Kategorie: KI-News

Dein Smartphone kann dir sofort sagen, was das für ein Käfer auf dem Blatt ist, oder eine lange Besprechung zusammenfassen – auch ohne Empfang. Das verspricht Googles neues KI-Modell für die nächste Pixel-Generation. Am 14. Juli 2026 kündigte Google auf der I/O Connect India das Modell Gemma 4 E2B for TPU an. Es läuft nativ auf dem Tensor Processing Unit (TPU) des kommenden Pixel 10 und seiner Geschwister. Der Autor Abner Li von 9to5Google berichtete darüber.

Gemma ist eine Familie offener, leichter KI-Modelle von Google, die direkt auf dem Gerät laufen – Daten bleiben lokal. Gemma 4 wurde im April 2026 vorgestellt und gilt als Basis für Gemini Nano 4, das ebenfalls auf dem Pixel 10 laufen soll. Google beschrieb es als hochmodern, leistungsfähig und schlank. Diese Kombination ist entscheidend für den Einsatz auf einem Smartphone mit begrenztem Rechenstrom und Energie.

Stell dir ein Schweizer Taschenmesser vor: Ein kompaktes Werkzeug für viele Aufgaben. Gemma 4 vereint mehrere Fähigkeiten in einem kleinen Modell, das in den Tensor G5-Chip des Pixel 10 passt. Es ist multimodal – verarbeitet Text, Bilder, Audio und Videoströme. Und das passiert lokal. Dadurch entstehen Anwendungen, die bisher nur mit Internetverbindung denkbar waren.

Ein konkretes Beispiel: Der Chat mit der KI funktioniert auch im Flugzeug ohne WLAN. Du machst ein Foto, die KI fragt: „Was ist das für eine Pflanze?“ oder „Wo ist der Schaden an diesem Bauteil?“, und sie antwortet, ohne dass ein Server antworten muss. Ebenso möglich: private, lokale Transkription von Audioaufnahmen – nützlich für Vorlesungen oder Meetings. Google zeigte auch „Mobile Actions“: Du steuerst Kernfunktionen des Telefons per Sprach- oder Texteingabe – WLAN einschalten, Karten-App öffnen – alles ohne Datenübertragung nach außen.

Die Anwendungen gehen über das Privatleben hinaus. Im Handel könnte ein Verkäufer ein Rezeptfoto in eine Einkaufsliste im Laden umwandeln – offline. In der Werkstatt macht ein Mechaniker ein Foto von einem defekten Getriebeteil, die KI gibt eine Diagnose, ohne dass er eine Suchmaschine befragen muss. On-Device-KI beschleunigt Arbeitsabläufe und adressiert Datenschutzbedenken – Daten verlassen nie das Gerät.

Bisher waren leistungsfähige KI-Modelle oft an Cloud-Dienste gebunden. Große Modelle wie GPT-4 oder Gemini laufen auf Serverfarmen, brauchen schnelles Internet und verursachen Latenz. Für Echtzeitanwendungen oder Situationen ohne Netz war das eine Hürde. Mit Gemma 4 E2B schließt Google diese Lücke. Der Name „E2B“ symbolisiert, dass das KI-Gehirn direkt am Rand des Netzes auf deinem Gerät sitzt.

Die Optimierung auf den Tensor G5 und seine TPU ist entscheidend. TPUs sind spezialisierte Chips für die Matrixberechnungen neuronaler Netze. Google hat sie für Rechenzentren entwickelt und bringt sie nun aufs Smartphone. Gemma 4 ist darauf zugeschnitten: weniger Stromverbrauch, schnellere Antwortzeiten, komplexere Modelle laufen lokal. Unterstützt werden Pixel 10, 10 Pro, 10 Pro XL und 10 Pro Fold. Frühere Pixel oder andere Android-Geräte werden vorerst offiziell nicht bedient.

Google positioniert Gemma als offenes Modell. Entwickler können es herunterladen, anpassen und in eigene Apps integrieren. Das erinnert an die Strategie hinter TensorFlow Lite: eine KI-Plattform für viele Geräte, eng mit Googles Hardware verzahnt. Apps von Drittanbietern könnten diese lokale KI nutzen, ohne eigene Server zu betreiben – Fotobearbeitung erkennt Objekte, Notiz-Apps transkribieren handschriftliche Notizen. Alles offline und datenschutzkonform.

