Umfassende jährliche Übersicht über Fortschritte, Anwendungen und gesellschaftliche Auswirkungen der künstlichen Intelligenz im Jahr 2025, die Forschung und Entwicklung, technische Leistung, verantwortungsvolle KI, Wirtschaft, Wissenschaft, Medizin, Bildung, Politik und Governance sowie die globale öffentliche Meinung abdeckt.
Schnellnavigation
Tags
Folien teilen
Umfassende jährliche Übersicht über Fortschritte, Anwendungen und gesellschaftliche Auswirkungen der künstlichen Intelligenz im Jahr 2025, die Forschung und Entwicklung, technische Leistung, verantwortungsvolle KI, Wirtschaft, Wissenschaft, Medizin, Bildung, Politik und Governance sowie die globale öffentliche Meinung abdeckt.
Detaillierte Ansicht jeder Folien-Seite, einschließlich Layout, wichtigem Inhalt und visuellen Elementen.
Vollständige Titelseite des Artificial Intelligence Index Report 2026, 9. Ausgabe, mit Stanford HAI-Branding mit einem roten/korallenroten Akzent und abstraktem geometrischen Muster.
Randabfallende Titelseite mit zentriertem Titel, Ausgabenummer und Stanford HAI-Logo unten
Formales Titelblatt mit Stanford Human-Centered AI (HAI) als Herausgeber, Angaben zum Redaktionsteam, Copyright-Hinweis und Veröffentlichungsdetails für die 9. jährliche Ausgabe.
Saubere weiße Seite mit zentrierter Texthierarchie, HAI-Logo oben, Metadaten zur Veröffentlichung unten
Erste Seite des Inhaltsverzeichnisses mit den Kapiteln 1 bis 5 mit Seitenzahlen, Kapiteltiteln und kurzen einzeiligen Beschreibungen des jeweiligen Kapitelinhalts.
Zweispaltiges Layout mit Kapitelnummern links, Titeln und Seitenangaben rechts; farbcodierte Kapitelregister
Zweite Seite des Inhaltsverzeichnisses mit den Kapiteln 6 bis 9 sowie Anhang, mit Seitenzahlen und einzeiligen Kapitelbeschreibungen.
Fortsetzung des zweispaltigen Inhaltsverzeichnisses im Stil von Seite 3
Einleitendes Vorwort der HAI-Direktoren, darunter Fei-Fei Li, das die Bedeutung des 9. jährlichen AI Index hervorhebt und den rasanten Fortschritt der KI im Jahr 2025 kontextualisiert.
Einspaltiger Text mit Direktorenfoto oben rechts, HAI-Kopfzeile
Fortsetzung des Vorworts, in dem die transformative gesellschaftliche Wirkung von KI, die Bedeutung einer datengestützten KI-Politik und die Mission von HAI zur Steuerung einer auf den Menschen ausgerichteten KI-Entwicklung erörtert werden.
Einspaltiges Textlayout mit Abschnittsüberschrift
Dritte Vorwortseite, die den Ansatz von HAI zur Verfolgung des KI-Fortschritts über verschiedene Dimensionen hinweg behandelt und das globale Team von Mitwirkenden am Bericht 2026 würdigt.
Einspaltiger Text mit Danksagungsparagraph und Nennung der Mitwirkenden
Schlussseite des Vorworts mit abschließenden Bemerkungen der HAI-Leitung zu den Risiken der KI-Entwicklung in den Jahren 2025-2026 und einem Aufruf zum Handeln an politische Entscheidungsträger und Forscher.
Einspaltiger Text, der mit dem Unterschriftenblock des Direktors abschließt
Eröffnung der Zusammenfassung, die die übergreifende Erzählung der KI im Jahr 2025 präsentiert: rasante Fähigkeitssteigerungen, beschleunigte Investitionen, zunehmende politische Aktivitäten und gesellschaftliche Debatten.
Einleitender Absatz in voller Breite, gefolgt von einer nummerierten Liste mit einer Vorschau auf 10 wichtige Erkenntnisse
Wichtige Erkenntnisse 1 bis 3: (1) KI-Fähigkeiten steigen mit Benchmarksättigung; (2) US-amerikanische private KI-Investitionen erreichen 285,9 Mrd. USD; (3) Die Verfolgung von KI-Vorfällen und -Schäden zeigt einen Anstieg von 1000 % seit 2019.
Dreiteiliges Layout mit Erkenntnisnummer, fetter Überschrift, unterstützendem Datenpunkt und kleinem Symbol
Wichtige Erkenntnisse 4 bis 6: (4) KI-Agenten lösen jetzt 50%+ der tatsächlichen GitHub-Probleme; (5) Die FDA hat 2025 258 KI-gestützte medizinische Geräte zugelassen; (6) 46 Länder haben nationale KI-Strategien verabschiedet.
Dreiteiliges Layout im Stil von Seite 10
Wichtige Erkenntnisse 7 bis 9: (7) 80 % der Studenten nutzen generative KI für Kursarbeiten; (8) Das Verbot verbotener Praktiken durch das EU AI Act trat im Februar 2025 in Kraft; (9) 59 % der weltweiten Befragten sind optimistisch in Bezug auf KI.
Dreiteiliges Layout passend zu den Seiten 10-11
Abschließende Kernaussage der Executive Summary (10): Die Nobelpreis-Anerkennung für KI markiert einen historischen Meilenstein für die Wissenschaft, plus ein Highlight-Chart mit den wichtigsten Kennzahlen aus allen neun Kapiteln auf einen Blick.
Einzelnes Kernaussage-Panel in der oberen Hälfte; Dashboard mit zusammenfassenden Kennzahlen in der unteren Hälfte
Visuelle Zusammenfassungsgrafik mit den Wachstumskennzahlen im Jahresvergleich über die wichtigsten Berichtsdimensionen: Investitionen, Veröffentlichungen, Modell-Releases, politische Maßnahmen und Akzeptanzraten.
Gruppiertes Balkendiagramm in voller Breite mit farbcodierten Kategorien und Jahreszahlen auf der x-Achse
Weltkartenvisualisierung, die das KI-Aktivitätsniveau nach Ländern über die Dimensionen Forschungsergebnisse, private Investitionen, politische Akzeptanz und Talentkonzentration zeigt.
Weltkarte in voller Breite mit Farbverlaufsintensitätsskala und Länder-Callouts für Top-Nationen
Kurze Erläuterung der Datenerhebungsmethodik des AI Index, Definition dessen, was im Rahmen des Berichts als KI gilt, und Auflistung der wichtigsten Datenquellen, die in den Kapiteln verwendet werden.
Zweispaltiger Text mit Quellenliste in der Seitenleiste und Methodikdiagramm als Inset
Navigationsleitfaden für Leser, der die Kapitelstruktur erläutert, wie man bestimmte Themen findet, den interaktiven Online-Datenzugriff und die Zitierrichtlinien für den AI Index 2026.
Einspaltiger Text mit Call-out-Boxen für Online-Ressourcen und Kapitelnavigationstipps
Kapitel-Opener-Seite mit randabfallendem dunkelmarine-/schiefergrauem Hintergrund, großer weißer Kapitel 1-Zahl und dem Titel 'Forschung und Entwicklung' mit einem kurzen ein-Absatz-Kapitelüberblick.
Randabfallender dunkler Hintergrund, übergroße Kapitelnummer linksbündig, Titel und Beschreibung rechtsbündig
Einleitungstext für Kapitel 1, der die wichtigsten F&E-Ergebnisse zusammenfasst: ca. 200 bemerkenswerte KI-Modelle im Jahr 2025 veröffentlicht, Benchmark-Sättigung beschleunigt sich, Open-Source-Modelle schließen die Lücke zu proprietären Systemen.
Einspaltige Einleitung mit hervorgehobenen Schlüsselstatistiken als Pull-Zitate
Balkendiagramm, das die Anzahl der bemerkenswerten KI-Modell-Releases pro Jahr von 2019 bis 2025 zeigt und die dramatische Beschleunigung mit ca. 200 bemerkenswerten Modellen allein im Jahr 2025 veranschaulicht.
Balkendiagramm in voller Breite mit Jahreszahlen auf der x-Achse, Anzahl auf der y-Achse, Balken im Kapitel-Marine-/Schiefer-Thema gefärbt
Gestapeltes Balkendiagramm, das die KI-Modell-Releases von 2025 nach Organisationstyp aufschlüsselt: Industrie, Wissenschaft, Regierung und Zivilgesellschaft, wobei der dominante Anteil der Industrie dargestellt wird.
Gestapeltes horizontales Balkendiagramm mit Organisationstyp-Kategorien und Legende
Geografische Aufschlüsselung der KI-Modellursprünge im Jahr 2025, die die USA, China, Großbritannien, Europa und andere Regionen zeigt, wobei die USA den größten Anteil an bemerkenswerten Frontier-Modellen produzieren.
Weltkarte mit Blasengrößen, die das Modell-Release-Volumen pro Land angeben, plus begleitendes Balkendiagramm
Überblicksabschnitt über Foundation Models im Jahr 2025, der den Begriff definiert, wichtige Frontier-Modelle auflistet (GPT-4o, Gemini 2.0, Claude 3.5, Llama 3, DeepSeek) und ihre architektonische Bedeutung erläutert.
Textlastige Abschnittseinleitung mit Modellnamen-Callout-Boxen und einer Vergleichstabelle
Horizontale Timeline-Visualisierung, die die Veröffentlichungsdaten wichtiger Foundation Models im Laufe des Jahres 2025 zeigt, organisiert nach Organisation und Modellfamilie.
Horizontale Timeline mit Modellbeschriftungen oberhalb/unterhalb der Linie, Farbcodierung der Organisation
Liniendiagramm, das die Performance-Entwicklung von Open-Source- gegenüber proprietären AI-Modellen von 2020-2025 auf standardisierten Benchmarks vergleicht und die sich bis Ende 2025 verringernde Lücke zeigt.
Doppellinien-Diagramm mit Open-Source- (gestrichelt) und proprietären (durchgezogen) Linien, Benchmark-Score auf der y-Achse, Jahr auf der x-Achse
Analyse des Wachstums des Open-Source AI-Ökosystems im Jahr 2025, einschließlich GitHub-Sternenzahlen, Download-Volumina für Top-Modelle und der Rolle von Plattformen wie Hugging Face bei der Demokratisierung des AI-Zugangs.
Gemischtes Layout mit Textanalyse links und Balkendiagrammen rechts, die Download-/Stern-Metriken zeigen
Liniendiagramm, das die gesamten AI-bezogenen akademischen Veröffentlichungen von 2010-2025 nach Region zeigt und Chinas Führungsposition im Volumen und die anhaltende Führung der USA bei viel zitierten Papieren demonstriert.
Mehrlinien-Diagramm mit regionaler Farbcodierung, logarithmischer y-Achsenoption, Jahr auf der x-Achse
Streudiagramm des AI-Publikationsvolumens im Vergleich zur Zitationswirkung nach Land, das die Publikationsvolumen-Qualitäts-Dynamik zwischen den USA und China und die Zitationsleistung der EU veranschaulicht.
Streudiagramm mit Länderblasen, deren Größe durch die Gesamtzahl der Veröffentlichungen bestimmt wird, x-Achsenvolumen, y-Achsen-Zitationen pro Paper
Gestapeltes Flächendiagramm, das das Wachstum der AI-Veröffentlichungen nach Forschungs-Subdomain (NLP, Computer Vision, Robotik, ML-Theorie usw.) von 2015-2025 zeigt, wobei NLP und generative AI ein explosives Wachstum aufweisen.
Gestapeltes Flächendiagramm mit Subdomain-Farbschichten, Jahr x-Achse, Anzahl der Veröffentlichungen y-Achse
Balkendiagramm, das AI-Forschungsveröffentlichungsorte vergleicht – Top-Konferenzen (NeurIPS, ICML, CVPR, ICLR, ACL) gegenüber Journals – und ihren relativen Anteil an hochwirksamer AI-Forschung im Jahr 2025.
Side-by-Side-Balkendiagrammvergleich mit Venue-Namen auf der y-Achse, Paper-Anzahl auf der x-Achse
Einführende Analyse der Benchmark-Sättigung in AI, die erklärt, wie viele zuvor herausfordernde Benchmarks bis 2025 weitgehend gelöst wurden, was schwierigere Bewertungsaufgaben erforderlich macht.
Textabschnitt mit Benchmark-Sättigungsdiagramm, das Aufgaben zeigt, die sich von 'ungelöst' in 'gesättigte' Zonen bewegen
Streudiagramm, das die AI-Performance im Vergleich zur menschlichen Performance über 50+ Benchmarks zeigt, wobei die Farbcodierung Benchmarks angibt, bei denen AI die menschliche Leistung übertroffen hat.
Großes Streudiagramm mit diagonaler Human-Parity-Linie, Benchmark-Namen-Annotationen, Farbcodierung für über/unter Human-Parity
Logarithmisches Liniendiagramm, das die für Frontier-AI-Modelle von 2012-2025 verwendete Trainingsrechenleistung (in FLOPs) verfolgt und die ungefähre Verdopplungszeit von 6 Monaten und die Größenordnungszunahmen zeigt.
Logarithmisches Liniendiagramm mit Modellnamen-Annotationen, Zeit auf der x-Achse, logarithmische FLOPs auf der y-Achse
Analyse der AI-Trainingskostentrends, die zeigt, dass zwar die Rechenleistung pro Modell steigt, aber die Kosten pro Recheneinheit dramatisch gesunken sind, wobei ein Diagramm mit zwei Achsen beide Trends veranschaulicht.
Diagramm mit zwei Achsen, wobei die Rechenkosten pro FLOP auf der linken Achse und die Trainingskosten pro Modell auf der rechten Achse dargestellt werden
Diagramme, die Verbesserungen der AI-Inferenz-Effizienz von 2020-2025 zeigen: Tokens pro Sekunde, Kosten pro Million Tokens und Modellgröße, die für eine gleichwertige Leistung erforderlich ist, verbessern sich alle dramatisch.
Drei-Panel-Small-Multiple-Diagramme, die jeweils eine Effizienzmetrik im Zeitverlauf zeigen
Überblick über die AI-Hardware-Entwicklungen im Jahr 2025: GPU/TPU-Fortschritte, neue kundenspezifische AI-Beschleuniger von großen Technologieunternehmen und das Aufkommen von inferenzoptimierten Chips.
Textüberblick mit vergleichender Hardware-Spezifikationstabelle und Marktanteils-Kreisdiagramm
Balkendiagramm und Textanalyse, die das Wachstum der für Frontier-Modelle verwendeten Trainingsdatensätze von Milliarden auf Billionen von Token und die Verlagerung hin zur synthetischen Datengenerierung zeigen.
Balkendiagramm, das die Datensatzgröße nach Modell mit einer Spalte für Textkommentare zeigt
Analyse der multimodalen AI-Fähigkeiten im Jahr 2025 – Modelle, die Text, Bild, Audio und Video integrieren – mit einer Fähigkeitsmatrix, die zeigt, welche Modelle welche Modalitäten unterstützen.
Fähigkeitsmatrix-Tabelle mit Modellnamen als Zeilen, Modalitäten als Spalten, Häkchen/Bewertungen in Zellen
Abschnitt über die Entstehung von Reasoning-fokussierten Modellen im Jahr 2025 (z. B. OpenAI o-series, DeepSeek-R1), der die Chain-of-Thought zur Inferenzzeit und Benchmark-Verbesserungen bei schwierigen Reasoning-Aufgaben erläutert.
Textabschnitt mit Vorher/Nachher-Vergleichsdiagramm, das die Leistung von Reasoning-Modellen im Vergleich zu Standardmodellen zeigt
Einführung in AI-Agentensysteme, die im Jahr 2025 veröffentlicht wurden, einschließlich Architekturen, die die autonome Erledigung von Aufgaben in mehreren Schritten, die Nutzung von Werkzeugen und agentische Workflows ermöglichen.
Konzeptionelles Diagramm der Agentenarchitektur (Wahrnehmung → Reasoning → Aktionsschleife) mit Texterklärung
Vergleichende Analyse der AI-F&E-Führerschaft nach Ländern über verschiedene Dimensionen: Publikationsvolumen, Zitationseinfluss, Patentanmeldungen, Modellveröffentlichungen und private Investitionen.
Radar-/Spinnendiagramm pro Top-Land (USA, China, UK, EU, Kanada, Indien) mit fünfdimensionalen Achsen
Balkendiagramm, das die AI-Patentanmeldungen nach Ländern von 2015 bis 2025 zeigt, wobei China die USA im Hinblick auf das Rohpatentvolumen übertrifft, während die USA die Führung bei häufig zitierten Patenten behalten.
Gruppiertes Balkendiagramm nach Ländern mit Jahresgruppierungen, Patentanzahl auf der y-Achse
Daten zu Neugründungen von AI-Unternehmen im Jahr 2025, die den Anstieg von AI-nativen Startups und die geografische Verteilung neuer AI-Venture in den USA, der EU und Asien zeigen.
Weltkarten-Blasendiagramm für Startup-Gründungen plus Balkendiagramm der Top-Startup-Zentren
Analyse der Marktkonzentration in der Entwicklung von Frontier-AI-Modellen, die zeigt, dass eine kleine Anzahl von Organisationen (OpenAI, Google, Anthropic, Meta, Mistral, DeepSeek) den Großteil der Frontier-Releases ausmacht.
Kreisdiagramm, das den Anteil der Frontier-Modell-Releases nach Organisationen zeigt, plus Textanalyse
Analyse der Talentströme in der AI-Forschung: Trends bei der Einschreibung in Graduiertenprogramme, geografische Migration von AI-Forschern und die Konzentration von Top-AI-Talenten in einigen wenigen Institutionen und Unternehmen.
Sankey-Diagramm, das die Talentströme zwischen Ländern zeigt, plus Balkendiagramm der Top-Institutionen
Rangliste und Balkendiagramm der Top-AI-Forschungsinstitutionen nach Publikationsleistung und Zitationseinfluss im Jahr 2025, einschließlich Universitäten und Industrielabors.
Ranglisten-Balkendiagramm horizontal mit Institutionsnamen auf der y-Achse, duale Metriken auf der x-Achse
Zeitleiste der wichtigsten AI-Forschungs- und Entwicklungsmeilensteine im Jahr 2025, von Modellstarts über wissenschaftliche Durchbrüche bis hin zu politischen Ereignissen.
Vertikale Zeitleiste mit Meilensteineinträgen, Daten links, Beschreibungen rechts, Kategorie-Farbcodierung
Überblick über die AI-Fortschritte in der Robotik und Embodied AI im Jahr 2025: Foundation Models für Manipulation, Verbesserungen der Fortbewegung und die Entstehung von Generalist-Roboterrichtlinien.
Textüberblick mit Benchmark-Diagramm der Roboterfähigkeiten und illustrativen Fotos
Analyse der Fortschritte im Bereich der generativen KI für die Bild- und Videosynthese im Jahr 2025, einschließlich Diffusionsmodelle, Verbesserungen der Videoerzeugungsqualität und Echtzeit-Generierungsfunktionen.
Textanalyse mit Fortschrittsdiagramm der Qualitätsmetriken und Beschreibungen der Beispiel-Funktionen
Überblick über die Fortschritte der generativen KI in der Audio- und Sprachsynthese im Jahr 2025: Klonen von Stimmen, Musikgenerierung, Echtzeitübersetzung und Verbesserungen der Umgebungsgeräuscherkennung.
Textüberblick mit Diagrammen der Leistungsmetriken für Fehlerraten bei der Spracherkennung und Sprachqualitätsbewertungen
Abschnitt über die Fortschritte der KI-Code-Generierung im Jahr 2025, der die Modellfähigkeiten auf HumanEval und SWE-bench sowie die Integration von KI-Programmierassistenten in die Entwickler-Workflows behandelt.
Fortschrittsdiagramm der Performance-Benchmarks plus Textanalyse mit Statistiken zur Akzeptanz durch Entwickler
Analyse aufkommender KI-Forschungsthemen, die im Jahr 2025 an Bedeutung gewinnen: mechanistische Interpretierbarkeit, KI-Ausrichtung, kontinuierliches Lernen, Testzeit-Compute-Skalierung und neuromorphe Ansätze.
Visualisierung von Themenclustern mit Wachstumsdiagrammen der Veröffentlichungen pro Thema
Daten zur internationalen KI-Forschungskooperation, gemessen an der gemeinsamen Autorenschaft über Grenzen hinweg, die Muster der Zusammenarbeit und die zunehmende Entkopplung der Forschung zwischen den USA und China zeigen.
