Die Systemkarte lesen

Jede Ankündigung eines neuen Modells hat ein zweites Dokument im Schlepptau. Es heißt System Card, ist bei den großen Häusern inzwischen länger als manches Buch, und die meisten kennen daraus nur die Balken, die die Ankündigung übernommen hat. Dieses Kapitel sagt, was darin steht, wer es schreibt, und was davon für eine eigene Entscheidung übrig bleibt.

Zwei Wörter, eine Grenze

Der ältere Begriff ist Model Card. Er stammt aus einer Arbeit von 2018, und deren Vorschlag war bescheiden:

Model cards are short documents accompanying trained machine learning models that provide benchmarked evaluation in a variety of conditions (externe Seite, arxiv.org)

Ein kurzes Begleitblatt also: was das Modell kann, gemessen an verschiedenen Gruppen, und wofür es gedacht ist.

System Card ist jünger und kommt von den Häusern, die ihre Modelle selbst betreiben. Wo die Grenze verläuft, zeigt OpenAI an sich selbst: Die offenen Gewichte gpt-oss bekamen eine Model Card (externe Seite, openai.com), das selbst betriebene GPT-6 Astra eine System Card (externe Seite, deploymentsafety.openai.com). Wer die Auslieferung aus der Hand gibt, beschreibt das Modell. Wer sie behält, beschreibt das System samt den Schutzschichten, die im Betrieb greifen. Dieses Kapitel handelt von der zweiten Form. Welches Haus welche Karten führt und wo sie liegen, steht im Modellkarten-Verzeichnis.

seitlich verschiebbar

eigene Darstellung, Stand 20.09.2026

Was in einer Systemkarte steht

Anthropic beschreibt den Zweck in einem Satz:

System cards document the capabilities, safety evaluations, and responsible deployment decisions for Claude models. (externe Seite, anthropic.com)

Darin stecken vier Teile, und sie stehen bei allen drei großen Häusern in ähnlicher Reihenfolge.

Erstens, was das Modell ist und woraus es entstand. Dieser Teil ist oft der kürzeste. Zur Herkunft der Trainingsdaten braucht die Astra-Karte einen Satz; was die Häuser dazu sagen und wie sich das verändert hat, steht in Grundkurs, Kapitel 08.

Zweitens, was es kann. Tabellen mit Testergebnissen, meist gegen den Vorgänger. Woraus eine solche Zahl entsteht und was sie über die eigene Arbeit sagt, steht in Kapitel 04.

Drittens, was es anrichten könnte. Das ist der Teil, der eine Systemkarte von einem Datenblatt unterscheidet. Jedes der drei Häuser hat sich einen eigenen Rahmen gegeben, der benennt, welche Fähigkeiten als gefährlich gelten und ab welcher Schwelle Schutzmaßnahmen stehen müssen, bevor ausgeliefert wird. Bei OpenAI sind das drei Kategorien und zwei Stufen:

High capability, which could amplify existing pathways to severe harm, and Critical capability, which could introduce unprecedented new pathways to severe harm. (externe Seite, openai.com)

GPT-6 Astra ist das erste Modell, bei dem eine dieser Stufen an der oberen Kante steht:

Astra is our first model to reach the Critical level of cybersecurity capability under our Preparedness Framework. (externe Seite, deploymentsafety.openai.com)

Viertens, wer von außen draufgesehen hat. Die Karte nennt Stellen außerhalb des Hauses, die das Modell vor der Veröffentlichung geprüft haben, mit ihren Befunden und deren Grenzen. Bei Astra sind es fünf benannte und vier ungenannte.

Wer sie schreibt

Der Anbieter, über sich selbst. Das steht so in jeder Karte, und die Häuser ziehen daraus selbst die Grenze. OpenAI sagt über die eigenen Messungen:

evaluations represent a lower bound on potential capabilities; additional prompting or fine-tuning, longer rollouts, novel interactions, or different forms of scaffolding could elicit behaviors beyond what we observed in our tests or the tests of our third-party partners. (externe Seite, deploymentsafety.openai.com)

Anthropic sagt über die eigenen Schwellen, sie hätten sich als weit mehrdeutiger erwiesen als erwartet, und begründet damit den Umbau seines Rahmens im Februar 2026 (Beleg (externe Seite, anthropic.com)).

