KI-Infos

Der starke und anhaltende Anstieg KI-basierter Dienste führt weltweit zu einer stetigen Zunahme von KI-Rechenzentren, verbunden mit einem unvermeidlichen Anstieg ihres Stromverbrauchs.
Unter Nutzung von Landoberflächentemperaturmessungen, die in den letzten Jahrzehnten von Fernerkundungsplattformen erfasst wurden, nahmen Forschende der University of Cambridge eine fundierte Einschätzung des Temperaturanstiegs vornehmen, der weltweit in der Umgebung von KI-Rechenzentren von Hyperscalern verzeichnet wurde.
Die Forscher kamen zu dem Ergebnis, dass die Landoberflächentemperatur nach der Inbetriebnahme eines KI-Rechenzentrums um durchschnittlich 2 °C ansteigt, was lokale Mikroklimazonen hervorruft, welche die Forscher als “data heat Island” Effekt bezeichnen.
Weltweit können mehr als 340 Millionen Menschen von diesem Temperaturanstieg betroffen sein. Die Forscher empfehlen, dass untersucht werden sollte, welche Auswirkungen dies auf das regionale Wohlbefinden der betroffenen Bevölkerung haben könnte.
URLs:

• Forschungsbericht bei arXiv: https://arxiv.org/abs/2603.20897
• CNN: https://edition.cnn. … ving-an-underrported
• India Today: https://www.indiatod … k-2889416-2026-03-31
• Netzwoche: https://www.netzwoch … umgebung-messbar-auf

Multimodale KI-Modelle wie GPT-5 oder Gemini 3 Pro erzielen auf Bild-Benchmarks hohe Ergebnisse und werden damit als visuell kompetent vermarktet. Aber die Modelle erzielen gleich gute Ergebnisse , wenn man die Bilder komplett weglässt: die KI-Modelle beschreiben visuelle Details der nicht vorhandenen Bilder und liefern plausible Begründungen für die nicht vorhandenen Bilddetails.
Hintergrund der Aussage:
Forscher der Stanford-Universität berichten über drei gewonnene Erkenntnisse bei Nutzung von multimodale KI-Systemen wie GPT-5, Gemini 3 Pro und Claude Opus 4.5, welche Bildbeschreibungen und medizinische Diagnosen erzeugen:

1. Frontier-Modelle generieren detaillierte Bildbeschreibungen und ausführliche Schlussfolgerungsketten – einschließlich pathologisch geprägter klinischer Befunde – für Bilder, die ihnen nie vorgelegt wurden; die Forscher bezeichnen dieses Phänomen als “Mirage Reasoning”.
2. Entsprechende KI-Modelle erzielen auch ohne jegliche Bildeingabe auffallend hohe Punktzahlen bei allgemeinen und medizinischen multimodalen Benchmarks, was Nutzen und ihr Design der Benchmarks in Frage stellt.
3. Die Leistung der KI-Modelle sank deutlich, wenn Modelle ausdrücklich angewiesen wurden, Antworten ohne Zugang zu Bildern zu erraten, anstatt implizit dazu aufgefordert zu werden, anzunehmen, dass Bilder vorhanden seien.

URLs:

• Forschungsbericht bei arXiv: https://arxiv.org/abs/2603.21687v2
• substack: https://garymarcus.s … visual-understanding
• The Decoder (deutsch): https://the-decoder. … die-nie-existierten/

Am 26.März 2026 startete ZenDiS eine Konsultation zu Souveränität. Dazu veröffentlichte ZenDiS einen “Kriterienkatalog” (”Kriterien zur Bewertung von Digitaler Souveränität - aus messbar wird machbar”) zur öffentlichen Kommentierung. Konsultationen können bis zum 15. Mai 2026 eingereicht werden.
URLs:

• Pressemitteilung ZenDiS: https://www.zendis.d … konsultationsprozess
• Kriterienkatalog (pdf-Datei): https://www.zendis.d … r-souveraenitaet.pdf
• Eingegangene Stellungnahmen: https://gitlab.openc … enitaet/-/work_items
• Webseite “Souveränitätscheck”: https://souveränitätscheck.de

Wird KI auf einer Cloud betrieben, benötigt souveräne KI auch eine souveräne Cloud.

Gartner prophezeit in einer Veröffentlichung von Mitte Februar, dass fehlerhaft konfigurierte KI-Instanzen bis zum Jahr 2028 kritische Infrastruktur in “cyber-physischen Systemen” lahmlegt. Ein sicherer Kill Switch oder Override-Modus, der ausschließlich autorisierten Betreibern zugänglich ist, sei deshalb essenziell, um kritische Infrastrukturen auf nationaler Ebene vor unbeabsichtigten Ausfällen durch KI-Fehlkonfigurationen zu schützen.
URLs:

• Bericht bei Gartner: https://www.gartner. … ure-in-a-g20-country
• Bericht bei CIO: https://www.cio.de/a … paetestens-2028.html

OpenAI legt in Modell-Spec fest, wie sich die Modelle von OpenAI verhalten sollen. D.h.: wie soll mit widersprüchlichen Anweisungen, mit riskanten Situationen und sensiblen Themen umgegangen werde? Welche Standardverhalten gelten für Modelle in Bezug auf Ehrlichkeit, Sachlichkeit, Persönlichkeit, Stil usw.
Das wurde letztes Jahr vorgestellt (https://model-spec.openai.com/2025-12-18.html). Am 25. März 2026 veröffentlichte OpenAI eine vollständige Version von Model Spec Evals. Dies ist eine neue Evaluierungssuite, die misst, wie gut Modelle die Model Spec befolgen. 
Mit dieser Evaluierungssuite stelle OpenAI fest, dass die GPT-5-Modelle die Modellspezifikation konsequenter einhalten als Modelle, die vor GPT-5 veröffentlicht wurden. Die Gesamtkonformitätsraten liegen laut OpenAI

• GPT-4o: 72 %
• OpenAI o3: 80 % 
• GPT-5 Instant: 82 %
• GPT-5.3 Instant: 84 %
• GPT-5.4 Thinking:87 %
• GPT-5 Thinking: 89 %

GPT-5 schneidet bei der Evaluierung sogar besser ab als die Nachfolgemodelle.
URLs:

• OPenAI Webseite: https://alignment.op … om/model-spec-evals/
• githib model spec evals: https://github.com/o … nai/model_spec_evals