KI heute: NVIDIA Nemotron und Gemini 4 Carbon

Stand des Wissens zum 29.10.2026. Quellmaterial gesammelt am 29.10.2026.

Der 28. Oktober brachte intensive Updates im Bereich der künstlichen Intelligenz. NVIDIA hat das offene Sprachmodell Nemotron 3.5 Transcribe veröffentlicht, während Google DeepMind das auf Cybersicherheit ausgerichtete Modell Gemini 4 Carbon vorgestellt hat. Darüber hinaus hat Google die Connected Apps Plattform für Entwickler gestartet, das Unternehmen XREAL präsentierte AR-Brillen mit Android XR, und OpenAI-Experten veröffentlichten eine Analyse über die Auswirkungen der KI-Technologie auf die Organisationsstruktur moderner Unternehmen.

Das Wichtigste von heute (TL;DR)

• NVIDIA Nemotron 3.5 Transcribe: Ein offenes Modell für Transkription und Übersetzung, das 40 Sprachen mit einer Sprecherdiarisierung für bis zu acht Personen unterstützt.
• Google Gemini 4 Carbon: Ein neues Modell, das auf Cybersicherheit und Engineering spezialisiert ist und eine doppelt so hohe Effizienz bei der Generierung von sicherem Code aufweist.
• Google Connected Apps Platform: Ein Tool für Entwickler, das Anwendungen über MCP-Protokolle in die Google Suche und das Gemini-System integriert.
• XREAL AURA Brille: Ein kabelgebundenes XR-Gerät auf Basis von Android XR, das den Gemini-Assistenten in die Ansicht einer räumlichen Benutzeroberfläche integriert.
• Die Zukunft der Organisation im KI-Zeitalter: Eine OpenAI-Analyse, die drei Szenarien für die Implementierung künstlicher Intelligenz in Unternehmensstrukturen als Unterstützung für Mitarbeiter aufzeigt.

NVIDIA Nemotron 3.5 Transcribe

Das Unternehmen NVIDIA hat am 28. Oktober das Modell Nemotron 3.5 Transcribe vorgestellt, ein offenes Sprach-zu-Text-Modell, das Funktionen zur Diarisierung, Übersetzung und Beantwortung von Fragen zu Audiodateien bietet.

Das Modell unterstützt 40 Sprachen, von denen 31 aus dem oder in das Englische übersetzt werden können, und in 13 Sprachen kann das System Äußerungen bestimmten Personen zuordnen. Nemotron 3.5 Transcribe verarbeitet Aufnahmen von bis zu einer Stunde Länge und kann bis zu acht Sprecher gleichzeitig unterscheiden. Das Tool belegt den ersten Platz unter den Modellen mit offenen Gewichten im Hugging Face Open ASR Leaderboard für die englische Sprache (mit einer durchschnittlichen Fehlerrate von 5,33 %) und führt die Diarisierung-Vergleiche im Rahmen der Systeme David AI und VoiceArena an.

Zusammen mit dem Modell wurde Granary v2 veröffentlicht, ein mehrsprachiger Datensatz und Verarbeitungspfad, der die Anpassung des Modells an spezifisches Domänenvokabular ermöglicht. In einer medizinischen Fallstudie reduzierte die Feinabstimmung des Modells die Fehlerrate (WER) im Vergleich zur alleinigen Verwendung von Prompting um 45,8 %. NVIDIA kündigte an, dass bald quantisierte Versionen des Modells erscheinen werden, die eine lokale Ausführung auf Hardware wie RTX Spark, DGX Spark oder Jetson AGX Thor ermöglichen. Benutzer können die Ergebnisse des Modell durch natürliche Sprache steuern, indem sie beispielsweise die Formatierung von Jargon oder die Schreibweise von Zahlen definieren.

