KI News: Kurz und klar.

In dem kommenden Buch „Architecture as Code“ wird ein zentrales Prinzip vorgestellt: Architekten können automatisierte Governance‑Checks für wesentliche architektonische Fragen entwerfen. Durch agentische KI werden diese Checks noch effizienter, sodass schnelle Feedbackschleifen entstehen, wenn etwas schiefgeht. Diese Idee ist nicht neu – bereits 2017 haben Neal, Rebecca Parsons und Patrick Kua in der ersten Ausgabe dieses Konzepts zugestimmt.

Generative KI hat die Softwareentwicklung frühzeitig erfasst, doch die erwartete Revolution bleibt bislang eher ein leises Echo. Zwei Drittel der Unternehmen haben bereits KI‑Tools ausprobiert, während die Mehrheit der Entwickler sie kaum nutzt und die Produktivität kaum ansteigt.

Eine kürzlich veröffentlichte Studie auf arXiv (2509.15730v1) präsentiert eine strukturierte Klassifikation, die maschinelles Lernen (ML) und Robotic Process Automation (RPA) miteinander verknüpft. RPA, die Softwareroboter nutzt, um benutzerbasierte Aktionen an grafischen Oberflächen zu emulieren, hat sich als kosteneffiziente Lösung für regelbasierte, gut strukturierte Aufgaben etabliert. Doch die symbolische Beschaffenheit von RPA limitiert ihre Einsatzmöglichkeiten bei komplexeren, menschlich gesteuerten Prozessen.

Arm, der weltweit führende Anbieter von Prozessorarchitekturen, hat im zweiten Quartal einen bedeutenden Meilenstein erreicht: Laut einem aktuellen Bericht des Dell’Oro Group haben Arm‑CPUs einen Anteil von 25 % am Servermarkt erobert. Dieser Erfolg steht jedoch noch weit entfernt von dem von Arm‑Infrastrukturchef angestrebten Ziel von 50 % Marktanteil.

In der Forschung zu Diffusionsmodellen (DMs) wird seit langem der Einsatz deterministischer Sampler als Standardpraxis betrachtet. Neue Untersuchungen zeigen jedoch, dass diese Methode ein bislang unbekanntes Problem aufweist: die sogenannten Kollapsfehler. Dabei konzentriert sich die erzeugte Stichprobe zu stark in bestimmten Bereichen des Datenraums, was die Vielfalt der generierten Ergebnisse stark einschränkt.

Ein neues Forschungsprojekt hat gezeigt, dass die scheinbare Kreativität von Bildgeneratoren nicht aus einer bewussten Vorstellungskraft stammt, sondern aus der Art und Weise, wie die Modelle aufgebaut sind. Die Generatoren sind darauf ausgelegt, Muster aus ihren Trainingsdaten zu reproduzieren, und die daraus resultierenden Kombinationen wirken daher wie kreative Ideen.