SicherheitForschung

US-Militär: AI-Zielerfassung scheitert an veralteter Infrastruktur – Schulbombardement in Iran offenbart Systemversagen

Eine Untersuchung des Luftschlags auf eine iranische Schule im Februar, bei dem etwa 120 Kinder starben, zeigt, dass die US-Militärs AI zwar zur Zielauswahl einsetzten, aber kritische Informationen wegen unverbundener Datenbanken nie die Kommandanten erreichten.

Im Detail

  • Anthropic Claude war in Palantirs Maven Smart System eingebettet und schlug am ersten Tag etwa 1.000 Ziele vor; über 3.000 Ziele wurden in den ersten Tagen getroffen.
  • Ein Analyst hatte 2019 dokumentiert, dass ein Gebäude in Minab von einer iranischen Militäranlage zu einer Grundschule umgewandelt wurde – die Information war aber nicht mit der offiziellen Zieldatenbank verbunden.
  • Die zentrale Zieldatenbank MIDB stammt aus den 1980ern, wird noch überwiegend manuell gepflegt und sollte durch das System MARS ersetzt werden – dieser Übergang verzögert sich um Jahre.
  • Mindestens zwei Geheimdienst-Datenbanken sind nie mit der autoritativen Zieldatenbank verbunden worden; in Syrien waren Zieldaten teilweise 10–20 Jahre alt.

Warum es zählt

Das Versagen zeigt, dass AI-Geschwindigkeit ohne robuste Datenverwaltung und Systemintegration zu katastrophalen Fehlentscheidungen führt – ein warnendes Beispiel für jeden, der AI in kritischen Prozessen einsetzt, wo Datenqualität und Governance nicht mithalten.

Für dich Prüfe in deinen AI-Projekten, ob deine Datenquellen wirklich miteinander verbunden sind und ob veraltete Informationen automatisch gefiltert werden – schnelle AI-Entscheidungen auf schlechten Daten sind schlimmer als langsame.

← Alle News

Zusammenfassungen werden automatisch erstellt und verlinken auf die Originalquelle.