Code geknackt, Hype entzaubert: Wie belastbar sind KI-Ergebnisse?

Berlin, 22. September 2026 – Ein verschlüsselter Funkspruch der deutschen Streitkräfte vom Ende des Ersten Weltkriegs galt bislang als unlesbar. Jetzt will ein Entwickler ihn mithilfe von OpenAIs neuem Modell GPT-6 Astra entschlüsselt haben. Der Fall zeigt, wie schwer sich spektakuläre KI-Ergebnisse von ihrem Hype trennen lassen – und warum die Forschung gegensteuert.^[t3n – KI-Modell knackt Code aus dem Ersten Weltkrieg – warum das gar keine Meisterleistung war – url: https://t3n.de/news/ki-modell-code-wk-i-geknackt-1764423]

Ein Rätsel aus fünf Buchstaben

Der Funkspruch steht auf einer Liste mit 50 ungelösten Chiffren der deutschen Plattform scienceblogs.de. Bekannt war, dass die militärische Nachricht mit dem sogenannten ADFGVX-Verfahren verschlüsselt wurde: Zunächst ersetzt das System Buchstaben und Ziffern durch ein Paar aus den Zeichen A, D, F, G, V und X. Anschließend legt ein zuvor festgelegtes Schlüsselwort die Position der Zeichen in einer Matrix fest. Die verschlüsselte Nachricht ging dann in Gruppen von je fünf Buchstaben per Morsecode an die Empfänger.^[t3n – KI-Modell knackt Code aus dem Ersten Weltkrieg – warum das gar keine Meisterleistung war – url: https://t3n.de/news/ki-modell-code-wk-i-geknackt-1764423]

Laut dem Entwickler, der sich „Prinz" nennt, hat das Modell die Lösung auf wenig spektakuläre Weise gefunden: Es probierte einfach ein bereits bekanntes Schlüsselwort aus – „Truppenverschiebung". Dieses soll bisherigen Annahmen zufolge erst ab Anfang Dezember 1918 gegolten haben, führte aber auch bei dem Spruch von Ende November 1918 zur Dechiffrierung. Der entschlüsselte Text berichtet vom Eintreffen eines englischen Kreuzers im Hafen von Sewastopol und einem nachfolgenden alliierten Geschwader; einem Logbuch eines englischen Kriegsschiffs zufolge passen die Daten zu dem Text.^[t3n – KI-Modell knackt Code aus dem Ersten Weltkrieg – warum das gar keine Meisterleistung war – url: https://t3n.de/news/ki-modell-code-wk-i-geknackt-1764423]

Enigma, Crib und 14,8 Millionen Schlüssel

Weniger umstritten ist ein zweiter Fall. Ebenfalls mit GPT-6 Astra will der Entwickler Carter Leffen eine bislang nicht entschlüsselte Enigma-Nachricht der Deutschen Armee vom Juli 1941 geknackt haben. Das Modell soll zehn Stunden benötigt haben – allerdings hatte Leffen einen sogenannten Crib parat: Der in der Nachricht mehrfach vorkommende Ortsname Rosenow tauchte in einer schon gelösten Nachricht auf. Die KI habe selbstständig Archive durchforstet, einen Enigma-Simulator gebaut, den Code für die Kryptoanalyse programmiert und die Schlüssel parallel getestet; insgesamt seien 14,8 Millionen Schlüsselüberprüfungen nötig gewesen.^[t3n – KI-Modell knackt Code aus dem Ersten Weltkrieg – warum das gar keine Meisterleistung war – url: https://t3n.de/news/ki-modell-code-wk-i-geknackt-1764423]

In diesem Fall haben unabhängige Tester das Ergebnis bereits bestätigt; das Cryptocellar-Archiv, das die Nachricht bislang als nicht decodiert geführt hatte, hat Leffens Lösung inzwischen anerkannt.^[t3n – KI-Modell knackt Code aus dem Ersten Weltkrieg – warum das gar keine Meisterleistung war – url: https://t3n.de/news/ki-modell-code-wk-i-geknackt-1764423]

Warum das keine Meisterleistung ist

Bei dem Weltkriegs-Funkspruch bleibt jedoch ein Problem: Für die Erkenntnis des Entwicklers gibt es bislang keine unabhängige Bestätigung; auf scienceblogs.de gilt die Chiffre weiter als nicht decodiert. Unklar ist auch, warum der eigentlich einfach erscheinende Lösungsweg bei bisherigen Entschlüsselungsversuchen ignoriert wurde. Ein Modell, das ein bekanntes Schlüsselwort durchprobiert, löst kein Rätsel – es findet eine Abkürzung, die Menschen schlicht übersehen hatten.^[t3n – KI-Modell knackt Code aus dem Ersten Weltkrieg – warum das gar keine Meisterleistung war – url: https://t3n.de/news/ki-modell-code-wk-i-geknackt-1764423]

Die Forschung rüstet nach

Dass KI-Ergebnisse belastbar sein müssen, beschäftigt die Branche auch an anderer Stelle. OpenAI hat eine unabhängige „Advisory Group on Mathematics and Artificial Intelligence" ins Leben gerufen, die neue KI-Ergebnisse prüfen und deren Kommunikation begleiten soll.^[OpenAI – Advisory Group on Mathematics and Artificial Intelligence – url: https://openai.com/index/advisory-group-on-mathematics-and-ai]

In der Medizin schlägt ein Team der University of Bristol einen ähnlichen Weg vor. Sein „Learning Ensemble" überträgt das Zulassungsverfahren für Arzneimittel auf KI-Systeme und prüft drei Bereiche: die Grenzen des Systems samt Trainingsdaten, seine Zuverlässigkeit über alle Patientengruppen hinweg und seine tatsächliche Eignung im klinischen Alltag.^[The Decoder – Bristol researchers say medicine already knows how to handle black boxes and AI could learn from it – url: https://the-decoder.com/bristol-researchers-say-medicine-already-knows-how-to-handle-black-boxes-and-ai-could-learn-from-it/]

Der Grund ist ernüchternd: Viele Systeme glänzen in frühen Tests und versagen in der Praxis, weil sie sich auf Merkmale in den Trainingsdaten stützen, die mit der eigentlichen Diagnose nichts zu tun haben. Ein 2021 dokumentiertes KI-System sollte COVID-Infektionen auf Röntgenbildern erkennen, stützte sich aber auf Nebendetails, die zufällig mit der Diagnose zusammenhingen – sobald es in einer anderen Klinik eingesetzt wurde, fiel es durch. Ein anderes Modell stufte Asthma-Patienten mit Lungenentzündung als geringes Sterberisiko ein, weil sie in den Trainingsdaten häufiger überlebten – allerdings nur, weil Notaufnahmen sie besonders aggressiv behandelten. Für die Risikobewertung neuer Patienten war das Ergebnis wertlos.^[The Decoder – Bristol researchers say medicine already knows how to handle black boxes and AI could learn from it – url: https://the-decoder.com/bristol-researchers-say-medicine-already-knows-how-to-handle-black-boxes-and-ai-could-learn-from-it/]

Zwischen Fortschritt und Prüfung

Die Beispiele passen zusammen: KI kann in der Forschung echte Beiträge leisten – ob beim Knacken historischer Codes oder beim Auswerten medizinischer Daten. Belastbar werden ihre Ergebnisse aber erst, wenn unabhängige Prüfung, offengelegte Grenzen und ein klarer Blick auf den Anwendungsfall dazukommen. Genau solche Prüfstrukturen entstehen gerade – und dürften darüber entscheiden, wie viel von dem Hype übrig bleibt.