KI-Highlights — das Gesamtbild — 16.10.2026 (Fr) Abendausgabe

Wenn Ankündigungen von Stellenstreichungen und Marktängste am selben Tag in den Schlagzeilen zusammentreffen, entsteht der Eindruck, KI drücke Beschäftigung und Wirtschaft nach unten. So hat zum Beispiel CWT Italy 190 Stellen gestrichen, und CNBC berichtet, dass die Sorgen um KI an der Wall Street neu aufflammen. Gleichzeitig schätzt JPMorgan, dass die Alphabet-Aktie ein Aufwärtspotenzial von 24 % hat. Schlagzeilen allein bestimmen weder die Gründe für einzelne Stellenkürzungen noch die Richtung der Marktmeinungen. Was ich in diesem halben Tag herausfinden möchte, ist, ob es die Begeisterung in den Schlagzeilen ist, die die Einführung der Technologie beeinflusst, oder ob es die zugrunde liegende Infrastruktur ist, etwa Umschulungssysteme, Bewertungs- und Regulierungssysteme sowie die Frage, wie man sie vor Ort zuverlässig einsetzt. Im Folgenden betrachten wir anhand der Materialien in den einzelnen Abschnitten den tatsächlichen Fortschritt in diesen drei Bereichen.

Unterschied zwischen Schlagzeilen über Stellenstreichungen und dem tatsächlichen Bild der Wirtschaft

Laut Berichten hat CWT Italy beschlossen, 190 Stellen zu streichen, und die Debatte über KI nimmt an Fahrt auf (Business Travel News Europe). Auch der Video-Streamingdienst Netflix kündigte Entlassungen an, und laut CNBCs „5 Things to Watch in the Morning“ flammen an der Wall Street erneut Sorgen über KI auf (CNBC). Wenn Ankündigungen von Stellenstreichungen und Marktängste am selben Tag in den Schlagzeilen zusammentreffen, wirkt es, als würde KI direkt Beschäftigung und Wirtschaft nach unten ziehen. Was sich anhand der Materialien jedoch bestätigen lässt, ist lediglich, dass Stellenabbau und KI gleichzeitig diskutiert werden. Aus den Schlagzeilen geht nicht hervor, ob einzelne Kürzungen auf KI oder auf andere Umstände zurückzuführen sind.

Andererseits ist die Marktsicht nicht eindimensional. JPMorgan schätzt, dass die Alphabet-Aktie ein Aufwärtspotenzial von 24 % hat (Barron's). Zugleich mit den Sorgen über KI werden optimistische Schätzungen für die Aktienkurse großer KI-bezogener Unternehmen abgegeben. Bei den Staatsfinanzen warnt der Haushaltsdirektor des Bundesstaates New York, dass Schritte der Bundesregierung und eine KI-Abschwächung die Staatsfinanzen belasten werden (POLITICO Pro). Das bedeutet, dass zur selben Zeit manche Stimmen KI als Anlass zur Sorge sehen, andere darin einen Beleg für Wachstumsspielraum erkennen und wieder andere darin einen Abwärtsdruck auf die öffentlichen Finanzen sehen.

Unter diesen Umständen erklärte der Präsident der Federal Reserve Bank of Chicago: „Auch ohne KI befindet sich die Wirtschaft nicht in einer Rezession“ (Yahoo Finance). Diese Aussage zeigt, dass wir den Zustand der Wirtschaft selbst betrachten müssen, unabhängig von der Anwesenheit oder Abwesenheit von KI. Wer die Wirtschaft allein an der Zahl der Entlassungen oder an Kursbewegungen misst, kann die Auswirkungen von KI über- oder unterschätzen. Die Äußerungen des Gouverneurs sind nur eine Sichtweise auf die Wirtschaft und heben Berichte über Stellenkürzungen oder Sorgen nicht auf. Sie können jedoch als Maßstab dienen, um die Eindrücke aus den Schlagzeilen vom tatsächlichen Zustand der Wirtschaft zu trennen.

Was den Einfluss auf Investitionsentscheidungen betrifft, soll laut Berichten auch CNHs Ausbau von KI-gestützten Landmaschinen Entscheidungen beeinflussen (Yahoo Finance). Hier erscheint KI nicht als Grund für Entlassungen, sondern als Kern des Produkts. Während die Schlagzeilen sich auf Kürzungen und Aktienkurse konzentrieren, fließen die tatsächlichen Investitionen der Unternehmen woandershin. In einer Zeit, in der die Wahrnehmung von KI gespalten ist, interessiert die Leser nicht, wie viel Aufhebens darum gemacht wird, sondern welche Form die Umsetzung vor Ort annimmt. Im nächsten Abschnitt betrachten wir die Infrastruktur, die ihre Einführung stützt.

