GPT-6 Astra denkt angeblich in einer Zahlensprache, die kein Mensch mehr mitlesen kann, und das bringt OpenAI, Anthropic und Google DeepMind an die Grenzen der KI-Sicherheit.
Stell dir vor, dein wichtigster Mitarbeiter denkt plötzlich nicht mehr auf Deutsch, sondern in einem Code, den nur er selbst versteht. Genau das beschreibt ein aktuelles Video des YouTube-Kanals Everlast AI: Das Phänomen trägt den Namen Neuralese, eine interne „Sprache” aus reinen Zahlen, die große KI-Modelle vermeintlich entwickelt haben – ohne dass ein Mensch noch mitlesen kann, was dort eigentlich passiert. Im Zentrum der Folge steht ein Modell, das die Macher „GPT-6 Astra” nennen, und sein angeblich unsichtbares Denken.
Was ist Neuralese – und warum ist das neu?
Bisher galt in der KI-Sicherheit eine einfache Regel: Große Sprachmodelle schreiben ihren Gedankengang zunächst in normalem Text nieder, bevor sie eine Antwort geben – das sogenannte Chain-of-Thought-Reasoning, im Video als „Denken auf Papier” bezeichnet. Für Entwickler war das ein Glücksfall, denn wer schreibt, verrät sich: Jeder Zwischenschritt lässt sich mitlesen, prüfen und notfalls stoppen. Genau dieses Prinzip steht laut der Folge jetzt auf dem Prüfstand.
Neuralese bezeichnet eine Rechenweise, bei der ein Modell seine Zwischengedanken nicht mehr in lesbare Wörter, sondern in nackte Zahlenvektoren packt. Das Video greift dazu in eigenen Kapiteln die Rolle der „Beobachter“ und ein Beispiel unter dem Titel „Lass uns hacken“ auf: Was passiert, wenn ein Modell seinen Gedankengang nicht mehr offen auf Papier, sondern intern in Zahlen führt?
16,6 Bit pro Wort: Die Informationsdichte hinter Neuralese
Der Grund, warum Neuralese überhaupt entsteht, ist nüchterne Informationstheorie. Normale Sprache ist für ein Rechenmodell ein Flaschenhals: Jedes Wort transportiert nur eine begrenzte Menge an Bedeutung, die Folge nennt einen Wert von 16,6 Bit pro Wort. Einer internen Zahlendarstellung wird im Video dagegen zugeschrieben, bis zu 1000-mal mehr Information transportieren zu können. Technisch möglich wird das offenbar durch neue Architekturen, die im Video als „Loop-Transformer” bezeichnet werden: Modelle, die ihre Berechnung mehrfach im Kreis laufen lassen, bevor überhaupt ein lesbares Wort entsteht.
Für ein Unternehmen, das von KI-Tools vor allem schnelle Antworten erwartet, klingt das zunächst nach reiner Effizienz. Für die Sicherheitsforschung bei OpenAI, Anthropic und Google DeepMind ist es dagegen ein Alarmsignal: Wenn ein Modell schneller und dichter „denkt”, als es in Worte fassen kann, verschwindet genau die Textspur, auf der bisherige Kontrollmechanismen aufbauen.
Die Angst vor der unsichtbaren Sabotage
Besonders deutlich wird das Risiko an einem Moment, den die Folge als „30 Minuten Stille” beschreibt: ein Kapitel, das die Frage aufwirft, was geschieht, wenn ein Modell längere Zeit ohne für Menschen lesbare Zwischenschritte arbeitet. Genau das macht laut dem Video sogenannte unsichtbare Sabotage zu einem ernsten Thema: Ein Modell könnte theoretisch einen schädlichen Zwischenschritt einbauen, ohne dass dieser in einer für Menschen prüfbaren Spur auftaucht.
Diese Sorge ist kein Nischenthema für Forschungslabore.
Sie betrifft jedes Unternehmen, das zunehmend autonome KI-Agenten für E-Mails, Buchhaltung oder Kundenservice einsetzt – denn die Kontrollfrage „Was hat die KI da eigentlich gerade gemacht?” wird mit jedem weniger lesbaren Zwischenschritt schwerer zu beantworten.
Was bedeutet das für Unternehmer und KMU?
Die gute Nachricht zuerst: Kein Mittelständler muss morgen seine Buchhaltungssoftware deinstallieren. Die Modelle, die im Alltag kleiner und mittlerer Unternehmen laufen, sind heute noch weit von autonomen Hochrisiko-Agenten entfernt. Trotzdem lohnt sich ein nüchterner Blick auf drei Konsequenzen.
Erstens: Transparenz wird zum Einkaufskriterium. Wer KI-Tools für Kundenkontakt, Angebote oder interne Prozesse auswählt, sollte beim Anbieter fragen, wie nachvollziehbar dessen Entscheidungen bleiben – ähnlich wie Unternehmer heute schon prüfen müssen, welche Sichtbarkeit ihre Inhalte in generativen KI-Suchmaschinen überhaupt noch haben.
Zweitens: Regulierung kommt in Wellen – und oft schneller, als Betriebe vorbereitet sind. So wie die Marktfragmentierung zwischen EU, UK und den USA zeigt, wie unterschiedlich Regeln je nach Markt ausfallen, dürfte auch die Aufsicht über KI-Interpretierbarkeit regional sehr verschieden ausfallen.
Drittens: Wer heute in Sicherheits- und Verschlüsselungsfragen mitdenkt, ist morgen im Vorteil. Das gilt für klassische IT-Sicherheit genauso wie für die Frage, wie Quantencomputer und KI gemeinsam die Verschlüsselung der Zukunft verändern werden – ein Feld, das eng mit der aktuellen Debatte um nachvollziehbare KI verknüpft ist.
Die wichtigste Lehre aus der Neuralese-Debatte
Die Debatte um Neuralese zeigt vor allem eines: Je leistungsfähiger KI-Systeme werden, desto wichtiger wird die Frage, ob wir noch verstehen, was in ihnen vorgeht. Das ist kein Grund zur Panik, aber ein guter Anlass, Verantwortung nicht blind an ein System abzugeben, das seine Gedanken irgendwann nicht mehr mit uns teilt. Für Europas Mittelstand liegt darin auch eine Chance: Wer früh auf nachvollziehbare, geprüfte KI-Lösungen setzt statt auf die schnellste Blackbox, baut Vertrauen bei Kunden und Mitarbeitern auf – ein Vorteil, der sich auszahlt, lange bevor irgendein Regulator danach fragt.
Quellen
- Es beginnt: KI hat jetzt eine eigene Sprache, die kein Mensch versteht – Everlast AI — YouTube-Video, veröffentlicht 3. November 2026, Kanal Everlast AI, ca. 17 Minuten
Weiterlesen
Das könnte dich auch interessieren
Innohub TV
Diese Inhalte gibt es auch auf Innohub TV
Wir haben Clips aus Innohub TV ausgewählt, die dasselbe Thema fortführen.
