Taiwan rüstet auf, KI knackt AES: Vertrauenskrise und Chip-Wettlauf (10.08.2026)

Hallo, hier ist Sarah von KI Kompakt. Schön, dass ihr wieder eingeschaltet habt. Heute schauen wir uns drei Entwicklungen an, die auf den ersten Blick ganz unterschiedlich wirken, aber eigentlich alle um dieselbe Frage kreisen: Wie weit ist KI wirklich schon, und wo überschätzen wir sie noch gewaltig? Fangen wir an mit einem Thema, das viele von euch im Alltag betrifft, vor allem wenn ihr im Bildungsbereich arbeitet oder studiert. Es geht um sogenannte KI-Erkennungstools. Die Idee dahinter klingt erstmal simpel. Man füttert einen Text in ein Tool, und das Tool sagt einem, ob der Text von einem Menschen oder von ChatGPT geschrieben wurde. In der Praxis ist das aber ein ziemliches Minenfeld. The Verge hat sich das genauer angeschaut und zeigt, dass diese Detektoren im Kern nur Wahrscheinlichkeiten berechnen, keine Fakten liefern. Das Ergebnis, sie liegen erstaunlich oft falsch. Studierende werden fälschlich beschuldigt, obwohl sie ihre Arbeit komplett selbst geschrieben haben. Autorinnen und Autoren geraten unter Generalverdacht, nur weil ihr Schreibstil zufällig zu gleichmäßig oder zu strukturiert wirkt. Das erinnert stark an die Debatte rund um Plagiatssoftware wie Turnitin vor einigen Jahren. Damals ging es um Kopieren, heute geht es um KI-Generierung, aber das Grundproblem ist ähnlich. Eine Software liefert eine Zahl, und diese Zahl wird oft mit Wahrheit verwechselt. Für Schulen, Universitäten und auch Unternehmen, die intern mit solchen Tools arbeiten, ist das eine wichtige Warnung. Wer sich blind auf einen KI-Detektor verlässt, baut Misstrauen auf, das oft gar nicht gerechtfertigt ist. Die eigentliche Aufgabe, nämlich sinnvoll einzuordnen, wo und wie Werkzeuge wie ChatGPT im Lern- oder Arbeitsprozess eingesetzt werden dürfen, bleibt davon komplett unberührt. Detektoren lösen das Problem nicht, sie verschieben es nur. Kommen wir zum zweiten Thema, das eher auf der Infrastrukturseite spielt, aber für die gesamte KI-Branche enorm wichtig ist. Heise berichtet über zwei Entwicklungen aus der Tech-Welt. Erstens, Microsoft schränkt in seinem Edge-Browser bald ältere Erweiterungen ein, darunter auch klassische Werbeblocker. Nutzer müssen künftig auf neuere Add-on-Versionen umsteigen. Das ist erstmal ein Browser-Thema, hat aber auch eine kleine Nebenwirkung für alle, die KI-gestützte Zusatztools im Browser nutzen, etwa für Zusammenfassungen oder Recherche-Hilfen. Diese Erweiterungen müssen ebenfalls auf den neuen Standards laufen, sonst verschwinden sie einfach aus dem Store. Deutlich relevanter für die große KI-Landschaft ist aber der zweite Punkt aus demselben Artikel. AMD hat das Start-up Taalas übernommen, und zwar gezielt wegen dessen Expertise bei Chips für KI-Inferenz. Was heißt das konkret? Beim Training von KI-Modellen geht es darum, ein Modell überhaupt erst lernen zu lassen. Das ist extrem rechenintensiv und passiert meist in riesigen Rechenzentren. Inferenz dagegen ist das, was passiert, wenn ihr eine Anfrage an ein fertiges Modell stellt, wenn ihr also zum Beispiel mit Claude oder ChatGPT chattet. Genau dieser Bereich wird für die Branche immer wichtiger, weil Inferenz im Gegensatz zum einmaligen Training ständig und in riesigen Mengen läuft. Wer hier effizientere Chips baut, spart massiv Energie und Kosten. Und genau da will AMD jetzt stärker mitspielen, direkt im Wettbewerb mit Nvidia, das den Markt für KI-Hardware bislang