Es gibt Grenzen. On-Device-KI erreicht nie die Rechenleistung eines Rechenzentrums. Die Modelle müssen leichter sein, was Abstriche bei Genauigkeit oder Wissensumfang bedeuten kann. Google betont die Leichtigkeit – eine bewusste Einschränkung. Für komplizierte Reasoning-Aufgaben oder große Textmengen bleibt die Cloud nötig. Die Stärke liegt in der Kombination: schnelle, private Aufgaben laufen lokal; komplexe Anfragen gehen in die Cloud. Das ist Googles hybride KI-Vision.

Für Pixel-10-Käufer bedeutet das: Ihr Telefon bringt eine KI-Fähigkeit mit, die über das Google Assistant-Niveau hinausgeht. Es erkennt Bilder, transkribiert Audio und schlägt kontextbezogene Aktionen vor – ohne Serververzögerung. Wer viel reist, in Gebieten mit schlechtem Netz arbeitet oder Wert auf Datenschutz legt, bekommt ein Werkzeug, das bisher Science-Fiction war. Die Technologie steckt noch in den Kinderschuhen. Erste Demos zeigen vielversprechende Ansätze, die Alltagstauglichkeit wird sich erst in den nächsten Monaten zeigen.

Mit Gemma 4 E2B setzt Google einen Meilenstein für On-Device-KI. Die Kombination aus maßgeschneiderter Hardware und einem schlanken Modell könnte das Smartphone-Erlebnis verändern. Es ist kein sofortiger Umbruch, aber ein Schritt in eine Zukunft, in der KI nicht nur in der Cloud lebt, sondern auch in der Hosentasche. Für Nutzer bedeutet das mehr Privatsphäre, mehr Unabhängigkeit von der Internetverbindung und ein Werkzeug, das im Alltag unterstützt. Die Konkurrenz wird reagieren müssen.

Quelle: 9to5google.com

Dein Unternehmen erlaubt ChatGPT, aber niemand weiß, wer welche Daten hochlädt. Oder ein Kollege installiert heimlich ein KI-Tool, das sensible Firmendaten analysiert – ohne dass die IT etwas mitbekommt. Dieses Phänomen heißt Shadow AI und wird für Sicherheitsverantwortliche zum Problem. Fortinet erweitert seine Plattform FortiEndpoint. Der Sicherheitsspezialist hat angekündigt, die Endpoint-Lösung um KI-Überwachung, integrierte Data Loss Prevention und einen KI-Assistenten für Security-Teams zu ergänzen. Unternehmen sollen ihre Geräte, den Zugriff auf KI-Tools und die sensiblen Daten mit einem einzigen Werkzeug kontrollieren können.

Statt mehrerer Einzellösungen für Endpunktschutz, Fernzugriff und Datensicherheit gibt es künftig einen Agenten, eine Konsole und eine Lizenz. Der Vorteil liegt in der Verknüpfung verschiedener Sicherheitssignale. Wenn ein Gerät ein Risiko meldet, kann das automatisch die Zugriffsrechte in anderen Fortinet-Produkten anpassen – etwa in der Firewall oder im VPN.

Der erste große Block der Neuerung betrifft die Sichtbarkeit von KI-Nutzung. FortiEndpoint zeigt Administratoren auf einen Blick, welche KI-Anwendungen, -Agenten und -Webdienste auf den Firmenrechnern laufen – und wer sie verwendet. Das betrifft sowohl erlaubte als auch nicht genehmigte Tools. Sicherheitsteams können dann per Knopfdruck festlegen, ob eine Anwendung blockiert, nur überwacht oder eingeschränkt werden soll. Laut Duncan Riley, dem Autor des Originalartikels auf SiliconANGLE, können Unternehmen damit gezielt steuern, welche Tools sie tolerieren und welche nicht.

Der zweite Bereich ist der Datenschutz: die integrierte Data Loss Prevention. Das Feature prüft Datenströme, die von den Geräten in KI-Anwendungen, -Agenten oder -Webdienste fließen. Es erkennt vertrauliche Informationen wie personenbezogene Daten, geistiges Eigentum oder Finanzdaten und kann den Transfer unterbinden. Fortinet hat zudem eine Funktion eingebaut, die dem Nutzer in Echtzeit einen Hinweis einblendet, wenn er versucht, etwas Kritisches zu teilen. Der Hersteller verspricht, dass diese Rückmeldung das Sicherheitsbewusstsein stärkt, ohne die Arbeit zu bremsen.

