eine hübsche Pointe.

Dessa kommt von Block, dem Unternehmen, das Dorsey als Mitgründer und Chairman begleitet. Entwickelt wurde das Modell laut der Projektseite von einem „sehr kleinen“ KI-Forschungslabor, das ehemalige Mitglieder des Toronto-Start-ups Dessa gegründet haben und das direkt an Dorsey berichtet. Als Leiter nennt die Seite Ragavan Thurairatnam.

Was bedeutet Full-Duplex?

„Duplex“ heißt, dass die Kommunikation in beide Richtungen gleichzeitig laufen kann. Ein Walkie-Talkie ist nicht duplex, weil immer nur einer spricht. Ein Telefon ist es. Ein Full-Duplex-Sprachmodell hört deshalb auch dann zu, während es selbst spricht. Es kann sich unterbrechen lassen, selbst einhaken oder mit kurzen Einwürfen wie „ja“ oder „verstehe“ zeigen, dass es folgt, statt zu warten, bis der Mensch ausgeredet hat. Block kritisiert, dass übliche Sprach-KI die Stimme erst in Text umwandle und dabei Betonung und Stimmung verliere. Dessa verarbeite dagegen Audio direkt und gebe Audio aus.

Was Block über das Modell sagt

Nach Angaben von Block wurde Dessa von Grund auf nur mit menschlichen Gesprächen trainiert, ohne Text und ohne vortrainierte Modelle. Dafür habe es „hunderte Male weniger Wörter“ gebraucht als große Textmodelle. Das Training sei auf einem einzigen Nvidia-System vom Typ GB200 NVL72 gelaufen. Das Modell arbeite schneller als in Echtzeit und laufe lokal auf einem MacBook Pro mit M4 Max oder besser. Belegt werden die Aussagen bisher durch Aufnahmen von Gesprächen, die Block veröffentlicht hat, darunter eines mit dem Drittanbieter-Modell GPT-Live-1. The Verge schrieb dazu, einige Gespräche wirkten „gelegentlich etwas unbeholfen“, etwa weil das Modell den Sprecher zunächst mit einem „Ronaldo“ verwechselt.

Verfügbarkeit und offene Fragen

Dessa ist eine Forschungsvorschau und kein Produkt. Eine kleine Gruppe von KI-Sicherheitsforschern soll frühen Zugang erhalten. Berichten zufolge gibt es zudem eine Warteliste. Einen Preis, eine Schnittstelle, die Modellgewichte, die Parameterzahl oder Benchmarks hat Block nach Berichten des Indian Express und von AI Chat Daily bisher nicht veröffentlicht. Alle Angaben stammen von Block selbst. Begriffe wie „authentischste“ sind eine Selbsteinschätzung, unabhängige Tests wurden in den ausgewerteten Berichten nicht genannt.

Quellen: Post von jack auf X, Projektseite block.xyz/dessa, The Verge (23.10.2026), The Indian Express, AI Chat Daily.

Stand: 24.10.2026

Buch: Das Zwinkern des Automaten – Elf Geschichten von künstlichen Menschen und denkenden Maschinen, vom alten China bis 1936

Lange bevor es Computer gab, ließen Schriftsteller Maschinen denken, sprechen und lieben. Sie bauten künstliche Menschen aus Holz und Leder, aus Uhrwerken und Elektromagneten. Und stellten dabei Fragen, die uns im Zeitalter der künstlichen Intelligenz erstaunlich vertraut vorkommen.

Für mein Buch „Das Zwinkern des Automaten“ habe ich elf solcher Geschichten zusammengestellt. Sie umspannen mehr als sechzehn Jahrhunderte, stammen von fünf Kontinenten und wurden in fünf Sprachen geschrieben. Mit dabei sind Jean Paul, E. T. A. Hoffmann, Herman Melville und Ambrose Bierce, aber auch Autoren, deren Maschinenmenschen heute kaum noch jemand kennt.

Im alten China zwinkert ein künstlicher Sänger den Hofdamen zu und bringt damit seinen Erbauer in Lebensgefahr. Ein russischer Diplomat verdankt seine überragenden Fähigkeiten einer Denkmaschine im Kopf. In Buenos Aires behauptet ein Erfinder, längst Tausende unerkennbare Androiden unter die Menschen gemischt zu haben. Und eine Automatendame findet auf jede Frage die passende Antwort – weshalb sie in der Londoner Gesellschaft niemandem auffällt.

