Donnerstag, Juli 16, 2026
heise online berichtet über ein Projekt der Bundesdruckerei: Modelle für die Öffentliche Verwaltung Evaluieren (MÖVE). Das Projekt soll einen ganzheitlichen Benchmark zur Bewertung von LLMs im Kontext des deutschen öffentlichen Sektors darstellen. 39 Modelle werden dabei anhand von zwei sich ergänzenden Dimensionen bewertet: Leistungskriterien und Governance-Kriterien.
Die Leistungskriterien umfassen Zusammenfassung, Beantwortung von Fragen und Themenextraktion. Die Governance-Kriterien bewerten die Neigung zu Halluzinationen, den Energieverbrauch, die Transparenz der Anbieter sowie die Übereinstimmung mit deutschen Verfassungswerten und das Wissen über die Positionen deutscher politischer Parteien.
Die Ergebnisse zeigen, dass kein einzelnes Modell bei allen Kriterien dominiert. Insbesondere stellt die Modellgröße allein einen schlechter Prädiktor für die Qualität eines LLM dar. Die Ergebnisse des Benchmarks sind auf der Projekthomepage abrufbar.
URLs:
Presseberichte:
Samstag, Juni 27, 2026
Da sich der Einsatz von KI durch Autoren von der Recherche und dem Brainstorming auf die Erstellung ganzer Bücher ausgeweitet hat, sind Verlage, Autorenagenten und Leser zunehmend darauf angewiesen, dass KI-generierte Inhalte erkannt werden können.
Authors Guild wählte fünf der derzeit besten KI-Erkennungstools sowie eine Liste von zehn Artikeln aus. Die Artikel wurden alle im Jahr 2022 oder früher veröffentlicht, also vor der breiten Verfügbarkeit generativer KI. Jeder Beitrag wurde von allen fünf Erkennungstools geprüft und da die Artikel aus der Zeit der KI-Technologie stammen, sollte jedes Tool, das korrekt funktioniert, durchweg einen niedrigen KI-Erkennungswert liefern.
Die Ergebnisse fielen sehr unterschiedlich aus:
- Pangram und Originality.ai zeigten die zuverlässigsten Ergebnisse. Beide Tools identifizierten jeden Artikel korrekt als von Menschen verfasst.
- Pangram ergab bei allen zehn Artikeln 0 Prozent.
- Originality.ai ergab bei acht Artikeln 0 Prozent, bei zwei Artikeln 1 Prozent.
- Grammarly ermittelte bei acht Artikeln einen Wert von 0 Prozent, bei zwei Artikeln wurden Werte von 7 Prozent bzw. 9 Prozent angezeigt.
- ZeroGPT zeigte eine inkonsistente Leistung: Die Werte reichten von einem Tiefstwert von 5 Prozent bis zu einem Höchstwert von 76 Prozent, wobei mehrere Artikel über 50 Prozent lagen.
- Sidekicker.ai stufte jeden Artikel als überwiegend von einer KI verfasst ein, wobei die Werte zwischen 71 Prozent und 100 Prozent lagen.
Fazit von Authors Guild: Einige KI-Erkennungstools identifizieren von Menschen verfasste Texte mit hoher Genauigkeit. Einige gängige KI-Erkennungstools arbeiten jedoch ungenau. Eine Erkennung, ob ein Artikel von einem Menschen stammt oder durch eine KI generiert wird, ist durch den Einsatz dieser Erkennungstools wohl eher nicht sicher möglich.
URL:
Mittwoch, Juni 17, 2026
Forscher von Microsoft stellten DELEGATE-52 vor, ein Tool, mit welchem die Eignung von KI-Systemen in ausgelagerten Arbeitsabläufen untersucht werden kann. DELEGATE-52 simuliert dabei umfangreiche delegierte Arbeitsabläufe, die eine tiefgreifende Dokumentbearbeitung in 52 Fachbereichen erfordern, darunter Programmierung, kristallographische Analyse und musiktheoretische Notation.
Im Experiment mit 19 LLMs zeigten die Forscher, dass aktuelle KI-Modelle Dokumente während der Verarbeitung beeinträchtigen: Selbst Spitzenmodelle (Gemini 3.1 Pro, Claude 4.6 Opus, GPT 5.4) verfälschen am Ende langer Arbeitsabläufe durchschnittlich 25 % des Dokumentinhalts, während andere Modelle noch gravierendere Fehler aufweisen.
Weitere Experimente zeigen, dass das Ausmaß der Qualitätsminderung durch die Dokumentgröße, die Dauer der Interaktion oder das Vorhandensein von ablenkenden Dateien noch verstärkt wird. Dabei verbessert der Einsatz agentischer Werkzeuge die Leistung bei DELEGATE-52 nicht.
URLs:
Presseberichte:
Dienstag, Juni 16, 2026
In der Studie “Deep-research agents can be poisoned via user-generated content” zeigen drei Forscher der Cornell-University , dass Deep-Research-Agenten bei vielen gängigen Suchthemen wiederholt dieselben Seiten mit nutzergenerierten Inhalten (User-Generated Content, UGC) von Plattformen wie Reddit und Wikipedia abrufen.
Basierend auf dieser Erkenntnis zeigten Sie bei drei repräsentativen Deep-Research-Systemen (STORM, Co-STORM und OmniThink), dass ein Angreifer, der einen kurzen, speziell gestalteten Text an eine einzelne, häufig abgerufene UGC-Seite anhängt, einen KI-Agenten dazu bringt, dass der KI-Agent vom Angreifer ausgewählte Inhalte zitiert und vom Angreifer ausgewählte Entitäten über viele verwandte Suchanfragen hinweg bewirbt.
Forschungsbericht:
Presseberichte dazu:
Samstag, Juni 13, 2026
In einem Rechtsstreit nutzen sowohl die Anwält:innen von Withers als auch jene der Stadt Aberdeen genAI und übernahmen die Ergebnisse ungeprüft. Folge: nicht vorhandene Gerichtsurteile sollten im Schriftsatz die jeweilige Argumentation stützen. Richterin Sharion Aycock bracxh die Verhandlung ab, entzog den Anwält:innen die Mandate, verhängte Geldbußen von 1.000 bzw. 3.500 Dollar und zwei Anwälten wurde untersagt, in den nächsten zwei Jahren in irgendeiner Sache vor dem Bezirksgericht der Vereinigten Staaten für den nördlichen Bezirk von Mississippi aufzutreten.
Urteil ist abrufbar unter https://storage.cour … .pdf?ref=404media.co sowie https://t.co/z8SG0OtV1w.
Bericht dazu auf 404media (https://www.404media … eryone-off-the-case/) und in deutscher Sprache bei t3n (https://t3n.de/news/ … abgebrochen-1747710/).
