Anmelden
(Bild: M5Stack)
Das offizielle Flash-Tool für M5Stack-Geräte weist gravierende Sicherheitsmängel auf. Ein Leser hat die Probleme analysiert und sicheren Ersatz entwickelt.
M5Stack-Geräte wie der Cardputer ADV [1] werden über M5Burner verwaltet: Das offizielle Desktop-Tool erlaubt es, Firmware zu durchsuchen, herunterzuladen und direkt auf die Hardware zu flashen. Doch wer M5Burner im Netz betreibt, geht ein erhebliches Risiko ein – das hat unser Leser und Sicherheitsforscher „malloc“ in einer detaillierten Analyse aufgedeckt.
Der User malloc [2] hat den Electron-basierten Closed-Source-Client (frühere Versionen waren noch Open Source) dekompiliert und dabei eine ganze Reihe von Problemen gefunden:
Wer M5Burner aktuell nutzt, sollte das Tool zumindest nicht in öffentlichen oder nicht vertrauenswürdigen WLANs starten. Für Login, Firmware-Verwaltung und Flashen steht m5uploader als quelloffene Alternative [3] (s.u.) bereit.
Die meisten betroffenen M5Stack-Server unterstützen laut Tests von malloc HTTPS bereits problemlos. Die App nutzt es schlicht nicht konsequent. So wurde jeder genutzte Host geprüft. Mit einer Ausnahme (einem Media-Token-Endpunkt auf Port 5003 ohne TLS-Support) wäre ein simples Umstellen der URLs auf https:// bereits ein großer Schritt für die Sicherheit gewesen. Electron bietet zudem sichere Standardeinstellungen (nodeIntegration: false, contextIsolation: true), die M5Burner aktiv deaktiviert.
Bevor malloc seine Analyse veröffentlichte, versuchte er zunächst, M5Stack privat zu kontaktieren. Er suchte nach einer security.txt, einem SECURITY.md im GitHub-Repository des Unternehmens sowie nach einem dedizierten Sicherheitskontakt auf der Website und fand nichts. Da kein privater Meldeweg existierte, entschied er sich, die Schwachstellen direkt öffentlich zu machen. Der Blogpost ist damit gleichzeitig die Erstmeldung an den Hersteller. malloc schreibt dazu selbst, er hätte eine private Meldung bevorzugt, ihm fehlte schlicht die Adresse dafür. Die beschriebene RCE-Lücke ist damit zum Zeitpunkt der Veröffentlichung gegen die aktuelle, ausgelieferte Version von M5Burner aktiv ausnutzbar.
Weil malloc M5Burner nach der Analyse nicht mehr gegen sein eigenes Konto laufen lassen wollte, hat er kurzerhand einen eigenen Client entwickelt und auf GitHub veröffentlicht: m5uploader (github.com/cryptspeak/m5uploader) [4].
Das Python-Tool setzt konsequent auf HTTPS mit Zertifikatsprüfung, verzichtet auf einen eingebetteten Browser und speichert den Session-Token im OS-Keychain. Ein Auto-Updater fehlt bewusst – stattdessen gibt es nur einen Hinweis auf neue Versionen. Firmware-Flashing via esptool ist inzwischen ebenfalls integriert.
URL dieses Artikels:
https://www.heise.de/-11364555
Links in diesem Artikel:
Copyright © 2026 Heise Medien
(Bild: heise medien)
Laut Mozilla-Report hat Open-Source-KI einen Wendepunkt erreicht. Der Leistungsabstand zu proprietären Modellen ist gering, Kosten sinken.
Open-Source-KI hat nach Einschätzung von Mozilla einen Wendepunkt erreicht. Der Browserhersteller sieht offene Sprachmodelle nicht länger als technologisch deutlich unterlegen gegenüber proprietären Angeboten wie ChatGPT oder Claude. Laut dem ersten „State of Open Source AI“-Report beträgt der Leistungsabstand zu den führenden geschlossenen Modellen auf Basis der LMSYS Chatbot Arena nur noch rund 3,3 Prozentpunkte. Gleichzeitig seien die Inferenzkosten innerhalb von drei Jahren von rund 20 US-Dollar auf etwa 40 Cent pro Million Token gesunken.
Trotz dieser Entwicklung profitiert das Open-Source-Ökosystem wirtschaftlich bislang kaum. Mozilla zufolge kommen offene Modelle inzwischen auf etwa ein Drittel der realen KI-Nutzung, erzielen aber lediglich rund vier Prozent der Umsätze. Der Report basiert auf einer eigenen Analyse sowie einer weltweiten Umfrage unter mehr als 950 Entwicklern, die Mozilla gemeinsam mit dem Marktforschungsunternehmen SlashData durchgeführt hat.
Nach den Umfragedaten setzen 79 Prozent der befragten Entwickler offene KI-Modelle ein. In produktiven Umgebungen landen sie jedoch deutlich seltener: 51 Prozent haben Open-Source-Modelle produktiv eingeführt, während der Anteil bei proprietären Modellen 63 Prozent beträgt.
Mozilla führt diese Lücke weniger auf die Qualität der Modelle als auf fehlende Infrastruktur zurück. Die Autoren sehen Defizite vor allem bei Werkzeugen für den produktiven Betrieb, Standardisierung und Enterprise-Support. Als häufigste Hürden nennen die Befragten Infrastruktur- und Rechenkosten, Sicherheits- und Compliance-Anforderungen sowie den Aufwand für Betrieb und Skalierung [1]. Auffällig sei zudem, dass der produktive Einsatz offener Modelle mit zunehmender Unternehmensgröße kaum zunehme – anders als bei proprietären Angeboten.
Nach Auswertung verschiedener Benchmarks haben offene Modelle in Bereichen wie Programmierung, allgemeinem Wissen und dem Befolgen von Anweisungen weitgehend zu proprietären Systemen aufgeschlossen. Vorteile sehen die Autoren für geschlossene Modelle weiterhin bei komplexen Reasoning-Aufgaben, langen Kontextfenstern und agentischen Anwendungen.
Regional sieht Mozilla Ostasien und insbesondere China bei der Einführung offener KI-Modelle vorn. Dort sei Open Source inzwischen Teil der nationalen KI-Strategie. Zugleich würden immer mehr Staaten ihre KI-Infrastruktur als strategische Ressource betrachten. Nach Angaben des Berichts [2] wurden 2024 zwölf neue nationale KI-Strategien verabschiedet. Zudem hätten inzwischen 47 Staaten Einschränkungen für die Verarbeitung kritischer Daten im Ausland eingeführt.
Als wichtigste Entwicklung beschreibt Mozilla den Bedeutungsgewinn der Software rund um die eigentlichen KI-Modelle. Entscheidend sei zunehmend die sogenannte agentische Steuerungsschicht [3] (Agentic Harness). Sie legt fest, auf welche Daten ein KI-Agent zugreifen darf, welche Werkzeuge er verwendet, welche Informationen er dauerhaft speichert und welche Aktionen er selbstständig ausführen kann.
Nach Einschätzung von Mozilla [4] beeinflusst diese Schicht das Verhalten eines KI-Systems teilweise stärker als der Wechsel des zugrunde liegenden Sprachmodells. Wer diese Software kontrolliere, bestimme damit maßgeblich die Fähigkeiten und Grenzen von KI-Agenten.
Der Report warnt zugleich vor Sicherheits- und Governance-Problemen [5]. Nutzer würden Anfragen von KI-Agenten in bis zu 93 Prozent der Fälle standardmäßig bestätigen. Mozilla sieht darin Anzeichen für eine zunehmende „Consent Fatigue“: Häufige Zustimmungsabfragen führten dazu, dass Nutzer Berechtigungen kaum noch kritisch prüfen.
Mozilla fordert deshalb stärkere Investitionen in Infrastruktur, Werkzeuge und Governance für offene KI. Zu den konkreten Empfehlungen des Reports zählen unter anderem der Aufbau eines offenen Agentic Harness, die Abkehr von proprietären Metering-Systemen sowie die Schaffung portabler Berechtigungsstandards für KI-Agenten. Andernfalls bestehe die Gefahr, dass sich zwar offene Modelle technisch etablierten, skalierbare KI-Plattformen aber dauerhaft von proprietären Anbietern dominiert würden.
URL dieses Artikels:
https://www.heise.de/-11364615
Links in diesem Artikel:
Copyright © 2026 Heise Medien
(Bild: Pincasso / Shutterstock.com)
In .NET 10.0 gibt es neuerdings die Methode ExportPkcs12() als Ergänzung zur bestehenden Methode Export().
Eine Neuerung in .NET 10.0 ist die Methode ExportPkcs12() zum Zertifikatsexport mit AES-Verschlüsselung und Hashing via SHA-2-256:
FreshRSS byte[] pfxData = cert.ExportPkcs12(Pkcs12ExportPbeParameters.Pbes2Aes256Sha256, password);Die bisherige Methode Export() verwendet noch veraltete Algorithmen (3DES-Verschlüsselung und SHA1-Hashing). Die alten Verfahren (3DES / SHA1) aus Export() sind allerdings ebenfalls über die neue Methode möglich, wenn man es wirklich will:
byte[] pfxData = cert.ExportPkcs12(Pkcs12ExportPbeParameters.Pkcs12TripleDesSha1, password);Folgender Code zeigt ein Beispiel zum Erstellen und Exportieren eines Zertifikats:
public void Run()
{
CUI.Demo(nameof(FCL10_Certificates));
string certPath = @"c:\temp\meinZertifikat.pfx";
string password = "meinSehrGeheimesPasswort"; // Passwort zum Schutz des Zertifikats
// Selbstsigniertes Zertifikat erstellen
using (var rsa = RSA.Create(2048))
{
var request = new CertificateRequest(
"CN=TestZertifikat",
rsa,
HashAlgorithmName.SHA256,
RSASignaturePadding.Pkcs1);
// Zertifikat für 1 Jahr gültig machen
var cert = request.CreateSelfSigned(
DateTimeOffset.Now,
DateTimeOffset.Now.AddYears(1));
// ALT: Zertifikat mit 3DES-Verschlüsselung und SHA1-Hashing exportieren
// byte[] pfxData = cert.Export(X509ContentType.Pkcs12, password);
// NEU: Zertifikat als AES mit SHA-2-256 exportieren
byte[] pfxData = cert.ExportPkcs12(Pkcs12ExportPbeParameters.Pbes2Aes256Sha256, password);
// NEUE Methode, aber alte Sicherheitsverfahren: 3DES mit SHA-1
// byte[] pfxData = cert.ExportPkcs12(Pkcs12ExportPbeParameters.Pkcs12TripleDesSha1, password);
// PFX-Datei speichern
File.WriteAllBytes(certPath, pfxData);
Console.WriteLine($"Test-Zertifikat erstellt und gespeichert unter: {certPath}");
}
if (!File.Exists(certPath))
{
Console.WriteLine($"Datei nicht gefunden: {certPath}");
}
else
{
// Zertifikat laden
X509Certificate2 cert2 = X509CertificateLoader.LoadPkcs12FromFile(certPath, password);
Console.WriteLine($"Zertifikat geladen von {certPath}:");
Console.WriteLine($"IssuerName: {cert2.IssuerName.Name}");
Console.WriteLine($"Signaturalgorithmus (Hashing): {cert2.SignatureAlgorithm.FriendlyName}");
Console.WriteLine($"Öffentlicher Schlüsselalgorithmus: {cert2.PublicKey.Oid.FriendlyName}");
Console.WriteLine($"Key-Algorithmus OID: {cert2.GetKeyAlgorithm()}");
// Ob für ein Zertifikat-Export (z. B. .pfx/PKCS#12) AES verwendet wurde, steht nicht im Zertifikat selbst, sondern betrifft die Verschlüsselung der Containerdatei. Das Zertifikat enthält nur Infos zu Signatur- und Schlüsselalgorithmus (z. B. RSA, SHA256).
