KI heute: Gemini 3.8 TTS und Robotik-Infrastruktur

Der Wissensstand zum 2026-09-24. Das Quellmaterial wurde am 2026-09-24 gesammelt.

Der Tag brachte eine Reihe von Ankündigungen im Bereich der Sprachsynthese, von Konversationssystemen und der Hardware-Infrastruktur. Google führte fortschrittliche Gemini 3.8 TTS Modelle ein, während sich OpenAI auf die Sicherheit im Bereich der psychischen Gesundheit sowie auf Bildung in Asien konzentrierte. Parallel dazu implementieren Unternehmen wie Ringg effiziente GPT-5.6 Modelle im Kundenservice, und Microsoft optimiert die Inferenz-Infrastruktur für physische Robotik durch die Verlagerung von Berechnungen in die Cloud.

Das Wichtigste heute (TL;DR)

• Gemini 3.8 TTS: Google hat neue Modelle zur Sprachsynthese vorgestellt, die über 100 Sprachen mit fortschrittlichen Audio-Steuerungsfunktionen unterstützen.
• MentalHealthBench: OpenAI hat einen auf Expertenwissen basierenden Benchmark zur Bewertung der Sicherheit von KI-Antworten in Gesprächen über psychische Gesundheit erstellt.
• Ringg: Das Unternehmen hat auf dem GPT-5.6 Modell basierende KI-Agenten implementiert, wodurch die Kosten für den Kundenservice um 90% gesenkt werden konnten.
• Grab: OpenAI und Grab haben das Bildungsprogramm GO Forward with AI für 30 000 Partner in Südostasien gestartet.
• Microsoft: Forscher haben eine Methode zur Steigerung der Roboterleistung durch die Verlagerung von KI-Berechnungen von Bordeinheiten auf externe Infrastruktur entwickelt.

Google führt Gemini 3.8 TTS Modelle ein

Laut einer Ankündigung vom 23. September hat Google zwei neue Text-to-Speech-Modelle vorgestellt: Gemini 3.8 Flash TTS und Gemini 3.8 Flash-Lite TTS. Diese Systeme bieten fortschrittliche Sprachsynthesefunktionen und unterstützen über 100 Sprachen und Dialekte.

Das Modell Gemini 3.8 Flash TTS wurde für die Charaktererstellung und ein fortgeschrittenes Sounddesign entwickelt. Es ermöglicht die Erstellung neuer Stimmen von Grund auf mithilfe natürlicher Prompts und bietet eine detaillierte Steuerung der Leistungsparameter wie Tempo, Emotionen oder Sprechweise. Gemini 3.8 Flash-Lite TTS ist hingegen auf Leistung und Kosten optimiert, was es zu einer geeigneten Lösung für die Erstellung von Inhalten im großen Maßstab wie Synchronisation oder Sprachagenten macht.

Nutzer können eine Bibliothek mit über 2000 vorgefertigten Stimmen nutzen oder eine bestehende Klangfarbe anhand einer 30-sekündigen Probe replizieren. Die Modelle ermöglichen zudem eine präzise Steuerung von Dialogen, einschließlich der Unterstützung mehrerer Sprecher in einer Szene sowie das Hinzufügen natürlicher Einschübe wie Lachen oder Atemzüge.

In Sicherheitsfragen hat Google Mechanismen zur Verifizierung der Einwilligung des Stimmeninhabers sowie SynthID-Sicherheitsvorkehrungen eingeführt, die dem generierten Audio ein digitales Wasserzeichen hinzufügen. Die Modelle belegten Spitzenplätze in den Rankings von Hume AI, erreichten 71.4 Punkte im Voice Design Benchmark und hohe Noten bei der Akzentmodellierung (60.8). Die neuen Funktionen stehen Entwicklern und Erstellern im Google AI Studio sowie über die Gemini API, Gemini Enterprise, Gemini Notebook und Google Vids zur Verfügung.

Für KI-Entwickler: Die neuen Modelle erweitern die Möglichkeiten im Bereich der Personalisierung und der Steuerung des stimmlichen Ausdrucks erheblich und bieten Werkzeuge zur Skriptbearbeitung, die eine lineare Steuerung der Audioparameter in Langform-Audio ermöglichen.

OpenAI führt MentalHealthBench ein

Laut einer Ankündigung vom 23. September hat OpenAI MentalHealthBench vorgestellt, einen auf Expertenwissen basierenden Benchmark. Dieses Werkzeug dient der Bewertung hilfreicher und sicherer Antworten, die von künstlicher Intelligenz im Rahmen realistischer Gespräche zur psychischen Gesundheit generiert werden.

Für KI-Entwickler: Der neue Benchmark ermöglicht es, die Qualität und Sicherheit der Interaktion von Konversationssystemen in diesem sensiblen Themenbereich auf strukturierte Weise zu überprüfen.

Ringg implementiert auf GPT-5.6 basierende KI-Agenten

Das Unternehmen Ringg teilte am 23. September die Implementierung mehrsprachiger KI-Agenten mit, die die Bearbeitung von Kundenanrufen übernehmen. Das System nutzt das Modell GPT-5.6 für die Kommunikation per Sprache, Chat, WhatsApp-Plattform und Websites. Diese Lösung ermöglicht die Lösung von bis zu 65% der eingehenden Kundenanfragen. Laut Angaben des Unternehmens führte der Einsatz von GPT-5.6 zu einer Senkung der Betriebskosten um 90% im Vergleich zum Modell GPT-4.1.

Für KI-Entwickler: Dieses Beispiel weist auf einen signifikanten Fortschritt bei der Kosteneffizienz newer Modellgenerationen in spezifischen Geschäftsanwendungen des Customer Service hin.

