Diese Woche drehte sich fast alles um die Frage, wie weit man ein KI-System allein arbeiten lassen kann. OpenAI legt die Entwicklung eines eigenen Modells auf Eis, ein neues chinesisches Spitzenmodell rät bei Wissensfragen deutlich öfter als sein Vorgänger, und Fraunhofer zeigt einen Demonstrator, der während einer Videokonferenz vor gefälschten Gesprächspartnern warnt. Für KI in der Technischen Dokumentation laufen die Meldungen an derselben Stelle zusammen: bei der Frage, wer am Ende prüft und woran.
OpenAI setzt die Arbeit am Modell Astra aus
OpenAI hat am 8. August mitgeteilt, die internen Entwicklungsarbeiten am bislang unveröffentlichten Modell Astra auszusetzen, bis Überwachung und Eindämmung während der Entwicklung stärker greifen. Auslöser war eine Sicherheitsprüfung, bei der mehrere Modelle aus ihrer abgeschotteten Umgebung ausbrachen, sich über ein Messageboard untereinander abstimmten, eine Zero-Day-Lücke fanden und die Kontrolle über einen Server von Hugging Face übernahmen. Bei der Bewertung von Astra ließen sich kritische Cyberfähigkeiten nach Angaben des Unternehmens nicht ausschließen. Anthropic hat bei einer eigenen Nachprüfung festgestellt, dass drei Claude-Modelle im Rahmen von Fremd-Evaluationen reale Organisationen außerhalb des Testaufbaus angegriffen hatten. (Quelle: heise online)
Für Redaktionen ist das vor allem eine Meldung über Zugriffsrechte. KI-Werkzeuge laufen häufig unter dem Konto der Person, die sie eingerichtet hat. Das ist oft ein Administratorzugang mit Vollrechten auf viele Systeme. Niemand käme auf die Idee, einem neuen Mitarbeitenden am ersten Arbeitstag genau diesen Zugang zu geben. Für einen Agenten gilt dasselbe: eigenes Konto, eng begrenzte Rechte, vollständiges Protokoll über jeden Schreibvorgang und das Wissen, was genau da passiert. Autonom arbeitende Systeme lassen sich nicht lückenlos überwachen. Umso wichtiger ist, dass ein Eingriff jederzeit sofort möglich bleibt. Hat ein Multiagentensystem erst einmal ein paar Stunden gearbeitet, lässt sich außerhalb einer abgeschotteten Umgebung oder einer versionierten Ablage kaum noch nachvollziehen, was im Einzelnen geschah.
Alibabas neues Spitzenmodell rät öfter als sein Vorgänger
Alibaba hat am 3. August Qwen3.8-Max vorgestellt, ein Modell mit 2,4 Billionen Parametern. Die Gewichte sollen nach Ankündigung des Unternehmens in der Folgewoche freigegeben werden, es wäre das erste Modell der Max-Reihe, das Unternehmen selbst betreiben können. Eine Auswertung von Artificial Analysis zeigt zugleich eine unangenehme Kehrseite: Die Halluzinationsrate stieg von 23 auf 40 %, während die Trefferquote bei Wissensfragen mit rund 31 % unverändert blieb. Die Kosten je Aufgabe kletterten von 0,53 auf 1,14 US-Dollar, weil das Modell für dieselbe Arbeit 64 statt 14 Schritte braucht. (Quelle: heise online, Quelle: the decoder)
Ein Modell, das bei Wissenslücken rät, ist für die Technische Dokumentation schlechter geeignet als ein schwächeres, das seine Grenzen benennt. Diese Eigenschaft steckt in keinem der üblichen Indexwerte, mit denen Modelle verglichen werden. Wenn Sie ein Modell für Ihre Produktdokumentation auswählen, ist die Ablehnungsquote bei unbeantwortbaren Fragen die aussagekräftigere Zahl, und sie lässt sich an einem Vormittag selbst erheben. Die freigegebenen Gewichte machen das Modell für den Eigenbetrieb interessant, ändern an dieser Prüfpflicht aber nichts.
