In dieser Folge geht es um Claude Sonnet 4.5, das neue große Sprachmodell von Anthropic. Am 29. September 2025 veröffentlicht, gilt es als das derzeit beste KI-Modell für Coding und Computerbedienung. Besonders beeindruckend: Es kann bis zu 30 Stunden am Stück fokussiert an komplexen Aufgaben arbeiten. Anthropic bringt außerdem neue Entwickler-Tools mit, darunter das Claude Agent SDK für eigene KI-Agenten und Checkpoints in Claude Code, die längere Workflows erleichtern. Trotz gleicher Preise wie der Vorgänger berichten frühe Tester von einem klaren Sprung nach vorne – besonders für Softwareentwicklung, Finanzen und Rechtswesen.

In dieser Folge geht es um die sogenannte GenAI-Kluft – also die wachsende Lücke zwischen hohen Investitionen in generative KI und dem tatsächlichen Geschäftsnutzen. Der Bericht „State of AI in Business 2025“ zeigt: Zwar fließen Milliarden in GenAI-Projekte, doch 95 % der Unternehmen sehen keinen messbaren ROI. Warum? Viele nutzen statische Tools, die nicht lernen oder sich in Arbeitsabläufe einfügen. Nur eine kleine Gruppe – rund 5 % – schöpft echten Mehrwert, meist durch lernfähige Systeme und externe Partnerschaften. Der Schlüssel zur Zukunft: Agentic AI – intelligente Systeme mit Gedächtnis und Anpassungsfähigkeit.

In dieser Folge geht es um ChatGPT Pulse – eine neue Funktion von OpenAI, die ChatGPT vom reinen Antwortgeber zum persönlichen KI-Assistenten weiterentwickelt. Pulse liefert dir täglich personalisierte Updates in Form von übersichtlichen Karten, basierend auf deinen bisherigen Chats, deinem Feedback und verbundenen Apps wie dem Kalender. Ziel ist es, dir relevante Infos und nächste Schritte zu deinen Zielen zu zeigen – ohne dass du extra danach fragen musst. Du kannst steuern, welche Themen für dich wichtig sind, und natürlich bleiben Sicherheits- und Datenschutzaspekte dabei im Fokus.

In dieser Folge geht es um einen spannenden Wandel in der Forschung mit KI: weg vom bloßen Prompt Engineering hin zur strukturierten Prompt Science. Viele Forschende setzen aktuell Prompts eher improvisiert ein – was zu wenig nachvollziehbaren und schwer wiederholbaren Ergebnissen führt. Als Lösung wird eine neue Methode vorgestellt, die an qualitative Kodierung erinnert: Menschen werden aktiv in den Prozess einbezogen, um Prompts systematisch zu entwickeln, zu testen und zu überprüfen. Ziel ist es, die Arbeit mit Sprachmodellen wissenschaftlich fundierter, transparenter und verlässlicher zu machen.

In dieser Folge geht es um eine große Studie von OpenAI zur Nutzung von ChatGPT. Analysiert wurden 1,5 Millionen Gespräche über drei Jahre hinweg - weltweit. Die Ergebnisse zeigen: ChatGPT wird vor allem für alltägliche Aufgaben genutzt, z. B. zur Informationssuche oder bei kleinen Entscheidungen. Etwa ein Drittel der Nutzung ist beruflich motiviert. Besonders spannend: Die Akzeptanz wächst auch in Ländern mit geringerem Einkommen, und Geschlechterunterschiede nehmen ab. ChatGPT wird so zu einem echten Alltagswerkzeug – mit spürbarem wirtschaftlichen Nutzen.

In dieser Folge geht es um zwei zentrale Fragen beim Einsatz von KI: Wie fair sind die Ergebnisse großer Sprachmodelle (LLMs)? Und wie gut können wir ihre Entscheidungen nachvollziehen? Wir sprechen über ein Rahmenwerk namens „Reflexive Prompt Engineering“, das ethische und technische Aspekte bei der Erstellung von Prompts kombiniert, sowie über neue Forschung, die zeigt: Einfache Anti-Bias-Tricks reichen in echten Anwendungssituationen oft nicht aus. Stattdessen braucht es gezielte Eingriffe in die Modelle und klare Strategien, um Vorurteile zu erkennen und zu reduzieren.

