Top 10 KI-Durchbrüche und Kontroversen 2025

2024 wird als das Jahr in die Geschichte eingehen, in dem der Hype um künstliche Intelligenz (KI) zugunsten ihrer vielfältigen praktischen Anwendungen überwunden wurde.

Von Apples bahnbrechendem Einstieg in generative KI bis hin zu Durchbrüchen beim Quantencomputing, von spezialisierten KI-Agenten bis hin zu zukunftsweisenden Vorschriften – das Jahr markierte den Übergang von theoretischen Möglichkeiten zu praktischen Realitäten, die unsere Arbeits-, Schöpfungs- und Problemlösungsmethoden veränderten.

Doch keine Erfolge werden ohne die Überwindung einiger Hindernisse erzielt.

In diesem Artikel werden die wichtigsten KI-Durchbrüche und Kontroversen des Jahres 2024 untersucht.

Inhaltsübersicht Inhaltsübersicht

1. Wichtigste Erkenntnisse
2. Top 10 KI-Entwicklungen 2025
   1. 1. Einführung von Apple Intelligence
   2. 2. Blackwell-Chip von Nvidia
   3. 3. Entwicklung von Claude 3.5 Sonett
   4. 4. Umsetzung des EU-KI-Gesetzes
   5. 5. o1-Modell von OpenAI
   6. 6. Gemini 2.0 von Google
   7. 7. Der Aufstieg von Perplexity AI
   8. 8. Agentic Workflows und KI-Agenten
   9. 9. Quantenchip Willow von Google
   10. 10. Veo 2 von Google
3. Fazit
4. FAQ
5. Quellenangaben

Alles zeigen

Inhaltsübersicht

1. Wichtigste Erkenntnisse
2. Top 10 KI-Entwicklungen 2025
   1. 1. Einführung von Apple Intelligence
   2. 2. Blackwell-Chip von Nvidia
   3. 3. Entwicklung von Claude 3.5 Sonett
   4. 4. Umsetzung des EU-KI-Gesetzes
   5. 5. o1-Modell von OpenAI
   6. 6. Gemini 2.0 von Google
   7. 7. Der Aufstieg von Perplexity AI
   8. 8. Agentic Workflows und KI-Agenten
   9. 9. Quantenchip Willow von Google
   10. 10. Veo 2 von Google
3. Fazit
Alles zeigen
4. FAQ
5. Quellenangaben

Top 10 KI-Entwicklungen 2025

1. Einführung von Apple Intelligence

Apples Einstieg in generative KI mit Apple Intelligence wurde im Jahr 2024 mit Spannung erwartet.

Während die Mitbewerber in aller Eile auf den Markt drängten, nahm sich Apple Zeit, um ein datenschutzfreundliches System zu entwickeln, das sich nahtlos in alle Geräte integrieren lässt. 

Von verbesserten Siri-Funktionen bis hin zur Erstellung von Genmoji zeigte Apple, wie KI das Nutzererlebnis unter Berücksichtigung des Datenschutzes optimieren kann.

Die Markteinführung machte jedoch schnell deutlich, wie schwierig es ist, Innovation und Zuverlässigkeit in Einklang zu bringen.

Innerhalb weniger Wochen löste Apple Intelligence mehrere öffentlichkeitswirksame Fehlinformationen aus.

Diese Fehler, die fälschlicherweise Nachrichtenquellen wie BBC News zugeschrieben wurden, veranlassten Reporter ohne Grenzen, die Entfernung der Funktion zu fordern. 

Sie erklärten:

„Dieser Unfall zeigt, dass Dienste der generativen KI noch zu unausgereift sind, um verlässliche Informationen für die Öffentlichkeit zu liefern, und dass sie für solche Zwecke nicht auf dem Markt zugelassen werden sollten.“

Daraufhin beschwerten sich große Nachrichtenagenturen wie die BBC offiziell über falsche Zuschreibungen, die ihre Glaubwürdigkeit bedrohten, was die Kontroverse noch verstärkte.

In der Zwischenzeit traten mehrere technische Probleme auf. Zum Beispiel konnten viele iPhone-Nutzer nicht auf die versprochenen Funktionen zugreifen. 