Zusammenarbeit von OpenAI und Grab in Südostasien

OpenAI und Grab gaben den Start eines regionalen Programms namens GO Forward with AI bekannt, gemäß einer Information vom 23. September. Diese Initiative zielt darauf ab, 30 000 Partner beim Erwerb praktischer Fähigkeiten im Zusammenhang mit künstlicher Intelligenz zu unterstützen. Das Programm richtet sich an Nutzer aus Südostasien und konzentriert sich auf die Vermittlung des Wissens, das für die effektive Nutzung von KI-Lösungen bei der täglichen Arbeit und die Entwicklung digitaler Kompetenzen in dieser Region erforderlich ist.

Für KI-Entwickler: Diese Partnerschaft zeigt, wie Technologieunternehmen die Bildung im Bereich praktischer Anwendungen von KI-Werkzeugen für riesige Gruppen von Endnutzern skalieren.

Microsoft optimiert die Inferenz-Infrastruktur für physische Robotik

Forscher von Microsoft Research veröffentlichten am 23. September die Ergebnisse einer Analyse, die zeigt, dass die Verlagerung des Prozesses der Inferenz künstlicher Intelligenz von den bordechten Recheneinheiten des Roboters auf eine externe Infrastruktur (Edge- oder Cloud-Infrastruktur) die Arbeitseffizienz von Maschinen signifikant erhöht.

Der Studie zufolge schränkt das bisherige Modell, das auf der Nutzung ausschließlich eingebauter Grafikprozessoren (GPU) basierte, die Leistung, die Akkulaufzeit und die Skalierbarkeit von Robotersystemen ein. Tests am Beispiel von Aufgaben der mobilen Manipulation zeigten, dass die Verlagerung von Berechnungen die Bewältigung komplexerer KI-Modelle bei gleichzeitiger Verkürzung der Reaktionszeit und Erhöhung der Genauigkeit der ausgeführten Handlungen ermöglicht. In Tests wurde bei Nutzung leichterer Bordhardware, die durch externe Rechenleistung unterstützt wurde, beobachtet, dass die ausschließliche Verwendung eingebauter, weniger leistungsstarker GPUs zu einem Rückgang der Modellgenauigkeit um 50% und einer Verlangsamung von Planungsprozessen um bis zu 383% im Vergleich zur A100-Einheit führen konnte.

Ein zusätzlicher Vorteil ist die deutliche Verlängerung der Betriebszeit des Roboters ohne die Notwendigkeit des Aufladens. Die Nutzung externer Systeme ermöglicht den Ersatz energieintensiver Bordsubsysteme (wie Jetson Thor, deren Nutzung den Akku um 160% stärker belasten kann) durch leichtere Lösungen vom Typ Raspberry Pi-5.

Im Rahmen der Erweiterung des Physical AI Toolchain hat Microsoft neue Werkzeuge eingeführt, die dieses Arbeitsmodell unterstützen. Entwickler können Software auf Basis von Kubernetes nutzen, die die Containerisierung und automatische Verteilung von Rechenlasten zwischen Roboter, Edge-Infrastruktur und Cloud ermöglicht. Dieses Framework ist vollständig in Robotersimulatoren, LeRobot und ROS2 integriert, und in der veröffentlichten Dokumentation wurden Beispielprojekte für Roboter des Typs SO-101, UR10e sowie das Modell Rho zur Steuerung des Roboters Mobile Aloha bereitgestellt.

Für KI-Entwickler: Der Einsatz von Robotersystemen erfordert die Ausbalancierung der Rechenleistung mit Energiebeschränkungen und Netzwerkverzögerungen, weshalb die Anwendung von Lösungen des Typs offloaded inference zu einem Schlüsselelement beim Design der Infrastruktur für fortschrittliche Robotik wird, die unter unvorhersehbaren Bedingungen arbeitet.

Häufig gestellte Fragen (FAQ)

Welche Möglichkeiten bietet Gemini 3.8 Flash TTS?

Gemini 3.8 Flash TTS ermöglicht die Erstellung neuer Stimmen mithilfe von Prompts sowie eine präzise Steuerung von Leistungsparametern wie Tempo, Emotionen und Sprechweise. Das Modell unterstützt über 100 Sprachen und Dialekte, ermöglicht die Replikation einer bestehenden Klangfarbe und die Unterstützung mehrerer Sprecher in einer Audioszene.

Warum ist die Verlagerung von Berechnungen von Robotern auf eine externe Infrastruktur vorteilhaft?

Die Verlagerung des KI-Inferenzprozesses von Bord-GPUs auf eine externe Infrastruktur erhöht die Leistung, die Handlungsgenauigkeit und die Akkulaufzeit. Dies ermöglicht den Einsatz leichterer Bordhardware, die Vermeidung von Einbußen bei der Modellgenauigkeit und die Verkürzung der Reaktionszeit von Robotersystemen im Vergleich zur Arbeit ausschließlich auf eingebauten Einheiten.

Quellen

• Gemini 3.8 text-to-speech says hello — 2026-09-23
• Introducing MentalHealthBench — 2026-09-23
• Ringg’s AI agents resolve up to 65% of customer calls with OpenAI — 2026-09-23
• Grab and OpenAI bring practical AI skills to Southeast Asia — 2026-09-23
• Offloaded inference for real-world physical AI robotics — 2026-09-23

--- Text vorbereitet automatisch durch das Labor aipoc-lab (AI) auf Basis der oben genannten öffentlich zugänglichen Quellen. Eigene Zusammenfassungen, keine Kopien. Version vor der menschlichen Redaktion.