In dieser Folge geht es um Meta Prompting – also darum, wie KIs dabei helfen können, bessere Anweisungen (Prompts) für andere KIs zu schreiben. Statt sich mühsam selbst gute Prompts auszudenken, können wir jetzt die KI selbst um Hilfe bitten: Sie schlägt Formulierungen vor, bewertet sie und verbessert sie weiter. Dabei kommen verschiedene Methoden und Werkzeuge zum Einsatz, die zeigen, wie sich das Schreiben von Prompts immer mehr automatisieren lässt – und trotzdem bessere Ergebnisse liefert.

In dieser Folge tauchen wir ein in das Tree of Thoughts (ToT) Prompting – eine fortschrittliche Technik, mit der große Sprachmodelle wie ChatGPT Probleme strukturierter und kreativer lösen können. Anders als bei linearem Denken nutzt ToT eine baumartige Struktur: Mehrere Lösungsideen („Vorschlags-Prompts“) werden erzeugt, bewertet („Wert-Prompts“) und systematisch verfolgt – ähnlich wie beim menschlichen Nachdenken. Besonders bei komplexen Aufgaben wie Mathematik oder kreativem Schreiben zeigt ToT beeindruckende Ergebnisse. Gleichzeitig sprechen wir über Grenzen, wie den hohen Rechenaufwand bei einfachen Aufgaben.

In dieser Folge geht es um das neue „Nano Banana“-Upgrade der Gemini-App von Google DeepMind. Die KI-gestützte Bildbearbeitung erreicht damit ein neues Level: Personen und Haustiere bleiben trotz tiefgreifender Bearbeitung – wie Kleidungstausch oder Hintergrundwechsel – realistisch erkennbar. Neu sind Funktionen wie die Kombination mehrerer Bilder zu neuen Szenen, mehrstufige Bearbeitungen und stilübergreifende Anpassungen zwischen Bildern. Dabei achtet Gemini auf Transparenz: Alle generierten Bilder erhalten sichtbare und unsichtbare Wasserzeichen, um ihre KI-Herkunft klarzumachen.

In dieser Folge werfen wir einen Blick auf die Entwicklung des Prompt Engineerings – von der exakten Formulierung früher Prompts bis zur strategischen Aufgabenbeschreibung heutiger KI-Systeme. Wir sprechen darüber, warum gutes Prompting mehr ist als nur Befehlseingabe: Es geht um strukturiertes Denken, Zielklarheit und relevante Informationen. Der Artikel beleuchtet zudem die wachsende Rolle des „Context Engineerings“, das die KI durch gezielte Hintergrundinformationen zu besseren Ergebnissen führt. Fazit: Auch wenn KI immer autonomer wird – der Mensch bleibt entscheidend für die Qualität der Antworten.

In dieser Folge geht es um die zunehmende Nutzung von Künstlicher Intelligenz an deutschen Schulen – sowohl durch Schüler als auch als potenzielles Hilfsmittel für Lehrkräfte. Wir sprechen über Chancen wie individuelle Förderung und Entlastung, aber auch über Risiken wie den Verlust kritischer Denkfähigkeiten und wachsende Bildungsungleichheit. Außerdem diskutieren wir, ob klare Regeln, neue Bewertungsmethoden oder sogar ein Verbot nötig sind – und warum viele Experten stattdessen eine reflektierte Integration von KI im Schulalltag fordern.

Diese Folge widmet sich einer spannenden Forschungsarbeit zur Unterscheidung zwischen KI-generierter und menschlicher Kunst. Mithilfe verschiedener Machine-Learning-Modelle – darunter Logistic Regression, SVM, MLP und CNN – wurden Werke in den Stilen Barock, Kubismus und Expressionismus analysiert. Ziel war es, herauszufinden, ob Algorithmen zuverlässig erkennen können, ob ein Bild von einer KI oder einem Menschen stammt. Die Ergebnisse zeigen: Ja, mit hoher Genauigkeit – allerdings bleibt die stilistische Einordnung menschlicher Werke eine Herausforderung. Was bedeutet das für Künstler, KI und die Zukunft der Kunst?

In dieser Folge geht es um die faszinierende Welt der KI-Kunst – also um Kunstwerke, die mithilfe künstlicher Intelligenz geschaffen oder von ihr beeinflusst werden. Basierend auf einem Wikipedia-Artikel beleuchten wir drei Hauptkategorien: KI als Generator, Werkzeug oder Inspiration. Wir werfen einen Blick auf die historischen Wurzeln, moderne Technologien wie GANs und aktuelle Entwicklungen auf dem Kunstmarkt. Außerdem thematisieren wir die spannenden – und kontroversen – Diskussionen rund um Stereotypen, Deepfakes und Urheberrechte.