Chord-Diagramm der internationalen Co-Autorenschaftsflüsse mit Textkommentar
Aufschlüsselung der Finanzierungsquellen der KI-Forschung im Jahr 2025: staatliche Zuschüsse, Industriefinanzierung, philanthropische Investitionen und der wachsende Anteil der von der Industrie finanzierten akademischen Forschung.
Gestapeltes Balkendiagramm im Zeitverlauf, das die Anteile der Finanzierungsquellen zeigt, mit Textanalyse
Analyse der Ungleichheiten beim KI-Compute-Zugang zwischen großen Technologieunternehmen, akademischen Einrichtungen und Forschern in Ländern mit niedrigem Einkommen, die die Compute-Kluft hervorhebt.
Vergleichendes Balkendiagramm, das die Compute-Zuweisung mit Textanalyse zur Zugangsungleichheit zeigt
Daten zum wachsenden Energieverbrauch von KI im Jahr 2025: geschätzter Energieverbrauch für das Training von Frontier-Modellen, Inferenz in großem Maßstab und das Wachstum des Strombedarfs von Rechenzentren, das KI-Workloads zugeschrieben wird.
Liniendiagramm des KI-bedingten Energiebedarfs mit Anmerkungen zur Kohlenstoffäquivalenz und Textkommentar
Diskussion der wichtigsten offenen Forschungsprobleme in der KI im Jahr 2025: Langzeitiges Schlussfolgern, zuverlässige Planung, Robustheit gegenüber Verteilungsverschiebungen, Interpretierbarkeit und kompositionelle Verallgemeinerung.
Strukturierter Text mit Problemstellungsboxen und Zitationszahlen pro Forschungsherausforderung
Seite mit zusammenfassenden Statistiken für Kapitel 1, die die wichtigsten quantitativen Ergebnisse in einem Dashboard-Format präsentiert: Modellversionen, Compute-Wachstum, Publikationsvolumen und Open-Source-Metriken.
Dashboard-Raster mit großen Zahlenstatistiken mit unterstützenden Sparklines und kurzen Textbeschriftungen
Referenznotizen für Kapitel 1, die primäre Datenquellen, methodische Hinweise für Publikations- und Patentdaten sowie Definitionen der im F&E-Kapitel verwendeten Schlüsselbegriffe zitieren.
Zweispalten-Format für Fußnoten/Endnoten mit Quellenangaben und nummerierten Referenzen
Kuratiertes Verzeichnis weiterführender Literatur und wichtiger Arbeiten, auf die in Kapitel 1 verwiesen wird, geordnet nach Abschnittsthema, mit kurzen Anmerkungen.
Strukturierte Leseliste mit Abschnittsüberschriften und kommentierten Einträgen
Kapitelauftakt über die volle Breite mit dunkel marineblauem/blauem Hintergrund, großer weißer Kapitel 2-Zahl, Titel „Technische Leistung“ und kurzer Überblick über die im Jahr 2025 gemessenen Fortschritte der KI-Leistung.
Dunkel marineblauer Hintergrund über die volle Breite, übergroße Kapitelnummer, Titel und Beschreibung in Weiß
Einführung in das Kapitel über die technische Leistung, in dem der Benchmarking-Rahmen, Vorbehalte bezüglich der Benchmarksättigung und die Organisation der Leistungsdaten über Aufgabenkategorien hinweg erläutert werden.
Einspaltiger Einführungstext mit Übersichtsdiagramm des Kapitelabschnitts
Überblick über die Benchmark-Leistung des Sprachverständnisses im Jahr 2025 über MMLU, MMLU-Pro, BIG-Bench Hard und HellaSwag hinweg, der KI-Modelle zeigt, die bei den meisten Aufgaben eine menschliche Leistung erbringen oder übertreffen.
Mehrbalken-Vergleichsdiagramm mit Benchmark-Namen auf der Y-Achse und Leistungswerten auf der X-Achse für Top-Modelle
Liniendiagramm, das die Leistung der Top-Modelle auf den MMLU- und MMLU-Pro-Benchmarks von 2020 bis 2025 verfolgt und eine rasche Entwicklung von 60 % auf nahezu menschliches und übermenschliches Niveau zeigt.
Doppellinien-Diagramm mit MMLU- und MMLU-Pro-Trends, Modell-Meilenstein-Anmerkungen, Referenz für menschliche Leistung
Balkendiagramm, das die KI-Leistung bei Wettbewerbsmathematik-Benchmarks (AIME, AMC, MATH) im Jahr 2025 zeigt, wobei führende Denkmodelle die besten, mit dem Menschen vergleichbaren Ergebnisse erzielen.
Gruppiertes Balkendiagramm nach Benchmark mit Modellvergleichsbalken, menschlichen Experten-Baselinereferenzen
Liniendiagramm, das die KI-Leistung auf dem MATH-Datensatz von 2020 bis 2025 verfolgt und den Wendepunkt in den Jahren 2024-2025 zeigt, als sich die Denkmodelle bei der mathematischen Problemlösung dramatisch verbesserten.
Liniendiagramm mit wichtigen Modellanmerkungen, hervorgehobenem Wendepunkt, Referenzlinie für menschliche Ergebnisse
Vergleich der KI-Programmierleistung auf den HumanEval-, HumanEval+- und MBPP-Benchmarks im Jahr 2025, der eine nahezu vollständige Sättigung bei der ursprünglichen HumanEval und eine starke Leistung bei schwierigeren Varianten zeigt.
Balkendiagramm, das die Top-Programmiermodelle über drei Benchmarks mit der Baseline für menschliche Entwickler vergleicht
Liniendiagramm und Balkendiagramm, das die Leistung von KI-Agenten auf SWE-bench (echte GitHub-Problembehebung) von 2023 bis 2025 zeigt, wobei führende Agenten jetzt über 50 % der Probleme lösen.
Links: Liniendiagramm der besten Leistung im Zeitverlauf. Rechts: Balkendiagramm der Top-Agenten mit Lösungsrate
Analyse der KI-Leistung bei agentischen Programmieraufgaben, die Bearbeitungen mehrerer Dateien, das Schreiben von Tests, das Debuggen über große Codebasen hinweg und die Verwendung von Tools erfordern – die über einzelne HumanEval-ähnliche Aufgaben hinausgehen.
Benchmark-Vergleichstabelle mit Aufgabenkategorie-Zeilen und Modellleistungsspalten
Balkendiagramm, das die Leistung der Top-Modelle auf GPQA (Google-Proof Q&A auf Hochschulniveau) in den Unterbereichen Physik, Chemie und Biologie zeigt, wobei Frontier-Modelle die menschliche Leistung auf PhD-Niveau übertreffen.
Gruppiertes Balkendiagramm nach Wissenschaftsbereich mit Modellvergleich und menschlicher Baseline auf PhD-Niveau
Mehrfach-Benchmark-Vergleich über wissenschaftliche Denkaufgaben hinweg (GPQA, SciQ, ARC-Challenge, OlympiadBench), der die Leistung von KI-Modellen im Verhältnis zu menschlichen Experten-Baselines zeigt.
Radar-Diagramm pro Top-Modell, das das Mehrfach-Benchmark-Leistungsprofil zeigt
Analyse der KI-Leistung bei formaler Logik, Theorembeweisen und strukturierten Denkaufgaben im Jahr 2025, einschließlich der Leistung bei LeanDojo, FrontierMath und Benchmarks für logische Ableitungen.
Balkendiagramm der Leistung nach Denkaufgabenkategorie mit Textanalyse
Performanceanalyse von KI-Modellen bei Long-Context-Aufgaben, die das Verständnis von Dokumenten mit bis zu 1 Million Token erfordern. Sie zeigt eine deutliche Verbesserung, aber es bestehen weiterhin Herausforderungen in sehr langen Kontexten.
Liniendiagramm der Performance im Vergleich zur Kontextlänge mit Modellvergleichslinien
Analyse der faktischen Genauigkeit und der Halluzinationsraten von KI-Modellen im Zeitraum 2023-2025, die Verbesserungen bei der fundierten Generierung, aber anhaltende Halluzinationsprobleme in Open-Domain-Umgebungen zeigt.
Balkendiagramm zum Vergleich der Halluzinationsraten verschiedener Modelle mit Trendlinie zur Verbesserung
Daten zur Performance von KI-Modellen bei Instruction-Following-Benchmarks (IFEval, MT-Bench) im Jahr 2025, die deutliche Fortschritte beim Befolgen komplexer, Multi-Constraint-Anweisungen zeigen.
Balkendiagramm mit Komplexitätsstufen der Anweisungen auf der x-Achse und Compliance-Rate auf der y-Achse für Top-Modelle
Benchmark-Ergebnisse für Vision-Language-Modelle im Jahr 2025 für Aufgaben wie Visual QA, Image Captioning und Chart Understanding, die zeigen, dass sich KI der menschlichen Leistung nähert oder diese übertrifft.
Multi-Benchmark-Vergleichs-Balkendiagramm für Top-Vision-Language-Modelle
Performanceanalyse von KI-Video-Understanding-Modellen für Temporal Reasoning, Action Recognition und Video QA-Benchmarks im Jahr 2025.
Balkendiagramm zum Vergleich der Top-Videomodelle anhand mehrerer Benchmarks mit Human Performance Baseline
Word Error Rate-Trends für KI-Spracherkennungssysteme von 2015-2025 über mehrere Sprachen und Akzentgruppen hinweg, die eine nahezu menschliche Leistung in ressourcenstarken Sprachen zeigen.
Multi-Linien-Diagramm der WER im Zeitverlauf nach Sprachgruppe
Human Evaluation Scores für die Qualität der KI-Bilderzeugung von 2021-2025, die eine dramatische Verbesserung in Bezug auf Fotorealismus, Kohärenz und Prompt Adherence zeigen.
Liniendiagramm der Quality Scores im Zeitverlauf mit annotierten Modellversionen und Beispielausgabebeschreibungen
Balkendiagramm, das die Task Completion Rates von KI-Agenten bei standardisierten Agentic Benchmarks (WebArena, OSWorld, AgentBench) im Jahr 2025 zeigt und die Fortschritte auf dem Weg zur allgemeinen autonomen Task Execution hervorhebt.
Gruppiertes Balkendiagramm nach Benchmark mit Vergleichsbalken für Agentensysteme und Baseline-Referenzen
Analyse der Performance von KI-Agenten bei Web-Browsing-, Computernutzungs- und GUI-Interaktionsaufgaben, die Erfolgsraten und Failure Mode-Analysen für führende Agentensysteme zeigt.
Balkendiagramm der Erfolgsraten nach Aufgabentyp mit Failure Mode-Aufschlüsselungsdiagramm
Daten zur Performance von KI-Agenten bei Long-Horizon-Planungsaufgaben, die 10+ aufeinanderfolgende Schritte erfordern, die aktuelle Einschränkungen und die Lücke zwischen Short-Task- und Long-Task-Performance aufzeigen.
Liniendiagramm der Performanceverschlechterung mit zunehmender Anzahl von Task-Schritten für mehrere Agentensysteme
Analyse der Qualität der KI-Übersetzung über 200+ Sprachpaare hinweg unter Verwendung von BLEU- und Human Evaluation Scores, die eine nahezu professionelle Qualität für ressourcenstarke Paare und erhebliche Lücken für ressourcenarme Sprachen zeigt.
Weltsprachen-Heatmap für die Übersetzungsqualität sowie Balkendiagramm der Top/Bottom-Performing-Paare
Benchmarks für die Qualität der KI-Textzusammenfassung und der Long-Form-Generierung im Jahr 2025, einschließlich Human Evaluation Consistency Scores und Metriken zur faktischen Genauigkeit.
Balkendiagramm zum Vergleich der Qualität der Zusammenfassung über verschiedene Modelle hinweg mit Human Evaluation Ergebnissen
Analyse der Robustheit von KI-Modellen gegenüber Verteilungsverschiebungen, adversiellen Eingaben und Out-of-Distribution-Testfällen, die trotz allgemeiner Fähigkeitssteigerungen eine anhaltende Fragilität aufzeigt.
Gruppiertes Balkendiagramm, das In-Distribution- und OOD-Performance-Lücken über verschiedene Modelltypen hinweg vergleicht
Konsolidiertes Vergleichsdiagramm, das die Leistung von KI und Mensch über 30+ verschiedene Aufgaben hinweg zeigt, mit visuellen Markierungen für Aufgaben, bei denen KI nun die menschliche Leistung übertrifft.
Horizontaler Dot-Plot mit Aufgabennamen auf der Y-Achse, KI- und Mensch-Ergebnisse als gepaarte Punkte, 'KI übertrifft'-Schattierung
Leistungsdaten zu neu eingeführten, schwierigen Benchmarks, die so konzipiert sind, dass sie 2025 nicht mehr sättigungsfähig sind: FrontierMath, MMMU-Pro und Humanity's Last Exam, die die aktuellen Fähigkeiten von Frontier-Modellen zeigen.
Balkendiagramm der Top-Modell-Ergebnisse bei drei schwierigen Benchmarks mit menschlicher Experten-Baseline
Analyse des Testzeit-Compute-Skalierungsparadigmas im Jahr 2025: wie zusätzlicher Inferenz-Compute durch Chain-of-Thought, Suche und Selbstverifizierung die Leistung bei schwierigen Aufgaben verbessert.
Liniendiagramm, das die Leistung im Verhältnis zum Inferenz-Compute-Budget für Reasoning-Modelle zeigt
Analyse der KI-Modellkalibrierung – wie gut die Konfidenzwerte des Modells mit der tatsächlichen Genauigkeit übereinstimmen – die Verbesserungen in der Kalibrierung für Top-Modelle, aber auch verbleibende Herausforderungen aufzeigt.
Kalibrierungskurven-Plots für mehrere Modelle mit idealer diagonaler Kalibrierungsreferenz
Heatmap, die die Leistung von KI-Modellen in über 100 Sprachen auf Standard-NLP-Benchmarks zeigt und die signifikante Performance-Lücke zwischen ressourcenstarken und ressourcenschwachen Sprachgruppen hervorhebt.
Sprach-nach-Benchmark-Heatmap mit Performance-Farbverlauf und regionalen Gruppierungen
Benchmark-Leistungszusammenfassung über spezialisierte professionelle Bereiche hinweg: Recht (Anwaltszulassung), Medizin (USMLE), Finanzen (CFA) und Buchhaltung, die Frontier-KI-Modelle mit oder über professionellen Bestehenswerten zeigen.
Balkendiagramm der Bestehenswerte für professionelle Prüfungen im Vergleich zu KI-Modellwerten über vier Bereiche hinweg
Überblick über die KI-Leistung in strategischen Spielen und Simulationen im Jahr 2025, einschließlich Schach, Go, Poker und Echtzeit-Strategiespielen, die in den meisten Spielekategorien eine übermenschliche Leistung zeigen.
Rating-Vergleichsdiagramm für KI vs. Top-menschliche Spieler über verschiedene Spieltypen hinweg
Benchmark-Leistungsdaten für verkörperte KI-Systeme bei Manipulations-, Navigations- und Geschicklichkeitssteuerungsaufgaben, die erhebliche Fortschritte, aber auch eine verbleibende Lücke zur menschlichen Leistung zeigen.
Balkendiagramm der Erfolgsraten nach Aufgabenkategorie für Top-Robotik-KI-Systeme
Analyse der KI-Leistung pro Dollar Inferenzkosten im Jahr 2025, die dramatische Verbesserungen der Kosteneffizienz zeigt, die den Zugang zu hochleistungsfähiger KI demokratisieren.
Streudiagramm der Leistung vs. Kosten pro Abfrage für Top-Modelle mit zeitbasierten Trendpfeilen
Direkter Fähigkeitsvergleich der Top-10-Frontier-Modelle von 2025 über 15 Benchmark-Kategorien hinweg, der einen strukturierten Überblick über die aktuelle KI-Fähigkeitslandschaft bietet.
Große Vergleichstabelle mit Modellnamen als Zeilen, Benchmark-Kategorien als Spalten, farbcodierte Leistungsstufen
Zusammenfassende Liniendiagramme, die die Leistungstrends über fünf Hauptaufgabenkategorien (Sprache, Mathematik, Code, Wissenschaft, Multimodal) von 2018-2025 zeigen und die Beschleunigung des KI-Fortschritts veranschaulichen.
Fünf-Panel-Small-Multiple-Liniendiagramme, die jeweils einen Kategorietrend im Zeitverlauf zeigen
Methodische Diskussion über Einschränkungen beim Design von AI-Benchmarks, einschließlich Bedenken hinsichtlich Datenkontamination, Benchmark-Overfitting und der Herausforderung, allgemeine Intelligenz zu messen.
Textanalyse mit illustrativem Kontaminationsdiagramm und Checkliste der Qualitätskriterien für Benchmarks
Daten zur AI-Modell-Performance bei sicherheits- und ausrichtungsrelevanten Benchmarks: TruthfulQA, BBQ-Bias-Evaluierung und Jailbreak-Resistenztests, die Fortschritte und verbleibende Herausforderungen aufzeigen.
Balkendiagramm, das Sicherheits-Benchmark-Ergebnisse verschiedener Top-Modelle mit Textkommentaren vergleicht
Referenznotizen für Kapitel 2 mit Datenquellenangaben, Benchmark-Methodologie-Referenzen und Definitionen der im gesamten Kapitel verwendeten Performance-Metriken.
Zweispaltiges Endnotenformat mit nummerierten Zitaten und Quellenangaben
Kuratiertes Verzeichnis weiterführender Literatur für Kapitel 2, geordnet nach Benchmark-Kategorie, mit wichtigen Artikeln und Leaderboard-Ressourcen zur fortgesetzten Erforschung der technischen AI-Performance.
Strukturierte Leseliste mit Kategorieüberschriften und kommentierten Einträgen
Tiefgehende Analyse der Auswirkungen von Chain-of-Thought-Prompting auf die Schlussfolgerungs-Performance, die zeigt, dass explizites, schrittweises Schlussfolgern die Performance bei Mathematik-, Logik- und Wissenschafts-Benchmarks verbessert.
Balkendiagramm, das die Performance mit/ohne CoT vergleicht, sowie Textanalyse des Mechanismus
Analyse der Performance von Retrieval-Augmented Generation (RAG)-Systemen im Jahr 2025, die zeigt, wie die Kombination von LLMs mit externem Wissensabruf die faktische Genauigkeit deutlich verbessert.
Balkendiagramm der faktischen Genauigkeit mit und ohne RAG über Wissensbereiche hinweg
Benchmark-Performance von AI-Modellen bei Aufgaben mit strukturierten Daten: SQL-Generierung, Tabellen-QA und Interpretation von Finanzdaten, die eine starke, aber unvollkommene Performance zeigen.
Balkendiagramm der Performance bei Aufgaben mit strukturierten Daten mit Aufschlüsselung nach Aufgabentyp
Analyse der Herausforderungen bei der Reproduzierbarkeit im AI-Performance-Benchmarking, einschließlich der Sensitivität gegenüber Prompt-Formulierungen, Temperatureinstellungen und Variationen des Evaluierungsprotokolls.
Varianzanalyse-Diagramm, das die Performance-Sensitivität gegenüber Prompt-Variationen mit Textkommentaren zeigt
Diskussion über emergente AI-Fähigkeiten, die im Jahr 2025 beobachtet wurden – Fähigkeiten, die diskontinuierlich auftreten, wenn die Modellgröße zunimmt – mit Beispielen und einer Debatte darüber, ob Emergenz real oder ein Artefakt der Evaluierung ist.
Textanalyse mit Tabelle mit Emergenzbeispielen und Streudiagramm Modellgröße versus Fähigkeit
Überblick über das AI-Benchmark-Ökosystem im Jahr 2025: wichtige Leaderboards, Evaluierungsorganisationen (HELM, BIG-bench) und die Herausforderung, eine aussagekräftige Evaluierung aufrechtzuerhalten, während sich die Modelle verbessern.
Ökosystemdiagramm, das die wichtigsten Benchmarks, Organisationen und ihre Beziehungen darstellt
Performance-Daten zu multimodalen Schlussfolgerungsaufgaben, die die Integration von Text- und visuellen Informationen erfordern, einschließlich wissenschaftlicher Diagramme, Grafiken und Mathematik mit Abbildungen.
Benchmark-Vergleichs-Balkendiagramm für Top-Multimodal-Modelle über verschiedene Arten von Schlussfolgerungsaufgaben hinweg
Analyse der Lücke zwischen Benchmark-Performance und realer Einsatz-Performance, einschließlich Diskussion von Verteilungsverschiebungen, Grenzfällen und der Korrelation zwischen Benchmark- und Einsatz-Performance.
