KI & Modelle
Was KI-Modelle wirklich leisten: OpenAI, Google Gemini, Anthropic, lokale Modelle — Fähigkeiten, Grenzen und die Geschäftsmodelle dahinter.
-
Warum stabile Teilprobleme für KI-gestützte Programmentwicklung wichtiger werden
Neue Ansätze in der KI-gestützten Programmentwicklung setzen auf stabile und evolutionäre Teilprobleme. Das verbessert Steuerbarkeit, Qualität und Wartbarkeit von generiertem Code.
-
Warum PCs und Laptops durch den KI-Boom wieder teurer werden
Jahrzehntelang wurden PCs günstiger. Jetzt dreht der KI-Boom den Trend: Speicherchips werden knapp, neue Geräte teurer und Upgrades schwieriger.
-
KI trinkt nicht Ihr Wasser leer. Neue Rechenzentren vor Ort schon.
Nicht jede KI-Anfrage verbraucht dramatische Mengen Wasser. Das Problem liegt woanders: in der Ballung neuer Rechenzentren und ihrem Druck auf lokale Wasserressourcen.
-
Die KI-Wirtschaft steckt in der Pilotfalle
Unternehmen investieren in KI, bleiben aber in endlosen Piloten hängen. Warum der aktuelle Boom unangenehm an die Dotcom-Ära erinnert.
-
Warum HLE noch nicht geknackt ist
Viele KI-Benchmarks werden schnell ausgereizt. Dass HLE noch Luft nach oben hat, liegt nicht an Magie, sondern an Aufbau, Auswertung und der Art der Aufgaben.
-
DLSS 5 im Leak: Warum Nvidias KI-Filter für Spiele schnell zum Problem werden kann
Eine geleakte DLSS-5-Mod zeigt, wie stark Nvidias KI-Filter in Spielebilder eingreifen kann. Das ist technisch beeindruckend, wirft aber alte Fragen zur Bildtreue neu auf.
-
Astra-Videos heizen Spekulationen an: Kommt OpenAIs App-Baukasten früher als gedacht?
Auf X tauchen Videos von mit Astra erstellten Apps auf. Das befeuert Gerüchte über einen baldigen Start. Entscheidend ist, was so ein Tool für Software-Teams und No-Code wirklich ändern würde.
-
Widerstand gegen KI-Rechenzentrum: Der Stromhunger der Branche trifft auf die Realität vor Ort
Ein 19,4-Milliarden-Dollar-Rechenzentrum mit Microsoft-Bezug gerät wegen mutmaßlich nicht genehmigter Gasturbinen, eines 1,5-Millionen-Gallonen-LNG-Tanks und Lärmbelastung unter Druck.
-
Parsewave und das Reviewer-Rätsel: Wenn niemand mehr sagen kann, ob die KI versagt hat oder der Prompt
Der Fall Parsewave steht für ein größeres Problem bei KI-Tools: Fehler lassen sich oft nicht sauber der Maschine oder den Anweisungen zuordnen. Warum das für Teams teuer werden kann.
-
Warum bei Frontier-Modellen am Ende nur ein System überzeugt
Claude Fable 5, GPT 5.6 Sol, Kimi K3, GLM 5.3, Qwen 3.8 Max, DS v4 Pro, Grok 4.6: Der Hype um Frontier-Modelle zeigt vor allem eins – Benchmarks reichen nicht.






























