Künstliche Intelligenz
Interview: Puraite will Literaturrecherche mit erklärbarer KI beschleunigen
Die medizinische Forschung produziert jedes Jahr über drei Millionen neue Studien – doch wer soll das alles lesen? Selbst hoch spezialisierte Experten können nur einen Bruchteil der relevanten Literatur überblicken. Gleichzeitig hinkt die Aufbereitung dieses Wissens hinterher: Ein systematischer Review, also die strukturierte Zusammenfassung des aktuellen Forschungsstands zu einer konkreten Frage, dauert heute zwischen sechs Monaten und zwei Jahren. Bis das Ergebnis vorliegt, ist die Datenlage oft schon wieder veraltet.
Weiterlesen nach der Anzeige
Das ostwestfälische Start-up Puraite will mit einer KI-Plattform für die Evidenzsynthese diese Prozesse beschleunigen, ohne dabei die wissenschaftliche Strenge zu opfern. Die Plattform durchsucht Datenbanken wie PubMed, filtert relevante Studien heraus, extrahiert Daten und bewertet sie nach wissenschaftlichen Kriterien. Im Interview und auch in dem später produzierten Podcast erklärt Mitgründer Schahin Baki, warum der manuelle Weg an seine Grenzen stößt und wie KI-gestützte, aber methodisch saubere Prozesse die Evidenzsynthese beschleunigen können. International gibt es zwar ähnliche Angebote von Unternehmen wie „Laser AI“, „Nested Knowledge“, „DistillerSR“ und „Covidence“, Puraite ist nach eigenen Angaben jedoch das einzige Produkt in diesem Umfang, das vollständig aus Europa heraus entwickelt und vertrieben wird.

Schahin Baki ist wissenschaftlicher Mitarbeiter im Bereich Data Science und KI an der Uni Paderborn.
(Bild: Puraite)
Können Sie einmal kurz sagen, wofür Puraite steht und was es macht?
Der Name steht für Pure AI Technology. Wir automatisieren die Evidenzsynthese in den Life Sciences, also in der Pharmaindustrie, Medizintechnik, klinischen Versorgung und angrenzenden Bereichen. Wir helfen dabei, Inhalte aus Studien zusammenzuführen, um daraus Forschungsfragen zu beantworten.
Und was ist der Unterschied zu einem guten KI-Sprachmodell?
Sprachliche Eleganz ist kein Beweis für wissenschaftliche Qualität. Ein KI‑Modell kann einen Text formulieren, der wie eine gründliche Zusammenfassung klingt – doch dahinter steht kein systematisches Verfahren. Eine echte Übersichtsarbeit folgt klaren methodischen Schritten: ein vorher festgelegtes Forschungsprotokoll, eine nachvollziehbare Literaturrecherche, eine doppelte unabhängige Bewertung der Studien, strukturierte Prüfung des Verzerrungsrisikos nach anerkannten Tools (RoB 2, ROBINS-I, QUADAS-2), eine Bewertung der Evidenzsicherheit nach GRADE und eine vollständige Rückverfolgbarkeit der Quellen bis auf Satzebene.
Internationale Forschungsnetzwerke wie Cochrane und Campbell haben in einem Positionspapier gemeinsam klargestellt: KI kann diese methodischen Anforderungen unterstützen – aber sie ersetzt sie nicht. Genau hier setzt Puraite an. Wir automatisieren keine Evidenz, sondern liefern die Infrastruktur, in der ein methodisch korrekter, konformer Prozess effizient durchgeführt und gegenüber Regulatoren nachgewiesen werden kann.
Weiterlesen nach der Anzeige
Puraite hilft also dabei, besser einzuschätzen, was gerade der aktuelle Forschungsstand ist?
