AI Highlights — das Gesamtbild — 2026-10-24 (Sa) Tagesnachrichten

Warp Sciences hat 215 Millionen US-Dollar eingesammelt, um ein Labor aufzubauen, das mit KI und Robotern chemische Experimente durchführt. Im gleichen Zeitraum wurde berichtet, dass American Express 5 % seiner Belegschaft abbaut, und Colliers warnte, dass ein Mangel an KI-Fachkräften das Wachstum in Europa bremsen könnte. An einem Ort, an dem Finanzierung und Erwartungen hoch sind, finden gleichzeitig eine Neuordnung des Personals und ein Personalmangel statt. Den Artikeln, die wir in diesem halben Tag lesen werden, ist die Auffassung gemeinsam, dass der Unterschied zwischen Erfolg und Misserfolg weniger davon abhängt, wie viel Geld in KI investiert wird, sondern davon, wie die Investition die Überprüfung vor Ort durchläuft und von wem sie betrieben wird. Auch die Forschung zu Diagnose, Sprachklassifizierung und Vorhersage konfrontiert die Leser mit den Unterschieden zwischen Ergebnissen unter geeigneten Bedingungen und Ergebnissen in realen Umgebungen.

Partnerschaft mit riesigen Geldsummen in der KI-gestützten Wirkstoffforschung

Warp Sciences sammelt 215 Millionen US-Dollar ein, um ein KI-gestütztes Labor für die Wirkstoffforschung aufzubauen (citybiz). Laut BRIDGE ist das Unternehmen eine Firma, die KI und Roboter einsetzt, um chemische Experimente für die Wirkstoffforschung durchzuführen, und es hat Mittel in einer von Lightspeed angeführten Series-A-Runde eingeworben. In der Series-A-Phase wurden mehr als 200 Millionen US-Dollar eingesammelt. Auch das Ziel der Mittel ist von Interesse. Das Ziel ist nicht nur, Software und Modelle zu entwickeln, sondern auch Labore aufzubauen, in denen Experimente tatsächlich durchgeführt werden, und chemische Experimente zu automatisieren.

Ein weiteres Unternehmen, Pathos, ein KI-Unternehmen für die Wirkstoffforschung, hat bei einer Bewertung von 3 Milliarden Dollar 237 Millionen Dollar eingesammelt (STAT). Reuters berichtet, dass Pathos mit Bristol Myers und Tempus AI zusammenarbeiten wird, um die Arzneimittelentwicklung voranzutreiben (Reuters). Hier spiegeln der Finanzierungsbetrag und die Bewertung auch die praktische Anbindung durch eine Partnerschaft mit einem großen Pharmakonzern wider. Der Grund für die Mittelbeschaffung liegt nicht allein im Versprechen der KI. Offenbar fließt in die Bewertung auch ein, wie sie in den Entwicklungsprozess der Pharmaunternehmen eingebunden wird.

Die beiden Unternehmen haben zusammen 452 Millionen US-Dollar eingeworben. Dieser Umfang zeigt, dass die Erwartungen an KI in der Wirkstoffforschung über die Überlegenheit von Algorithmen hinausgehen und Investitionen in das gesamte Geschäft einschließen, einschließlich Laborausstattung und Partnern. Was Leser aus diesen Zahlen mitnehmen sollten, ist nicht die hohe Bewertung selbst. Entscheidend ist, ob die Mittel in Form automatisierter Versuchsaufbauten oder von Kooperationen mit großen Pharmaunternehmen eingesetzt werden.

Allerdings handelt es sich bei allen diesmal vorgestellten Materialien um Ankündigungen von Finanzierungen und Kooperationen, nicht um Berichte über Ergebnisse der Wirkstoffforschung. Das Geld wird zuerst eingesammelt; gesondert muss geprüft werden, ob das Personal für den Laborbetrieb und die Überprüfung an den tatsächlichen Entwicklungsstandorten im gleichen Tempo vorankommen.