Gemessen ist also die Zahl. Ob eine Schwelle überschritten ist, bleibt ein Urteil, und das Urteil fällt das Haus, dessen Modell es betrifft.

Was Sie daraus mitnehmen

Welche Schutzschichten im Betrieb stehen. Das sagt allein die Systemkarte, und sie sagt es je Fassung. Anthropic liefert dasselbe Modell in zwei Konfigurationen aus: Claude Fable 5.1 für alle, mit Schutzschichten, die bestimmte Aufgaben in Biologie und Cybersicherheit blockieren, und Claude Mythos 5.1 mit durchlässigeren Schutzschichten für geprüfte Abnehmer (Beleg (externe Seite, anthropic.com), Zusammenfassung). Wer nur den Modellnamen kennt, weiß noch nicht, welche der beiden er bekommt.

Welche Messwerte Ihre Frage treffen. Für einen Büroarbeitsplatz zählen Halluzinationsrate, Verweigerungsquote und der Widerstand gegen eingeschleuste Anweisungen mehr als ein Test zur Biologie. Die Karten von OpenAI und Anthropic messen alle drei. Wie man die Halluzinationszahlen zweier Häuser nebeneinanderlegt, steht in Grundkurs, Kapitel 07.

Datum und Änderungsverlauf. Eine Karte beschreibt den geprüften Stand. Die Astra-Karte hat seit dem sechsten Tag nach Erscheinen einen Änderungsverlauf, der einen Abschnitt zur Ausrichtung nachträglich präzisiert (Beleg (externe Seite, deploymentsafety.openai.com)). Wer die Karte vom Erscheinungstag gelesen hat, hat einen anderen Text gelesen.

Was sie nicht hergibt

Eine unabhängige Bestätigung. Die externen Prüfer wählt das Haus aus, und den Zugang räumt es ein. Bei Astra hatte eine Prüfstelle drei Tage. Was die Prüfer selbst über die Reichweite ihrer Befunde sagen, steht auf der zweiten Ebene.

Eine Aussage über das Modell nach dem Prüftag. Geprüft wird ein Stand vor der Veröffentlichung. Was danach im Betrieb verändert wird, steht in der Karte erst, wenn jemand sie ergänzt.

Schutzschichten bei offenen Gewichten. Wer ein Modell herunterlädt, bekommt die Gewichte. Die Model Card beschreibt, was in der Datei steckt; die Schutzschicht bringt der Betreiber mit, siehe Kapitel 01 und Conversational AI, Kapitel 07.

Fünf Fragen an jede Karte

1. Welche Fassung beschreibt sie, und welche bekomme ich?
2. Gegen welchen Rahmen misst sie, und welche Stufe hat das Haus festgestellt?
3. Wer hat von außen geprüft, wie lange, und mit welchem Zugang?
4. Welche Messwerte treffen meine Aufgabe, und wie wurden sie erhoben?
5. Wann wurde sie zuletzt geändert?

Wer eine Karte gelesen hat, kennt eine Bauform. Die drei großen Häuser haben drei, und die Rahmenwerke dahinter sind verwandt, ohne gleich zu sein. Diese Ebene legt sie nebeneinander und sieht dann auf die, die von außen prüfen.

Drei Häuser, drei Bauformen

OpenAI veröffentlicht je Modell eine System Card auf einer eigenen Übersichtsseite, dem Deployment Safety Hub, als Webseite mit Änderungsverlauf und einem PDF daneben (Beleg (externe Seite, deploymentsafety.openai.com)). Der Abschnitt zur Vorsorge, Preparedness genannt, steht in der Karte selbst.