Der dritte Teil ist ein KI-Assistent namens FortiAI-Assist. Sicherheitsanalysten können damit in natürlicher Sprache Ereignisse untersuchen, Zusammenfassungen abrufen, risikoreiche Geräte identifizieren oder Probleme beheben. Das Tool gibt Policy-Empfehlungen und Risikobewertungen. Das System basiert auf Zero-Trust-Prinzipien: Zustand und Compliance eines Geräts werden kontinuierlich bewertet, sein Zugang zu Netzwerken und Daten dynamisch an das aktuelle Risiko angepasst. Wenn ein Rechner plötzlich verdächtige Aktivitäten zeigt, schaltet FortiEndpoint ihn automatisch in einen eingeschränkten Modus – ohne menschliches Eingreifen. Das beschleunigt Reaktionen in großen Umgebungen mit Tausenden Geräten.

Fortinet kündigte die Neuerungen auf der Accelerate 2026 Konferenz an. Michael Xie, Mitgründer und CTO, sagte, Organisationen bräuchten einen einfacheren und effektiveren Weg, um Sicherheit zu managen, während ihre Umgebungen komplexer und KI-gestützter werden. Die Plattform vereint Sicherheit, sicheren Zugriff, Datensicherheit, KI-Transparenz und unterstützte Betriebsabläufe in einem Agenten, einer Konsole und einer Lizenz. Die neuen Funktionen sollen im dritten Quartal 2026 verfügbar sein. Fortinet hatte Ende 2024 sieben Produkte mit KI-Features ausgestattet und im Dezember die FortiGate-VM-Firewall auf Nvidias BlueField-3-Chips für KI-Rechenzentren portiert.

Die Idee, alle Sicherheitsfunktionen für Endgeräte in einer Plattform zu bündeln, ist nicht neu. Die Fokussierung auf KI-Überwachung adressiert ein akutes Problem: Immer mehr Mitarbeiter nutzen KI-Tools, ohne die IT zu informieren. Das birgt Risiken für Datenlecks und Compliance-Verstöße. Fortinet liefert mit FortiEndpoint eine Antwort, die nicht nur kontrolliert, sondern durch Benutzerhinweise die Eigenverantwortung stärkt. Ob die KI-Überwachung selbst Fehlalarme oder Datenschutzbedenken schafft, bleibt abzuwarten. Fortinet setzt auf clientseitige Inspektion – der Spagat zwischen Sicherheit und Privatsphäre ist eine Herausforderung.

Quelle: siliconangle.com

Du kommst aus einem Meeting, beide Hände voll, eine Idee brennt dir auf der Zunge. Tippen ist unmöglich. Genau hier setzt die jüngste Entwicklung von Slack an. In den letzten drei Monaten hat das Unternehmen seinen KI-Assistenten Slackbot erweitert. Im April lernte er zu handeln, im Mai zu sehen. Seit dem 24. Juni 2026 hat er ein Gedächtnis, eine Verbindung zu deinem Tech-Stack über MCP – und er hört zu. Das ist keine Science-Fiction, sondern der logische nächste Schritt für ein Tool, das im Zentrum der Teamarbeit steht.

Slack hat in einem Blogbeitrag beschrieben, wie sich Slackbot in drei Monaten von einem passiven Frage-Antwort-Werkzeug zu einem proaktiven Assistenten entwickelt hat. Je mehr du und dein Team in Slack arbeiten, desto schlauer wird Slackbot. Er merkt sich nicht nur, was du ihm sagst, sondern weiß, was in den Channels passiert ist, welche Entscheidungen getroffen wurden und wie Projekte laufen. Das unterscheidet ihn von anderen KI-Assistenten, die nur auf das beschränkt sind, was du ihnen explizit mitteilst.