Genau. Das bedeutet, aus verschiedenen Studien Informationen zu extrahieren, um komplexe, feingranulare Forschungsfragen zu beantworten – etwa: Wie wirksam sind GLP-1-Rezeptoragonisten im Vergleich zu Placebo oder anderen antidiabetischen Therapien hinsichtlich der Reduktion schwerwiegender kardiovaskulärer Ereignisse bei erwachsenen Patientinnen und Patienten mit Diabetes mellitus Typ 2? Typischerweise würde man dafür verschiedene Datenbanken bedienen, die Studien auf Relevanz screenen, die Daten extrahieren und schließlich aus vielen Einzelstudien ein Dokument zusammenstellen, das die Antwort liefert. Die Anwendungsfälle sind dabei sehr weitreichend – von medizinischen Leitlinien bis hin zu Preisverhandlungen für Medikamente. Im gesamten Gesundheitsbereich ist Evidenz so etwas wie das Fundament für Entscheidungen.
Wir haben die klinische Versorgung bewusst zunächst ausgeklammert und uns vollständig auf die Industrie konzentriert – also Pharmaindustrie, Medizintechnik, Versicherungen und angrenzende Bereiche wie die Lebensmittelbranche, überall dort, wo Literaturrecherchen für regulatorische Zwecke erforderlich sind. Die Produktentwicklung in unserem Bereich ist kostenintensiv, bedingt durch KI-Know-how in Form von Personal als auch in der Infrastruktur. Die Industrie ist daher unser erster Fokus – auch weil die dort erzielten Erlöse uns langfristig ermöglichen sollen, die Plattform für den akademischen und klinischen Bereich zugänglich zu machen.
Und auf welche Datenbanken greift Puraite dabei zurück?
Vor allem auf öffentlich zugängliche Publikationen und klinische Studien – über Datenbanken wie PubMed, Embase oder OpenAlex. Etwa 50 Prozent der Volltexte sind frei zugänglich, die andere Hälfte liegt hinter Paywalls, aber die Firmen und Institutionen, die damit arbeiten, verfügen in der Regel über die entsprechenden Lizenzen. Hinzu kommt Grauliteratur. Entscheidend ist, alles systematisch zu erfassen: Jedes relevante Signal muss einbezogen werden, weil es die Antwort auf die Forschungsfrage beeinflussen kann – zwei klinische Studien können durchaus zu unterschiedlichen Ergebnissen kommen.
Welche Rolle spielen da Leitlinien?
Leitlinien werden auf Basis von systematischen Reviews entwickelt. Diese Reviews stellen die höchste Form der Evidenz dar. Man nutzt sie, um die vorhandene Evidenz zu synthetisieren und daraus Leitlinien abzuleiten. Das Problem dabei ist jedoch, dass systematische Reviews extrem zeitaufwändig sind. Angesichts der Wissensexplosion in der Medizin ist eine Information oft schon veraltet, bevor sie in eine Leitlinie überführt wurde.
Aktualisiert sich das also sehr viel schneller als herkömmliche KI-Systeme?
Das Besondere ist weniger die KI selbst als vielmehr das Konzept der sogenannten „Living Reviews“. Das bedeutet, dass der gesamte Prozess in regelmäßigen Abständen – quartalsweise, monatlich, wöchentlich oder sogar täglich – erneut angestoßen wird, um neu erschienene Publikationen einzuspeisen. Denn was heute der Stand der Evidenz ist, kann sich morgen bereits verändert haben.
Kann man das auch manuell anstoßen?
Das ist jederzeit möglich. Das aktuelle Geschäftsmodell basiert auf einem Flat-Rate-Prinzip: Es gibt ein Lizenzmodell, bei dem beliebig viele Nutzerinnen und Nutzer eingebunden werden können. Wir rechnen bewusst nicht nach Sitzen ab, weil wir möchten, dass das Tool tatsächlich intensiv eingesetzt wird, ohne dass Accounts geteilt werden müssen. Man kann sich das wie einen Organisationsaccount vorstellen. Eine große Pharmafirma hat beispielsweise verschiedene Abteilungen, die systematische Reviews erstellen oder in Auftrag geben. Diesem Unternehmen stellen wir die Plattform vollumfänglich bereit – mit Versionierung und Aufgabenverteilung.
Ihr werbt mit 95 Prozent Sensitivität?
Der Prozess beginnt mit der Suche nach Publikationen. Im nächsten Schritt erfolgt das Screening: Man liest Titel und Abstract und entscheidet – relevant oder nicht relevant. Bei diesem Schritt erreichen wir eine Sensitivität von über 95 Prozent, was dem etablierten Zielwert für KI-gestützte Screening-Tools in diesem Bereich entspricht. Die menschliche Vergleichsgröße liegt bei zwei unabhängigen Reviewern bei etwa 97 Prozent – bei einem einzelnen Reviewer jedoch deutlich darunter, wie Studien zeigen. Der Mensch gilt in der Industrie als unangefochtener Goldstandard, doch auch Menschen machen Fehler – große Untersuchungen dokumentieren Fehlerquoten von über zehn Prozent beim Einzelscreening. Ich behaupte nicht, dass die KI perfekt ist, ganz im Gegenteil – ich sage nur, dass diese Seite der Debatte oft zu wenig Beachtung findet.
Handelt es sich dabei um ein Agentenmodell?
Die Plattform ist vor allem sehr modular aufgebaut, entsprechend der wissenschaftlichen Methodologie. Der gesamte Prozess der Evidenzsynthese ist derzeit extrem manuell: Mehrere Personen arbeiten parallel daran, tauschen Tabellen aus, nutzen verschiedene Tools – also sehr fragmentiert. Unsere Plattform soll so etwas wie die gemeinsame Evidenzinfrastruktur werden. Man kann KI nutzen – erklärbare KI –, aber man kann jeden Schritt auch vollständig manuell durchführen, alles innerhalb einer Plattform ohne Medienbrüche. Das ist schon ein erheblicher Vorteil: keine verteilten Excel-Tabellen mehr, dafür Versionierung, klare Aufgabenverteilung und eine gemeinsame Arbeitsoberfläche. Die KI kann für den gesamten Prozess genutzt werden oder nur für einzelne Schritte mit Sub-Agents – ganz nach Bedarf.
Das Produkt ist zunächst auf Englisch. Wie wäre das für den deutschen Markt? Andere Datenbanken, angepasste Modelle?
Das ist eine sehr gute Frage. Glücklicherweise findet Evidenzsynthese nahezu ausschließlich auf Englisch statt – in der weit überwiegenden Mehrzahl der Fälle. Selbst wenn man das für klinische Leitlinien in Deutschland nutzt, basieren diese auf Publikationen aus verschiedensten Ländern. Wir sind daher von vornherein englischsprachig vorgegangen, weil Publikationen in diesem Bereich fast immer auf Englisch erscheinen. Die Plattform selbst zu übersetzen wäre kein Problem – bisher hat allerdings auch keiner unserer Nutzer Bedarf daran geäußert, weil alle ohnehin auf Englisch arbeiten. Und es handelt sich stets um sehr internationale Teams, die in Amerika, Irland, Deutschland oder Japan sitzen.
Ihre Kunden sind aus verschiedenen Ländern?
Ja. Der Großteil unserer Kunden kommt allerdings aus den USA, Kanada und dem Vereinigten Königreich. Ich hatte oft das Gefühl, dass man in Deutschland innovativ sein möchte, aber niemand der Erste sein will. Und das ist in gewissem Sinne auch unser Alleinstellungsmerkmal und der Grund, wieso wir mit Puraite aus Deutschland heraus angetreten sind: Wir sind das einzige Team weltweit, das diese Lösung vollständig aus Europa heraus entwickelt, ohne Niederlassungen in den USA oder anderswo.
Künstliche Intelligenz
Apple Wallet: Diese neuen Features kommen in iOS 27 und watchOS 27
Alles in einer App: Apple Wallet soll mit iOS 27 und watchOS 27 endlich wirklich zur Zentrale für Tickets, Eintrittskarten, Ausweise und Treuekarten werden – auch für solche, die in anderen Formaten beziehungsweise in Papierform vorliegen. Entsprechende Prognosen, dass Apple an einem solchen Feature arbeitet, gab es schon länger. Der Konzern orientiert sich dabei an einem Ansatz, für den man bislang Tools wie NeatPass benötigt hatte.
