Ein Team von Forschern aus England, Dänemark und der Universität Heidelberg hat ein KI-Modell entwickelt, das Erkrankungsrisiken für mehr als 1000 Krankheiten vorhersagen können soll – und das nicht nur für Einzelpersonen, sondern auch für ganze Bevölkerungsgruppen. Das System namens Delphi-2M (mit zwei Millionen Parametern) basiert auf einer Transformer-Architektur, wie sie auch in großen Sprachmodellen zum Einsatz kommt.

Bisherige Systeme beschränkten sich meist auf einzelne Krankheiten. Delphi-2M dagegen soll simultan Muster über viele Diagnosen hinweg erkennen und sogenannte „health trajectories“ – also individuelle Krankheitsverläufe – prognostizieren. Die Modellierung reicht laut den Forschenden bis zu 20 Jahre in die Zukunft. Veröffentlicht wurden die Ergebnisse in der Fachzeitschrift Nature.

Trainiert wurde Delphi-2M mit klinischen Daten von 400.000 Patientinnen und Patienten aus der britischen UK Biobank, darunter auch Faktoren wie Body-Mass-Index oder Konsumgewohnheiten. Für die Validierung griff das Team auf ein dänisches Register mit 1,9 Millionen Personen zurück. Erste Tests zeigen: Beim Risiko für Herzinfarkte, bestimmte Tumoren oder Mortalität lieferte das System ähnlich verlässliche Vorhersagen wie spezialisierte Modelle. Delphie‑2M erreicht im Schnitt einen C-Index – mit der Vorhersagemodelle bewertet werden – von ungefähr 0,85 im 5‑Jahres-Zeitraum.

Grenzen hat die Technik dort, wo Krankheitsbilder komplex, unregelmäßig oder selten sind, etwa bei psychischen Störungen oder Schwangerschaftskomplikationen. Das liegt beispielsweise daran, dass es zu seltenen Erkrankungen weniger Trainingsdaten gibt. Hinzu kommt, dass die Trainingsdaten bisher nicht repräsentativ für die Gesamtbevölkerung sind, da die UK Biobank vor allem Daten älterer und britischer Teilnehmender enthält.

„Wir reden hier noch von Zukunftsmusik. Der Weg in die konkrete medizinische Anwendung ist meist länger, als man denkt. Bei allen Potenzialen dürfen wir uns nicht in eine KI-gestützte Glaskugelschau verrennen – auch die besten Modelle erkennen Muster, aber sie sagen keine Zukunft voraus. Für Patienten muss klar sein: solche Prognosen sind keine Schicksalsurteile. Sie können aber Anhaltspunkte für Präventions- oder Therapieentscheidungen geben“, schätzt dazu Prof. Robert Ranisch ein, Juniorprofessor für Medizinische Ethik mit Schwerpunkt auf Digitalisierung von der Universität Potsdam. Wichtig sei zudem, „dass der Einsatz solcher Modelle den Entscheidungsspielraum der Patienten nicht einengt. Ihre Autonomie im Jetzt darf nicht einem Behandlungsregime untergeordnet werden, das allein auf zukünftige Gesundheit ausgerichtet ist. Selbst wo dies nicht geschieht, bliebe doch eine gewisse Nötigung, sich zu prognostizierten Zukünften zu verhalten. Entscheidend bleibt deshalb auch ein Recht auf Nichtwissen.“

Begehrlichkeiten bei Versicherungen oder Arbeitgebern

„Gleichzeitig ist zu befürchten, dass solche KI-Modelle falsche Begehrlichkeiten wecken – etwa bei Versicherungen oder Arbeitgebern, besonders über Deutschland hinaus. Dann geht es weniger darum, ob die Vorhersagen tatsächlich belastbar sind, sondern um die Illusion einer exakten Berechenbarkeit. Diese kann dazu führen, dass Menschen ungerechtfertigt benachteiligt werden. Deshalb müssen wir sehr genau überlegen, wo wir solche Modelle im Gesundheitssystem einsetzen wollen“, gibt Ranisch zu bedenken. Ethik und Recht würden sich „bisher oft an binären Kategorien von gesund oder krank“ orientieren, oft seien in der „digitalen und präventiven Medizin […] Graustufen entscheidend“. Zudem wirft Ranisch weitere Fragen auf, was es bedeute, wenn gesunde Menschen in ein Muster „bald Kranker“ passen, oder wie Gesundheitsinformationen geschützt werden sollen, „wenn plötzlich eine Vielzahl persönlicher Daten für KI-Prognosen relevant“ werden.