Streudiagramm, das den Lab-Benchmark-Score mit realen Performance-Schätzungen für Anwendungen vergleicht
Dashboard zur Zusammenfassung von Kapitel 2 mit den wichtigsten Ergebnissen zur Leistung: KI auf Augenhöhe mit dem Menschen bei X Aufgaben, Übertreffen menschlicher Experten bei Y Aufgaben und wichtige noch ungelöste Herausforderungen.
Übersichts-Dashboard mit Statistiken in großen Zahlen, Aufschlüsselung nach Aufgabenkategorien und Callout-Boxen mit wichtigen Erkenntnissen
KI-Leistung bei Competitive-Programming-Benchmarks (CodeForces, IOI-Probleme) im Jahr 2025, die zeigen, dass Frontier-Modelle hohe, von Codeforces bewertete Leistungsniveaus erreichen.
Bewertungsvergleichsdiagramm, bei dem die KI-Systemebenen den menschlichen Perzentil-Äquivalenten zugeordnet sind
Detaillierte Analyse der KI-Leistung bei Aufgaben im Stil der Internationalen Mathematik-Olympiade (IMO) im Jahr 2025, wobei Frontier-Modelle bei ausgewählten Aufgabensätzen eine Leistung erzielen, die einer Goldmedaille entspricht.
Diagramm zur Schwierigkeit der Aufgabe im Vergleich zur Lösungsrate mit Modellvergleich und Anmerkungen zu den IMO-Medaillenschwellen
Leistung von KI-Systemen bei Aufgaben zur wissenschaftlichen Literaturrecherche: präzises Zusammenfassen von Artikeln, Identifizieren von methodischen Fehlern und Synthetisieren von Ergebnissen aus mehreren Artikeln.
Balkendiagramm zum Genauigkeitsvergleich für Unteraufgaben der Literaturrecherche mit Modellvergleich
Detaillierte Ergebnisse von multilingualen Benchmarks (XTREME, XGLUE, mMMLU), die Leistungsunterschiede zwischen englischen und nicht-englischen Aufgaben aufzeigen, mit einer Analyse der Herausforderungen bei ressourcenarmen Sprachen.
Heatmap der Leistung nach Sprache und Benchmark mit Sprachfamiliengruppierungen
Forschungsergebnisse zu KI-Überzeugungsfähigkeiten im Jahr 2025: Studien, die zeigen, dass von KI generierter überzeugender Text in A/B-Tests besser abschneidet als von Menschen verfasster Text, was Bedenken hinsichtlich Manipulation aufwirft.
Balkendiagramm der Ergebnisse von Überzeugungsstudien mit Textanalyse der Implikationen und Risikodiskussion
Analyse der KI-Modellspeicherfähigkeiten im Jahr 2025: In-Context-Speicherbegrenzungen, externe Speichererweiterung und zustandsbehaftete Agentensysteme, die Aufgaben mit längerer Laufzeit ermöglichen.
Vergleichsdiagramm von Speicherarchitekturen mit Leistungsdaten zu speicherabhängigen Aufgaben
Leistungsdaten zu KI-Modellen, die externe Tools verwenden (APIs, Taschenrechner, Suchmaschinen, Code-Interpreter) im Jahr 2025, die erhebliche Verbesserungen bei der zuverlässigen Tool-Nutzung zeigen.
Balkendiagramm der Erfolgsquote für Tool-Nutzungsaufgaben nach Tool-Typ und Modell
Überblick über domänenspezifische KI-Modelle für wissenschaftliche Aufgaben: Proteinstruktur, Materialwissenschaft, Klima, Genomik und ihre Leistung im Vergleich zu Allzweckmodellen.
Leistungsvergleichstabelle: Spezialisten- vs. Generalistenmodelle in verschiedenen wissenschaftlichen Bereichen
Benchmark-Leistung für KI-Dokumentenverständnisaufgaben: PDF-Parsing, Formular-Extraktion, Vertragsanalyse und komplexe Dokumenten-QA im Jahr 2025.
Balkendiagramm der Dokumentenaufgabenleistung mit Aufschlüsselung nach Aufgabentyp und Modellvergleich
Analyse der Robustheit von KI-Modellen gegen Adversarial Attacks im Jahr 2025, einschließlich Bildstörungsangriffe, Prompt Injection für LLMs und der Wirksamkeit von Abwehrmechanismen.
Balkendiagramm der Angriffserfolgsrate mit Vergleich der Verteidigungsmethoden und Textanalyse
Abschließende Analyse der Hauptthemen von Kapitel 2: die Beschleunigung der KI-Fähigkeitsgewinne, die Herausforderung, Benchmarks aussagekräftig zu halten, und die Auswirkungen der Tatsache, dass KI die menschliche Leistung bei einer wachsenden Anzahl von Aufgaben übertrifft.
Textfazit mit Übersichtsdiagramm, das Benchmark-Kategorien nach Human-Parity-Status zeigt
Kapitelanfang mit randabfallendem, dunkelblaugrünem Hintergrund, großer weißer Kapitelnummer 3, Titel „Verantwortliche KI“ und kurzer Überblick über den Schwerpunkt des Kapitels auf KI-Sicherheit, Verzerrung, Schäden und Governance.
Randabfallender, dunkelblaugrüner Hintergrund, übergroße Kapitelnummer, Titel und Beschreibung in Weiß
Einführung in das Kapitel über verantwortliche KI, in dem der Rahmen für die Messung von KI-Schäden, Sicherheitsforschung, Verzerrungsbewertung und Governance in der Praxis bis 2025 erläutert wird.
Einspaltige Einführung mit Übersichtsdiagramm des Abschnitts und Feld mit Schlüsseldefinitionen
Liniendiagramm, das die Anzahl der von der AIAAIC-Datenbank erfassten KI-bezogenen Vorfälle von 2012 bis 2025 zeigt und ein Wachstum von mehr als 1000 % über den Zeitraum mit einer starken Beschleunigung ab 2022 demonstriert.
Liniendiagramm in voller Breite mit Jahres-X-Achse, Y-Achse für die Anzahl der Vorfälle, wichtige Vorfallspitzen sind hervorgehoben
Gestapeltes Balkendiagramm, das KI-Vorfälle im Jahr 2025 nach Schadenskategorie aufschlüsselt: Desinformation/Deepfakes, Datenschutzverletzungen, Diskriminierung, Ausfälle autonomer Systeme und Cybersicherheitsverletzungen.
Gestapeltes horizontales Balkendiagramm mit Farbcodierung der Schadenskategorien und Prozentangaben
Weltkarte und Balkendiagramm, die die geografische Verteilung der gemeldeten KI-Vorfälle im Jahr 2025 zeigen, wobei die USA, die EU und China den Großteil der erfassten Vorfälle ausmachen.
Weltkarte mit Blasen für die Vorfallsdichte sowie Balkendiagramm der 15 wichtigsten Länder nach Anzahl der Vorfälle
Analyse von KI-generierten Desinformationsvorfällen im Jahr 2025: Deepfake-Videos, die auf Wahlen abzielen, synthetischer Audiobetrug und KI-generierte Nachrichtenartikel, die in großem Umfang verbreitet werden.
Zeitleiste der wichtigsten Deepfake-Vorfälle im Jahr 2025 mit Textanalyse und Diagramm der Erkennungsfähigkeiten
Vergleich der Leistung der Deepfake-Erkennungstechnologie im Jahr 2025 mit der Qualität der Deepfake-Generierung, der das anhaltende Wettrüsten zeigt, bei dem die Erkennung der Generierung konsequent hinterherhinkt.
Doppellinien-Diagramm der Generierungsqualität im Vergleich zur Erkennungsgenauigkeit im Zeitverlauf mit Anmerkung zur Wettrüstungslücke
Überblick über die Forschung zur Messung und Minderung von Verzerrungen in KI-Systemen im Jahr 2025, der Einstellungsalgorithmen, Kredit-Scoring, Triage im Gesundheitswesen und Gesichtserkennung über demografische Gruppen hinweg abdeckt.
Rahmendiagramm der Verzerrungsarten und Minderungsansätze mit Textübersicht
Experimentelle Ergebnisse aus Verzerrungsprüfungen von KI-Einstellungstools im Jahr 2025, die unterschiedliche Screening-Raten nach Rasse, Geschlecht und Alter in automatisierten Systemen zur Überprüfung von Lebensläufen zeigen.
Balkendiagramm der Screening-Raten nach demografischer Gruppe mit Anmerkungen zum Disparitätsverhältnis
Analyse von Verzerrungen in KI-Algorithmen im Gesundheitswesen im Jahr 2025, die sich auf die unterschiedliche Genauigkeit der diagnostischen KI über Rassen- und sozioökonomische Gruppen hinweg und die Ursachen für Leistungsunterschiede konzentriert.
Balkendiagramm der diagnostischen Genauigkeit nach demografischer Gruppe über mehrere KI-Tools hinweg
Daten zu KI-Verzerrungen im Kredit-Scoring und bei Finanzdienstleistungen, die unterschiedliche Kreditgenehmigungsraten und Risikobewertungsverteilungen über demografische Gruppen hinweg bei KI-gestützter Kreditvergabe zeigen.
Balkendiagramm der Genehmigungsraten und Bewertungsverteilungen nach Demografie mit Textanalyse
Benchmark-Ergebnisse für Gesichtserkennungssysteme über demografische Gruppen hinweg im Jahr 2025, die trotz Fortschritten weiterhin Genauigkeitsunterschiede zeigen, mit einer Analyse der regulatorischen Reaktionen.
Vergleichsdiagramm der Fehlerraten nach demografischer Gruppe mit Callouts zu regulatorischen Reaktionen
Liniendiagramm, das das Volumen der AI-Fairness- und Bias-Reduzierungsforschungspublikationen von 2015 bis 2025 verfolgt und das schnelle Wachstum des Feldes zusammen mit zunehmenden Fairness-Verpflichtungen von Unternehmen zeigt.
Liniendiagramm des Publikationsvolumens plus Balkendiagramm der Ankündigungen von Corporate-Fairness-Initiativen nach Jahr
Liniendiagramm, das das Wachstum von AI-Sicherheitsforschungspublikationen und dedizierten Sicherheitsforschungsorganisationen von 2016 bis 2025 zeigt und die rasche Institutionalisierung des Feldes demonstriert.
Doppellinien-Diagramm der Sicherheitspublikationen und der Anzahl der Sicherheitsorganisationen im Zeitverlauf
Überblick über wichtige AI-Sicherheitsforschungsorganisationen, die im Jahr 2025 aktiv sind: Anthropic, DeepMind Safety, ARC Evals, Redwood Research, METR, Apollo Research und andere.
Organisationsprofilkarten in einem Raster mit Gründungsdatum, Fokusbereich und wichtigen Ergebnissen pro Organisation
Analyse der Einführung von AI-Red-Teaming in den wichtigsten AI-Laboren im Jahr 2025, die zeigt, dass Red-Teaming zur Standardpraxis geworden ist, mit neuen Standards von NIST und staatlichen Rahmenwerken.
Zeitleistendiagramm zur Einführung sowie Textanalyse der Red-Teaming-Methodologien und -Ergebnisse
Zusammenfassung der offengelegten Red-Teaming-Ergebnisse der wichtigsten AI-Labore im Jahr 2025: häufige Schwachstellenkategorien, Prävalenz von Jailbreak-Techniken und die Wirksamkeit verschiedener Verteidigungsansätze.
Balkendiagramm der Schwachstellenkategorien mit Vergleichstabelle zur Wirksamkeit der Verteidigung
Überblick über Technologien zur Wasserzeichen-Erkennung und zum Erkennen von AI-generierten Inhalten im Jahr 2025: C2PA-Provenienzstandards, AI-Texterkennung und die Einführung von Bildwasserzeichen durch große Plattformen.
Technologie-Landschaftsdiagramm mit Einführungsmetriken und Textanalyse der Effektivität
Analyse der AI-Datenschutzrisiken und Schutzmaßnahmen im Jahr 2025: Memorierung von Trainingsdaten, Modellinversionsangriffe, Einführung von Differential Privacy und Herausforderungen bei der Einhaltung von Vorschriften.
Risikotaxonomiediagramm mit Diagramm der Einführungsrate für datenschutzwahrende Techniken
Analyse der doppelten Rolle von AI in der Cybersicherheit im Jahr 2025: AI-gestützte Bedrohungserkennung und -abwehr versus AI-gestützte Angriffsautomatisierung, mit Daten zu Vorfallraten für beides.
Nebeneinander angeordnete Balkendiagramme für AI-Verteidigungsanwendungen und AI-Angriffsanwendungen mit Textanalyse
Überblick über Frameworks zur Fähigkeitsbewertung, die von führenden AI-Laboren im Jahr 2025 verwendet werden, um gefährliche Fähigkeiten vor der Modellbereitstellung zu bewerten, einschließlich CBRN-Uplift-Tests.
Diagramm des Bewertungs-Frameworks mit Definitionen der Fähigkeitskategorien und Tabelle zur Einführung im Labor
Vergleich der wichtigsten AI-Risikotaxonomien und -Frameworks im Jahr 2025: NIST AI RMF, EU AI Act-Risikostufen, OECD AI-Risiko-Framework und von der Industrie entwickelte Risikoklassifizierungen.
Nebeneinander angeordnete Vergleichstabelle von vier Frameworks mit Risikokategorien, die über Frameworks hinweg abgebildet sind
Daten zu den Einführungsraten des NIST AI RMF in US-Bundesbehörden und Organisationen des Privatsektors im Jahr 2025, die eine wachsende, aber ungleichmäßige Akzeptanz zeigen.
Balkendiagramm der Einführungsrate nach Sektor und Organisationsgröße mit Textanalyse
Analyse der Einführung von Modellkarten und AI-Transparenzdokumentation im Jahr 2025, die eine verstärkte Offenlegung durch große Labore, aber inkonsistente Standards und Tiefe in der gesamten Branche zeigt.
Balkendiagramm der Einführungsmetriken plus Qualitäts-Scorecard, die die Tiefe der Modellkarten in den wichtigsten Laboren vergleicht
Überblick über KI-Anwendungen im militärischen und Verteidigungsbereich im Jahr 2025: Entwicklung autonomer Waffen, KI-gestützte Zielerfassung, KI-gestützte Überwachung und Herausforderungen des Völkerrechts.
Textanalyse mit globaler Einsatzkarte und Callout-Boxen zu Risikofaktoren
Daten zur Nutzung von KI im Strafjustizbereich im Jahr 2025: prädiktive Polizeiarbeit, Algorithmen zur Strafzumessung, Instrumente zur Kautionsentscheidung sowie dokumentierte Bedenken hinsichtlich Verzerrungen und rechtliche Herausforderungen.
Adoptionskarte nach US-Bundesstaat mit Diagramm der Ergebnisse von Bias-Audits und Zeitleiste der rechtlichen Herausforderungen
Globale Analyse des Einsatzes von KI-gestützter Überwachungstechnologie im Jahr 2025: Gesichtserkennung im öffentlichen Raum, Verhaltensüberwachung sowie Einführung und Beschränkungen auf Länderebene.
Weltkarte zur Einführung von Überwachungstechnologien mit Overlay für regulatorische Beschränkungen
Analyse der wachsenden Bedenken hinsichtlich der Umweltauswirkungen von KI im Jahr 2025, mit Schwerpunkt auf dem Wasserverbrauch von Rechenzentren, den Kohlenstoffemissionen durch KI-Workloads und Nachhaltigkeitsinitiativen großer KI-Unternehmen.
Balkendiagramm der Umweltkennzahlen pro Unternehmen mit Vergleichstabelle der Nachhaltigkeitsverpflichtungen
Überblick über arbeitsrechtliche Bedenken im Zusammenhang mit KI im Jahr 2025: Arbeitsbedingungen für Datenkennzeichnung, psychische Gesundheit von Mitarbeitern in der Inhaltsmoderation und Diskussionen über KI-bedingten Arbeitsplatzabbau.
Textanalyse mit Umfragedaten zu den Arbeitsbedingungen von Labelern und Diagrammen zur Projektion des Arbeitsplatzabbaus
Analyse der Rolle von KI bei der Inhaltsmoderation auf großen Plattformen im Jahr 2025, einschließlich der Erkennungsgenauigkeit für schädliche Inhaltskategorien und der Herausforderung falsch positiver Ergebnisse für marginalisierte Gemeinschaften.
Balkendiagramm der Genauigkeitsmetriken nach Inhaltstyp mit Aufschlüsselung der Falsch-Positiv-Rate nach Community
Überblick über die Richtlinien für den verantwortungsvollen Umgang mit KI von großen KI-Unternehmen im Jahr 2025, einschließlich Nutzungsrichtlinien, verbotener Anwendungsfälle und Durchsetzungsmechanismen.
Vergleichstabelle der Richtlinien großer KI-Unternehmen mit Checkliste für Anwendungsfallverbote
Umfragedaten zu KI-Governance-Praktiken in der Industrie: Prozentsatz der Unternehmen mit KI-Ethikgremien, verantwortungsvollen KI-Teams, Folgenabschätzungen und Governance-Überprüfungsprozessen.
Balkendiagramm der Adoptionsraten von Governance-Praktiken nach Unternehmensgröße und Sektor
Überblick über die internationalen Bemühungen zur KI-Sicherheitskoordination im Jahr 2025: der Pariser KI-Sicherheitsgipfel, die Folgeveranstaltung im Bletchley Park, die Seoul AI Declaration und multilaterale Sicherheitsforschungsinitiativen.
Zeitleiste internationaler Sicherheitsgipfel und -abkommen mit Textanalyse der Verpflichtungen
Drei detaillierte Fallstudien zu bedeutenden KI-Zwischenfällen im Jahr 2025: eine große Deepfake-Desinformationskampagne bei Wahlen, eine Häufung von KI-Diagnosefehlern im Gesundheitswesen und eine Serie von Unfällen mit autonomen Fahrzeugen.
Dreiteiliges Fallstudien-Layout mit Vorfallbeschreibung, Reaktion und gewonnenen Erkenntnissen pro Fall
Daten zur Leistung von KI-Modellen bei Bewertungsbenchmarks für gefährliche Fähigkeiten im Jahr 2025, einschließlich CBRN-Uplift-Bewertungen und Biosecurity-Risikobewertungen, die in Vortests verwendet werden.
Balkendiagramm der Ergebnisse der Fähigkeitsbewertung mit Risikostufenschwellen und Laborvergleich
Überblick über KI-Alignment-Forschungsansätze im Jahr 2025: RLHF/RLAIF, Constitutional AI, Debatte und Verstärkung, mechanistische Interpretierbarkeit und skalierbare Aufsichtstechniken.
Taxonomiediagramm der Forschungsansätze mit Diagramm des Publikationsvolumens pro Ansatz
Analyse des Wachstums der KI-Interpretierbarkeits- und Erklärbarkeitsforschung im Jahr 2025, einschließlich mechanistischer Interpretierbarkeitstechniken, Saliency Maps und deren praktischer Einsatz in regulierten Branchen.
Liniendiagramm zum Publikationswachstum sowie Balkendiagramm zur Adoptionsrate in regulierten Branchen
Daten zu KI-Anwendungen im Bereich psychische Gesundheit und damit verbundene Risiken im Jahr 2025: Einsatz von Chatbot-basierter Unterstützung für psychische Gesundheit, Wirksamkeitsdaten und Vorfälle mit schädlichen KI-Interaktionen im Bereich psychische Gesundheit.
Bereitstellungsmetriken mit Wirksamkeitsdiagramm und Aufschlüsselung der Vorfallskategorien
Überblick über Bedenken hinsichtlich der Sicherheit von Kindern im Zusammenhang mit KI-Systemen im Jahr 2025: CSAM-Erkennung, altersgerechte KI-Erlebnisse, KI-Nutzung von Kindern im Bildungsbereich und regulatorische Schutzmaßnahmen.
Textanalyse mit Übersichtskarte der Regulierungslandschaft und Diagramm zur Einführung von Sicherheitsmaßnahmen
Experimentelle Daten zur Wirksamkeit führender Techniken zur Abschwächung von Verzerrungen im Jahr 2025, Vergleich von Pre-Processing-, In-Processing- und Post-Processing-Ansätzen anhand von Verzerrungsmetriken.
Vergleichendes Balkendiagramm zur Reduzierung von Verzerrungsmetriken nach Technik mit Analyse der Genauigkeitskosten
Daten zu verantwortlichen KI-Berufsrollen im Jahr 2025: Stellenausschreibungen für KI-Ethiker, KI-Sicherheitsingenieure, Programmmanager für verantwortliche KI, Gehälter und die Angebots-Nachfrage-Lücke in diesem Bereich.