Vorbereitung für Menschen, die Kinder erziehen

Trotz der Schlagzeilen über Entlassungen bereiten sich Unternehmen und Branchenverbände darauf vor, Menschen vor dem Einsatz zu schulen. TechBullion berichtet, dass Mohammed Shahin Umschulung und Personalstrategien als Mittel befürwortet, um Personal für die Einführung von KI zu entwickeln. Die Prämisse ist, dass die Personalabteilung vor der Einführung von KI gestalten sollte, wie sie von den bisherigen Beschäftigten und in welchen Aufgaben genutzt wird. Eine ähnliche Bewegung findet im Pflegebereich statt. AHCA/NCAL hat ein Webinar zum Thema KI und Personalwesen angekündigt. Der Termin der Veranstaltung wird später bekannt gegeben, und bislang lässt sich nur bestätigen, dass Verbände der Pflegebranche begonnen haben, KI als Personalthema zu behandeln.

Auch auf der Bildungsseite gibt es Bewegung. Laut Oracle Blogs hat die Oracle Academy auf der National Education Conference in Indien die Einführung von KI-Lehrplänen vorangetrieben. Während sich die betriebliche Weiterbildung an aktuelle Beschäftigte richtet, handelt es sich hier um eine Initiative, die Inhalte aus der Phase des Bildungscurriculums einbezieht. Der andere Fall ist die Polytechnische Universität Valencia (UPV). Die Universität hat eine KI entwickelt, die Sexismus in Social-Media-Videos erkennt. Hier geht es nicht darum, Menschen zu schulen, sondern darum, wie sich Verzerrungen in den von KI verarbeiteten Inhalten finden lassen. Doch was die Schaffung eines Systems angeht, das die Fairness vor der Einführung überprüft, geht es in dieselbe Richtung wie die Personalentwicklung.

Beim direkten Vergleich wird deutlich, dass die Debatten über Stellenabbau sowie über Förderung und Korrektur von Verzerrungen (Bias) an unterschiedlichen Orten geführt werden. Während die Schlagzeilen zum Stellenabbau darauf fokussieren, wie viele Arbeitsplätze KI ersetzen wird, befassen sich Shahins Umschulungstheorie, das AHCA/NCAL-Webinar, die Lehrplanunterstützung der Oracle Academy und die Erkennungs-KI der UPV damit, worauf man sich vorbereiten sollte, bevor der Ersatz eintritt. Leserinnen und Leser möchten sehen, ob die Organisation, die über die Einführung spricht, auch den Schulungsplan, die Umverteilung von Personal und die Prüfung der Ergebnisse auf Bias aufzeigt. Das Vorhandensein oder Fehlen dieser Vorbereitungen kann den Erfolg der Einführung stärker beeinflussen als die Zahlen in den Schlagzeilen.

Während sich die Vorbereitungen an Menschen und Fairness orientieren, wird auch die Frage gestellt, mit welchen Mechanismen die von KI gegebenen Antworten überprüft und reguliert werden können. Im nächsten Abschnitt betrachten wir die Entwicklungen bei Überprüfung und Regulierung.

Ein Rahmenwerk, das Sicherheit durch Evaluierung und Dialog verbindet

Es gibt anhaltende Bemühungen, die Vorbereitung auf gefährliche KI durch externe Bewertung und internationalen Dialog zu unterstützen. Der Nvidia-CEO hat zu einem Dialog zwischen den USA und China über gefährliche KI aufgerufen (Cheddar). Anthropic hat der Bewertungsstelle METR Zugang auf Mitarbeiterebene gewährt, sodass sie hochmoderne Modelle evaluieren kann (TradingView). Ersteres ist ein Aufruf zu einem Forum für den Austausch zwischen Staaten, Letzteres eine operative Änderung, die es Dritten erlaubt, das Modell unter Bedingungen zu prüfen, die denen innerhalb des Entwicklers ähneln. Soweit berichtet wurde, sind die Einzelheiten einer konkreten Vereinbarung bei keiner der beiden Seiten bekannt. Es lässt sich jedoch erkennen, dass sich der Fokus auf Preparedness nicht auf die Selbstauskunft der einzelnen Unternehmen beschränkt, sondern auch externe Bewertungen und Dialog umfasst.