April: Slackbot lernt zu handeln

Die erste Stufe: Slackbot kann jetzt nicht nur antworten, sondern aktiv werden. Neue Skills erlauben ihm, direkt in Systemen wie Salesforce Aktionen auszuführen. Ein Beispiel: Der Sales Engineer Raveesh Raina baute einen Skill, der nach Kundengesprächen automatisch Aktivitäten protokollierte. Innerhalb von drei Wochen nutzten 466 Kollegen diesen Skill – 73 Prozent davon durch Mundpropaganda. Das Ergebnis: eine Zeitersparnis von 43 Minuten pro Person pro Woche. Die Zahl zeigt, wie mächtig ein Assistent sein kann, wenn er Arbeit erledigt statt nur Wissen liefert.

Der Unterschied zwischen einem Chatbot, der dir sagt, wie man einen Salesforce-Eintrag aktualisiert, und einem, der es selbst tut, ist gewaltig. Es ist der Unterschied zwischen einer Gebrauchsanweisung und einem Handwerker. Slack setzt bewusst darauf, dass Nutzer eigene Skills erstellen und teilen können. So wird das Prozesswissen eines Einzelnen zur Superkraft des Teams. Dies war keine einmalige Aktualisierung, sondern eine Neuausrichtung: Slackbot wurde vom Informationslieferanten zum Handlungsagenten.

Mai: Slackbot lernt zu sehen

Einen Monat später folgte die nächste Fähigkeit: Slackbot kann Informationen außerhalb von Slack einholen und in den Gesprächskontext einbringen. Er liest PDFs, durchsucht das Web, erstellt native Diagramme aus Rohdaten oder erklärt Textpassagen – alles direkt im Channel. Die Ergebnisse landen nicht in einem separaten Tool, sondern genau dort, wo die Arbeit ohnehin passiert: im Chat. Die Konversation wird zum Arbeitsergebnis.

Wer schon mal versucht hat, eine komplizierte Analyse aus einem Datenbanktool in einen Chat zu kopieren, weiß, wie frustrierend das ist. Mit Slackbots neuer Funktion entfällt dieser Schritt. Du markierst eine Zahl, bittest Slackbot, ein Diagramm daraus zu machen, und schon liegt es für alle sichtbar im Channel. Kein Export, kein Formatieren, kein Suchen. Der Arbeitsfluss wird nicht unterbrochen. Die Arbeit findet im Chat statt, Slackbot sorgt dafür, dass die richtigen Daten zur richtigen Zeit auftauchen.

24. Juni: Slackbot bekommt Gedächtnis, MCP und Stimme

Der dritte Schritt vereint all diese Fähigkeiten und fügt eine neue Dimension hinzu: Kontext. Slackbot hat jetzt ein Gedächtnis, das weit über das hinausgeht, was du ihm explizit sagst. Er kennt die Historie deiner Channels, Entscheidungen aus dem letzten Monat, Diskussionsfäden mit den echten Antworten. Du musst ihn nicht mehr in deine Rolle und Projekte einweisen – er weiß es bereits.

Das unterscheidet ihn von anderen KI-Assistenten, die nach jeder Sitzung neu lernen müssen. Stell dir vor, du bittest Slackbot nach sechs Wochen um ein Update zu einem Deal. Er kennt nicht nur die nackten Zahlen, sondern auch die Stakeholder, Knackpunkte und die letzte Aussage deines Ansprechpartners – weil all das in Slack diskutiert wurde. Der Slack-Beitrag nennt das „kontextuelles Compoundieren“: Jede Interaktion macht ihn schlauer, für dich und dein Team.

Hinzu kommt die Sprachsteuerung. Via Smartphone sagst du Slackbot einfach, was zu tun ist: „Logge den Anruf“, „Aktualisiere das CRM“, „Halte diese Idee fest“. Slackbot versteht nicht nur die wörtliche Bedeutung, sondern den Kontext. Er erkennt, was du meinst, nicht nur, was du sagst. Das senkt die Hürde, den Assistenten zu nutzen. Wenn du keine freie Hand hast, ist Sprache der natürlichste Eingabekanal.

Der ganze Tech-Stack in einer Konversation: MCP

Das mächtigste Feature ist die Integration des Model Context Protocol (MCP). Damit kann Slackbot auf Dienste wie Google Workspace, Atlassian, Box, Notion und DocuSign zugreifen, ohne dass du die App wechseln musst. Du bleibst im Chat, stellst eine Frage zu einem Dokument in Box oder einer Aufgabe in Jira, und Slackbot holt die Antwort – und führt bei Bedarf Aktionen aus. Das Potenzial: Statt zwischen fünf Fenstern hin- und herzuschalten, hast du alles in einem Gespräch mit Slackbot.