Für KI-Entwickler: Teams, die an der Analyse von Besprechungsaufnahmen oder medizinischen Transkriptionen arbeiten, können das Modell im Hinblick auf das Erkennen spezifischer Terminologien mithilfe von Kontext-Prompts testen. Die Ankündigung präzisiert nicht, ob das Modell volle Unterstützung für die polnische Sprache bietet, wie hoch die Rechenkosten bei der Verwendung bestimmter GPUs sind oder ob die Lizenz eine uneingeschränkte kommerzielle Nutzung der Ausgabedaten erlaubt. Diese Informationen erfordern vor Beginn der Integration eine Überprüfung in der technischen Dokumentation und der Model Card.

Google DeepMind präsentiert Gemini 4 Carbon

Google DeepMind hat am 28. Oktober die Einführung des Modells Gemini 4 Carbon bekannt gegeben, das die stärkste Einheit im Portfolio des Unternehmens darstellt und auf Aufgaben im Bereich der Cybersicherheit sowie langfristige Engineering-Prozesse spezialisiert ist. Das Modell debütierte nur zwei Wochen nach der Veröffentlichung der Version Gemini 4 Argon.

Gemini 4 Carbon belegt den ersten Platz im Artificial Analysis Intelligence Index v5.0 mit einer Punktzahl von 59. In Spezialtests erzielte das Modell eine Wirksamkeit von 88,2 % bei SEC-bench Pro (Schwachstellenerkennung), 54,8 % bei ExploitGym (Ausnutzung) und 71,0 % bei CWE-bench (Patch-Erstellung). Nach Angaben des Unternehmens bietet Carbon im Vergleich zum Modell Argon einen mehr als doppelt so hohen Erfolg bei der Generierung von sicherem Code. In internen Tests und in Umgebungen wie dem Chrome-Team zeigte das Modell eine höhere Effizienz bei der Erstellung hochwertiger Korrekturen als andere Grenzmodelle.

Das Modell wurde für den kontinuierlichen Betrieb konzipiert, wodurch es mehrstufige Engineering-Probleme lösen kann, die Tage an Arbeit erfordern. Im Bereich der Webseitenentwicklung stieg Carbon auf den vierten Platz in der WebDev Arena mit 1768 Elo-Punkten auf.

Das Unternehmen führt einen schrittweisen Implementierungsprozess durch und arbeitet mit der US-Regierung im Rahmen eines freiwilligen Vortestprozesses zusammen. Ab dieser Woche erhält eine ausgewählte Gruppe von Cybersicherheitsexperten Zugriff auf das Modell, wonach der Zugriff im Rahmen des Fairwind-Programms erweitert wird. Die Kosten für die Nutzung von Gemini 4 Carbon wurden auf 2 US-Dollar pro Million Eingabetoken und 10 US-Dollar pro Million Ausgabetoken festgelegt, wobei Token im Cache einen Rabatt von 95 % gegenüber dem Eingabepreis erhalten.

Für KI-Entwickler: Sicherheitsexperten können die Leistung des Modells bei Prozessen zur Erkennung und Behebung von Software-Schwachstellen überprüfen. Die Quelle liefert keine Informationen zur Verfügbarkeit des Modells in verschiedenen geografischen Regionen, zur Unterstützung anderer Sprachen als Englisch sowie zur vollständigen technischen Dokumentation bezüglich der API-Bandbreitenlimits.

Google Connected Apps Platform

Google hat am 28. Oktober die Plattform Connected Apps zur Verfügung gestellt, die es Entwicklern ermöglicht, Anwendungen zu erstellen und zu verwalten, die sich in die Google Suche und die Gemini App integrieren. Das Ziel der Lösung ist es, einen einheitlichen Ort zu schaffen, an dem Entwickler ihre Tools bereitstellen können, die es Benutzern ermöglichen, alltägliche Aufgaben zu erledigen – von der Bestellung von Einkäufen bis zur Erstellung von Playlists.