Zudem hatte Apple Schwierigkeiten, das System in China gemäß den dortigen Vorschriften zu implementieren.

Das charakteristische Schweigen des Unternehmens zu diesen Fragen hat die Debatte über die Eignung von KI für die Zusammenfassung von Nachrichten im Mainstream nur noch verschärft.

2. Blackwell-Chip von Nvidia

Wenn 2024 einen Hardware-Helden hatte, dann war es der Blackwell-Chip von Nvidia. Er stellte die Möglichkeiten der KI-Verarbeitungsarchitektur komplett auf den Kopf.

Aber was wirklich zählt, sind nicht die technischen Daten. Es geht darum, was sie ermöglichen.

Die Fähigkeit des Chips, generative KI-Workflows im Rechenzentrumsmaßstab zu verarbeiten und dabei 25 Mal weniger Energie zu verbrauchen als sein Vorgänger, stellt einen Quantensprung in der Effizienz dar.

Dieser Durchbruch war jedoch nicht ohne Drama.

Frühe Produktionsprobleme führten zu anfänglichen Verzögerungen, die, wie Nvidias CEO Jensen Huang freimütig zugab, „zu 100 % von Nvidia verschuldet“ waren.

Überhitzungsprobleme in Server-Racks und Lieferengpässe sorgten ebenfalls dafür, dass die Nachfrage deutlich über dem Angebot lag – ein Beispiel dafür, was passiert, wenn eine neue Technologie auf reale Herausforderungen bei der Implementierung trifft.

Doch trotz dieser Hürden wirkte sich Blackwells Einfluss auf die gesamte Branche aus. Große Technologieunternehmen wie Microsoft (MSFT) und Meta (META) beeilten sich, ihren Anteil an diesen Chips zu sichern.

Gleichzeitig begannen die Rechenzentren, ihre Infrastruktur auf die Kühlungsanforderungen der neuen Technologie umzurüsten.

Dank des Erfolgs des Chips stieg die Marktkapitalisierung von Nvidia auf über 3 $ Billionen und festigte damit seine Position an der Spitze der Tech-Elite.

3. Entwicklung von Claude 3.5 Sonett

Mit der Einführung von Claude 3.5 Sonnet von Anthropic wurde ein neues Modell verfügbar, das nicht nur schneller oder genauer, sondern auch grundlegend durchdachter in der Herangehensweise an Probleme war.

Beim gründlichen Analysieren fühlten sich die vorherigen Modelle im Vergleich dazu primitiv an.

Claude 3.5 Sonnet hat in internen Tests 64 % der komplexen Codierungsaufgaben geknackt und damit die 38 % Erfolgsquote seines Vorgängers in den Schatten gestellt.

Doch reine Leistung war nicht alles.

Anthropic hat auch seine Funktion Artifacts veröffentlicht, die das Zusammenarbeiten mit KI veränderte. Sie ermöglichte die Erstellung und Aktualisierung von Dokumenten in Echtzeit, was sich eher wie eine Kooperation mit einem erfahrenen Kollegen anfühlte als mit einem herkömmlichen Chatbot.

Eine weitere wichtige Neuerung war der experimentelle Einsatz von Computern, mit dem Claude tatsächlich Desktop-Umgebungen steuern konnte.

All dies zeigte eine Zukunft, in der KI komplexe, mehrstufige Aufgaben in verschiedenen Anwendungen bewältigen kann.

In seinem Essay Machines of Loving Grace sagt Anthropic-CEO Dario Amodei voraus, dass KI innerhalb von 5–10 Jahren 50–100 Jahre biologischen Fortschritt bringen könnte.

Laut Amodei wird „leistungsstarke KI“, womit er AGI meint, nicht nur dem menschlichen Intellekt gleichkommen, sondern „in den meisten relevanten Bereichen intelligenter sein als ein Nobelpreisträger“, einschließlich „Biologie, Programmierung, Mathematik, Ingenieurwesen, Schreiben usw.“.

4. Umsetzung des EU-KI-Gesetzes

Die Umsetzung des EU-KI-Gesetzes im Jahr 2024 stellt einen Wendepunkt dar – der weltweit erste umfassende Versuch, die Entwicklung und den Einsatz von KI zu regulieren.

