Die Zollschlupflöcher wurden zwar geschlossen, doch chinesische Onlineshopping-Anbieter wie Temu und Shein bleiben für den US-Riesen Amazon eine große Herausforderung. Statt auf zollfreien Direktversand an die Käufer zu setzen, halten die chinesischen Anbieter Waren nun in US-Lagern vor und liefern von dort aus. Zuvor hatte beispielsweise Temu Direktlieferungen aus China in die USA weitgehend eingestellt, um auf die geänderten Zollregeln zu reagieren. Amazon kontert jetzt mit einem „smarten Lagerhaus“ in China, das Herstellern einen leichteren und günstigeren Zugang zum US-Markt ermöglichen soll. Verschlankte Prozesse und andere Vorteile sollen Amazons Logistikplattform für chinesische Händler attraktiver machen als die chinesische Konkurrenz.

Amazons Global Warehousing and Distribution (GWD) Centre wurde in Shenzhen errichtet und damit in direkter Nähe zu einer Vielzahl von Fabriken und E-Commerce-Händlern, die grenzüberschreitend verschicken. Das berichtet die South China Morning Post. Der US-Anbieter übernimmt die gesamte Lieferkette ab Fabrik bis zum US-Lager mit lokaler Lagerung, Zollabwicklung, grenzüberschreitendem Versand und Bestandstransfers. Bislang mussten Händler diese Schritte oft selbst koordinieren.

Bis zu 45 Prozent niedrigere Lagerkosten

Durch die Bündelung des chinesischen Lagerhauses und seiner US-Lagerhäuser verspricht Amazon seinen Kunden bis zu 45 Prozent niedrigere Lagerkosten gegenüber rein US-seitiger Lagerhaltung. Größere Warenmengen können so zunächst in China verbleiben, bevor sie in die Lager in den USA überführt werden.

Amazon wirbt damit, dass Händler ihre Waren von Shenzhen aus mit bis zu sieben Tagen schnellerer Lieferzeit in die US-Fulfillment-Center nachliefern können – allerdings nur in Kombination mit Amazon Global Logistics (AGL). Händler können dabei zwischen KI-gesteuerter Automatisierung und manueller Kontrolle für den Warenfluss wählen. Das smarte Warenlager soll sich zudem durch Verknüpfung aller relevanten Systeme auszeichnen. Die Zolldokumentation werde automatisiert erstellt, sodass zeitraubende Fehler bei der Abwicklung vermieden werden können.

Amazon schaut auch nach Europa

Vor einigen Monaten haben die USA die „De-minimis“-Ausnahmeregelung für Sendungen unter 800 US-Dollar abgeschafft, um die Zoll-Ausnahmeregelung für Billigimporte zu beenden, mit der Waren aus China zollfrei in die USA geschickt werden konnten. Auch in Europa wird über das Ende der Zollfreiheit für Kleinsendungen diskutiert, um faire Wettbewerbsbedingungen zu schaffen: Die EU führt ab Juli 2026 eine Gebühr von drei Euro auf Pakete aus Drittländern ein, deren Warenwert 150 Euro unterschreitet. Vorher konnten diese zollfrei eingeführt werden. Dennoch können chinesische E-Commerce-Plattformen wie Temu ihren Marktanteil im grenzüberschreitenden Handel immer noch ausweiten. 2025 steigerte Temu seinen Marktanteil laut einer Erhebung der International Post Corporation von weniger als 1 Prozent auf 24 Prozent und ist damit gleichauf mit Amazon.

Amazon will seine neuen Aktivitäten laut Bericht erst in die Yangtze-River-Delta-Region in China ausweiten und habe als nächstes auch Europa und Japan im Visier.

(mki)

Das soziale Netzwerk Bluesky hat seit dem Donnerstagmorgen mit einer Störung zu kämpfen. Zugriffe sind seit etwa 9 Uhr mitteleuropäischer Zeit nicht mehr möglich.

