Die KI-News von AdSimple – adsimple.at. Sponsor dieser Mittagsausgabe ist ChatCMM – chatcmm.com: Artikel und Bilder erstellen, prüfen und in WordPress veröffentlichen.

Aktualisiert am 7. November 2026 um 12:00 Uhr.

Auf einen Blick

Neu: OpenRouter wählt Modell und Denkaufwand – für wen sich das lohnt

OpenRouter hat am 6. November Auto Router erneuert und Auto Code für Programmieragenten vorgestellt. Die Auswahl berücksichtigt unter anderem Aufgabe, Preis, Verfügbarkeit und bereits zwischengespeicherten Kontext. Zugelassene Modelle und Anbieter lassen sich begrenzen.

Der Anbieter meldet für Auto Code über fünf Benchmarks eine Leistung auf dem Niveau von Claude Opus 5.5 bei 74 % niedrigeren Kosten je Aufgabe. Das sind Herstellerwerte, keine zugesagte Ersparnis für Deinen Betrieb. Die genannten 0,65 Sekunden betreffen den Routing-Schritt beim 90. Perzentil, nicht die vollständige Antwort.

Unsere Einordnung: Interessant ist das für Teams mit vielen unterschiedlichen Aufgaben: Eine kurze Zusammenfassung braucht möglicherweise andere Fähigkeiten als eine schwierige Fehleranalyse. Wer für einen eng umrissenen Prozess bereits ein zuverlässig getestetes Modell hat, gewinnt durch zusätzliche Wechsel nicht automatisch etwas. Auch ein verlorener Kontext-Cache kann den Preisvorteil verkleinern.

Erster Test: Nimm zehn abgeschlossene Aufgaben ohne vertrauliche Daten, jeweils mit festgelegtem Soll-Ergebnis. Lass Dein bisheriges Modell und den Router dieselben Aufgaben lösen. Erfasse erfolgreiche Ergebnisse, Gesamtkosten, Wartezeit und Nacharbeit. Lege vorher fest, welche Fehler zum Ausschluss führen. Erst wenn der Router bei vergleichbarer Qualität einschließlich Nacharbeit günstiger ist, lohnt ein größerer Versuch.

Quelle: OpenRouter: Auto und Auto Code, 6. November.

Neu: Anthropics Gedächtnis-Analyse zeigt auch die Kosten des Erinnerns

Anthropic beschreibt am 6. November, wie Agenten gespeicherte Notizen nachträglich mit ihren ursprünglichen Gesprächsprotokollen abgleichen. Dieses „Dreaming“ kann Fehler korrigieren und Wissen neu ordnen. Gemeint ist gespeicherter Kontext zwischen Sitzungen, kein erneutes Training der Modellgewichte.

Im eigenen Test mit 25 Fragen zu Unternehmensdokumenten erreichte Suche plus aufgebautes Wiki bis zu 61 % der Bewertungskriterien; Suche allein lag bei 53 %. Das Wiki allein kam höchstens auf 48 %. Bei einer anderen Aufgabe brachte es keinen klaren Vorteil, bei einer weiteren wurde es größer als die Ausgangsdokumente.

Was daraus folgt: Für wiederkehrende Aufgaben über viele Dokumente kann ein gepflegtes Gedächtnis nützlich sein. Für eine einmalige Frage zu einem kurzen Dokument kann die direkte Suche genügen. Zusätzliche Notizen müssen gepflegt werden und können veraltete Annahmen verbreiten.

Erster Test: Prüfe fünf wiederkehrende Fragen zu einem kleinen, freigegebenen Dokumentbestand zunächst mit Suche allein, dann mit kurzen belegten Notizen. Ändere anschließend bewusst eine Information in der Testquelle. Erkennt der Agent die Änderung, oder wiederholt er die alte Notiz? Genau diese Korrekturfähigkeit sollte vor einem breiten Einsatz feststehen.

Quelle: Anthropic: The components of agent memory.

Neu: Der Notion-Editor kommt direkt in ChatGPT

Notion hat am 6. November ein ChatGPT-Plugin vorgestellt: Seiten entstehen im echten Notion-Editor innerhalb des Chats und lassen sich dort auch von Hand bearbeiten. Rechercheergebnisse können in eine Notion-Datenbank überführt werden. Separat zeigt Notion Fortschrittsmeldungen seiner Agenten jetzt in Kommentarantworten.

