Autonome KI-Agenten haben sich im dezentralen Finanzmarkt (DeFi) zu einem bedeutenden Akteur entwickelt: Rund 20 Prozent aller DeFi-Aktivitäten werden bereits von automatisierten Systemen gesteuert. Bei anspruchsvollen Handelsentscheidungen behalten menschliche Trader jedoch die Oberhand – ein Befund, der die aktuellen Grenzen agentenbasierter KI-Systeme im Finanzbereich deutlich markiert.
Der massive Ausbau von KI-Infrastruktur hat für Metas Hardware-Sparte unerwartete Folgen: Die Preise für kritische Komponenten steigen deutlich, weil Rechenzentren weltweit dieselben Bauteile aufkaufen, die auch in Consumer-Geräten wie den Quest-VR-Headsets verbaut werden.
Physical AI – also künstliche Intelligenz, die in der physischen Welt agiert – hat in den vergangenen Jahren einen grundlegenden Paradigmenwechsel durchlaufen. Statt Bewegungsabläufe mühsam per Hand zu programmieren, lernen Roboter heute durch Beobachtung, Simulation und Eigenexperiment. Diese Entwicklung verändert, was Automatisierung in industriellen Umgebungen leisten kann.
Nicht jeder US-Bundesstaat ist gleichermaßen geeignet, den wachsenden Energiehunger und die regulatorischen Anforderungen moderner KI-Rechenzentren zu erfüllen. Eine aktuelle Analyse zeigt deutliche Unterschiede zwischen attraktiven Investitionsstandorten und problematischen Regionen – mit konkreten Konsequenzen für Unternehmen, die ihre KI-Infrastruktur in den USA ausbauen wollen.
OpenAI hat sein KI-gestütztes Entwicklertool Codex mit einem umfangreichen Update ausgestattet. Die neue Version kann eigenständig Mac-Systeme bedienen, Bilder generieren und über längere Zeiträume autonom an Aufgaben weiterarbeiten. Damit positioniert OpenAI das Tool direkt gegen Anthropics Claude Code, das sich in Entwicklerkreisen zuletzt erhebliche Beliebtheit erarbeitet hat.
Das US-Startup Physical Intelligence hat mit π0.7 ein neues Foundation Model für Roboter präsentiert, das im Training erlernte Fähigkeiten flexibel neu kombinieren soll. Das Prinzip ähnelt der Funktionsweise von Large Language Models – einschließlich deren struktureller Schwächen.
OpenAI erweitert sein Produktportfolio um ein auf biologische Forschung ausgerichtetes Large Language Model namens GPT-Rosalind. Das Modell soll Wissenschaftlern dabei helfen, den Weg von der Hypothese zum konkreten Experiment deutlich zu verkürzen – der Zugang ist jedoch streng reguliert.
Immer mehr Mitarbeiter nutzen KI-Tools im Arbeitsalltag – doch das täuscht über ein grundlegendes Problem hinweg: Die tatsächliche Kompetenz im Umgang mit diesen Systemen bleibt in vielen Unternehmen weit hinter der Nutzungsrate zurück. Eine aktuelle Studie, über die TechRepublic berichtet, zeigt, dass die scheinbar hohe Verbreitung von KI-Anwendungen eine wachsende Readiness-Lücke verdeckt, die strategisches Handeln auf Führungsebene erfordert.
Die Cloud Native Computing Foundation (CNCF) warnt Unternehmen davor, bestehende Kubernetes-Sicherheitskonzepte unreflektiert auf KI- und Large Language Model-Workloads zu übertragen. In einem aktuellen Bericht stellt die Organisation fest, dass die spezifischen Anforderungen von LLM-Deployments deutlich über das hinausgehen, was Standard-Kubernetes-Konfigurationen absichern können.
Das Qwen-Team von Alibaba hat mit Qwen3.6-35B-A3B ein neues Open-Source-Modell vorgestellt, das trotz 35 Milliarden Gesamtparametern lediglich 3 Milliarden Parameter aktiv nutzt. Die Sparse-Mixture-of-Experts-Architektur (Sparse MoE) soll damit eine deutlich ressourcenschonendere Inferenz ermöglichen, ohne wesentliche Leistungseinbußen in Kauf nehmen zu müssen.