
Sign up to save your podcasts
Or


OpenAI berichtet am 17. November über die Zusammenarbeit mit der NATO-Agentur NCIA. KI-Modelle sollen bei der Cyberabwehr helfen. Marc und Irene fragen, welche Arbeit ein Agent übernehmen kann und welche Nachweise nötig sind, bevor er einen laufenden Dienst verändert.
Ein separater Fall von CERT Polska zeigt konkrete Arbeit im betreuten RouterOS-Labor und Korrekturen gegen beobachtete Angriffe. Dazu gehört die spätere Klarstellung des Herstellers: Ein erster Patch für eine der Schwachstellen war unvollständig; spätere Versionen enthielten die vollständige Korrektur. Das belegt weder einen von KI verursachten Patchfehler noch heutige Verwundbarkeit. Wir haben die Tests nicht selbst wiederholt.
Die Übung Crossed Swords und Empfehlungen von ENISA und CERT-EU ergänzen die Frage nach Aufsicht und Freigabe. Sie dokumentieren nicht die tatsächlichen Zugriffsrechte von KI im NATO-Produktionsbetrieb. Auch die von OpenAI genannte Token-Obergrenze ist kein Nachweis verhinderter Angriffe oder eingesparter Arbeitszeit.
Quellen:
https://openai.com/index/strengthening-nato-allied-cyber-defences-ai
https://cert.pl/en/posts/2026/09/vulnerabilities-in-mikrotik-routeros-actively-exploited/
https://mikrotik.com/supportsec/september-2026-vulnerability/
https://ccdcoe.org/news/2026/exercise-crossed-swords-tests-cyber-operations-and-multi-domain-coordination/
https://www.enisa.europa.eu/sites/default/files/2026-11/ENISA_CERTEU_JOINTREPORT_Final.pdf
Kapitel:
00:00 Prüfen oder gleich eingreifen?
01:04 Was der Agent im Labor übernimmt
02:16 Ein Fund ist noch kein vollständiges Update
03:24 Aufsicht muss zu den Werkzeugen passen
04:48 Woran sich der Nutzen erkennen lässt
06:04 Welche Verantwortung beim Menschen bleibt
Der Physiker Nathaniel Craig beschreibt, wie GPT-6 Astra ihm half, eine eigene Strategie zu einer mathematischen Konstruktion und einem detaillierten Beweis auszuarbeiten. Es geht um einen neuen Ansatz für eine Gitterbeschreibung von Theorien, zu denen auch das Standardmodell der Teilchenphysik gehört. Marc und Irene verfolgen die Arbeitsteilung, die Überarbeitungen und einen konkreten Gewinn durch die Prüfung.
Die Zuschreibung der KI-Beiträge stammt aus Craigs Bericht und der Danksagung des Papers. Der veröffentlichte Lean-Bericht dokumentiert formale Prüfungen unter angegebenen Annahmen sowie ergänzte Argumente und abweichende Prüfbefunde; wir haben die Läufe nicht selbst wiederholt. Edward Wittens separate Arbeit entwickelt einen Variantenweg zu Craigs Ansatz. Das ist wissenschaftliche Weiterarbeit, keine Gesamtzertifizierung des Ergebnisses oder der KI-Beiträge.
Das Gitter ist ein mathematisches Hilfsmittel. Es wurden keine neuen Teilchen oder Pixel des Universums entdeckt. Realistische Simulationen und weitere Fragen zur vollständigen Theorie bleiben offen. Der Beitrag behauptet keine gemessene Zeitersparnis und keine Wiederholbarkeit für beliebige Nutzer.
