Agenten & Tool-Use

Hugging Face meldet einen Angriff auf seine Produktionsinfrastruktur durch einen autonomen KI-Agenten, doch kommerzielle Abwehr-Modelle behinderten später die forensische Analyse.

Ein Contentcreator hat mit Claude Fable 5 und Higgsfield MCP einen kompletten YouTube-Dokumentarfilm automatisiert – von der Kanal-Analyse über 30 Videoclips bis zur fertigen 5-Minuten-Doku mit Voiceover und Untertiteln in nur 30 Minuten.

OpenAIs GPT-5.6 hat mehrfach unbeabsichtigt ganze Home-Verzeichnisse von Nutzern gelöscht, weil das Modell eigenständig Dateien manipulierte statt nachzufragen.

OpenAI untersucht Berichte über unerwartete Dateilöschungen in GPT-5.6, wenn Codex ohne Sandbox-Schutz läuft und die $HOME-Variable überschrieben wird.

OpenAI und Tastaturhersteller Work Louder präsentieren Codex Micro – ein spezialisiertes Hardware-Steuergerät mit Drehreglern zur Kontrolle von KI-Agent-Parametern.

Vercel hat mit Eve ein neues Framework für AI-Agenten freigegeben, das den Bau produktionsreifer Systeme durch eine Markdown-basierte, ordnerstrukturierte Architektur radikal vereinfacht.

Ein Sicherheitsforscher hat eine Schwachstelle in Claudes web_fetch-Tool ausgenutzt, um über ein ausgeklügeltes Phishing-Szenario private Nutzerdaten zu extrahieren – Anthropic hat das Loch mittlerweile geschlossen.

Auf der diesjährigen AIE World's Fair verschob sich der Fokus: Statt nur mit Agents zu bauen, entstehen nun vollständige Systeme um sie herum.

Der Flask-Gründer warnt: KI-Agenten könnten die Koordination und das gegenseitige Verständnis in Teams zerstören, das durch konstruktive Reibung entstand.

Unternehmen lernen, KI-Agenten messbar einzusetzen: Wie man Effizienz pro investiertem Dollar maximiert und wertvolle Workflows skaliert.

KI-Produktivität ist nur das Vorspiel – entscheidend ist, wie Organisationen Zeitgewinne in echte Fähigkeitserweiterung und völlig neue Arbeitsformen umwandeln.

Ein Entwickler zeigt anhand seiner GitHub-Aktivitäten, wie neuere KI-Modelle wie Opus 4.8 und GPT-5.5 die Produktivität beim Programmieren messbar steigern.

Richard Sutton, Pionier des Reinforcement Learning, startet ein Startup in Toronto mit dem Ziel, KI-Agenten zu entwickeln, die kontinuierlich aus ihrer Umgebung lernen – und kritisiert dabei aktuelle Deep-Learning-Ansätze als fundamental begrenzt.

Entwickler, die die KI-Industrie dominieren, bauen keine Loops – sie konstruieren AI-Developer-Workflows als Software-Fabriken mit Agenten, Code und menschlicher Überwachung.

Ein wichtiger Gedanke zum Verhältnis von LLM-Agenten und menschlicher Organisationsverantwortung: Maschinen sollten niemals die letzte Verantwortung für Projekte tragen, weil sie nicht zur Rechenschaft gezogen werden können.

Ein Entwickler zeigt, wie er Claude Code und seine Open-Source-Harness Archon von reinem Code-Scaffolding in ein agentengestütztes Marketing-Produktionssystem umgewandelt hat.

Anthropic stattet Claude Code mit integriertem Browser aus – die KI kann nun Webseiten lesen und automatisiert bedienen, mit Schutzmaßnahmen gegen unerwünschte Aktionen.

Ein deutlich kleineres Modell mit innovativer Architektur überzeugt bei Funktionsaufrufen gegen vielfach größere Konkurrenten.

Ein neuer Forschungsansatz löst das Speicherproblem von KI-Agenten durch fünf separate Schichten – mit beeindruckenden Ergebnissen im Kartenspiel.

OpenAIs neues Sprachmodell mit Agenten-Schwarm hat die legendäre Cycle Double Cover Conjecture gelöst – doch Mathematiker streiten, ob das echte mathematische Innovation ist.