Diese Richtung deckt sich auch mit den Interessen der Forschenden. Alle drei auf unserer Seite vorgestellten Preprints wurden noch nicht von Fachkollegen begutachtet; die Primärinformationen sind auf arXiv veröffentlicht. Der erste ist X-Ragent, ein Agent für die Befundung von Röntgenaufnahmen des Brustkorbs. Bei der Interpretation eines Bildes lässt sich nicht allein anhand der Befunde zu einem Schluss kommen, und es gibt Situationen, in denen ergänzende Belege wie Messwerte hinzugezogen werden. Die Autoren weisen darauf hin, dass die Mechanismen, die lernen, wann Belege nötig sind, und jene, die irrelevante Messungen aus der Schlussfolgerung ausschließen, schwach ausgeprägt sind. Daher trainieren wir beide getrennt und verwenden eine Belohnung, die nur für den Verlauf, in dem die Diagnose korrekt ist, eine Prozessbewertung vergibt.

Der zweite Agent-Reflex konzentriert sich auf das Verhalten, wenn das Tool mit einer fehlerhaften Antwort reagiert. Agenten im realen Betrieb erhalten fehlerhafte Antworten und werden zwischendurch von Nutzern korrigiert. Die Autoren geben an, dass bestehende Methoden nur begrenzte Lehrersignale bieten, die in solchen Situationen das Lernen von Reflexion und Fehlerbehebung fördern. Daher werden in der dritten Lernphase wiederverwendbare „Fähigkeiten zur Reflexion“ aus Paaren von erfolgreichen und fehlgeschlagenen Verläufen extrahiert. Das dritte Verfahren, VRSD, befasst sich mit dem Punkt, dass ein Modell beim Lernen von einem Lehrer, der die Antwort kennt, dazu neigt, Aussagen ohne Überprüfung zu treffen. Die On-Policy-Selbstdestillation gibt privilegierte Informationen wie verifizierte Antworten nur an den Lehrer weiter. Den Autoren zufolge verleitet dies den Lehrer zu Abkürzungen beim Schlussfolgern mit wenig Überprüfung oder erneutem Nachdenken und verringert die Vielfalt der Ausgaben drastisch. VRSD entfernt die privilegierten Informationen nicht, sondern steuert ihre Verwendung über Systemprompts.

Allen drei Büchern ist gemeinsam, dass sie nicht nur die Korrektheit der Ergebnisse überprüfen, sondern auch Verhaltensweisen untersuchen, etwa wann nach Belegen gesucht wird, wie bei fehlerhaften Eingaben abgebrochen wird und ob Aussagen getroffen werden, ohne sie zu bestätigen. Dies sind dieselben Arten von Fragen, die externe Evaluierungsrahmen zu stellen versuchen. Wenn Leser entscheiden, ob sie ein Modell einführen, lohnt es sich, neben den Genauigkeitswerten auch darauf zu achten, wer dieses Verhalten bestätigt hat und unter welchen Bedingungen. Im nächsten Abschnitt betrachten wir, wie sich diese Bestätigung auf den Einsatz vor Ort anwenden lässt.

Einsatzbereiche, die sich auf Medizin, Psyche und Beziehungen erstrecken

Die US-amerikanische Arzneimittelbehörde FDA hat Berichten zufolge ein KI-Tool zugelassen, das das Wiederauftreten von Brustkrebs vorhersagt (ABC News). Die Zulassung ist ein Beispiel dafür, dass KI-Ergebnisse als Grundlage für medizinische Entscheidungen eine öffentliche Prüfung bestehen. Im Bereich der psychischen Gesundheit wurde berichtet, dass sich das soziale Wohlbefinden von Nutzern verbesserte, die eine KI-gestützte App verwendeten (2 Minute Medicine). Das eine ist eine diagnoseähnliche Vorhersage, das andere eine alltägliche emotionale Unterstützung, und die Zwecke sind unterschiedlich. Beide haben jedoch eines gemeinsam: Sie werden in Situationen praktisch eingesetzt, die eng mit menschlicher Gesundheit und Emotionen zusammenhängen. Bei der Überlegung zur Einführung müssen Leserinnen und Leser die Berichte über die Wirksamkeit und die Verfahren, mit denen diese bestätigt wurde, getrennt betrachten. Die FDA-Zulassung ist ein Beispiel für Letzteres, die Berichterstattung über die App liegt auf einer anderen Ebene.

Je näher das Gerät jedoch am Menschen ist, desto stärker wirkt sich eine unpassende Nutzung auf die Nutzer aus. Die New York Post berichtete, dass „AI Polys“, die KI-Chatbots in Dreierbeziehungen einsetzen, immer häufiger werden, und Fachleute warnen vor dem Risiko psychischer Erkrankungen. Vietnam.vn berichtete darüber, wie MoMo die Philosophie von Tesla und wohlwollende Regulierung nutzt, um Nutzer zu halten. Empathie ist der Wert eines Dienstes und kann zugleich ein Mittel sein, die fortgesetzte Nutzung zu fördern. Berichte über gestiegenes Glücksempfinden fallen mit Warnungen vor sich vertiefenden Beziehungen zusammen. Daher sollte man hohe Nutzerzahlen oder eine hohe Fortsetzungsrate am besten nicht als Beleg für einen großen Nutzen für die Nutzer lesen.