Praktischer Nutzen: Eine erarbeitete Übersicht kann direkt dort landen, wo das Team sie weiterverwendet. Das erspart den Übertragungsweg, ersetzt aber nicht die Prüfung der Inhalte und Freigaben. Starte mit einer Testseite und kontrolliere Zielbereich, Quellenlinks, Tabellenfelder und Zugriffsrechte. Die Ankündigung nennt nicht sämtliche Tarif- und Kontovoraussetzungen; prüfe die Verfügbarkeit in Deinem Konto.

Quellen: Notion zum ChatGPT-Plugin, Datenbanken, Agentenfortschritt in Kommentaren.

Aus unseren Projekten: Vom Thema zum veröffentlichten Blogartikel

ChatCMM: Artikel erstellen, Inhalt prüfen und in WordPress veröffentlichen. chatcmm.com. Sponsor dieser Ausgabe.
ChatCMM – ein Projekt von AdSimple und Sponsor der Mittagsausgabe.

ChatCMM – chatcmm.com, Sponsor dieser Ausgabe, verbindet Artikelerstellung, passende Bilder und die Veröffentlichung in WordPress. Dazu kommen Kampagnenplanung und Freigabeabläufe; der verfügbare Umfang hängt vom Tarif ab.

Wenn Du regelmäßig Fachartikel veröffentlichst, beginne mit einem klar abgegrenzten Thema und einer konkreten Leserfrage. Prüfe den Entwurf auf Belege, hilfreiche Beispiele und korrekte Produktangaben, bevor er auf Deiner Website erscheint. ChatCMM ansehen.

Neu: DeepMind untersucht Schwächen älterer RSA-Systeme

Google DeepMind berichtet am 6. November von zwei Schwächen in älteren 1024-Bit-RSA-Systemen, die KI-Agenten unter menschlicher Anleitung untersucht haben. Der Anbieter stellt ausdrücklich klar: Moderne 2048-Bit-Systeme sind von diesen konkreten Angriffen nicht betroffen.

Unsere Einordnung: Daraus folgt keine pauschale Aussage, heutige Verschlüsselung sei gebrochen. Für Unternehmen ist eine Bestandsaufnahme sinnvoller als Alarmismus: Welche alten Geräte oder Dienste verwenden noch welche Schlüssel, wer betreut sie und wie lassen sie sich aktualisieren? Eine konkrete Betroffenheit muss anhand der eingesetzten Implementierung geprüft werden.

Quellen: DeepMind zur Forschung, ausdrückliche Einschränkung zu 2048 Bit.

Neu und aktualisiert: Cloud-Code, Bildbearbeitung und Lernen

Claude Code: Für Cloud-Sitzungen auf Pro, Max und Ultra kündigt Anthropic eine vereinfachte Einrichtung an. Abhängigkeiten, Netzwerkzugang und benötigte API-Schlüssel werden ermittelt; die Umgebung lässt sich wiederverwenden. Laut Anbieter werden Schlüssel sicher gespeichert, ohne dass Claude sie sieht. Für einen ersten Versuch eignet sich ein unkritisches Testrepository mit eng begrenzten Zugängen. Originalankündigung.

Figma: Objekte lassen sich mit KI-Bildbearbeitung isolieren oder entfernen; Figma nennt die macOS-Desktop-App als verfügbar. Bei Produktbildern Kanten, Schatten und unveränderte Produktdetails kontrollieren. Figma.

Gemini Notebook: Lernkarten erhalten Bilder und eine optionale Stoppuhr; auf Mobilgeräten kommen Lernerinnerungen hinzu. Das kann für interne Produktschulungen interessant sein – Antworten weiterhin gegen die Schulungsunterlagen prüfen. Ankündigung.

Video und GIF: fal bietet GPT Image 2.6 für animierte GIFs an. Die kostenlose FLUX-3-Max-Aktion läuft laut fal bis 9. November; sie ist eine zeitlich begrenzte Aktion für ein bereits veröffentlichtes Modell. Higgsfield stellt Miracle für lokale Videobearbeitung vor, nennt die MCP-Anbindung aber ausdrücklich erst „coming soon“. GIFs bei fal · FLUX-Aktion · Higgsfield-Ausblick.