}
}
URL dieses Artikels:
https://www.heise.de/-11363926
Links in diesem Artikel:
Copyright © 2026 Heise Medien
(Bild: Wolf Hosbach / KI / iX)
Next.js will Sicherheitsmeldungen künftig strukturiert und planbar monatlich veröffentlichen. Kritische Warnungen kommen nach wie vor ad hoc.
Das JavaScript-Framework Next.js hat angekündigt, Sicherheitswarnungen künftig regelmäßig etwa einmal im Monat herauszugeben. Wichtige Updates kommen aber nach wie vor sofort. Das soll die Update-Planung für die Next-Anwenderinnen und -Anwender vereinfachen.
Die neuen monatlichen Sicherheitsnachrichten im Blog [1] liefern einen Zeitplan, für welche Next-Versionen wann Updates zu erwarten sind. Die angekündigten Fixes sind außerdem nach Relevanz sortiert. Vor kritischen und schon verwendeten Lücken warnt Next nach wie vor ad hoc im Blog. Diese Lücken sollten Anwender sofort beseitigen.
Die erste Meldung soll am 20. Juli erscheinen und über kommende Updates für Next 15.5 und 16.2 mit hoher und mittlerer Relevanz informieren.
Next.js reagiert mit der Umstrukturierung wie viele andere Open-Source-Projekte auch [2] auf die durch LLM-Reviews gesteigerte Menge an Sicherheits-Pull-Requests. Im Gegensatz zu anderen Teams hält der Next-Herausgeber Vercel aber am Bug-Bounty-Programm auf Hackerone [3] fest.
URL dieses Artikels:
https://www.heise.de/-11363871
Links in diesem Artikel:
Copyright © 2026 Heise Medien
Social-Media-Feeds, Lootboxen, Grooming, Chatbots: Wie du im Netz die Kontrolle behältst – und wo du dir Hilfe holst, sollte es Probleme geben.
Deine Social-Media [1] [1]-Feeds bei TikTok, Instagram und YouTube sind keine Spiegel deiner Interessen. Sie sind das Ergebnis eines Systems, das darauf angelegt ist, dich so lange wie möglich am Bildschirm zu halten. Das macht sie nicht zum Feind. Aber es macht sie zu etwas, das du im Blick haben und so weit wie möglich steuern solltest.
Dieser Text erklärt die Mechanismen hinter Algorithmen, Lootboxen, Deepfakes, Body-Image-Content und KI-Chatbots. Er zeigt, mit welchen Mitteln du deine Social-Media-Feeds umbaust, sodass sie besser deinen Interessen entsprechen. Und er nennt konkrete Anlaufstellen für den Fall, dass aus einem unguten Gefühl ein echtes Problem wird.
Den TikTok-Algorithmus interessiert nicht, ob dir ein Video guttut. Wie genau dieser Empfehlungsalgorithmus funktioniert [6] [6] – von Verweildauer-Messung bis Dopamin-Kicks –, erklärt dir eine ausführliche Analyse. Ihn interessiert, wie lange du es anschaust, ob du es teilst oder speicherst. So kann es dir passieren, dass du innerhalb kurzer Zeit ganz viele SkinnyTok-, Looksmaxxing- oder Fitspiration-Videos in deinem Feed vorfindest, nur weil du ein paar solcher Videos nicht schnell genug weggewischt hast. Wer mit solchen Videos dauerbespielt wird, bei dem gerät das Selbstwertgefühl leicht ins Wanken.
URL dieses Artikels:
https://www.heise.de/-11332519
Links in diesem Artikel:
Copyright © 2026 Heise Medien
(Bild: Richard Seidl)
KI-Personas können das Verhalten von Entwicklerinnen und Entwicklern simulieren, um eine Dokumentation zu prüfen, wie Ingo Eichhorst im Gespräch ausführt.
Dokumentation mit KI zu prüfen, indem man menschliche Verhaltensweisen simuliert: Das ist der Ansatz, den Ingo Eichhorst mitgebracht hat. Mit ihm spricht Richard Seidl darüber, wie sich Personas wie ein Junior-Entwickler oder ein Senior-Entwickler als KI-Agenten in eine CI/CD-Pipeline einbauen lassen, um Dokumentation nicht nur zu bewerten, sondern aktiv damit zu arbeiten. Der Junior-Entwickler verbraucht dabei fast sechsmal so viele Token wie der Senior, weil er an einer missverständlichen URL-Struktur scheitert und sich im Trial-and-Error verliert. Das zeigt direkt, wo man Dokumentation nachbessern muss. Die beiden reden auch darüber, warum das Domänenwissen hinter Code so schwer zu rekonstruieren ist, sobald es einmal verloren ist, und was passiert, wenn eine KI plötzlich zwischen Entwicklern und Management als Übersetzungsschicht wirkt.
„Wir müssen uns von dem Gedanken verabschieden, dass wir immer so einen 100-Prozent-Output bekommen.“ – Ingo Eichhorst
Ingo Eichhorst [2] ist AI Architect, CTO und Tech Trainer mit über zwei Jahrzehnten Erfahrung in Softwareentwicklung und Systemarchitektur. Seit den 1990er-Jahren gestaltet er digitale Systeme und verbindet dabei technologische Exzellenz mit unternehmerischem Denken. Bei Ionos arbeitet er als Engineering Trainer, parallel lehrt er als Visiting Lecturer für Künstliche Intelligenz [3] an der University of Applied Sciences Nordhausen. Nebenberuflich [4] begleitet er mit seinem Unternehmen better be great Start-ups, Scale-ups und NGOs bei der Umsetzung innovativer Technologien in marktfähige Produkte.
Dieses Format fokussiert sich auf Softwarequalität: Ob Testautomatisierung, Qualität in agilen Projekten, Testdaten oder Testteams – Richard Seidl und seine Gäste betrachten die Dinge, welche die Qualität in der Softwareentwicklung steigern.
Die aktuelle Episode ist auch auf Richard Seidls Blog verfügbar [5].
URL dieses Artikels:
https://www.heise.de/-11362242
Links in diesem Artikel:
Copyright © 2026 Heise Medien
Banken sollen Betrugsopfer künftig öfter und schneller entschädigen und mehr für die Prävention tun. Der Kompromiss lässt den Instituten jedoch viel Spielraum.
Angriffe auf das Onlinebanking von Verbrauchern zielen heute fast immer auf den Menschen statt auf die Technik. Gut gemachte Phishing-SMS oder -Mails suggerieren Sicherheitsprobleme. Betrüger geben sich am Telefon als Bankberater aus und wollen angeblich gegen – ja, Betrug helfen. Die Maschen funktionieren zu oft, erbeutetes Geld ist schnell außer Landes, Strafverfolger haben es schwer. Wenn Betroffene bei ihren Banken Ansprüche geltend machen, unterstellen die Kreditinstitute ihnen jedoch pauschal Sorgfaltspflichtverletzungen und grobe Fahrlässigkeit. Wer sich keinen Anwalt leisten kann, scheitert selbst mit berechtigten Forderungen.
Diesen Problemen will die EU in der neuen Zahlungsdiensteverordnung (Payment Services Regulation, PSR) begegnen. Sie soll es Bankkunden erleichtern, ihre Ansprüche geltend zu machen. Banken sollen bei Identitätsbetrug durch falsche Bankberater oder gefälschte Webseiten Schäden außerdem verschuldensunabhängig erstatten. Die PSR soll den Verbraucherschutz stärken, aber auch dafür sorgen, dass Banken die Betrugsprävention verbessern.
Fraglich ist, ob der Kompromiss zwischen EU-Kommission, -Rat und -Parlament, den diverse Lobbyorganisationen begleitet haben [8] [8], den Verbrauchern wirklich hilft. Wir haben uns den finalen Text der PSR [9] [9] sowie Positionspapiere von Verbraucherschützern und Banken angesehen und mit Experten gesprochen. Zur Einordnung erklären wir, warum die heutigen Haftungsregeln betrogene Bankkunden benachteiligen und warum das in der Praxis der PSR trotz ihrer Ziele so bleiben könnte – aber auch, weshalb sie Kriminellen die Arbeit möglicherweise doch schwerer machen könnte.
URL dieses Artikels:
https://www.heise.de/-11295747
Links in diesem Artikel:
Copyright © 2026 Heise Medien
(Bild: www.makerspet.com)
Ein 3D-gedruckter Saugroboter mit LiDAR, Raspberry Pi und Home Assistant – komplett offline und quelloffen. Das Projekt Oomwoo will zeigen, dass das geht.
Bisherige DIY-Saugroboter navigieren primitiv: Sie fahren blind durch den Raum und prallen dabei wie Betrunkene von Wand zu Wand. Das Open-Source-Projekt Oomwoo will das ändern, indem die gleichen Navigations-Frameworks zum Einsatz kommen, die auch teure kommerzielle Saugroboter verwenden: Mit 2D-LiDAR und dem Nav2-Stack des Open-Source-Frameworks ROS 2 (Robot Operating System) soll der Roboter geplante Pfade abfahren.
Statt alle Komponenten selbst zu entwickeln, setzt das Projekt auf den florierenden Ersatzteilmarkt für chinesische Saugroboter: Motoren, Sensoren und Saugmodule werden etwa über AliExpress bezogen, lediglich Gehäuse, Bumper, Halterungen und Ladestation kommen aus dem eigenen 3D-Drucker.
Sämtliche Projektbestandteile – von den CAD-Dateien über die Firmware bis zur Steuerungssoftware – sind unter der Apache-2.0-Lizenz frei verfügbar. Cloud-Anbindung soll es nicht geben. Der Roboter soll komplett lokal arbeiten und über Home Assistant gesteuert werden.
Hinter Oomwoo steht Entwickler Ilia O., der unter anderem einfache Roboterbausätze für Unterricht und DIY verkauft. Bislang gibt es ein Chassis-Design und einige Simulationen der Steuerungssoftware, dazu viel Zuspruch in den Kommentaren auf der Projektseite [1]. Fertige Nachbauanleitungen fehlen noch, und auch grundlegende Entscheidungen stehen noch aus – etwa welcher Rechner die Navigation übernehmen soll. Sowohl ein Raspberry Pi 5 als auch ein ESP32 mit micro-ROS als auch eine Kombination werden erwogen.
Eine Teileliste [3] ist für Mitte Juli angekündigt. Das Materialbudget soll bei 100 bis 200 US-Dollar plus Raspberry Pi liegen – für einen Roboter, der laut Entwickler mit kommerziellen Geräten der 500- bis 600-Dollar-Klasse mithalten soll.
Der modulare Aufbau soll es Mitwirkenden ermöglichen, unabhängig voneinander an einzelnen Baugruppen zu arbeiten. Ein Bausatz ist angedacht, zwingend nötig soll er aber nicht sein.
Ilia O. nennt die wiederkehrenden [4] Sicherheitsprobleme [5] kommerzieller Saugroboter als Motivation und verweist auf den amerikanischen Sicherheitsforscher Dennis Giese, der seit Jahren die Hardware proprietärer Saugroboter in seinem Projekt robotinfo.dev [6] dokumentiert und dabei regelmäßig Schwachstellen aufdeckt. Bereits auf dem 37C3 Ende 2023 zeigte er unter dem Titel "Sucking Dust and Cutting Grass" [7], wie sich Saugroboter und Mähroboter übernehmen lassen. Oomwoo umgeht das Problem, indem es weder Kamera noch Internetverbindung mitbringt.
An Maker-Saugrobotern herrscht kein Mangel: Der 3D-gedruckte Robot Vacuum Cleaner MARK II auf Arduino-Nano-Basis oder diverse Raspberry-Pi-Zero-Bauten auf GitHub zeigen, dass die Szene das Thema seit Jahren bearbeitet. Das schwedische Projekt Wolley verfolgte einen ähnlich ambitionierten Ansatz, scheint aber seit 2024 eingeschlafen zu sein.