Trenddiagramm für Stellenausschreibungen und Gehaltsvergleich mit Hinweis auf die Angebots-Nachfrage-Lücke
Überblick über das aufkommende KI-Audit-Ökosystem im Jahr 2025: Drittanbieter-Auditoren, algorithmische Auditstandards, obligatorische Audit-Anforderungen in verschiedenen Gerichtsbarkeiten und branchenspezifische Selbstbewertungstools.
Ökosystemdiagramm von KI-Audit-Organisationen sowie Vergleichstabelle der regulatorischen Anforderungen
Analyse von Bedenken hinsichtlich verantwortungsvoller KI, die speziell für Open-Source-Modellversionen im Jahr 2025 gelten, einschließlich Dual-Use-Risiken, Sicherheit nach der Veröffentlichung und Community-Sicherheitspraktiken.
Risikotaxonomie für Open-Source-KI mit Vergleich von Ansätzen zur Risikominderung und Textanalyse
Zusammenfassung der Ergebnisse des Pariser KI-Sicherheitsgipfels (Februar 2025) und der nachfolgenden internationalen Sicherheitsverpflichtungen, einschließlich der Meilensteine des GPAI Code of Practice.
Ergebniszusammenfassungskarten pro Gipfel mit Statusindikatoren zur Verfolgung der Verpflichtungen
Übersichts-Dashboard für Kapitel 3 mit den wichtigsten Metriken für verantwortliche KI: Zunahme von KI-Vorfällen, Ergebnisse von Bias-Audits, Wachstum der Sicherheitsforschung und Raten der Governance-Einführung.
Dashboard-Raster mit Statistiken in großen Zahlen, Trend-Sparklines und Callout-Boxen mit wichtigen Erkenntnissen
Analyse der Tendenzen von KI-Systemen, im Jahr 2025 toxische, schädliche oder unangemessene Ausgaben zu generieren, einschließlich der Ergebnisse von Toxizitäts-Benchmarks und der Wirksamkeit von Safety Fine-Tuning.
Vergleichsbalken der Toxizitätsrate mit Modellverbesserungstrends und Textanalyse
Überblick über die Herausforderungen in Bezug auf KI-Urheberrecht und geistiges Eigentum im Jahr 2025: Rechte an Trainingsdaten, IP-Status von KI-generierten Inhalten, wichtige Rechtsfälle und neue regulatorische Rahmenbedingungen.
Zeitleiste der Rechtsfälle mit Vergleich der Policy-Rahmenbedingungen und Textanalyse
Analyse dokumentierter KI-gestützter Desinformationskampagnen, die auf Wahlen im Jahr 2025 abzielen, einschließlich Schätzungen des Umfangs, Reaktionen der Plattformen und Herausforderungen bei der Erkennung.
Zeitleiste der Kampagnen mit Schätzungen des Umfangs und Vergleichstabelle der Reaktionen der Plattformen
Analyse von Verantwortlichkeitslücken in AI-Einsatzketten im Jahr 2025: diffuse Verantwortung zwischen Entwicklern, Anwendern und Nutzern sowie Bemühungen zur Zuweisung von Haftung.
Diagramm der Verantwortlichkeitslücken mit Vergleich der Haftungsrahmen in verschiedenen Rechtsordnungen
Überblick über die Auswirkungen von AI-Systemen auf die Menschenrechte im Jahr 2025, von Überwachung und freier Meinungsäußerung bis hin zum Zugang zur Justiz und dem Recht auf Erklärung bei automatisierten Entscheidungen.
Matrix-Tabelle der Auswirkungen auf die Rechte mit AI-Anwendungszeilen und Menschenrechtsspalten, mit Zellen zur Bewertung der Auswirkungen
Vorschau auf die im Kapitel 3 genannten Methoden zur Bewertung der technischen Sicherheit, einschließlich Red-Team-Protokolle, Verfahren zur Bewertung der Fähigkeiten und Standards zur Messung von Verzerrungen.
Diagramm mit einer Übersicht über die Methodik mit Referenzliste und Texterläuterungen
Weltkartenvisualisierung der regulatorischen und Governance-Aktivitäten im Bereich der verantwortungsvollen AI im Jahr 2025, die die Regulierungsdichte nach Ländern und den Kontrast zwischen den Ansätzen der EU, der USA und Asiens zeigt.
Welt-Choroplethenkarte mit Farbcodierung der Regulierungsintensität und regionalen Callout-Boxen
Vergleichende Analyse der von Regierungen, Unternehmen und internationalen Organisationen im Jahr 2025 verabschiedeten AI-Ethikprinzipien, die Überschneidungen und Divergenzen aufzeigt.
Venn-/Überlappungsdiagramm der ethischen Prinzipienthemen in über 20 wichtigen Rahmenwerken
Referenznotizen für Kapitel 3, einschließlich primärer Datenquellen für Vorfalldaten, Bias-Studien, Sicherheitsforschung und Zitate von Governance-Rahmenwerken.
Zweispaltiges, nummeriertes Endnotenformat
Kuratiertes, weiterführendes Material für Kapitel 3, geordnet nach Abschnitten: Sicherheitsforschung, Bias und Fairness, Governance und Vorfallsanalyse mit kurzen Anmerkungen.
Strukturierte Leseliste mit Abschnittsüberschriften und Einträgen
Kapitelopener mit randabfallendem, tief marineblauem Hintergrund, großer weißer Kapitel 4-Zahl, Titel 'Wirtschaft' und kurzer Kapitelbeschreibung, die AI-Investitionen, Arbeit und Einführungstrends abdeckt.
Randabfallender, tief marineblauer Hintergrund, übergroße Kapitelnummer, weißer Titel und Beschreibung
Einführung in das Wirtschaftskapitel, das den wirtschaftlichen Fußabdruck von AI im Jahr 2025 in Bezug auf private Investitionen, Arbeitsmärkte, Unternehmensakzeptanz und Produktivitätseffekte umreißt.
Einspaltige Einführung mit Callout-Boxen für die Kapitelhighlights und Abschnittsübersicht
Liniendiagramm, das die globalen privaten AI-Investitionen von 2013 bis 2025 zeigt, die im Jahr 2025 weltweit über 470 Milliarden Dollar erreichen, wobei die USA mit 285,9 Milliarden Dollar einen dreifachen Anstieg gegenüber dem Niveau von 2022 verzeichnen.
Liniendiagramm mit globalen und US-spezifischen Investitionslinien, Jahres-X-Achse, Dollarbetrag-Y-Achse, wichtige Meilenstein-Anmerkungen
Balkendiagramm, das die Länder nach privaten AI-Investitionen im Jahr 2025 einordnet, wobei die USA deutlich führen, gefolgt von China, Großbritannien, Indien und Kanada.
Horizontales, geordnetes Balkendiagramm mit Ländernamen auf der Y-Achse und Investitionsbeträgen auf der X-Achse
Aufschlüsselung der privaten AI-Investitionen nach Industriesektor im Jahr 2025: Unternehmenssoftware, Gesundheitswesen, autonome Fahrzeuge, Finanzdienstleistungen, Cybersicherheit, Bildung und Einzelhandel.
Kreisdiagramm und begleitendes Balkendiagramm, das die Anteile und Beträge der Sektorinvestitionen zeigt
Analyse des Anstiegs der Investitionen in generative AI im Jahr 2025, mit einem Balkendiagramm, das den Anteil der generativen KI an den gesamten KI-Investitionen zeigt, der von 15 % im Jahr 2023 auf über 45 % im Jahr 2025 steigt.
Balkendiagramm des Anteils der Investitionen in generative KI nach Jahr mit Überlagerungslinie der Gesamtinvestitionen
Daten zu AI-Unternehmensfinanzierungs-Megarunden (über 100 Mio. USD) im Jahr 2025 und die globale Anzahl von AI-Einhörnern, die eine Beschleunigung der Milliarden-Dollar-Bewertungen für AI-native Unternehmen zeigen.
Bubble Chart von Megarunden-Deals nach Unternehmen mit Tabelle der Top 20 AI-Einhörner
Analyse der AI-bezogenen Fusionen und Übernahmen im Jahr 2025, die ein Rekordvolumen an M&A-Transaktionen und die strategische Konsolidierung von AI-Talenten und -Technologie durch große Technologieunternehmen zeigt.
Balkendiagramm des M&A-Dealvolumens nach Jahr mit Aufschlüsselung der Dealarten und Key-Deal-Callouts
Weltkarte und Gini-Koeffizientenanalyse, die die geografische Konzentration von privaten AI-Investitionen zeigt, wobei die USA, China und Großbritannien über 80 % der globalen AI-Investitionen ausmachen.
Welt-Choroplethenkarte der Investitionskonzentration plus Panel mit Konzentrationsmetriken
Analyse der AI-Einführung von Fortune 500-Unternehmen im Jahr 2025: über 90 % erwähnen AI in Earnings Calls, wobei McKinsey-Umfragedaten zeigen, dass 70 % AI in mindestens einer Geschäftsfunktion einsetzen.
Trendliniendiagramm zur Einführung plus Balkendiagramm zur Aufschlüsselung nach Sektoren mit Trichterdiagramm für Erwähnungen und Einführung
Balkendiagramm, das die AI-Einführungsraten über Unternehmensgrößen hinweg vergleicht (groß, mittel, klein, Kleinstunternehmen) und signifikante Einführungslücken sowie die Herausforderungen für kleinere Unternehmen beim Zugang zu AI-Tools aufzeigt.
Gruppiertes Balkendiagramm nach Unternehmensgröße mit Aufschlüsselung der Einführungsmetriken und Textanalyse
Sektorale Aufschlüsselung der AI-Einführung im Jahr 2025: Finanzdienstleistungen und Technologie führen die Einführung an, gefolgt von Gesundheitswesen, Einzelhandel und Fertigung, wobei Bildung und Regierung hinterherhinken.
Horizontales Balkendiagramm, das Sektoren nach AI-Einführungsrate mit Technologie-, Anwendungsfall- und Investitionsdaten ordnet
Zusammenfassung empirischer Studien, die AI-Produktivitätseffekte in verschiedenen Branchen im Jahr 2025 messen und dokumentierte Zuwächse bei der Programmierproduktivität, der Wissensarbeitsleistung und der Effizienz des Kundendienstes zeigen.
Zusammenfassungstabelle der Studienergebnisse mit Schätzungen der Produktivitätssteigerung und Textanalyse der Methodik
Analyse der AI-Produktivitätssteigerungen bei Wissensarbeitsaufgaben: Schreiben, Programmieren, Recherche, Analyse und Kundendienst, mit Feldstudienschätzungen von 20-80 % Effizienzsteigerung.
Balkendiagramm der Produktivitätssteigerungen nach Aufgabentyp mit Quellenangaben der Studien und Fehlerbalken
Liniendiagramm, das das Wachstum der AI-bezogenen Stellenausschreibungen von 2019-2025 zeigt, mit einem Wachstum von ca. 30 % gegenüber dem Vorjahr im Jahr 2025 und AI-Kenntnissen, die in einem wachsenden Anteil von Stellenausschreibungen für Nicht-AI-Spezialisten auftauchen.
Doppellinien-Diagramm der Stellenausschreibungen für AI-Spezialisten und der Stellenausschreibungen, die AI-Kenntnisse erfordern, im Zeitverlauf
Balkendiagramm, das die Lohnprämien für AI-qualifizierte Arbeitskräfte im Jahr 2025 zeigt, wobei AI-Positionen 30-40 % höhere Lohnprämien gegenüber vergleichbaren Nicht-AI-Positionen in den Bereichen Softwareentwicklung, Data Science und Forschung erzielen.
Balkendiagramm der Lohnprämie nach Rollentyp mit Vergleich zu Nicht-AI-Äquivalenten
Analyse der Exposition von Berufsgruppen gegenüber AI-Automatisierung und -Erweiterung im Jahr 2025, die zeigt, dass kognitive Arbeit mit hohem Lohnniveau stark der Erweiterung ausgesetzt ist und Routinearbeiter einem Verdrängungsrisiko ausgesetzt sind.
Streudiagramm des Berufslöhns im Vergleich zur AI-Exposition mit Beschriftungen der Berufsgruppencluster
Analyse von Beschäftigungsdaten auf Makroebene in KI-führenden Volkswirtschaften, die trotz Automatisierungsbedenken eine starke Beschäftigung in KI-intensiven Sektoren zeigen, mit differenzierten sektoralen Mustern.
Beschäftigungstrenddiagramme nach Sektor mit KI-Intensitäts-Overlay und Textanalyse
Analyse der Verteilungseffekte von KI auf die Löhne: Evidenz für Lohnzuwächse, die sich auf hochgebildete und hochqualifizierte Arbeitskräfte konzentrieren, mit begrenztem Lohnwachstum für gering qualifizierte Arbeitskräfte.
Vergleichsdiagramm zum Lohnwachstum nach Bildungsniveau mit Verteilungskurven-Inserts
Zusammenfassung der aktuellen empirischen Evidenz zu KI-bedingten Arbeitsplatzverlusten im Jahr 2025, wobei dokumentierte Fälle von prognostizierten Verlustszenarien unterschieden werden, mit Daten zu Arbeitsplatzverlusten auf Sektorebene.
Tabelle mit Evidenz zu Arbeitsplatzverlusten mit Sektorzeilen, Spalten für dokumentierte vs. prognostizierte Verluste und Textkommentar
Analyse der KI-Kompetenzlücke im Jahr 2025: Mangel an KI-qualifizierten Arbeitskräften in nahezu allen Sektoren, die Kluft zwischen der Nachfrage nach KI-Arbeitsplätzen und dem qualifizierten Angebot sowie Herausforderungen bei der Umschulung.
Diagramm zur Angebots-Nachfrage-Lücke nach Rolle und Region mit Textanalyse der Ursachen für die Lücke
Diskussion der potenziellen Rolle von KI bei der Verschärfung der wirtschaftlichen Ungleichheit zwischen Nationen mit hoher KI-Kapazität und Ländern mit niedrigerem Einkommen sowie zwischen hochqualifizierten und gering qualifizierten Arbeitskräften innerhalb von Volkswirtschaften.
Textanalyse mit Diagramm zur Ungleichheitsprognose und Visualisierung der regionalen Kapazitätslücke
Daten zu Investitionen in die KI-Infrastruktur im Jahr 2025: Bau von Rechenzentren, Beschaffung von GPUs/Chips, Investitionen in Stromnetze und Investitionsausgaben von Hyperscalern, die durch die KI-Nachfrage getrieben werden.
Balkendiagramm zu Infrastrukturinvestitionen nach Kategorie mit Anmerkungen zum Wachstum im Jahresvergleich
Analyse der Auswirkungen von KI auf die Finanzmärkte im Jahr 2025: Aktienperformance von KI-Unternehmen, Bedenken hinsichtlich KI-gesteuerter Handelsalgorithmen und Daten zur Anlegerstimmung für Aktien des KI-Sektors.
Performance-Diagramm des Aktienindex des KI-Sektors mit Marktkapitalisierungs-Callouts und Textanalyse
Daten zum KI-Einsatz im Kundenservice im Jahr 2025: Einführung von Chatbots, Verbesserungen der Lösungsrate, Kennzahlen zur Kostensenkung und Kundenzufriedenheit mit KI-Kundenservice.
Diagramm mit Kennzahlen zur Einführung mit Zufriedenheitsvergleich und Analyse der Kostensenkung
Analyse der KI-Einführung im Marketing und in der Werbung im Jahr 2025: generative KI für die Erstellung von Inhalten, KI-gesteuerte Anzeigenoptimierung, Personalisierung im großen Maßstab und ROI-Nachweise.
Diagramm zur Einführungsrate mit ROI-Evidenztabelle und Daten zur Kostensenkung bei der Erstellung von Inhalten
Überblick über die Einführung von KI in juristischen Dienstleistungen im Jahr 2025: Automatisierung der Vertragsprüfung, KI für die juristische Recherche, E-Discovery-Tools und die Auswirkungen auf die juristischen Arbeitsstunden und die abrechenbaren Sätze.
Balkendiagramm zu Zeiteinsparungen nach Art der juristischen Aufgabe mit Einführungsrate und Textanalyse
Daten zu KI-Anwendungen in der Fertigung und Lieferkette im Jahr 2025: vorausschauende Wartung, Qualitätskontroll-Bildverarbeitungssysteme, Logistikoptimierung und Produktivitätssteigerungen.
Diagramm zu ROI und Effizienzsteigerungen nach Anwendungstyp mit Aufschlüsselung der Einführungsrate
Analyse des KI-Einsatzes in Finanzdienstleistungen im Jahr 2025: Betrugserkennung, Kreditprüfung, algorithmischer Handel, Compliance und die regulatorische Landschaft für finanzielle KI.
Diagramm zur Einführung von Anwendungsfällen mit Kennzahlen zur Betrugsreduzierung und Callout-Boxen für regulatorische Aspekte
Umfragedaten zur KI-Einführung bei kleinen und mittleren Unternehmen im Jahr 2025, die eine wachsende Akzeptanz von KI-Tools für Marketing, Kundenservice und Betrieb zeigen, mit Zugangsbarrieren.
Trend der Akzeptanzrate mit Diagramm zur Barriereanalyse und Aufschlüsselung nach KMU-Sektor
Daten zum KI-Startup-Ökosystem im Jahr 2025: Gründungsraten neuer Unternehmen, sektorale Schwerpunkte, Finanzierungsrunden und Erfolgsmetriken für KI-native versus KI-gestützte Startups.
Diagramm des Startup-Ökosystems mit Trichter für Finanzierungsphasen und Tortendiagramm für sektorale Schwerpunkte
Vergleich der nationalen KI-Wirtschaftsentwicklungsstrategien im Jahr 2025: US-KI-Investitionen, EU-KI-Industriepolitik, chinesischer KI-Wirtschaftsplan, indische KI-Mission und andere.
Vergleichende Strategietabelle mit Investitionsbeträgen und Prioritätsbereichen pro Land
Analyse der Rolle von KI im internationalen Handel im Jahr 2025: KI im Zoll und in der Logistik, KI-Exportkontrollen, Beschränkungen des Chiphandels und die Auswirkungen von KI auf komparative Vorteile.
Zeitleiste der Exportkontrollen mit Diagramm der Auswirkungen auf die Handelsströme und Textanalyse
Zusammenfassung der wichtigsten Wirtschaftsprognosen für die wirtschaftlichen Auswirkungen von KI bis 2030 von McKinsey, Goldman Sachs und IWF, die einen Konsens über erhebliche, aber unsichere Auswirkungen auf das BIP zeigen.
Vergleichsdiagramm der Prognosen mit Szenariobereichen und methodischen Anmerkungen
Analyse von KI-gestützten neuen Geschäftsmodellen im Jahr 2025: AI-as-a-Service, vertikale KI-Lösungen, autonome Agentendienste und Plattformgeschäfte, die auf Foundation Model APIs aufbauen.
Taxonomiediagramm für Geschäftsmodelle mit Beispielunternehmen und Beschreibungen von Umsatzmodellen
Daten zu KI-Anwendungen im Energiesektor im Jahr 2025: Netzoptimierung, Management erneuerbarer Energien, Bedarfsprognose und KI-Einsatz bei der Öl- und Gasexploration.
Balkendiagramm der Anwendungen mit Metriken zum Effizienzgewinn und Karte des Sektoreinsatzes
Überblick über die Einführung von KI in der Landwirtschaft im Jahr 2025: Präzisionslandwirtschaft, Erkennung von Pflanzenkrankheiten, Ertragsprognose sowie Einsatz und Produktivitätsdaten von Agrarrobotern.
Diagramm des Einführungstrends mit Daten zum Produktivitätsgewinn und Karte der geografischen Verteilung
Analyse von KI-Anwendungen im Immobilienbereich im Jahr 2025: Algorithmen zur Immobilienbewertung, Tools zur Marktvorhersage, Bau-KI und intelligente Gebäudemanagementsysteme.
Diagramm zur Einführung von Anwendungen mit Metriken zur Bewertungsgenauigkeit und Textanalyse
Analyse der KI-Rechenmarktökonomie im Jahr 2025: GPU-Mietpreise, Preistrends für Cloud-KI-Dienste, KI-Umsatz von Hyperscalern und die Wirtschaftlichkeit von Training vs. Inferenz.
Preisverlaufdiagramme für Rechenleistung mit Schätzungen der Marktgröße und Vergleich des KI-Umsatzes von Hyperscalern
Gehalts- und Vergütungsdaten für KI-Rollen im Jahr 2025, einschließlich ML-Ingenieure, KI-Forscher, Data Scientists und KI-Produktmanager in verschiedenen Unternehmenstypen und Regionen.