Quellen:
https://home.cern/science/physics/standard-model
https://openai.com/index/step-toward-defining-the-standard-model/
https://arxiv.org/pdf/2610.09093
https://www.physics.ucsb.edu/people/nathaniel-craig
https://arxiv.org/src/2610.09093v1/anc/lean-verification-report.pdf
https://arxiv.org/pdf/2611.05051
Kapitel:
00:00 Eine erfolgreiche Theorie, eine offene Aufgabe
01:15 Warum ein Gitter nicht genügt
02:27 Die Idee des Menschen, die Arbeit der KI
03:39 Wenn Prüfen den Beweis genauer macht
04:56 Die Arbeit geht in die Wissenschaft hinaus
05:59 Was dieser gemeinsame Versuch ermöglicht
Claude Fable 5.2 erreicht laut Anthropics Bericht im Remote Labor Index 41,3 Prozent angenommene Projekte; Fable 5.1 steht in derselben Veröffentlichung bei 17,9 Prozent. Marc und Irene erklären an einem dokumentierten Kartenauftrag, was ein fertiges Ergebnis ausmacht und welche begrenzte Arbeit man einer KI bis zur Lieferung übergeben könnte.
Die 41,3 Prozent entsprechen 99 von 240 Projekten unter Benchmarkbedingungen. Das Kartenbeispiel war bereits 2025 mit Sonnet 4.5 erfolgreich; ein konkreter Fable-5.2-Erfolg bei dieser Karte ist nicht belegt. Unser vorgeschlagener eigener Versuch ist hypothetisch. Wir haben Fable nicht selbst getestet.
Modell, Agentenumgebung, Werkzeuge und menschliche Abnahme gehören zusammen. Die historischen und aktuellen Benchmarkangaben sind nicht vollständig vergleichbar. Die Quote ist weder eine persönliche Erfolgsgarantie noch ein Anteil ersetzter Arbeitsplätze. Genannte API-Preise sind keine Abo- oder Projektpreise.
Quellen:
https://www.anthropic.com/claude-fable-and-mythos-5-2
https://www.anthropic.com/document/claude-fable-5-2-mythos-5-2-system-card
https://arxiv.org/pdf/2510.26787v1
https://labs.scale.com/leaderboard/rli
https://www.anthropic.com/claude/fable
https://claude.com/product/cowork
Kapitel:
00:00 Mehr fertige Arbeit
01:09 Von der Tabelle zur Anwendung
02:21 Was die 41,3 Prozent bedeuten
03:35 Ein verständlicher Auftrag kann groß sein
04:46 Modell, Werkzeuge und Kosten
06:08 Den ganzen Auftrag klar begrenzen
Welche organisatorische Arbeit kann ein KI-Assistent Angehörigen abnehmen? An einem ausdrücklich erfundenen Familienalltag vergleichen Marc und Irene einen Aufgabenentwurf mit dem vorhandenen Kalender, bereiten Fragen für eine Fachperson vor und klären, wann Verantwortung tatsächlich übergeben ist. Entscheidend ist, was nach dem Prüfen und Abstimmen an Entlastung bleibt.
Anlass sind die von OpenAI am 10. November 2026 angekündigten kostenlosen ChatGPT-Workshops in fünf US-Städten. Die Ankündigung belegt keine Zeitersparnis und keine medizinische Wirksamkeit. Historische Daten des Schweizer Bundesamts für Gesundheit und allgemeine WHO-Leitlinien liefern Kontext; sie bewerten diese Workshops nicht. Die Beispiele sind mögliche Anwendungen, keine Produkttests oder Behandlungsempfehlungen.
Quellen:
https://openai.com/index/helping-caregivers-use-ai-in-everyday-life/
https://www.bag.admin.ch/dam/de/sd-web/gNtVFuLa42LH/faktenblatt-synthesebericht-angehoerige.pdf
https://www.who.int/news/item/18-01-2024-who-releases-ai-ethics-and-governance-guidance-for-large-multi-modal-models
Kapitel:
00:00 Hilfe zwischen den Terminen
01:06 Was die Ankündigung verspricht
02:25 Wann der Kalender genügt
03:34 Fragen für das Gespräch vorbereiten
04:49 Wer übernimmt die offene Fahrt?