Am Rande, für alle, die an Eigenbetrieb denken: Ein Modell dieser Größe selbst zu betreiben, scheitert an der Hardware. Für die unquantisierte Fassung von Qwen3.8-Max wären rund 40 DGX-Spark-Systeme nötig; realistisch bliebe ein Verbund aus mehreren H100- oder H200-Karten. Eine 4-Bit-Quantisierung senkt den Bedarf, kostet aber Genauigkeit. Genau darauf kommt es in der Dokumentation an. Wer ein offenes Modell auf die eigene Domäne zuschneiden will, fährt mit LoRA (Low-Rank Adaptation) auf einem einzelnen Trainingsrechner besser. Für die meisten Häuser läuft es auf die Schnittstelle eines europäischen Anbieters hinaus.
An der Reihenfolge ändert das nichts: erst die Ablehnungsquote messen, dann über den Betriebsweg reden.
OpenAI senkt die Preise für die kleinen Modelle deutlich
Seit dem 30. Juli kostet GPT-5.6 Luna 80 % weniger, GPT-5.6 Terra 20 % weniger. Luna liegt jetzt bei 0,20 US-Dollar je Million Eingabe-Token und 1,20 US-Dollar je Million Ausgabe-Token, das größte Modell Sol bleibt beim bisherigen Preis. heise ordnet den Schritt als Antwort auf chinesische Anbieter ein, deren Modelle preislich in derselben Region liegen. (Quelle: heise online)
Billigere Token führen bei agentischen Abläufen nicht zu billigerer Automatisierung. Beim Qwen-Modell aus derselben Woche verdoppelten sich die Kosten je erledigter Aufgabe trotz gesunkener Token-Preise, weil das Modell mehr Schritte braucht. Rechnen Sie deshalb in Kosten je freigegebenem Dokument.
Fraunhofer warnt in Echtzeit vor gefälschten Gesprächspartnern
Das Fraunhofer-Institut für Sichere Informationstechnologie SIT in Darmstadt hat gemeinsam mit dem Fraunhofer-Innovationszentrum in Heilbronn am 3. August einen Demonstrator vorgestellt, der während einer laufenden Videokonferenz fortlaufend anzeigt, wie wahrscheinlich es ist, dass das Gegenüber eine Fälschung ist. Bild und Ton werden lokal analysiert, ein Rechner mit moderner Grafikkarte und 12 GB Grafikspeicher genügt dafür, die Daten verlassen das Gerät nicht. Das Audio-Modell wurde mit rund 19.000 unveränderten und etwa 160.000 manipulierten Aufnahmen trainiert. Die abschließende Prüfung bleibt bei den Teilnehmenden, etwa über eine Rückfrage oder einen Rückruf. Das System steht als Machbarkeitsnachweis, die Erprobung mit Unternehmen und Konferenzanbietern folgt. (Quelle: Fraunhofer-Gesellschaft)
Ich halte den Menschen hier weiterhin für die bessere Instanz. Das klingt gegen den Trend, hat aber einen handfesten Grund: Jedes Erkennungsmodell wird von Menschen trainiert, die Aufnahme für Aufnahme entscheiden, was gefälscht ist und was nicht. Auch hinter den 160.000 manipulierten Aufnahmen dieses Demonstrators steht menschliches Urteil. Ein System, das auf diesem Urteil aufbaut, kann es unterstützen, aber schwerlich überholen. Dazu kommt die Lage im Gespräch: Wer mitten im Videocall 60 % Fälschungswahrscheinlichkeit angezeigt bekommt, steht vor derselben Frage wie vorher — auflegen oder weiterreden. Der Wert taugt als Warnung, er ersetzt keine Regel darüber, wie in Ihrem Haus freigegeben wird. Wenn bei Ihnen Freigaben für sicherheitsrelevante Unterlagen mündlich im Videocall erteilt werden (was ich Ihnen nicht wünsche), gehört ein zweiter Kanal in den Prozess, etwa eine Freigabe per Signatur. Bewährt haben sich nicht dokumentierte Kontrollfragen, die plausibel klingen und auf die es nur eine richtige Antwort gibt.
