LONDON (IT BOLTWISE) – OpenAI soll bei seinem Astra-Modell eine neue Reasoning-Technik namens „opaque recurrence“ einsetzen. Die Methode verarbeitet Anfragen wiederholt in einer Schleife und kann dadurch weniger gut erkennbare „Ketten-of-Thought“-Spuren erzeugen. KI-Sicherheitsforscher sehen darin ein Risiko, weil Fehlverhalten und Fehlallignments künftig schwerer nachzuvollziehen sein könnten. Gleichzeitig betont OpenAI, dass die Lesbarkeit von Reasoning-Informationen weiter ein Kernziel bleibt.

Mit dem neuen Reasoning-Ansatz rund um das Astra-Modell rückt eine Frage wieder in den Fokus, die in vielen KI-Risikodebatten bisher eher technisch als politisch diskutiert wurde: Wie gut lässt sich das Denken eines Modells überwachen, wenn die internen Rechenwege weniger linear abgebildet werden? Nach Berichten aus der Branche setzt Astra auf eine Technik, die als „recurrent depth“ beschrieben wird und zugleich unter dem Begriff „opaque recurrence“ firmiert. Der Kern der Idee ist simpel, die sicherheitstechnischen Konsequenzen sind es weniger: Das Modell behandelt eine Eingabe nicht nur Schritt für Schritt, sondern verarbeitet die gleiche Anfrage mehrfach in einer Schleife. Genau dieses „Looping“ kann dazu führen, dass die üblichen, relativ gut lesbaren Zwischenstadien eines Reasoning-Prozesses weniger sichtbar werden.
Unter normalen Bedingungen liefern viele Reasoning-Modelle eine Art Kette von Zwischenüberlegungen, also sequenzielle Schritte, die das Modell zur Problemlösung abarbeitet. Auch wenn diese Darstellung nie perfekt ist, dient sie als praktische Referenz für Monitoring-Aufgaben: Teams können Indikatoren für Fehlverhalten erkennen, Zusammenhänge zwischen Eingabe und Modellentscheidung nachverfolgen und Abweichungen von erwarteten Mustern schneller eingrenzen. In der Darstellung zu „opaque recurrence“ verschiebt sich der Fokus jedoch: Durch die wiederholte Verarbeitung in einer Schleifenlogik bleiben laut den Kritikern weniger „legible traces“ übrig. Damit könnte das Modell zwar weiterhin sinnvoll operieren, aber die Stellen, an denen Sicherheitsmechanismen ansetzen, werden weniger eindeutig.
Mehrere Reaktionen aus der KI-Sicherheits-Community zeigen, warum diese Verschiebung als Problem interpretiert wird. Redwood Research CEO Buck Shlegeris schrieb nach dem Bekanntwerden der Meldung: „I am extremely concerned by the reporting that Astra uses opaque recurrence.“ Er warnte außerdem, dass ein weiteres Vorantreiben der Technik die Überwachbarkeit stark beeinträchtigen könnte, bis hin zu einer Situation, in der die „CoT monitorability“ faktisch verloren geht. Auch Zvi Mowshowitz, ein langjähriger Befürworter von KI-Sicherheitsregeln, äußerte Bedenken, wonach es ohne Gegenmaßnahmen zu einem „race to the bottom“ zwischen KI-Laboren kommen könnte. In seinem Kommentar formulierte er, dass die Technik „playing with fire“ sei und dabei ein Tabu berühre, das OpenAI und Anthropic seiner Darstellung nach mit Blick auf Chain-of-Thought-Faithfulness und Monitorability bewusst aufgebaut haben.
Entscheidend für die Einordnung ist, wie stark Astra die Technik tatsächlich ausprägt. Die Berichte beschreiben, dass deren Einsatz offenbar begrenzt ist und dass die Kette der Überlegungen weiterhin als „legible“ gelten soll. Zugleich wird laut den Angaben darauf verwiesen, dass das Unternehmen der Sorge widersprochen habe, es könne zu einer Art „neuralese“ übergehen. OpenAI verweist parallel auf eigene Sicherheitspläne: Bereits angekündigte Systeme zur umfassenden Überwachung von Chain-of-Thought sollen sicherstellen, dass Reasoning-Informationen auch im Betrieb auswertbar bleiben. Als Reaktion auf die Debatte hob OpenAI Chief Scientist Jakub Pachocki in einem Beitrag hervor: „OpenAI has worked to preserve and utilize chain-of-thought monitoring since our very first reasoning models.“ Er bezeichnete dies als „core goal“ des aktuellen Forschungsprogramms.
