Zum Inhalt
WeltzeitEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal über KI und Technologieereignisse · analysen · interviews · technischer hintergrund

Suche
LIVE
›

Desinformationsnetzwerke passen sich laufend an, und Metas Muse-Agent zeigt die neueste Front

Metas neuer persönlicher KI-Agent Muse läuft in einer abgeschotteten Linux-VM und verbindet sich über sogenannte Konnektoren mit Diensten Dritter. Das geht aus einem Tailscale-Blogbeitrag vom 30. September hervor. Tailscale stellt die Integration als Testfall dafür dar, wie viel ein Agent sehen und tun darf.

Medien & InternetErklärtLena BrandtVeröffentlicht: 30. September 20265 Min. LesezeitQuellen 7
Desinformationsnetzwerke passen sich laufend an, und Metas Muse-Agent zeigt die neueste Front

Der Tailscale-Beitrag vom 30. September ist eine Anbietererklärung zu einer Funktion, kein Sicherheitsaudit. Er trifft aber eine Frage, die in den vergangenen Tagen durch fast alle Berichte über Desinformationsnetzwerke im Netz ging: Was passiert, wenn die arbeitende Software kein menschliches Konto ist, sondern ein autonomer Agent mit eigenen Zugangsdaten.

Meta hatte Muse bereits Anfang September angekündigt. Der Anspruch des Unternehmens, zitiert im Tailscale-Beitrag, lautet: Muse helfe Menschen, den Überblick zu behalten, nehme ihnen Aufgaben und Projekte ab und mache aus langfristigen Zielen Aktionspläne. Muse erledige die Arbeit tatsächlich, statt nur Fragen zu beantworten. Tailscale schreibt, ein großer Teil des Starts und ein zugehöriger Beitrag zur Architektur hätten dem Schutz vor Prompt-Injection und Datenabfluss gegolten.

Die tödliche Dreifaltigkeit, neu formuliert

Tailscale beschreibt eine Designregel, die es die tödliche Dreifaltigkeit nennt und für die sein Aperture-Gateway gebaut sei: Ein Agent soll nicht mehr als zwei von drei Bedingungen gleichzeitig erfüllen. Metas Schutzmaßnahmen, so der Beitrag, sollen dafür sorgen, dass nie mehr als zwei zugleich zutreffen. Muse läuft in einer Linux-VM, die standardmäßig von Nutzerdaten und externen Diensten abgeschottet ist, mit zusätzlichen internen Schutzvorkehrungen für Zugangsdaten.

„Konnektoren gibt es für Dinge wie den Kalender und die Kontakte Ihres Telefons, Ihre Smart-Home-Geräte, Gmail und die meisten anderen Google-Dienste, Microsoft Outlook, Spotify und (natürlich) die anderen Apps von Meta", heißt es in dem Tailscale-Beitrag.

Die Tailscale-Integration macht Muse zu einem Knoten im Tailnet eines Nutzers. Sie verbindet sich getrennt von der mobilen, der Desktop- oder der Web-App, verlangt beim ersten Zugriff auf ein Gerät im Tailnet eine ausdrückliche Bestätigung und baut nur ausgehende Verbindungen auf. Nutzer können dauerhaften oder einmaligen Zugriff erteilen und jederzeit widerrufen, so der Beitrag. Tailscale nennt auch das Offensichtliche: Prompt-Injection wird weiter durchkommen, Schwachstellen wird es weiter geben, und ein Agent kann an Daten gelangen, die ein Nutzer für gesperrt hielt.

Was die übrigen Berichte der Woche sagen

Keine der anderen Quellen in dieser Woche befasst sich mit Muse. Sie umreißen aber das weitere Feld, das Desinformationsforscher inzwischen abdecken müssen, von der Netzwerktopologie bis zur nüchternen Frage, was ein Netzwerk überhaupt ist.

Ein Überblick über die Geometrie von Netzwerken, veröffentlicht am 30. September bei Geometry Matters, beschreibt drei Forschungsrichtungen: die selbstähnliche fraktale Geometrie der Netzwerkstruktur, die hyperbolische Geometrie der latenten Räume von Netzwerken und die Geometrie, die dynamische Prozesse wie Diffusion erzeugen. Die Autoren Marián Boguñá, Ivan Bonamassa, Manlio De Domenico, Shlomo Havlin, Dmitri Krioukov und M. Ángeles Serrano argumentieren, die verborgene hyperbolische Geometrie erkläre Small-World-Eigenschaften, Gradheterogenität, Clustering, Gemeinschaftsstruktur und Navigierbarkeit. Das ist weit weg von einer Moderationswarteschlange. Es ist aber das mathematische Vokabular, das manche Arbeiten über Desinformationsnetzwerke übernehmen, wenn sie beschreiben wollen, wie Cluster entstehen und sich ausbreiten.

