Publizierte Erfolgsbilanz

Zahlen, die Sie prüfen können.

Jedes Ergebnis wurde mit Google publiziert oder öffentlich vorgestellt. Jeder Eintrag nennt die beteiligten DataPhant-Personen und verlinkt die Quelle.

Google Research arXiv:2608.26088 · August 2026

Planetary Prediction Engine

Ein autonomes System, das aus einer Frage in Alltagssprache ein vollständiges Geodatenmodell macht: Es findet die Daten, prüft sie, verbindet sie mit Satelliten- und Bevölkerungs-Embeddings, trainiert und validiert. Gegenüber Experten-Pipelines hob es das mittlere R² über 21 CDC-Gesundheitsindikatoren von 60,0 % auf 76,8 %, verdoppelte die Genauigkeit beim Downscaling der Ernährungssicherheit in Nigeria und prognostizierte den Ebola-Ausbruch 2026 in der DR Kongo 10,3 Punkte über dem Stand der Technik. Aus Wochen Datenarbeit wurden Minuten.

DataPhant-Autoren · Jeremy Amez-Droz, Lambert Rosique Zum Paper →
76.8% vs. 60,0 %
Black Hat USA Briefing · 2025

Autonomous timeline analysis and threat hunting for Timesketch

Ein Forensik-Agent auf Basis von Sec-Gemini für Timesketch, das Open-Source-Zeitachsen-Tool. Statt Millionen Logzeilen in ein Modell zu laden, entscheidet er, was als Nächstes zu prüfen ist, holt nur das Nötige und rekonstruiert die Angriffskette vom Erstzugriff bis zur lateralen Bewegung. Auf 100 real kompromittierten Systemen senkte er die Triage-Zeit der Analysten um mehr als 80 %.

DataPhant-Autoren · Lambert Rosique Zum Briefing →
>80% schnellere Triage
Google Security Blog April 2024

Accelerating incident response using generative AI

Googles Incident-Responder brauchten bis zu einer Stunde pro Zusammenfassung. Diese Arbeit brachte einen «Zusammenfassung erzeugen»-Knopf in ihr Tooling, mit einem Menschen, der jeden Entwurf redigiert. Im Blindtest bewerteten Sicherheitsteams die LLM-Zusammenfassungen 10 % besser als menschliche, und über 300 Vorfälle sank die Schreibzeit um 51 %. Nichts wurde protokolliert oder gespeichert.

DataPhant-Autoren · Lambert Rosique, Jeremy Amez-Droz Zum Beitrag →
51% schneller
Google Security Blog January 2024

Scaling security with AI: from detection to solution

LLMs schrieben Fuzz-Targets für über 300 C/C++-Projekte in OSS-Fuzz, steigerten die Abdeckung um bis zu 29 % und deckten zwei neue Schwachstellen in cJSON und libplist auf, Bibliotheken, die seit Jahren gefuzzt wurden. Eine automatisierte Pipeline entwarf und testete anschliessend Korrekturen und reichte die besten an einen menschlichen Reviewer weiter. Das Framework wurde als Open Source veröffentlicht.

DataPhant-Autoren · Jan Nowakowski Zum Beitrag →
+29% Abdeckung
BuzzRobot Virtual talk · April 2024

AI to automatically fix security bugs

Die Pipeline zur Schwachstellenbehebung hinter dem Google-Paper. Ein Gemini-basiertes Modell entwirft Patches für Sanitizer-Fehler in C/C++, Java und Go; Patches werden automatisch gebaut und getestet, nur bestandene erreichen einen Reviewer. 15 % der anvisierten Bugs wurden so behoben und gemergt, aus zwei Stunden Ingenieurzeit pro Fix wurden Sekunden.

DataPhant-Autoren · Jan Nowakowski Zum Vortrag →
15% automatisch behoben
Google DeepMind Gemini 1.5 technical report · 2024

Gemini 1.5: unlocking multimodal understanding across millions of tokens

Der technische Bericht zu Gemini 1.5, gebaut für langen Kontext. Es findet eine versteckte «Nadel» mit über 99 % Genauigkeit bei bis zu 1 Mio. Token in Text, Video und Audio und hält diesen Abruf bis 10 Mio. Token Text, etwa 7 Mio. Wörter. Jan und Lambert sind als Mitwirkende gelistet.

DataPhant-Autoren · Jan Nowakowski, Lambert Rosique Zum Bericht →
>99% Trefferquote

Dasselbe Team, an Ihren Dokumenten.

Demo anfragen