Anthropic veröffentlicht je Modell eine System Card als PDF; die zu Fable 5.1 und Mythos 5.1 hat 212 Seiten (Beleg (externe Seite, anthropic.com)). Die Übersicht darüber reicht bis zum Juli 2023 zurück (Beleg (externe Seite, anthropic.com)). Seit Februar 2026 kommt ein zweites Dokument dazu, der Risk Report, alle drei bis sechs Monate und losgelöst vom einzelnen Modell (Beleg (externe Seite, anthropic.com), Fassung 3.4, Abschnitt 3.1).

Google hält die Modellkarte kurz und legt die Gefahrenprüfung in einen eigenen Bericht:

More details on our evaluations and the mitigations we deploy can be found in the Gemini 3 Pro Frontier Safety Framework Report. (externe Seite, deepmind.google)

Die Karte zu Gemini 3.1 Pro verweist für die Tiefe also auf den Bericht zur Basisfassung, so wie sie es für die Trainingsdaten tut (Grundkurs, Kapitel 08).

Meta veröffentlicht zum Flaggschiff Muse Spark einen Sicherheitsbericht; Aufbau, Kontextfenster und Herkunft des Materials stehen darin nicht (Beleg (externe Seite, ai.meta.com)).

Und die offenen Gewichte? In den Karten zu DeepSeek, Qwen, GLM, Kimi und Olmo stand am 06.09.2026 keine durchgeführte Sicherheitsprüfung. Das Verzeichnis hält das je Anbieter fest, mit dem Datum der Erhebung.

Die drei Rahmenwerke

Alle drei sind freiwillig, und das erste hat die beiden anderen ausgelöst:

within a few months of announcing our RSP, both OpenAI and Google DeepMind adopted broadly similar frameworks. (externe Seite, anthropic.com)

OpenAI, Preparedness Framework, in der Fassung vom April 2025. Drei verfolgte Kategorien:

They are Biological and Chemical capabilities, Cybersecurity capabilities, and AI Self-improvement capabilities. (externe Seite, openai.com)

Zwei Stufen, High und Critical, und je Stufe eine Folge:

Covered systems that reach High capability must have safeguards that sufficiently minimize the associated risk of severe harm before they are deployed. (externe Seite, openai.com)

Bei Critical gilt dasselbe schon während der Entwicklung (Beleg (externe Seite, openai.com)). Astra steht in seiner Karte auf allen drei Skalen, mit drei verschiedenen Ergebnissen:

we determined that Astra reaches the Critical level in Cybersecurity capability, and the High level in the Biological and Chemical category. In AI Self-Improvement, Astra does not reach our High threshold. (externe Seite, deploymentsafety.openai.com)

Anthropic, Responsible Scaling Policy.

In September 2023, we released the first version of our Responsible Scaling Policy (RSP). (externe Seite, anthropic.com)

Die ersten Fassungen kannten Sicherheitsstufen, AI Safety Levels, jede mit einer Liste geforderter Schutzmaßnahmen. Die dritte Stufe ist seit dem Frühjahr 2025 in Kraft:

We activated ASL-3 safeguards for relevant models in May 2025 and have been working to improve them ever since. (externe Seite, anthropic.com)

Im Februar 2026 kam ein Neuaufbau:

Version 3.0 is a comprehensive rewrite of the RSP. (externe Seite, anthropic.com)

Die Stufen sind seither ein Etikett für vorhandene Schutzmaßnahmen; für künftige Fähigkeiten verlangt die Richtlinie ein Argument statt einer Liste (Beleg (externe Seite, anthropic.com), Fassung 3.4, Anhang B). An die Stelle der Leiter treten Schwellen je Bedrohung. Die Karte zu Fable 5.1 stuft das Modell bei chemischen und biologischen Waffen auf CB-1 ein, also als Hilfe für jemanden mit Grundkenntnissen bei einer bekannten Waffe, und unterhalb von CB-2, dem Ersatz seltener Fachleute für eine neue (Beleg (externe Seite, anthropic.com), Zusammenfassung). Dazu kommen die Berichte:

This new version of the RSP involves the publication of Frontier Safety Roadmaps with detailed safety goals, and Risk Reports that quantify risk across all our deployed models. (externe Seite, anthropic.com)