„Bei der Frage, wer und wie die Technologie zum Einsatz kommen sollte, ist zwischen zwei Fällen zu unterscheiden: Dem Einsatz, um Entwicklungen im gesamten Gesundheitssystem abzuschätzen, und der Einsatz, um Aussagen über Individuen zu treffen“, erklärt dazu PD Dr. Markus Herrmann, Leiter des Bereichs KI-Ethik am Institut für Medizin- und Datenethik an der Universität Heidelberg. Ersteres wäre vergleichsweise unproblematisch, bei letzterem müsse bedacht werden, dass der Menschen auch ein Recht auf „Nicht-Wissen“ habe – also ein Recht darauf, „sein Leben nicht in Sorge oder gar Angst vor drohender Krankheit zu führen“.

(mack)

AMD hat den Sechskern-Prozessor Ryzen 5 5600F in seine CPU-Datenbank aufgenommen. Es ist das inzwischen achte 5600er-Modell für AM4-Mainboards – Pro- und Embedded-Modelle wie der Ryzen 5 5600GE nicht einmal mitgezählt. Bei der F-Version handelt es sich um ein Einstiegsmodell mit den niedrigsten Taktfrequenzen unter allen 5600er-Ryzens: AMD garantiert nur noch einen Basistakt von 3,0 GHz und einen maximalen Boost von 4,0 GHz.

Damit unterbietet der Ryzen 5 5600F das bislang günstigste 5600er-Modell Ryzen 5 5600 (ab 86,90 €) um etwa zehn Prozent. Entsprechend sollte der Neuling noch günstiger in den Handel gelangen und weniger als 80 Euro kosten.

Chiplet-Verwertung

Normalerweise steht das F-Suffix sowohl bei AMD als auch bei Intel für eine fehlende integrierte Grafikeinheit. Im Falle der AM4-Plattform haben allerdings ohnehin schon nur die wenigsten Prozessoren eine GPU. Der einzige Unterschied zum Ryzen 5 5600 liegt daher bei der Taktfrequenz. AMD kann beim F-Modell Compute-Chiplets verwenden, die keine hohe Taktfrequenzen bei einer Thermal Design Power (TDP) von 65 Watt schaffen.

Eine Grafikeinheit haben die G-Typen Ryzen 5 5600G und die leicht beschleunigte Variante Ryzen 5 5600GT. Weil diese vom Mobilchip mit Codenamen Cezanne abstammen, ist ihr Level-3-Cache allerdings nur halb so groß wie bei den GPU-losen Prozessoren. Das verschlechtert die CPU-Performance in latenzkritischen Spielen und Anwendungen.

Bisher ist der Ryzen 5 5600F nicht im deutschen Handel zu finden. Sobald er da ist, kann er sich für Billig-PCs lohnen, wenn er Richtung 60 Euro geht und man günstig DDR4-Speicher bekommt. Die Preise für DDR4-Kits sollen in den nächsten Monaten allerdings weiter steigen – daher ist das Zeitfenster für entsprechende attraktive Systeme klein.

(mma)

KI-Agenten übernehmen Aufgaben selbstständig. Das gilt künftig auch für Zooms AI Companion. Er erscheint in Version 3.0. Mit dem Update kann der Assistent sowohl dem Nutzer der Zoom-Plattform selbst helfen, als auch beispielsweise im Kundenservice eingesetzt werden. Dort können Agenten etwa reagieren, wenn ein aufgebrachter Kunde keinen Zugang zu seinem Fitnessstudio bekommt, obwohl er doch Mitglied ist. Oder er begleitet Menschen dabei, ein neues Passwort für einen Dienst einzurichten. Alles ohne menschliche Hilfe und Arbeitskraft – freilich nur, solange alles reibungslos verläuft.