Gehaltsvergleichsdiagramm nach Rolle und Region mit Aufschlüsselung der Gesamtvergütung
Analyse der KI-IP-Wirtschaft im Jahr 2025: Bewertung von KI-generiertem geistigem Eigentum, Märkte für die Lizenzierung von Trainingsdaten, Patentgebühren für KI-Techniken und Auswirkungen der rechtlichen Unsicherheit auf Investitionen.
Diagramm zur Schätzung der Größe des IP-Marktes mit Zeitleiste der rechtlichen Unsicherheit und Textanalyse
Regionale Schlaglichter zur KI-Wirtschaft, die US-amerikanische KI-Korridorstädte, KI-Zentren in der EU, Chinas KI-Technologieparks, Indiens KI-Ökosystem und aufstrebende KI-Wirtschaften in Südostasien abdecken.
Regionale Karte mit Callout-Karten für Städte/Zentren und Schlüsselkennzahlen pro Region
Zusammenfassendes Dashboard zu Kapitel 4 mit wichtigen Wirtschaftszahlen: 285,9 Mrd. USD KI-Investitionen in den USA, KI-Erwähnungsrate von über 90 % bei den Fortune 500, 30-40 % KI-Lohnprämie und dokumentierte Produktivitätssteigerungen.
Zusammenfassendes Dashboard mit großen statistischen Zahlen und Grafiken im Farbdesign des Kapitels
Referenznotizen für Kapitel 4 mit Quellen für Investitionsdaten, Zitaten aus Arbeitsmarktstudien und Hinweisen zur Methodik der Produktivitätsforschung.
Zweispaltiges, nummeriertes Endnotenformat
Kuratiertes Material zur weiterführenden Lektüre für Kapitel 4, das KI-Investitionen, Arbeitsökonomie, Produktivitätsforschung und wirtschaftliche Auswirkungsprognosen mit kurzen Anmerkungen abdeckt.
Strukturierte Leseliste mit Abschnittsüberschriften
Ganzseitiger Kapitelauftakt mit dunkelblaugrünem/waldartigem Hintergrund, großer weißer Kapitelnummer 5, Titel „Wissenschaft und KI“ und kurzer Überblick über die transformative Rolle der KI in der wissenschaftlichen Forschung im Jahr 2025.
Ganzseitiger dunkelblaugrüner/waldartiger Hintergrund, übergroße Kapitelnummer, weißer Titel und Beschreibung
Einführung in Kapitel 5, die KI als neues Werkzeug für die wissenschaftliche Entdeckung im Jahr 2025 einordnet, mit Übersichtsstatistiken zum Wachstum der KI-gestützten Forschung und dem KI-Nobelpreis-Meilenstein.
Einspaltige Einführung mit Callout-Boxen für Schlüsselstatistiken und Abschnittsübersicht
Liniendiagramm, das das Wachstum von KI-gestützten wissenschaftlichen Veröffentlichungen von 2015 bis 2025 in allen wichtigen Disziplinen zeigt, wobei ein Wachstum von 71 % in der KI-gestützten Biologie- und Life-Science-Forschung hervorgehoben wird.
Mehrlinien-Diagramm nach wissenschaftlichem Bereich mit Jahres-X-Achse und Anzahl der Veröffentlichungen auf der Y-Achse
Analyse von AlphaFold 3 und nachfolgenden Fortschritten bei der Vorhersage der Proteinstruktur im Jahr 2025 mit Benchmark-Genauigkeitsdaten und dem Wachstum der KI-gestützten Proteinforschung.
Genauigkeits-Benchmark-Diagramm mit Tabelle mit Beispielen für Strukturvorhersagen und Textanalyse
Überblick über die KI-Vorhersage komplexer biomolekularer Strukturen jenseits von Proteinen im Jahr 2025: Protein-DNA, Protein-Ligand, RNA-Struktur und Antikörperdesign unter Verwendung von Foundation Models.
Diagramm zum Vergleich der Fähigkeiten mit Textanalyse und Callout-Boxen für wichtige Durchbrüche
Analyse von KI-entdeckten Arzneimittelkandidaten im Jahr 2025: Anzahl der Eintritte in klinische Studien, anvisierte Krankheitsbereiche, Kostensenkungsschätzungen (30-50 % Einsparungen) und wichtige Unternehmen für KI-gestützte Medikamentenentwicklung.
Funnel-Diagramm der Arzneimittel-Pipeline mit Aufschlüsselung nach Krankheitsbereich und Balkendiagramm zur Kostensenkung
Daten zu KI-entdeckten Medikamenten, die sich derzeit im Jahr 2025 in klinischen Studien befinden, einschließlich des Status der Phasen I/II/III, der Therapiebereiche und der ersten KI-entdeckten Medikamente, die sich der behördlichen Zulassung nähern.
Tabelle zum Status klinischer Studien mit Pipeline-Diagramm und Meilenstein-Timeline
Überblick über KI-Anwendungen in der Materialwissenschaft im Jahr 2025: KI-entwickelte Batteriematerialien, Halbleiter, Katalysatoren und Strukturmaterialien mit Beispielen für die Aufnahme in die Produktion.
Balkendiagramm für Materialanwendungen mit Discovery-Timeline und Textanalyse
Analyse von AI-Anwendungen in der Genomik im Jahr 2025: Vorhersage von Varianteneffekten, Modellierung der Genregulation, Einzelzellenanalyse und AI-gestütztes CRISPR-Targeting.
Matrix der Anwendungsfähigkeiten mit Genomik-AI-Zeitleiste und Textanalyse
Überblick über AI-Anwendungen in Klima- und Geowissenschaften im Jahr 2025: AI-Klimamodelle mit 10.000-facher Beschleunigung, Downscaling globaler Modelle, Vorhersage extremer Ereignisse und Überwachung des Kohlenstoffkreislaufs.
Vergleichsdiagramm der Beschleunigung mit Aufschlüsselung der Anwendungsbereiche und Textanalyse
Leistungsvergleich von AI-Wettervorhersagemodellen (GraphCast, Pangu-Weather, FourCastNet) gegenüber traditionellen NWP-Modellen im Jahr 2025, der zeigt, dass AI die traditionellen Modelle in den meisten Metriken übertrifft.
Balkendiagramm zum Leistungsvergleich für mehrere Vorhersagemetriken mit traditioneller Modell-Baseline
Analyse der Verbesserungen der AI-Erdbebenvorhersage im Jahr 2025: Verlängerung der Frühwarnzeiten, Genauigkeit der Magnitudenabschätzung und Nachbebenvorhersage mithilfe von Deep Learning auf seismischen Daten.
Diagramm zur Leistungsverbesserung mit geografischer Einsatzkarte und Textanalyse
Überblick über AI-Anwendungen in der physikalischen Forschung im Jahr 2025: Datenanalyse der Teilchenphysik am CERN, Simulation von Quantensystemen, Plasmaphysik für die Fusion und AI-gestütztes experimentelles Design.
Zeitleiste der Anwendungsbereiche mit Callouts zu wichtigen Entdeckungen und Textanalyse
Analyse von AI-Anwendungen in der Astronomie im Jahr 2025: Galaxienklassifizierung im großen Maßstab, Detektion von Gravitationswellensignalen, Exoplanetenentdeckung aus Teleskopdaten und Beschleunigung kosmologischer Simulationen.
Diagramm der Entdeckungsanzahl mit Aufschlüsselung der Anwendungsbereiche und Textanalyse
Überblick über AI in der chemischen Forschung im Jahr 2025: Reaktionsvorhersage, Syntheseplanung, Katalysatordesign und AI-gestütztes chemisches Sicherheitsscreening mit Daten zum Publikationswachstum.
Diagramm zum Publikationswachstum mit Aufschlüsselung der Anwendungen und Callouts zu wichtigen Tools
Diskussion der historischen Nobelpreis-Anerkennung von AI-Beiträgen zur Wissenschaft im Jahr 2024 (Geoffrey Hinton – Physik; Demis Hassabis und John Jumper – Chemie), die die offizielle wissenschaftliche Anerkennung von AI markiert.
Zeitleiste der Nobelpreis-Bekanntmachungen mit Laureatenprofilen und Bedeutungsanalyse
Daten zu AI-Tools, die im Jahr 2025 wissenschaftliche Literatur verarbeiten: semantische Suche über Millionen von Artikeln, automatisierte Hypothesengenerierung, Extraktion von Behauptungen und Analyse von Zitationsgraphen.
Vergleichstabelle der Tool-Fähigkeiten mit Diagramm der Adoptionsrate und Textanalyse
Überblick über AI-Systeme, die im Jahr 2025 autonome wissenschaftliche Experimente durchführen: von AI gesteuerte Robotik-Laborsysteme, selbstgesteuerte Hypothesengenerierung, Experimentdesign und Ergebnisinterpretation.
Diagramm der autonomen Wissenschafts-Pipeline mit Zeitleiste der Fähigkeitsmeilensteine und Textanalyse
Analyse von AI-Anwendungen in der Neurowissenschaft im Jahr 2025: Brain Mapping im großen Maßstab, Dekodierung neuronaler Signale, Verbesserungen der Gehirn-Computer-Schnittstelle und AI-Modelle der neuronalen Berechnung.
Diagramm der Anwendungsfähigkeiten mit Daten zum Brain Mapping-Maßstab und Textanalyse
Leistungsdaten für AI in der biomedizinischen Bildgebungsforschung (unterschieden von der klinischen Anwendung) im Jahr 2025: Einzelzellen-Bildgebungsanalyse, Cryo-EM-Verarbeitung und Super-Resolution-Mikroskopie AI.
Leistungs-Benchmark-Diagramm nach Bildgebungsmodalität mit Textanalyse
Überblick über KI-Anwendungen in der sozialwissenschaftlichen Forschung im Jahr 2025: groß angelegte Umfrageanalysen, Natural Language Processing historischer Texte und KI-gestützte Verhaltensexperimente.
Überblick über Anwendungstypen mit Wachstumsdiagramm der Veröffentlichungen und Textanalyse
Analyse der KI-Forschungsinfrastruktur zur Unterstützung von wissenschaftlicher KI im Jahr 2025: nationale KI-Forschungs-Clouds, Open-Access-Rechenressourcen für die Wissenschaft und die Rolle von NSF, DOE und internationalen Äquivalenten.
Infrastrukturkarte mit Ressource-Vergleichstabelle und Finanzierungsanalyse
Analyse von KI-Werkzeugen für die mathematische Forschung im Jahr 2025: automatisiertes Theorembeweisen, KI-gestützte Beweisprüfung, Vermutungserzeugung und das Wachstum von KI-gestützten Mathematik-Veröffentlichungen.
Fortschrittsdiagramm der Fähigkeiten mit Benchmark-Daten zum Theorembeweisen und Textanalyse
Diskussion über KI-Werkzeuge zur Verbesserung der wissenschaftlichen Reproduzierbarkeit im Jahr 2025: automatisierte Protokolldokumentation, Tools zur gemeinsamen Nutzung von Code und Daten sowie KI-gestützte Ergebnisverifizierung.
Diagramm zur Verbesserung der Reproduzierbarkeit mit Diagrammen zu Adoptionsmetriken und Textanalyse
Analyse von KI-Werkzeugen im wissenschaftlichen Peer-Review im Jahr 2025: automatisierte Review-Unterstützung, Paper-Screening, Erkennung ethischer Verstöße und Debatten über die Zuverlässigkeit von KI-Reviewern.
Diagramm der Adoptionsrate mit Zuverlässigkeitsdaten und Callout-Boxen für ethische Debatten
Analyse der geopolitischen Dimensionen der KI-gestützten Wissenschaft im Jahr 2025: Muster der Forschungskooperation, KI-Wissenschaftsfähigkeitslücken zwischen Nationen und Open-Access-KI-Wissenschaftswerkzeuge.
Diagramm des Kooperationsnetzwerks mit Karte der Fähigkeitslücken und Textanalyse
Überblick über wissenschaftsspezifische Basismodelle im Jahr 2025: Biologie (ESM3, Geneformer), Chemie (ChemBERTa), Materialien (MatBERT), Geowissenschaften (ClimaX) und domänenübergreifende wissenschaftliche LLMs.
Modell-Taxonomietabelle mit Fähigkeitsvergleich und Diagramm zur Domänenabdeckung
Daten über die Auswirkungen von KI auf das Design und die Durchführung klinischer Studien im Jahr 2025: Optimierung der Patientenrekrutierung, Unterstützung beim Protokolldesign, Erkennung unerwünschter Ereignisse und Verkürzung der Studienzeitpläne.
Diagramm zur Verkürzung des Zeitplans mit Aufschlüsselung der Anwendungen und Textanalyse
Überblick über KI-Anwendungen in der Epidemiologie und Public Health-Forschung im Jahr 2025: Krankheitsüberwachung, Ausbruchsvorhersage, genomische Epidemiologie und KI-gestützte Modellierung von Impfstrategien.
Diagramm der Anwendungsmöglichkeiten mit Karte der Überwachungsbereitstellung und Textanalyse
Analyse der KI-Beiträge zur Energiewissenschaftsforschung im Jahr 2025: Fusionsplakontrolle mit KI, Batterieentdeckung, Materialdesign zur Kohlenstoffabscheidung und Optimierung von Solarzellen.
Anwendungszeitachse mit Daten zur Leistungsverbesserung und Textanalyse
Analyse der disziplinübergreifenden Auswirkungen von KI-Wissenschaftswerkzeugen, die zeigt, wie KI Durchbrüche an den Schnittstellen zwischen Biologie, Chemie, Physik und Ingenieurwesen ermöglicht.
Disziplinübergreifendes Wirkungsdiagramm, das KI-Tool-Flüsse zwischen wissenschaftlichen Bereichen zeigt
Diskussion über Risiken und Herausforderungen in der KI-gestützten Wissenschaft: KI-Halluzinationen in wissenschaftlichen Kontexten, übermäßiges Vertrauen in KI-Modelle, Black-Box-wissenschaftliche Argumentation und die Entqualifizierung von Forschern.
Risiko-Taxonomie mit Fallstudienbeispielen und Diskussion zur Risikominderung
Dashboard mit der Zusammenfassung von Kapitel 5: Schlüsselstatistiken zum Wachstum von KI-gestützten wissenschaftlichen Veröffentlichungen, bahnbrechende Meilensteine und Sektoren, in denen KI die größten wissenschaftlichen Auswirkungen hat.
Übersichts-Dashboard mit großen Zahlenstatistiken und Grafiken im Kapitel-Türkis-Design
Referenznotizen für Kapitel 5 mit primären Datenquellen für wissenschaftliche Veröffentlichungsdaten, AlphaFold-Zitate und domänenspezifische Forschungsreferenzen.
Zweispaltiges nummeriertes Endnotenformat
Kuratiertes Angebot an weiterführender Literatur für Kapitel 5, geordnet nach wissenschaftlichem Bereich, einschließlich wichtiger Arbeiten und Übersichtsartikel über KI in Biologie, Chemie, Geowissenschaften und bereichsübergreifende KI-Wissenschaftsagenten.
Strukturierte Leseliste mit Abschnittsüberschriften für Bereiche und kommentierten Einträgen
Kapitelanfang mit randabfallendem, tiefblauem Hintergrund, großer weißer Kapitelnummer 6, Titel „Medizin und KI“ und kurzer Beschreibung der wachsenden Rolle von KI in der klinischen Versorgung und biomedizinischen Forschung.
Randabfallender, tiefblauer Hintergrund, übergroße Kapitelnummer, weißer Titel und Beschreibung
Einführung in Kapitel 6, in der KI in der Medizin als transformative Kraft im Jahr 2025 dargestellt wird, mit Schlüsselstatistiken: 258 von der FDA zugelassene KI-Geräte, 85,5 % diagnostische Genauigkeit für MAI-DxO, über 300.000 Ärzte, die KI-Scribes verwenden.
Einspaltige Einführung mit hervorgehobenen Statistikfeldern und Abschnittsübersicht
Benchmark-Vergleich von KI-Diagnosesystemen mit Fachärzten im Jahr 2025 in den Bereichen Radiologie, Pathologie, Dermatologie und Ophthalmologie, der zeigt, dass KI die Genauigkeit von Fachärzten erreicht oder übertrifft.
Balkendiagramm zum Vergleich der Genauigkeit in verschiedenen Bereichen mit Facharzt-Basislinie und KI-Leistungsbalken
Detaillierte Analyse von MAI-DxO, das eine diagnostische Genauigkeit von 85,5 % bei standardisierten klinischen Fällen erreicht und die durchschnittliche Leistung von Fachärzten übertrifft und das diagnostische Potenzial von KI validiert.
Diagramm zum Vergleich der Genauigkeit mit Aufschlüsselung nach Falltypen und Analyse der statistischen Signifikanz
Balkendiagramm mit den von der FDA zugelassenen KI-gestützten medizinischen Geräten nach Jahr von 2016 bis 2025, das 2025 258 Zulassungen erreicht und insgesamt über 950 kumulative Zulassungen umfasst.
Balkendiagramm mit Jahres-X-Achse und jährlicher Zulassungsanzahl auf der Y-Achse, kumulative Linienüberlagerung
Aufschlüsselung der von der FDA zugelassenen medizinischen KI-Geräte nach Fachrichtung im Jahr 2025: Radiologie dominiert mit ~75 %, gefolgt von Kardiologie, Pathologie und anderen Fachrichtungen.
Kreisdiagramm und Balkendiagramm der Geräteverteilung nach medizinischer Fachrichtung
Detaillierte Analyse von KI in der Radiologie im Jahr 2025: CT-Analyse, Interpretation von Röntgenaufnahmen des Brustkorbs, Mammographie-Screening und MRT-Analyse mit Daten zur klinischen Anwendung und Benchmarks zur diagnostischen Genauigkeit.
Leistungs-Benchmark-Diagramm nach Bildgebungsmodalität mit Anwendungsstatistiken und Textanalyse
Überblick über die computergestützte KI-Pathologie im Jahr 2025: digitale Pathologie-Objektträgeranalyse, Unterstützung bei der Krebsgraduierung, Biomarker-Erkennung und die wachsende klinische Anwendung von KI-Pathologie-Tools.
Diagramm zum Vergleich der Fähigkeiten mit Anwendungsdaten und Textanalyse
Analyse von KI-Anwendungen in der Ophthalmologie im Jahr 2025: Screening auf diabetische Retinopathie, Glaukom-Erkennung, Diagnose altersbedingter Makuladegeneration und Netzhautbildanalyse.
Balkendiagramm zur diagnostischen Genauigkeit nach Erkrankung mit geografischer Einsatzkarte und Textanalyse
Analyse von AI-gestützten Ambient Clinical Documentation Scribes im Jahr 2025, die von über 300.000 Klinikern verwendet werden, um den Dokumentationsaufwand zu reduzieren, mit Daten zu Zeitersparnis und Burnout-Reduktion.
Adoptionstrendlinie mit Metriken zur Zeitersparnis und Umfragedaten zur Burnout-Reduktion
Daten zu klinischen Ergebnissen aus AI-Dokumentations-Scribe-Implementierungen im Jahr 2025: Zeitersparnis für Ärzte (1-2 Stunden pro Schicht), Erhöhung der Patienteninteraktionszeit und Verbesserung der Dokumentationsgenauigkeit.
Vorher/Nachher-Vergleichsdiagramme für Zeiteinteilung und Dokumentationsgenauigkeit mit Textanalyse
Überblick über die Fortschritte der AI-Wirkstoffforschung im Jahr 2025, einschließlich der Anzahl der von AI entdeckten Wirkstoffkandidaten, führender Unternehmen (Insilico Medicine, Recursion, Exscientia) und Daten zur Kostenreduktion.
Unternehmenslandschaftsdiagramm mit Pipeline-Anzahl und Kostenvergleichsdiagrammen
Überblick über die virtuelle Zellmodellierung im Jahr 2025: AI-Modelle, die individuelle Zellreaktionen auf Medikamente und Interventionen simulieren und personalisierte medizinische Forschung ermöglichen und den Bedarf an Tierversuchen reduzieren.
Diagramm der Fähigkeiten des virtuellen Zellmodells mit Anwendungsbereichen und Textanalyse
Daten zu AI-Anwendungen im Bereich der psychischen Gesundheit im Jahr 2025: Einsatz von Chatbot-Therapie-Tools, Wirksamkeitsdaten aus klinischen Studien, Fähigkeiten zur Krisenerkennung und ethische Bedenken.
Vergleichsdiagramm von Wirksamkeitsstudien mit Einsatzstatistiken und Callout-Boxen für ethische Bedenken
Analyse von AI-Anwendungen in der Präzisions-Genommedizin im Jahr 2025: Vorhersage von polygenen Risikobewertungen, Pharmakogenomik, Diagnose seltener Krankheiten aus Genomdaten und AI-gestütztes Design von Gentherapien.