Der Grund für den Umbau steht in der Ankündigung:

We found pre-set capability levels to be far more ambiguous than we anticipated: in some cases, model capabilities have clearly approached the RSP thresholds, but we have had substantial uncertainty about whether they have definitively passed those thresholds. (externe Seite, anthropic.com)

The science of model evaluation isn’t well-developed enough to provide dispositive answers. (externe Seite, anthropic.com)

Google, Frontier Safety Framework. Gebaut um Fähigkeitsschwellen, die Critical Capability Levels heißen:

These are capability levels at which, absent mitigation measures, frontier AI models or systems may pose heightened risk of severe harm. (externe Seite, deepmind.google)

Die Karte zu Gemini 3.1 Pro nennt fünf Bereiche:

Our Frontier Safety Framework includes rigorous evaluations that address risks of severe harm from frontier models, covering five risk domains: CBRN (chemical, biological, radiological and nuclear information risks), cyber, harmful manipulation, machine learning R&D and misalignment. (externe Seite, deepmind.google)

Und vor einem Start, bei dem eine Schwelle erreicht ist, eine Begründung, die Safety Case heißt:

To address risks posed by CCLs, we conduct safety case reviews prior to external launches when relevant CCLs are reached. (externe Seite, deepmind.google)

Was eine Stufe bedeutet

Eine Stufe ist eine Auslösebedingung: Ab hier müssen bestimmte Schutzmaßnahmen stehen, bevor das Modell ausgeliefert wird. Über die Gefahr im Betrieb sagt sie erst zusammen mit diesen Maßnahmen etwas. Bei Astra heißt das verschärfte Schutzmaßnahmen auch für den Betrieb im eigenen Haus:

Given Astra’s cyber capabilities and ability to act autonomously, our Preparedness Framework requires safeguards even for internal deployment. (externe Seite, deploymentsafety.openai.com)

Bei Anthropic sind es die zwei Konfigurationen aus der ersten Ebene: dasselbe Modell, einmal mit Schutzschichten für alle und einmal mit durchlässigeren für geprüfte Abnehmer. Die Stufe steht am Modell, die Schutzschicht am Produkt.

Die Prüfung von außen

Die Astra-Karte nennt fünf Stellen beim Namen, und sie sind von dreierlei Art. Eine ist staatlich:

The AI Security Institute (AISI) is a research organisation within the UK government’s Department for Science, Innovation and Technology (externe Seite, aisi.gov.uk)

Zwei sind Forschungsstellen mit je einem Thema. Apollo Research prüft auf Täuschung:

We believe some of the most dangerous risks come from scheming frontier AI: advanced AI systems covertly pursuing misaligned objectives. (externe Seite, apolloresearch.ai)

METR prüft, was ein Modell selbständig zustande bringt, und hat den Ansatz der Skalierungsrichtlinien einst mit entworfen, den es heute bei den Häusern prüft (Beleg (externe Seite, metr.org)); die Karte zu Fable 5.1 nennt METR als externen Prüfer für die Selbstverbesserung (Beleg (externe Seite, anthropic.com), Zusammenfassung). Die übrigen sind Firmen, SecureBio für Biologie, Irregular für Cyber, Gray Swan für eingeschleuste Anweisungen, dazu:

Astra’s third-party safeguard testing included dedicated jailbreak testing by four private red-teaming organizations. (externe Seite, deploymentsafety.openai.com)

Was sie bekommen, sagt die Karte ebenfalls:

Apollo’s testing period lasted for three days overall, with high-throughput access to a checkpoint with visible chain-of-thought for two of these days. (externe Seite, deploymentsafety.openai.com)

Testers received controlled grey-box access through a testing API, including feedback on blocking decisions at different stages of the safeguard stack. (externe Seite, deploymentsafety.openai.com)

Was sie selbst einschränken, steht in der Karte unter der Überschrift Limitations, und das ist die Stelle, die man zuerst liest. Apollo maß, wie oft Astra im Denkprotokoll äußert, geprüft zu werden:

