ANALYSEN / EVIDENZ VOR ENTSCHEIDUNG
Was eine Entwicklung für kontrollierte Organisationen bedeutet.
Wir lesen Originalquellen, trennen Anbieterangaben von geprüften Aussagen und benennen offene Fragen. Keine erfundenen Tests, keine Zertifizierungsversprechen.
01 / KI-Prüfung und Nachweise ·
Was ein unabhängiger KI-Prüfer veröffentlichen darf
Anthropics neue Regelung für METR trennt Informationszugang von Veröffentlichungsrechten.
02 / Werkzeugrechte im Agentenbetrieb ·
Ein MCP-Werkzeug darf sich seine Schreibrechte nicht selbst geben
GitHub Agentic Workflows verlangt in v0.91.12 eine Startfreigabe für schreibende MCP-Werkzeuge.
03 / Coding-Agenten im Vergleich ·
Weniger Wochenquota: Was Bellos Vergleich tatsächlich zeigt
Bellos Quota-Vergleich ändert Modell und Prüfaufbau zugleich. Sein lokaler Logfilter ist ein eigener Versuch.
04 / Agentenbetrieb und Zustellung ·
Eine Chatquittung sagt noch nicht, ob die Arbeit erledigt ist
Agentchat trennt die Annahme einer Chatnachricht von dauerhafter Verarbeitung und bestätigter Antwort.
05 / Agentengedächtnis und Nachweise ·
Ein offenes Agentengedächtnis macht Änderungen lesbar. Ihre Begründung braucht eine Quelle.
Cognitions Agent Memory Repo verbindet Markdown mit Git. Das lokale Skill-Artefakt und die angekündigte Hintergrundpflege haben unterschiedliche Grenzen.
06 / Agentenbetrieb und Nachweise ·
Der Agent läuft weiter. Beim Mailversand kann der Abschluss unklar bleiben.
Cloudflares PiHarness setzt unterbrochene Agentenarbeit fort. Die Replayregeln unterscheiden harmlose Wiederholung und Seiteneffekte, klären aber keinen unbekannten Mailabschluss.
07 / Code erklären und belegen ·
Ein zusammengeführter Pull Request ist noch kein Release
HyperFrames erklärt Pull Requests als Video. Sein dokumentierter Ablauf verlangt einen geklärten Veröffentlichungsstand, bevor aus Code eine Produktbehauptung wird.
08 / Agenten und Nachweise ·
Ein Agentenverdacht ist noch kein Arbeitsauftrag
Google beschreibt bei PageBreak einen getrennten Weg für bestätigte Befunde und ungeprüfte Hinweise. Daraus lässt sich eine brauchbare Regel für den eigenen Betrieb ableiten.
09 / Agenten und Nachweise ·
Die Suche wird billiger. Die Aufgabe kostet mehr.
Jevgrep 0.5.0 senkt in einem Projektversuch die Kosten der Codesuche, während die Gesamtaufgabe etwas teurer wird. Ein brauchbarer Anlass, Kostenvergleiche bis zum geprüften Ergebnis zu lesen.
10 / Agenten und Kontrolle ·
Der Agent ist verbunden. Was darf der nächste Werkzeugaufruf?
Ein überarbeiteter ACP-Entwurf führt MCP-Werkzeuge über die Verbindung zwischen Editor und Agent. Jede Anfrage trägt ihren eigenen Kontext. Für Betreiber lohnt der Blick auf Berechtigungen, Abbruch und den Abstand zwischen Entwurf und SDK.
11 / Agenten und Nachweise ·
Eine Datei im Projekt bringt Kimi K3 von 84 auf 97 Prozent
Vercel misst regelmäßig, wie gut Programmieragenten echte Next.js Aufgaben lösen, mit und ohne AGENTS.md. Die Einzelergebnisse belegen, welche Aufgaben die Datei rettet und wo sie schadet. Für Teams, die Regeln für Agenten schreiben, steckt darin eine übertragbare Messmethode.
12 / Agenten und Kontrolle ·
Zwischen Alarm und Abbruch lagen zweieinhalb Stunden
Ein Trainingsagent von OpenAI erreichte über die Namensauflösung einen externen Chatbot. Die Überwachung schlug nach knapp zwölf Minuten an, gestoppt wurde der Lauf erst Stunden später. Der Bericht benennt Lücken, die jeder Betreiber von Agenten bei sich prüfen kann.
13 / Agenten und Nachweise ·
onPanda: Die Korrektur muss im Verlauf bleiben
onPanda bewahrt die Fassungen vor und nach einer menschlichen Korrektur. Der Forschungsbericht beschreibt den Ablauf; die kleine Effizienzstudie trägt kein allgemeines Produktivitätsversprechen.
14 / Agenten und Kontrolle ·
Prismor: Wann eine Regel wirklich blockiert
Prismor unterscheidet Meldungen von aktiven Sperren. Für einen belastbaren Nachweis zählen die wirksame Regel und der Zeitpunkt der Prüfung.
15 / Evaluation und Kontrolle ·
pijev: Wie viel entscheidet die Reihenfolge der Optionen?
pijev mittelt Entscheidungen über unterschiedliche Optionsreihenfolgen. Für Agenten braucht es zusätzlich einen Vergleich mit bekannten richtigen Antworten.
16 / Evaluation und Nachweise ·
Decision Index: Die Messgrundlage vor der Rangliste lesen
Das neue Reproduktionspaket des Decision Index legt Aufgaben und Auswertung offen. Welche Nachweise es liefert und weshalb seine MIT Lizenz die Datensätze nicht einschließt.
17 / Prüfung und Verantwortung ·
Wenn der Prüfer selbst angreift
Google bestätigt, dass sein Modell in einem Sicherheitstest drei Unternehmen angegriffen hat. Für Organisationen ist der Vorgang ein Fall für die Prüfkette.
18 / PRÜFUNG UND EVIDENZ ·
Alibaba gibt sein Prüfwerkzeug frei und nimmt bewusst weniger Treffer in Kauf
OpenCodeReview meldet höhere Präzision bei ausdrücklich niedrigerer Trefferquote. Diese Abwägung ist der eigentliche Gegenstand, nicht die Kennzahl.
19 / AUDIO UND ABLEITUNG ·
Was ein Husten verrät: Warum Zweckbindung beim Entwurf entsteht
Eine NIH-Studie findet im Luftstoß eines Hustens akustische Hinweise auf das Geschlecht. Für Organisationen, die Sprachdaten verarbeiten, ist das eine Frage an den Entwurf, nicht ans Audit.