Vergleichstabelle der Fähigkeiten mit Beispielen für klinische Anwendungen und Textanalyse
Überblick über den Einsatz von AI-gestützten klinischen Entscheidungsunterstützungssystemen (Clinical Decision Support Systems, CDSS) im Jahr 2025: Sepsisvorhersage, Verschlechterungsalarme, Überprüfung von Arzneimittelwechselwirkungen und deren Auswirkungen auf die klinischen Ergebnisse.
Balkendiagramm zur Ergebnisverbesserung nach CDSS-Typ mit Einsatzdaten und Textanalyse
Daten zur AI-gestützten Chirurgie im Jahr 2025: AI-gestützte Roboterchirurgie, Echtzeit-Bewertung von Fähigkeiten, operative Bildanalyse und Ergebnisdaten für AI-gestützte Eingriffe.
Vergleichsdiagramm der Ergebnisse für AI-gestützte vs. traditionelle Chirurgie mit Textanalyse
Analyse von AI in der Notfallmedizin im Jahr 2025: Triage-Unterstützung, Risikostratifizierung bei Brustschmerzen, Schlaganfallerkennung im CT und Optimierung des Patientenflusses in der Notaufnahme.
Leistungsmetrikdiagramm nach Anwendungstyp mit Einsatzdaten und Textanalyse
Analyse der Auswirkungen von AI auf die Gesundheitsgerechtigkeit im Jahr 2025: Potenzial zur Ausweitung des Zugangs zu Diagnostik in unterversorgten Gebieten, aber auch das Risiko, bestehende Ungleichheiten zu verewigen oder zu verstärken, wenn sie mit verzerrten Daten trainiert wird.
Zweispaltenanalyse der Auswirkungen auf die Gerechtigkeit mit Karte zur Ausweitung des geografischen Zugangs und Diagramm zum Verzerrungsrisiko
Überblick über AI-Anwendungen in der globalen Gesundheit und in ressourcenarmen Umgebungen im Jahr 2025: mobile AI-Diagnostik in Ländern mit niedrigem und mittlerem Einkommen (LMICs), AI für vernachlässigte Tropenkrankheiten und Telemedizin-AI-Einsatz.
Karte des geografischen Einsatzes mit Aufschlüsselung der Anwendungstypen und Daten zur Kosteneffizienz
Analyse der Regulierung von AI-Medizinprodukten im Jahr 2025 in wichtigen Rechtsordnungen: FDA's vorgegebener Pfad zur Änderungskontrolle, EU MDR für AI, China NMPA AI-Gerätezulassungen und internationale Harmonisierungsbemühungen.
Vergleichstabelle der regulatorischen Rahmenbedingungen mit Genehmigungszeitplan und Textanalyse
Analyse der KI-Integration mit EHR-Systemen im Jahr 2025: Predictive Analytics eingebettet in EHRs, NLP für unstrukturierte Notizen, KI-gestützte Identifizierung von Versorgungslücken und Herausforderungen bei der Interoperabilität.
EHR KI-Integrationsfähigkeitsdiagramm mit Adoptionsrate und Textanalyse
Daten zu KI-gestützten tragbaren Gesundheitsgeräten im Jahr 2025: Kontinuierliche Glukoseüberwachung, Erkennung von Herzrhythmusstörungen, Atemwegsüberwachung und Programme zur Gesundheitsüberwachung auf Bevölkerungsebene.
Vergleichsdiagramm der Gerätefähigkeiten mit klinischen Validierungsdaten und Bereitstellungsstatistiken
Überblick über KI-Patientenkommunikations-Tools im Jahr 2025: KI-Chatbots für Patientenaufklärung, Unterstützung bei der Medikamenteneinhaltung, Terminplanung und Nachsorge nach der Entlassung.
Vergleichsdiagramm der Tool-Typen mit Wirksamkeitsdaten und Ergebnissen von Patientenzufriedenheitsumfragen
Umfragedaten zu den Einstellungen von Klinikern gegenüber KI im Jahr 2025: Vertrauensniveau nach Fachgebiet, Bedenken hinsichtlich der Haftung, Zeit bis zur Einführung neuer KI-Tools und Ansichten darüber, ob KI klinische Rollen ersetzt oder erweitert.
Balkendiagramm der Umfrageergebnisse nach Fachgebiet und Bedenkenkategorie mit Textanalyse
Überblick über KI in der medizinischen Ausbildung im Jahr 2025: KI-Klinische Fallsimulatoren, KI-gestützte Vorbereitung auf Staatsexamen, virtuelle Patienteninteraktionen und KI-gestützte Ausbildung chirurgischer Fähigkeiten.
Diagramm der Adoptionsrate mit Daten zu Lernergebnissen und Aufschlüsselung der Tool-Typen
Daten zu KI-Anwendungen im Krankenhausbetrieb im Jahr 2025: Optimierung des Patientenflusses, Bettenmanagement, Personalbedarfsprognose, Supply-Chain-Management und KI im Revenue Cycle.
Balkendiagramm der Effizienzsteigerung nach operativem Bereich mit Bereitstellungsstatistiken
Überblick über KI in der Präventivmedizin im Jahr 2025: Risikostratifizierung der Bevölkerung, Optimierung des Krebs-Screenings, Personalisierung von Lifestyle-Interventionen und KI-Tools für die öffentliche Gesundheit.
Leistungsdiagramm zur Risikostratifizierung mit Daten zur Optimierung des Screenings und Textanalyse
Analyse, wie KI klinische Studien im Jahr 2025 verändert: synthetische Kontrollarme, Patientenzuordnung, Endpunktvorhersage und Generierung von Real-World Evidence mit Daten zu Kosten- und Zeiteinfluss.
Diagramm zur Kosten- und Zeitreduzierung mit Diagramm zur Methodik des Studiendesigns und Textanalyse
Daten zu den Auswirkungen von KI auf die Diagnose seltener Krankheiten im Jahr 2025: Verkürzung der Diagnosezeit, KI zur Analyse der vollständigen Genomsequenzierung, Zuordnung von Phänotyp zu Genotyp und Verkürzung der Diagnose-Odyssee.
Vergleichsdiagramm der Diagnosezeit mit Fallbeispielen und Textanalyse
Überblick über KI in der Pharmazie und im Medikamentenmanagement im Jahr 2025: Automatisierte KI-gestützte Abgabe, Überprüfung von Arzneimittelwechselwirkungen, personalisierte Optimierung der Dosierung und Tools zur Medikamenteneinhaltung.
Diagramm der Anwendungsfähigkeiten mit Ergebnisdaten und Textanalyse
Analyse der Auswirkungen von KI auf die Gesundheitskosten im Jahr 2025: Dokumentierte Kostensenkungen in der Radiologie, Dokumentation und im Betrieb, im Vergleich zu Implementierungs- und Integrationskosten.
Diagramm zur Kostenwirkungsanalyse mit ROI-Schätzungen nach Anwendungstyp
Leistungsdaten für KI-Dermatologiesysteme im Jahr 2025: Genauigkeit der Melanomerkennung im Vergleich zum Dermatologen, Klassifizierung von Akne und Hauterkrankungen sowie KI-gestützte Teledermatologie.
Vergleichsdiagramm der Genauigkeit nach Erkrankungstyp mit Bereitstellungsstatistiken und Textanalyse
Analyse von KI in der Kardiologie im Jahr 2025: EKG-Interpretations-KI, Echokardiographie-Analyse, Herz-MRT-Segmentierung und KI-gestütztes Herzinsuffizienz-Management.
Performance-Benchmark-Diagramm nach kardiologischer Aufgabe mit Daten zur klinischen Anwendung
Umfassender Überblick über KI in der Onkologie im Jahr 2025: Tumorerfassung, Vorhersage des Behandlungserfolgs, Optimierung der Bestrahlungsplanung, Identifizierung genomischer Biomarker und Präzisions-Krebsmedizin.
Fähigkeitsmatrix für mehrere Anwendungen mit Zusammenfassung der klinischen Evidenz und Textanalyse
Daten zu KI-Anwendungen bei Infektionskrankheiten im Jahr 2025: genomische Pathogenüberwachung, Algorithmen zur Erkennung von Ausbrüchen, Vorhersage von Antibiotikaresistenzen und KI-Tools zur Pandemievorsorge.
Diagramm der Überwachungsfähigkeiten mit Einsatzkarte und Textanalyse
Analyse der medizinischen Dateninfrastruktur zur Unterstützung von KI im Jahr 2025: Föderierte Lernbereitstellungen, synthetische Daten für das Training, Frameworks für den Datenaustausch und die Rolle nationaler Gesundheitsprogramme.
Diagramm der Infrastrukturlandschaft mit Karte der föderierten Lernbereitstellung und Textanalyse
Diskussion der wichtigsten ethischen Herausforderungen in der KI-Medizin im Jahr 2025: algorithmische Verantwortlichkeit bei der Diagnose, Patienteneinwilligung für KI-Tools, Haftung bei KI-Fehlern und Transparenzanforderungen.
Taxonomie ethischer Herausforderungen mit Vergleich der regulatorischen Reaktionen und Textanalyse
Dashboard zur Zusammenfassung von Kapitel 6 mit wichtigen Statistiken: 258 FDA-Zulassungen, über 300.000 Ärzte, die KI-Schreibkräfte nutzen, 85,5 % MAI-DxO-Genauigkeit, KI-Medikamentenkandidaten in Phase II/III-Studien.
Übersichts-Dashboard mit Statistiken in großen Zahlen und blau thematischer Grafik des Kapitels
Referenznotizen und weiterführende Literatur für Kapitel 6 mit FDA-Datenquellen, Zitaten aus klinischen Studien und kuratierter Leseliste, geordnet nach medizinischem Fachgebiet und KI-Anwendung.
Zweispaltiges Endnotenformat, gefolgt von einer strukturierten Leseliste
Kapitelopener über die gesamte Seite mit waldgrünem Hintergrund, großer weißer Kapitel 7-Zahl, Titel 'Bildung' und kurzer Überblick über den wachsenden Einfluss von KI auf Lernen, Lehren und akademische Einrichtungen.
Waldgrüner Hintergrund über die gesamte Seite, übergroße Kapitelnummer, weißer Titel und Beschreibung
Einführung in Kapitel 7, die KI im Bildungsbereich als ein zentrales Thema im Jahr 2025 darstellt, mit den wichtigsten Ergebnissen: 80 % der Studenten nutzen generative KI, 11 % Rückgang der CS-Einschreibungen, 82 % Wachstum bei KI-Masterstudiengängen.
Einspaltige Einführung mit Callout-Boxen für wichtige Statistiken und Abschnittsübersicht
Liniendiagramm, das die CS-Einschreibungstrends an den Top-US-Universitäten von 2015-2025 zeigt, einschließlich eines Rückgangs von 11 % in den Jahren 2024-2025, der als Marktsättigungssignal für traditionelle CS-Abschlüsse interpretiert wird.
Liniendiagramm der Einschreibungen mehrerer Institutionen mit Jahres-X-Achse und Einschreibungszahl-Y-Achse, 11 % Rückgangsanmerkung
Balkendiagramm, das das Wachstum KI/ML-spezifischer Graduiertenprogramme von 2018-2025 zeigt, mit einem Wachstum von 82 % bei KI-Masterstudiengängen und neuen KI-Bachelor-Konzentrationen an großen Universitäten.
Balkendiagramm der Programmzahlen nach Jahr mit Aufschlüsselung nach Institutionstyp und geografischer Verteilung
Umfragedaten, die zeigen, dass 80 % der College-Studenten im Jahr 2025 angeben, generative KI für Kursarbeiten zu verwenden, aufgeschlüsselt nach Nutzungstyp: Schreibhilfe, Recherche, Programmierung, Lernen und Problemlösung.
Balkendiagramm des Nutzungstyps mit Häufigkeitsverteilung und demografischer Aufschlüsselung
Daten zu Bedenken hinsichtlich der akademischen Integrität im Zusammenhang mit der KI-Nutzung durch Studierende im Jahr 2025: Erkannte KI-generierte Einreichungen, Entwicklung der institutionellen Richtlinien und Ansichten der Studierenden zur Ethik der KI-Nutzung.
Diagramm zur Einführung von Richtlinien mit Daten zu Integritätsvorfällen und Umfrage zur Meinung der Studierenden
Umfragedaten zu den Einstellungen der Dozenten gegenüber KI im Jahr 2025: 60 % erlauben die KI-Nutzung mit Einschränkungen, unterschiedliche Richtlinien je nach Fachbereich und Bedenken der Dozenten hinsichtlich der Validität der Bewertung.
Balkendiagramm der Dozentenumfrage nach Fachbereich mit Aufschlüsselung der Richtlinienkategorien und Textanalyse
Experimentelle Belege für die Wirksamkeit von KI-Tutor-Systemen im Jahr 2025: Khan Academy Khanmigo, Duolingo Max und ähnliche KI-Tutoren, die in kontrollierten Studien dokumentierte Lernfortschritte zeigen.
Vergleichsdiagramm der Lernfortschritte nach Tool mit Anmerkungen zur Studienmethodik und Textanalyse
Daten zum Einsatz von KI-Nachhilfe-Tools im Jahr 2025: Anzahl der Studierenden, die KI-Nachhilfeplattformen nutzen, geografische Reichweite, Abdeckung von Fachgebieten und Nutzungshäufigkeitsmuster.
Akzeptanzdiagramm mit geografischer Karte und Aufschlüsselung nach Fachgebiet
Analyse der weltweiten Einführung von KI-Lehrplänen für die Klassen K-12 im Jahr 2025, wobei über 30 Länder nationale KI/CS-Lehrplanstandards implementieren, sowie Daten zur Verfügbarkeit von KI-Schulungen für Lehrkräfte.
Weltkarte zur Einführung von KI-Lehrplänen für die Klassen K-12 mit Balkendiagramm der Länderanzahl und Textanalyse
Inhaltsanalyse der KI-Lehrplanstandards für die Klassen K-12 im Jahr 2025: Welche KI-Themen werden unterrichtet (Konzepte des maschinellen Lernens, Ethik, Datenkompetenz, Prompt Engineering) und in welchen Klassenstufen.
Matrix der Lehrplanthemen nach Klassenstufe mit Ländervergleich und Textanalyse
Daten zum Wachstum der Online-KI-Lernplattformen im Jahr 2025: Coursera- und edX-KI-Kurse um über 50 % gestiegen, neue KI-Zertifizierungsprogramme von großen Technologieunternehmen und Analyse der Abschlussquoten.
Wachstumstrenddiagramm mit Plattformvergleich und Aufschlüsselung der Zertifizierungstypen
Analyse, wie Top-Universitäten im Jahr 2025 die Ergebnisse der KI-Forschung in die Lehre integrieren, einschließlich neuer KI-Ethik-Lehrpläne, interdisziplinärer KI-Programme und des Wachstums von KI-Forschungszentren.
Vergleichsdiagramm der universitären KI-Programme mit Diagramm des Modells zur Integration von Forschung und Lehre
Überblick über Initiativen zur KI-Alphabetisierung im Jahr 2025: KI-Alphabetisierungsprogramme für die breite Öffentlichkeit, staatlich finanzierte KI-Umschulungen, KI-Schulungen am Arbeitsplatz und der wachsende Markt für KI-Alphabetisierungszertifizierungen.
Überblick über Programmtypen mit Reichweitenmetriken und Textanalyse
Daten zur KI-Nutzung in der Hochschulverwaltung im Jahr 2025: KI bei der Studienzulassung, im Enrollment Management, bei der Optimierung der finanziellen Unterstützung und bei Systemen zur Vorhersage des Studienerfolgs.
Diagramm zur Einführung von Anwendungen mit Ergebnissen von Bias-Audits und Textanalyse
Analyse der Nutzung von KI-Schreibhilfen im akademischen Kontext im Jahr 2025, einschließlich der Auswirkungen auf die Schreibqualität, die Lernergebnisse für Schreibfähigkeiten und die sich entwickelnden akademischen Normen.
Vergleichsdiagramm der Studienergebnisse mit Bewertung der Schreibqualität und Textanalyse
Überblick über KI-gestützte Barrierefreiheitstools im Bildungswesen im Jahr 2025, die Studierenden mit Behinderungen zugute kommen: Echtzeit-Untertitelung, KI-Lesehilfe, personalisierte Lernanpassungen und Spracherkennungstools.
Diagramm der Fähigkeiten von Barrierefreiheitstools mit Akzeptanzdaten und Nachweisen zu Studienergebnissen
Daten zu KI-Schulungsprogrammen für Lehrkräfte und Pädagogen im Jahr 2025: Teilnahmequoten an der beruflichen Weiterentwicklung, Qualität der Schulungsinhalte und Vertrauen der Pädagogen in die Verwendung von KI-Tools.
Diagramm zur Schulungsakzeptanz mit Vertrauensumfrage und Vergleich der Inhaltsabdeckung
Analyse der potenziellen Auswirkungen von KI auf die Bildungsgerechtigkeit im Jahr 2025: personalisiertes Lernen reduziert Leistungsunterschiede, aber Zugangsdefizite bei Geräten und Konnektivität schaffen neue Kluften.
Duale Analyse der Auswirkungen auf die Gerechtigkeit mit Karte der Zugangsdefizite und Daten zu Lernergebnissen
Daten zu KI-Tools, die speziell den MINT-Unterricht im Jahr 2025 unterstützen: KI-Mathe-Tutoren, Plattformen für Programmierunterricht, Tools für wissenschaftliche Simulationen und KI-Anwendungen für die Laborsicherheit.
Vergleichsdiagramm der Tool-Typen mit Nachweisen zu Lernergebnissen und Akzeptanzdaten
Analyse von KI-gestützten Sprachlernanwendungen im Jahr 2025: Duolingo, Rosetta Stone KI-Funktionen und andere Plattformen, die Daten zur Lernbeschleunigung und Engagement-Metriken zeigen.
Vergleichsdiagramm der Lerngeschwindigkeit mit Engagement-Metriken und Textanalyse
Überblick über die nationalen KI-Bildungsrichtlinien im Jahr 2025: UNESCO-Leitlinien zur KI-Bildung, EU-Strategie zur KI-Bildung, US AI Literacy Executive Orders und OECD-Rahmen für KI-Bildung.
Vergleichstabelle der Policy Frameworks mit geografischer Adoptionskarte und Textanalyse
Analyse der Auswirkungen von KI auf die Prioritäten von Forschungsuniversitäten im Jahr 2025: Finanzierung von KI-Forschungszentren, KI-Partnerschaften zwischen Industrie und Wissenschaft, KI-Patentaktivitäten von Universitäten und KI-bezogene Forschungseinnahmen.
Vergleichsdiagramm der Forschungsfinanzierung mit Partnerschaftsdaten und Textanalyse
Dashboard mit der Zusammenfassung von Kapitel 7, das die wichtigsten Bildungsstatistiken präsentiert: KI-Nutzungsraten von Schülern, Einschreibungstrends, Wirksamkeit von KI-Tutoring und Akzeptanz des K-12-Lehrplans.
Übersichts-Dashboard mit Statistiken in großen Zahlen und Grafiken im waldgrünen Design des Kapitels
Referenznotizen und weiterführende Literatur zu Kapitel 7, einschließlich Quellen für Einschreibungsdaten, Zitate aus KI-Tutoring-Studien und eine kuratierte Leseliste, geordnet nach Bildungssektor.
Zweispalten-Endnotenformat, gefolgt von einer strukturierten Leseliste
Kapitel-Opener mit randabfallendem, dunkelviolett/indigofarbenem Hintergrund, großer weißer Kapitel 8-Zahl, Titel 'Politik und Governance' und kurzer Überblick über die regulatorischen und politischen Entwicklungen im Bereich KI im Jahr 2025.
Randabfallender, dunkelviolett/indigofarbenem Hintergrund, übergroße Kapitelnummer, weißer Titel und Beschreibung
Einführung in Kapitel 8, in der das Jahr 2025 als Wendepunkt für die KI-Politik weltweit dargestellt wird, mit den wichtigsten Statistiken: 20,4 Mrd. USD an US-Bundesinvestitionen in KI, 25 unterzeichnete KI-Gesetze, 46 Länder mit nationalen KI-Strategien.
Einspaltige Einführung mit Callout-Boxen für die wichtigsten Statistiken und Abschnittsübersicht
Umfassende Timeline-Visualisierung der wichtigsten KI-Politik-Meilensteine von 2016 bis 2025, vom Obama AI-Bericht (2016) bis zur Umsetzung des EU AI Act (2025), geordnet nach Geografie.
