Freitag, Juli 10, 2026
Die EU-Kommission veröffentlichte am 10.07.2026 die endgültige Fassung des Verhaltenskodex für KI mit allgemeinem Verwendungszweck. Der Verhaltenskodex ist ein freiwilliges Instrument, d. H. niemand muss es anwenden, aber die Nutzung soll dabei helfen, die Vorschriften des KI-Gesetzes über KI mit allgemeinem Verwendungszweck einzuhalten.
Der Kodex besteht aus drei Kapiteln:
- Transparenz,
- Urheberrecht,
- Safety and Security.
Transparenz und Urheberrecht richten sich an alle Anbieter von KI-Modellen mit allgemeinem Verwendungszweck, Safety and Security ist laut EU-Kommission nur für eine begrenzte Anzahl von Anbietern relevant.
URLs:
Hinweis: Die EU-Kommission stellt die Informationen im Original nur in englischer Sprache zur Verfügung. Andere Sprachen, auch die deutsche Sprache, werden durch den eTranslation-Dienst der EU-Kommission bereitgestellt. Entsprechend den Nutzungsbedingungen des eTranslation-Dienstes (https://commission.e … ranslation-europa_en), die ausschließlich in englischer Sprache bereitgestellt werden. übernimmt die EU-Kommission keine Gewähr für die Richtigkeit und haftet nicht für eventuelle Fehler der maschinellen Übersetzung.
Montag, Juli 6, 2026
Das BSI veröffentlichte am 6. Juli 2026 einen “Prüfkatalog für vertrauenswürdige KI-Systeme”, genauer: den Community Draft des “AI Audit and Assurance Assessment Architecture”(A5). Der Katalog soll sich an alle Akteure entlang der KI-Wertschöpfungskette, d. h. insbesondere auch an die mit Entwicklung, Betrieb, Aufsicht und Beschaffung betrauten Personen. Erfreulicherweise veröffentlichte das BSI alle Dokumente in der Amtssprache, d.h. in deutscher Sprache.
“Community Draft”: Dies ist die Kommentierungsversion für die interessierte Öffentlichkeit. Anmerkungen und Anregungen können bis zum 31. August 2026 (nur) über den Kommentierungsbogen (Excel-Tabelle) per E-Mail an mailto:aisecurity@bsi.bund.de gemailt werden.
URLs:
Ein vom KI Bundesverband koordiniertes deutsches Forschungskonsortium veröffentlichte Soofi S, ein 30B Mixture-of-Experts-Modell auf Basis des Mamba-Transformers, trainiert mit 27 Billionen Token und vor allem auf deutsche und englische Texte ausgelegt. EU und Bundesministerium für Wirtschaft und Energie förderten das Projekt.
Durch seinen hybriden Aufbau werden pro Token nur 3 Mrd. der insgesamt 30 Mrd. Parameter aktiviert, und der Inferenz-Cache bleibt auch bei wachsendem Kontext nahezu konstant, was dem Modell einen entscheidenden Durchsatzvorteil gegenüber dichten Modellen bei Einsätzen mit langem Kontext und hoher Parallelität verschafft.
Soofi S erzielte bei aggregierten englisch- und deutschsprachigen Benchmarks unter 17 offenen Basismodellen die besten Code-Aggregate in beiden Sprachen, liegt noch vor Olmo 3 32B und Apertus 70B.
Aktuell läuft eine Testphase, wozu noch externe Testpartner für Real-World-Projekte gesucht werden, daher kann man das Modell noch nicht herunterladen. Besteht Interesse an der Erprobung teilzunehmen, kann man per E-Mail unter contact@soofi.info das Interesse melde, idealerweise zusammen mit folgenden Angaben:
- kurze Beschreibung des Unternehmens / der Organisation
- Branche oder Anwendungsfeld
- idealerweise noch eine Use-Case-Idee
Langfristig ist die lizenzfreie Verfügbarkeit angekündigt. Gewichte, Checkpoints, Training- & Data Code wie auch Trainings-Logs werden verffentlicht (siehe Link zu Huggingface).
URLs:
Presseerklärungen zum Projekt:
Presseberichte:
Freitag, Juli 3, 2026
Innerhalb der Fachgruppe “Fachgruppe Digitalisierung und Nachhaltigkeit” (https://fg-dina.gi.de/) der Gesellschaft für Informatik wurde das Thema “Nachhaltigkeit” im Kontext von KI diskutiert. Natürlich ist Energie- und Wasserverbrauch im Kontext der Nachhaltigkeit relevant, greift nach Meinung der Fachgruppe aber zu kurz. Die sozialen Bedingungen der Digitalisierung gehörten ebenso in dieses Thema wie die diskriminierenden Effekte von Algorithmen und vieles mehr. Man braucht nur wenige Minuten, um den Text zu lesen. Ich fand ihn sehr interessant.
Die Fachgruppe identifizierte 13 Nachhaltigkeitskriterien für KI-Systeme:
- Transparenz und Verantwortungsübernahme
- Nicht-Diskriminierung und Fairness
- Technische Verlässlichkeit und menschliche Aufsicht
- Selbstbestimmung und Datenschutz
- Inklusives und partizipatives Design
- Kulturelle Sensibilität
- Marktvielfalt und Ausschöpfung des Innovationspotenzials
- Verteilungswirkung in Zielmärkten
- Arbeitsbedingungen und Arbeitsplätze
- Energieverbrauch
- CO2- und Treibhausgasemissionen
- Nachhaltigkeitspotenziale in der Anwendung
- Indirekter Ressourcenverbrauch
Text ist abrufbar unter https://inf.gi.de/14 … keit-ist-kein-add-on
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:
