Meta AI’s KI-Modell Brain2Qwerty v2, das getippte Sätze aus nicht-invasiv aufgezeichneten Hirnströmen rekonstruieren kann, hat nun eine Wortgenauigkeit von 61 Prozent erreicht. Damit kommt es der Genauigkeit von Gehirn-Implantaten immer näher.

Wie die begleitende Studie im Fachjournal Nature zeigt, dekodiert das System aus Magnetoenzephalografie-Daten (MEG) mit einer durchschnittlichen Wortgenauigkeit von 61 Prozent; bei den besten Teilnehmenden sind es 78 Prozent. Mehr als die Hälfte aller Sätze enthält dabei höchstens einen Wortfehler. Das ist sicherlich noch kein alltagstaugliches Ergebnis, aber ein guter Schritt auf dem Weg dahin.

Kein Gedankenlesen – aber ein Schritt näher

Denn auf solchen Verfahren beruhen große Hoffnungen. Nach aktuellem Stand der Technik müssen für solche Anwendungen Implantate ins Gehirn gesetzt werden. Diese Geräte haben eine hohe Präzision. Ein prominentes Beispiel ist ein ALS-Patient, der ein implantiertes BCI fast zwei Jahre lang nahezu täglich zu Hause nutzte – mit 256 Kontakten im Sprachmotorkortex, einer Kommunikationsgeschwindigkeit von 56 Wörtern pro Minute und über 99 Prozent Wortgenauigkeit bei einem Vokabular von 125.000 Wörtern. Solche Systeme erfordern allerdings neurochirurgische Eingriffe mit entsprechenden Risiken wie Hirnblutungen oder Infektionen. Beim Meta-System wäre das anders.

Ein praktisches Hindernis für den breiten Einsatz bleibt jedoch aktuell noch die MEG-Technologie selbst: Die Geräte benötigen magnetisch geschirmte Räume und sind stationär – für Consumer-Anwendungen oder den häuslichen Einsatz taugen sie vorerst nicht. Erst wenn günstigere Sensorik vergleichbare Signalqualität liefert, dürfte nicht-invasive Sprachdekodierung aus dem Labor in den Alltag gelangen.

Dreistufige KI-Architektur

Brain2Qwerty arbeitet als dreistufiges Deep-Learning-System. In der ersten Stufe extrahiert ein Modul Merkmale aus den EEG- oder MEG-Rohsignalen, anhand derer das Modell getippte Zeichen erkennen kann. Darauf aufbauend rekonstruiert ein Transformer-Modell die Zeichen- oder Wortfolge. In der dritten Stufe korrigiert ein vortrainiertes Sprachmodell die Roh-Ausgabe – analog zu Sprachmodellen, die bei automatischer Spracherkennung die Fehlerquote senken.

Für die Studie tippten 35 gesunde Probanden zuvor kurz memorierte Sätze auf einer QWERTY-Tastatur, während ihre Hirnaktivität per Elektroenzephalografie (EEG) oder MEG aufgezeichnet wurde. Visuelles Feedback beim Tippen gab es nicht – die Teilnehmer konnten also nicht sehen, welche Buchstaben sie eingaben.

Die Resultate auf der Grundlage von MEG-Messungen waren dabei deutlich besser als die auf EEG-Grundlage. Meta hat Code und Modelle von Brain2Qwerty als Open Source veröffentlicht.

(rie)

Citrix hat den XenServer 9 vorgestellt. Die neue Version – sie liegt aktuell als Preview vor, die allgemeine Verfügbarkeit soll im Laufe des Jahres folgen – aktualisiert die Virtualisierungsplattform auf den Xen-Hypervisor 4.21. Sie führt ein neues Betriebssystem für die Control Domain ein, verbessert die Leistung auf NUMA-Systemen und ergänzt Unterstützung für Secure Boot. Außerdem unterstützt und vermarktet Citrix XenServer nun ausdrücklich für alle Workload-Typen und damit auch außerhalb seiner eigenen Desktop-Virtualisierungslösungen. Diese Neuausrichtung hatte Citrix bereits vor rund einem Jahr angekündigt. XenServer 9 ist die erste neue Hauptversion seit dieser Ankündigung.

XenServer gehörte vor vielen Jahren zu den etablierteren x86-Hypervisoren, verlor jedoch unter anderem gegenüber VMware und Microsoft an Bedeutung. Citrix konzentrierte die Plattform zunehmend auf den Betrieb der eigenen Virtual-Desktop-Lösungen und führte sie zwischenzeitlich unter dem Namen Citrix Hypervisor weiter. Nach der Übernahme durch die Cloud Software Group erhielt das Produkt wieder den Namen XenServer und ist neuerdings wieder offiziell Teil von Citrix, wobei unklar ist, welche konkreten Änderungen auf diese Ankündigung auf LinkedIn folgen.

Xen 4.21 als technische Basis

Die wichtigste technische Neuerung ist der Wechsel auf Version 4.21 des quelloffenen Hypervisors Xen. Das XenServer-9-Handbuch nennt das Update als Grundlage der neuen Version. Die Entwickler des von Citrix unabhängigen Xen Projects hatten Xen 4.21 erst kurz zuvor mit einem Wartungszeitraum von fünf Jahren veröffentlicht.