(Bild: www.wolley.se)
Oomwoo ist damit nach aktuellem Stand das erste Projekt, das einen komplett selbst gebauten Saugroboter mit professioneller SLAM-Navigation verbindet. SLAM (Simultaneous Localization and Mapping) bedeutet, dass der Roboter während der Fahrt gleichzeitig eine Karte seiner Umgebung erstellt und seine eigene Position darin bestimmt. Genau so navigieren auch die meisten kommerziellen Saugroboter.
URL dieses Artikels:
https://www.heise.de/-11363023
Links in diesem Artikel:
Copyright © 2026 Heise Medien
(Bild: Wolf Hosbach / KI / iX)
Die aktuelle Version des Entwicklungs-Tools für Spec-driven Development unterstützt neue KI-Tools und bietet eine Updatemöglichkeit bestehender Spezifikationen.
Das Tool OpenSpec für Spec-driven Development führt in Version 1.6 einen Update-Befehl ein und unterstützt Projekte mit dem Coding-Agenten Oh My Pi und dem KI-Editor TRAE.
Mit dem neuen Befehl /opsx:update können Entwicklerinnen und Entwickler eine vorhandene, mit OpenSpec erzeugte Spezifikation vor der Implementierung ändern, ohne einen komplett neuen Anlauf nehmen zu müssen.
Außerdem erzeugt OpenSpec [1] nun Kommandos und Skills für den CLI-Agenten Oh My Pi und für die KI-Entwicklungsumgebung TRAE von ByteDance. Für Prompts hat das OpenSpec-Team zudem die Genehmigungsregeln vereinfacht, die Entwickler jetzt pauschal im Vorfeld erteilen können. Auch die Validierung von Anforderungen an ein neues Projekt arbeitet laut Release Notes [2] nun konsistenter.
Das Kommandozeilen-Tool OpenSpec organisiert KI-Projekte mit Spec-driven Development. Das heißt, Entwickler teilen dem Tool ihre Idee mit (/opsx:explore), wobei sich auch explizit bestehender Code einbinden lässt. Das Tool arbeitet also auch brown field.
Mit /opsx:propose erzeugt OpenSpec dann die Spezifikation in verschiedenen Ordnern und Markdown-Dateien. Die Spezifikation dient als Grundlage für die eigentliche Entwicklung und führt insbesondere KI-Agenten in die richtige Richtung. Eine Ablagemöglichkeit der Specs in einem Repo ist noch beta und soll als zentrale Single Source of Truth für ein Team dienen.
Sobald die Specs fertig sind und kein /opsx:update erforderlich war, startet man die Umsetzung mit /opsx:apply. Dabei arbeitet OpenSpec mit über 25 Tools [3] zusammen, wie Antigravity, Claude Code, Codex, Cursor, Gemini CLI, GitHub Copilot, Junie, Kiro, Mistral Vibe, Qwen Code und neu eben Oh My Pi sowie TRAE. Als Modelle für OpenSpec selbst empfiehlt der Herausgeber Codex 5.5 oder Opus 4.7.
OpenSpec läuft auf Node ab Version 20.19 und ist Open Source unter MIT-Lizenz. KI-Contributions sind willkommen, solange sie geprüft und mit Modellbezeichnung im Pull Request erfolgen.
URL dieses Artikels:
https://www.heise.de/-11360349
Links in diesem Artikel:
Copyright © 2026 Heise Medien
(Bild: heise medien)
Quarkdown 2.4 bringt eine der größten Neuerungen des Projekts: Markdown-Elemente lassen sich erstmals direkt erweitern und anpassen.
Mit Quarkdown 2.4 erhält das Dokumentensatzsystem eine der bislang größten funktionalen Erweiterungen. Im Mittelpunkt steht ein als leicht experimentell gekennzeichnetes System, mit dem Anwender erstmals die eingebauten Markdown-Elemente selbst erweitern können. Dadurch lassen sich Verhalten und Darstellung von Überschriften, Links oder Absätzen über globale Regeln anpassen. Zudem bringt die Version neue Primitive für Absätze, Formeln und Links, erweitert die Styling-Möglichkeiten und enthält mehrere Änderungen an der Funktionssyntax sowie Performance-Optimierungen.
Quarkdown ist ein Open-Source-Dokumentensatzsystem, das Markdown um eine Skript- und Layoutsprache erweitert. Damit lassen sich aus einer Markdown-ähnlichen Syntax komplexe Dokumente mit Variablen, Funktionen, Bedingungen und eigener Formatierung erzeugen. Das Projekt richtet sich vor allem an Anwender, die programmierbare Dokumente erstellen möchten, und orientiert sich in Teilen an Konzepten moderner Satzsysteme wie Typst.
Die wichtigste Neuerung von Quarkdown 2.4 ist ein experimentelles System für sogenannte Element-Stylings. Dahinter verbirgt sich die Möglichkeit, Primitive des Systems mit .extend zu erweitern. Die Funktion existiert bereits seit Version 2.2 zum Überschreiben eigener Funktionen. Mit Quarkdown 2.4 lässt sie sich erstmals auch direkt auf die eingebauten Markdown-Elemente anwenden. Erweitert der Nutzer etwa das Primitiv `.heading`, betrifft dies automatisch alle Überschriften, die er mit der #-Syntax schreibt.
Nach Angaben des Projekts [1] gilt Version 2.4 als eines der wichtigsten Releases seit Bestehen von Quarkdown; das neue Feature orientiert sich konzeptionell an den #show rules des Dokumentensatzsystems Typst. Ähnlich wie CSS, aber tiefer ansetzend, greifen die Regeln direkt in die interne Dokumentstruktur (Abstract Syntax Tree, AST) ein, bevor das Dokument gesetzt wird. Zunächst unterstützt die Funktion Überschriften, Absätze, Links, Abbildungen, Bilder, mathematische Ausdrücke sowie Seitenumbrüche. Langfristig sollen sämtliche Markdown-Elemente auf entsprechenden Primitiven basieren.
Ergänzend führt Version 2.4 die neuen Primitive .paragraph, .math und .link ein. Sie bilden künftig die Grundlage für Markdown-Absätze, mit $...$ markierte mathematische Ausdrücke sowie Links und lassen sich ebenfalls über .extend anpassen.
Mehrere Primitive erhalten zudem umfangreiche Styling-Eigenschaften, die bislang Containern vorbehalten waren. Dazu zählen unter anderem Vorder- und Hintergrundfarben, Rahmen, Innenabstände und Schriftgrößen. Überschriften, Absätze, Formeln und Links lassen sich dadurch direkt gestalten, ohne sie zusätzlich in Container-Elemente einzubetten.
Neu ist außerdem ein where-Parameter für .extend. Damit lassen sich Erweiterungen an Bedingungen knüpfen. So können beispielsweise nur Überschriften der Ebenen 1 und 2 eine besondere Hintergrundfarbe erhalten, während tiefere Überschriften unverändert bleiben. Ebenso lassen sich etwa externe Links automatisch mit einem Symbol kennzeichnen.
Eine weitere Funktion namens .match durchsucht Inline-Inhalte anhand regulärer Ausdrücke und ersetzt jeden Treffer durch den Rückgabewert einer Lambda-Funktion. Das erleichtert automatisierte Formatierungen oder die gezielte Hervorhebung bestimmter Textmuster im gesamten Dokument.
Mit Quarkdown 2.4 vereinfacht das Projekt außerdem die Syntax für Lambda-Funktionen. Inline-Lambdas benötigen den Präfix @lambda nicht mehr, sofern der Zielparameter bereits als Lambda definiert ist. Zur Wahrung der Kompatibilität akzeptiert Quarkdown die bisherige Schreibweise weiterhin.
Darüber hinaus überarbeitet die neue Version die Bindung von Funktionsargumenten. Native Funktionen können nun explizit festlegen, welcher Parameter den Funktionsrumpf aufnimmt. Das gilt unter anderem für die Funktionen .text und .heading. Zusätzlich unterstützen jetzt auch Inline-Funktionsaufrufe Body-Argumente, die bislang nur in Blockaufrufen zulässig waren.
Schließlich haben die Entwickler die Zuordnung von Parametern intern optimiert. Die Argumente werden nun in einem einzigen Durchlauf verarbeitet, was die Ausführung von Dokumenten beschleunigen soll.
URL dieses Artikels:
https://www.heise.de/-11362586
Links in diesem Artikel:
Copyright © 2026 Heise Medien
Politik fordert Verbote, Plattformen versprechen Besserung, doch für Kinder ändert sich wenig. Eine ernüchternde Bestandsaufnahme.
Wer einen Spielplatz baut, muss Normen einhalten. Die Höhe von Klettergerüsten ist ebenso geregelt wie die Beschaffenheit von Fallschutzflächen. Steckdosen erhalten Kindersicherungen, an Grundschulen gilt Tempo 30. Über Jahrzehnte haben Gesetzgeber, Hersteller und Pädagogen ein dichtes Netz aus Sicherheitsvorkehrungen zum Schutz von Kindern und Jugendlichen geschaffen.
Im digitalen Raum manövrieren Kinder durch Umgebungen, die ursprünglich für Erwachsene entwickelt wurden. Empfehlungsalgorithmen bestimmen, welche Videos, Bilder oder Beiträge Kinder überhaupt zu sehen bekommen. Messenger ermöglichen den Kontakt zu Fremden. Viele der Dienste erklären zwar in ihren Nutzungsbedingungen, sie richten sich nur an Personen ab 13 Jahren oder älter. Tatsächlich gehören Kinder und Jugendliche aber zu ihren wichtigsten Nutzergruppen.
Während der Schutz von Kindern in der analogen Welt über Jahrzehnte zu einem selbstverständlichen Leitprinzip wurde, entwickelte sich das Internet zunächst weitgehend ohne vergleichbare Schutzmechanismen. Erst in den vergangenen Jahren hat sich die Debatte um den Jugendschutz im Netz [3] [3] spürbar verschoben. Auch aufgrund neuer Studienergebnisse denken die Politik und Medienpädagogik zurzeit um. Die Architektur digitaler Dienste rückt in den Mittelpunkt. Der Artikel zeigt anhand aktueller Studien, wo konkrete Risiken liegen, wie Plattformdesign sie verstärkt und warum politische Antworten bislang nur begrenzt greifen.
URL dieses Artikels:
https://www.heise.de/-11332467
Links in diesem Artikel:
Copyright © 2026 Heise Medien
Statt teurer VPN-Anbieter reicht im Urlaub die eigene Fritzbox. Wir zeigen, wie ihr in wenigen Minuten einen sicheren WireGuard-Tunnel nach Hause einrichtet.
Es ist Urlaubszeit! Ihr seid endlich am Zielort, checkt im Hotel ein, bezieht das Zimmer und verbindet euch ganz selbstverständlich mit dem Hotel-WLAN. Doch dann fragt ihr euch: Kann man dem eigentlich vertrauen?
Werde ich beim Surfen beobachtet, werden meine Passwörter abgefischt? Sollte ich zur Sicherheit eins dieser VPNs für 9,99 Euro im Monat buchen, um verschlüsselt zu surfen? Das Problem solcher Anbieter: Die Werbeversprechen sind oft überzogen, man muss diesen vertrauen und dann auch noch Geld dafür zahlen. Ganz konkret: Die unverschlüsselten Teile des Verkehrs, die ohne VPN der Hotelbetreiber sehen könnte, kann mit VPN ein VPN-Anbieter mit Sitz in beispielsweise Panama oder Malta sehen.
Anstatt unterwegs den gesamten Verkehr zu einem kommerziellen Anbieter umzuleiten, könnt ihr euch mit dem passenden Router vor dem Urlaub einen VPN-Tunnel nach Hause bauen. Wie das geht, zeigen wir im Video.