MCP ist die Erweiterung des Gedächtnisses. Kontext nützt nichts, wenn er nicht über die Grenzen einer App hinausreicht. Mit MCP wird Slack zum zentralen Nervensystem deines digitalen Arbeitsplatzes. Du musst nicht mehr wissen, wo genau eine Information abgelegt ist. Du fragst einfach Slackbot, und er findet sie – weil er Zugriff auf deine gesamte Tool-Landschaft hat.

Skills: Das Wissen des Teams wird zur Schaltzentrale

Ein weiterer Baustein sind die teilbaren Skills. Wie im April-Beispiel können Nutzer eigene kleine Programme erstellen, die bestimmte Abläufe automatisieren. Diese Skills lassen sich mit Kollegen teilen und anpassen. So entsteht ein wachsender Baukasten an Automatisierungen, der das kollektive Know-how abbildet. Slackbot kann diese Skills auch selbstständig vorschlagen, wenn er erkennt, dass ein bestimmter Prozess häufig manuell durchgeführt wird.

Das erinnert an Low-Code-Plattformen, nur dass die Hürde niedriger ist. Du musst kein Programmierer sein, um einen Skill zu bauen – beschreibst in natürlicher Sprache, was passieren soll, und Slackbot setzt es um. Die Weitergabe erfolgt per Link oder direkt im Channel. So wird aus einer individuellen Optimierung schnell eine teamweite Effizienzsteigerung.

Was das für deinen Arbeitsalltag bedeutet

Ein konkretes Szenario: Du bist in einem Verkaufsprozess, hast ein Angebot verschickt und wartest auf Rückmeldung. Statt manuell nachzuhaken, weist du Slackbot an: „Erinnere mich in 48 Stunden an das Angebot für die Firma XY und schlage eine Follow-up-Nachricht vor.“ Slackbot kennt den Deal, die Person und den bisherigen Verlauf. Er wird pünktlich aktiv und bringt einen Entwurf mit, den du nur freigeben musst. Oder im Projektmanagement: Ein Meilenstein rückt näher, Slackbot schlägt vor, den Status im Channel zu teilen, und erstellt eine kurze Zusammenfassung aus den letzten Aktivitäten.

Das klingt nach Zukunftsmusik, ist aber jetzt Realität. Slack hat die Updates schrittweise ausgerollt und wird sie vermutlich in den nächsten Wochen für alle Nutzer verfügbar machen. Slackbot ist nicht perfekt – er kann falsch liegen, und erfordert wie jeder Assistent Rückmeldung. Doch die Richtung ist klar: KI-Assistenten werden zu echten Teammitgliedern, die eigenständig handeln, Zusammenhänge verstehen und sich mit anderen Tools verbinden.

Es geht nicht darum, dass Slackbot dich ersetzt. Es geht darum, dass du dich auf das konzentrieren kannst, was zählt: die inhaltliche Arbeit, die Kreativität, die Entscheidungen. Die lästigen Routinen – Daten suchen, Einträge pflegen, Status abfragen – übernimmt der Assistent. Das ist die Vision hinter dieser Entwicklung. Und wenn man sieht, wie schnell Slackbot in drei Monaten von einem einfachen Bot zu einem kontextbewussten Agenten gereift ist, dann ist klar: Das war erst der Anfang.

Quelle: slack.com

Du arbeitest mit einem Kollegen an einem wichtigen Projekt. Alle relevanten Dateien liegen in deiner Cloud. Fragst du eine KI wie ChatGPT nach einer Zusammenfassung, muss sie erst durch unstrukturierte Chats scrollen. Das nervt. Genau hier setzt die Integration zwischen Dropbox und OpenAI an. Der Gedanke ist simpel: KI wird erst nützlich, wenn sie auf vertraute Inhalte zugreifen kann.

Die Ankündigung von Dropbox zeigt: Das ist kein Gimmick. Die Nutzung von KI-Integrationen mit Dropbox stieg im letzten Monat um über 200 Prozent. Menschen speichern KI-generierte Inhalte zurück in Dropbox, teilen sie mit Teams und organisieren ihre Arbeit – direkt aus der KI-Konversation. Die Botschaft ist klar: Sie wollen keinen weiteren Ort zum Arbeiten. Sie wollen, dass KI in die Werkzeuge und Inhalte passt, die sie bereits nutzen.