dominiert. Für Unternehmen, die KI-Anwendungen im großen Stil betreiben, ist das eine Entwicklung, die man im Blick behalten sollte, denn günstigere und effizientere Inferenz-Chips wirken sich am Ende direkt auf die Kosten von KI-Diensten aus. Und jetzt zum dritten Thema, das vielleicht am meisten Diskussionsstoff liefert. Anthropic hat mit einer internen Vorabversion seines Modells, genannt Claude Mythos Preview, etwas geschafft, das aufhorchen lässt. Die KI hat weitgehend autonom Schwachstellen in einer abgeschwächten Variante von AES gefunden, dem Verschlüsselungsstandard, der praktisch überall im Einsatz ist, von Online-Banking bis zu verschlüsselten Messengern. Wichtig ist hier die Betonung auf abgeschwächt. Es handelt sich nicht um den vollen, in der Praxis genutzten AES-Standard, sondern um eine bewusst vereinfachte Testversion. Eine akute Gefahr für eure Bankdaten oder verschlüsselten Chats besteht also aktuell nicht. Trotzdem ist der Vorfall spannend, und zwar aus zwei Gründen. Erstens zeigt er, dass moderne KI-Modelle in der Lage sind, komplexe kryptografische Strukturen zu analysieren und dabei eigenständig Muster zu erkennen, für die man bisher hochspezialisierte menschliche Expertise gebraucht hat. Zweitens wirft das natürlich Fragen für die Zukunft auf. Wenn KI-Systeme in wenigen Jahren noch leistungsfähiger werden, könnten sie theoretisch auch echte, aktuell genutzte Verschlüsselungsverfahren ins Visier nehmen. Das ist noch Zukunftsmusik, aber es ist genau die Art von Forschung, die Sicherheitsteams bei Anthropic, aber auch bei anderen Anbietern wie OpenAI oder Google, aktuell sehr genau beobachten. Kryptografie-Forschung mit KI-Unterstützung kann übrigens auch positiv genutzt werden, etwa um Schwachstellen frühzeitig zu finden, bevor Angreifer das tun. Es ist also eine Art Wettlauf mit zwei Seiten. Wenn man diese drei Meldungen zusammen betrachtet, ergibt sich ein interessantes Bild. Auf der einen Seite sehen wir, wo KI heute schon richtig stark ist, nämlich beim Erkennen komplexer Muster, wie im Fall der Kryptografie-Analyse von Claude. Auf der anderen Seite sehen wir, wo KI noch längst nicht zuverlässig genug ist, nämlich bei vermeintlich einfachen Aufgaben wie der Erkennung, ob ein Text von einem Menschen oder einer Maschine stammt. Und dazwischen liegt die ganz praktische Infrastrukturfrage, wer eigentlich die Hardware liefert, auf der das alles läuft, und wie günstig und effizient das in Zukunft möglich sein wird. Für Unternehmen und Entwickler heißt das ganz konkret, es lohnt sich, KI-Tools nicht als Wahrheitsmaschinen zu behandeln, egal ob es um Texterkennung oder andere automatisierte Bewertungen geht. Gleichzeitig lohnt es sich, die Entwicklungen im Chip-Markt im Auge zu behalten, weil sie direkten Einfluss auf Kosten und Verfügbarkeit von KI-Diensten haben. Und die Forschung rund um KI und Sicherheit, wie bei Anthropic, zeigt, dass wir uns langfristig auf ganz neue Fragen bei Verschlüsselung und Datensicherheit einstellen müssen. Das waren spannende Einblicke aus der Welt der künstlichen Intelligenz für heute, von Vertrauensproblemen bei Erkennungstools über die Chip-Strategie von AMD bis zu den Kryptografie-Experimenten von Anthropic. Das war's auch schon von mir für heute. Danke, dass ihr eingeschaltet habt, ich freue mich schon auf morgen mit euch. Übrigens, dieser Podcast ist vollständig KI-generiert, alle Quellen und Hintergründe dazu findet ihr wie immer unter podcast.loginai.de. Bis bald!