URL dieses Artikels:
https://www.heise.de/-11360819
Links in diesem Artikel:
Copyright © 2026 Heise Medien
Die Hitzewelle ist zwar vorbei, aber war nicht die Letzte. In c't uplink klären wir, wie ihr euch vorbereitet und welche Klimaanlagen auch für Mieter taugen.
Der heißeste Juni in Europa seit Beginn der Wetteraufzeichnung. Der letzte Rekord ist erst vom Vorjahr. Sommerliche Hitzewellen sind längst auch in Deutschland Realität. Klimaanlagen, früher hierzulande eher verpönt, rücken deshalb immer stärker in den Fokus. Viele Modelle zum Selberaufstellen sind zeitweise ausverkauft. In der aktuellen Folge von c't uplink sprechen wir darüber, was die kleinen Klimaanlagen taugen, und blicken auch auf ungewöhnliche Gadgets.
Die heise+-Redakteure Alexander Spier und Jan Philipp Wöbbeking beschäftigen sich schon länger mit den Klimageräten. Alexander Spier hat kürzlich eine günstige Monoblock-Klimaanlage vom Baumarkt getestet. Jan Philipp Wöbbeking bastelt schon länger daran, seine Monoblock-Klimaanlage effizienter zu bekommen, und berichtet von seinen Erfahrungen.
Gemeinsam mit Moderator Keywan Tonekaboni sprechen sie über die verschiedenen Funktionsweisen der Bautypen und darüber, welche Kniffe wirklich helfen und wie praktikabel mobile Split-Klimaanlagen für Mieter sind.
Abseits von Klimaanlagen hat Jan Philipp Wöbbeking gerade noch ganz verrückte Gadgets im Test, angefangen bei einer Weste mit eingebauten Ventilatoren bis hin zu Kühlsystemen fürs Bett. Wie es Jan Philipp Wöbbeking mit der Kühlweste auf einem Festival ergangen ist und welche auch einfachen Tipps die beiden noch für heiße Tage haben, erfahrt ihr in diesem c’t uplink. Bleibt cool!
Zu Gast im Studio: Alexander Spier und Jan Philipp Wöbbeking
Host: Keywan Tonekaboni
Produktion: Tobias Reimer
Artikel zum Thema auf heise+:
► Kühl durch die Hitze: Mythen und Fakten rund um die Klimaanlage [8]
► Billige Klimaanlage aus dem Baumarkt im Test: Abkühlung für unter 200 Euro [9]
► Klimaanlagen-Tuning: Mehr Kühlleistung dank Fensterdurchführung und Isolierung [10]
► Mobile Split-Klimaanlage im Praxistest: Midea PortaSplit sorgt für kühle Sommer [11]
► Die Klimaanlage fürs Bett im Test: Kühler schlafen in heißen Nächten [12]
► Sonnenschutzfolien: Einfacher Hitzeschutz für jedes Fenster [13]
► heise+ Expertentalk: Mobile Klimageräte – Tipps für den Kauf und Betrieb [14]
► c't Magazin [15]
► c't auf Mastodon [16]
► c't auf Instagram [17]
► c't auf Facebook [18]
► c't auf Bluesky [19]
► c’t auf Threads [20]
► c't auf Papier: überall, wo es Zeitschriften gibt!
URL dieses Artikels:
https://www.heise.de/-11360163
Links in diesem Artikel:
Copyright © 2026 Heise Medien
(Bild: Natalia Klenova / Shutterstock.com)
Kleine, aber interessante Meldungshäppchen vom News-Buffet zu Rustup, Python Software Foundation, Vite+, Kubermatic, Django, PyTorch, Kai, Eclipse und Rust.
In unserem leckeren Häppchen-Überblick servieren wir alles, was es zwar nicht in die News geschafft hat, wir aber dennoch für spannend halten:
reqwest das veraltete curl-Download-Backend endgültig ab und die implizite Toolchain‑Installation wurde für rustup- und rustup-init-Aufrufe deaktiviert. Bei Proxy-Befehlen wie rustc und cargo bleibt sie erhalten.CARGO_BUILD_WARNINGS eine Warnungsbehandlung per Cargo ein und zeigt Linker‑Ausgaben nicht mehr versteckt an. Die Release Notes [12] enthalten alle Neuerungen.Solltest du ein schmackhaftes Thema vermissen, freuen wir uns über deine Mail [13].
URL dieses Artikels:
https://www.heise.de/-11358939
Links in diesem Artikel:
Copyright © 2026 Heise Medien
KI-Agenten sind praktisch, aber dafür intime Daten in die Cloud schicken? Mit Hermes-Agent und lokalen Modellen wie Qwen 3.6 klappts auf dem eigenen Rechner.
Agentische Systeme wie OpenClaw oder Hermes sind schwer angesagt; aber meist arbeiten diese mit Cloud-KI-Modellen -- was nicht nur etliche Nachteile hat, sondern im beruflichen Umfeld sogar verboten sein kann. c’t 3003 hat deshalb ausprobiert, wie Hermes-Agent mit lokalen Modellen funktioniert, konkret mit Qwen 3.6 (Geschmacksrichtung 27B-UD-Q4_K_XL mit MTP [1]).
(Hinweis: Dieses Transkript ist für Menschen gedacht, die das Video oben nicht schauen können oder wollen. Der Text gibt nicht alle Informationen der Bildspur wieder.)
Guckt mal hier, obwohl ich mein Internet gerade komplett abgeklemmt habe, baut mir mein KI-Agent gerade ein Spiel. Das Ding läuft nämlich komplett lokal. Anthropic, OpenAI und Co. lesen meine Daten nicht mit, ätschi. Und das Ding kann auch meine Linux-Installation komplett bedienen. Also ich sage einfach, such mir mal im Netz irgendwo ein Bild mit irgendwie strickenden Oktopussen und richte mir das als Desktop-Hintergrund ein. Ja, zack, fertig. Ich kann aber auch noch viel tiefer ins System gehen und sagen, richte mir mal eine andere Desktop-Umgebung ein. Ich will Cosmic statt KDE, zack, fertig.
Und ihr sagt jetzt vielleicht, ja, das gibt's doch schon lange. Und dann sage ich, ja, aber nicht in dieser Qualität. Komplett lokal auf bezahlbare Hardware. Wir sprechen hier von einem Modell, was auf meiner SSD weniger als 17 Gigabyte einnimmt. Ganz ehrlich, ich habe mir zwar immer gewünscht, dass lokale KI aufholt gegenüber den großen, teuren, energiehungrigen Cloud-Modellen, die ja auch einfach deaktiviert werden können. Schöne Grüße an Fable. Aber ich war auch immer noch ein bisschen skeptisch. Und jetzt habe ich hier bei mir die Kombination aus dem KI-Agenten Hermes und dem großen Sprachmodell Qwen 3.6 27B laufen und denke jetzt zum allerersten Mal, okay, das will ich so benutzen. Das macht sinnvolle Dinge. Und guck mal bitte, wie schnell das antwortet. Das ist Originalgeschwindigkeit.
Ich war zwischendurch so verwirrt von den Fähigkeiten, dass ich gedacht habe, nee, ich glaube, ich habe da doch was falsch konfiguriert. Jetzt zapft da doch ein Cloud-Modell an. Das kann doch nicht sein. Und ich habe dann wirklich das Internetkabel aus meinem Router gezogen. Und ja, es lief weiter. Also wirklich komplett lokal. Ja, und das ist für mich jetzt wirklich mal wieder ein revolutionärer Moment, weil das System wirklich das kann, was ich mir unter agentischer lokaler KI vorstelle. Hier auch mal schöne Grüße an die kommerziellen Betriebssystemhersteller. Alles hier im Video ist Open Source und das ist Lichtjahre von dem entfernt, was ihr so macht.
Ja, und leider habe ich später dann auch gemerkt, wo die Kompromisse sind, die man hier eingehen muss und wo der Haken ist. Bleibt dran.
Ja Leute, also zwei Sachen schreibt ihr uns ständig in die Kommentare. Macht doch mal was zu Hermes-Agent und macht doch bitte mal mehr über lokale KI-Modelle. Und ja, das machen wir jetzt und sogar beides in einem Video, in diesem hier nämlich. Und ich versuche jetzt mal wirklich alle von euch abzuholen, weil ich auch wirklich finde, dass das, was hier jetzt möglich ist, wirklich für alle relevant ist, die gerne mal einen Computer benutzen. Das Video ist so aufgebaut, dass es erstmal eher allgemein ist und dann zum Ende dann doch ein bisschen nerdig wird, weil das Thema lokale KI ist halt noch etwas fummelig, aber es lohnt sich auch wirklich.
Also erstmal ganz grob, was ist Hermes-Agent überhaupt? Ja, das ist ein KI-Agent und anders als ein Chatbot wie ChatGPT, das halt wirklich nur im Browser-Fenster lebt und mir da halt Text und vielleicht Bilder zurückgibt, kann so ein Agent selbst Dinge tun, also mir die komplette Computerbedienung abnehmen. Das heißt, ich kommuniziere mit dem Agenten in normaler Menschensprache, entweder per Kommandozeile oder auch per Sprachnachricht. Ich kann den nämlich auch an eine Messenger-App auf dem Smartphone ankoppeln und sage dem dann, was ich will oder was ich machen will und dann macht er das. Das können Programmierprojekte sein, zum Beispiel dieser Schneemann-Shooter hier, habe ich komplett ohne Cloud-Modell entwickeln lassen oder halt auch einfach Computer-Problemlösungen, wie zum Beispiel, ich kriege ComfyUI hier auf meiner AMD-Hardware nicht zum Laufen, installiere mir das mal bitte. Oder guck dir mal alle Bilder in diesem Ordner an und verschiebe alle YouTube-Thumbnails in Unterordner XY. Also alles, was ein Mensch so machen könnte, der Zugriff auf diesen Computer hat, auf dem Hermes-Agent läuft.
Am besten funktioniert das mit Dingen, die man im Terminal, also auf der Kommandozeile machen kann, also textbasiert. Mit grafischen Benutzeroberflächen und Websites kann Hermes-Agent auch arbeiten, aber bei Weitem nicht so gut. Agenten denken halt in Text und deshalb können sie am besten mit Text umgehen. Hermes-Agent läuft auf Linux, macOS und Windows und man kann es nicht nur auf der Kommandozeile verwenden, sondern es gibt auf Wunsch auch eine grafische Benutzeroberfläche, die sieht so aus. Ich habe im Rest dieses Videos Hermes aber über die Kommandozeile beziehungsweise über den Telegram-Messenger bedient.
Falls euch das jetzt bekannt vorkommt, ja genau, das gilt auch alles für OpenClaw, der Hype-Software aus Österreich. Naja, jetzt USA, der Entwickler Peter Steinberger arbeitet ja inzwischen bei OpenAI. OpenClaw ist zwar offiziell kein OpenAI-Projekt und bleibt Open Source, aber naja, viele Leute sehen die Software seit Steinbergers OpenAI-Gang ein bisschen skeptisch. Ja, und deswegen jetzt Hermes-Agent, das ist eine Alternative, ist auch Open Source, gleiche Lizenz, MIT und man muss aber wirklich sagen, dass sich die beiden schon wirklich sehr, sehr ähneln.
Meine Erfahrung ist, Hermes arbeitet vielleicht ein bisschen autonomer, kriegt Sachen besser selbstständig hin. Bei OpenClaw muss man öfter hin und her gehen, also sowas wie, versuch's bitte nochmal, so und so. Hermes ist da oft hartnäckiger und Hermes ist auch mehr auf Tokensparsamkeit optimiert. Tokens, das ist ja die kleinste Einheit, mit der große Sprachmodelle arbeiten, das sind quasi Silben. Und das Ding bei diesen Agenten ist halt, dass die hinter den Kulissen einfach mit riesigen Prompts arbeiten, also da steht dann halt ein riesiger Roman drin, was sie gerade alles beachten müssen. Und deshalb verbrauchen Agenten mies viel Tokens. Das ist gut für Unternehmen wie Anthropic und OpenAI, die halt Tokens verkaufen, ist nicht so gut für Leute, die Agenten benutzen und Tokens kaufen müssen. Deshalb ist es ja auch so cool, dass ich hier komplett lokal arbeiten kann. Ich bezahle also nur meine Hardware, meinen Strom, aber keine Tokens. Dazu später mehr.
