KI-Infos

Bzgl. Cloud-Souveränität veröffentlichte die EU-Kommission vor einer Woche das “Cloud Sovereignty Framework”. Aus den dort enthaltenen Metriken könnte man auch für KI etwas ableiten.
URL: https://commission.e … 9577-446ab6219113_en

Im decoder ist ein Artikel erschienen, dass zwei Bücher reichen, um ein vorhandenes LLM auf den Stil eines Autors zu trainieren. Testpersonen (28 Epert:innen zgl. Schreibpogramme und 131 Laien) bewerteten, was eine KI und was ein Mensch verfasst hat. Erstaunlich war, dass Autoren mit nur zwei veröffentlichten Büchern vom Stil her genauso erfolgreich kopiert werden konnte wie Autoren mit 20 Werken.
URLs

• The decoder: https://the-decoder … utors-zu-trainieren/
• Paper-Download bei Elsevier: https://papers.ssrn. … ?abstract_id=5606570

Forscher der Stanford Universität analysierten die Datenschutzrichtlinien von sechs US-amerikanischen KI-Unternehmen, um zu verstehen, wie diese Unternehmen die Chats ihrer Nutzer zum Trainieren von Modellen nutzen. Diese sechs Unternehmen waren:

1. Amazon (Nova),
2. Anthropic (Claude),
3. Google (Gemini),
4. Meta (Meta AI),
5. Microsoft (Copilot) und
6. OpenAI (ChatGPT).

Ausgehend vom California Consumer Privacy Act entwickelten die Forscher ein qualitatives Kodierungsschema, welches sie auf die jeweiligen Datenschutzrichtlinien der Unternehmen anwendeten, um die Praktiken der Datenerhebung und -nutzung bei den sechs Unternehmen zu vergleichen.
Dabei wurde festgestellt, dass alle sechs Unternehmen sich in ihren Nutzungsrichtlinien vorbehalten, dass sie die Chat-Daten ihrer Nutzer standardmäßig zum Trainieren und Verbessern ihrer Modelle nutzen und einige dieser Daten auf unbestimmte Zeit speichern dürfen. Die Unternehmen können also in Chats offengelegte personenbezogene Daten erheben und zum Trainieren verwenden, darunter sensible Informationen wie biometrische und Gesundheitsdaten sowie von Nutzern hochgeladene Dateien.
Vier der sechs von uns untersuchten Unternehmen behalten sich sogar vor, Chat-Daten von Kindern sowie Kundendaten aus anderen IT-Produkten, auf die sie Zugriff haben, für das Modelltraining zu verwenden.
In der Regel fehlen in den Datenschutzrichtlinien der sechs untersuchten KI-Unternehmen wichtige Informationen zu ihren Vorgehensweisen, sodass eine Transparenz der Nutzung nicht gegeben ist. eine Rechenschaftspflicht bzgl. der Nutzung nicht erfüllbar ist.
URLs:

• Forschungsbericht bei arXiv: https://arxiv.org/abs/2509.05382
• Stanford Report: https://news.stanfor … cerns-risks-research
• Bericht bei Stanford Institute for Human-Centered AI (HAI): https://hai.stanford … tell-your-ai-chatbot

Ich bekam ein paar Infos zur KI-Verordnung gemailt, vermutlich eher für Juristen von Interesse.

• Aufsatz von Nathalia Smuha „The Genesis of the EU Artificial Intelligence Act“ (SSRN, 2025) https://papers.ssrn. … ?abstract_id=5012626 rekonstruiert die politische und ethische Entstehungsgeschichte der KI-Verordnung: vom High-Level Expert Group on AI-Bericht (2019) über den Kommissionsentwurf (2021) bis zum finalen Gesetzestext (2024). Er zeigt Spannungen zwischen ethikorientierter Governance, risikobasierter Regulierung und industriepolitischen Zielen.
• Smuha und Karen Yeung veröffentlichten den Aufsatz „Regulating AI through the Law of the European Union“ (SSRN, 2024), https://papers.ssrn. … ?abstract_id=4874852. Darin wird analysiert, wie ethische Leitprinzipien in rechtlich verbindliche Normen überführt werden. Diskutiert werden Vollzugsmodelle, Normensetzung über technische Standards sowie das Spannungsverhältnis zwischen Grundrechtsschutz und technologischer Steuerung.
• Kai Zenner veröffentlichte Materialien zum Gesetzgebungsverfahren und zur Umsetzung. Unter https://www.kaizenne … nceact.eu/documents/ findet man eine umfassende Sammlung aller relevanten Dokumente zum KI-Verordnung: Gesetzgebungsverlauf, konsolidierte Fassungen, Zeitlinien, Trilog-Änderungen und Implementierungspläne. Besonders hilfreich für die Nachvollziehung der politischen und juristischen Aushandlungsprozesse, was man ja auch braucht, wenn man teleologisch den KI-Verordnung auslegen will/muss.

Die Entwickler von DeepSeek-R1 veröffentlichten ihren Ansatz in einem offenen Paper bei Nature (DeepSeek-R1 incentivizes reasoning in LLMs through reinforcement learning, https://www.nature.c … s/s41586-025-09422-z). Sind nur wenige Seiten, aber fand ich interessant. Papier ist Open Content, kann also jeder herunterladen.