Im Rahmen des Systems integrieren Entwickler sich über AppFunctions APIs in MCP-Server (Model Context Protocol) oder Android MCP. Anschließend können sie ihre Anwendungen über die Google Connected Console registrieren, testen und zur Überprüfung einreichen. Während des Registrierungsprozesses geben Entwickler an, ob die Lösung in der Suche, in der Gemini App oder an beiden Orten verfügbar sein soll. Darüber hinaus ermöglicht die Plattform die Verfolgung von Verkehrsdaten, Latenzen und Fehlermetriken sowie die Verwaltung der Markenidentität, einschließlich Logo-Verifizierung und Kontoauthentifizierung.

Der Zugriff auf die Plattform wird derzeit schrittweise geöffnet. Google hat bereits über 50 Anwendungen in Bereichen wie Produktivität, Event-Tickets, Gesundheit und Fitness gestartet. Zu den Partnern, die diese Lösungen nutzen, gehören unter anderem Adobe, Experian, Localiza und Peloton. In den kommenden Wochen ist geplant, die Verfügbarkeit dieser Integrationen auf die Suche auszuweiten sowie die neue Calm-App einzuführen. Interessierte Entwickler können sich für die Vorschauversion registrieren und die Dokumentation unter developers.google.com/connected-apps einsehen.

Für KI-Entwickler: Entwickler von Anwendungen, die in die Suche oder in Gemini integriert sind, können ihre Tools in der Konsole registrieren und die technischen Implementierungsparameter überprüfen. Die Mitteilung präzisiert nicht, ob die Plattform Limits für die API-Nutzung auferlegt, wie hoch die Kosten für die Wartung von MCP-Servern sind oder ob es regionale Einschränkungen für die Veröffentlichung von Anwendungen auf verschiedenen Märkten gibt – dies muss vor Arbeitsbeginn in der technischen Dokumentation überprüft werden.

XREAL AURA Brille mit Android XR

Das Unternehmen XREAL hat in Zusammenarbeit mit Google am 28. Oktober die XREAL AURA auf den Markt gebracht, die erste kabelgebundene Brille für erweiterte Realität (XR), die auf Basis des Android XR-Systems und des Gemini-Assistenten arbeitet. Das Gerät ermöglicht die Anzeige von Anwendungen im Raum, während dank transparenter Gläser die Sicht auf die Umgebung erhalten bleibt.

Die Brille wiegt unter 95 Gramm, da die Berechnungen von einem externen Modul (Puck) übernommen werden, das über ein Kabel verbunden ist und den Akku sowie die Snapdragon Reality Elite Plattform enthält. Das Gerät bietet ein 70-Grad-Sichtfeld. Benutzer können mehrere Anwendungsfenster gleichzeitig öffnen, sie über eine Bluetooth-Tastatur und -Maus oder das Touchpad auf dem Rechenmodul verwalten. Die Funktion Wired Mirroring ermöglicht den Anschluss eines Laptops über ein USB-C-Kabel und die Anzeige von dessen Bildschirm als verschiebbares Fenster. Der in das System integrierte Gemini-Assistent versteht das vom Gerät erfasste Bild sowie den Bildschirminhalt, was Unterhaltungen über die angezeigten Inhalte oder die Umgebung ermöglicht. In Situationen, die Konzentration erfordern, können die Gläser das Bild verdunkeln, um den Benutzer von der Außenwelt zu isolieren. Der Verkauf hat in den Vereinigten Staaten, Kanada und Korea begonnen, während die Premiere in Japan für den 2. November geplant ist.

Für KI-Entwickler: Teams, die an räumlichen Benutzeroberflächen arbeiten, können die Unterstützung der Wired Mirroring-Funktion und die Art und Weise überprüfen, wie Gemini die geteilte Ansicht in Echtzeit interpretiert. Das Material präzisiert nicht die Verfügbarkeit des Geräts in Ländern der Europäischen Union, Lizenzdetails für Entwickler von XR-Anwendungen oder die genaue Preisgestaltung für Geschäftskunden.

