New Horizon
Interaktiv

Was es weiß

Alle Nachrichten aus unserem Digest, von einem Modell gelesen und in eine Karte verwandelt.

Seit dem 2026-04-29 veröffentlichen unsere Agenten täglich einen KI-Digest 2.168 Meldungen. Ein Sprachmodell hat jede einzelne gelesen und notiert, was sie behaupten: welche Organisationen, Modelle, Personen und Ideen vorkommen und wie sie zusammenhängen.

Das Ergebnis steht unten. Es ist keine Suchmaske über Schlagzeilen — es beantwortet die Frage, die eine Artikelliste nicht beantworten kann: Wie hängt dieses Ding mit jenem zusammen?

Wer mit was zusammenhängt

2026-11-22

Ziehen zum Verschieben, Scrollen zum Zoomen, Klick öffnet eine Entität. Der Regler zeigt, wie sich die Karte Tag für Tag aufgebaut hat.

Die 40 meistgenannten Entitäten als Text
  1. OpenAI Organisation · 263 Meldungen
  2. Anthropic Organisation · 243 Meldungen
  3. Google Organisation · 129 Meldungen
  4. Meta Organisation · 102 Meldungen
  5. Nvidia Organisation · 102 Meldungen
  6. Hugging Face Organisation · 88 Meldungen
  7. Simon Willison Person · 77 Meldungen
  8. Claude Modell / System · 74 Meldungen
  9. Microsoft Organisation · 63 Meldungen
  10. ChatGPT Modell / System · 56 Meldungen
  11. Google DeepMind Organisation · 49 Meldungen
  12. AI agents Konzept · 42 Meldungen
  13. Amazon Organisation · 42 Meldungen
  14. AI safety Konzept · 40 Meldungen
  15. Apple Organisation · 38 Meldungen
  16. Gemini Modell / System · 30 Meldungen
  17. Claude Code Modell / System · 29 Meldungen
  18. Codex Modell / System · 29 Meldungen
  19. Claude Fable 5 Modell / System · 28 Meldungen
  20. SpaceX Organisation · 27 Meldungen
  21. Muse Modell / System · 26 Meldungen
  22. Cursor Organisation · 25 Meldungen
  23. LLMs Konzept · 24 Meldungen
  24. TechCrunch Organisation · 23 Meldungen
  25. xAI Organisation · 21 Meldungen
  26. AWS Organisation · 18 Meldungen
  27. Elon Musk Person · 18 Meldungen
  28. Ollama Modell / System · 18 Meldungen
  29. DeepSeek Organisation · 17 Meldungen
  30. Donald Trump Person · 17 Meldungen
  31. Sam Altman Person · 17 Meldungen
  32. prompt injection Konzept · 16 Meldungen
  33. GPT-6 Astra Modell / System · 14 Meldungen
  34. MIT Technology Review Organisation · 14 Meldungen
  35. reinforcement learning Konzept · 14 Meldungen
  36. Claude Opus 4.8 Modell / System · 13 Meldungen
  37. Cloudflare Organisation · 13 Meldungen
  38. Gemma 4 Modell / System · 13 Meldungen
  39. IBM Organisation · 13 Meldungen
  40. White House Organisation · 13 Meldungen

Jede davon verweist zurück auf die Ausgabe, aus der sie stammt, im Digest-Archiv.


Wie er entstanden ist

Ein Durchlauf über das Archiv: keine Graphdatenbank, keine menschliche Annotation, eine kuratierte Alias-Liste für Namensvarianten.

Gelesen
2,168
  • Meldungen — jede einzelne im Archiv
  • 200 Ausgaben
  • 2026-04-29 → 2026-11-22
Extrahiert
6,526
  • Entitätsnennungen
  • zusammengeführt zu 3,142 eigenständige Entitäten
  • 1,813 nach dem Ausdünnen veröffentlicht
Verknüpft
2,380
  • behauptete Beziehungen
  • 2,080 eigenständige Paare nach Zusammenführung
  • 21 als fehlerhaft verworfen
Aufwand
31 min
  • Modellzeit insgesamt
  • 131,323 Ausgabe-Token
  • vier Tage parallel, also ~4 Min. real

Der Extraktor ist kimi-k3:cloud, qwen3.5:9b. Er bekommt acht Schlagzeilen auf einmal und nennt die Entitäten und die behaupteten Beziehungen. Ausgewählt wurde er durch Messung, nicht nach Geschmack: an derselben Acht-Meldungen-Stichprobe lieferte er 22 Entitäten und 14 Beziehungen in sechs Sekunden — gegenüber 15 und 4 in sechzehn Sekunden beim lokalen 9B-Modell.

Jedes Ergebnis wird im Code validiert, bevor es in den Graphen kommt. Entitätstypen, Beziehungstypen und beide Endpunkte jeder Beziehung werden gegen die Ursprungsmeldung geprüft — ein Modell, das eine Entität erfindet, hat sie nicht in der Entitätsliste derselben Meldung. 21 fehlerhafte Beziehungen wurden dabei verworfen statt repariert.

Das Zusammenführen von „OpenAI“, „OpenAIs“ und „Open AI“ zu einem Knoten ist deterministisch — Groß-/Kleinschreibung, Genitiv, Artikel, Interpunktion, Rechtsformzusätze — plus 17 handkuratierte Zusammenführungen. Embeddings dürfen nur vorschlagen. Zusammenführen dürfen sie nichts: Bei kurzen Namen bewerten sie GPT-5.5 und GPT-5.6 mit 0,963 Ähnlichkeit — und das sind zwei verschiedene Modelle.


Wie genau er ist

Die Extraktionsqualität wurde gemessen, nicht angenommen. Eine geschichtete Stichprobe von 50 Meldungen — zehn pro Monat — wurde am 20.08.2026 von Hand geprüft, Entität für Entität und Beziehung für Beziehung, gegen den Quelltext jeder Meldung.

Entitäten
100%
  • 116 von 116 in ihrer Quellmeldung genannt
Kategorien
98.3%
  • 2 von 116 händisch neu zugeordnet
Beziehungen
96.6%
  • 28 von 29 durch den Quelltext gedeckt

Drei Eigenschaften bestimmen, wie die Karte zu lesen ist.

  • Präzision vor Vollständigkeit. Der Extraktor lässt eine Beziehung eher weg, wenn die Quelle sie nicht deckt, als sie auf dünner Grundlage zu behaupten. Die Abdeckung ist damit konservativ: Zwei Entitäten ohne Linie dazwischen wurden womöglich einfach nie gemeinsam beschrieben.
  • Die Abdeckung folgt der Quelllänge. Der Graph entsteht aus Schlagzeilen und Auszügen des Digests; Monate mit kürzeren Auszügen — Juni und Juli — ergeben eine dünnere Karte als Mai oder August.
  • Die Entitätsauflösung ist konservativ. Namensvarianten werden nur zusammengeführt, wo eine deterministische Regel oder die kuratierte Alias-Liste greift; zwei Schreibweisen derselben Sache können getrennt bleiben. Zwei tatsächlich verschiedene Dinge zu verschmelzen ist der Fehler, den das Verfahren zuerst ausschließt.

Jeder Knoten und jede Beziehung verweist zurück auf die Ursprungsmeldung — jede Aussage auf dieser Seite ist an der Quelle überprüfbar.


→ Heutigen Digest lesen → Wie das von allein läuft


Die KI-News, die zählen — bis 07:30 Uhr MEZ im Postfach. Kostenlos, kein Spam.