GI-Radar 404: Übernehmen KI-Agenten die Herrschaft?

Liebe Leserinnen und Leser,

in dieser Ausgabe geht es um die neue Pflicht zum Widerrufsbutton in Onlineshops, den Schulterschluss von Frankreich, Indien und Deutschland auf dem Weg zu mehr Unabhängigkeit von US-Techdiensten, eine BITKOM-Studie zur Cloudnutzung deutscher Unternehmen, den zunehmenden Betrug im Onlinehandel und Smartphones, die sich bei Diebstahl selbst sperren. Das Thema im Fokus behandelt KI-Agenten – und die Frage, ob wir vor der falschen Sache Angst haben. In den GI-Meldungen möchten wir Sie animieren, bei Ihren Studierenden für die GI zu werben, berichten von der Neugründung der Fachgruppe Digitalisierung und Nachhaltigkeit und machen Sie auf die Verlosung von GI-Mitgliedschaften für den Berufseinstieg aufmerksam. Im Fundstück nehmen wir Sie diesmal mit auf eine Weltkarte des Glücks.

Wir wünschen Ihnen viel Spaß mit dieser Ausgabe.

auf gi-radar.de weiterlesen

KURZMITTEILUNGEN

Widerrufsbutton wird Pflicht (Spiegel). Onlineshops müssen ihrer Kundschaft ab sofort einen einfachen Weg zum Widerruf bieten: Ein gut sichtbarer Button auf der Seite soll den Rücktritt vom Kauf mit zwei Klicks ermöglichen. Bislang war die Widerrufsmöglichkeit häufig kaum zu finden – das soll nun der Vergangenheit angehören. weiterlesen

Schulterschluss in Richtung Unabhängigkeit von den USA (Arte). Anlässlich der Startup-Messe VivaTech in Paris traf sich Präsident Macron mit dem indischen Premierminister. Gemeinsam mit Deutschland wollen die drei Länder einen Schulterschluss bilden, um unabhängiger von den USA und ihren großen Techkonzernen zu werden. weiterlesen

Cloud-Report des BITKOM (General-Anzeiger). Laut einer BITKOM-Umfrage beklagt ein Großteil der Unternehmen in Deutschland bei Cloud-Diensten die Abhängigkeit von den USA. Nur 8 Prozent würden US-amerikanische Anbieter bevorzugen, tatsächlich nutzen sie aber 71 Prozent. Knapp zwei Drittel der Firmen beginnen angesichts der politischen Lage, ihre Cloud-Strategie zu überdenken, und ein gutes Drittel wäre bereit, für digitale Souveränität auch Nachteile in Kauf zu nehmen. weiterlesen

Wachsender Betrug im Onlinehandel (Golem). Der (Online-)Handel leidet nicht nur unter Kaufzurückhaltung, sondern zunehmend auch unter Betrug. Immer häufiger werden Waren bestellt und dann nicht bezahlt oder als nicht geliefert deklariert. Neben Einzelpersonen ist oft die organisierte Kriminalität beteiligt: Gezielt werden einkommensschwache Menschen angeworben, die gegen einen kleinen Obolus ihre Daten zur Verfügung stellen, mit denen anschließend betrogen wird. weiterlesen

Kill Switch gegen Handydiebstahl (heise). In Großbritannien rüsten einige Provider Smartphones mit sogenannten „Kill Switches“ aus. Entsprechend ausgestattete Geräte deaktivieren sich bei Diebstahl automatisch, sobald sie eingeschaltet werden. Die Maßnahme ist eine Reaktion auf die zunehmenden Einbrüche in Elektronikgeschäfte. weiterlesen