Man kann sich das als GDPR für künstliche Intelligenz vorstellen, allerdings mit weitreichenden Auswirkungen auf die Entwicklung und den Einsatz von KI-Systemen.

Das risikobasierte Klassifizierungssystem des Gesetzes hat unseren Blick auf die KI-Nutzung grundlegend verändert.

Da KI-Systeme nun in die Kategorien „inakzeptabel“, „hohes Risiko“, „begrenztes Risiko“ und „minimales Risiko“ eingeteilt wurden, waren Unternehmen zum Überdenken ihres gesamten Ansatzes bei der KI-Entwicklung gezwungen. 

Plötzlich erforderten Funktionen, die früher in aller Eile auf den Markt gebracht wurden, strenge Konformitätsbewertungen und Dokumentationen.

James White, Chief Technology Officer bei Calypso AI, erklärte gegenüber Techopedia:

„Die Auswirkungen auf in der EU tätige Organisationen werden wahrscheinlich davon abhängen, wie das Unternehmen ein KI-Modell einsetzt und unter welche Risikokategorie dieser Anwendungsfall fällt, wie im Gesetz festgelegt.“

„Die Kategorien – verboten, hohes Risiko, geringes oder kein Risiko – sind eher beschrieben als definiert und bleiben für Grenzfälle etwas vage. Aber diese Hierarchie ist der Kern des Gesetzes und bestimmt den Grad der geringen behördlichen Prüfung, der angewendet wird, sowie die Anforderungen, die erfüllt werden müssen.“

Dieser Rechtsrahmen löste jedoch auch eine Kontroverse über mögliche Schlupflöcher in Artikel 6 Absatz 3 aus. So könnte ein Schlupfloch Entwicklern die Möglichkeit geben, sich von den Verpflichtungen für hochriskante KI zu befreien.

Das Gesetz sah zudem weitreichende Ausnahmen für die nationale Sicherheit vor, was die Alarmglocken über eine mögliche Übervorteilung der Regierung schrillen ließ.

Seine Auswirkungen auf Migranten und gefährdete Bevölkerungsgruppen lösten eine hitzige Debatte über digitale Rechte und Überwachung aus.

Die Anpassungsherausforderungen für die Branche waren beträchtlich: Die Strafen reichten von 7,5 € Millionen bis 35 € Millionen (oder bis zu 7 % des weltweiten Umsatzes).

Dies bedeutete, dass Firmen damit beginnen mussten, ihre KI-Entwicklungen auf die neuen Anforderungen abzustimmen.

Der Einfluss der Verordnung reichte weit über die Grenzen Europas hinaus. Sie setzte globale Standards für die KI-Entwicklung und zwang Unternehmen weltweit zum Überdenken ihrer KI-Strategien.

5. o1-Modell von OpenAI

Als OpenAI im September 2024 das Modell o1 auf den Markt brachte, stellte es eine grundlegend neue Methode für das logische Denken von KI vor. 

Während sich frühere Modelle auf schnelle Antworten konzentrierten, führte o1 einen „Chain of Thought“-Ansatz ein, mit dem es Probleme Schritt für Schritt – bevor es Antworten gibt – durchdenken kann.

Das Modell zeigte besondere Fähigkeiten in den Bereichen Wissenschaft, Programmierung und Mathematik und erfüllte anspruchsvolle Aufgaben auf dem Niveau eines Doktoranden.

Mit dem Modell hat OpenAI auch einen API-Parameter „reasoning_effort“ eingeführt. Dieser Parameter gibt den Nutzern mehr Kontrolle über die Denkzeit des Modells, während gleichzeitig 60 % weniger Argumentationstoken als in der Vorschauversion verwendet werden.

Dieser Ansatz brachte zudem einige erhebliche Nachteile mit sich, wie z. B. die erweiterten Denkprozesse, die zu Problemen bei kreativen Aufgaben führten.

Ferner wies es langsamere Reaktionszeiten auf. Besorgniserregender waren die nach wie vor hohen Raten von Halluzinationen.