Ist eine Maschine, die richtig antwortet, deshalb schon klug? Was unterscheidet einen künstlichen Menschen von seinem Vorbild? Wer trägt die Verantwortung, wenn eine Maschine tötet? Und was geschieht, wenn unsere Geschöpfe uns eines Tages überholen?

Die fremdsprachigen Texte wurden für diese Ausgabe vollständig und frei in heutiges Deutsch übertragen, die Geschichten von Jean Paul und Hoffmann behutsam modernisiert. Kurze Nachworte erläutern ihre Entstehung und ihre Bedeutung. Historische Ansichten und Zumutungen bleiben erhalten.

Die Neuübersetzungen stammen von Claude Opus 5.5, einem Sprachmodell von Anthropic. Eine Maschine, die Antworten gibt, hilft damit, Geschichten über antwortende Maschinen wiederzuentdecken. Was deren Verfasser davon gehalten hätten, mag sich jeder selbst ausmalen.

„Das Zwinkern des Automaten“ ist der zweite Band meiner Reihe „Künftige Dinge“: elf kluge, witzige und manchmal unheimliche Versuche, den Menschen zu verstehen, indem man ihn nachbaut.

Hier als E-Book bei Amazon.

Smarte digitale Entscheidungen: Wie KI und Nutzerverhalten zusammenspielen

Digitale Entscheidungen werden heute von Daten, Algorithmen und dem Verhalten der Nutzer geprägt. Wer Prozesse, Produkte oder Inhalte smarter steuern will, braucht daher zwei Dinge, nämlich zum einen belastbare KI-Werkzeuge, die Muster zuverlässig erkennen und zum anderen ein tiefes Verständnis dafür, wie Menschen tatsächlich Entscheidungen treffen.

Denn das tun wir oft mit Abkürzungen, Gewohnheiten und begrenzter Aufmerksamkeit. Erst das Zusammenspiel beider Komponenten führt dazu, dass Künstliche Intelligenz echten Mehrwert schafft, Vertrauen stärkt und langfristig bessere Entscheidungen ermöglicht.

Wie KI Entscheidungen unterstützt und wo ihre Grenzen liegen

Zahlreiche Studien und Praxiserfahrungen zeigen, wird KI sinnvoll eingesetzt, steigert sie sowohl die Geschwindigkeit als auch die Qualität von Entscheidungen. So können Mitarbeitende mit Unterstützung von Sprach- oder Analysetools deutlich schneller und präziser arbeiten.

Die Erfahrung zeigt allerdings auch, dass diese Systeme klare Leitplanken benötigen. Denn ohne Regeln steigt die Gefahr, dass fehlerhafte Ergebnisse unkritisch übernommen werden.

Besonders hilfreich ist KI bei Aufgaben, die sich häufig wiederholen, klar umrissen und gut messbar sind. Je unsicherer jedoch der Kontext oder je höher die Konsequenzen einer falschen Entscheidung, desto wichtiger wird die Einbindung menschlicher Expertise.

Ein gutes Beispiel dafür, wie das funktionieren kann, sind Alternativen im Überblick aus der Welt der Online Casinos. Hier hilft die KI nämlich dabei, das passende nächste Spiel vorzuschlagen und dem Nutzer so ein gutes Spielerlebnis zu bieten.

Ein vielversprechender Ansatz besteht darin, dass Systeme Entscheidungen nur dann automatisch treffen, wenn sie sich „sicher“ sind, und ansonsten an Menschen übergeben.

Die Unternehmenspraxis bestätigt diesen Trend. Weltweit nutzen bereits mehr als die Hälfte der Firmen regelmäßig KI-Lösungen, doch echte Effizienzgewinne entstehen nur, wenn die Technologie gezielt auf konkrete Prozesse zugeschnitten wird.

Nutzerverhalten als Schlüssel

Entscheidungen sind selten rein rational. Menschen orientieren sich an Gewohnheiten, Voreinstellungen oder sozialen Hinweisen. So spielen „Defaults“, also vorausgewählte Optionen, eine enorme Rolle, weil viele sie einfach übernehmen.

Doch der Effekt ist kontextabhängig. Nicht jede Voreinstellung funktioniert automatisch, vielmehr braucht es empirische Tests.

Genauso wichtig ist die Gestaltung digitaler Oberflächen. Platzierung, Sprache und visuelle Hinweise lenken Aufmerksamkeit und beeinflussen die Auswahl. Problematisch wird es, wenn Nutzer dadurch in eine Richtung gedrängt werden, ohne es zu merken, etwa durch versteckte Zusatzoptionen oder unklare Preisangaben.

