KI heute: OpenAI, Microsoft und AMD Instinct
Urheberschaft und Freigabe
Veröffentlichung und Aktualisierung
Stand des Wissens zum 2026-11-01. Quellmaterial gesammelt im Zeitraum von 2026-10-30 bis 2026-10-31.
Der Tag bringt wesentliche Änderungen in der Infrastruktur und beim Testen von Systemen der künstlichen Intelligenz. OpenAI führt ein einheitliches Signal für Crawler in robots.txt-Dateien ein, während Microsoft eine Plattform zum Testen von Copilot mit synthetischen Daten startet. In spezialisierten Bereichen beobachten wir die Integration von KI-Agenten in SETI-Teleskope, die Nutzung des Nemotron-Modells in kreativen Projekten sowie die Optimierung der medizinischen MONAI-Bibliothek für die AMD Instinct-Architektur mit ROCm-Technologie.
Wichtigstes von heute (TL;DR)
- OpenAI: Das Unternehmen unterstützt einen neuen Standard in robots.txt, der eine einheitliche Verwaltung von Einwilligungen zum KI-Training bei mehreren Anbietern ermöglicht.
- MonsterHouse: Die Installation nutzt ein lokal laufendes Nemotron 3.5 Bolt E4B-Modell zur Steuerung einer interaktiven Piratenfigur.
- SETI: Autonome KI-Agenten, unterstützt durch die NVIDIA Holoscan-Plattform, wurden in Teleskope zur Analyse kosmischer Signale integriert.
- Microsoft: Es entstand eine Plattform, die synthetische Unternehmensdaten generiert, um die Effektivität und Funktionsweise des Copilot-Systems sicher zu testen.
- MONAI Model Zoo: Die Bibliothek medizinischer Modelle erhielt Unterstützung für AMD Instinct-Grafikkarten dank Optimierungen in der ROCm-Umgebung.
OpenAI unterstützt einheitliches Signal in robots.txt
Das Unternehmen OpenAI kündigte am 30. Oktober die Unterstützung für ein gemeinsames Signal in der robots.txt-Datei an, das Website-Administratoren die Verwaltung von Präferenzen bezüglich des Trainings künstlicher Intelligenz bei mehreren Anbietern gleichzeitig ermöglicht. Die neue Lösung ist eine Antwort auf den bisherigen Prozess, der von Website-Besitzern die Erstellung und Pflege separater Regeln für jeden Crawler einzeln erforderte. Die Implementierung dieses Signals soll in den kommenden Monaten erfolgen.
Das Unternehmen betont, dass die neue Lösung die bisherigen von OpenAI angebotenen Kontrollwerkzeuge nicht ersetzt. Die bestehenden Mechanismen zur Crawler-Verwaltung bleiben in Kraft und werden weiterhin respektiert. Das Vorhaben fügt sich in die Arbeit der Arbeitsgruppe AI Preferences ein, die im Rahmen der Organisation IETF (Internet Engineering Task Force) tätig ist. OpenAI teilte mit, dass es sich an den Arbeiten dieser Gruppe gemeinsam mit anderen Marktteilnehmern beteiligt, mit dem Ziel, Kommunikationsstandards bezüglich der Nutzung von Inhalten im Trainingsprozess generativer KI-Systeme auszuarbeiten. Das Unternehmen ermutigt auch andere KI-Technologieanbieter, dieses gemeinsame Signal zu honorieren.
Für KI-Entwickler: Website-Administratoren und Betreiber von Internetdiensten können robots.txt-Dateien im Hinblick auf die bevorstehende Implementierung des gemeinsamen Standards vorbereiten. Die Ankündigung nennt weder ein genaustes Einführungsdatum noch detaillierte Informationen darüber, wie das Signal von OpenAI-Systemen nach dessen Start technisch interpretiert wird – dies muss in den weiteren technischen Mitteilungen des Unternehmens verfolgt werden.
MonsterHouse nutzt NVIDIA Nemotron für Sprachinteraktion
Laut einem Blogbeitrag vom 30. Oktober 2026 schuf ein Enthusiast eine interaktive Halloween-Installation namens MonsterHouse unter Verwendung von NVIDIA-Technologies. Das Projekt verwandelt eine Garage in die Figur eines gürrisschen Piraten, der Gespräche mit Kindern führt und auf deren Höflichkeit reagiert, wie etwa die Verwendung des Wortes „bitte“.