Es kam zu Debatten darüber, ob diese fortgeschrittenen Denkfähigkeiten unbeabsichtigte Konsequenzen oder falsch ausgerichtete Ziele zur Folge haben könnten.

6. Gemini 2.0 von Google

Gemini 2.0 ist Googles kühne Vorstellung davon, wie KI unsere Welt erfassen sollte.

Angetrieben von der massiven Trillium-Infrastruktur (einem Netzwerk aus mehr als 100.000 spezialisierten Chips) wurde ein einheitlicher Ansatz zur Verarbeitung von Text, Bildern, Audio und Video eingeführt, der frühere multimodale Versuche in den Schatten stellt.

Mit der technischen Architektur wurde in der Tat Neuland betreten. Anstatt verschiedene Datentypen als getrennte Ströme zu behandeln, verarbeitet Gemini 2.0 alles gleichzeitig über einen einheitlichen Einbettungsraum.

Mit nativen Bild- und Audiogenerierungsfunktionen setzt es neue Maßstäbe für das KI-Verständnis.

Der interessanteste Schritt von Google war jedoch nicht nur technischer, sondern auch strategischer Natur.

Die Einführung spezialisierter Agenten wie Jules für die Code-Entwicklung und Project Mariner für die Web-Navigation signalisierte eine Abkehr von universeller KI.

Google setzte auf spezialisierte Spitzenleistungen, während seine Konkurrenten um die Herstellung größerer Modelle rangen.

7. Der Aufstieg von Perplexity AI

Manchmal kommen die bedeutendsten Durchbrüche aus unerwarteten Ecken.

Perplexity AI erlebte ein unglaubliches Wachstum von einem 520-$-Millionen-Startup zu einem Powerhouse von 9 $ Milliarden.

Durch die Neugestaltung unserer Interaktion mit Informationen hat das Unternehmen die Erwartungen der Nutzer an die Suche grundlegend verändert.

Dieser Erfolg führte auch zu einer intensiven Debatte über die Rechte an den Inhalten und deren Zuordnung, die bei den heutigen KI-Systemen immer wichtiger werden.

Große Medien wie Forbes und News Corp. reichten Klage ein und behaupteten den „Diebstahl einer großen Menge an urheberrechtlich geschütztem Material“.

Die Kontroverse erreichte ihren Höhepunkt in einem Rechtsstreit zwischen Perplexity und News Corp. 

Perplexity reagierte auf diese Kontroverse mit der Einführung eines Modells zur Aufteilung der Einnahmen mit den Verlegern, um ein Gleichgewicht zwischen Innovation und Inhaltsrechten herzustellen.

8. Agentic Workflows und KI-Agenten

Im Jahr 2023 ging es um KI-Chatbots, 2024 um das Aufkommen autonomer KI-Agenten.

Der Wandel war bemerkenswert: Agentforce 2.0 von Salesforce, Joule von SAP, CrewAI und Project Astra von Google demonstrierten uns, wie KI nicht mehr nur einfache Antworten geben, sondern auch komplexe Aufgaben autonom erledigen kann.

Die Unternehmenswelt hat diesen Wandel eifrig begrüßt. Agentforce 2.0 bewies, wie KI das Denken und die Integration über CRM-Systeme hinweg verbessern kann.

Die Entscheidung von SAP, Joule mit Open-Source-LLMs zu betreiben, zeigte einen neuen Ansatz für anpassbare Unternehmens-KI. Diese digitalen Kollegen konnten den Kontext verstehen und mehrstufige Arbeitsabläufe ausführen.

Da diese Systeme autonom arbeiten können und sehr leistungsfähig sind, stellten sich viele Menschen ernsthafte Fragen zur Kontrolle und Sicherheit.

Je leistungsfähiger diese Agenten wurden, desto mehr verschwamm die Grenze zwischen Unterstützung und Automatisierung, was Unternehmen zum Überdenken ihrer KI-Implementierung und ihres Governance-Ansatzes zwang.

9. Quantenchip Willow von Google

Erinnern Sie sich noch an die Zeit, als Quantencomputing eher Science-Fiction als Realität war? Der Willow-Chip von Google hat dieses Bild völlig verändert.