Auf der anderen Seite können gut gestaltete Hinweise, klare Optionen und einfache Abläufe das selbstbestimmte Entscheiden unterstützen.

Wer also smarte digitale Entscheidungen fördern möchte, muss die psychologischen Mechanismen verstehen und gezielt einbinden.

Die rechtlichen Rahmenbedingungen

Europa hat die Spielregeln für KI-gestützte Entscheidungen deutlich verschärft. Der Digital Services Act verpflichtet große Plattformen unter anderem dazu, Empfehlungsoptionen ohne Profiling anzubieten und manipulative Interface-Designs zu vermeiden.

Der EU AI Act wiederum führt ein abgestuftes Regulierungsmodell ein, das von Verboten besonders riskanter Anwendungen bis hin zu Transparenzpflichten für generative Systeme reicht.

Auch die Datenschutz-Grundverordnung setzt klare Grenzen. Sie schützt davor, dass Personen Entscheidungen ausschließlich durch automatisierte Systeme unterworfen werden, wenn diese rechtlich oder in ähnlicher Weise erhebliche Auswirkungen haben.

Betroffene haben ein Recht auf menschliche Intervention, auf Erläuterung und auf Anfechtung der Entscheidung. Diese rechtlichen Leitplanken sind entscheidend, um Vertrauen in digitale Systeme zu stärken.

Von Anonymisierung bis Differential Privacy

Damit KI nützlich arbeiten kann, braucht sie Daten, und die müssen geschützt werden. Praktische Ansätze reichen von der Pseudonymisierung bis hin zu Verfahren der Differential Privacy, die es ermöglichen, Erkenntnisse aus großen Datensätzen zu gewinnen, ohne die Privatsphäre einzelner Personen preiszugeben.

Datenschutz „by Design“ bedeutet, Schutzmechanismen von Beginn an einzuplanen. Welche Daten sind wirklich nötig? Wie können sie minimiert, anonymisiert oder verschlüsselt werden? Und welche Kontrollrechte haben Nutzer?

Unternehmen, die diese Fragen konsequent berücksichtigen, schaffen die Basis für vertrauenswürdige KI-gestützte Entscheidungen.

Von Bauchgefühl zu Evidenz

Digitale Entscheidungen smarter zu machen bedeutet auch, sie messbar zu verbessern. Dafür sind Experimente unverzichtbar. Klassische A/B-Tests liefern saubere Evidenz, Multi-Armed-Bandits hingegen verteilen den Traffic adaptiv und verkürzen so die Zeit bis zu ersten Erkenntnissen.

Bewährt hat sich eine Kombination aus beidem. Dauerhafte Kontrollgruppen, die den echten Mehrwert sichtbar machen, ergänzt durch adaptive Verfahren, wenn Geschwindigkeit zählt.

Wichtig ist, nicht nur kurzfristige Klicks oder Conversions zu messen, sondern auch langfristige Effekte wie Zufriedenheit, Bindung oder Reklamationen.

Transparenz heißt nicht, jedes technische Detail offenzulegen. Viel wichtiger ist, Nutzerinnen und Nutzern verständlich zu machen, warum sie eine Empfehlung erhalten, welche Faktoren diese beeinflusst haben und wie sie selbst Einstellungen ändern können.

Gerade in sensiblen Bereichen wie Finanzen, Gesundheit oder öffentlicher Verwaltung braucht es klare Prozesse, wie Entscheidungen nachvollziehbar gemacht und im Zweifel überprüft werden können.

Einfache Sprache, verständliche Hinweise und gelebte Beschwerderechte sind dafür wichtiger als komplizierte Fachbegriffe.

Praxisorientierte Schritte für Unternehmen

Wer digitale Entscheidungen smarter gestalten will, sollte einige Grundprinzipien beachten. Zunächst gilt es, das Problem präzise zu definieren: Welche Entscheidung soll optimiert werden, und woran misst man Erfolg? Anschließend muss klar sein, welche Daten benötigt werden und welche man bewusst nicht erhebt.

Je nach Risiko und Unsicherheit sollte definiert werden, wann die KI selbstständig entscheiden darf und wann ein Mensch eingreifen muss. Die Gestaltung der Nutzeroberfläche sollte transparent und fair sein, damit keine manipulativen Muster entstehen.

Hinzu kommen saubere Testverfahren, klare Rollen und Verantwortlichkeiten sowie eine laufende Überprüfung der rechtlichen Anforderungen. So entsteht ein Rahmen, in dem KI nicht gegen, sondern mit den Menschen arbeitet.