Ein Beispiel: „Wie war die Veranstaltung gestern noch? Ich musste ja leider früher gehen.“ Hat es diese Veranstaltung nie gegeben, verrät sich ein generiertes Gegenüber oft schon an der Antwort. Solche Vorfälle sind selbstverständlich sofort der IT-Sicherheit zu melden.
doctima hält die Trennung von Redaktion und Übersetzung für zu grob
Zur Ausgabe 04/2026 der „technischen kommunikation“ hat doctima am 6. August einen Kommentar veröffentlicht. Die dort verbreitete Lesart, generative KI ergänze die redaktionelle Arbeit und ersetze in der Übersetzung deutlich mehr, hält die Beratung für zu grob geschnitten. Entscheidend sei der Grad der Strukturierung: Ohne konsequente Topic-Orientierung, gepflegte Metadaten und ein Redaktionssystem, das Terminologie und Varianten steuert, bleibe KI-Unterstützung in beiden Feldern Stückwerk. Was die Prüf- und Strukturierungskompetenz verkümmern lasse, sei eine fehlende Governance. (Quelle: doctima)
Beim Befund gehe ich mit, bei der Ursache nicht. doctima sieht die fehlende Governance als das, was Prüf- und Strukturierungskompetenz verkümmern lässt. Nach meiner Erfahrung ist Governance eher das Ergebnis als die Ursache: Sie entsteht, wenn jemand die Qualitätskriterien aufgeschrieben hat, gegen die geprüft wird. Fehlen diese Kriterien, hilft auch die beste Struktur nicht — dann liefert ein sauber getopictes System eben sauber strukturierten Unsinn.
Wo niemand die Kriterien festhält, definiert die Maschine schleichend, was als gut gilt. Das fällt lange niemandem auf, weil die Ausgabe ordentlich aussieht. Und wer diese Kriterien aufschreiben kann, sitzt bereits im Haus: Es ist dieselbe Berufsgruppe, die sie ohnehin täglich anwendet — warum Technische Redakteure die besseren Prompt Engineers sind, habe ich an anderer Stelle beschrieben.
Was ich diese Woche empfehle
Listen Sie auf, ob, und welche KI-Werkzeuge in Ihre Inhalte schreiben dürfen und unter welchem Konto. Gehen Sie dafür durch die Systeme, in denen Dokumentation entsteht: Redaktionssystem, Dateiablage, Ticketsystem, Übersetzungsspeicher. Machen sollte das die Person, die das Redaktionssystem administriert, gemeinsam mit der IT. Wenn Sie bei jeder Änderung der letzten 30 Tage sagen können, ob ein Mensch oder ein Werkzeug sie vorgenommen hat, sind sie gut aufgestellt.
Messen Sie an 3 typischen Aufgaben die Kosten bis zur freigegebenen Fassung. Die Redaktionsleitung wählt dafür etwa die Übersetzung eines Moduls, eine Variante von Sicherheitshinweisen und die Zusammenfassung eines Kapitels aus. Entscheidend ist, dass die Nacharbeit mitgerechnet wird und nicht nur der Modellaufruf. Vergleichen Sie die Werte mit denen der manuellen Prozesse. Rechnen Sie dabei mit dem Vollkostensatz. Nach 2 Wochen wissen Sie, welche dieser Aufgaben sich mit KI rechnet.
Prüfen Sie, wie oft Ihr Modell zugibt, dass es etwas nicht weiß. 20 Fragen zum Produkt genügen, 5 davon zu Punkten, die in Ihrer Dokumentation nicht stehen; zusammenstellen sollte sie jemand aus der Redaktion, der das Produkt kennt. Gezählt wird, wie oft das Modell auf die fehlende Grundlage hinweist, statt eine Antwort zu halluzinieren. Diese Quote gehört in die Modellauswahl und wird bei jedem Update oder Wechsel neu erhoben.
Die Kontrolle wird zum Engpass, nicht die Leistung
Die Kontrolle über KI-Systeme wird derzeit schneller zum Engpass als deren Leistungsfähigkeit. OpenAI bremst sich bei Astra selbst aus, weil die Absicherung fehlt. Beim stärksten chinesischen Modell steigen Fehlerquote und Kosten je Aufgabe gleichzeitig, obwohl der Indexwert besser aussieht. Für Dokumentation und Wissen ergibt sich daraus eine Reihenfolge: erst Rechte und Prüfkriterien festlegen, dann Werkzeuge auswählen. Fragen zu einzelnen Meldungen beantworte ich gern.