Personalabbau und Fachkräftemangel schreiten gleichzeitig voran

American Express wird 5 % seiner Belegschaft abbauen, berichtet Demokratis.co.id. Als Grund nennt die Schlagzeile die KI-Kompatibilität. Dieser Abbau zeigt, dass die Einführung von KI nicht nur die betriebliche Effizienz verbessert hat, sondern bereits in die Phase eingetreten ist, in der die Beschäftigungsstruktur selbst neu geordnet wird. 5 % ist ein Anteil an allen Beschäftigten, kein Geldbetrag. Ein besserer Indikator dafür, wie ernst es einem Unternehmen ist, als die Frage, ob es einen hohen Betrag in KI investiert hat, ist, ob sich diese Investition in Veränderungen der Personalzusammensetzung niederschlägt. Wenn Leserinnen und Leser auf ihr eigenes Unternehmen und ihre Geschäftspartner blicken, ist die Feststellung, welche Tätigkeiten abnehmen und welche gefragt sind, ein genauerer Maßstab für die tatsächliche Lage als die Höhe der KI-bezogenen Budgets.

Andererseits reicht es nicht aus, nur über einen Personalüberschuss zu sprechen. Laut Data Center Solutions hat der Immobiliendienstleister Colliers gewarnt, dass ein Mangel an KI-Fachkräften das KI-Wachstum in Europa bremsen könnte. Die Kürzung von 5 % bei American Express und die Warnung von Colliers sind getrennte Meldungen, die etwa zur selben Zeit erschienen sind. Stellt man sie jedoch nebeneinander, zeigt sich ein einheitliches Bild. Bestehende Stellen werden abgebaut und umstrukturiert, und es fehlen Menschen, die KI vor Ort entwerfen, betreiben und warten. Es wird darauf hingewiesen, dass das Angebot an Arbeitskräften die Obergrenze für das Wachstum im europäischen Raum sein könnte; allein das Einwerben von Kapital garantiert also noch kein Wachstum. Wer eine Einführung plant, muss neben der Sicherung von Ausrüstung und Verträgen zunächst klären, woher das Personal kommen soll.

Bewegungen, die das Verhältnis zwischen Werkzeugen und ihren Trägern verändern, gibt es auch außerhalb der Industrie. Frieze porträtierte den Maler David Salle, der KI in sein Atelier einlädt. Das Atelier ist ein Ort, an dem Kreative ihre Werke mit eigenen Händen vollenden. Die Einführung von KI in diesem Bereich kann selbst als Zeichen dafür gelten, dass die Rollenteilung zwischen denen, die für die Arbeit zuständig sind, und den Werkzeugen, die sie unterstützen, neu überdacht wird. Obwohl sich diese drei Themen im Maßstab unterscheiden: Stellenabbau in Unternehmen, lokaler Fachkräftemangel und einzelne Produktionsstätten, haben sie alle eines gemeinsam: wer wofür zuständig ist und in welchem Umfang KI zuständig sein wird. Angesichts dieser Tatsachen scheint es, dass wir in eine Phase eintreten, in der der Erfolg oder Misserfolg einer Einführung nicht an der Höhe der investierten Summe gemessen wird, sondern daran, ob sich die Ergebnisse durch den tatsächlichen Einsatz vor Ort überprüfen lassen und ob sich Menschen finden lassen, die sie umsetzen können. Im nächsten Abschnitt betrachten wir, wie weit dieser Nachweis fortgeschritten ist.

Überprüfungen, die den Menschen bei Diagnose und Vorhersage übertreffen, beginnen aufzutauchen

Microsoft stellte eine Studie vor, nach der eine KI, die einer Gruppe von Ärzten nachempfunden ist, die Ärzte in der Diagnosegenauigkeit übertraf (Medical Economics). Es heißt, das Design nutze KI, um die Art der medizinischen Behandlung nachzubilden, bei der mehrere Fachleute diskutieren und zu einem Schluss kommen. Bisher wurde KI-gestützte Diagnoseunterstützung oft als Werkzeug zur Unterstützung einzelner Ärzte besprochen. Diesmal ist der Vergleichsgegenstand das Urteil einzelner Ärzte, und die Bewertungsachse hat sich vom Komfort der Unterstützung auf die Diagnosegenauigkeit selbst verlagert. Dieses Ergebnis wurde jedoch im Rahmen der Forschung erzielt. Ob dieselbe Genauigkeit in der tatsächlichen ambulanten Versorgung und in Notfallsituationen erhalten bleibt, muss durch weitere Überprüfungen abgewartet werden.