Auf allestörungen.de finden sich seit etwa 9 Uhr des Donnerstagmorgens ansteigende Meldungen, der globale Downdetector zeigt zudem tausende Nutzer, die Probleme mit dem Dienst melden. Die Anzahl der Störungsmeldungen nimmt zum Meldungszeitpunkt jedoch ab. Das Aufrufen von Bluesky klappt derzeit nicht umgehend. Wenn die Seite aufgebaut wird, erfolgt das mit Verzögerungen und weitgehend etwa ohne eingebettete Bilder.

Unklar ist, ob Bluesky die zugrunde liegenden Probleme bereits identifiziert hat und wann sie final gelöst werden. Es lassen sich derzeit keine aktuellen Informationen zum Status finden. Das derzeitige Verhalten der Seite ähnelt dem eines Distributed-Denial-of-Service-Angriffs (DDoS) oder problematischen Load-Balancing-Verteilungen. Dafür gibt es jedoch keine Belege. Eine Anfrage von heise online hat Bluesky nicht umgehend beantwortet.

Twitter-Alternative

Das soziale Netzwerk Bluesky ist ein dezentrales Netz, das auf Initiative des ehemaligen Twitter-Gründers Jack Dorsey ins Leben gerufen wurde. Seit 2024 ist Bluesky offen zugänglich und hat seitdem 41 Millionen Konten. Die erstellten dem Transparenzbericht für 2025 zufolge rund 1,4 Milliarden Beiträge.

Bluesky ist für viele ehemalige Twitter-Nutzer eine alternative Heimstätte geworden. Nach der Übernahme des nun X genannten Netzes durch Elon Musk haben sich viele aufgrund der dort herrschenden rohen Sitten sowie aufgrund allgegenwärtigen Hasses und Hetze nach anderen sozialen Netzen umgesehen.

(dmk)

Erstmals ist es für Laien dank KI-Modellen wie ChatGPT möglich, allein durch einfache Textbefehle anatomisch plausible, KI-generierte Röntgenbilder zu erstellen. Was in der medizinischen Ausbildung zur Simulation seltener Krankheiten nützlich sein könnte, birgt laut Forschern enorme Risiken für Missbrauch wie Versicherungsbetrug, juristische Auseinandersetzungen oder die gezielte Manipulation von Forschungsdaten.

Wissenschaftler des Mount Sinai Hospital in New York haben untersucht, wie gut 17 erfahrene Radiologen aus sechs Ländern und verschiedene aktuelle KI-Modelle darin sind, „Deepfakes“ von Röntgenbildern zu erkennen. Die Ergebnisse zeigen eine besorgniserregende Problematik auf.

Versuchsaufbau mit Test für Mensch und Maschine

Die Forscher nutzten für ihre Untersuchung zwei Datensätze. Der erste bestand aus 154 Röntgenbildern, die verschiedene Körperregionen wie Brustkorb, Wirbelsäule, Arme und Beine abdeckten. Bei der Hälfte der Bilder handelte es sich jedoch nicht um echte Röntgenaufnahmen, sondern um KI-Bilder, die von GPT-4o erstellt wurden. Der zweite Datensatz enthielt spezifische Brustkorb-Aufnahmen eines spezialisierten KI-Modells für die Generierung medizinischer Bilder.

Die Studie lief in drei Phasen ab:

1. Blindphase: Die Radiologen sollten die technische Qualität bewerten und Diagnosen stellen. Sie wurden hierbei nicht informiert, dass KI-Bilder enthalten waren.
2. Identifikationsphase: Nachdem die Ärzte über die Deepfakes informiert wurden, mussten sie entscheiden, welche Bilder echt und welche KI-generiert waren.
3. KI-Vergleich: Vier führende KI-Modelle (GPT-4o, GPT-5, Gemini 2.5 Pro und Llama 4 Maverick) wurden ebenfalls getestet, ob sie erkennen konnten, welche Bilder echt und welche KI-generiert waren.

Schwierigkeiten bei der Erkennung KI-generierter Röntgenbilder

Die Treffsicherheit bei der Erkennung von KI-generierten Röntgenbildern war überraschend gering und hing nicht von der Berufserfahrung der Mediziner ab.