THEMA IM FOKUS

Übernehmen KI-Agenten die Herrschaft? Die falsche Angst – und die richtigen Fragen. Der gegenwärtige Medienrummel um Agentic AI nährt die Erwartung, dass KI-Systeme nicht länger nur reagieren, sondern eigenständig Ziele verfolgen, Entscheidungen treffen und digitale Arbeit autonom erledigen können. In einem Blogbeitrag auf X entwirft das Analysehaus Citrini Research das Szenario einer düsteren Zukunft der amerikanischen Wirtschaft. Dieses Szenario umfasst Massenentlassungen, eine hyperbolische Produktivität durch KI-Agenten und das Ende der uns vertrauten Konsumgesellschaft. Diese Skizze ist selbstverständlich dystopisch und ausdrücklich hypothetisch, und dennoch löste sie spürbare Turbulenzen an den Aktienmärkten aus. Aktien von Uber, American Express, Mastercard und DoorDash, alle namentlich im Citrini-Szenario erwähnt, verloren am Tag nach der Veröffentlichung zwischen 4 % und 6 %.

Vielfach diskutierte Plattformen wie „Rent-a-Human“ stehen für die zunehmend hybride Mensch-KI-Beziehung. In Umkehrung der traditionellen Hierarchie werden hier durch Agenten reale Personen für Botengänge, Beratungen oder Marketingaktionen akquiriert. Die vermeintlich handelnde Maschine delegiert ihre physische Existenz an Freelancer – der algorithmische Akteur erhält gewissermaßen einen menschlichen Körper auf Abruf. Zukünftig wird es auf die kreative Gestaltung dieses Zusammenwirkens ankommen, anstatt auf das schlichte kostenreduzierende Ersetzen von Menschen in Arbeitsprozessen bei geringer globaler Produktivitätssteigerung oder die „Zuarbeit“ von Menschen, etwa für die Erstellung von Trainingsdaten für KI-Systeme.

Es gibt zahlreiche Hinweise darauf, dass sich gegenwärtig ein neues soziales Gefüge zwischen Menschen und KI-Agenten herausbildet. Dies wirft die Frage auf, inwieweit sich spieltheoretische ökonomische Konzepte mit sozialwissenschaftlichen Erklärungsansätzen erweitern lassen, um sogenannte „soziale Mechanismen“ zu untersuchen. Gemeint sind damit regelhafte und kausal wirksame Prozesse, aus denen soziale Phänomene hervorgehen. Lassen sich solche Ansätze aus der menschlichen Gesellschaft auf das hybride Arrangement zwischen Menschen und Agenten übertragen?

Die aktuelle Debatte um Agentic AI ist durch eine starke Anthropomorphisierung konkreter KI-Systeme geprägt, also eine Vermenschlichung der Systeme, wodurch ihnen genuin menschliche Eigenschaften und Merkmale zugeschrieben werden. Auch wird die Leistungsfähigkeit von KI-Systemen am menschlichen Maßstab gemessen. Dieser Ansatz hat eine lange Tradition und geht zurück auf das von Alan Turing 1950 vorgeschlagene Imitationsspiel: Ein System wird dann als intelligent bezeichnet, wenn es im Dialog nicht von einem Menschen zu unterscheiden ist. In diesem Test geht es allein um Imitation, nicht um die Betrachtung von KI-Alignment, also den Prozess der Kodierung menschlicher Werte und Ziele in KI-Systeme. Die Wirkung von KI-Systemen in Netzwerken mit anderen Systemen sowie in der Interaktion mit menschlichen Akteuren wird bisher noch unzureichend berücksichtigt.

Von Turing zu Star-Durkheim. Gerade die hybriden Konstellationen zwischen Menschen und Agenten sind von wachsender gesellschaftlicher Bedeutung: Der Einfluss von KI auf Arbeitsmärkte und Produktivität, auf öffentliche Meinung und politische Kommunikation sowie auf die Sozialisation von Heranwachsenden in sozialen Medien nimmt zu. Konzepte zur Gestaltung dieses beschleunigten Wandels werden mit zunehmender Dringlichkeit eingefordert – und doch bewegt sich die gesellschaftliche Diskussion, theoretisch wie empirisch, noch in einer Phase der Begriffs- und Orientierungssuche, jenseits gefestigter Erklärungsansätze.