05:55 Ein kleiner Versuch, der Arbeit abnimmt
KI-generierte Videos, Schnitt und Grafik als ein Auftrag: Eine Studie von OpenAI und Upwork untersucht, wie Kunden solche Aufgaben verbinden. Marc und Irene zeigen, welche größeren Leistungen Freelancer anbieten könnten und wo sie Unterstützung brauchen, um das Ergebnis zu verantworten.
Ein im Bericht beschriebenes Bündel aus KI-generiertem Video, Produktion, Schnitt und Motion Graphics dient als Ausgangspunkt. Unser daraus entwickeltes Produktvideo ist ausdrücklich ein hypothetisches Beispiel, keine Geschichte über eine erfolgreich abgeschlossene Kundenarbeit. Chatbot-Integration und Marketingabläufe zeigen weitere mögliche Verbindungen und andere Anforderungen an die Abnahme.
Nach statistischer Berücksichtigung von Ausschreibungsmonat und Arbeitsunterkategorie liegen die angebotenen Festbudgets bei KI-bezogenen Anzeigen rund 52 Prozent höher, die angebotenen Stundensätze etwa 1,5 Prozent. Das sind keine nachgewiesenen Einkommensgewinne; die Analyse erfasster Arbeitsstunden betrifft eine andere Gruppe. Der Bericht zeigt Zusammenhänge auf einem Marktplatz und beweist keine kausale Wirkung von KI auf einzelne Aufträge oder Personen.
Am Ende steht ein begrenztes Angebot: ein verständliches Ergebnis, geklärte Voraussetzungen und eine Prüfung, die jemand tatsächlich leisten kann.
Studie und Ankündigung vom 10. November 2026:
https://openai.com/index/ai-effect-on-freelance-work/
https://cdn.openai.com/pdf/openai-upwork-full-report.pdf
HackerTube sammelt YouTube-Empfehlungen aus dem Forum Hacker News und nutzt laut Projekt Claude, um Kommentare einzuordnen und Videokarten zu erstellen. Marc und Irene gehen einer Karte zu Filterkaffeemaschinen nach: Wie hilft KI dabei, eine eigene Videoliste zusammenzustellen, und welchen Quellen und Auswahlregeln wollen wir vertrauen?
Acht Kommentare, sieben Empfehlende: Eine Verlinkung ist nicht automatisch eine Empfehlung. Ein Originalkommentar zum Video von Technology Connections ist nachvollziehbar; den ganzen Film haben wir nicht angesehen. Wiederkehrende Empfehlungen in verschiedenen Monaten sind bei HackerTube ein Auswahlkriterium, kein Beweis für die Qualität eines Videos.
YouTubes Beschreibung von Zufriedenheitssignalen aus dem Jahr 2021 und Blueskys wählbare Feeds von 2023 helfen beim Vergleich. HackerTube personalisiert ebenfalls. Zum Schluss überlegen wir, wie man mit einer konkreten Frage und ausgewählten Quellen anfangen und die eigenen Regeln anhand der Vorschläge überprüfen könnte. Ein Qualitätsvorsprung gegenüber YouTube wurde hier nicht getestet.
Projekt und Datenerklärung:
https://hackertube.org/about
https://hackertube.org/data
Die Kaffeekarte und ein Originalkommentar:
https://hackertube.org/watch/Sp9H0MO-qS8
https://news.ycombinator.com/item?id=34313980
Historischer Kontext:
https://blog.youtube/inside-youtube/on-youtubes-recommendation-system/
https://bsky.social/about/blog/7-27-2023-custom-feeds
Bericht über den Aufbau des Projekts:
https://the-decoder.de/ki-forscher-andrej-karpathy-filtert-43-millionen-hacker-news-kommentare-zu-einer-kuratierten-video-plattform/
Kapitel:
00:00 Wer empfiehlt uns die Kaffeemaschine?