Kurz mal technisch zum Unterschied zwischen Hermes und OpenClaw. Hermes verwendet intern am liebsten Python, um Sachen zu scripten, OpenClaw TypeScript. Das ist eine JavaScript-Geschmacksrichtung. Außerdem bezeichnet Hermes sich als permanent selbstverbessernd. Das heißt, dass es sich automatisch Sachen merkt, wenn es was gut hinbekommen hat, zum Beispiel wie man bestimmte Werkzeuge konkret aufruft und es baut auch selbst solche Werkzeuge selbstständig. Das kann OpenClaw auch, macht es aber laut meiner Erfahrung nicht ganz so zuverlässig. Also das kann sein, dass sich OpenClaw einen abbricht, zum Beispiel in meinem Heimnetzwerk irgendwie Inhalte auf meinen Fernseher zu bringen. Und wenn man das dann später noch mal versucht, dann fängt er manchmal wieder von vorne an, statt sich an die schon mal gefundene Lösung zu erinnern, was super nervig sein kann. Bei Hermes ist die Wahrscheinlichkeit höher, dass es sich gemerkt hat, wie mein Fernseher ansprechbar ist. Dafür hat OpenClaw aber mehr vorgefertigte Skills in der eigenen Claw-Hub-Datenbank. Hermes schreibt sich die Skills lieber selbst.
Und was auch ganz klar sichtbar ist, Hermes-Agent verhält sich technischer als OpenClaw. Also Hermes zeigt auch mal irgendwelche Terminal-Aufrufe im Messenger, während OpenClaw solche Sachen eher versteckt und versucht, einen Menschen zu cosplayen. Und OpenClaw ist als privates Hobby-Projekt gestartet, wo es halt null um Security und sowas ging. Das hat sich inzwischen auf jeden Fall verbessert, aber ganz klar, bei Hermes-Agent wurde Security von Anfang an mitgedacht, einfach weil es das neuere Projekt ist. Hinter Hermes steckt Nous Research aus New York. Die kommen aus der Kryptowelt und sind schon lange in der lokalen LLM-Szene aktiv, haben zum Beispiel unzensierte Modelle veröffentlicht. Das ist eine recht kleine Firma, also noch jedenfalls.
Okay, das erst mal vorab. Und wie genau habe ich Hermes-Agent jetzt getestet? Also natürlich habe ich das nicht auf einem Produktivsystem installiert, wo irgendwelche wichtigen Daten drauf sind. Hermes hat nämlich Zugriff aufs ganze System. Da können also Sachen kaputt gehen. Das Thema agentische Systeme ist ja auch noch ziemlich neu. Ich persönlich würde euch deshalb immer empfehlen, probiert das nur auf Systemen aus, wo es nicht schlimm wäre, wenn a, alle Daten verloren gingen und b, wenn die Daten von diesem Rechner irgendwohin abfließen. Stichwort Prompt Injections, also versteckte Anweisungen an den Agenten, die irgendwo im Netz liegen können.
Deshalb habe ich es so gemacht, dass ich Hermes-Agent auf einem komplett blanken System getestet habe. In dem Fall CachyOS, also Linux und das auf einem Framework Desktop. Das ist ein Rechner, der selbst auch zusätzlich zu Hermes ein LLM hosten kann. Also auf dem nicht nur Hermes selbst läuft, sondern eben auch das lokale LLM obendrauf, wenn ich das will. Das muss aber nicht so sein, denn Hermes selbst läuft auch auf einem sehr viel langsameren Rechner. Es kann ein altes Notebook sein oder ein gemieteter VPS oder man kann das Ding auch in der virtuellen Maschine installieren. Ist alles egal. Wenn ihr aber keine Cloud-KI nutzen wollt, dann braucht ihr dann aber halt noch einen Rechner, auf dem ein LLM läuft.
Für mich ist der Sweetspot in Sachen Qualität und Aufwand zurzeit Qwen 3.6 mit 27 Milliarden Parametern in 4-Bit-Quantisierung. Da sind die Gewichte 17 Gigabyte ungefähr groß. Also man braucht dann also mit Puffer und mit Kontext und mit Sicherheitsreserve ungefähr 24 Gigabyte schnellen Speicher. Im besten Fall GPU-Speicher. Zur Not läuft das aber auch auf 24 Gigabyte normalem RAM. Bei meinen Tests habe ich Qwen von einem Gaming-PC mit RTX 4090 auf meinen Linux-Hermes-Rechner zugespielt, geserved sozusagen. Übrigens lief auf dem LLM-Rechner sogar Windows. Das würde aber mindestens genauso gut mit Linux gehen. Die Kombination fand ich aber ganz lustig. Also Linux wird von Windows geserved.
Aber bevor wir in die Details einsteigen, also wie man das Ding lokal einrichtet, ein paar Beispiele, was ich mit der Kombination Hermes und Qwen 3.6 27B so gemacht habe. Erst mal ganz allgemein zum Verständnis, denn auch wenn das LLM selbst nicht ins Internet kann, kann es Hermes und das ist eine gute Kombination. Also Intelligenz vom lokalen Modell und Internet vom agentischen System. Da kann man dann nämlich einfach auch so Sachen fragen, wie ist das Wetter zurzeit in Hannover? Und dann gibt es darauf eine Antwort. Und die Systeme halluzinieren dann auch nicht mehr so viel, weil es sich eben immer mundgerecht Informationen aus dem Internet holen kann.
Weil Hermes eben nicht nur über die Kommandozeile steuerbar ist, habe ich auch mein Handy verwendet mit Telegram. Nicht, weil ich so ein Telegram-Fan bin, sondern weil Telegram am einfachsten einzurichten ist mit solchen Agenten. Das dauert mit Telegram wirklich nur drei Sekunden. Damit kann ich dann den Hermes-Agent auch von unterwegs verwenden, ohne dass ich mein internes Netz irgendwie nach draußen öffnen muss. Geht, wie gesagt, alles über Telegram. Im Detail habe ich das ja schon im OpenClaw-Video gezeigt.
Ja, und mein erster praktischer Test, ob es Hermes mit dem lokalen Qwen schafft, hier im Browser meine jährlichen Mitarbeiterschulungen zu lösen. Das sind so Multiple-Choice-Fragen. Und da sind wir dann schon direkt im Territorium, das recht anschaulich zeigt, warum man lokale Modelle verwenden will. Da habe ich nämlich deutlich weniger Bauchschmerzen, so firmeninterne Websites zu verwenden. Bleibt ja schließlich alles auf meiner eigenen Hardware. Würde ich jetzt OpenAI oder Anthropic Cloud verwenden, würde halt ganz viel Zeug an US-Server geschickt werden. Will ich nicht.
Hier geht es zwar jetzt nur um so eine Sicherheitsschulung, die auch nicht direkt im heißen Intranet läuft, sondern auf einer externen Website. Also Firmengeheimnisse gibt es da eh nicht. Aber fühlt sich halt trotzdem deutlich besser an, weil halt alle Daten auf meinen Rechnern bleiben. Aber es geht ja nicht nur um mein Gefühl. Viele von euch sind ja auch beruflich an irgendwelche Zertifizierungen gebunden. Und da gibt es viele, die zum Beispiel verbieten, dass Daten außerhalb der EU verarbeitet werden. Und ja, da habt ihr dann ein Problem mit Claude und so.
Ich will aber jetzt auch nicht sagen, hey, mit lokalen Modellen ist das alles gar kein Problem. Also eure Daten werden natürlich nicht direkt irgendwo zu Drittanbietern geschickt, wo die Daten dann womöglich noch irgendwie zum Modelltraining oder so verwendet werden. Aber es besteht immer die Gefahr, dass euer Agent, wenn er eine Netzanbindung hat, über vergiftete Prompts irgendwo stolpert und womöglich Dinge tut, die ihr gar nicht wollt. Bedenkt das immer mit, wenn ihr wirklich Dinge verarbeiten wollt, die auf keinen Fall jemand sehen darf, dann benutzt eure agentischen Systeme komplett ohne Internetverbindung. Das geht schon auch. Bei meinen Tests hier hat es allerdings immer eine Verbindung nach außen und mir sind auch keine Prompt Injections untergekommen, zumindest nicht bewusst.
Ja und wie ist Hermes jetzt klargekommen mit den Schulungen, mit den Tests? Also am Ende hat es alle Prüfungen erfolgreich bestanden, aber der Weg dahin war extrem umständlich. Ich hatte ja gerade schon gesagt, dass es auf dem Terminal echt besser funktioniert als auf Websites, weil es da wirklich immer Screenshots machen muss, ans LLM schicken, analysieren, gucken, wo es hinklicken muss und so weiter. Und das verbraucht halt extrem viele Tokens, was also dann dazu geführt hat, dass Hermes ständig den Kontextspeicher, also quasi das aktuelle Kurzzeitgedächtnis, komprimieren musste. Und das dauert und macht auch die Arbeit nicht unbedingt besser, sage ich mal. Hermes hat also super oft neu angesetzt, obwohl es eigentlich schon fast fertig war. Es hat dann auch irgendwelche Skripte geschrieben, um das Kontextproblem zu lösen. Und ja, es tat schon wirklich ziemlich weh, das als Mensch zu beobachten, wie es sich da abgequält hat. Aber hey, aber am Ende hat es, wie gesagt, irgendwie geklappt.
Viel besser haben Sachen funktioniert, die sowieso komplett übers Terminal gingen. Also sowas wie installiere A-Step zur Musikgenerierung, generiere ein Lied über fliegende Oktopusse und spiele das auf meiner Sonos-Box ab. Und zwar natürlich ohne, dass ich Hermes mehr Details gegeben hätte. Der schafft das einfach. Der findet die Sonos-Box im Netzwerk und findet raus, wie man das da auch abspielt und macht das einfach.
Ja, und Coding geht natürlich auch. Hier ein Spiel, wo man mit warmem Wasser Schneemänner und -frauen zum Schmelzen bringt. Ich glaube, das hatte mit der Hitzewelle zu tun, dass ich auf die Idee gekommen bin. Und hier der 3003 Cyber Run, wo man mit diesem tollen Auto rumfährt und komischen Dingern ausweicht. Was ich hier beeindruckend fand, die Soundeffekte hat Hermes einfach lokal mit dem Tool Harmula generiert. Und ich hatte Harmula gar nicht selbst installiert oder installieren lassen.
Und klar, Hermes kann auch in Linux rumfrickeln, zum Beispiel mein Desktop-Hintergrundbild ändern und das Bild vorher auch lokal mit ComfyUI und zum Beispiel dem Bildgenerierer Flux generiert. Hier ein Oktopus vom Rechner. Also ich kann wirklich sagen, ich hätte gerne das und das auf meinem Desktop-Hintergrundbild und das war's. Das macht er dann. Und das kann ich auch in mein Handy reinlabern als Sprachie. Und das wie gesagt komplett lokal, ohne dass Daten von mir irgendwo rausgehen. Ehrlich gesagt stelle ich mir genau so einen persönlichen Co-Piloten vor und kurioserweise hat das von den großen Betriebssystem-Entwicklern noch niemand geschafft. Das ist alles hier Open Source, wie ich am Anfang schon gesagt habe.
Aber ja klar, das funktioniert zwar, aber das ist auch noch nichts für den Massenmarkt. Könnt ihr zum Beispiel hier sehen, als ich gesagt habe, er soll ein weiteres Desktop-Environment installieren. Mein CachyOS hatte bis dahin nur KDE installiert und ich wollte Cosmic. Ja, das ging jetzt nur so halb gut, aber hey, am Ende hat es dann auch geklappt.