Auch in Bereichen nahe der Therapieauswahl hat die Erprobung von Vorhersagen begonnen. BostonGene wird bei der Forschung zusammenarbeiten, in der seine KI Wirksamkeit und Toxizität der CAR-T-Therapie vorhersagen soll (RegMedNet). Bei der CAR-T-Therapie drehen sich die Behandlungsentscheidungen darum, Patienten zu identifizieren, bei denen ein Nutzen zu erwarten ist, und das Risiko schwerer Nebenwirkungen im Voraus abzuschätzen. Wenn sich der Umfang der Vorhersage von der Diagnose auf Behandlungswirksamkeit und Toxizität ausweitet, wird die KI-Ausgabe nicht mehr nur eine Überlegung für Ärzte sein, sondern die Grundlage für Entscheidungen darüber, ob eine Behandlung begonnen wird und wie sie gesteuert wird. Die Form der gemeinsamen Forschung zeigt, dass das Projekt nicht mit der Vorstellung einer Methode endet, sondern in die Phase eingetreten ist, in der Daten und Fachwissen von der klinischen Seite einbezogen und überprüft werden.

Auch außerhalb der Medizin gibt es Beispiele, in denen KI für die Beobachtung vor Ort zuständig ist. EdenCore hat seine KI-basierte Technologie zur Fruchtüberwachung auf der FIRA USA vorgestellt (Fruit Growers News). Bisher wurde die Aufgabe, den Zustand der Früchte kontinuierlich zu beobachten und zu verstehen, von Personen erledigt, die die Felder besuchen. Wenn KI diese Beobachtung übernehmen soll, hängt der Wert ihrer Einführung davon ab, ob sie fortlaufend Informationen sammeln kann, die sich für Entscheidungen nutzen lassen. Da die Technologie bislang nur auf einer Messe vorgeführt wurde, muss sich erst zeigen, wie sie eingesetzt wird, um zu sehen, ob sie auf dem Feld Ergebnisse liefert.

Obwohl die Bereiche unterschiedlich sind – Diagnose, Behandlungsprognose und Fruchtbeobachtung –, haben sie gemeinsam, dass KI beginnt, die Rolle der Beobachtung und Vorhersage zu übernehmen, die das Tor zum menschlichen Urteil bildet. Hier geht es nicht um die Leistung in Forschungs- oder Ausstellungsumgebungen, sondern darum, ob sich dieselben Ergebnisse in einer realen Umgebung reproduzieren lassen und ob es genügend Menschen gibt, die die Ergebnisse annehmen und nutzen.

KI nah am Alltag und Bestätigung in realer Umgebung

Ein KI-Sprachmodell, das den Schweregrad von Dysarthrie anhand von Aufnahmen aus dem realen Alltag klassifiziert, wird auf Bioengineer.org vorgestellt. Dysarthrie ist eine Erkrankung, bei der die Verständlichkeit der Sprache beeinträchtigt ist. Bemerkenswert an diesem Bericht ist, dass er Aufnahmen aus realen Umgebungen abdeckt und nicht Audiodaten, die unter festgelegten Bedingungen erhoben wurden. Zu Hause oder in der Pflege kann man weder einen ruhigen Raum noch ein spezielles Mikrofon erwarten. Ob sich das Modell in dieser Situation einsetzen lässt, hängt davon ab, ob es auch anhand von Sprache klassifizieren kann, die Rauschen oder Schwankungen der sprechenden Person enthält. Wer eine Einführung erwägt, sollte nicht nur auf die Genauigkeitswerte schauen, sondern auch prüfen, unter welchen Aufnahmebedingungen die Genauigkeit erreicht wurde.

Im Alltag dehnt sich KI auf Beziehungen und die Art aus, wie wir unsere Zeit nutzen. Auf der Seite des Hokuriku Regional Development Bureau findet sich ein Preisvergleich von KI-Freundin-Apps, der kostenlosen Version von AI Lover sowie Hinweise zur Vorsicht. Dass es Artikel gibt, die die Preisstruktur und den Umfang der kostenlosen Version vergleichen, zeigt, dass diese Art von Apps vom Ausprobieren in eine Phase übergegangen ist, in der manche Menschen sie aus Kostenerwägungen auswählen. Nutzer sollten gesondert bedenken, was sie kostenlos beginnen können und wofür sie zahlen müssen, um weiterzumachen. Unterdessen berichtet Unite.AI, dass drei Oberstufenschüler MyDaye AI gestartet haben. Es ist ein Werkzeug, um volle Terminkalender in Tagespläne einzubinden, und die Entwickler stammen aus einer Generation, die den Nutzern nahesteht.