Neu ist die Frage nach einer erweiterten Sozialität zwischen Menschen und KI freilich nicht. Die Erforschung von Multiagenten-Systemen war bereits in den 1990er Jahren ein zentrales Thema der Künstlichen Intelligenz, und viele Lehrbücher stellen den Agentenbegriff seit jeher in den Mittelpunkt der Disziplin. Neu ist vielmehr die enorme gesellschaftliche Reichweite dieser Konstellation zwischen Mensch und Agent(en). Aber auch manch einer hat dies vorausgesehen; so forderte Joseph Weizenbaum schon in den 1970er Jahren, sich bei der Einführung neuer Technologien grundlegende Fragen zu stellen: Wer trägt die Kosten? Was bedeutet die Technologie für künftige Generationen? Welche Auswirkungen hat sie auf die Wirtschaft, die internationale Sicherheit und unser Verständnis davon, was es bedeutet, Mensch zu sein? Ist die Technologie reversibel? Welche Grenzen sollten ihrer Anwendung gesetzt werden?

Besonders hervorzuheben für die Anfänge dieser Debatte ist der Beitrag der Soziologin Susan Leigh Star, die bereits 1989 argumentierte, der Turing-Test sei kein geeigneter Maßstab zur Bewertung von KI-Technologie. Sie schlug mit Blick auf Multiagenten-Systeme vor, Ideen von Émile Durkheim, einem Mitbegründer der Soziologie, als Grundlage eines neuartigen KI-Tests zu wählen. Star entwarf den sogenannten „erweiterten Durkheim-Test“: Dieser sollte prozessorientiert die Entwicklung, Akzeptanz, Nutzung und fortlaufende Veränderung eines KI-Systems durch die Gemeinschaft von Entwickelnden und Nutzenden umfassen. Die Intelligenz eines Systems bemesse sich damit an der Nützlichkeit für die gemeinsame Arbeit und an der Fähigkeit zur ständigen Anpassung. Zudem sollte ein KI-System in der Lage sein, unterschiedliche Sichtweisen von Beteiligten aufzunehmen und die Kommunikation zwischen ihnen zu verbessern. In solchen entwicklungsoffenen KI-Systemen verschmelzen laut Star Entwurf und Gebrauch, ebenso wie Technologie und Nutzende, Labor und Arbeitsplatz.

Menschen und Agenten in einem sozialen Mechanismus. Ein sogenannter Mechanismus organisiert das koordinierte Zusammenwirken lokal entwickelter Agenten, die bewusst nach eigener Logik handeln. Über geeignete Anreizsysteme lenkt dieser Mechanismus das Verhalten der Agenten so, dass trotz ihrer lokalen Perspektiven ein global wünschenswertes Ziel erreicht wird. Solche Anreizsysteme wurden vor allem in den Wirtschaftswissenschaften intensiv untersucht.

Dabei wurden jedoch Maschinen und Menschen gleichermaßen als Agenten modelliert; aus theoretischer Sicht galten ihre Anreizstrukturen lange als vergleichbar. Aktuell erscheint es zwingend, diese Sicht zu erweitern, da Agenten zunehmend mit Menschen zusammenarbeiten. Es gilt nunmehr, nicht nur einzelne Agenten zu betrachten, sondern beim Entwurf von KI-Systemen das Konzept des jeweiligen sozialen Mechanismus in den Mittelpunkt zu stellen. Wir verstehen darunter, in Anlehnung an die analytische Soziologie, einen sozialen Kontext des regelhaften kausalen Zusammenwirkens, in dem Menschen und Agenten interagieren, um ein bestimmtes Ziel zu erreichen. Andererseits gilt es, Menschen aufgrund ihrer kognitiven und emotionalen Eigenschaften bei der Interaktion im sozialen Mechanismus in besonderer Weise zu berücksichtigen. Die Gestaltung von Anreizsystemen im Mechanismus-Design für Agenten ist extrem aufwändig und fehlerbehaftet, sodass globale Ziele nur iterativ erreicht werden können – wobei empirische Vorab-Tests hierfür nicht ausreichen und mathematische Beweise meist kaum zu führen sind.