Weiterlesen nach der Anzeige
Visual Intelligence oder manuelle Erstellung
Wie üblich erfolgt die Kartenerstellung auf dem iPhone, die Apple Watch dient als zweites Anzeigegerät. Um zu beginnen, klickt man auf den Plus-Knopf, den man normalerweise auch zum Einstellen neuer Kreditkarten verwendet. Kartenquellen können sowohl eine physische Karte mit Bar- oder QR-Code als auch ein Bildschirmfoto einer digitalen Karte sein. Dabei nutzt Apple auch seine KI-Bilderkennung Visual Intelligence. Alternativ kann man Karten auch von Hand erstellen.
Hier gibt es drei Varianten: „Standard“ (für jegliche Art von Karten), „Mitgliedschaft“ (Membership, für Treuekarten) sowie „Veranstaltung“ (Event, etwa für Tickets). Bei der Erstellung kann man zwischen verschiedenen Gestaltungsformen und Kartendetails wählen, es gibt zur jeweiligen Kartenart passende Vorlagen. Der Funktionsreichtum ist geringer als der von NeatPass, dürfte aber für viele Nutzer ausreichend sein. Die Bilderkennung scheint soweit gut zu funktionieren, kann etwa Kartenarten korrekt zuordnen. Dennoch sollte man die erfassten Daten prüfen.
Weitere neue Wallet-Funktionen
Zunächst nur in den USA verfügbar ist die Möglichkeit, mit Apple Wallet Restaurantrechnungen zu teilen. Dabei erkennt Visual Intelligence, was auf einer Rechnung steht und ermöglicht die Zuordnung zu unterschiedlichen Personen. Die erhalten dann später eine Zahlungsaufforderung via Apple Cash (das wiederum nicht in der EU verfügbar ist).
Apple hat auch Änderungen bei Apple Pay vorgenommen. So ist der Zahlungsdialog übersichtlicher und ermöglicht einen vereinfachten Wechsel zwischen den verwendeten Karten, sollten mehrere vorhanden sein. Dafür reicht nun eine Swipe-Geste. iOS 27 und watchOS 27 erscheinen im Herbst, wir tippen auf September.
Weiterlesen nach der Anzeige
(bsc)
Künstliche Intelligenz
Neue Methode zur Lithium-Gewinnung aus festem Salz benötigt kaum Frischwasser
Ein Wissenschaftsteam der Monash University hat eine Technik entwickelt, mit der sich Lithium für die Batterieproduktion aus festen lithiumhaltigen Salzgemischen statt aus flüssigen Solen extrahieren lässt. Das Verfahren benötigt kaum Frischwasser und weniger Energie und stellt damit eine umweltfreundlichere Alternative zur herkömmlichen Lithiumgewinnung dar. Das Verfahren soll mit einer Gewinnungsrate von 95 Prozent zugleich sehr effizient sein. Die Forscher haben die Methode zum Patent angemeldet.
Weiterlesen nach der Anzeige
Umweltunfreundliche und ineffektive Lithiumgewinnung
Lithium wird heutzutage im Wesentlichen auf zwei Arten gewonnen: dem Abbau von Festgestein und anschließender Raffinierung zu nutzbaren Lithiumverbindungen sowie der Gewinnung von Lithiumcarbonat durch Verdunstung geförderter lithiumhaltiger Sole in großen Becken.
Die Verdunstung der Sole benötigt jedoch einige Zeit. Es kann von einigen Monaten bis zu zwei Jahre dauern, bis eine verwertbare hochkonzentrierte Lithiumchlorid-Lösung übrigbleibt. Entsprechend werden Verfahren eingesetzt, die den Zeitaufwand verkürzen. Diese Direct-Lithium-Extraction-Methoden benötigen allerdings Unmengen von Süßwasser, das in den trockenen Regionen, in denen die lithiumhaltige Sole vorkommt, Mangelware ist. Die Entnahme von Frischwasser in diesen Regionen führt daher zu schwerwiegenden Auswirkungen auf die Ökosysteme und den Menschen. Hinzu kommt, dass diese Verfahren nicht besonders effektiv sind. Weniger als die Hälfte des tatsächlichen Lithiums kann damit gewonnen werden.
Lithiumgewinnung aus fester Salzkruste
Die Wissenschaftler der Monash University haben eine Methode entwickelt, die das Lithium nicht aus flüssiger Sole extrahiert, sondern nach der Verdunstung die feste Salzkruste nutzt, in der das Lithium gebunden ist. Das Salz waschen die Forscher mit den industriellen Lösungsmitteln Ethanol und Aceton aus, wie aus der Studie „Precision Dissolution of Salts for Solar-Driven Lithium Extraction from Brines“ hervorgeht, die in Environmental Science & Technology erschienen ist.