Im Bereich der Emotionen lässt sich auch über Autos sprechen. Yahoo! News berichtete über den Vision Cross Compact von Mazda, an den sich Erwartungen für den Mazda 2 der nächsten Generation knüpfen. Dieses Auto soll als "bester Freund" mit "empathischer KI" Aufmerksamkeit erregen. Allerdings handelt es sich um Erwartungen an ein Fahrzeug, das sich noch im Konzeptstadium befindet, und im tatsächlichen Fahrbetrieb wurde noch nicht bestätigt, wie die Empathie während der Fahrt funktioniert.

Die bisherigen vier Fälle betreffen unterschiedliche Situationen: medizinische Unterstützung, Liebe, Schularbeiten und Terminplanung sowie Verkehr. Gemeinsam ist ihnen jedoch, dass KI zunehmend in der Nähe der Details und Gefühle des Alltags von Menschen eingesetzt wird. In diesem Fall geht es bei der nächsten Frage weniger um ihre hohe Leistungsfähigkeit, sondern darum, wer sie vor Ort weiterhin nutzen wird und wer die Verantwortung dafür trägt.

Auf den ersten Blick sind die Finanzierungssumme für KI in der Wirkstoffforschung, die Quote des Stellenabbaus, der Vergleich der Diagnosegenauigkeit und die Klassifikation anhand von Aufnahmen aus realen Umgebungen unterschiedliche Themen. Gemeinsam war jedoch jedem Abschnitt, dass sich die Maßstäbe für Erfolg oder Misserfolg einer Einführung von Investitionssummen und Erwartungen wegbewegen, hin zu Nachweisen vor Ort und zur Sicherung der Personen, die die Führung übernehmen. Selbst wenn die Finanzierung groß ist, bleibt es eine eigene Frage, ob das Labor das Experiment durchführen kann. Ob die im Rahmen der Forschung erreichte Genauigkeit in der ambulanten Versorgung oder zu Hause erhalten bleibt, muss gesondert überprüft werden. Dasselbe zeigt sich darin, dass manche Unternehmen ihre Belegschaft verkleinern, während andere über Fachkräftemangel klagen. Statt darauf zu schauen, was in KI investiert wurde, liefert der Blick darauf, was unter welchen Bedingungen überprüft werden kann und ob genügend Personal dafür vorhanden ist, Anhaltspunkte für künftige Einführungsentscheidungen.

Q1: Unter welchen Bedingungen wurden Genauigkeit und Wirksamkeit der KI bei der Anwendung in Ihrer täglichen Arbeit bestätigt, und können Sie dies anhand der Bedingungen an Ihrem eigenen Arbeitsplatz erläutern? Q2: Wenn eine auf KI-Ausgaben basierende Entscheidung falsch ist, wie weit lassen sich die Verantwortlichkeit und die Prüfprotokolle zurückverfolgen? Q3: Wie viele Ressourcen sind neben dem KI-Budget für die Sicherung von Personal und die Durchführung von Demonstrationen vor Ort vorgesehen? Können Sie diese Zuteilung als Managemententscheidung erläutern?

Zum Schluss drei Fragen

- Unter welchen Bedingungen wurden Genauigkeit und Wirksamkeit der KI beim Einsatz in der jeweiligen Arbeit bestätigt, und können Sie dies vor dem Hintergrund der Bedingungen an Ihrem eigenen Arbeitsplatz erläutern? Q2: Wenn eine auf KI-Ergebnissen beruhende Entscheidung falsch ist, wie weit lassen sich die Verantwortlichkeit und die Nachweise der Überprüfung zurückverfolgen? Q3: Wie viele Ressourcen werden abseits des KI-Budgets für die Sicherung von Personal und die Durchführung von Vor-Ort-Demonstrationen bereitgestellt? Können Sie diese Zuteilung als Managemententscheidung erläutern? - Wenn eine auf KI-Ergebnissen beruhende Entscheidung falsch ist, wie weit lassen sich die Verantwortlichkeit und die Nachweise der Überprüfung zurückverfolgen? Q3: Wie viele Ressourcen werden abseits des KI-Budgets für die Sicherung von Personal und die Durchführung von Vor-Ort-Demonstrationen bereitgestellt? Können Sie diese Zuteilung als Managemententscheidung erläutern? - Wie viele Ressourcen werden abseits des KI-Budgets für die Sicherung von Personal und die Durchführung von Vor-Ort-Demonstrationen bereitgestellt, und lässt sich diese Zuteilung als Managemententscheidung erläutern?