Das System basiert auf dem NVIDIA Nemotron Voice Agent, der das Fundament der Konversation bildet. Für die Spracherkennung ist Nemotron ASR zuständig, und für die Sprachsynthese Magpie TTS Zeroshot. Das Gehirn der Operation ist das Modell Nemotron 3.5 Bolt E4B, das in einer 4GB-Version (4-Bit-Quantisierung) läuft. Die Lippenbewegungen werden durch Audio2Face-3D animiert, was eine Synchronisation der Gesichtsanimation mit den gesprochenen Zeilen ermöglicht. Die gesamte Installation wird lokal auf einer einzelnen Workstation ohne externen Netzzugang ausgeführt. Der Autor wählte das Bolt E4B-Modell wegen seiner geringeren Größe im Vergleich zu Modellen wie Qwen3 30B-A3B oder Qwen 3.6 35B-A3B, wodurch das Rechenbudget bei gleichzeitiger Wahrung des Gedächtnisses für den Gesprächszustand eingehalten werden konnte. Die Visualisierung der Figur, einschließlich des virtuellen Feuers, wurde in der Unreal Engine vorbereitet und die Gesichtsanimation in Autodesk Maya.
Für KI-Entwickler: Personen, die interaktive Charaktere in lokalen Umgebungen erstellen, können das Bolt E4B-Modell in der 4GB-Version zur Dialogsteuerung nutzen. Der Beitrag gibt nicht an, ob das System andere Sprachen als Englisch unterstützt, wie hoch die Kosten für die Volllizenz der verwendeten Software sind oder welche genauen Hardware-Anforderungen an die Grafikkarte für den reibungslosen Betrieb aller Komponenten gleichzeitig gestellt werden – dies muss vor einer eigenen Implementierung überprüft werden.
Autonome KI-Agenten auf der Suche nach extraterrestrischen Signalen
Das SETI-Institut und das Breakthrough Listen-Projekt informierten am 30. Oktober über die Integration autonomer KI-Agenten in Beobachtungssysteme des Allen Telescope Array im Norden Kaliforniens. Die neue Lösung ermöglicht die Steuerung von Instrumenten, Datenkorrekturen und die Anwendung von KI-Modellen mittels Befehlen in natürlicher Sprache, was die Analyse kosmischer Signale erheblich beschleunigt.
Das System nutzt die NVIDIA Holoscan-Plattform zur Verarbeitung von Datenströmen in Echtzeit. Die DAQIRI-Bibliothek ermöglicht die Übertragung von Terabits an Daten pro Sekunde direkt in den GPU-Speicher, wodurch das Speichern auf Festplatten überflüssig wird. Die Rechenverarbeitung wird durch NVIDIA CUDA-X-Bibliotheken einschließlich cuFFT und cuBLAS unterstützt. Über das Ganze wacht der Orchestrator Nexus, der den Zustand der Teleskope sowie die Rechenressourcen verwaltet. Die Infrastruktur bewältigt einen Durchsatz von 2,4 Terabit pro Sekunde bei Verwendung von NVIDIA RTX PRO 6000 Blackwell-Einheiten. Das System wurde bereits erfolgreich beim Nachweis eines Pulsars im Krebsnebel getestet. In Planung ist der Einsatz offener Modelle, darunter NVIDIA Nemotron, in Observatorien, die im Offline-Modus arbeiten, zum Beispiel auf der abgewandten Seite des Mondes.
Für KI-Entwickler: Forschungsteams, die sich mit der Funkverarbeitung befassen, können die Integration der Holoscan-Plattform mit ihren eigenen Datenverarbeitungspipelines überprüfen. Die Quelle nennt keine Speicheranforderungen für die einzelnen Modelle oder Lizenzkosten für den Zugriff auf CUDA-X-Bibliotheken. Es muss eigenständig überprüft werden, ob der Nexus-Orchestrator andere spezifische Antennenanordnungen als das Allen Telescope Array unterstützt.