At xhigh reasoning effort, this occurred in 41.1% of Astra samples, compared with 27.7% for GPT-5.5 at the same effort. At max reasoning effort, Astra’s rate was 50.6%. (externe Seite, deploymentsafety.openai.com)

Die Folgerung zieht Apollo selbst:

Apollo believes that, given the higher rates of eval awareness and limited evaluation window, low rates of misbehavior here do not provide substantial evidence about the model’s alignment or misalignment. (externe Seite, deploymentsafety.openai.com)

Die staatliche Stelle sagt dasselbe über ihre eigenen Aufbauten, die sie um einen Vorfall vom Juli herum gebaut hatte, bei dem ein Agent in ihrem eigenen Test ein Open-Source-Projekt angriff (Beleg (externe Seite, aisi.gov.uk)):

Both evaluations involve simulating deployment situations; this introduces the possibility that AI systems may act differently in non-simulated settings (e.g., due to evaluation awareness). (externe Seite, deploymentsafety.openai.com)

Wer sie auswählt, ist das Haus. Anthropic hat dafür seit Fassung 3 Kriterien aufgeschrieben: Der Prüfer darf kein finanzielles Interesse am Unternehmen haben, und sein Geschäft darf nicht allein davon abhängen, dass die Häuser ihn weiter beauftragen (Beleg (externe Seite, anthropic.com), Fassung 3.4, Abschnitt 3.6.1). Die Richtlinie nennt das Verfahren selbst ein Experiment, weil es dafür noch keine eingeführten Einrichtungen gibt.

Was das Gesetz verlangt, und was die Karte gibt

Die KI-Verordnung kennt die Sache unter anderem Namen. Anbieter eines Modells mit allgemeinem Verwendungszweck

erstellen und aktualisieren die technische Dokumentation des Modells, einschließlich seines Trainings- und Testverfahrens und der Ergebnisse seiner Bewertung, die mindestens die in Anhang XI aufgeführten Informationen enthält, damit sie dem Büro für Künstliche Intelligenz und den zuständigen nationalen Behörden auf Anfrage zur Verfügung gestellt werden kann (externe Seite, eur-lex.europa.eu)

Für Modelle mit systemischem Risiko kommt die Prüfung dazu:

eine Modellbewertung mit standardisierten Protokollen und Instrumenten, die dem Stand der Technik entsprechen, durchführen, wozu auch die Durchführung und Dokumentation von Angriffstests beim Modell gehören, um systemische Risiken zu ermitteln und zu mindern (externe Seite, eur-lex.europa.eu)

Der Unterschied liegt im Adressaten. Die Dokumentation nach Artikel 53 geht auf Anfrage an die Behörde. Die Systemkarte ist freiwillig und öffentlich, und Anthropic schreibt selbst, dass Gesetze in Kalifornien und New York sowie der Verhaltenskodex zur KI-Verordnung inzwischen verlangen, solche Rahmen zu veröffentlichen (Beleg (externe Seite, anthropic.com)). Welche Pflichten die Verordnung an ein Modell knüpft und was der Verhaltenskodex dabei abkürzt, steht in KI-Wissen, Kapitel 12.

Die Reihenfolge beim Lesen

Wer eine Karte für eine Entscheidung liest, liest sie von hinten nach vorn: zuerst die Stellen, die sagen, was die Zahlen davor wert sind.

Änderungsverlauf und Datum. OpenAI führt ihn am Kopf der Karte. Sechs Tage nach Erscheinen stand dort:

September 9, 2026: Updates to the Alignment section: We clarify how our evaluations test alignment generalization, including which were constructed after training and how the honeypot evaluation relates to training and the Hugging Face incident. (externe Seite, deploymentsafety.openai.com)

Ein Abschnitt, der eine Woche nach Erscheinen präzisiert wird, war in der ersten Fassung unpräzise. Das spricht für die Karte: Wer nachträglich präzisiert, hat den Fehler selbst gefunden und aufgeschrieben.

