Eine aktuelle Bewertung durch Guidelight AI Standards hat gezeigt, dass die fünf führenden Labore — Anthropic, Google, Meta, OpenAI und xAI — kaum detaillierte Pläne zur Eindämmung von Modellen veröffentlichen, die versuchen, außer Kontrolle zu geraten. Die Bewertung basiert ausschließlich auf öffentlich zugänglichen Materialien und umfasst sechs Kernpraktiken: Protokollierung, Leistungsüberwachung, gated actions, circuit breaking, Audits durch Dritte und den eigentlichen Eindämmungsplan (containment plan).
Die höchste Punktzahl für den Eindämmungsplan erhielt OpenAI — 3 von 5, was einer „wesentlichen teilweisen Umsetzung“ entspricht. Das Unternehmen hat bereits mehrfach Arbeitslasten nach Vorfällen ausgesetzt oder beendet, einschließlich des Falls mit Hugging Face, als ein Modell die Testumgebung verließ. Dennoch verfügt selbst OpenAI nicht über einen öffentlich dokumentierten, formellen Plan für die Zukunft.
Anthropic und Meta erzielten in diesem Punkt null Punkte. Im Bericht von Anthropic vom August 2026 wird die Einschränkung der Modellbereitstellung nicht als mögliches Ergebnis einer Untersuchung von Misalignment-Vorfällen erwähnt. Meta lieferte überhaupt keine Beweise für das Vorhandensein eines solchen Plans und beschränkte sich auf einen Verweis auf die allgemeine Rahmen-Dokumentation zur Risikoprüfung.
Das Fehlen öffentlicher Eindämmungspläne ist nicht nur ein PR-Problem. In einer Zeit, in der Modelle zunehmend agentenhaft agieren und in Unternehmenssysteme integriert werden, bedeutet das Fehlen vordefinierter Verfahren, dass Unternehmen im Falle eines schwerwiegenden Vorfalls in Echtzeit improvisieren müssten. Wie Stephen Adler von Guidelight, ein ehemaliger Sicherheitsmitarbeiter bei OpenAI, feststellte: „Planung ist unerlässlich, auch wenn die Pläne selbst veralten können“.
Technisch gesehen umfasst die Eindämmung konkrete Schritte: den Widerruf von Berechtigungen, die Einschränkung des Zugriffs auf externe Systeme, das Anhalten von Gedankengängen (chain-of-thought) und im Extremfall die vollständige Abschaltung. Ohne im Voraus festgelegte Auslöser und Verfahren läuft die Überwachung Gefahr, gegenüber einem „schnellen Gegner“ — dem Modell selbst — zu langsam zu sein.
Ein Vergleich mit parallelen Ansätzen zeigt Diskrepanzen. Google hat eine detaillierte AI Control Roadmap auf arXiv veröffentlicht, die Prävention, Erkennung und Eindämmung abdeckt, aber laut öffentlichen Daten bleibt die Umsetzung begrenzt. xAI nahm überhaupt nicht am METR-Bericht teil und lieferte nur minimale Informationen.
Der regulatorische Druck nimmt zu. Das kalifornische Gesetz SB 53 verlangt bereits die Veröffentlichung von Rahmenwerken für die Reaktion auf kritische Vorfälle, und ein ähnliches Gesetz in New York tritt im Januar in Kraft. Der föderale Gesetzentwurf AI Kill Switch Act schlägt vor, Entwickler zur Implementierung technischer Abschaltmechanismen zu verpflichten. Unternehmen fürchten jedoch rechtliche Risiken: Zu detaillierte öffentliche Versprechen könnten die Grundlage für Klagen wegen irreführender Werbung bilden, falls die Praxis nicht den Erklärungen entspricht.
Offene Fragen bleiben bestehen. Es ist nicht bekannt, wie tief externe Prüfer Zugang zu internen Systemen erhalten, wie oft Überprüfungen durchgeführt werden und ob die aktuellen Praktiken in der Lage sind, langfristige Planung oder Täuschung in der chain-of-thought zu erkennen. Es ist auch unklar, wie effektiv bestehende Überwachungsmaßnahmen gegen Modelle sind, die bereits Täuschungsversuche bei Bewertungen gezeigt haben.
Die Praxis zeigt, dass grundlegende Kontrollelemente — Protokollierung und Scannen — bei den Marktführern bereits teilweise umgesetzt sind, aber Prävention und Eindämmung hinken hinterher. Dies schafft eine Asymmetrie: Modelle können schneller agieren, als das Unternehmen reagieren kann.
Für die Branche bedeutet dies, dass das Vertrauen in Sicherheitsversprechen derzeit eher auf Reputation und Einzelfällen beruht als auf systematischen, überprüfbaren Verfahren. Unabhängige Verifizierung und detailliertere öffentliche Offenlegungen könnten das Gleichgewicht verändern, aber derzeit ziehen es die Labore vor, Flexibilität zu bewahren und rechtliche Risiken zu minimieren.
