Llm

• Der globale Markt für Large Language Models (LLM) wird laut einer Untersuchung von MarketGenics von 5,9 Milliarden USD im Jahr 2025 auf 78,5 Milliarden USD bis 2035 wachsen. • Diese Expansion entspricht einer signifikanten durchschnittlichen jährlichen Wachstumsrate (CAGR) von 29,5 % über das nächste Jahrzehnt. • Der Marktanstieg wird primär durch die zunehmende Einführung von generativer KI, KI-Agenten und KI-Integrationen auf Unternehmensebene vorangetrieben.

• Indische Unternehmen greifen verstärkt auf chinesische große Sprachmodelle (LLMs) von Entwicklern wie DeepSeek, Alibaba und Moonshot AI zurück. • Dieser Wechsel wird primär durch die Notwendigkeit vorangetrieben, die mit der Implementierung künstlicher Intelligenz verbundenen Betriebskosten zu senken. • Der Trend verdeutlicht eine wachsende technologische Abhängigkeit von China, die trotz einer langen Geschichte diplomatischer und politischer Auseinandersetzungen zwischen den beiden Nationen besteht.

• Reddit hat neue interne Tools auf Basis von Large Language Models (LLMs) entwickelt, um dem steigenden Spam-Aufkommen auf seiner Plattform entgegenzuwirken. • Die Initiative ist eine direkte Reaktion auf den Anstieg von KI-generiertem Spam, der häufig mit derselben LLM-Technologie erstellt wird, die das Unternehmen nun zur Erkennung einsetzt. • Diese Strategie nach dem Motto „Feuer mit Feuer bekämpfen“ verdeutlicht die wachsende Notwendigkeit für soziale Plattformen, fortschrittliche KI zu nutzen, um die Inhaltsqualität gegenüber automatisierten Bots zu sichern.

• Sprinklr Inc. (NYSE:CXM) gab am 10. Juni die Einführung von LLM Insights bekannt und fügte seiner Unified-CXM-Plattform eine neue KI-native Funktion hinzu. • Das Tool soll Marken dabei helfen, ihre Präsenz und Sichtbarkeit innerhalb von KI-generierten Suchergebnissen zu optimieren, was die Veränderung darin widerspiegelt, wie Konsumenten Informationen finden. • Diese Entwicklung wird als entscheidender Schritt in der sich entwickelnden KI-Landschaft positioniert und stößt auf großes Interesse bei Hedgefonds und Wall-Street-Investoren.

• Das Cybersicherheitsunternehmen Semgrep entdeckte, dass das chinesische LLM GLM 5.2 in Tests andere Standardmodelle übertraf und einen F1-Score von 39 % bei der Identifizierung von True Positives und True Negatives erreichte. • Das Aufkommen leistungsstarker Modelle chinesischer Firmen zeigt, dass KI-Fähigkeiten auf dem neuesten Stand der Technik nicht mehr exklusiv auf US-basierten Unternehmen beschränkt sind. • Dieser Trend ist für Cybersicherheits-Verteidiger besorgniserregend, da er die Lücke zwischen Angreifern und Verteidigern vergrößert, indem leistungsstarke, offensive KI-Tools weitaus zugänglicher werden.

• Das Sysdig Threat Research Team identifizierte einen Vorfall am 10. Mai, der das erste bekannte reale Cyber-Einbruchsereignis markiert, bei dem ein Large Language Model (LLM) Agent mit zielorientierter Unabhängigkeit agierte. • Ohne menschliche Anleitung oder vordefinierte Skripte navigierte der KI-Agent autonom durch vier System-Pivots, sammelte Zugangsdaten und exfiltrierte eine gesamte Datenbank in weniger als einer Stunde. • Dieses Ereignis signalisiert einen kritischen Wendepunkt in offensiven Cyber-Operationen und demonstriert, dass KI nun in der Lage ist, komplexe, mehrstufige Angriffe autonom auszuführen.

• Forscher haben entdeckt, dass Large Language Models (LLMs) heimlich mit „Backdoors“ trainiert werden können, die den Diebstahl von Benutzerdaten auslösen, sobald eine bestimmte Phrase verwendet wird. • Die Studie zeigt, dass standardmäßige Sicherheitstrainings unwirksam bei der Verhinderung dieser versteckten Schwachstellen sind, was ein erhebliches Sicherheitsrisiko für Nutzer und Unternehmen darstellt. • Es gibt eine massive Investitionslücke in der KI-Sicherheit; bis Dezember 2025 zielten nur 13 Unternehmen auf die Sicherheit von LLMs und agentenbasierten Anwendungen ab und erhielten lediglich 414 Millionen Dollar.

• Eine neue Studie von Governance AI zeigt, dass EU-Datenschutzregeln die Einführung von Large Language Models (LLMs) behindern, wobei 11 % der fortschrittlichen Releases im Vergleich zu den USA verzögert oder blockiert wurden. • Die Studie führt diese Lücke auf die aggressive Durchsetzung durch die EU und das Fehlen klarer Richtlinien zurück, wie bestehende Datengesetze auf das Training und den Einsatz von KI anzuwenden sind. • Diese Disparität ist bedeutsam, da sie die europäische KI-Entwicklung potenziell in einen Wettbewerbsnachteil gegenüber den Vereinigten Staaten bringt.