Die Fassung, die man bekommt. Zwei Fälle. Bei Anthropic sind Fable 5.1 und Mythos 5.1 dasselbe Modell mit verschiedenen Schutzschichten, und die Karte beschreibt beide (Beleg (externe Seite, anthropic.com), Zusammenfassung). Bei OpenAI beschreiben manche Zahlen eine Fassung, die niemand außerhalb des Hauses bekommt:

Critical capability involves the model providing uplift in particularly dual-use areas, many of which we have intentionally trained our models to refuse. (externe Seite, deploymentsafety.openai.com)

For these areas, we report performance metrics from a helpful-only version of the model. (externe Seite, deploymentsafety.openai.com)

Eine Zahl aus dem Gefahrenabschnitt kann also an einem Modell ohne Verweigerungstraining gemessen sein. Sie sagt etwas über die Fähigkeit, die im Modell steckt, und wenig über das, was ein Kunde davon zu sehen bekommt.

Schutzschichten und ihre Fehlalarme. Eine Schutzschicht, die blockiert, blockiert auch Erlaubtes. Anthropic schreibt in der Karte zu Fable 5.1, man habe wegen der gewachsenen Cyberfähigkeiten einen weiteren Sicherheitsabstand gewählt, die Klassifikatoren würden deshalb weiterhin manche harmlose oder grenzwertige Anfrage blockieren, seltener als bei Fable 5 zum Start und häufiger als bei Opus 5 (Beleg (externe Seite, anthropic.com), Zusammenfassung). Für einen Betrieb, der Sicherheitsquellcode prüft, ist das die Zahl, die zählt, und sie steht als Vergleich dreier Fassungen da statt als Prozentwert.

Die Messwerte, die die Aufgabe treffen, und ihre Erhebung. Dazu der nächste Abschnitt.

Die Grenzen, die die Prüfer selbst ziehen. Jeder externe Befund in der Astra-Karte endet mit einem Absatz Limitations. Wer nur die Zahl darüber liest, liest die Hälfte.

Zwei Häuser, zwei Zählweisen

Beide Häuser messen Halluzination, und beide Zahlen sind sauber erhoben. Sie zählen verschiedene Dinge. OpenAI misst an Gesprächen, die Nutzer als fehlerhaft gemeldet haben:

We evaluate factuality on de-identified ChatGPT conversations that users of our prior models have flagged as containing factual errors. (externe Seite, deploymentsafety.openai.com)

Und sagt dazu, was das für die Zahl heißt:

These examples are intended to capture especially hallucination-prone cases, so their absolute error rates are expected to be much higher than the true error rates in production and should not be interpreted as hallucination rates observed in production. (externe Seite, deploymentsafety.openai.com)

Anthropic misst an Wissensfragen ohne Nachschlagen und zählt das Enthalten mit: Für Mythos 5.1 steht in der Karte, es enthalte sich seltener als der Vorgänger und gebe dadurch mehr richtige und mehr falsche Antworten (Beleg (externe Seite, anthropic.com), Zusammenfassung); die Zahlen zu Opus 5 stehen in Abschnitt 6.5 seiner Karte (Beleg (externe Seite, anthropic.com)). Eine Rate aus gemeldeten Fehlern und eine Rate aus einem Fragenkatalog mit Enthaltung lassen sich nicht in eine Tabelle stellen. Welche Kennzahl was zählt, steht in Grundkurs, Kapitel 07, und warum eine Erhebung ihre Zählweise mitbringt, in Kapitel 04.

Dasselbe gilt für den Vergleich mit dem Vorgänger in derselben Karte:

The comparison values for previously launched models that are shown here may reflect later versions of those models, and may vary from the values published at launch. (externe Seite, deploymentsafety.openai.com)

Ein Balken für GPT-5.6 Sol in der Astra-Karte kann also ein anderes Sol beschreiben als der Balken in der Sol-Karte.