Horizontale Multi-Track-Timeline mit Länder-/Regionspuren, Meilensteinmarkierungen und kurzen Anmerkungen
Weltkarte, die die 46 Länder zeigt, die bis 2025 formelle nationale KI-Strategien verabschiedet haben, mit Schattierung des Datums der Verabschiedung und regionalen Clustern von KI-Governance-Aktivitäten.
Welt-Choroplethenkarte mit Schattierung des Datums der Verabschiedung und Ländername-Callouts für wichtige Strategien
Analyse der US-amerikanischen Bundesinvestitionen in KI, die im Jahr 2025 20,4 Milliarden US-Dollar erreichen, aufgeschlüsselt nach Behörden (DOD, DARPA, NSF, NIH, DOE, NIST) und vorrangigen Forschungsbereichen.
Balkendiagramm zur Aufschlüsselung nach Behörden mit Analyse der vorrangigen Bereiche und Anmerkung zum Wachstum im Jahresvergleich
Analyse der US-amerikanischen KI-bezogenen Gesetzgebung im Jahr 2025: 25 KI-Gesetze auf Bundesebene in Kraft getreten, thematische Aufschlüsselung (Sicherheit, Beschaffung, Arbeitskräfte, Deepfakes, nationale Sicherheit) und KI-Gesetze auf Landesebene.
Balkendiagramm zu Gesetzgebungsthemen mit Zeitleiste der in Kraft getretenen Gesetze und Aktivitätskarte auf Landesebene
Zusammenfassung der wichtigsten KI-Maßnahmen der US-amerikanischen Exekutive im Jahr 2025: Aktivitäten des NIST AI Safety Institute, KI-Richtlinien des Weißen Hauses und Mandate der Bundesbehörden zur KI-Implementierung.
Zeitleiste der politischen Maßnahmen mit Textanalyse wichtiger Durchführungsverordnungen und Antworten der Behörden
Analyse der US-amerikanischen sektorspezifischen KI-Vorschriften im Jahr 2025: FDA-Leitlinien für KI-Medizinprodukte, FTC-Regeln für KI in der Werbung, CFPB-Leitlinien für KI-Kreditbewertung und EEOC-Leitlinien für KI-gestützte Einstellung.
Regulierungsmatrix nach Sektor und Behörde mit Textanalyse
Überblick über die im Jahr 2025 erreichten Meilensteine bei der Umsetzung des EU AI Act, einschließlich des Verbots unzulässiger Praktiken, das im Februar 2025 in Kraft trat, mit einem Diagramm zur Risikoklassifizierung.
Pyramidendiagramm der Risikostufen mit Umsetzungszeitplan und Liste der verbotenen Praktiken
Detaillierte Aufschlüsselung der Risikokategorien des EU AI Act: unannehmbares Risiko (verboten), hohes Risiko, begrenztes Risiko und minimales Risiko, mit Beispielen für KI-Anwendungen in jeder Kategorie.
Diagramm mit vier Kategorien mit Beispielen pro Risikostufe und Zusammenfassung der regulatorischen Verpflichtungen
Analyse der Compliance-Anforderungen für KI-Systeme mit hohem Risiko gemäß dem EU AI Act im Jahr 2025: technische Dokumentation, menschliche Aufsicht, Daten-Governance und Konformitätsbewertungsverpflichtungen.
Diagramm mit Compliance-Checkliste mit Schätzungen der Implementierungskosten und sektorspezifischen Leitlinien
Daten zum Compliance-Status des EU AI Act unter großen Unternehmen im Jahr 2025, die eine frühzeitige Einführung durch große Unternehmen, Compliance-Herausforderungen für KMUs und Fortschritte bei der Einrichtung von Durchsetzungsbehörden zeigen.
Balkendiagramm der Compliance-Rate nach Unternehmensgröße mit Metriken zum Durchsetzungsfortschritt und Textanalyse
Analyse des General Purpose AI Code of Practice im Rahmen des EU AI Act, der Transparenzanforderungen, systemische Risikobewertungen und die Anpassung von Frontier-KI-Entwicklern abdeckt.
Diagramm der Verpflichtungen aus dem Verhaltenskodex mit Tabelle zum Compliance-Status der Frontier-Modellentwickler
Überblick über Chinas nationale KI-Politik im Jahr 2025: die Umsetzung des Next Generation AI Development Plan, KI-Investitionszusagen in Höhe von über 15 Milliarden US-Dollar, KI-Industriestandards und regulatorische Richtlinien für generative KI.
Diagramm des politischen Rahmens mit Investitionsdiagramm und regulatorischer Zeitleiste
Analyse der Bestimmungen der chinesischen Generative AI Regulation (2023, aktualisiert 2025): Anforderungen an die Inhaltsfilterung, Mandate zur Anbringung von Wasserzeichen, Realnamenregistrierung und Durchsetzung der Compliance.
Zusammenfassung der Regulierungsvorschriften mit Analyse der Compliance-Belastung und Textanalyse
Überblick über die britische KI-Politik im Jahr 2025: Entwicklung des AI Safety Institute, der pro-innovative Regulierungsansatz, sektorspezifische KI-Leitlinien und die Abweichung der KI-Governance vom EU-Recht nach dem Brexit.
Vergleich des politischen Ansatzes (UK vs. EU) mit Zusammenfassung der Aktivitäten des AI Safety Institute
Analyse der Ergebnisse des G7 Hiroshima AI Process und der Einführung des G20-Rahmens für KI-Governance im Jahr 2025, einschließlich des Implementierungsstatus des Hiroshima Code of Conduct für fortgeschrittene KI-Entwickler.
Zusammenfassung des Governance-Rahmens mit Indikatoren zum Implementierungsstatus und einer Tabelle zur Länderübernahme
Zusammenfassung der Ergebnisse des Paris AI Safety Summit (Februar 2025): wichtigste Zusagen, teilnehmende Nationen, Ergebnisse der Arbeitsgruppen und der Folgeterminplan für den globalen KI-Sicherheitsprozess.
Zusammenfassung der Gipfelergebnisse mit Liste der teilnehmenden Nationen und Tabelle zur Nachverfolgung von Zusagen
Analyse der UN-KI-Governance-Aktivitäten im Jahr 2025: der Global Digital Compact, die Verabschiedung der UN-KI-Resolution, der AI Advisory Board des UN-Generalsekretärs und die Debatte über eine neue UN-KI-Agentur.
Zeitachse der UN-Governance-Aktivitäten mit Textanalyse und Vergleich der Länderpositionen
Analyse des aufkommenden Konzepts der KI-Souveränität im Jahr 2025, das seine fünf Dimensionen definiert: Compute-Souveränität, Datensouveränität, Talentsouveränität, Standardsouveränität und geopolitische KI-Unabhängigkeit.
Diagramm des Fünf-Dimensionen-Frameworks mit Länderbewertung pro Dimension und Textanalyse
Daten zu nationalen Bemühungen zum Aufbau einer souveränen AI Compute-Infrastruktur im Jahr 2025: EU-KI-Gigafactory-Pläne, Indiens nationales AI Compute-Grid, die Falcon AI-Infrastruktur der VAE und andere.
Vergleichsdiagramm der Compute-Investitionen mit geografischer Einsatzkarte und Textanalyse
Analyse der AI-bezogenen Exportkontrollrichtlinien im Jahr 2025: Erweiterung der US-Halbleiterexportbeschränkungen, Regeln für Chips nach China, AI-Softwareexportkontrollen und Koordinierung mit verbündeten Ländern.
Zeitachse der Exportkontrollen mit Analyse der Länderauswirkungen und Karte der Technologiebeschränkungen
Überblick über die AI-Standards-Entwicklungsaktivitäten im Jahr 2025: ISO/IEC-AI-Standards, IEEE-AI-Ethikstandards, NIST-AI-Standards und internationale Bemühungen zur Harmonisierung von Standards.
Diagramm der Standardslandschaft mit Diagramm zur Nachverfolgung der Einführung und Textanalyse
Vergleichende Analyse der AI-Haftungsrahmen, die im Jahr 2025 entstehen: EU AI Liability Directive, US-amerikanische Produkthaftungsansätze für KI und branchenspezifische Selbstregulierungs-Haftungsrahmen.
Vergleichstabelle der Haftungsrahmen mit Analyse nach Gerichtsbarkeit
Analyse der Auswirkungen von KI auf demokratische Prozesse im Jahr 2025: KI bei Wahlen (Deepfakes, Wählertargeting, KI-generierte politische Inhalte), regulatorische Reaktionen und internationale Wahlbeobachtung.
Diagramm zur Wirkungsanalyse mit Zeitachse der regulatorischen Reaktion und Textanalyse
Länderübergreifender Vergleich der öffentlichen KI-Investitionszusagen im Jahr 2025: USA 20,4 Mrd. $, EU 20 Mrd. €+ AI Act-Durchsetzungsfinanzierung, China 15 Mrd. $+$, Großbritannien 1,5 Mrd. £, Kanada 2,4 Mrd. C$ und andere.
Vergleichendes Balkendiagramm der Investitionen nach Ländern mit Textanalyse
Überblick über KI-Anwendungen in der nationalen Sicherheit im Jahr 2025: Geheimdienstanalyse, Cyberabwehr, Logistikoptimierung, autonome Systeme und der US-chinesische KI-Wettbewerb im Verteidigungsbereich.
Überblick über Anwendungsbereiche mit Daten zu Verteidigungs-KI-Investitionen und Textanalyse
Analyse der KI-Regulierung auf US-Bundesstaatsebene im Jahr 2025: KI-Gesetze in Kalifornien, KI-Einstellungsregeln in New York, KI-Verbraucherschutz in Colorado und die Debatte über Flickenteppich vs. bundesstaatliche Präemption.
Karte der Regulierungsaktivitäten nach Bundesstaaten mit Anzahl der Gesetze und Aufschlüsselung nach Themen
Analyse der staatlichen AI-Beschaffungsrichtlinien im Jahr 2025: US-amerikanische Regeln für die Beschaffung von AI durch den Bund, AI-Anforderungen für den öffentlichen Sektor in der EU und Standards für eine verantwortungsvolle staatliche AI-Beschaffung.
Vergleichstabelle der Beschaffungsrichtlinien nach Gerichtsbarkeit mit Textanalyse
Überblick über AI-spezifische regulatorische Entwicklungen im Gesundheitswesen im Jahr 2025, die über die Zulassung von FDA-Geräten hinausgehen: CMS-Entscheidungen zur AI-Abdeckung, HIPAA-AI-Leitlinien, AI in klinischen Praxisleitlinien.
Zeitachse der regulatorischen Entwicklung mit Textanalyse wichtiger Entscheidungen
Analyse der AI-Regulierung im Finanzdienstleistungssektor im Jahr 2025: SEC-Regeln für den AI-Handel, Leitlinien der Bankenaufsichtsbehörden zum AI-Modellrisiko, CFPB-Aufsicht über AI bei der Kreditvergabe und globale AI-Finanzstandards.
Vergleich des regulatorischen Rahmens nach Finanzsektor mit Textanalyse
Überblick über die AI-Arbeitsregulierung im Jahr 2025: Bestimmungen des EU AI Act zur Überwachung von Arbeitnehmern, US-amerikanische NLRB-Leitlinien zu AI am Arbeitsplatz, Durchsetzung von AI im Einstellungsverfahren durch die EEOC und Forderungen der Gewerkschaften bei AI-Verhandlungen.
Vergleichstabelle der Arbeitsregulierung mit Textanalyse
Analyse der ersten Erkenntnisse zur Wirksamkeit der AI-Politik im Jahr 2025: Welche Regulierungsansätze zeigen Compliance-Ergebnisse, unbeabsichtigte Folgen von Regulierungen und politische Lücken.
Matrix zur Bewertung der politischen Wirksamkeit mit Textanalyse
Überblick über AI-spezifische Entwicklungen im Bereich der Datenschutzregulierung im Jahr 2025: GDPR-AI-Leitlinien, AI-Bestimmungen im US-amerikanischen Bundesdatenschutzgesetz, Datenminimierung für das AI-Training und Beschränkungen für biometrische Daten.
Vergleichstabelle der Datenschutzbestimmungen mit Textanalyse
Überblick über die Aktivitäten der Zivilgesellschaft und von NGOs im Bereich der AI-Politik im Jahr 2025: Interessenvertretungen, AI-Forschung im öffentlichen Interesse, Koalitionskampagnen und ihr Einfluss auf die AI-Regulierung.
Landschaftsdiagramm der AI-Organisationen der Zivilgesellschaft mit Analyse des politischen Einflusses
Zusammenfassung von Kapitel 8 mit den wichtigsten politischen Kennzahlen: US-amerikanische Bundesinvestitionen in AI, Anzahl der globalen Gesetze, Meilensteine des EU AI Act, Ergebnisse des AI-Gipfels und das Aufkommen des Konzepts der AI-Souveränität.
Übersichts-Dashboard mit Statistiken in großen Zahlen und Grafiken im Kapitel-Lila/Indigo-Design
Abschließende Analyse von Kapitel 8, in der die wichtigsten Governance-Trends ermittelt werden: Risiko der regulatorischen Fragmentierung, Dynamik des Wettlaufs nach oben/unten, Spannungen im Bereich der AI-Souveränität und die Herausforderung, mit dem AI-Fortschritt Schritt zu halten.
Textliche Schlussfolgerung mit Diagramm der wichtigsten Spannungen und zukunftsorientierter Analyse
Referenznotizen für Kapitel 8 mit Zitaten aus politischen Dokumenten, Quellen für Gesetzesdaten und methodischen Anmerkungen zu Investitionszahlen.
Zweispaltiges, nummeriertes Endnotenformat
Kuratiertes Angebot an weiterführender Literatur für Kapitel 8, geordnet nach Politikregion und Thema: US-Politik, EU-Politik, China-Politik, internationale Governance und AI-Souveränität.
Strukturierte Leseliste mit Regions- und Themenüberschriften
Kapitelopener mit randabfallendem Blaugrün, großer weißer Kapitelnummer 9, Titel „Öffentliche Meinung“ und kurzer Überblick über die globale öffentliche Meinung zu AI, die im Jahr 2025 erhoben wurde.
Randabfallender blaugrüner Hintergrund, übergroße Kapitelnummer, weißer Titel und Beschreibung
Einführung in Kapitel 9, das den Stand der globalen öffentlichen Meinung zu KI im Jahr 2025 umreißt: 59 % globaler Optimismus laut Ipsos, bemerkenswerte Besorgnis über Desinformation und signifikante Unterschiede in der Einstellung von Experten und Öffentlichkeit.
Einspaltige Einführung mit hervorgehobenen Headline-Statistiken und Abschnittsübersicht
Weltkarte der globalen KI-Stimmung im Jahr 2025, die den Prozentsatz derjenigen zeigt, die Optimismus in Bezug auf KI nach Ländern äußern, mit höherem Optimismus in Schwellenländern und geringerem Optimismus in Europa.
Welt-Choroplethenkarte des KI-Optimismus mit Farbverlaufsskala und Länder-Callout-Boxen
Detaillierte Ipsos-Umfrageergebnisse zu KI-Einstellungen im Jahr 2025 in über 30 Ländern: Optimismus, Besorgnis, Vertrauen und Bekanntheitsgrad, aufgeschlüsselt nach Land und Weltregion.
Mehrländer-Balkendiagramm für jede Einstellungsdimension mit regionalen Aggregaten
Regionaler Deep-Dive zur KI-Stimmung: China und Indien zeigen den höchsten Optimismus (80 % +), Westeuropa ist am vorsichtigsten, die USA moderat und Afrika zeigt einen hohen Optimismus, der mit Entwicklungshoffnungen verbunden ist.
Regionales gruppiertes Balkendiagramm mit Optimismus/Besorgnis-Balance und Textanalyse
Vergleich von KI-Einstellungsstudien für KI-Experten und die allgemeine Öffentlichkeit im Jahr 2025, der zeigt, dass Experten sich mehr Sorgen um langfristige Risiken machen, während sich die Öffentlichkeit auf kurzfristige wirtschaftliche Auswirkungen konzentriert.
Direkter Vergleich mit Aufschlüsselung der Besorgniskategorien für Experten und Öffentlichkeit
Umfragedaten zum öffentlichen Vertrauen in verschiedene Institutionen, KI fair zu regulieren: EU-Institutionen genießen weltweit das größte Vertrauen, Technologieunternehmen das geringste, nationale Regierungen erzielen gemischte Ergebnisse.
Horizontales Balkendiagramm der Vertrauenswerte nach Institutionstyp in mehreren Ländern
US-spezifische Daten zur öffentlichen Meinung über KI: Nur 31 % der Amerikaner vertrauen der Regierung, KI gut zu regulieren, 68 % sind besorgt über KI-generierte Fehlinformationen und Ansichten über KI in verschiedenen Regierungsfunktionen.
US-Meinungsbalkendiagramm mit Aufschlüsselung von Vertrauen und Besorgnis sowie Textanalyse
Analyse der KI-Angstquellen im Jahr 2025: Besorgnis über Arbeitsplatzverluste, Angst vor Fehlinformationen, Besorgnis um die Privatsphäre, Besorgnis über autonome Waffen und existenzielles Risiko – aufgeschlüsselt nach Land und Demografie.
Gestapeltes Balkendiagramm der Angstquellen nach Ländergruppe mit demografischen Aufschlüsselungseinsätzen
Daten zum öffentlichen KI-Bewusstsein und -Verständnis im Jahr 2025: steigendes Bewusstsein, aber begrenztes technisches Verständnis, mit Analyse der Lücke zwischen Bewusstsein und Verständnis nach Bildungsniveau und Alter.
Vergleichsdiagramm von Bewusstsein und Verständnis mit Aufschlüsselung nach Bildung und Alter
Umfragedaten, die KI-Einstellungen über Generationen hinweg vergleichen (Gen Z, Millennials, Gen X, Boomers) im Jahr 2025: jüngere Generationen sind optimistischer und nutzen KI häufiger im Alltag, ältere Generationen sind vorsichtiger.
Generationenvergleichs-Balkendiagramm für mehrere Einstellungsdimensionen
Analyse der Korrelation zwischen Bildungsniveau und KI-Einstellungen im Jahr 2025: Höhere Bildung ist eher mit differenzierteren Ansichten als mit einfachem Optimismus oder Pessimismus verbunden.
Korrelationsdiagramm des Bildungsniveaus im Vergleich zu KI-Einstellungsdimensionen mit Textanalyse
Analyse der Beziehung zwischen der persönlichen Nutzung von KI-Tools und den Einstellungen zur KI im Jahr 2025: Regelmäßige Nutzer sind deutlich positiver gegenüber den Vorteilen von KI, aber auch bewusster über Risiken.
Vergleichsdiagramm der Nutzungshäufigkeit im Vergleich zur Einstellung mit Textanalyse
Umfragedaten zu AI-Einstellungen nach Einkommensniveau im Jahr 2025: Befragte mit niedrigerem Einkommen sind stärker besorgt über Arbeitsplatzverluste, Befragte mit höherem Einkommen sind optimistischer hinsichtlich der wirtschaftlichen Vorteile von AI.
Vergleichsdiagramm der Einstellungen nach Einkommensniveau mit Aufschlüsselung der Besorgnis über Arbeitsplatzverluste
Analyse der Geschlechterunterschiede in den AI-Einstellungen im Jahr 2025: Männer im Durchschnitt etwas optimistischer, Frauen besorgter über Datenschutz und Auswirkungen auf die Beschäftigung, mit Unterschieden je nach Land.
Balkendiagramm zum Geschlechtervergleich über verschiedene Einstellungsdimensionen mit Länderunterschieden
Liniendiagramme, die die AI-Einstellungstrends im Zeitverlauf von 2019-2025 verfolgen: Optimismus steigt bis 2022, stagniert mit gemischteren Ansichten, da AI in den Jahren 2024-2025 persönlich relevanter wird.
Longitudinales Mehrlinien-Diagramm mit Einstellungslinien und Ereignisannotation
Globale Umfragedaten zu AI-bedingten Arbeitsplatzverlusten im Jahr 2025, die zeigen, dass etwa die Hälfte der globalen Befragten sich Sorgen macht, dass AI ihren eigenen Arbeitsplatz verdrängen könnte, wobei dies je nach Sektor und Land erheblich variiert.
Globales Balkendiagramm der Besorgnis nach Ländern mit sektorspezifischer Variationsanalyse
Daten darüber, inwieweit Menschen AI in ihren täglichen Produkten und Dienstleistungen im Jahr 2025 erkennen, die eine hohe Nutzung von AI-Tools zeigen, aber eine begrenzte Erkenntnis, dass die zugrunde liegende Technologie AI ist.