In der Blindphase äußerten lediglich 41 Prozent der Radiologen (7 von 17) spontan Verdacht, dass sich KI-generierte Bilder im Datensatz befinden könnten. Die restlichen Experten hielten die Deepfakes für authentische klinische Fälle. Aber auch in der Identifikationsphase (nachdem die Radiologen explizit aufgefordert wurden, nach KI-Fälschungen zu suchen), lag ihre durchschnittliche Genauigkeit bei nur etwa 75 Prozent. Das bedeutet, dass jedes vierte Bild falsch beurteilt wurde.

Interessanterweise schnitten auch erfahrene Radiologen mit bis zu 40 Dienstjahren nicht signifikant besser ab als Assistenzärzte. Die Fähigkeit, Deepfakes zu erkennen, scheint eine völlig neue Kompetenz zu sein, die nicht durch klassische klinische Erfahrung erworben wird.

Auch führende KI-Modelle scheitern

Ähnliche Schwierigkeiten in der Unterscheidung KI-generierter Röntgenbilder von echten Aufnahmen hatten auch KI-Modelle selbst. Keines der getesteten Modelle war in der Lage, die synthetischen Bilder zuverlässig zu erkennen.

Während die OpenAI-Modelle jedoch zumindest eine Genauigkeit von etwa 83 bis 85 Prozent erreichten, waren Googles Gemini 2.5 Pro und Metas Llama 4 Maverick deutlich schlechter und erzielten Werte zwischen 56 und 59 Prozent (was kaum besser ist als reines Raten). Auch GPT-4o, welches ja verwendet wurde, um die synthetischen Bilder zu erstellen, konnte diese nicht zuverlässig von echten Aufnahmen unterscheiden.

Hinweise auf KI-Generierung

Trotz der hohen Qualität der Deepfakes gibt es laut der Studie aber bestimmte Merkmale, die auf eine KI-Generierung hindeuten. So wirken Knochenstrukturen oft übermäßig glatt und haben nicht die feinen, unregelmäßigen Texturen, die im echten biologischen Gewebe vorkommen. Ein weiterer technischer Hinweis findet sich auch darin, wie „verrauscht“ die Röntgenaufnahme ist. Während das übliche Bildrauschen bei echten Aufnahmen aufgrund der physikalischen Eigenschaften der Strahlung unregelmäßig ist, wirkt das Körnungsmuster der KI oft unnatürlich gleichmäßig über das gesamte Bild verteilt. Zudem scheitern die KI-Modelle teils an anatomischen Feinheiten. Subtile Details wie die Schatten von Nagelbetten an den Fingern oder die feinen Gefäßverläufe in der Lunge werden von der KI oft unterschlagen oder falsch dargestellt, was ein Hinweis auf eine Manipulation sein kann.

Die Autoren warnen davor, dass die technische Hürde für die Erstellung täuschend echter medizinischer Bilder massiv gesunken ist. Wie sie schreiben, reicht ein einfacher Textprompt heute aus, um einen Knochenbruch oder einen Tumor zu erfinden, der selbst Experten täuscht.

Um das Vertrauen in die digitale Radiologie zu sichern, empfehlen die Autoren der Studie eine mehrstufige Sicherheitsstrategie. Zum einen sollten spezielle Schulungen für Radiologinnen und Radiologen durchgeführt werden, um deren Blick gezielt für die subtilen Artefakte und Unstimmigkeiten KI-generierter Bilder zu schärfen. Zum anderen sehen die Experten die Einführung robuster technischer Schutzmaßnahmen als unumgänglich an, wobei digitale Signaturen, unsichtbare Wasserzeichen oder Blockchain-basierte Herkunftsnachweise die Authentizität medizinischer Aufnahmen garantieren sollen. Ergänzt werden sollten diese Ansätze durch die Entwicklung unabhängiger, automatisierter Detektoren, die mittels tiefgehender Pixelanalyse Deepfakes im klinischen Alltag eigenständig erkennen und verlässlich markieren können.

(mack)