Die grundsätzliche Funktionsweise sozialer Mechanismen ist seit langem geläufig: etwa bei Wikipedia, einer gemeinschaftlich erarbeiteten Online-Enzyklopädie, deren Inhalte im Zusammenspiel von menschlichen Autor*innen und Software-Agenten entstehen. Die meisten Änderungen stammen von Nutzenden; zugleich übernehmen zahlreiche Agenten, dort Bots genannt, Routineaufgaben. Sie erkennen Vandalismus, pflegen Verlinkungen und schlagen Bearbeitungen vor. Ihre Einführung und ihr Einsatz sind durch strikte Regeln und Richtlinien der Community begrenzt. Ein anderes aktuelles, oft besprochenes Szenario sind autonome Fahrzeuge, die am öffentlichen Straßenverkehr teilnehmen. Sie sind Teil eines sozialen Mechanismus, der aus menschlichen Fußgängern, menschlichen Fahrer*innen und künstlichen Akteuren – den autonomen Fahrzeugen – besteht. Die Umgebung ist in diesem Beispiel äußerst komplex und umfasst Verkehrsmanagementsysteme und wechselnde Wetterbedingungen.

Der Star-Durkheim-Test. Soziale Mechanismen lassen sich mit wohlbekannten Werkzeugen aus der Spieltheorie und der analytischen Soziologie untersuchen. Die Spieltheorie ist seit langem ein wichtiger Bestandteil der Ökonomie, etwa bei der Untersuchung, Bewertung und Gestaltung von Mechanismen. Aus sozialwissenschaftlicher Sicht bezeichnen Mechanismen regelhaft miteinander verknüpfte Handlungszusammenhänge; sie erklären, wie und warum bestimmte soziale Muster, kollektive Verhaltensweisen oder individuelle Handlungsfolgen in der Gesellschaft entstehen und sich entwickeln. Sie schließen die Lücke zwischen individuellen Handlungen auf der Mikroebene und kollektiven Phänomenen auf der Makroebene – mit Schwerpunkt auf den kausalen Zusammenhängen zwischen beiden.

Wir schlagen im Anschluss an Susan Leigh Star einen konzeptionellen Star-Durkheim-Test (SD-Test) für die hybride Mensch-Agenten-Interaktion vor: einen Fragenkatalog, der spieltheoretische Mechanismus-Gestaltung mit Erkenntnissen der analytischen Soziologie zusammenführt. Im Folgenden illustrieren wir ihn am Beispiel des sozialen Mechanismus im Straßenverkehr mit autonomen Fahrzeugen. Die hervorgehobenen Begriffe entsprechen den Leitbegriffen der Fragen des SD-Tests, die wir hier nur beispielhaft erläutern können:

Jeder Verkehrsteilnehmer folgt einer Nutzenfunktion. Bei Menschen sind dies typischerweise Reisezeit, Komfort und vor allem Sicherheit. Autonome Fahrzeuge sind so zu gestalten, dass ihre Entscheidungen dem sozialen Wohl des Gesamtsystems dienen und zugleich anreizkompatibel bleiben. Das heißt, sie müssen verlässlich, regelkonform und „wahrheitsgemäß“ handeln und kommunizieren. Fairness ist dabei ein Anspruch des Mechanismus, auch wenn der Straßenalltag zeigt, dass menschliche Akteure diesem Anspruch nicht immer gerecht werden. Budgetär ist das System ausgeglichen: Jeder finanziert sich selbst.