Microsoft hat eine Plattform zum Testen von Copilot mit synthetischen Daten entwickelt
Laut am 30. Oktober veröffentlichten Informationen hat Microsoft die Industry Evaluation Data Generation Platform eingeführt, die zur Bewertung der Leistung des Microsoft Copilot-Systems in Unternehmensumgebungen dient, ohne dass tatsächliche, sensible Kundendaten verwendet werden müssen.
Diese Lösung entstand als Reaktion auf das Problem des Mangels geeigneter Testsätze, die die volle Komplexität einer Organisation bei gleichzeitiger Wahrung der Informationsvertraulichkeit widerspiegeln würden. Das System generiert vollständig synthetische, automatisierte Geschäftsumgebungen – sogenannte Tenants –, die die Organisationsstruktur, die Kommunikationshistorie, den Dokumentenfluss und dynamische Veränderungen im Zeitverlauf simulieren. Um Realismus zu gewährleisten, basieren diese Umgebungen auf öffentlich zugänglichen Daten wie Berufsdatenbanken O*NET, Stellenangebotsinhalten und SEC-Finanzberichten.
Die Plattform umfasst drei dedizierte Branchen: Pharmazie (unter Berücksichtigung regulatorischer Prozesse und klinischer Studien), Kapitalmärkte (mit Portfolioverwaltung und regelkonformer Kommunikation) und den IT-/Softwaresektor (der Sprint-Planung und Code-Reviews simuliert). Neben den Umgebungen selbst nutzt Microsoft eine automatisierte Pipeline zur Abfragegenerierung (query generation pipelines), die allgemeine Aufgabenmuster in realistische, branchenspezifische Fragen umwandelt. Dies ermöglicht es, die Fähigkeit von Copilot zur Informationssynthese und Schlussfolgerung auf eine Weise zu überprüfen, die den realen Bedürfnissen von Wissensarbeitern entspricht. Die Qualität der synthetischen Daten wird anhand interner semantischer Bewertungsrahmen gemessen, die strukturelle Treue und kontextuelle Angemessenheit berücksichtigen. Jede generierte Umgebung durchläuft automatische Sicherheitstests für Inhalte, um das Vorhandensein schädlicher Materialien oder von Daten, die die Identifizierung von Personen ermöglichen, auszuschließen.
Für KI-Entwickler: Ingenieursteams, die an der Implementierung von KI-Systemen in großen Organisationen arbeiten, können die beschriebene Strategie zur Erstellung synthetischer Tenants nutzen, um die Qualität der Modellantworten in komplexen Geschäftsszenarien zu überprüfen. Die Dokumentation liefert keine Informationen zur öffentlichen Verfügbarkeit der Tools, die diese Umgebungen generieren, für externe Unternehmen oder zu eventuellen Kosten für den Zugang zur Plattform – diese Fragen müssen beim Anbieter geklärt werden. Das Material präzisiert auch nicht, ob die Abfragegenerierung andere Sprachen als Englisch unterstützt.
MONAI Model Zoo auf AMD Instinct-Grafikkarten
Laut einer Ankündigung vom 30. Oktober 2026 hat die MONAI Model Zoo-Bibliothek fünf verifizierte medizinische Modellpakete bereitgestellt, die für die Ausführung auf AMD Instinct-Grafikkarten mit ROCm-Technologie angepasst sind. Diese Lösung ermöglicht die Durchführung einer optimierten Inferenz ohne Modifikation der Modellgewichte oder ihrer Logik.
Die Unterstützung für AMD-Geräte wurde durch die Verwendung einer sogenannten ROCm-Überlagerung erreicht, die sich in den nativen MONAI-Konfigurationsmechanismus integriert. Die Optimierung basiert auf drei Techniken: der Verwendung des Channels-Last-3D-Speicherlayouts, automatischer Mischpräzision BF16 und der Kompilierung des Rechengraphen mittels torch.compile() in der PyTorch-Umgebung. Dank dieses Ansatzes arbeiten Pakete wie SegResNet oder DiNTS ohne die Notwendigkeit einer Offline-Engine-Kompilierung mit der AMD-Architektur zusammen.