Schematsiche Darstellung des Verfahrens der Wissenschaftler der Monash University zur Gewinnung von Lithium aus festem Salz.
(Bild: Monash University)
Beide Lösungsmittel sind organische Flüssigkeiten, die das Lithium herauslösen und zugleich von Verunreinigungen trennen. Darunter fallen beispielsweise Bor und Sulfat, die gewöhnlich an der Lithiummatrix haften und bei herkömmlichen Verfahren durch den zusätzlichen Einsatz von Chemikalien entfernt werden müssen. Zudem werden auch keine größeren Frischwassermengen bei dem Verfahren der Forscher der Monash University benötigt.
Weiterlesen nach der Anzeige
Das gewonnene Lithium weist entsprechend bereits nach der Extraktion eine hohe Reinheit auf, was die Nutzung in Batterien erleichtert. Insgesamt soll die Methode bis zu 95 Prozent des Lithiums herauslösen. Das ist etwa doppelt so viel wie bei herkömmlichen Verfahren.
Die Lösungsmittel gewinnen die Forscher mit einer von ihnen entwickelten Rückgewinnungsmethode „Interfacial solar evapotation“ zurück. Dabei nutzen sie natürliches Sonnenlicht zur Speicherung von Wärme an der Oberfläche der durch den Waschvorgang verunreinigten Lösungsmittel. Das führt zu einem schnelleren Extraktionsprozess, der zu einer Rückgewinnung der reinen Lösungsmittel Ethanol und Aceton zu mehr als 99 Prozent führt.
Die Wissenschaftler haben ein Patent auf ihr Verfahren zur Extraktion von Lithium aus festem Salz angemeldet. Sie gehen davon aus, dass mit dieser Methode die industrielle Gewinnung von Lithium einfacher, umweltfreundlicher und effizienter möglich ist.
(olb)
Künstliche Intelligenz
Leapmotor B05 ProMax im Fahrbericht: Der wird unbequem – für die Konkurrenz
Wer einen elektrischen Neuwagen im Segment sucht, das einst als Golf-Klasse bezeichnet wurde, wird nur selten unter 30.000 Euro fündig. Bei VW etwa muss ein Interessent schon bei der Basis des ID.3 bleiben und die bis Ende Juni gewährte Kaufprämie einkalkulieren, um diese Marke nicht zu reißen. Er bekommt dann ein spärlich ausgestattetes Auto, das auf langen Strecken eine gewisse Kompromissbereitschaft voraussetzt. Leapmotor stellt für deutlich weniger Geld ein etwas längeres E-Auto hin, das erheblich besser ausgestattet ist und schneller lädt. Eine erste Proberunde mit dem Leapmotor B05 zeigte, dass die Konkurrenz diesen Anbieter besser nicht unterschätzen sollte. Zwar hat das Auto durchaus noch so manche Schwäche, darunter aber kaum eine, die ihm viele angesichts des Preises nicht nachsehen würden.
Weiterlesen nach der Anzeige
Kleiner Kofferraum
Mit 4,43 m Länge ist der Leapmotor B05 etwas länger als beispielsweise ein Opel Astra Electric oder ein Smart #3. Der Radstand misst 2,74 m. Das Raumangebot ist vorn wie hinten großzügig. Allerdings ist der Verstellbereich der Vordersitze für sehr große Menschen etwas knapp. In der Nobel-Variante sind Sitzheizung, elektrische Verstellung und ein „Premium-Synthetik-Leder“ serienmäßig. Letzteres wirkt nicht besonders hochwertig, und manch einer hätte wohl gern darauf verzichtet, wenn es dafür eine Höhenverstellung auch für den Beifahrersitz gegeben hätte. Die aber kann Leapmotor nicht liefern. Der Kofferraum fasst laut Preisliste vom 1. Mai nur 295 Liter, was den B05 in dieser Klasse für einige Interessenten aus dem Rennen kegeln dürfte. Zum Vergleich: Ein VW ID.3 fasst rund 90 Liter mehr, obwohl der fast 20 cm kürzer ist.