Die Idee der Kontextschicht

Stell dir einen gut sortierten Aktenschrank vor. Fragst du eine KI, öffnet sie nicht wahllos Schubladen, sondern genau die relevanten. Das ermöglicht die Verknüpfung von Dropbox mit OpenAI. Die KI greift auf die Dokumente, Ordner und Unterlagen zu, für die du Berechtigungen hast. Kein wildes Raten, keine halluzinierten Fakten – nur vertraute, geprüfte Inhalte.

Das löst ein echtes Problem: Wie verhindere ich, dass meine KI auf veraltete oder falsche Informationen zurückgreift? Die Antwort liegt im System, das du ohnehin nutzt – dein Cloud-Speicher. Dropbox fungiert als Gedächtnis der KI, als Quelle der Wahrheit, die sicherstellt, dass alles auf Fakten basiert, die dein Team kennt.

Sicherheit und Kontrolle: Der IT-Administrator im Fokus

Für IT-Verantwortliche öffnet sich eine neue Welt. Du rollst ChatGPT in deinem Unternehmen aus. Bisher musstest du hoffen, dass Mitarbeiter nicht auf nicht autorisierte Daten zugreifen oder die KI sensible Informationen preisgibt. Mit der Dropbox-Integration ändert sich das: Mitarbeiter können nur auf das zugreifen, was sie ohnehin dürfen. Gleiche Berechtigungen, gleiche Governance-Regeln – nur jetzt auch für die KI.

Die Sicherheit liegt nicht in einem zusätzlichen Tool, sondern in der nahtlosen Verbindung zweier vertrauter Systeme. Der IT-Administrator lernt kein neues Regelwerk. Er definiert einmal die Zugriffsrechte in Dropbox, die KI respektiert sie automatisch. Das reduziert das Risiko von Datenlecks und macht die Einführung von KI im Unternehmen unkompliziert. Viele Unternehmen zögern, weil sie den Kontrollverlust fürchten. Diese Integration nimmt ihnen diese Sorge.

Drei konkrete Szenarien: Wie die Verbindung den Arbeitsalltag verändert

1. Produktlaunch – schneller ans Ziel

Eine Produktmanagerin steht vor einem großen Launch. Statt stundenlang in Ordnern nach alten Launchplänen, Message-Dokumenten, Executive-Briefings und Kampagnen-Assets zu suchen, verbindet sie ChatGPT direkt mit Dropbox. Sie gibt die Anfrage: „Finde alle relevanten Unterlagen zum letzten Launch im Unternehmen“. Die KI durchsucht die freigegebenen Ordner, erstellt eine Zusammenfassung und speichert sie als neues Dokument in Dropbox. Das Team greift sofort darauf zu, kommentiert, arbeitet weiter. Aus einer isolierten KI-Konversation wird ein geteiltes, bearbeitbares Arbeitsdokument.

2. Bauprojekt – Fundierte Entscheidungen auf Knopfdruck

Ein Bauunternehmen bereitet ein Großprojekt vor. Statt alte Spezifikationen, Pläne und Entscheidungsprotokolle manuell zu sichten, nutzen die Ingenieure die Integration. Die KI greift auf die freigegebenen Projektdokumente in Dropbox zu, erstellt eine Zusammenfassung der letzten Planungsphasen und generiert Unterlagen für Subunternehmer. Alles basiert auf aktuellen, geprüften Informationen – nicht auf veralteten Versionen aus Chatverläufen. Der Zeitgewinn ist groß, die Fehlerquote sinkt.

3. Dokumentenintensive Branchen – Rechtsabteilungen und Forschung

Eine Rechtsabteilung prüft Verträge. Die KI greift auf die gesamte Vertragsdatenbank in Dropbox zu – vorausgesetzt, die Anwälte geben die Berechtigungen. Statt jeden Vertrag einzeln zu lesen, erkennt die KI Gemeinsamkeiten, hebt Klauseln hervor und erstellt Zusammenfassungen. Diese Ergebnisse legt sie in den richtigen Ordnern ab, sodass die ganze Abteilung darauf zugreift. Die Arbeit wird schneller und transparenter, weil alle denselben Wissensstand haben.