Neu: Ein Labortest misst auch, wann KI keine Schlussfolgerung ziehen sollte

OpenAI und Ligo stellen BioBasicsBench mit 100 Aufgaben aus der alltäglichen Laboranalyse vor. Geprüft werden unter anderem Rohdaten, Fehlererkennung und der Umgang mit unzureichender Evidenz. GPT-6 Astra erreicht laut OpenAI bei „xhigh“ durchschnittlich 66,7 % der möglichen Bewertungspunkte, GPT-5.6 Sol 43,8 %. Das ist nicht der Anteil vollständig fehlerfreier Aufgaben.

Für den Unternehmenseinsatz ist die Testidee übertragbar: Nimm auch Fälle in Deine Bewertung auf, bei denen Informationen fehlen oder sich widersprechen. Ein brauchbares System muss erkennen, wann es nachfragen sollte. Die Laborergebnisse belegen jedoch keine Zuverlässigkeit bei Deinen Geschäftsdaten.

Quelle: OpenAI: BioBasicsBench, 6. November.

Weitere AdSimple-Projekte

geembee.com unterstützt die Planung und Veröffentlichung von Google-Business-Beiträgen.

OpenAI prüft mit Hacktron die Verbindungen zwischen Diensten

OpenAI hat am 6. November eine Zusammenarbeit mit Hacktron angekündigt. Gemeinsam sollen die Sicherheitsteams besonders wichtige Bereiche prüfen, vor allem die Verbindungen zu externen Diensten. Hacktron erhält dafür erweiterten Zugang zu OpenAIs Modellen über Daybreak Red.

Unsere Einordnung: Für Unternehmen mit KI-Agenten ist die Schnittstelle oft die entscheidende Stelle: Ein Agent kann korrekte Antworten geben und trotzdem zu weitreichende Zugriffsrechte haben. Die Partnerschaft ist keine Zusage, dass angeschlossene Anwendungen automatisch sicher sind.

Ein sinnvoller erster Test: Wähle in einer eigenen Testumgebung genau eine Verbindung, etwa zwischen CRM und Supportsystem. Lass den Agenten einen erlaubten Testdatensatz abrufen und kontrolliere anschließend, dass ein zweiter, nicht freigegebener Testdatensatz gesperrt bleibt. Prüfe auch das Protokoll: Ist erkennbar, welches Konto welche Daten abgefragt hat? Für diesen Berechtigungstest brauchst Du zunächst kein neues Cybermodell.

Quelle: OpenAI zur Hacktron-Partnerschaft, 6. November.

Copilot zählt mehr Nutzung – was Dir das für die Kaufentscheidung sagt

GitHubs Copilot-Impact-Dashboard erfasst nun auch Copilot Chat und das VS-Code-Agents-Fenster. Aus „Passive users“ wird „Chat-first users“. Die Änderungen gelten für die 28-Tage-Berichte von Organisationen und Unternehmen; vorhandene Nutzungsphasen und Gruppengrößen ändern sich dadurch nicht. Ältere Berichte enthalten die zwei zusätzlichen Bereiche nicht.

Wofür das hilft: Verantwortliche können besser erkennen, welche Funktionen ihr Team überhaupt verwendet. Wer vor und nach der Erweiterung Zahlen vergleicht, muss die geänderte Erfassung beachten. Mehr angezeigte Nutzung belegt weder mehr erledigte Arbeit noch bessere Ergebnisse.

Unser Testvorschlag: Wähle für die nächste Woche fünf ähnliche, kleine Aufgaben. Halte jeweils Arbeitszeit, Prüfzeit und nötige Korrekturen fest. Vergleiche sie mit ähnlich schwierigen früheren Aufgaben. Das liefert eine erste Entscheidungshilfe, ob sich der Einsatz lohnt; fünf Fälle beweisen noch keinen Produktivitätsgewinn für das ganze Team. Wer keine vergleichbaren Aufgaben hat, sollte zunächst diese Ausgangswerte sammeln.

Quelle: GitHub: erweiterte Nutzungsübersicht, 6. November.

Copilot-Reviews lassen sich genauer nachvollziehen

GitHub erweitert die REST- und GraphQL-Schnittstellen für Copilot-Code-Reviews. Je nach Rolle lassen sich Einstellungen zentral verwalten. Ausgaben sind eindeutiger Copilot zugeordnet; soweit vorhanden wird auch die verwendete Denkstufe ausgewiesen. Kommentare können zeigen, welche Skills, MCP-Server und Anweisungen Copilot als Quellen gemeldet hat. Die Sitzungsansicht zeigt außerdem verbrauchte KI-Credits.