Insgesamt ist der Innenraum ordentlich verarbeitet, größere Schnitzer hatte der Testwagen nicht. Auch bei der Auskleidung leistet sich Leapmotor keine Schwächen: Nichts wirkt wirklich billig, und das in einem Auto, dessen Basismodell weniger kostet als ein VW ID. Polo mit vergleichbar großer Batterie. Die Serienausstattung des Einstiegsmodells umfasst unter anderem Navigationssystem, induktive Ladeschale für Smartphones, Wärmepumpe, Klimaautomatik, Abstandstempomat, Vehicle-to-Load und 19-Zoll-Felgen. Die teure Version fügt dem beispielsweise ein nicht zu öffnendes Glasdach mit elektrischem Rollo, Lenkradheizung, Regensensor und ein Soundsystem mit 12 Lautsprechern hinzu.

Leapmotor
)
Nur drei Entscheidungen
Leapmotor nennt unterschiedliche Preise. Auf der Veranstaltung wurden 26.900 Euro für das Basismodell „Pro Life“ genannt, in der Preisliste vom 1. Mai sind es 27.900. Die teure Variante „ProMax Design“ kostet dort 31.900 Euro. Vor Ort wurde ein Preis von 30.900 Euro kommuniziert. Zusätzlich wurde dort noch die Kombination aus Basisausstattung und großer Batterie aufgeführt, die 29.400 Euro kosten soll und in der Preisliste nicht enthalten ist. Das wird sich rasch klären. Fest steht dagegen schon, dass der B05-Käufer bei der Konfiguration nur drei Entscheidungen treffen muss: Welche Ausstattungslinie und welche der fünf Farben soll es sein? Bei der teuren Ausstattungslinie kann zusätzlich noch zwischen dunkler und heller Innenausstattung gewählt werden.
Weiterlesen nach der Anzeige

Auf der Veranstaltung wurden drei Ausstattungsvarianten vorgestellt. In der aktuellen Preisliste vom 1. Mai 2026 sind nur zwei Versionen aufgeführt.
(Bild: Leapmotor)
Bedienung mit Schwächen
Die Beschriftung im Kombiinstrument ist recht klein, obwohl Platz für eine größere Darstellung wäre. Ein Head-up-Display gibt es nicht. In die Logik der Bedienung muss sich der Fahrer einarbeiten, manches ist nicht unbedingt dort, wo man es spontan erwarten würde. Die eine oder andere kreative Übersetzung wird vermutlich mit einem der nächsten Updates unauffällig beseitigt. Auch bei der Sprachbedienung bleibt noch Raum für Verbesserungen. Die etwas unübersichtliche Bedienung nervt auch, wenn es darum geht, die nervösen und nicht immer treffsicheren Warntöne auf ein erträgliches Maß zurückzustutzen.
In beiden Modellen arbeitet der gleiche E-Motor. Er leistet 160 kW und bietet 240 Nm Drehmoment. Der geht leise und unaufgeregt seiner Arbeit nach und verwischt damit, was er an Schub zu bieten hat. Das Werk nennt 6,7 Sekunden für den Standardsprint. Für eine solche Zeit hätte man vor rund 20 Jahren in einem BMW 3er schon zum 325i greifen müssen – also recht weit oben in der Modellhierarchie. Schluss ist im B05 bei 170 km/h, und die sind schnell erreicht. Im Alltag stellt der B05 stets weit mehr als nur genug Leistung bereit, stellt das aber nicht in den Vordergrund.
Flink geladen
Was die beiden Ausstattungslinien vor allem trennt, ist die Speicherbestückung. Das Basismodell bietet eine LFP-Batterie mit brutto 56,2 kWh und eine maximale Ladeleistung von 140 kW. Die von uns gefahrene Version mit 67,1 kWh Energiegehalt kann mit bis zu 168 kW geladen werden. Auch hier setzt Leapmotor auf eine Lithium-Eisenphosphat-Zellchemie. Im WLTP soll der Verbrauch bei 15,8 kWh und die Reichweite bei 482 km liegen. Für die Aufladung von 10 auf 80 Prozent verspricht Leapmotor 24 Minuten. Bezogen auf den Brutto-Energiegehalt entspricht das einer durchschnittlichen Ladeleistung von rund 117 kW. Ein Leapmotor B10 mit dieser Batterie, der gerade in unserer Redaktion weilte, lud im Test von acht auf 80 Prozent in 22 Minuten.

