DE · Internationale Ausgabe · 19/10/2026
Inferama täglich · 19/10/2026
Die wichtigsten KI-Neuigkeiten seit dem letzten Newsletter, nach redaktioneller Relevanz ausgewählt.
Zeitraum der Neuigkeiten: 18/10/2026 08:30 → 19/10/2026 08:30 (Europe/Madrid).
Bewertungsraster: Definition, Gestaltung und Grenzen bei der Bewertung von KI-Ergebnissen
Ein Bewertungsraster (Rubric) organisiert Kriterien und Leistungsniveaus, um nachvollziehbare Bewertungen zu ermöglichen. Dieser Artikel erklärt die Struktur, unterscheidet analytische und holistische Typen und analysiert die Grenzen bei der Bewertung von KI-Ausgaben, akademischen Arbeiten und Machine-Learning-Systemen.
Artikel lesen →
Eleven v4 oder v4 Turbo: So wählen Sie für einen Sprachagenten
ElevenLabs gibt für v4 Turbo eine durchschnittliche Zeit bis zur ersten Sprachausgabe von etwa 150 ms über WebSocket an, ohne die Netzwerklatenz einzurechnen. Das ist ein Herstellerwert, keine Garantie für die Gesamtreaktionszeit. Dieser Leitfaden zeigt, wie Sie den vollständigen Ablauf messen und je nach Priorität zwischen Tempo, Ausdruckskontrolle und Stimmkonsistenz entscheiden.
Artikel lesen →
Vier Gemini-4-Argon-Agenten besiegen den Minecraft-Drachen in einer 27-stündigen autonomen Prüfung
Ein Preprint von Google DeepMind beschreibt, wie vier Agenten ein Survival-Spiel abschlossen, nachdem sie 2.783 Programme geschrieben und 605 Mal gestorben waren. Das Ergebnis dokumentiert eine konkrete Ausführung, nicht eine bereits bewiesene allgemeine Fähigkeit.
Artikel lesen →
Anthropic berät sich mit Kanzleien über Regeln für verhandelnde KI-Agenten
Anthropic konsultiert Anwaltskanzleien dazu, wie KI-Agenten im Namen von Menschen verhandeln sollten. Welche Kanzleien beteiligt sind, welche Regeln vereinbart wurden und ob sie in Claude einfließen, ist bislang nicht bestätigt.
Artikel lesen →
Anthropic widmet 5 % seiner Aktien einem Public Benefit Fund: Struktur, Anreize und Grenzen der Governance
Das Unternehmen hat die Gründung eines Fonds bestätigt, der 5 % der Aktien erhält, was zusammen mit früheren Zusagen der Mitgründer und Mitarbeiter auf insgesamt 20 % kommt. Der Mechanismus skaliert mit der Bewertung, doch Experten warnen, dass die tatsächliche Vetomacht des Fonds über technische Entscheidungen im Falle eines direkten geschäftlichen Konflikts noch ungetestet ist.
Artikel lesen →
AesCode Infographics Layout: Die Metrik für visuelle Komposition und ihre Isolation im Evaluationsframework
Funktionale Analyse der Metrik 'Layout' im Kontext der AesCode-Architektur. Im Gegensatz zu früheren Audits zu 'Content' oder 'Chart', die sich auf den fehlenden Zugang zur Formel konzentrierten, behandelt dieser Beitrag die *strukturelle Funktion* der Metrik: Wie die Trennung der Layout-Evaluation (Komposition, Hierarchie, Abstände) von der Content-Evaluation (Text, Daten) es ermöglicht, spezifische Fehler bei der Infografik-Generierung zu diagnostizieren. Es wird erklärt, wie ein Evaluations-H...
Artikel lesen →
Artikel 14 der AI Act: Kontinuierliches Risikomanagement und seine praktische Anwendung in Hochrisiko-Systemen
Juristisch-operative Analyse des Artikels 14 der Verordnung (EU) 2024/1689, mit Fokus auf die Pflicht zur Einrichtung eines kontinuierlichen Risikomanagementsystems für KI-Systeme mit hohem Risiko, die Unterscheidung zwischen initialer Bewertung und permanenter Überwachung sowie eine Compliance-Checkliste.
Artikel lesen →
Mehr Parameter sind nicht mehr Fortschritt: Wie man die Veröffentlichungschronologie vom messbaren KI-Fortschritt trennt
Das Veröffentlichungsdatum und die Modellgröße sind schwache Indikatoren für technischen Fortschritt. Diese Analyse untersucht drei Dimensionen, in denen die Chronologie täuscht: die Effizienz pro Token gegenüber der rohen Skalierung, die effektive Retention in langen Aufgaben gegenüber dem maximalen Kontextfenster und die Zuverlässigkeit in mehrstufigen Workflows gegenüber der bloßen Fähigkeit, Tools aufzurufen. Es wird ein evidenzbasiertes Bewertungsrahmen vorgeschlagen, um echte Fortschritte...
Artikel lesen →
Die Evidenzkette in KI-Forschungspapern prüfen: von der Beobachtung zur Behauptung
Ein Fünf-Schritte-Protokoll zur Bewertung der internen Validität von KI-Forschung: Es unterscheidet zwischen beobachteten Daten, Interpretationen der Autorinnen und Autoren und Schlussfolgerungen, die nicht ausreichend belegt sind.
Artikel lesen →
Vom Modell ins Netzwerk: So machen Sie einen lokalen Inferenzserver erreichbar, ohne beliebige Türen zu öffnen
Praxisleitfaden zur sicheren Netzfreigabe lokaler Inferenzserver wie Ollama, vLLM oder LM Studio. Lernen Sie, Bind-Adressen, Firewallregeln und Authentifizierung so einzurichten, dass der Zugriff im lokalen Netzwerk oder über ein VPN möglich ist, ohne den Dienst dem Internet auszusetzen.
Artikel lesen →