Heute wird es nochmals philosophisch!
In dieser Folge geht es um die spannende Frage: Können KI-Agenten so etwas wie freien Willen haben? Basierend auf einem Fachartikel werfen wir einen Blick auf den funktionalen freien Willen – also die Idee, dass Handlungen absichtlich, kontrolliert und zwischen echten Alternativen getroffen werden. Der Clou: Weder Menschen noch KI-Agenten durchbrechen Naturgesetze, doch ihr Verhalten lässt sich oft am besten erklären, wenn man ihnen Entscheidungsfähigkeit zuschreibt. Anhand von Beispielen wie dem Minecraft-Agenten Voyager diskutieren wir, warum manche KI-Systeme funktional gesehen wie Wesen mit freiem Willen erscheinen – auch ohne Bewusstsein.

In dieser Folge dreht sich alles um Chain-of-Thought (CoT) Prompting – eine Methode, mit der Large Language Models komplexe Aufgaben besser lösen können. Wir erklären, wie diese Technik funktioniert, warum sie so wirkungsvoll ist, und wo sie zum Einsatz kommt – von Matheaufgaben bis hin zu Bildung und Chatbots im Kundenservice. Außerdem werfen wir einen Blick auf Varianten wie Zero-Shot CoT und multimodales CoT, diskutieren Vorteile wie höhere Antwortqualität, aber auch Herausforderungen wie den steigenden Rechenaufwand.

KI ist überall – zumindest auf dem Papier. In dieser Folge decken wir auf, wie Unternehmen mit dem Buzzword „Künstliche Intelligenz“ um sich werfen, um Investoren zu ködern und innovativ zu wirken – auch wenn kaum echte Technologie dahintersteckt. Wir sprechen über die Risiken für Wirtschaft, Gesellschaft und Vertrauen – und darüber, wie du KI-Washing entlarvst, bevor du dich vom nächsten „smart tool“ blenden lässt.

Diese Folge beleuchtet den Bericht „Science in the age of AI“ der Royal Society, der aufzeigt, wie künstliche Intelligenz die wissenschaftliche Forschung transformiert. Wir sprechen über Potenziale wie Effizienzgewinne und neue Erkenntnisse, aber auch über Risiken rund um Reproduzierbarkeit, ethische Fragen und Datenqualität. Zudem geht es um die wachsende Rolle des Privatsektors und die Bedeutung interdisziplinärer Kompetenzen. Ziel ist ein verantwortungsvoller Einsatz von KI – im Dienste der Forschung und der Gesellschaft.

„KI-Slop“ – so nennt man die Flut an generischen Texten, Bildern und Videos, die generative KI inzwischen im Sekundentakt ausspuckt. Ob Social Media, Politik, Werbung, Bücher oder Filme: KI-Slop ist längst überall und verwandelt das Netz in ein Buffet aus billigem Content-Dosenfutter. In dieser Folge spreche ich darüber, wie es so weit kommen konnte, welche Branchen besonders betroffen sind und was das für unsere Medienkultur bedeutet.

In dieser Folge sprechen wir über aktuelle Studien, die zeigen, wie große Sprachmodelle persönliche Informationen wie Standort oder Einkommen erschreckend genau aus Texten ableiten können – weit über das reine Auswendiglernen hinaus. Zudem werfen wir einen Blick auf „vec2vec“, eine neue Methode zur Übersetzung von Text-Einbettungen zwischen Modellen, die selbst ohne gepaarte Daten funktioniert. Beide Ansätze verdeutlichen, wie leicht sensible Informationen extrahiert werden können und warum wir dringend über neue Schutzmechanismen im Umgang mit KI diskutieren müssen.
Bitte beachte, dass sich jederzeit rechtliche Grundlagen & technische Gegebenheiten ändern können. Diese Folge spiegelt daher keine aktuelle Gesetzeslage wider.

Heute geht’s darum, wie das Gaming wieder eine zentrale Rolle in der Entwicklung von KI spielt. Spiele bieten perfekte Trainingsumgebungen: klar definierte Regeln, unendliche Szenarien, und jede Menge Herausforderungen.

KI-Systeme treten dort gegeneinander an, lernen voneinander und verbessern sich stetig – fast wie im Sporttraining. Das Ziel? Künstliche Intelligenz, die selbstständig denkt, plant und handelt.

Spannend ist: Eine KI lernt inzwischen, indem sie mit oder gegen andere KIs spielt. So entstehen Systeme, die nicht nur gut im Spiel sind, sondern auch komplexe Aufgaben im echten Leben lösen können.

Gaming wird so zur Spielwiese für die nächste Stufe der KI-Entwicklung.