Leapmotor
)
Leapmotor kooperiert über ein Joint Venture mit dem Stellantis-Verbund und spielt unter anderem die interne Konkurrenz in dieser Hinsicht gnadenlos an die Wand. Peugeot e-308 (Test) und Opel Astra Electric, gerade erst überarbeitet, bieten nur 58 kWh brutto, fallen aber vor allem beim Laden weit zurück. Das wird bei der Spitzenladeleistung schon deutlich, die dort bei 100 kW liegt, und noch viel mehr bei der durchschnittlichen Ladeleistung zwischen 10 und 80 Prozent. Nur beim Laden an Wechselstrom herrscht noch Gleichstand: 11 kW, verteilt auf drei Phasen. Gerade Modellen aus dem Stellantis-Konzern erwächst mit dem B05 eine brutale Konkurrenz, die die genannten Modelle beim Preis auch noch um viele Tausender unterbietet.
Ein VW ID.3 oder ein Opel Astra Electric sind insgesamt noch etwas leiser, doch der B05 ist weit davon entfernt, ein lautes Auto zu sein. Im Entwicklungszentrum in Turin wurde die Fahrwerksabstimmung für Europa verändert. Der europäische Leapmotor B05 ist spürbar straffer und direkter abgestimmt. Dennoch steht Komfort und nicht Fahrdynamik im Vordergrund. Trotz des schweren Batteriepakets im Unterboden neigt sich die Karosserie in schnell durchfahrenen Kurven stärker als bei einigen Konkurrenten und die Lenkung könnte dem Fahrer mehr Rückmeldung von der Fahrbahn bieten. Die Bremsen lassen sich mit ihrem exakten Druckpunkt gut dosieren.

Der Leapmotor B05 tritt mit einem konkurrenzlosen Preis-Leistungs-Verhältnis an.
(Bild: Leapmotor)
Fazit
Der Leapmotor B05 wird seine Käufer finden. Vor allem sein herausragendes Preis-Leistungsverhältnis überdeckt manche Schwäche, die sich der Hersteller bei der Bedienung noch leistet. Solche Dinge lassen sich auch im Bestand aussortieren, sofern der Hersteller sich engagiert. Mit seiner Kombination aus Reichweite, Antriebs- und Ladeleistung steht er für diesen Preis nahezu konkurrenzlos da und deklassiert unter anderem die Konkurrenten im eigenen Haus. Nicht nur die werden irgendwie reagieren müssen.
Mehr zum Thema Elektroautos
(mfz)
-
Künstliche Intelligenzvor 3 Monaten
JBL Bar 1300MK2 im Test: Soundbar mit Dolby Atmos, starkem Bass und Akku‑Rears
-
Künstliche Intelligenzvor 3 MonatenOscars 2026: Was die heise‑Leser anders entschieden hätten
-
Künstliche Intelligenzvor 3 MonatenEmpfehlungsalgorithmen bei TikTok erklärt: Die Maschine hinter dem Endlos‑Feed
-
Social Mediavor 3 MonatenVon Kennzeichnung bis Plattformpflichten: Was die EU-Regeln für Influencer Marketing bedeuten – Katy Link im AllSocial Interview
-
Künstliche Intelligenzvor 2 MonatenWeitere Entlassungswelle bei Disney: Bis zu 1000 Mitarbeiter betroffen
-
Künstliche Intelligenzvor 2 Monaten„Don’t Starve Elsewhere“: Survival‑Hit kehrt nach zehn Jahren zurück
-
Künstliche Intelligenzvor 2 MonateniX-Workshop Angriffsziel lokales AD − Schwachstellen finden und beheben
-
Künstliche Intelligenzvor 2 MonatenKine‑Exakta: Die erste Spiegelreflexkamera fürs Kleinbild