Auch von außerhalb der Technologie werden Fragen gestellt. The Conversation stellte die Debatte darüber vor, ob etwas ein Lebewesen oder eine Maschine ist, im Zeitalter der KI aus der Sicht des Bauern und Schriftstellers Berry. Ein Meinungsbeitrag im TCNJ Signal News argumentiert, dass KI-Kunst Kunden vertreiben wird. Dies ist die Meinung eines Studierendenmediums und keine Umfrage, die tatsächliche Veränderungen bei Umsatz oder Besucherzahlen zeigt. Es scheint jedoch, dass die Sorge, der Einsatz von KI könne das Vertrauen der Kunden untergraben, an der Produktions- und Kundenservice-Front angekommen ist.

Medizinische Zulassungen, Berichte über Wirksamkeit bei emotionaler Unterstützung, Warnungen vor Beziehungen und Bedenken hinsichtlich der Reaktionen von Kunden erfordern allesamt Entscheidungen darüber, wie die Technologie eingesetzt wird, unabhängig von ihrer Leistungsfähigkeit. In Bereichen, in denen Menschen beteiligt sind, ist es wichtiger festzulegen, wer für welchen Umfang verantwortlich ist und wo Menschen übernehmen, als zu entscheiden, ob eine Einführung möglich ist.

Schlagzeilen über Stellenabbau und Aktienkurse fallen ins Auge, doch was wir in ihnen sehen, ist, dass Stellenabbau und KI gleichzeitig diskutiert werden. Den Ausschlag gab die laufende Wartung. Im Personalbereich gibt es die Bewegung, Umschulungen vor der Einführung von KI zu planen, und dieselbe Richtung zeigt sich in Verbänden der Pflegebranche und in Bildungscurricula. Bei der Sicherheit nehmen Bewertungen durch externe Organisationen und der internationale Dialog zu, um die Selbstauskünfte der einzelnen Unternehmen zu ergänzen. Im medizinischen und psychologischen Bereich gibt es Fälle, die durch Verfahren wie die FDA-Zulassung bestätigt sind, und Fälle, die nur von Nutzern berichtet werden; je näher die Anwendung am Menschen ist, desto größer sind die Auswirkungen von Abweichungen. Bei der Überlegung zur Einführung verschiebt sich der Fokus vom Schwung der Schlagzeilen auf Inhalte wie die Vorbereitung der Menschen, Überprüfungsmechanismen und die Verlässlichkeit der Nutzung.

Q1: Wer entscheidet bei der Nutzung von KI in Ihrer Arbeit, wie sie eingesetzt wird und welche Schritte zu unternehmen sind, und wie werden die Nutzer darauf vorbereitet? Q2: Wird die Aussage, dass es keine Probleme mit den Ergebnissen oder der Nutzung von KI gibt, durch externe Bewertung oder öffentliche Verfahren bestätigt statt durch Selbstauskunft? Q3: Beruhen Entscheidungen über Personal und Investitionen darauf, ob Umschulungs- und Verifizierungsmechanismen vorhanden sind, und nicht auf Schlagzeilen oder Kursbewegungen?

Zum Schluss drei Fragen

- Wer entscheidet bei der Nutzung von KI in Ihrer Arbeit, wie sie eingesetzt wird und welche Schritte unternommen werden, und wie werden die Nutzer darauf vorbereitet? Q2: Wird die Grundlage für die Aussage, dass es keine Probleme mit den Ergebnissen oder der Nutzung von KI gibt, durch externe Bewertung oder öffentliche Verfahren bestätigt und nicht durch Selbstauskunft? Q3: Beruhen Entscheidungen über Personal und Investitionen darauf, ob Umschulungs- und Überprüfungsmechanismen vorhanden sind, und nicht auf Schlagzeilen oder Aktienkursbewegungen? - Wird die Grundlage für die Aussage, dass es keine Probleme mit den Ergebnissen oder der Nutzung von KI gibt, durch externe Bewertung oder öffentliche Verfahren bestätigt und nicht durch Selbstauskunft? Q3: Beruhen Entscheidungen über Personal und Investitionen darauf, ob Umschulungs- und Überprüfungsmechanismen vorhanden sind, und nicht auf Schlagzeilen oder Aktienkursbewegungen? - Beruhen Personal- und Investitionsentscheidungen darauf, ob Weiterbildungs- und Überprüfungsmechanismen vorhanden sind, und nicht auf Schlagzeilen oder Aktienkursbewegungen?