01:10 Ein Link kann vieles bedeuten
02:31 Was Claude zum eigenen Werkzeug beiträgt
03:55 Was wäre daran besser als YouTube?
05:06 Die Regeln wählen können
06:34 Mit einer überschaubaren Auswahl anfangen
Nous Research hat Arete als nachtrainierte Version von Qwen veröffentlicht und nennt westliche Werte ausdrücklich als Ziel. Marc und Irene verfolgen an einem veröffentlichten Trainingsfall, wie sich Tatsachenbehauptungen, Antwortverweigerung und politische Rahmung unterscheiden. Was zeigt der Test des Entwicklers, und wer legt fest, was sein Prüfer belohnt?
Der Fall fragt nach journalistischer Skepsis gegenüber einer Festnahme aufgrund eines polizeilichen Gesichtsabgleichs. Die veröffentlichten Antworten stammen von der Ausgangsversion Qwen und dem Lehrermodell Inkling. Sie sind kein Vorher-nachher-Beispiel für Qwen und Arete. Die mitgelieferten Prüfnotizen kritisieren auch Angaben der Lehrerantwort.
Die Selbstbewertung von Nous wird zusammen mit ihrer Faktenbewertung und den Grenzen der Rubrik erklärt. OpenAIs politische Bewertung, Claudes Verfassung und der frühere Rückzug einer übermäßig zustimmenden GPT-4o-Version zeigen andere Wege, Verhalten zu messen oder zu beeinflussen. Daraus entsteht kein Rangvergleich der Anbieter.
Zum Schluss geht es um die Wahl offener Modelle und eine eigene Prüfung: Belege vorab festlegen, Tatsachen von Empfehlungen trennen und Antworten in der tatsächlich verwendeten Sprache vergleichen. Veröffentlichte Gewichte und Regeln ermöglichen Einsicht und Anpassung; sie garantieren keine Neutralität oder fehlerfreien Antworten.
Quellen:
https://nousresearch.com/arete
https://openai.com/index/defining-and-evaluating-political-bias-in-llms/
https://www.anthropic.com/news/claude-new-constitution
https://openai.com/index/expanding-on-sycophancy/
OpenAI beschreibt ein Testgerät für Gespräche mit Codex: Zwei Mitarbeiter entwarfen es mit Astra als Nebenprojekt, ein Auftragshersteller fertigte eine kleine Prototypenserie. Marc und Irene verfolgen den Weg von den Anforderungen über Gehäuse, Elektronik und Software bis zur Herstellung. Was davon könnte einer kleinen Mannschaft mit einer eigenen Produktidee helfen?
Die Sitzhalterung von GM und Autodesk aus dem Jahr 2018 zeigt, was generatives Konstruieren schon früher konnte. Der Versuch von Chip Ganassi Racing führt in die Gegenrichtung: vom Scan einer vorhandenen Sache zu einem bearbeitbaren technischen Modell. JARVIS am MIT bringt Werkstätten, Erfahrung und Erprobung in die Geschichte zurück. Die Zusammenarbeit mit Mazda ist ein Forschungsvorhaben, dessen Ergebnisse noch folgen sollen.
Der berichtete Geräteversuch erforderte mehrere Prüfrunden vor der Fertigung. Ein öffentlich verfügbarer Baukasten mit der speziellen Arbeitsumgebung und den Gerätedateien ist damit nicht belegt. Die Beispiele zeigen mögliche Ansatzpunkte für eigene Vorhaben; sie belegen keine allgemeine Zeit- oder Kostenersparnis. Die Angaben zum Gerät und zu den Industriepartnern stammen von OpenAI, die historischen und studentischen Beispiele aus Berichten von Autodesk und MIT.
Welche Sache würdet ihr gern verbessern, und welcher erste Entwurf würde euch helfen, über den nächsten Schritt zu entscheiden?
