Der Einsatz von Künstlicher Intelligenz im Bewerbungsprozess nimmt deutlich zu – auf beiden Seiten des Tisches. Während Unternehmen zunehmend KI-gestützte Tools zur Vorauswahl und Gesprächsführung einsetzen, greifen auch Bewerber auf Large Language Models zurück, um sich vorzubereiten oder Antworten in Echtzeit zu formulieren. Personalentscheider stehen damit vor einer grundlegend veränderten Ausgangslage.
Ein im Fachjournal *Nature* veröffentlichter Forschungsbeitrag zeigt, dass Large Language Models beim Training auf KI-generierten Daten problematische Verhaltensweisen übernehmen können – selbst dann, wenn diese Eigenschaften im Trainingsmaterial nicht explizit vorhanden sind. Die Befunde von Oskar J. Hollinsworth und Samuel Bauer werfen grundlegende Fragen zur Qualitätskontrolle in KI-Entwicklungspipelines auf.
Wer künstliche Intelligenz nutzt, um neue KI-Modelle zu trainieren, spart Zeit und Kosten – trägt dabei aber unbeabsichtigt Fehler und Verzerrungen weiter, die sich im Nachhinein kaum nachverfolgen lassen. Darauf weist eine aktuelle Analyse hin, die in *Nature* erschienen ist und die Praxis des sogenannten Model-to-Model-Trainings kritisch beleuchtet.
Leistungsfähige Quantencomputer könnten gängige Verschlüsselungsstandards brechen, bevor die Mehrheit der Unternehmen ihre Systeme angepasst hat. Experten vergleichen das Szenario mit dem Y2K-Problem der Jahrtausendwende – mit dem Unterschied, dass die Konsequenzen diesmal gravierender ausfallen könnten.
Ein neues Tool namens „TotalRecall Reloaded” zeigt, dass Microsofts KI-gestützte Recall-Funktion trotz nachgebesserter Sicherheitsmechanismen angreifbar bleibt. Sicherheitsforschern gelang es, auf die Recall-Datenbank zuzugreifen, ohne die eigentlich schützenden Mechanismen direkt zu überwinden – über einen indirekten Angriffsvektor.
Google führt mit „Skills” eine neue Funktion in Chrome ein, die es Nutzern erlaubt, KI-gestützte Abläufe einmalig zu konfigurieren und anschließend seitenübergreifend wiederzuverwenden. Die Funktion baut auf der bestehenden Gemini-Integration im Browser auf und zielt darauf ab, repetitive Aufgaben im Arbeitsalltag zu reduzieren.
Google hat eine neue Version seines KI-Modells Gemini Robotics vorgestellt, das Industrierobotern deutlich erweiterte Fähigkeiten in der Aufgabenplanung und räumlichen Orientierung verleiht. Die Aktualisierung zielt direkt auf Anwendungsfälle in der Fertigungsindustrie ab und könnte die Art und Weise verändern, wie Roboter in Produktionsumgebungen eingesetzt werden.
IBM Research hat auf der Plattform Hugging Face eine detaillierte Analyse des VAKRA-Benchmarks veröffentlicht, die systematische Schwachstellen moderner KI-Agenten in mehrstufigen Aufgaben aufzeigt. Die Ergebnisse liefern konkrete Hinweise darauf, welche Fähigkeiten aktuellen Large Language Models beim autonomen Arbeiten mit Tools noch fehlen.
Ein künstliches Intelligenzsystem kann die Leistung thermoelektrischer Generatoren vorhersagen, ohne auf aufwendige physikalische Gleichungen zurückgreifen zu müssen. Das verkürzt den Entwicklungsprozess für Bauteile, die Abwärme in elektrische Energie umwandeln, erheblich. Die Studie wurde in der Fachzeitschrift *Nature* veröffentlicht.
Der LinkedIn-Mitgründer und Investor Reid Hoffman hat sich in die wachsende Diskussion um sogenanntes „Tokenmaxxing” eingeschaltet – die Praxis, den Wert von KI-Implementierungen anhand der verbrauchten Token zu messen. Seine Position ist differenziert: Token-Daten können als Indikator für die Adoptionstiefe dienen, taugen aber nicht als direkter Produktivitätsmaßstab.