Vergleichsdiagramm von Nutzung vs. Erkennung mit Aufschlüsselung nach Produktkategorien
Analyse von Umfragedaten über die wahrgenommenen Auswirkungen von AI auf den sozialen Zusammenhalt im Jahr 2025: Bedenken, dass AI Polarisierung und Ungleichheit verstärkt und die menschliche Verbindung reduziert.
Balkendiagramm der Besorgniskategorien mit Callouts zu Polarisierung und Ungleichheit sowie Textanalyse
Umfragedaten über die öffentliche Meinung zur AI-Ethik im Jahr 2025: Welche Werte sollten die AI-Entwicklung leiten (Sicherheit, Transparenz, Fairness, Datenschutz) und wer sollte die Autorität über AI-Ethik-Entscheidungen haben.
Rangfolge der Werte als Balkendiagramm mit Aufschlüsselung der Autoritätspräferenzen und Textanalyse
Umfragedaten über die öffentliche Besorgnis über die Auswirkungen von AI auf demokratische Werte im Jahr 2025: Wahlintegrität, freie Meinungsäußerung, Überwachung und Rechtsstaatlichkeit, mit erheblichen Besorgnisniveaus weltweit.
Balkendiagramm der Besorgniskategorien in Bezug auf Demokratie mit Ländervergleich und Textanalyse
Zusammenfassung von Kapitel 9 mit den wichtigsten Ergebnissen der öffentlichen Meinung: globale Optimismusrate, Vertrauensranglisten, größte AI-Ängste und wichtige demografische Unterschiede in den AI-Einstellungen.
Zusammenfassungs-Dashboard mit Statistiken in großen Zahlen und Grafiken im blau-türkisfarbenen Design des Kapitels
Referenzhinweise für Kapitel 9 mit Zitaten von Umfragedatenquellen und kuratierter weiterführender Literatur zu öffentlichen AI-Einstellungen, geordnet nach Thema und Methodentyp.
Zweispaltiges Endnotenformat, gefolgt von einer strukturierten Leseliste
Überblick über die Forschungsmethodik des AI Index 2026, der die Datenerfassungsmethoden in allen neun Kapiteln, die im Bericht verwendete Definition von 'AI' und allgemeine methodische Prinzipien erläutert.
Strukturierter Methodologie-Überblick mit Abschnitt-für-Abschnitt-Ansatzdiagramm
Detaillierte Methodik für das F&E-Kapitel: Publikationsdatenquellen (Semantic Scholar, Dimensions), Patentdaten (WIPO, USPTO), Kriterien zur Nachverfolgung von Modellversionen und Datenerfassung für Berechnungen.
Methodenbeschreibungsabschnitte mit Datensourcentabellen und Einschränkungshinweisen
Methodische Hinweise zum Kapitel „Technische Leistung“: Kriterien für die Auswahl von Benchmarks, Datenabruf von Papers With Code und Leaderboards, Erhebung von Human Baselines und Regeln für die Aufnahme/den Ausschluss von Benchmarks.
Abschnitte zur Methodikbeschreibung mit Tabelle der Benchmark-Auswahlkriterien
Methodik für das Kapitel „Verantwortungsvolle AI“: AIAAIC-Datenerhebung zu Vorfällen, Kriterien für die Aufnahme in Bias-Studien, Suchmethodik für Veröffentlichungen zur Sicherheitsforschung und Verfahren zur Kodierung des Governance-Frameworks.
Abschnitte zur Methodikbeschreibung mit Aufnahme-/Ausschlusskriterien
Methodik für das Kapitel „Wirtschaft“: Investitionsdaten von NetBase Quid, Daten zu Stellenausschreibungen von Lightcast, Quellen für Lohndaten, Auswahlkriterien für Produktivitätsstudien und Methodik für Umfragen zur Akzeptanz in Unternehmen.
Methodikbeschreibung mit Referenztabelle zu Datenquellen und Hinweisen zu Einschränkungen
Methodik für das Kapitel „Wissenschaft und KI“: Methodik zur KI-gestützten Klassifizierung von wissenschaftlichen Veröffentlichungen, domänenspezifische Suchkriterien und Datenerhebung zu klinischen Studien von ClinicalTrials.gov.
Methodikbeschreibung mit Domänenkriterien und Erläuterung der Klassifizierung
Methodik für das Kapitel „Medizin und KI“: FDA-Datenerhebung zu Geräten, Kriterien für die Aufnahme klinischer KI-Studien, Methoden zur Aggregation der diagnostischen Genauigkeit und Datenquellen zur Akzeptanz von AI Scribes.
Abschnitte zur Methodikbeschreibung mit FDA-Datenansatz und Studienkriterien
Methodik für das Kapitel „Bildung“: Datenquellen zur Einschreibung (IPEDS, internationale Entsprechungen), Methodik für Studierendenbefragungen, Design von Fakultätsbefragungen und Ansatz zur Datenerhebung für K-12-Lehrpläne.
Methodikbeschreibung mit Hinweisen zum Umfragedesign und Referenzen zu Datenquellen
Methodik für das Kapitel „Politik“: Quellen für Gesetzesdatenbanken, Kriterien zur Identifizierung von AI-Gesetzen, Quellen für die Zusammenstellung von Investitionszahlen, Methodik zur Kodierung nationaler Strategien und Erstellung von politischen Zeitachsen.
Abschnitte zur Methodikbeschreibung mit Referenzen zu Gesetzesdatenquellen
Methodik für das Kapitel „Öffentliche Meinung“: Datenquellen für Umfragen (Ipsos, Edelman Trust Barometer, Stanford-Umfrage), Kriterien für die Stichprobenziehung bei Umfragen, Hinweise zur länderübergreifenden Vergleichbarkeit und Definitionen von Einstellungsmaßen.
Beschreibung der Umfragemethodik mit Stichprobenkriterien und Hinweisen zur Vergleichbarkeit
Glossar mit Schlüsselbegriffen und Datendefinitionen, die im gesamten AI Index 2026 verwendet werden, einschließlich Definitionen für „Foundation Model“, „AI-Vorfall“, „Training Compute“, „Benchmark-Sättigung“ und andere Kernkonzepte.
Alphabetisches Glossar mit Begriffen und Definitionen
Umfassende Referenztabelle aller im Bericht zitierten AI-Benchmarks, einschließlich Benchmark-Name, Domäne, Aufgabentyp, Human Baseline und Einführungsjahr.
Mehrspaltige Referenztabelle, sortiert nach Kapitel und dann nach Benchmark-Name
Referenztabelle aller bemerkenswerten AI-Modelle, die im AI Index 2026 erwähnt werden, einschließlich Modellname, Organisation, Veröffentlichungsdatum, Modalität und Zugriffstyp (offen/geschlossen).
Mehrspaltige Referenztabelle, sortiert nach Organisation und Veröffentlichungsdatum
Referenztabelle aller AI-Richtlinien, -Verordnungen und -Gesetze, die im Bericht zitiert werden, organisiert nach Land, einschließlich Richtlinienname, -typ, -jahr und -status.
Richtlinien-Referenztabelle, sortiert nach Land und Jahr
Ergänzende Tabellen mit Investitionsdaten, die detaillierte private AI-Investitionszahlen nach Land, Sektor und Jahr von 2013-2025 enthalten, wie in Kapitel 4 referenziert.
Datentabelle mit Länderzeilen, Jahresspalten und Zellen mit Investitionsbeträgen
Ergänzende Tabellen mit Publikationsdaten, die detaillierte AI-Publikationszahlen nach Land, Bereich und Jahr von 2010-2025 enthalten, wie in Kapitel 1 referenziert.
Datentabelle mit Länder-/Bereichszeilen und Jahreszahlen
Ergänzende Tabellen mit vollständigen Umfrageergebnissen aus in Kapitel 9 zitierten Meinungsumfragen, einschließlich Aufschlüsselungen auf Länderebene, die im Hauptkapitel nicht dargestellt sind.
Umfragedatentabellen mit Länderzeilen und Spalten für Einstellungsmetriken
Ergänzende Tabellen mit FDA-Zulassungsdaten für AI-gestützte medizinische Geräte, die in Kapitel 6 zitiert werden, einschließlich Fachgebiet, Gerätetyp, 510(k)/PMA-Pfad und antragstellende Organisation.
FDA-Gerätedatentabelle mit mehreren Attributspalten
Bibliografische Einträge A bis D für alle im AI Index 2026 zitierten Quellen, formatiert im akademischen Zitierstil mit Autor, Titel, Publikationsort und Jahr.
Zweispalten-Bibliographieformat mit alphabetischen Einträgen
Bibliografische Einträge E bis H für alle im AI Index 2026 zitierten Quellen.
Zweispalten-Bibliographieformat mit alphabetischen Einträgen
Bibliografische Einträge I bis L für alle im AI Index 2026 zitierten Quellen.
Zweispalten-Bibliographieformat mit alphabetischen Einträgen
Bibliografische Einträge M bis P für alle im AI Index 2026 zitierten Quellen.
Zweispalten-Bibliographieformat mit alphabetischen Einträgen
Bibliografische Einträge Q bis T für alle im AI Index 2026 zitierten Quellen.
Zweispalten-Bibliographieformat mit alphabetischen Einträgen
Bibliografische Einträge U bis Z, die die vollständige Liste der zitierten Werke für den AI Index 2026 abschließen, gefolgt von Webressourcen und Referenzen zu Datenplattformen.
Zweispalten-Bibliographieformat mit alphabetischen Einträgen, gefolgt von einem Abschnitt mit Webressourcen
Danksagung an die Mitglieder des Stanford HAI-Forschungsteams, die zum AI Index 2026 beigetragen haben, einschließlich der Forschungsleiter für jedes Kapitel und der Datenanalysten.
Strukturierte Danksagungsliste nach Kapitel mit Namen und Funktionen der Mitwirkenden
Danksagung an externe Mitwirkende, Datenanbieter, Umfragepartner (Ipsos, NetBase Quid, Lightcast) und Experten, die Daten beigetragen oder Kapitelentwürfe begutachtet haben.
Danksagungsliste nach Art des Mitwirkenden mit Organisationszugehörigkeiten
Auflistung der Mitglieder des Stanford HAI AI Index Advisory Board, die Anleitungen für den Bericht 2026 gaben, mit Namen, Titeln und institutionellen Zugehörigkeiten.
Auflistung der Beiratsmitglieder in alphabetischer Reihenfolge mit Titeln und Zugehörigkeiten
Erweiterte Fallstudienzusammenfassungen für 20 bedeutende AI-Vorfälle im Jahr 2025, die in der AIAAIC-Datenbank erfasst wurden und detailliertere Informationen liefern als in Kapitel 3.
Fallstudienkarten in einem zweispaltigen Raster mit Vorfallsname, Datum, Kategorie und Zusammenfassung
Detaillierte AI-Profile für die USA und Kanada, die F&E-Leistung, Investitionen, Politik, Talente und Adoptionsmetriken mit Vergleichen zum Vorjahr abdecken.
Länderprofilkarten mit Radar-Diagrammen und Tabellen mit Schlüsselmetriken
Detaillierte AI-Profile für das Vereinigte Königreich und wichtige EU-Länder (Deutschland, Frankreich, Niederlande), die F&E, Investitionen, Politik, Talente und Adoptionsmetriken abdecken.
Länderprofilkarten mit Radar-Diagrammen und Tabellen mit Schlüsselmetriken
Detailliertes AI-Profil für China, das F&E-Leistung, private Investitionen, nationale AI-Politik, Talentpool, Modellversionen und Adoptionsmetriken mit Vergleichen zum Vorjahr abdeckt.
Länderprofilkarte mit Radar-Diagramm, Tabelle mit Schlüsselmetriken und Abschnitt mit politischen Highlights
Detaillierte AI-Profile für Indien und wichtige südostasiatische AI-Wirtschaften (Singapur, Südkorea, Japan), die F&E, Investitionen, Politik und Adoptionsmetriken abdecken.
Länderprofilkarten mit Radar-Diagrammen und Tabellen mit Schlüsselmetriken
AI-Profile für wichtige AI-Akteure im Nahen Osten (VAE, Saudi-Arabien) und aufstrebende afrikanische AI-Wirtschaften mit Daten zu AI-Investitionen, nationalen Strategien und Talententwicklung.
Länderprofilkarten mit Zusammenfassungen der Schlüsselmetriken und Highlights der nationalen Strategie
Umfassende Tabellen mit AI Technical Benchmark-Ergebnissen für alle in Kapitel 2 zitierten Modelle und Benchmarks, die vollständige Daten hinter den Diagrammen und Vergleichen des Kapitels liefern.
Große, mehrspaltige Datentabellen mit Modellzeilen und Benchmark-Score-Spalten
Ergänzende Tabellen mit Anmelde-, Programm- und Umfragedaten für Kapitel 7, einschließlich CS-Anmeldedaten auf Institutionsebene und vollständige Kreuztabellierungen von Fakultäts-/Studentenumfragen.
Datentabellen mit Institutionen- und Demografiezeilen
Detaillierte Investitionsdatentabellen mit Aufschlüsselung der privaten AI-Investitionen nach Unternehmen, Sektoren und Regionen für 2023-2025, wie in Kapitel 4 erwähnt.
Mehrstufige Investitionsdatentabellen nach Region, Sektor und Jahr
Ergänzende Datentabellen für die Analyse von AI Safety Research-Publikationen in Kapitel 3, einschließlich Suchabfrageprotokollen, Stichwortlisten und Publikationszahlen auf Venue-Ebene.
Safety Research-Datentabellen mit Venue- und Jahresaufschlüsselung
Ergänzende Gesetzgebungsdatentabellen für Kapitel 8, die länderbezogene Zählungen von AI-Gesetzen, ein Kodierungsschema für Gesetzgebungsthemen und eine Zusammenfassung der wichtigsten Bestimmungen für wichtige AI-Gesetze enthalten.
Gesetzgebungsdatentabellen mit Länderzeilen und Gesetzeskategoriespalten
Vollständige Daten der FDA-Zulassungen für KI-gestützte medizinische Geräte bis 2025, als Ergänzung zu Kapitel 6, mit detaillierten Geräteinformationen zu Fachgebiet, Antragsteller und Zulassungsweg.
FDA-Gerätedatentabellen mit vollständigen Detailspalten
Über-Seite für das Stanford Human-Centered AI Institute: Mission, Forschungsschwerpunkte, Fakultät und Fellows, angeschlossene Programme und Möglichkeiten zur Beteiligung an HAI-Forschung und -Veranstaltungen.
Institutionelle Übersicht mit HAI-Programmliste und Kontakt-/Engagement-Informationen
Rückseite des AI Index 2026 mit Stanford HAI-Branding, Berichtstitel, ISBN/DOI, Website-URL (aiindex.stanford.edu) und einer kurzen Zusammenfassung des Zwecks des Berichts in einem Absatz.
Rückseite mit Bericht-Branding, Zusammenfassungsabsatz, Stanford HAI-Logo und URL
Häufige Fragen zu dieser Folie und dem zugrunde liegenden Präsentationsinhalt.
Der Stanford HAI AI Index Report 2026 ist die 9. Ausgabe der umfassendsten jährlichen Übersicht über die Fortschritte der künstlichen Intelligenz, die vom Human-Centered AI Institute der Stanford University veröffentlicht wird. Der 423-seitige Bericht behandelt KI-Forschung und -Entwicklung, Benchmarks für die technische Leistung, verantwortungsvolle KI, wirtschaftliche Auswirkungen, wissenschaftliche Anwendungen, Medizin, Bildung, Politik und Governance sowie die globale öffentliche Meinung – alles auf der Grundlage von Originaldatenanalysen und Hunderten von Visualisierungen.
Zu den wichtigsten Ergebnissen gehören: US-amerikanische private KI-Investitionen erreichen 85,9 Milliarden Dollar im Jahr 2025 (das Dreifache des Niveaus von 2022); KI-Agenten lösen jetzt über 50 % der realen Software-Engineering-Probleme auf SWE-bench; die FDA genehmigt 258 KI-gestützte medizinische Geräte im Jahr 2025; 80 % der College-Studenten verwenden generative KI für Kursarbeiten; 46 Länder verabschieden nationale KI-Strategien; KI-Vorfälle, die von AIAAIC verfolgt werden, nehmen seit 2019 um 1000 % zu; und das Verbot verbotener Praktiken des EU AI Act tritt im Februar 2025 in Kraft.
Der AI Index wird vom Human-Centered AI (HAI) Institute der Stanford University veröffentlicht, einem der weltweit führenden KI-Forschungszentren. Der Bericht, der nun in seiner 9. jährlichen Ausgabe vorliegt, wird von einem Team von Forschern mit einem Beirat aus führenden KI-Wissenschaftlern, politischen Entscheidungsträgern und Branchenexperten erstellt. Er stützt sich auf Primärdaten aus Dutzenden von etablierten Quellen, darunter Ipsos, NetBase Quid, Lightcast, die FDA, WIPO und akademische Publikationsdatenbanken, was ihn zu einer vertrauenswürdigen Referenz für Regierungen, Unternehmen und Forscher weltweit macht.
Der Bericht enthält 9 Kapitel: (1) Forschung und Entwicklung – Modellveröffentlichungen, Publikationen, Compute-Skalierung; (2) Technische Leistung – Benchmarks für Sprache, Mathematik, Programmierung, Wissenschaft, Multimodalität; (3) Verantwortungsvolle KI – Vorfälle, Voreingenommenheit, Sicherheit, Governance; (4) Wirtschaft – Investitionen, Arbeit, Produktivität, Akzeptanz; (5) Wissenschaft und KI – Biologie, Klima, Materialien, Physik; (6) Medizin und KI – Diagnostik, FDA-Geräte, Medikamentenentwicklung; (7) Bildung – Einschreibung, KI-Nutzung durch Studenten, Nachhilfe; (8) Politik und Governance – nationale Strategien, EU AI Act, US-Politik; (9) Öffentliche Meinung – globale Einstellungen, Vertrauen, Besorgnis. Das Vorwort enthält eine Zusammenfassung mit 10 wichtigen Erkenntnissen.
Ja, der Stanford HAI AI Index Report wird der Öffentlichkeit unter aiindex.stanford.edu kostenlos zur Verfügung gestellt. Der vollständige 423-seitige PDF-Bericht, interaktive Datenvisualisierungen und die zugrunde liegenden Datensätze werden kostenlos zur Verfügung gestellt, was mit der Mission von Stanford HAI übereinstimmt, sicherzustellen, dass die Vorteile und Risiken von KI allgemein verstanden werden.
Die 9. Ausgabe ist die bisher umfassendste und erweitert die Berichterstattung um neue Abschnitte über KI in der Wissenschaft (Kapitel 5), Medizin (Kapitel 6) und ein eigenes Kapitel über die öffentliche Meinung (Kapitel 9). Die Ausgabe 2026 führt neue Konzepte wie die KI-Souveränität (Kapitel 8) ein, erweitert die Berichterstattung über die Umsetzung des EU AI Act, verfolgt die Explosion der Investitionen in generative KI und erweitert die longitudinalen Datensätze in einigen Fällen bis ins Jahr 2010 zurück – was eine reichhaltigere historische Perspektive auf die Entwicklung der KI ermöglicht als jede frühere Ausgabe.
Der Bericht enthält Hunderte von Originaldatenvisualisierungen auf 423 Seiten, darunter Liniendiagramme, die KI-Fähigkeiten und Investitionstrends von 2010-2025 verfolgen, Streudiagramme, die KI mit der menschlichen Leistung auf über 30 Benchmarks vergleichen, Weltkarten, die die globale KI-Aktivität zeigen, gestapelte Flächendiagramme des Publikationswachstums, Fähigkeitsvergleichsmatrizen für Frontier-Modelle, Politik-Zeitleisten, Aufschlüsselungen von Umfragedaten nach Land und Demografie, FDA-Genehmigungstrends und vieles mehr. Jedes Kapitel enthält Endnoten und weiterführende Literatur, und der Anhang enthält vollständige ergänzende Datentabellen.
Create Your Own Slides
Turn your ideas into professional presentations in seconds with 2slides AI.
Referenzieren Sie professionelle Designs, wählen Sie Ihren Stil und generieren Sie Folien mit perfekter Textdarstellung. Angetrieben von Nano Banana—beginnen Sie jetzt mit der Erstellung Ihrer Präsentation.
Ihr KI-Agent für Folien. Sparen Sie Zeit, glänzen Sie schneller mit intelligenter Präsentationserstellung.
© 2026 2slides. Alle Rechte vorbehalten.