Tests auf dem AMD Instinct MI355X-Grafikprozessor (Architektur gfx950) ergaben, dass die Inferenzzeit für einzelne Modelle zwischen 3,60 ms (für das Modell spleen_deepedit) und 3,287 ms (für pancreas_dints) liegt. Die große HBM3E-Speicherkapazität (288 GB beim MI355X-Modell) ermöglicht die Verarbeitung großer Datenvolumina wie Vista3D (133 Strukturen) oder wholeBody_ct (104 Strukturen) ohne die Notwendigkeit einer Aufteilung von Aufgaben. Die Nutzung der Lösungen ist durch die Installation von MONAI 1.6.0 aus AMD ROCm-Paketen oder Docker-Images möglich.
Für KI-Entwickler: Ein Forscher im Bereich der medizinischen Bildgebung, der mit Computertomographie arbeitet, kann diese Modelle unter Verwendung zusätzlicher Konfigurationsdateien inference_rocm.json oder .yaml ausführen. Die Ankündigung nennt weder die Lizenz für die einzelnen Modellpakete noch rechtliche Einschränkungen im Zusammenhang mit der Verwendung in klinischen Umgebungen – diese Informationen müssen in der Dokumentation der einzelnen Bundles und beim Softwareanbieter überprüft werden.
Häufig gestellte Fragen (FAQ)
Welche Technologien bilden das Konversationssystem in der MonsterHouse-Installation?
Das System nutzt den NVIDIA Nemotron Voice Agent, Nemotron ASR für die Spracherkennung, Magpie TTS Zeroshot für die Sprachsynthese und das Modell Nemotron 3.5 Bolt E4B in einer 4-Bit-Version, die lokal auf einer Workstation läuft.
Warum hat Microsoft die Industry Evaluation Data Generation-Plattform entwickelt?
Die Plattform wurde entwickelt, um die Bewertung der Leistung des Microsoft Copilot-Systems in komplexen Unternehmensumgebungen ohne die Verwendung sensibler echter Kundendaten durch Simulation von Organisationsstruktur und Dokumentenfluss zu ermöglichen.
Welche Vorteile bietet die Verwendung von Modellen aus dem MONAI Model Zoo auf AMD Instinct-Karten?
Die Lösung ermöglicht die Durchführung einer optimierten Inferenz medizinischer Modelle ohne Modifikation ihrer Gewichte dank des Einsatzes der ROCm-Überlagerung und von Techniken wie BF16-Mischpräzision und der Kompilierung des Rechengraphen.
Quellen
- Making it easier for websites to express AI training preferences — 2026-10-30
- nemotron-halloween — 2026-10-30
- Things That Go Beep in the Night: Agentic AI Joins the Search for Extraterrestrial Signals — 2026-10-30
- From synthetic enterprise data evaluations to real Microsoft Copilot AI confidence — 2026-10-30
- Bringing the MONAI Model Zoo to AMD Instinct™ GPUs: Validated Inference on ROCm — 2026-10-30
--- 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.
Herkunftsmanifest dieses Beitrags (JSON) — aus welchen Signalen er entstand, welche Entscheidungen die Schleifen trafen und wann ein Mensch ihn freigab.
Verwandte Beiträge
KI heute: Apertus 1.5 und NVIDIA in der Industrie
Der Artikel beleuchtet die Veröffentlichung von Apertus 1.5, NVIDIAs Industrie-Initiative in Deutschland sowie den Einsatz von Gemini in der Mode.
KI heute: NVIDIA 6G und AMD InferaSim
Aktuelle Entwicklungen beleuchten NVIDIAs 6G-Tools, AMD InferaSim, TikTok und das Open ASR Leaderboard sowie BlockLock.
KI heute: Grupo Boticário und ServiceNow mit OpenAI
Grupo Boticário automatisiert 80% des Kundensupports mit KI, während OpenAI und ServiceNow ihre Unternehmensintegration ausbauen.
KI heute: NVIDIA Nemotron und Gemini 4 Carbon
Ein umfassender Überblick über die neuesten KI-Entwicklungen, darunter Nemotron 3.5 Transcribe, Gemini 4 Carbon und Android XR.