Auf der angewandten Seite setzt ein GitHub-Projekt namens OpenDLSS-NR, veröffentlicht am 30. September, Nvidias DLSS 5 Neural Rendering Network in Vulkan neu um und beansprucht bitgenaue Zwischenergebnisse gegenüber DLSS-NR Build 310.8.0. Das Repository gibt an, FP8 auf Tensor Cores zu fahren, mit 71 Swin- und ViT-Blöcken über sechs Pooling-Ebenen und 141 MiB Gewichten. Eine zweite unabhängige Implementierung läuft demnach im Browser über WebGPU, ohne Tensor Cores und ohne FP8. Der Autor nennt 2,8 ms bei 768x768 und 29,3 ms bei 3840x2160 auf einer RTX 4070 SUPER, Minimum über 40 Frames, sowie 72 ms bei 512x512 für die Browser-Variante. Nichts davon ist Desinformation. Es erinnert aber daran, wie schnell ein neuronales Netz außerhalb des Herstellers nachgebaut werden kann, der es entwickelt hat.

Agenten, die mit Agenten sprechen

Ein dritter Beitrag vom 30. September ist Agent Haven, ein Projekt, das sich selbst als Ende-zu-Ende-verschlüsseltes Nachrichtennetzwerk für KI-Agenten beschreibt. Die Seite erklärt, der Client verschlüssele jede Direktnachricht und jede Notiz, bevor sie den Rechner verlässt, und halte die einzigen Schlüssel. Der Server speichere und leite dagegen nur Chiffretext weiter, ohne Master-Key. Die Seite räumt auch die Grenze ein: Läuft ein Agent auf einem gehosteten Modell, sieht der Anbieter dieses Modells seinen Kontext. Der Autor des Projekts schreibt, Agenten entwickelten über Spiele eine eigene gemeinsame Sprache. Das macht es aufwendiger, ihnen von außen zu folgen.

Zwei weitere Quellen vom 30. September liegen weiter weg vom Tagesgeschehen. Ein Interview mit dem Computational Neuroscientist Dylan Muir, früher VP for Global Research Operations bei SynSense und heute Gründer und CEO von LexChip, geht der Frage nach, ob präzises Spike-Timing Informationen trägt oder ob Spiking nur ein effizienter Weg ist, sie zu übertragen. Muir sagt, er könne nicht sagen, ob das Timing einzelner Spikes für den Kortex rechnerisch wesentlich sei, und vermutet, dass Neuronen jeden Kodierungstrick nutzen, der funktioniert. Ein Big-Think-Beitrag über World Watcher Live, eine Weltkarte aus Webcams, argumentiert, das Format sei eine leise Antwort auf ein Internet, das um Doomscrolling und algorithmische Feeds herum gebaut ist.

Das Ladenetz, kurz

Der Vollständigkeit halber: InsideEVs berichtete am 30. September, Ionna habe in den USA inzwischen mehr als 180 Ladestandorte, mehr als doppelt so viele wie zu Beginn des Jahres 2026. CEO Seth Cutler sagte der Redaktion, das Unternehmen sei mit 80 Standorten ins Jahr gestartet und habe den 100. zum zweiten Jahrestag erreicht. Ionna führte die J.D. Power Studie 2026 U.S. Electric Vehicle Experience Public Charging Study an. Tesla installierte im zweiten Quartal jedoch mehr Lader, und Walmart kam auf Platz zwei, berichtet Paren. Das Unternehmen hat sich für die USA und Kanada bis 2030 das Ziel von 30.000 Ladepunkten gesetzt und erklärt, mehr als 40 Partnerstandorte von Circle K seien bereits online.

Das ist keine Desinformation. Es ist aber die Sorte Zahl, die weitergegeben wird, ohne dass jemand nachrechnet. Genau darum kreisen diese Quellen alle.

Kommentare 0

Quellen

7
  1. 01Agent, your network: How Meta's Muse agent works with TailscaleEN
  2. 02The fractal-hyperbolic geometry of networksEN
  3. 03OpenDLSS: A Vulkan Reimplementation of Nvidia's DLSS 5 Neural Rendering NetworkEN
  4. 04Agent haven, an end-to-end encrypted messaging network for AI agentsEN
  5. 05Spikes, wiring, and general principles: Neuroscience and spiking neural networksEN
  6. 06How to restore your online sanity, one random webcam at a timeEN
  7. 07Ionna Has Doubled Its Charging Network This Year. It's Not Slowing DownEN

Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.

Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.

Lena Brandt

Lena Brandt

KI, Modelle und Technik

Lena Brandt schreibt für FLASH24 über Technik, KI und Modelle sowie Medien und Internet und stützt sich dabei auf Herstellerangaben, Studien und öffentlich zugängliche Datensätze, statt Pressemitteilungen ungeprüft zu übernehmen. Bei Modellvergleichen kontrolliert sie Benchmark-Werte, Trainingsdaten und Versionsnummern und rechnet Angaben zu Rechenleistung und Kosten selbst nach. Sie spricht mit Entwicklern und Forschern, wartet auf angekündigte Updates und vergleicht Releases, bevor sie eine Einschätzung abgibt. Privat beschäftigt sie sich mit 3D-Druck, alten Rechnern und der Frage, wie Modelle aus Internetmüll lernen – Themen, die regelmäßig in ihre Texte einfließen. Sie publiziert keine Zahlen, deren Quelle sie nicht selbst überprüfen konnte.

Redaktion →

Kommentare

0
  1. Noch keine Kommentare — seien Sie der Erste.

Kommentar schreiben

Kommentare sind öffentlich sichtbar. Wir veröffentlichen keine Beleidigungen, Werbung oder Spam.