Aber auch wenn Hermes mit Qwen auf der Kommandozeile und beim Coding ganz gute Resultate abliefern, sieht das beim Sprachgefühl eher nicht so gut aus. Also wie es mit mir kommuniziert, da merke ich dann schon, dass das kein Mensch ist. Hier habe ich zum Beispiel gerade versucht per Telegram meinen LLM-Server zu benchmarken. Dann sagt Hermes mit Qwen so zu mir, ich schicke eine Anfrage und „timings sie selbst“. Ich dann so, was, „timings sie selbst“? Und dann sagt das System, ah, „guter Punkt, das war schwul formuliert“. Ich so, „wie schwul?“ Antwort, „haha, okay, fair. Ich meinte es eher als umständlich formuliert oder schlecht ausgedrückt.“ Lach, wein, Emoji. Also keine Ahnung, ob das Ding irgendwie mit Schulhofsprüchen aus den 90ern trainiert wurde, aber schwul für schlecht, das ist schon ziemlich hängen geblieben.
Und weil das eben so ein vergleichsweise kleines Sprachmodell ist, neigt es auch zu starken Halluzinationen, vor allem ohne Internetzugang. Hier sind zum Beispiel 20 Attraktionen in Hannover, die in keinem Reiseführer stehen und jede einzelne ist komplett zu 100 % halluziniert, aber zugegebenermaßen sind die auch ziemlich unterhaltsam. Leibnizens letzter Hausschuh im historischen Museum, Vitrine 14b. Hannovers erste Telefonzelle, die in einer Hauswand steckt und heute ein Briefkasten ist. Ja, klar, logisch. Oder hannoversche Himmelsstürmer-Ecke, daneben ein fast unsichtbarer Gummibaum aus den 50ern. Das grüne Herz, „vermodernde“ Skulptur, eine vergessene Umweltinstallation aus recycelten Fahrrädern im Stadtgarten, die langsam rostet und wirklich immer ganz toll bei Halluzinationen, wenn das LLM „ja, wirklich“ hinter offensichtlichen Quatsch schreibt.
Wichtig ist auch nochmal zu erwähnen, so ein klitzekleines Modell wie Qwen 3.6 mit nur 27 Milliarden Parametern, das ist auch anfälliger für zum Beispiel Prompt-Injections. Also zum wiederholten Mal: Nutzt das so komplett mit Vollzugriff nur auf Systemen, wo nichts Wichtiges drauf ist.
Kurzer Einschub: Ja, also besser mit Sprache umgehen kann auf jeden Fall das lokale LLM Gemma 4 von Google. Das habe ich in der Variante 26B A4B tatsächlich auf meiner brandneuen Steam Machine mit 8 GB GPU-Speicher und 16 GB normalem RAM laufen lassen und von Hermes als Intelligenz nutzen lassen. Das ging auch, guckt hier, diese 3003-Animationen habe ich davon coden lassen. Aber das hat nicht wirklich Spaß gemacht, weil das auf der Steam Machine wirklich extrem langsam läuft, eben weil das nicht komplett in die GPU passt und das immer wieder in den normalen RAM auslagern muss. Einschub Ende.
Jetzt geht es wieder um Qwen. Ich hoffe, ich habe euch nicht verwirrt, dass jetzt auf einmal von einem anderen Sprachmodell die Rede ist, aber ich wollte einmal zumindest Gemma 4 erwähnen, weil das auch ziemlich gehypt gerade. Aber in Sachen Computerbedienung und Coding schneidet Qwen 3.6 27B meines Erachtens besser ab. Deshalb habe ich mich jetzt darauf fokussiert.
Und jetzt endlich. Was braucht ihr, um das tolle Qwen von Alibaba laufen zu lassen? Also ich habe das auf drei Rechnern ausprobiert. Auf dem Framework Desktop mit 128 GB Unified-Speicher, beim Gaming-PC mit RTX 4090 und auf meinem MacBook Air M2 mit 24 GB Unified-Speicher. Mir ist klar, dass das alles schon so Luxushardware ist, die man nicht einfach irgendwo rumliegen hat. Aber 24 GB Speicher, die braucht man halt, damit man diese 17 GB Weights, also das 27-Milliarden-Parameter-Modell in 4-Bit plus Kontext plus Puffer irgendwo laufen lassen kann.
Also am besten ist das extrem schneller Speicher, also GPU-Speicher oder halt gemeinsamer GPU- und CPU-RAM, wie bei Apple-Rechnern und zum Beispiel auch dem Framework Desktop. Das Modell läuft auch auf 32 GB normalem DDR5-Speicher, aber das ist extrem lahm. Wenn ihr euch jetzt fragt, du hast doch gerade gesagt 24 GB reichen aus. Ja, aber wenn ihr insgesamt nur 24 GB habt, dann geht das eben nicht, weil das Betriebssystem ja auch noch irgendwo hin muss. GPU-Speicher reichen 24 GB, das kann ja dann nahezu komplett exklusiv vom LLM verwendet werden.
Zum Thema Geschwindigkeit gehen wir gleich noch ein bisschen tiefer ins Rabbit Hole. Erst mal ganz kurz, wie man Hermes Quick & Dirty ausprobieren kann. Betonung auf Quick & Dirty, das ist jetzt nicht der beste Weg, sondern ein einfacher. Und zwar installiert ihr Ollama, das gibt es für Linux, macOS und Windows. Und wenn das installiert ist, tippt ihr einfach „Ollama“ auf der Kommandozeile ein und dann wählt ihr aus „Launch Hermes-Agent (install)“ und dann fragt Ollama, welchen Provider ihr nehmen wollt, also welches LLM. Und da will euch dann Ollama irgendwelche Cloud-Modelle verkaufen und ein Abo. Aber das wollt ihr nicht, sondern ihr wählt dann z. B. wenn ihr den Speicher habt, Qwen 3.6 aus, es gibt aber auch noch andere kleinere. Damit wird Hermes nicht so gut laufen, aber könnt ihr auch ausprobieren. Und dann wird Qwen 3.6 auf eurem System runtergeladen, dann könnt ihr Hermes direkt damit benutzen, dann seid ihr schon fertig.
Aber Ollama ist ziemlich sicher nicht die beste Variante, um lokales LLM laufen zu lassen. Das hat ganz viele Gründe, aber wie ihr gerade gesehen habt, ist es extrem einfach. Ab jetzt müsst ihr auch nicht mehr Ollama starten für Hermes, ihr könnt einfach „Hermes“ eingeben. Und wenn ihr „hermes model“ eingebt, könnt ihr auch einfach andere LLM-Provider nutzen, z. B. meinen Rechner im Nebenraum mit RTX 4090. Einfach die IP-Adresse eingeben und da habe ich dann halt den Vorteil, dass Qwen 3.6 komplett im schnellen Grafikspeicher läuft. Und das ist, wie gesagt, wirklich sauschnell. Und zwar sowohl bei der Tokenberechnung, also dem Generieren von Tokens, als auch beim sogenannten Pre-Processing.
Ich hatte ja am Anfang erklärt, dass diese agentischen Systeme immer riesige Prompts ins Sprachmodell reinfüttern. Und die müssen halt immer erstmal bearbeitet werden, bevor es losgehen kann mit den Antworten. Und ich muss zugeben, dass ich in der Vergangenheit bei Tests von lokaler KI wirklich zu viel Fokus auf Tokengenerierung gelegt habe. Einfach weil ich nicht mit agentischen Systemen getestet habe. Ich habe einfach nur minikurze Prompts ausprobiert, also sowas wie erzähl mir eine Geschichte. Und ja, da ist dann das Prompt-Processing unwichtig, weil das Prompt ja nur so kurz ist. Ja, das ist in der Praxis nur die halbe Wahrheit, weil es bringt mir wenig, wenn mein System zwar in kurzer Zeit viele Tokens ausgeben kann, dafür aber vorher ewig auf dem Prompt rumkaut. Deshalb ist Prompt-Processing wichtig.
Guck mal hier, das sind die Benchmark-Ergebnisse auf den drei Rechnern, die ich hier nutze. PP512 ist erwähntes Prompt-Processing, also PP für Prompt-Processing und TG128 ist Token-Generation. Beides ist angegeben in Token pro Sekunde. Und ihr seht auf der RTX 4090 alles viel schneller als auf dem Framework Desktop und vor allem dem MacBook M2. Allerdings knallt der Rechner mit RTX 4090 im LLM-Betrieb auch über 500 Watt weg. Beim Framework sind es nur 140 Watt. Ermittelt habe ich die Zahlen übrigens mit LlamaBench. Das ist Teil von llama.cpp, der wohl zurzeit gebräuchlichsten LLM-Abzapf-Software-Bibliothek.
Ollama nutzt auch intern llama.cpp, will aber immer alles automatisch machen, was oft nicht das ist, was richtig ist. Zum Beispiel wollte es auf meiner RTX 4090 hier nicht komplett im GPU-Speicher laufen, sondern teilweise auf der CPU, was es dann elend lahm gemacht hat. llama.cpp ist etwas spröde in der Bedienung, aber wenn es erstmal läuft, dann läuft das.
Kleines Geständnis von meiner Seite, ich installiere llama.cpp eigentlich nicht mehr manuell, sondern nur noch per Coding-Agent, also mit Claude Code oder Codex. Also will ich einen Rechner ernster für lokale KI verwenden, dann gehe ich einmal kurz in die Cloud, wie gesagt mit Claude Code oder Codex. Oder auch GLM 5.2 aus China, auch ein Modell, was gerade gehypt und was damit gut funktioniert. Und dann sage ich dem, er soll auf diesem Rechner mal überlegen, welches lokale Modell für agentische KI da am besten laufen könnte. Und er soll dann Messreihen machen. Zum Beispiel sage ich dann, benutze mal die Modelle Qwen 3.6 und Gemma 4 mit unterschiedlichen Quantisierungen.
Dann probiere ich auch gerne nochmal die unterschiedlichen Varianten aus. Denn Qwen 3.6 und Gemma 4 gibt es einmal als sogenannte Dense-Varianten, aber auch als Mixture-of-Experts-Version, MOE. Bei MOE ist immer nur ein Teil der Parameter aktiv, weshalb es meist deutlich schneller läuft. Aber dafür ist die Qualität auch ein bisschen schlechter. Bei Dense-Modellen, da sind immer alle Parameter gleichzeitig aktiv. Ich muss sagen, dass ich mit dem Dense-Modell, also dem 27B von Qwen 3.6, bessere Erfahrungen gemacht habe. Das Mixture-of-Experts-Modell, das heißt Qwen 3.6 35B. Ich habe es euch gesagt, Rabbit Hole.
Das Ding ist nur, dass das lokale LLM nicht nur irgendwie laufen muss, sondern wenn ihr es mit Hermes-Agent verwenden wollt, braucht ihr auch ein großes sogenanntes Kontextfenster von mindestens 65.000 Token. Das ist wie gesagt so das Kurzzeitgedächtnis, also die Token, die das Ding im Gedächtnis, im Speicher behält. Je größer der Kontext, desto mehr Speicher wird zusätzlich benötigt und desto langsamer wird es auch. Deswegen, obwohl die Weights nur 17 Gigabyte groß sind, brauche ich trotzdem die 24 Gigabyte meiner Grafikkarte, wegen des großen Kontext.