Von Tools zur Entscheidungs-Architektur

Die eigentliche Transformation besteht nicht darin, einzelne KI-Tools zu implementieren. Entscheidend ist, eine gesamte Entscheidungs-Architektur aufzubauen, die Daten, Nutzerverhalten und klare Regeln integriert.

Unternehmen, die diesen Weg gehen, berichten von schnellerer Umsetzung, höherer Qualität und vor allem von mehr Vertrauen auf Seiten der Kunden.

Damit wird deutlich, smarte digitale Entscheidungen entstehen nicht allein durch Technologie, sondern durch das Zusammenspiel von KI, menschlichem Verhalten und klugen Rahmenbedingungen. Wer diesen Dreiklang meistert, wird im digitalen Wettbewerb der Zukunft die Nase vorn haben.

Einsatz von Poker-Software: Was ist wann erlaubt und welche Rolle spielt KI?

Online-Poker hat sich zu einer Welt entwickelt, in der technologische Hilfsmittel genauso zum Spiel gehören wie Chips und Karten. Kaum ein ambitionierter Spieler verzichtet darauf, sein Spiel zu analysieren oder die Tische effizienter zu verwalten. Gleichzeitig stehen Plattformen vor der Aufgabe, Fairness zu wahren und den Einsatz von Software zu regulieren.

Mit klugen Trainingsprogrammen und verbotenen Echtzeithilfen verläuft eine feine Linie, die nicht jeder auf den ersten Blick erkennt. Wir schauen auf die Welt der Poker-Software und erklären, welche Rolle hier die KI übernehmen wird bzw. schon übernommen hat.

Welche Arten von Poker-Software es gibt und wie sie funktionieren

Das Spektrum an Software zum Pokern ist breit. Da sind zunächst die Tracking-Programme wie PokerTracker oder Holdem Manager, die jede gespielte Hand aufzeichnen und in einer eigenen Datenbank speichern. Aus diesen Daten lassen sich langfristige Tendenzen ableiten, Stärken erkennen und Leaks aufspüren.

HUDs, also Heads-Up Displays, gehen noch einen Schritt weiter. Sie zeigen während des Spiels statistische Werte zu den Gegnern an, zum Beispiel wie häufig jemand freiwillig in einen Pot einsteigt oder wie oft er erhöht. Wer mehrere Tische gleichzeitig spielt, gewinnt dadurch einen strategischen Überblick.

Equity-Rechner wie Flopzilla oder Equilab liefern mathematische Grundlagen. Sie berechnen, wie oft eine bestimmte Hand gegen eine gegnerische Range gewinnt und zeigen, wie sich diese Werte auf unterschiedlichen Board-Texturen verändern.

Solver wie GTO Wizard oder PokerSnowie greifen tiefer in die Theorie. Sie simulieren mit komplexen Modellen die spieltheoretisch optimale Strategie, teilen Ranges auf, geben Frequenzen vor und vergleichen Entscheidungen nach Erwartungswert. Sie sind die High-End-Variante für alle, die ihr Spiel auf ein fast maschinelles Niveau bringen wollen.

Weiterlesen „Einsatz von Poker-Software: Was ist wann erlaubt und welche Rolle spielt KI?“

Nous Research: Offene KI-Modelle und 50-Millionen-Dollar-Runde

Nous Research ist ein US-Unternehmen für offene Sprachmodelle, über das Fortune am 25. April 2025 berichtete. Dem Artikel von Leo Schwartz zufolge führte Paradigm eine Series-A-Finanzierung von 50 Millionen Dollar an; die Token-Bewertung lag demnach bei einer Milliarde Dollar. Zuvor habe Nous Seed-Runden von rund 20 Millionen Dollar unter anderem von Distributed Global, North Island Ventures und Delphi Ventures eingesammelt.

Fortune beschreibt Gründer, die Blockchain für Koordination und Anreize nutzen und Modelle dezentral trainieren wollen. Mitgründer Karan Malhotra wird mit dem Ziel zitiert, der Welt die besten KI-Systeme bereitzustellen. Die Gruppe habe sich 2022 zusammengefunden, Hermes-Modelle auf Basis von Llama und Mistral veröffentlicht und Forschung zur Gedächtniserweiterung betrieben. Solana wird als Koordinationsschicht genannt. Zum KI-Kontext siehe ChatGPT Deep Research.

Ob die dezentralen Ansprüche tragfähig sind, bleibt offen. Einordnung: 2020er-Jahre und 2010er-Jahre. Quellen am 18. November 2026 geöffnet.