Warum der Kontext der entscheidende Faktor ist

Vibhor Chhabra, Product Lead für das ChatGPT Ecosystem bei OpenAI, sagt: „KI ist am nützlichsten, wenn sie den richtigen Kontext hat.“ Bisher war KI wie ein kluger, aber vergesslicher Assistent. Er wusste viel, aber nicht, was du gerade brauchst. Gibst du ihm Zugriff auf deinen digitalen Aktenschrank, wird er zum Experten für deine Projekte, deine Branche, dein Team.

Die Integration von Dropbox in OpenAI ist kein weiteres Plug-in. Sie verändert grundlegend, wie du mit KI arbeitest. Statt dass du dich an die KI anpasst, indem du kontextuelle Informationen in die Texteingabe schreibst, passt sich die KI deiner Umgebung an. Das reduziert Reibungsverluste, spart Zeit und schafft Vertrauen.

Was das für die Zukunft bedeutet

700 Millionen registrierte Dropbox-Nutzer zeigen, wie tief diese Plattform im Arbeitsalltag verankert ist. Verbindet sich jetzt die KI-Welt damit, entsteht ein Ökosystem, in dem Daten nicht mehr hin- und hergetragen werden müssen. Sie bleiben in der vertrauten Cloud und werden von der KI genutzt, ohne kopiert oder verschoben zu werden. Ein großer Schritt in Richtung „Connected Work“.

Es zeigt auch, wie wichtig es ist, dass Unternehmen ihre Dateninfrastruktur vorbereiten. Nicht jede Cloud ist gleich gut als Kontextschicht für KI geeignet. Es braucht klare Berechtigungen, konsistente Ordnerstrukturen und eine Kultur des Teilens. Dann erst kann die KI ihr Potenzial entfalten – und zwar so, dass sie die Arbeit erleichtert, nicht erschwert.

Am Ende geht es nicht um die Technik. Es geht darum, dass du deine Arbeit besser machen kannst, ohne ständig das Werkzeug zu wechseln. Die Dropbox-OpenAI-Integration zeigt: Die Zukunft der Arbeit liegt nicht in immer neuen Apps, sondern in der intelligenten Vernetzung der bestehenden. Der Kontext, den du ohnehin hast, wird zum wertvollsten Gut.

Quelle: blog.dropbox.com

Das Problem mit der Cloud

Du sitzt im Café, öffnest dein Laptop und möchtest eine KI um Hilfe bei einer komplexen Aufgabe bitten. Aber du zögerst: Sollst du deine persönlichen Daten in die Cloud schicken? Oder reicht die Leistung deines Geräts nicht aus für ein modernes Sprachmodell? Bisher war die Antwort meist: Nein. Jetzt gibt es eine Alternative.

Das Team hinter PrismML hat mit Bonsai 27B ein Modell vorgestellt, das die Grenze zwischen lokaler und cloudbasierter KI verschiebt. Es ist das erste Modell seiner Größenklasse mit 27 Milliarden Parametern, das auf einem Smartphone läuft. Bisher war das undenkbar – ein konventionelles 27B-Modell in 16-Bit-Genauigkeit belegt etwa 54 Gigabyte. Zu viel für jedes tragbare Gerät.

Die Lösung liegt in einer Komprimierung. Statt die Gewichte des neuronalen Netzes mit 16 Bit pro Wert zu speichern, verwendet Bonsai 27B nur drei mögliche Werte (−1, 0, +1) oder sogar nur zwei (−1, +1). Das klingt nach einem drastischen Qualitätsverlust. Die Ergebnisse überraschen.

Wie viel Intelligenz steckt in einem Bit?

Stell dir vor, du komprimierst ein hochauflösendes Foto auf ein Zehntel seiner Größe. Normalerweise würde die Qualität stark leiden. Bei neuronalen Netzen ist das anders. Die Entwickler von PrismML haben eine Methode gefunden, die Gewichte so zu quantisieren, dass die wesentlichen Informationen erhalten bleiben. Sie nennen das Konzept Intelligenzdichte: Nutzen pro Gigabyte Speicher.