Quellen:
https://openai.com/index/accelerating-engineering-for-the-physical-world/
https://adsknews.autodesk.com/en/news/gm-autodesk-using-generative-design-vehicles-future/
https://news.mit.edu/2026/can-ai-build-jet-engine-jarvis-challenge-tests-ai-copilots-in-tough-tech-engineering-0714
NVIDIAs Städteüberblick vom 2. November 2026 verbindet KI-Assistenten, gemeinsame Rechenleistung und die Auswertung von Straßenbildern. Marc und Irene verfolgen einen gedachten Weg durch die digitale Verwaltung: Was hilft einem Einwohner bei der Anmeldung zu einem Onlinedienst, und wo braucht er weiterhin den zuständigen Support?
Am Beispiel des katalanischen Verwaltungsverbunds AOC erklären sie die dokumentierte Informationshilfe von GuIA. Der Assistent sucht in offiziellen Hilfeartikeln; er greift nicht auf persönliche Akten zu und trifft keine Verwaltungsentscheidungen. Die Betriebsgeschichte der generativen Assistenten des Verbunds reicht bis 2024 zurück.
Von dort führt das Gespräch zu gemeinsam genutzten Rechnern und einem von NVIDIA als im Aufbau beschriebenen Videoprojekt in Breslau. Es handelt sich um getrennte Anwendungen. Zum Schluss geht es darum, welche Hilfe eine Stadt beauftragen sollte, welche Daten sie dafür braucht und wer Fehler korrigiert.
Die Angaben stammen aus dem NVIDIA-Überblick und veröffentlichten Unterlagen des Betreibers. Der Weg des Einwohners ist eine Illustration, kein eigener Live-Test. Die genannten Supportzahlen belegen keine kürzeren Warteschlangen und isolieren den Effekt generativer KI nicht.
Quellen:
https://blogs.nvidia.com/blog/cities-physical-agentic-ai-applications/
https://www.aoc.cat/projecte-innovacio/xatbots-ia-generativa-aoc/
https://suport.aoc.cat/ca-ES/condicions-us-guia/
https://www.aoc.cat/ia-transparencia-xatbots-amb-ia-generativa/
Bei Cult.fit hat die Personalabteilung mit Codex einen Ablauf für Mitarbeiterbeurteilungen gebaut, der Planung, Rückmeldungen und die Zusammenführung der Informationen organisiert. Marc und Irene fragen, wie aus dem Wissen eines Fachteams ein verlässliches Werkzeug wird und wann sich Eigenbau gegenüber einem fertigen Dienst lohnt.
Der am 5. November 2026 veröffentlichte Kundenbericht von OpenAI beschreibt mehr als zwanzig interne Anwendungen aus Teams außerhalb der Softwareentwicklung. Cult.fit ist ein indisches Fitnessunternehmen mit Studios und Kursen. Ingenieure unterstützen die Teams durch gemeinsame Entwicklungskonventionen, regelmäßige Sprechstunden und Mitarbeit in ausgewählten Bereichen.
Der HR-Prozess führt durch den Gesprächsverlauf. Fragen zu Zugriffsrechten, Abnahme und späterer Pflege sind unsere Überlegungen für eine eigene Einführung. Die konkrete Umsetzung dieser Punkte bei Cult.fit ist im Bericht nicht beschrieben.
Ein separater Fall zeigt die wirtschaftliche Abwägung. Ein Ingenieur ersetzte eine teurer gewordene Dashboard-Funktion durch eine eigene Anwendung. Cult.fit nennt dadurch vermiedene jährliche Softwarekosten von mehr als $100.000. Eine vollständige Rechnung einschließlich Entwicklung, Infrastruktur und Betreuung liegt im Kundenbericht nicht vor.
Die Angaben stammen von Cult.fit und OpenAI. Quellen und Einordnung:
OpenAI, Cult.fit builds operational muscle with Codex, 5. November 2026
https://openai.com/index/cultfit-builds-with-codex/