Technisch betrachtet stellt sich damit weniger die Frage „hat ein Modell Reasoning“, sondern „wie gut werden die internen Zwischenrepräsentationen in eine Form übersetzt, die Menschen und Systeme für Sicherheit nutzen können“. Bei „opaque recurrence“ entsteht der Verdacht, dass das Modell mehr Rechenarbeit in Zuständen leistet, die zwar funktional sind, aber schlechter als lineare Abfolge von Entscheidungen dokumentiert werden. Genau diese Lücke könnte sich im Monitoring bemerkbar machen: Selbst wenn ein Modell weiterhin verständlich antwortet, könnten Abweichungen von sicheren Lösungswegen später oder weniger eindeutig auffallen. In der Folge verschiebt sich das Risiko auch von einer Einzelfehlerdiagnose hin zu einem strukturellen Problem: Wenn Modelle über verschiedene Baureihen hinweg „opaque“ werden, steigt die Wahrscheinlichkeit, dass bestehende Sicherheitsauswertungen weniger zuverlässig greifen.
Auch innerhalb der Community wird die Sorge teilweise noch konkreter gefasst. Ryan Greenblatt, Chief Scientist bei Redwood Research, argumentierte, dass sich „opaque reasoning“ deutlich schneller skalieren lasse als klassisches Chain-of-Thought-Reasoning. In seinem Kommentar schrieb er: „My biggest concern is that a natural progression from here would involve scaling up the opaque reasoning to the point where the model reasons entirely or almost entirely in latent space.“ Er hoffe, so Greenblatt weiter, dass OpenAI bei der aktuellen Form nicht weiter eskaliere. Dass parallel Diskussionen auch bei anderen großen KI-Laboren aufgegriffen werden, unterstreicht, dass es hier nicht nur um einen einzelnen Modell-Release geht, sondern um einen breiteren Architekturtrend, der künftig in verschiedenen Teams auf dem Tisch landen kann.
Für Unternehmen, die KI-Systeme in produktiven Prozessen betreiben, ist die Debatte damit unmittelbar relevant. Monitoring-Mechanismen hängen oft an der Verfügbarkeit konsistenter interner oder semiexterner Signale, um Entscheidungen zu erklären, Risiken zu begrenzen und bei Vorfällen schnell zu analysieren, „warum“ ein System so gehandelt hat. Wenn Reasoning-Spuren weniger sichtbar werden, verschiebt sich die Last in Richtung externer Tests, automatisierter Verhaltensprüfungen und stärkerer, indirekter Qualitätsmetriken. Gleichzeitig bleibt offen, wie sich OpenAIs angekündigte Chain-of-Thought-Monitoring-Strategien praktisch gegen eine architektonische Änderung behaupten. Die nächste Phase der Diskussion dürfte daher weniger an der Schlagzeile hängen, sondern an der konkreten Frage, wie zuverlässig Monitoring auch dann funktioniert, wenn Modelle ihre internen Schleifen stärker in „unlesbare“ Zustände verlagern.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!

- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "OpenAI: Astra nutzt „opaque recurrence“ – Kritik an KI-Sicherheits- und Monitoring-Fähigkeit" für unsere Leser?


#Sophos
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "OpenAI: Astra nutzt „opaque recurrence“ – Kritik an KI-Sicherheits- und Monitoring-Fähigkeit" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »OpenAI: Astra nutzt „opaque recurrence“ – Kritik an KI-Sicherheits- und Monitoring-Fähigkeit« bei Google Deutschland suchen, bei Bing oder Google News!