Der Mechanismus liefert kausale Erklärungen, weil sich Makro-Effekte wie Stauhäufigkeit oder Sicherheitsniveau auf die aggregierten Mikro-Entscheidungen zurückführen lassen, vorausgesetzt, die Präferenzen und Strategien der Akteure sind bekannt. In diesem Sinne ist das System mikro-fundiert. Zugleich ist es generativ: Aus vielen einfachen, wiederholten Interaktionen wie Spurwechsel, Bremsen oder Beschleunigen entstehen komplexe Muster – vom Entstehen und Abklingen von Staus bis zu lokalen Überholkonventionen. Auch klassische soziale Dilemmata treten auf, beispielsweise an unübersichtlichen Kreuzungen, wo die Abwägung zwischen dem Durchsetzen des Vorrangs und dem Nachgeben steht. Solche Konflikte müssen in die Strategien autonomer Fahrzeuge einfließen, etwa als Gewichtung von Sicherheit gegen Reisezeit. Autonome Autos können zudem untereinander kommunizieren. Das kann zu sozialer Homophilie (Ähnlichkeitsorientierung) führen: mehr Austausch unter Maschinen, weniger mit klassischen Fahrzeugen oder Fußgängern – mit der Folge von Gruppierungen und neuen Reibungen. Auch Kipppunkte sind denkbar. Wenn ein großer Teil der Verkehrsteilnehmer*innen defensives Maschinenverhalten übernimmt, können sich neue Verhaltensnormen etablieren. Die Verbreitung autonomer Fahrzeuge dürfte zudem die Mobilität insgesamt verändern – mit absehbaren ökonomischen Folgen.

Ein aktuelles Beispiel für einen sozialen Mechanismus aus dem Bereich Agentic AI ist das Open-Claw-System: lokale Open-Source-Agenten, die digitale Aufgaben über mehrere Software-Dienste hinweg selbständig erledigen können. Doch je größer das Versprechen der Autonomie ist, desto größer ist auch die Angriffsfläche: Wer einem solchen System weitreichende Zugriffsrechte einräumt, handelt sich im Zweifel genau jene Risiken ein, die der Hype gerne ausblendet – von kompromittierten Zugangsdaten bis hin zu manipulierbaren Workflows. Analysiert man diesen Open-Claw-Mechanismus mit den Fragen des SD-Tests, kommt man rasch zu dem Ergebnis, dass er nur unter erheblichen Einschränkungen und Regularien betrieben werden sollte. Die Realisierung dieser Einschränkungen ließe sich allerdings mit dem Versuch vergleichen, eine Küche kindersicher zu machen, indem man alle Messer, den Herd und den Backofen entfernt. Dann wäre die Küche sicher; doch es ist fraglich, ob sie noch ihre Funktion erfüllt.

Wer lenkt und bestimmt die Entwicklung von KI-Systemen heute? Auch die internationale Politik hat erkannt, dass KI-Systeme gesellschaftlich wie ökonomisch eine zentrale Rolle spielen. Der EU AI Act verfolgt einen risikobasierten Ansatz, bei dem je nach Risikokategorie unterschiedliche Anforderungen an KI-Systeme gestellt werden. Diese Anforderungen sind meist technischer Natur, etwa das Verbot bestimmter Techniken (wie Social Scoring, biometrische Identifizierung im öffentlichen Raum oder Kategorisierung nach ethnischer Zugehörigkeit), zusammen mit klaren Richtlinien für die Überwachung. Die Vorschriften sollen sicherstellen, dass Unternehmen KI-Systeme zum Wohle der Menschen entwickeln und einsetzen. Sie konzentrieren sich jedoch meist auf einzelne Systeme und berücksichtigen nicht den gesamten Kontext, in den das KI-System eingebettet ist. Der SD-Test versteht ein System dagegen als Teil eines sozialen Mechanismus mit einer klaren sozialen Nutzenfunktion und einer Reihe von zu überprüfenden Eigenschaften. Eine solche Analyse könnte dazu beitragen, das Ziel des KI-Systems sowie risikobehaftete Aspekte zu identifizieren.