Auf meinem MacBook Air M2 läuft Qwen 3.6 mit 27B und 4-Bit-Quantisierung übrigens maximal mit 16K-Kontext und das muss da dann auch schon ein bisschen was auf die SSD auslagern. Also mit Hermes kann ich es vergessen auf meinem MacBook. Wie gesagt, man braucht mindestens 64K-Kontext für Hermes. Aber damit Hermes wirklich Spaß macht, will man eigentlich sogar 100K oder im besten Fall genau 226.144 Tokens. Das ist das Maximum, was Qwen 3.6 beherrscht, weil auch schon bei kleineren agentischen Aufgaben und vor allem Programmierprojekten, werdet ihr sehen, dass euer Kontext vollläuft und Hermes dann immer wieder komprimieren muss. Mit 200K-Tokens, da kriegt ihr viele Sachen komplett ohne Kompressionen und Neuansetzungen.
Und wie gesagt, Kontext kostet zusätzlich Speicher. Was ihr deshalb machen könnt, wenn ihr mehr Kontext haben wollt, den sogenannten KV-Cache in den normalen RAM auslagern oder auch den KV-Cache quantisieren, also die Genauigkeit verringern. Genauigkeit verringern, das klingt erstmal schlimm, klappt aber bis zu einem gewissen Grad nahezu verlustfrei.
Sowieso quantisieren, ich habe ja in diesem Video schon häufiger von 4-Bit oder Q4 gesprochen. Das bedeutet, dass statt 16-Bit-Gleitkommagenauigkeit die Parameter nur in 4-Bit-Genauigkeit gespeichert sind, was natürlich extrem viel Speicher spart und da kann man dann jetzt auch richtig drüber obsessen. Es gibt nämlich nicht nur 4-, 5-, 6-Bit-Quantisierung, sondern es gibt auch noch Hybrid-Quantisierung, die unterschiedliche Layer unterschiedlich genau quantisieren, also Rabbit Hole.
Der Mainstream-Konsens ist, dass Qwen 3.6 27B meist in der Unsloth-Variante UDQ4_K_XL.GGUF mit MTP verwendet wird. Da passt das Ding nämlich nicht nur in 24-GB-GPU-Speicher, sondern da passt dann auch noch genug Kontext mit rein. Also das ist auf jeden Fall die Variante, die ich die ganze Zeit verwendet habe, aber ey, da kann man sich richtig reinnerden, es gibt wirklich so viele unterschiedliche Varianten. Es gibt auch unterschiedliche Leute, die die Modelle quantisieren und so. Das ist halt das Ding, wenn die Sachen offen sind und man damit Sachen machen darf, dann machen Leute auch Sachen damit. Und das ist ja auch cool, aber es ist ein bisschen schwierig, da den Überblick zu behalten.
Ich kann euch auf jeden Fall sagen, dass ich hier meine besten Erfahrungen mit diesem llama.cpp-Aufruf gemacht habe. Das ist das besagte 3.6-27B-Modell mit Flash-Attention und MTP, also Multi-Token-Prediction, was die Geschwindigkeit nochmal steigert. Und wenn ihr die multimodalen Fähigkeiten benutzen wollt, das heißt, wenn das Ding auch Bilder erkennen soll, das braucht ihr auch, um Websites zu benutzen, weil das geht ja über Bilder, müsst ihr auch noch die MMPROJ-Datei zusätzlich herunterladen bei Hugging Face.
Hey, ich habe euch gewarnt, das ist ein komplexes Thema. Wie gesagt, ich empfehle den ganzen llama.cpp-Kladderadatsch mit einem Coding-Cloud-Tool zu installieren. Ihr könnt dafür natürlich auch Hermes mit einem lokalen Modell verwenden. Habe ich auch ausprobiert, das funktioniert auch ganz gut, auch dass er diese Messreihen macht und ausprobiert, was auf eurem System am besten funktioniert. Aber da habt ihr halt ein Henne-Ei-Problem. Auf dem Rechner, wo ihr das lokale Modell installieren wollt, kann ja nicht schon ein lokales Modell laufen, beziehungsweise nur dann, wenn ihr wirklich extrem viel Speicher habt.
Ihr müsst aber dafür auch nicht sofort ein Anthropic- oder OpenAI-Abo abschließen. Zum Beispiel mit OpenRouter könnt ihr einige Cloud-Modelle auch komplett kostenlos verwenden.
Ja, puh, ich habe selbst gemerkt, dass das hier am Ende doch noch ziemlich komplex geworden ist. Aber ey, ich finde es halt auch nicht aufrichtig, wenn ich euch nur das Ergebnis zeige und nicht darauf eingehe, wie man das selbst nachbaut. Ich bin jedenfalls wirklich beeindruckt davon, wie brauchbar schon jetzt lokale Modelle mit Hermes sind. Und Qwen 3.6 und Gemma 4 werden nicht die letzten lokal lauffähigen Modelle sein. Das wird weiter besser werden. OpenAI und Anthropic werden es in Zukunft nicht leicht haben, meine Prognose.
Das Ding ist nur, Hardware, auf der sowas läuft, bleibt teuer. Aber alleine die Möglichkeit, auch interne, intime Daten zu verarbeiten, ohne Bedenken zu haben, dass die Daten sonst wohin abfließen, also von den Prompt Injections mal abgesehen, das ist schon Gold wert. Aber das muss ich auch nochmal betonen, sowas wie Qwen 3.6 ist brauchbar, aber das ist auch noch fehleranfällig. Und das ist auch noch nicht auf dem Niveau eines Anthropic-Cloud-Fable oder so. Das muss euch klar sein. Aber ich kann euch empfehlen, damit rumzuspielen. Es ist extrem faszinierend. Und mal sehen, wie das in einem halben Jahr aussieht. Ich bin auf jeden Fall gespannt.
c’t 3003 und unser Podcast 4004 machen übrigens jetzt Sommerpause zwei Wochen lang. Wenn ihr auch in dieser Zeit von uns was mitbekommen wollt, abonniert unseren kostenlosen Newsletter c’t 3003 Hype [2]. Link ist in der Beschreibung. Tschüss.
c't 3003 [3] ist der YouTube-Channel von c't. Die Videos auf c’t 3003 sind eigenständige Inhalte und unabhängig von den Artikeln im c’t Magazin. Die Redakteure Jan-Keno Janssen, Lukas Rumpler, Sahin Erengil und Pascal Schewe veröffentlichen jede Woche ein Video.
URL dieses Artikels:
https://www.heise.de/-11361489
Links in diesem Artikel:
Copyright © 2026 Heise Medien
Gelöschte Beiträge gipfeln in einem Streit über die Zukunft des Schreibens. Und selbst eine Literaturnobelpreisträgerin muss sich erklären.
Die Frankfurter Allgemeine Zeitung (F.A.Z.) entfernte im Juni 2026 einen Gastbeitrag des Thüringer Ministerpräsidenten Mario Voigt (CDU) von ihrer Website und sperrte ihn im Archiv. Voigts F.A.Z.-Beitrag, ein Plädoyer für Smartphoneverbote für Kinder, enthielt Zitate von drei Wissenschaftlern, die sich nicht verifizieren ließen. Vorausgegangen war eine Recherche [1] [1] des Portals FragDenStaat, das elf Reden und vier Gastbeiträge Voigts mit dem Erkennungswerkzeug Pangram untersucht hatte. Bei neun von elf Reden vermutete das Tool einen KI-Anteil von mehr als 50 Prozent, drei Reden und drei von vier Gastbeiträgen sollen vollständig maschinell entstanden sein – darunter eine Gedenkrede zur Befreiung des KZ Buchenwald.
Voigt stritt nichts ab. Die KI sei längst Teil der modernen Kommunikation, sagte er dem Tagesspiegel. Die F.A.Z. hat den Gastbeitrag Voigts depubliziert [2] [2], weil sich drei darin enthaltene Expertenzitate nicht verifizieren ließen. Der Investigativjournalist von FragDenStaat, Aiko Kempen, kritisierte den KI-Einsatz bei Gedenkworten [3] [3] primär die maschinellen Gedenkworte: Gedenken werde entleert, wenn man es als Prompt eingebe. Der Politikberater Johannes Hillje warnt, mit erfundenen Zitaten schade Voigt der Demokratie. Solche Vorwürfe können das Vertrauen in Politiker und Parteien insgesamt erschüttern.
Voigt blieb kein Einzelfall. Eine ZEIT-Recherche wies nach, dass Bundesdigitalminister Karsten Wildberger (CDU) Reden und Gastbeiträge in weiten Teilen von einer KI schreiben ließ [13] [13]: Ein Handelsblatt-Gastbeitrag vom April stammt laut Pangram fast vollständig von der Maschine, ein Beitrag in der Frankfurter Allgemeinen Sonntagszeitung überwiegend. Das Handelsblatt depublizierte den Text und stellte ihn später mit KI-Hinweis wieder ein. Wildberger sieht in der Nutzung von KI kein Problem. Er betrachte KI als unterstützendes Arbeitsmittel, „über dessen Nutzung man nicht anders Rechenschaft ablegt als über Textverarbeitung, Recherche-Tools oder redaktionelle Unterstützung“.
URL dieses Artikels:
https://www.heise.de/-11354472
Links in diesem Artikel:
Copyright © 2026 Heise Medien
(Bild: Manuel Masiero / KI / iX)
TypeScript 7.0 ist da: Das stabile Release der Programmiersprache kompiliert mittels Go-Unterbau im Schnitt 10-mal schneller als der Vorgänger, sagt Microsoft.
Microsoft hat die finale Version von TypeScript 7.0 veröffentlicht. Im Gegensatz zu früheren TypeScript-Versionen basiert der Compiler nicht mehr auf JavaScript/Node.js, sondern ist nahezu eins zu eins in Go nachimplementiert und parallelisiert viele Arbeitsabläufe, statt sie wie bisher sequenziell abzuarbeiten. Beides führt laut Microsoft dazu, dass die Toolchain je nach Anwendungsfall zehnmal schneller kompiliert als bei TypeScript 6.0.
Gegenüber der im April veröffentlichten Beta-Version [1] hat sich nichts Grundlegendes mehr geändert. Das finale Release konzentriert sich auf den produktionsreifen Abschluss, wie Microsoft im Blogpost zu TypeScript 7.0 [2] schreibt: Umstellung auf das reguläre typescript-Paket, verbesserter --watch-Modus, vollständigerer Editor-Support, mehr Stabilität und klarere Migrationspfade für das TypeScript-Ökosystem.
In seinem Blog nennt Microsoft Performance-Beispiele, die sich jeweils auf einen hardwareseitig nicht näher spezifizierten Computer beziehen.
Den Quellcode von VS-Code baut TypeScript 7.0 auf dem Testsystem um den Faktor 11,9 schneller als unter TypeScript 6.0, was die Kompilierungszeit von mehr als zwei Minuten auf knapp 11 Sekunden drückt. Bei Sentry, Bluesky und Playwright ergeben sich Beschleunigungsfaktoren von jeweils knapp unter 9, tldraw-Beispielprojekte kommen auf 7,7-faches Tempo.
(Bild: Microsoft)
Das Öffnen einer fehlerbehafteten Datei in VS Code auf dem gleichen Testsystem läuft ebenfalls schneller ab. Vergehen bei TypeScript 6.0 noch 17,5 Sekunden vom Öffnen einer fehlerhaften Datei bis zur Anzeige der Fehlermeldung, dauert das Gleiche bei TypeScript 7.0 unter 1,3 Sekunden. Neben dem Geschwindigkeitszuwachs ergibt sich laut Microsoft projektübergreifend auch ein geringerer Speicherbedarf. Während er bei Sentry um sechs Prozent sinkt, reduziert er sich bei VS Code um 18 Prozent und bei Bluesky um etwas mehr als ein Viertel.
TypeScript 7.0 lässt sich via npm mit npm install -D typescript parallel zu TypeScript 6.0 installieren und ist mit dessen Type-Checking- und Kommandozeilenverhalten kompatibel. Der bekannte Befehl tsc startet dann den neuen TypeScript-7.0-Compiler. Zusätzlich gibt es das Kompatibilitätspaket @typescript/typescript6, das zusätzlich tsc6 sowie die bisherige TypeScript-6.0-API bereitstellt, damit bestehende Tools vorerst unverändert weiterlaufen können. Eine neue API soll erst mit TypeScript 7.1 kommen.