Außerdem führt XenServer 9 ein neues Betriebssystem für die Control Domain (dom0) ein. Die Control Domain ist die privilegierte Verwaltungsinstanz eines Xen-Hosts. Sie wird nach dem Start des Hypervisors ausgeführt, verwaltet virtuelle Maschinen und stellt Gerätetreiber bereit. Laut technischer Übersicht basiert sie nun auf einer eigenen XenServer-OS-Distribution.

Citrix hat die Speicherverwaltung auf NUMA-Systemen überarbeitet. NUMA (Non-Uniform Memory Access) kommt in Mehrsockelservern zum Einsatz, bei denen jeder Prozessor über eigenen Arbeitsspeicher verfügt. Werden virtuelle Maschinen möglichst nahe an ihrem lokalen Speicher betrieben, sinken Speicherlatenzen und die Leistung steigt. Davon profitieren vor allem datenbank- und speicherintensive Anwendungen. Ebenfalls neu ist laut Dokumentation die Unterstützung für Secure Boot bei Installation und Betrieb der Hosts.

XenServer 9 unterstützt aktuelle Windows- und Linux-Versionen als Gastsysteme. Dazu zählen Windows 10 und Windows 11 sowie Windows Server ab Version 2016. Auf Linux-Seite nennt die Liste der unterstützten Gastbetriebssysteme unter anderem Red Hat Enterprise Linux, SUSE Linux Enterprise Server, Debian, Ubuntu und Rocky Linux. Wer von einer älteren XenServer-Version umsteigt, sollte zudem beachten: Das dateibasierte Lizenzierungssystem hat am 15. April 2026 sein Supportende erreicht. XenServer 9 lässt sich ausschließlich über den License Activation Service in der Citrix Cloud aktivieren.

(fo)

Mehrere große US-Konzerne versuchen, die KI-Nutzung ihrer Angestellten einzudämmen oder sie für bestimmte Aufgaben zumindest auf weniger leistungsfähige Modelle zu drängen, um die Kosten zu senken. Das berichtet das US-Magazin 404 Media unter Berufung auf interne Dokumente und Berichte aus verschiedenen Firmen, darunter etwa Atlassian, Adobe und Amazon. Der Finanzkonzern Citi beispielsweise habe intern für mehrere Tage den Zugang auf die neueren KI-Modelle von Anthropic und OpenAI komplett gesperrt und per E-Mail Empfehlungen gegeben, welches Modell für welche Aufgaben genutzt werden solle. Gegenüber 404 Media hat Citi den Schritt demnach geleugnet, „obwohl aus der E-Mail und anderen Screenshots eindeutig hervorgeht, dass Citi den Zugriff auf bestimmte Modelle blockiert“.

„Verrückte“ Kehrtwende

Atlassian hat dem Bericht zufolge kürzlich die unbegrenzte KI-Nutzung durch Angestellte gestoppt und stattdessen eine interne Übersicht freigeschaltet, auf der sie sehen können, wie viel ihre KI-Nutzung das Unternehmen kostet. Laut internen Daten haben sich die Kosten für KI-Werkzeuge bei dem Unternehmen von 5 Millionen US-Dollar verdreifacht, im ganzen Jahr sollen 120 Millionen zusammenkommen. Atlassian habe das dementiert, aber nicht ausgeführt, welche der Zahlen, die aus internen Dokumenten stammen, nicht stimmen würden. Bei Adobe soll die unbegrenzte Nutzung demnach Ende Juni eingestellt worden sein, „Angestellten wurde stattdessen im Wesentlichen gesagt, sie sollten versuchen, bis dahin so viel wie möglich zu erledigen“.

Bei Amazon wurde demnach kurz nach Abschaltung eines internen Rankings für KI-Nutzung – das zur maximalen KI-Verwendung drängte – ein Token-Limit eingeführt: „Verrückt, dass wir innerhalb von zwei Wochen von ‚keine Rangliste mehr‘ zu tatsächlichen Nutzungsbeschränkungen gelangt sind“, zitiert 404 Media aus einem internen Austausch auf Slack. Amazon habe auf Nachfrage hin aber behauptet, dass sich die internen Hinweise zur KI-Nutzung nicht geändert hätten. Das Magazin zitiert derweil noch eine anonyme Person aus einem ungenannten Medienkonzern, bei dem zum ersten Mal das monatliche KI-Limit für ChatGPT erreicht worden sei. Fast die Hälfte sei dabei auf eine einzelne Person entfallen, die damit keine offensichtliche Rendite erzielt habe.

Insgesamt weist der Bericht darauf hin, dass bei immer mehr Unternehmen genauer geprüft wird, wie die Angestellten KI-Technik nutzen. Statt zu immer mehr KI-Nutzung zu drängen, sollen nun die Kosten gedrückt werden. Bei Citi werde explizit dazu aufgefordert, immer zu überlegen, ob andere im Haus die KI-Ressourcen besser nutzen könnten. Erst vor wenigen Tagen hatte 404 Media berichtet, dass die Beratungsfirma Accenture ermittelt hat, dass KI-Werkzeuge häufiger zur Erledigung simpler Aufgaben wie der Konvertierung von PDF-Dateien in Präsentationsfolien genutzt werden als für anspruchsvolle Coding-Aufgaben. Für den Boom bei der KI-Nutzung wären dann in nicht unerheblichem Teil „nicht-technische Angestellte verantwortlich, die Token für nicht-spezialisierte Aufgaben verbrennen“.

(mho)