Ein progressiver Bereich ist das autonome Fahren im öffentlichen Raum, wo sich zahlreiche Regulierungen beobachten lassen, die sich an den oben entwickelten Fragen des SD-Tests orientieren – bis hin zur Frage, wie autonome Fahrzeuge in moralischen Dilemmasituationen handeln sollen. Anders verhält es sich beim Einsatz großer Sprachmodelle. Hier zeigt sich, wie schwer sich Europa damit tut, Gesetze wie den EU AI Act, den Digital Services Act (DSA) oder den Digital Markets Act (DMA) gegen amerikanische Konzerne und den politischen Gegenwind aus Washington durchzusetzen.

Fazit. Die eingangs aufgeworfene Frage, inwieweit sich spieltheoretische Konzepte mit sozialwissenschaftlichen Erklärungsansätzen erweitern lassen, um verantwortlich gestaltete und vor allem bewertbare soziale Mechanismen zu entwerfen, möchten wir mit Ja beantworten. Soziale Mechanismen können entlang der Dimensionen des vorgeschlagenen Star-Durkheim-Tests bewertet werden. Dabei kann sich durchaus zeigen, dass bestimmte Mechanismen aufgrund ihrer möglichen Folgen gar nicht erst realisiert werden sollten.

Die entscheidende Frage lautet daher nicht, ob KI eingesetzt werden soll. Technologien verschwinden selten wieder. Entscheidend ist vielmehr, welche sozialen Strukturen wir mit ihnen entstehen lassen, sodass mögliche Arbeitsplatzverluste durch globale Produktivitätssteigerungen aufgefangen werden könnten. Die Nützlichkeit einzelner Agenten lässt sich nur in Relation zu dem sozialen Mechanismus beurteilen, in dem sie handeln. Nicht die Maschine bestimmt die gesellschaftlichen Effekte, sondern die sozialen Regeln, nach denen Menschen und Maschinen zusammenwirken. Die eigentliche Machtfrage der KI lautet daher: Welche sozialen Mechanismen sind wir bereit zu akzeptieren – und wie können wir internationalen wirtschaftlichen Druck durch Kreativität im Design sozialer Mechanismen ausgleichen? Statt Ängste zu schüren, sollten wir den gesamtgesellschaftlichen Nutzen neuer Technologien stärker ins Zentrum der politischen Diskussion rücken.

Dieser Beitrag wurde von Susanne Draheim (Hochschule für Angewandte Wissenschaften Hamburg), Ulrich Furbach (Universität Koblenz) und Ralf Möller (Universität Hamburg) beigesteuert. Vielen Dank! Er basiert auf der ausführlichen Arbeit Draheim, S., Furbach, U., Möller, R.: „Toward Testing AI: A Socio-Economic View“ (Technical Report, doi.org/10.25592/uhhfdm.18711, 2026); eine Kurzversion erscheint unter dem Titel „Evaluating AI as Part of Social Mechanisms“ in den Proceedings der 49th German Conference on Artificial Intelligence (2026). Die zugrunde liegenden Ideen von Susan Leigh Star finden sich in: Star, S. L.: „The structure of ill-structured solutions: Boundary objects and heterogeneous distributed problem solving“, in: Distributed Artificial Intelligence, Elsevier (1989). Haben auch Sie ein Thema im Fokus, das Sie interessiert? Wir freuen uns auf Ihre Ideen!