Bonsai 27B gibt es in zwei Varianten. Die ternäre Version mit 1,71 effektiven Bits pro Gewicht belegt 5,9 Gigabyte und eignet sich für Laptops. Die 1-Bit-Version braucht nur 3,9 Gigabyte und passt auf ein iPhone 17 Pro. Bei einer Testreihe mit 15 Benchmarks – von Mathematik über Programmieren bis Bildanalyse – erreicht die ternäre Version 95 Prozent der Leistung des vollen 16-Bit-Modells, die 1-Bit-Version 90 Prozent.

Besonders interessant: In Mathematik und Programmieren ist der Abstand minimal. Ein Modell auf dem Handy kann fast so gut rechnen und Code schreiben wie eines aus dem Rechenzentrum. Das ist keine Spielerei, sondern eine handfeste Veränderung für alle, die KI nicht nur für einfache Fragen nutzen wollen.

Warum lokale KI für Agenten wichtiger wird

Die wertvollsten KI-Anwendungen verschieben sich von einmaligen Antworten hin zu kontinuierlichen Arbeitsabläufen. Denk an einen Assistenten, der Termine koordiniert, E-Mails filtert, Recherchen durchführt und dabei Dutzende von Zwischenschritten macht. Bisher musste jeder dieser Schritte über die Cloud laufen: Anfrage, Antwort, Latenz, Kosten, Datenübertragung.

Mit einem lokal laufenden Modell ändert sich das. Der Agent lebt auf deinem Gerät. Jeder Schritt ist kostenlos, deine Daten verlassen nie dein Handy. Die Verzögerung sinkt von Sekunden auf Millisekunden. Bonsai 27B unterstützt solche agentischen Workflows: Es kann Werkzeuge aufrufen, mehrstufig denken, Bilder und Dokumente verstehen und über 262.000 Token Kontext verarbeiten.

Das eröffnet neue Kategorien: persönliche Assistenten, die auch offline arbeiten, oder hybride Systeme, die heikle Aufgaben lokal erledigen und nur bei Bedarf die Cloud zuschalten. Bisher fehlte ein Modell, das klein genug und gleichzeitig leistungsfähig genug ist. Bonsai 27B schließt diese Lücke.

Technisch gesehen: Was unter der Haube steckt

Die Komprimierung betrifft das gesamte Netzwerk: Einbettungen, Aufmerksamkeitsebenen, MLPs und den Sprachkopf – alles läuft mit niedriger Bitbreite. Es gibt keine versteckten hochpräzisen Auswege. Die Fähigkeit zum schrittweisen Denken bleibt erhalten, was in Benchmarks wie AIME oder MATH-500 deutlich wird.

Die Bildverarbeitung ist integriert: Der visuelle Teil kommt in einer kompakten 4-Bit-Version, sodass das Modell Screenshots, Dokumente oder Kamerabilder analysieren kann. Die Geschwindigkeit ist beachtlich: Auf einer NVIDIA RTX 5090 erreicht die 1-Bit-Version bis zu 163 Token pro Sekunde, auf einem Apple M5 Max 87 Token pro Sekunde. Auf dem iPhone 17 Pro Max reicht die Performance für flüssige Interaktionen.

Die Entwickler betonen, dass die Methode architekturunabhängig ist. Sie lässt sich auf noch größere Modelle oder neue Architekturen übertragen. Die Komprimierung ist noch nicht am Ende, aber Bonsai 27B ist ein großer Schritt.

Geerdete Einordnung: Was das für dich bedeutet

Lass dich nicht von Zahlen blenden. 27 Milliarden Parameter sind viel, aber nicht alles. Entscheidend ist, wo diese Intelligenz stattfindet. Bisher war ein Modell dieser Größe an ein Rechenzentrum gebunden. Jetzt passt es in deine Hosentasche.

Für Entwickler bedeutet das: Sie können Anwendungen bauen, die bisher an Latenz oder Kosten der Cloud gescheitert sind. Für dich als Nutzer: Deine Daten bleiben bei dir, die KI arbeitet auch ohne Internetverbindung. Die Grenze zwischen Cloud-KI und lokaler KI wird durchlässiger. Bonsai 27B zeigt, dass die Zukunft der KI nicht nur in der Wolke wohnt, sondern auch auf deinem Schreibtisch – oder in deiner Hand.

Quelle: prismml.com