URL dieses Artikels:
https://www.heise.de/-11360923
Links in diesem Artikel:
Copyright © 2026 Heise Medien
(Bild: Tatohra/Shutterstock.com)
Eine Raketenstufe fliegt zurück zur Erde und wird auf See aufgefangen: China meldet einen bedeutenden Durchbruch. Wiederverwendbare Raketen sind selten.
Erstmals holte das Land die erste Stufe einer Trägerrakete kontrolliert zurück. Die Stufe der neuen Rakete „Langer Marsch 10B“ wurde auf einer Plattform auf See aufgefangen, wie die staatliche Nachrichtenagentur Xinhua berichtete [1].
Es war der erste Flug der neuen Rakete. Xinhua sprach von einem „bedeutenden Durchbruch“. Ein von der Agentur veröffentlichtes Video zeigt, wie die Raketenstufe mit laufendem Triebwerk auf die Plattform zufliegt und nahezu senkrecht in ein hohes, rechteckiges Gerüst sinkt.
Nach Angaben der Zeitung „China Daily [2]“ wartete das Rückholschiff „Linghangzhe“ („Pfadfinder“) auf die Raketenstufe. Das Schiff verfolgte sie und passte seine Position laufend an. Spezielle Metallhaken klappten schließlich aus und griffen in die gespannten Seile der Fangvorrichtung. Die Rakete war vom Weltraumbahnhof Hainan gestartet und brachte einen Satelliten in die vorgesehene Umlaufbahn.
China sei laut der staatlichen Zeitung damit nach den USA das zweite Land, das über eine zuverlässige Technik für wiederverwendbare Raketen verfüge. Zugleich sei weltweit erstmals die erste Stufe einer mit einer solchen Seil-Fangvorrichtung geborgen worden.
Vor allem das US-Raumfahrtunternehmen SpaceX [4] ist bei wiederverwendbaren Raketen deutlich weiter. China treibt die Entwicklung seit Jahren voran. Neben dem staatlichen Raumfahrtprogramm arbeiten auch mehrere private chinesische Unternehmen an der Technik, die es ermöglichen soll, Satelliten und andere Lasten günstiger ins All zu bringen.
URL dieses Artikels:
https://www.heise.de/-11361029
Links in diesem Artikel:
Copyright © 2026 Heise Medien
Android-Bugdroid vor Smartphone.
(Bild: Primakov/Shutterstock.com)
Google verteilt neue Funktionen für Android-Geräte über die Play-Dienste. Offenbar liefert der Konzern auch bereits vor Monaten angekündigte Features nach.
Google [1] liefert mit seinen Play-Systemupdates regelmäßig – oft gar mehrmals im Monat – neue Funktionen auf sämtliche Android-Geräte mit Play-Diensten aus. Im Unterschied zu regelrechten Android-Updates und Sicherheitspatches kann Google sie direkt ohne den Umweg über die Gerätehersteller auf zig Millionen Geräte ausliefern. Die Aktualisierungen enthalten neue Funktionen und Fehlerbehebungen für Smartphones und weitere Produkte des Google-Ökosystems wie Tablets, Uhren, Smart-TVs, Android Auto und Chromebooks. Das erste Juli-Update wirkt recht überschaubar, jedoch deutet sich an, dass der Konzern auch bereits vor Monaten angekündigte Features verteilt.
Die Neuerungen des Updates der Google-Play-Dienste auf Version 26.26 vom 6. Juli 2026 umfassen unter anderem ein Update für Google One für Smartphones: In-App-Käufe sollen mittels einer überarbeiteten „nativen Storefront“ schneller und reibungsloser ablaufen. Zudem erweitert Google das System um eine neue Schnittstelle (API), „um die Zuverlässigkeit bei der Einrichtung von Arbeitsprofilen zu verbessern“, so Google. Außerdem lässt sich das Arbeitsprofil auch auf Wear-OS-Smartwatches übertragen. Weiter zieht in Chromebooks in den Einstellungen eine neue Verwaltungsmöglichkeit der „Google-Standortfreigabe und die Kompatibilität für unterstützte Gerätetypen“ ein, schreibt Google [2].
Für Entwicklerinnen und Entwickler gibt es im Bereich der Dienstprogramme für Smartphones, Uhren, Google TV und Fahrzeuge mit Android-Automotive neue Funktionen für Google- und Drittanbieter-Apps „zur Unterstützung von Prozessen im Zusammenhang mit Dienstprogrammen“ in Apps. Separat führt Google auch entsprechende Optimierungen im Zusammenhang mit Google Maps auf.
Neben genannten Neuerungen verteilt Google nach Ankündigung der Änderung der Android-Backuprichtlinien laut 9to5Google [3] nun schubweise die neuen Einstellungen, mit denen sich steuern lässt, ob SMS-, MMS- und auch RCS-Nachrichten gesichert werden. Außerdem liefert Google nun offenbar auch die schon im Februar angekündigte Backup-Option für lokal gespeicherte Dokumente [4] an erste Nutzer aus.
In den Versionshinweisen v26.06 für das Play-Dienste-Update vom 16. Februar beschreibt Google die Dokumenten-Sicherungsfunktion wie folgt: „Mit der neuen Funktion zur lokalen Dateisicherung können Sie Ihre heruntergeladenen Dokumente automatisch in Google Drive speichern, sodass sie sicher sind und von jedem Ihrer Geräte aus zugänglich sind.“ Auf Geräten in der Redaktion haben wir die Einstellungen noch nicht entdeckt.
Neben dem Dokumenten-Backup steht außerdem noch die im Juni angekündigte Verwaltung von WhatsApp-Backups über die Geräteeinstellungen [5] aus. Wann diese in die Backupfunktion eingebacken wird, ist noch unklar.
URL dieses Artikels:
https://www.heise.de/-11360753
Links in diesem Artikel:
Copyright © 2026 Heise Medien
Bauen, forschen & fliegen: Im Cozy-Survival-Game Solarpunk richten wir uns auf einer schwebenden Insel ein und nutzen Sonne und Wind für die Automatisierung.
Der Name dieses Spiels ist Programm: Solarpunk ist eine Vision, die voller Technikoptimismus in eine Zukunft schaut, in der technische Lösungen mit nachhaltigen Energien die Probleme unserer Zeit lösen. Den Optimismus kriegt das Open-World-Survival-Spiel gut hin: In der bunten Welt mit ihren schwebenden Inseln steht uns mit ein bisschen Forschung viel nachhaltige Technik zur Verfügung, um lästige Aufgaben wie Bewässerung und Erzabbau zu automatisieren. c’t zockt hat Solarpunk angespielt.
Solarpunk ist ein Wohlfühlspiel: Die Welt ist bunt, es gibt keine Kämpfe oder Gegner und auch Hunger und Durst sind nicht allzu drängend. Wer tief stürzt, überlebt das im Zweifel zwar nicht, kann aber direkt nach dem Respawn den Tascheninhalt aus einer Kiste klauben. Passiert das auf einer fremden Insel und ist das Luftschiff noch dort, holt ein Rückrufknopf am Luftschiffdock es unkompliziert zurück. Hunger und Durst sind nicht allzu drängend, können aber doch die Gesundheit angreifen. Auch Gewitter können mit Blitzen gefährlich werden. Spielerinnen und Spieler können allein oder mit anderen im Online-Koop-Modus die Spielwelt besiedeln und auf Erkundungsflug gehen.
Vom ersten Öffnen der Augen auf dieser schwebenden Insel, dem ganz Survival-Genre-typischen Sammeln erster Steine, Stöckchen, Himbeeren und Baumwolle dauert es nicht lange, bis eine kleine Hütte steht. Der Spielfortschritt ist flott, erste Werkzeuge baut man direkt im eigenen Inventar: eine Axt, eine Hacke für Felsen und Erze und eine Harke, um Felder anzulegen. Alles recht unkompliziert und mühelos. Ein Handwerkstisch eröffnet weitere Baupläne.
Auch die Landwirtschaft ist einfach und bringt schnelle Ernte: Mit der Harke ein paar Felder anlegen, gefundenes Saatgut auswerfen, gießen. Einige Beerensträucher reichen, um halbwegs über die Runden zu kommen. Auch Bäume wachsen schnell nach; wenn man das Nachpflanzen nicht vergisst, bleibt der Baumbestand stabil.
Zum Glück gibt es schnell mehr Abwechslung: Erste Forschung bringt weitere Baupläne, die das Craftingmenü beträchtlich erweitern. Vieles davon bereichert allerdings nur das eigene Zuhause um Möbel und Dekoration. Am Forschungstisch schaltet man weitere Rezepte frei und arbeitet sich in Stufen voran. Sobald ein Luftschiffdock gebaut ist, kann man die eigene Insel verlassen und eine weitere erkunden. Andere Inseln sind allerdings erst erreichbar, wenn das Luftschiff aufgerüstet wurde.
Da kommt der nahegelegene Handelsposten ins Spiel, der nach und nach Baupläne verkauft, die den technischen Fortschritt ordentlich voranbringen und die nachhaltige Stromerzeugung samt Automatisierung freischalten: Solarpanels und Windturbinen, Schalter, Kabel, Info-Displays und mehr. Die langsam lästig werdende Bewässerung der Felder läuft so bald automatisch und auch der mühsame Erzabbau ist nicht länger Handarbeit.
Zu den wichtigsten Elementen im Spiel zählt das Bauen: Solarpunk hat ein einfaches Bausystem, bei dem man Elemente aus einem Radialmenü auswählt und einfach hinstellt – vorausgesetzt das Baumaterial ist im Inventar. Bei Bedarf reißt man vorhandene Strukturen mit der Axt einfach ab und baut sie um, das Material gibts dabei zurück. Aus der ersten einfachen Hütte kann so später ein schönes Haus mit schicker Inneneinrichtung werden, ein Gewächshaus oder vieles mehr.
Zu den besten Momenten im Spiel zählt zweifellos das Fliegen eines Luftschiffs; ein kurzes Tutorial erklärt die Steuerung. Doch auch wenn die Erkundung weiterer Inseln mit zum Spielprinzip zählt, hält sich die Aufregung dabei in Grenzen. Die Inseln sind überschaubar und schnell abgelaufen. Sie erinnern an Inseln im Survival-Game Raft, allerdings ohne vergleichbare Story-Inseln.
Das mit der Unreal Engine [3] gebaute Cozy-Survival-Game Solarpunk ist am 8. Juni für Windows erschienen, mit Proton läuft es auch unter Linux. Das Spiel ist in deutsch verfügbar und hat zwei Spielmodi: Standard und Einfach, bei letzterem hat man nur halb so viel Hunger und Durst und behält bei Tod sein Inventar. Auch gegen Blitze ist man dann immun.
Solarpunk kann nicht alle Erwartungen erfüllen. Die schwebenden Inseln von Solarpunk sind keine riesige Open World, auch eine Story gibt es nicht. In rund 20 Stunden kann man die meisten Dinge freischalten. Wer auf anspruchsvolle Herausforderungen, spannende Erkundungsausflüge und komplexes Crafting hofft, dürfte mit diesem Spiel nicht glücklich werden. Alle anderen erwartet ein gemütliches, friedfertiges Survivalspiel ohne harten Überlebenskampf in einer hübschen Welt mit umfangreichen Möglichkeiten, Gebäude, Gewächshäuser, Landwirtschaft und anderes samt solar- und windbetriebenem Energiesystem aufzubauen.
Solarpunk gibt es für 23 Euro auf Steam [4] für Windows, mit Proton läuft es auch unter Linux. Für das Steam Deck ist es zwar nicht verifiziert, lief aber im Test gut.
URL dieses Artikels:
https://www.heise.de/-11359348
Links in diesem Artikel:
Copyright © 2026 Heise Medien