Praktischer Nutzen: Wer viele Projekte betreut, kann eher feststellen, ob zwei Reviews unter denselben Bedingungen entstanden sind. Eine genannte Quelle beweist aber nicht, dass jede ihrer Vorgaben korrekt umgesetzt wurde.

Wichtig für die Einführung: Nicht alle Verwaltungsebenen unterstützen dieselben Zugangsmethoden. Die Unternehmens- und Organisationsendpunkte unterstützen laut GitHub keine GitHub Apps oder fein abgestuften persönlichen Tokens; bei Repository-Einstellungen ist das anders. Für einen ersten Vergleich reichen zwei abgeschlossene Reviews im eigenen Projekt: Denkstufe, nicht geprüfte Dateien, Kosten und tatsächlich hilfreiche Befunde nebeneinander ansehen.

Quelle: GitHub: API-Verwaltung und Review-Übersicht, 6. November.

GitHub bringt Aufgaben aus Slack und Teams in die Umsetzung

Die GitHub-Integration für Slack und Teams ist seit dem 6. November allgemein verfügbar. Aus Gesprächen lassen sich Fehler untersuchen, Issues erstellen und Änderungen als Pull Requests vorbereiten. In Teams zeigt Canvas Pläne, Codeänderungen und Vorschauen neben der Unterhaltung. Neu angelegte Issues und Pull Requests weisen auf das Ursprungsgespräch und den beteiligten Benutzernamen hin.

Für wen das passt: Teams, deren Arbeitsaufträge ohnehin im Chat entstehen, sparen sich möglicherweise die erneute Übertragung. Für unklare Zurufe bleibt jedoch eine Rückfrage nötig.

Erster Test: Nimm eine kleine, bereits geklärte Änderung. Lass daraus ein Issue erstellen und prüfe, ob Ziel, Abnahmekriterium und die letzte Entscheidung aus dem Gespräch vollständig übernommen wurden. Erst dann sollte die Umsetzung starten. Ein Link zum Chat ersetzt keine eindeutige Aufgabenbeschreibung.

Quelle: GitHub für Slack und Teams, 6. November.

Spracherkennung wird mit mehr englischen Akzenten geprüft

Das Open ASR Leaderboard ergänzt am 6. November zwei nicht öffentliche Testsätze von Liva AI: ägyptisch und nigerianisch akzentuiertes Englisch. Zusammen umfassen sie knapp drei Stunden spontaner Gespräche. Die Auswertung unterscheidet englische Akzente nun genauer.

Unsere Einordnung: Das ist nützlich, wenn ein Transkriptionsdienst internationale Gespräche verarbeiten soll. Es ist aber kein Nachweis für österreichischen Dialekt oder deutschsprachige Fachgespräche. Auch eine gute Gesamtplatzierung kann verdecken, dass genau die eigenen Sprecher schlechter erkannt werden.

Erster Test: Nutze fünf kurze, freigegebene Beispielaufnahmen aus unterschiedlichen typischen Gesprächssituationen. Vergleiche Transkript und Aufnahme: Wurden Namen, Beträge und Verneinungen richtig übernommen? Notiere die Korrekturzeit je Aufnahme. Für ein Kundengespräch kann ein einziges übersehenes „nicht“ wichtiger sein als mehrere harmlose Schreibfehler.

Quelle: Hugging Face und Liva AI zum erweiterten Sprachtest, 6. November.

Kurz vom Freitag: Robotik und interaktive Welten

ToyBlocks: Ai2 stellt eine kontrollierte Simulationsumgebung vor, in der sich Roboterverhalten bei veränderten Bedingungen vergleichen lässt. Für Forschungsteams ist die Wiederholbarkeit interessant; sie ersetzt keine Prüfung am echten Roboter. Ai2, 6. November.

Frameboy: World Labs demonstriert interaktive Welten mit Atlas und bis zu 15 Bildern pro Sekunde. Es handelt sich um eine Demo ausgewählter Szenen, nicht um einen Beleg, dass beliebige Kundenräume maßhaltig rekonstruiert werden. World Labs, 5. November; am Freitag bereits behandelt.

Stand: 7. November 2026, 11:35 Uhr, Europe/Vienna. Weitere Anbieterquellen: AI Models & Tools.