GI-MELDUNGEN

Studierende für die GI gewinnen: Musterpräsentation. Studierende sind im besten Fall die Zukunft der GI. Deshalb wünschen wir uns, dass Lehrende an ihren Hochschulen die GI bekannt machen, über das Netzwerk berichten, die Vorteile herausstellen und im besten Fall als GI-Mitglied selbst Vorbild sind. Dafür stellen wir eine Präsentation zur Verfügung und freuen uns sehr, wenn diese künftig regelmäßig genutzt würde. weiterlesen

Neue Fachgruppe Digitalisierung & Nachhaltigkeit. Im Fachbereich Informatik und Gesellschaft gab es seit einiger Zeit den Arbeitskreis „Digitalisierung und Nachhaltigkeit“. Seine Themen haben sukzessive an Gewicht gewonnen und werden die Gesellschaft künftig zunehmend prägen. In seiner letzten Sitzung hat der Fachbereich den Arbeitskreis deshalb in den Status einer Fachgruppe gehoben. Ihr übergeordnetes Ziel ist es, Nachhaltigkeit im Digitalen zu verankern. Sie richtet sich an alle GI-Mitglieder, die die konkrete Umsetzung von Nachhaltigkeitszielen als zentrale Aufgabe der Informatik erachten. Die Fachgruppe lädt herzlich ein, eigene Perspektiven, Expertise und Elan einzubringen – Details zum Mitmachen gibt es auf der Webseite. weiterlesen

Mitgliedschaften für Berufseinsteiger zu gewinnen. Gerade von der Hochschule in den Beruf gewechselt? Neugierig, was die GI bieten kann? Wir verlosen kostenlose Mitgliedschaften für Menschen, die frisch ins Berufsleben eingestiegen sind. Wer sich bis zum 8. Juli bei uns registriert, bekommt eineinhalb Jahre Mitgliedschaft geschenkt. weiterlesen

Kennen Sie eigentlich den GI-Pressespiegel? Dort sammeln wir die Berichterstattung über unsere Fachgesellschaft in Zeitungs-, Radio- und Fernsehbeiträgen. Ein Blick lohnt sich – es gibt dort immer wieder Neues und auch ältere Fundstücke.

FUNDSTÜCK

Happy Map. Im Jahr 2017 hielten mehr als 10.000 Menschen für ein Forschungsprojekt fest, was sie glücklich macht – zusammen kamen über 100.000 Glücksmomente zusammen, gesammelt in der „HappyDB“. Der Datenjournalist Alvin Chang hat daraus eine interaktive Landkarte gebaut: Mit Hilfe eines Sprachmodells wurden die Momente danach eingeordnet, wie viel Selbstbestimmung („agency“) in ihnen steckt und ob sie eher kurz- oder langfristig wirken, und anschließend in eine dreistufige Taxonomie aus „Kontinenten“, „Ländern“ und „Bundesstaaten“ sortiert. Ein Voronoi-Algorithmus zerlegt die Karte in 200.000 Regionen, die an das Fell einer Giraffe erinnern; die einzelnen Glücksmomente erscheinen als von Hand gezeichnete Menschen. Wer durch diese Landschaft scrollt, betreibt also nebenbei eine kleine Reise durch das, was Menschen weltweit zufrieden macht – von der ersten Tasse Kaffee bis zum Wiedersehen mit alten Freunden.  Zum Fundstück (pudding.cool)

Welches Fundstück hat Sie zuletzt inspiriert? Senden Sie uns Ihre Ideen!

Dies war Ausgabe 404 des GI-Radars vom 26. Juni 2026. Dass die Ausgabe mit dem berüchtigtsten aller Fehlercodes bei Ihnen angekommen ist, werten wir als gutes Omen. Zusammengestellt hat diese Ausgabe Dominik Herrmann. Die Kurzmitteilungen und die GI-Meldungen haben GI-Geschäftsführerin Cornelia Winter und Burkhard Hoppenstedt zusammengetragen. Das nächste Radar erscheint am 10. Juli 2026.

Im GI-Radar berichten wir alle zwei Wochen über ausgewählte Informatik-Themen. Wir sind sehr an Ihrer Meinung interessiert. Für Anregungen und Kritik haben wir ein offenes Ohr, entweder per E-Mail (redaktion@gi-radar.de) oder über das Feedback-Formular bei SurveyMonkey.