Was dahintersteckt: Die Autoren der genannten Studie untersuchten, welche Produktvorschläge Modelle von Anbietern wie OpenAI, Anthropic, Google und Alibaba geben, wenn sie zusätzlich Zugang zum E‑Mail-Postfach der Person haben. Die KI-Modelle schlossen von den Nachrichten im Postfach auf die finanziellen Mittel der Person und passten ihre Empfehlungen danach an.

Deuteten die Nachrichten auf viele Rücklagen hin, schlugen sie etwa teurere Flüge, Krankenversicherungen oder Studiengänge mit höheren Gebühren vor – und das auch, wenn explizit nach günstigen Angeboten gefragt wurde.

KI verspricht, das Einkaufen zu personalisieren und Produktempfehlungen besser unseren Bedürfnissen anzupassen. Doch wir dürfen nicht vergessen, dass ein KI-Modell jede Information, die es für relevant hält und nicht von uns bekommt, durch Kontext ergänzt. Gaben die Studienautoren den Modellen klare Budgetgrenzen vor, statt nur nach „dem günstigsten“ Angebot zu suchen, soll die Verzerrung hin zu teureren Angeboten verschwinden – bei allen Modellen außer Gemini 2.5 Flash von Google.

Das Gutachten durch weitere Forscher steht bei dieser Studie noch aus. Doch eine Studie der Carnegie-Universität aus dem Vorjahr, die in „Findings of the Association for Computational Linguistics“ veröffentlicht wurde, zeigt, dass KI-Modelle ihre Antworten auch an subtilere Merkmale anpassen. Zum Beispiel, welche Hautfarbe des Nutzers sie annehmen – das beeinflusste laut der Studie, welche Universität sie empfahlen.

Bevor ich also anfange, jedes erdenkliche Stereotyp oder jede Annahme wegzuprompten, die ein KI-Modell über mich treffen könnte, scrolle ich bei großen Ausgaben doch lieber wieder durch Google-Links.

In der Rubrik „Linas Labor“ stellt KI-Reporterin Lina Knees wöchentlich einen zentralen Begriff, eine wegweisende Studie oder ein neues KI-Werkzeug vor.

Triebwerke, Flugzeugflügel, Gasturbinen: Um solche Bauteile zu designen, müssen Ingenieure heute komplizierte Gleichungen lösen. Damit berechnen sie, wie später im Betrieb Hitze, Strömung und Belastung wirken.

Warum das wichtig ist? Das Start-up PhysicsX aus London sagt die Physik jetzt stattdessen mit KI voraus – und das laut Gründer und CEO Jacomo Corbo je nach Anwendung bis zu eine Million Mal schneller. Investoren bewerten sein Unternehmen mit 2,4 Milliarden Dollar.

Corbo war zuvor Chefstratege im Formel-1-Team von Renault, als Fernando Alonso Weltmeister wurde. Und er hat Quantumblack gegründet, die heutige KI-Sparte von McKinsey. Für die aktuelle Folge von „Handelsblatt Disrupt“ hat Larissa Holzki ihn auf der KI-Konferenz „HumanX“ in Amsterdam getroffen.

Im Podcast sprechen sie über die Arbeit mit sensibelsten Unternehmensdaten, die Vorteile von großen Industriekonglomeraten wie Siemens Energy und die Frage, wie PhysicsX die Industrie verändert. Corbo sagt: „Es geht darum, Ingenieuren Superkräfte zu geben.“

Ab Freitag, 16. Oktober, können Sie den Podcast hier hören.

Künftige Investitionen fließen in immer größere und teurere Projekte. Während sich die leistungsstärksten Zentren heute bereits der Marke von einem Gigawatt Leistung nähern, soll das größte Rechenzentrum, das bis 2030 fertiggestellt sein soll, fast neun Gigawatt an Rechenleistung bringen. Die Daten für die Grafik basieren auf Daten des KI‑Rechercheinstituts Epoch AI und Hochrechnungen von Bain.

Dabei gewinnen chinesische KI-Modelle in Europa rasant an Bedeutung: In Deutschland entfallen mittlerweile 61 Prozent der beobachteten Nutzung über bestimmte Schnittstellen auf sie, vor einem Jahr waren es noch rund 15 Prozent. Mein Kollege Martin Benninghoff zeigt, wo die Grenzen der Modelle liegen und warum ein chinesischer Zugangsstopp Europas KI-Nutzer treffen könnte.