Die Zukunft der Organisation im Zeitalter der künstlichen Intelligenz

Die OpenAI-Analysten Hemanth Asirvatham und Elliott Mokski haben am 28. Oktober einen Artikel veröffentlicht, der die Auswirkungen der künstlichen Intelligenz auf die Organisationsstruktur von Unternehmen und die Art und Weise der Teamführung analysiert. Die Autoren weisen darauf hin, dass sich die traditionelle Karriereleiter wandelt, da KI-Systeme beginnen, die Funktion digitaler Untergebener einzunehmen, die Routineaufgaben ausführen.

Der Artikel stellt drei Hauptszenarien für die Implementierung von KI in Unternehmen vor. Im ersten Modell, das als Arbeit „unter uns“ bezeichnet wird, behalten die Mitarbeiter ihre Positionen, erhalten jedoch Unterstützung in Form einer KI-Schicht, wodurch jeder Mitarbeiter zu einem Manager wird, der seine eigenen Agenten überwacht. Das zweite Szenario geht von einer Situation „neben uns“ aus, in der künstliche Intelligenz als Teamkollege fungiert, der direkt mit menschlichen Managern zusammenarbeitet und ein immer breiteres Aufgabenspektrum ausführt. Die dritte Variante, „zwischen uns“, positioniert die KI als vermittelndes Element zwischen Menschen auf verschiedenen Hierarchieebenen, das für die Koordination von Aktivitäten und die Überwachung der Arbeit verantwortlich ist.

Die Autoren betonen, dass keine dieser Visionen eine vollständige Automatisierung betrifft, sondern vielmehr die Transformation der Wirtschaft hin zu hybriden Unternehmen. Sie stellen fest, dass die Technologieadoption kein sofortiger Prozess ist; anfangs übernimmt die KI Aufgaben auf den niedrigsten Ebenen, um mit der Zeit, im Zuge der wachsenden Fähigkeiten der Modelle, in Managementbereiche vorzudringen. Bereits jetzt nutzen Mitarbeiter Systeme, die in der Lage sind, Notizen zu schreiben, Memes vorzubereiten oder in technischen Angelegenheiten zu beraten, obwohl sie nach wie vor der Aufsicht durch Menschen bedürfen.

Für KI-Entwickler: Teammanager können die Prozessabbildung in ihren Abteilungen in Betracht ziehen, um Aufgaben mit Routinecharakter herauszufiltern, die nun an KI-Agenten delegiert werden können. Die Publikation legt weder die Kosten für die Wartung einer solchen Infrastruktur fest noch die Anforderungen an die Sicherheit von Daten, die von Systemen innerhalb der Unternehmensstruktur verarbeitet werden, was vor der Implementierung eine Überprüfung erfordert.

Häufig gestellte Fragen (FAQ)

Welche Möglichkeiten bietet das Modell NVIDIA Nemotron 3.5 Transcribe?

Das Modell ermöglicht Sprach-zu-Text-Konvertierung, Sprecherdiarisierung, Übersetzungen und die Beantwortung von Fragen zu Audiodateien. Es unterstützt 40 Sprachen, verarbeitet Aufnahmen von bis zu einer Stunde Länge und kann bis zu acht Sprecher gleichzeitig unterscheiden, wodurch es in den Ranglisten von Modellen mit offenen Gewichten Spitzenplätze belegt.

Wozu dient die XREAL AURA Brille und wie funktioniert sie?

XREAL AURA ist eine AR-Brille mit dem Android XR-System, die Anwendungen im Raum anzeigt, während die Sicht auf die Umgebung erhalten bleibt. Das Gerät nutzt ein externes Rechenmodul mit Snapdragon Reality Elite und den Gemini-Assistenten, der das von der Hardware erfasste Bild und den Inhalt der angezeigten Bildschirme versteht.

Quellen

• NVIDIA Nemotron 3.5 Transcribe and Granary v2: Intelligent Multilingual Transcription You Can Prompt and Adapt — 2026-10-28
• Gemini 4 Carbon: Our next frontier model — 2026-10-28
• Build and manage Connected Apps in one place — 2026-10-28
• XREAL AURA: Wired XR glasses to watch, work, and play — 2026-10-28
• The future of the firm — 2026-10-28

--- 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.