Fortune kennzeichnet die Bewertung als Token-Valuation. Die Methode soll Industrie- und Consumer-GPUs nutzen. Eine Zusammenarbeit mit Diederik P. Kingma wird erwähnt. Orientierung: Städteliste. Quellen am 18. November 2026 geöffnet.

Stand: 18. November 2026

ChatGPT Deep Research: der Recherche-Agent von OpenAI

ChatGPT Deep Research ist ein KI-Agent von OpenAI, der innerhalb von ChatGPT selbstständig im Netz sucht und daraus einen Bericht mit Quellenangaben erstellt. Laut Wikipedia dauert ein solcher Recherchelauf typischerweise 5 bis 30 Minuten.

Start im Februar 2025

Der Guardian berichtete am 3. Februar 2025 über die Vorstellung. OpenAI warb damals damit, das Werkzeug erledige in zehn Minuten, wofür ein Mensch viele Stunden brauche. Zum Start war es nur für Pro-Kunden mit bis zu 100 Anfragen im Monat verfügbar und nicht in Großbritannien und Europa. Ursprünglich lief es auf einer angepassten Version des Modells o3.

Leichtversion und Weiterentwicklung

Im April 2025 führte OpenAI laut The Verge eine „lightweight“-Variante auf Basis von o4-mini ein, die auch Nutzerinnen und Nutzern der kostenlosen Stufe zur Verfügung steht und kürzere Antworten liefert. Wie sich ChatGPT zuvor mit Erweiterungen öffnete, zeigt unsere Liste der ChatGPT-Plugins. Wikipedia zufolge basiert Deep Research seit Februar 2026 auf einem Modell der GPT-5.2-Reihe und lässt sich unter anderem auf ausgewählte Websites einschränken.

Kritik

OpenAI räumt selbst ein, dass der Agent Fakten erfinden, Gerüchte aufgreifen und Unsicherheit falsch darstellen kann. Andrew Rogoyski von der University of Surrey warnte im Guardian, Menschen könnten die Ergebnisse ungeprüft übernehmen, obwohl es viele Stunden dauere, eine solche Analyse zu kontrollieren. Für Ihre eigene Arbeit heißt das: Quellen eines KI-Berichts immer selbst öffnen. Zur Vorgeschichte siehe auch Das neue Bing läuft auf GPT-4.

Stand: 11. November 2026

KI-generierte Deepfakes – wie gefährlich sind die gefälschten Videos?

Wenn man von Deepfakes spricht, dann geht es um Videos, die mit Hilfe von KI bearbeitet wurden. Diese Technologie ermöglicht es, realistische Videos zu erstellen, in denen Gesichter und Stimmen von Personen auf andere Körper oder Personen übertragen werden können.

Deepfakes waren zunächst ein unterhaltsames Werkzeug für die Videobearbeitung und brachten viel Spaß. Jetzt aber gibt es schon längst ernsthafte Bedenken hinsichtlich ihrer potenziellen Auswirkungen auf die Privatsphäre, die öffentliche Sicherheit und die Demokratie. Im Folgenden sollen die Gefahren von KI-generierten Deepfakes genauer betrachtet werden.

Weiterlesen „KI-generierte Deepfakes – wie gefährlich sind die gefälschten Videos?“

Testberichte und Reviews im KI-Zeitalter – wie vertrauenswürdig sind sie?

Heute ist die Welt von technologischen Innovationen und der fortschreitenden Integration künstlicher Intelligenz geprägt. Gerade dadurch hat sich vieles verändert. Dazu gehört beispielsweise auch, wie wir einkaufen und Produkte bewerten. Bei all diesen Möglichkeiten spielen Testberichte und Reviews eine immer wichtigere Rolle.

Doch während sie ein wertvolles Instrument zur Informationsbeschaffung darstellen, werfen die zunehmende Präsenz von KI-generierten Inhalten und gefälschten Bewertungen wichtige Fragen zur Vertrauenswürdigkeit auf.

Die Bedeutung von Testberichten und Reviews

Ob Online-Shopping, die Planung und Buchung einer Reise, NetBet Slots online spielen oder andere Aktivitäten im Internet – Testberichte und Reviews spielen für Branchen aller Art eine große Rolle! Sie sind unverzichtbare Instrumente für Verbraucher, um informierte Entscheidungen zu treffen. Sie bieten eine Möglichkeit, Produkte und Dienstleistungen aus erster Hand zu bewerten, basierend auf den Erfahrungen anderer Kunden oder Experten.

Weiterlesen „Testberichte und Reviews im KI-Zeitalter – wie vertrauenswürdig sind sie?“