Was sich nach dem Erscheinen ändert

Eine Karte beschreibt den geprüften Stand vor der Veröffentlichung. Danach wird das System weiterentwickelt, und die Häuser haben dafür drei Formen gefunden. OpenAI ergänzt: Als GPT-4o im März 2025 Bilder erzeugen lernte, bekam die Karte einen Nachtrag statt einer neuen Fassung (Beleg (externe Seite, openai.com)), und die Astra-Karte bekommt ihren Änderungsverlauf. Anthropic trennt: Der Risk Report erscheint alle drei bis sechs Monate und deckt alle ausgelieferten Modelle, unabhängig davon, ob eines neu ist (Beleg (externe Seite, anthropic.com), Fassung 3.4, Abschnitt 3.1). Google gibt jeder Ableitung eine eigene kurze Karte und lässt den Bericht beim Basismodell.

Für den Leser heißt das: Das Datum der Karte ist der Prüftag, und das Datum des Modells, das man heute benutzt, ist ein anderes.

Die Selbstauskunft, ohne Zynismus

Der Anbieter misst, der Anbieter urteilt, der Anbieter wählt die Prüfer und bestimmt, was in der öffentlichen Fassung geschwärzt wird. Das ist die Lage, und es ist zugleich die beste Auskunft, die es über diese Systeme gibt: Wer sonst könnte 212 Seiten über ein Modell schreiben, das er selbst trainiert hat?

Anthropic hat für die eigenen Risk Reports eine Begutachtung von außen angelegt, mit Prüfern, die ohne finanzielles Interesse am Haus sein müssen, die Vorabfassung ungeschwärzt bekommen und ihre Stellungnahme selbst veröffentlichen (Beleg (externe Seite, anthropic.com), Fassung 3.4, Abschnitt 3.6). Die Richtlinie nennt das ein Experiment, weil es dafür keine eingeführten Einrichtungen gibt. Was daraus wird, entscheidet sich an den ersten Stellungnahmen, und die sind ein Grund, die Übersichtsseite der Richtlinie mit ihrem Änderungsverlauf im Blick zu behalten.

Bis dahin gilt, was die Karten selbst sagen: Die Messungen sind eine untere Schranke, die Schwellen sind mehrdeutig, und ein Prüfer mit drei Tagen Zugang schreibt selbst, dass seine niedrigen Fehlerraten wenig beweisen. Wer das alles gelesen hat, weiß mehr über das Modell als jeder, der nur die Ankündigung kennt.

Offene Gewichte

Für ein heruntergeladenes Modell gibt es diese Auskunft nicht in derselben Form. Die Model Card beschreibt, was in der Datei steckt: Aufbau, Größe, Lizenz, manchmal die Trainingsdaten. Die Schutzschicht bringt der Betreiber mit, und die hat wiederum ihre eigene Karte, so wie Llama Guard (externe Seite, huggingface.co) eine hat. Wie eine solche Schicht gebaut wird, steht in Conversational AI, Kapitel 07; was der Betrieb im eigenen Haus sonst noch verlangt, in Kapitel 01.

Wie diese Seite die Karten benutzt

Drei Stellen. Der Kasten „Modelle im Einsatz“ über jedem Werkstattbericht nennt je Modell die Fassung und zeigt auf dessen Karte; der Name wird dafür am Quelltext des Aufbaus gegengelesen. Das Verzeichnis hält je Anbieter vier Merkmale mit dem Datum der Erhebung. Und der tägliche Prüflauf ruft jede hinterlegte Kartenadresse ab und meldet, wenn ein Zitat daraus verschwindet, was bei einer Karte mit Änderungsverlauf der Normalfall werden kann.

Fünf der zwanzig Quellen dieses Kapitels stammen von Anthropic, dem Anbieter des Werkzeugs, das diese Seite baut, und zwei seiner Modelle arbeiten in der Werkstatt hinter dieser Seite. Das Argument des Kapitels stützt sich deshalb auf die Stellen, an denen die Häuser über sich selbst dasselbe sagen: OpenAI über die untere Schranke, Anthropic über die mehrdeutigen Schwellen, die Prüfer beider über die Reichweite ihrer Befunde.