Und grundsätzlich muss so ein KI-Agent natürlich auch erst einmal aufgesetzt werden. Das geht mit Zoom recht selbsterklärend. Man wählt einen Namen aus, gibt dem Agenten Zugriff auf Unterlagen und einen selbst erstellten oder ausgewählten Wissensschatz, man beschreibt ein Problem, wann der Agent reagieren soll, und gibt ihm einen Lösungsweg. Je nach Umfang eines Problems oder Umfang des eigenen Portfolios ist es also doch nicht ganz trivial, KI-Agenten einzusetzen. Sie wollen erstellt und betreut werden.

Dennoch: Ob Zoom oder Microsoft oder Salesforce, alle setzen auf die KI-Unterstützung im Kundenkontakt.

Zoom nutzt Modelle von OpenAI, Anthropic, Llama und mehr

Zoom heißt bei den Zoomis, wie sich die Mitarbeiter nennen: It just works. Es funktioniert einfach. Und so sollen die neuen KI-Skills jedem zugutekommen, der die Plattform, Workplace oder die Business Services nutzt. „Mit AI Companion 3.0 kann unsere agentenbasierte KI den spezifischen Kontext, die Prioritäten und Ziele der Benutzer verstehen, um ihnen dabei zu helfen, Störfaktoren zu eliminieren, sich auf das Wesentliche zu konzentrieren und sinnvolle Geschäftsergebnisse zu erzielen“, sagt Eric S. Yuan, Gründer und CEO von Zoom bei der hauseigenen Veranstaltung Zoomtopia.

KI soll sich dabei möglichst unauffällig in die Umgebung und Arbeitsabläufe einfügen. Der AI Companion ist mit zahlreichen Drittanbieter-Diensten kompatibel. Klar, dass er auch Meetings oder einen Chatverlauf zusammenfassen und Informationen verschiedener Herkunft suchen kann. Chatbasierte KI-Funktionen sind ohnehin bereits seit langem integriert. Was der AI Companion ausgibt, lässt sich zudem immer auch bearbeiten.

Was Zoom zudem immer betont: es werden keine Daten der Nutzer und Kunden für das Training von KI-Modellen genutzt. Grundsätzlich arbeitet Zoom mit Modellen anderer Anbieter. Sowohl proprietäre Modelle wie OpenAIs GPT-5 und Anthropics Claude sind eingebunden, als auch Metas Llama und darauf aufbauende eigene spezialisierte Small Language Modelle. Um immer das richtige Modell für eine Aufgabe zu finden, bietet Zoom eine Orchestrierung der Modelle. Sie sprechen auch von einer Federation. Funktionen, wie Memory oder Reasoning kommen ohnehin mit den Modellen daher.

Da Zoom kein Hersteller im eigentlichen Sinne ist, sieht sich das Unternehmen vor regulatorischen Auflagen gefeit. Der AI Act etwa sieht Provider in der Verantwortung für ihre Modelle, allerdings auch Nutzer der Modelle, sobald diese Veränderungen vornehmen.

Zoom unterstützt das Model Context Protocol, was Kunden die Möglichkeit bieten soll, eigene Werkzeuge basierend auf den Agenten zu erstellen. Der AI Companion 3.0 soll im November verfügbar sein.

Zusätzliche Kosten sollen den bereits zahlenden Zoom-Kunden bei dem integrierten Agenten nicht entstehen. Ein Custom AI Companion kostet 12 US-Dollar im Monat.

Für Zoom Business Services gibt es dann auch die Möglichkeit, einem sprechenden KI-Agenten eine ausgewählte Stimme zu geben, sowie die oben beschriebenen Kundenserviceagenten zu erstellen. Der Agent ist dann bei Bedarf etwa auch über WhatsApp erreichbar.

Transparenzhinweis: Die Autorin wurde vor der Zoomtopia eingeladen, um die Neuheiten vorab zu sehen. Vorgaben zur Art und zum Umfang unserer Berichterstattung gab es nicht.

(emw)