Mit 105 verbundenen supraleitenden Qubits, die bei Temperaturen knapp über dem absoluten Nullpunkt funktionieren, hat Willow das erreicht, was Quantenforscher schon seit fast drei Jahrzehnten anstreben.

Die Leistungen waren atemberaubend: In fünf Minuten wurden Berechnungen durchgeführt, für die die schnellsten Supercomputer von heute 10 Billionen Jahre brauchen würden.

Was Willow jedoch wirklich auszeichnete, war sein Durchbruch bei der Fehlerkorrektur.

Mit Hilfe größerer Fehlerkorrektur-Codes konnte das System ein einzelnes logisches Qubit eine Stunde lang stabil halten – eine enorme Verbesserung gegenüber früheren Systemen, die alle paar Sekunden versagten.

Doch der Weg zum praktischen Quantencomputing bleibt eine Herausforderung. Willow ist zwar sehr vielversprechend, aber zur Bewältigung bedeutender industrieller Herausforderungen sind immer noch Millionen von Qubits erforderlich.

Der extreme Kühlungsbedarf und die Schwierigkeit, Quantenzustände aufrechtzuerhalten, stellen ernsthafte Hindernisse für die Skalierung dar.

10. Veo 2 von Google

Als Google DeepMind Anfang Dezember Veo 2 vorstellte, legte der Konzern die Messlatte für die Erzeugung von KI-Videos höher.

Während die Mitbewerber noch mit einfachen Animationen kämpften, erstellte Veo 2 Videos in 4K-Auflösung von mehr als zwei Minuten Länge, komplett mit ausgefeilter Kameratechnik und Filmeffekten.

Die technischen Errungenschaften waren beeindruckend. So zeigte Veo 2 beispielsweise eine bessere Physikmodellierung, eine nuanciertere menschliche Mimik und eine genauere Handhabung von Bewegung und Beleuchtung.

In direkten Vergleichen mit anderen führenden Modellen stuften menschliche Bewerter die Ergebnisse von Veo 2 durchweg als realistischer und näher an den beabsichtigten Ansagen ein.

Der vorsichtige Rollout von Google hat uns jedoch gezeigt, dass es beim Einsatz einer so leistungsstarken KI-Videotechnologie verschiedene Herausforderungen gibt. 

Der Zugang blieb über das experimentelle VideoFX-Tool US-Nutzern über 18 Jahren vorbehalten, wobei die Ausgabe zunächst auf 720p-Auflösung und 8-Sekunden-Clips beschränkt war.

Jedes von Veo 2 erzeugte Bild enthielt zudem das unsichtbare Wasserzeichen von SynthID – wie wir mittlerweile wissen, ein wichtiger Punkt bei synthetischen Medien.

Die Einschränkungen waren ebenso aufschlussreich. Trotz seiner beeindruckenden Fähigkeiten hatte Veo 2 mit komplexen Szenen und schnellen Bewegungsabläufen zu kämpfen.

Kombiniert man diese Herausforderungen mit Googles maßvollem Vorgehen bei der Expansion, lässt sich erkennen, was nötig ist, um technologische Innovation und verantwortungsvollen Einsatz in Einklang zu bringen.

Fazit

Die Entwicklungen im Bereich KI, die 2024 zu sehen waren, gehören zu den bisher wichtigsten.

Während Apple und Google sich auf KI für Verbraucher konzentrierten und Nvidia die Hardware für all diese Anwendungen lieferte, lag der eigentliche Schwerpunkt auf der Verlagerung von allgemeiner KI zu spezialisierten, durchdachten Implementierungen.

Die Einführung des KI-Gesetzes in der EU sowie die Kontroversen, mit denen Unternehmen wie Apple und Perplexity konfrontiert waren, haben deutlich gemacht, dass Innovation und Verantwortung in Einklang gebracht werden müssen.

Je näher das Quantencomputing an die Praxis heranrückte und je autonomer KI-Agenten wurden, desto bewusster wurde uns, dass die Zukunft nicht nur in der Entwicklung einer leistungsfähigeren KI liegt, sondern auch in der Schaffung einer zuverlässigeren, spezialisierten und verantwortungsbewussten KI.

FAQ