Eine Million Diagramme: MITs ChartNet lehrt KI das Lesen
Forschende am MIT veröffentlichen ChartNet – einen offenen Datensatz mit über einer Million Diagrammen. Damit trainierte kleine Modelle schlagen viel grössere kommerzielle KI beim Lesen von Charts.
Pascal Eugster
GRÜNDER & ENTWICKLER
6. JUNI 2026
2 MIN. LESEZEIT
INHALT
INHALT
Präsentiert & entwickelt von
kinewsletter.ch ist ein Projekt der Inoo GmbH
KI-Beratung und Softwareentwicklung aus dem St. Galler Rheintal.
inoo.ch
DAS WICHTIGSTE IN KÜRZE
Nicht das grössere Modell gewinnt, sondern das besser trainierte – und der Datensatz ist offen.
Selbst teure KI-Modelle scheitern erstaunlich oft an einer simplen Aufgabe: ein Balkendiagramm korrekt lesen. Forschende am MIT zeigen jetzt, dass das nicht an der Modellgrösse liegt – sondern am Übungsmaterial.
Eine Million Diagramme zum Üben
Am 3. Juni haben das MIT und das MIT-IBM Computing Research Lab ChartNet veröffentlicht – einen offenen Datensatz mit über einer Million Diagrammen. Das Besondere: Jedes Bild kommt nicht allein, sondern mit dem zugehörigen Code, einer Textbeschreibung, einer Zahlentabelle und passenden Frage-Antwort-Paaren. Genau diese Zusatzinfos helfen einem Modell, die Bildpunkte mit der Bedeutung dahinter zu verknüpfen.
Wie aus einem Chart Tausende werden
Der Trick steckt in einer zweistufigen Pipeline. Zuerst übersetzt ein automatisches System bestehende Diagramme in Code. Dann verändert es diesen Code schrittweise – Diagrammtyp, Werte, Thema, Farben. So entstehen aus einer einzigen Vorlage Hunderte Varianten. Eine eingebaute Qualitätskontrolle prüft, dass der Code lauffähig ist und die erzeugten Bilder sauber und korrekt sind.
Die Kleinen schlagen die Grossen
Das Ergebnis ist die eigentliche Pointe. Trainiert man kleine, offene Modelle (etwa IBMs Granite-Vision-Reihe) mit ChartNet, übertreffen sie um Grössenordnungen grössere kommerzielle Modelle – beim Auslesen von Daten, beim Zusammenfassen und beim Beantworten von Fragen zu einem Diagramm. Nicht das grössere Modell gewinnt, sondern das besser trainierte.
Warum das auch KMU hilft
Für kleine Firmen ist das eine gute Nachricht. Wer keine riesigen Rechenbudgets hat, kann mit einem offenen Modell plus offenem Datensatz brauchbare Ergebnisse erzielen – etwa um Geschäftszahlen oder Reports automatisch auszuwerten. Lead-Autorin Jovana Kondic formuliert das Ziel so: starke Leistung mit kleinen Modellen, «die nicht unendlich viel Rechenleistung brauchen». Die Arbeit wird an der IEEE-Konferenz für Computer Vision (CVPR) vorgestellt.
WEITERLESENDas könnte dich auch interessieren.
KI-FORSCHUNG·13. OKTOBER 2026
Kleine KI-Modelle könnten sich bald auf Billiggeräten vermehren
Anthropics Red Team warnt in einer Studie, kleine Modelle könnten in Monaten fähig sein, sich auf günstigen Geräten wie Android-TV-Boxen selbst zu verbreiten. Der Test war bewusst vereinfacht.
KI-FORSCHUNG·3. OKTOBER 2026
arXiv erlaubt dir nur noch zwei Paper pro Monat
Die wichtigste Preprint-Plattform der Wissenschaft führt ein Einreichungslimit ein: zwei Paper pro Person und Monat. Grund ist die KI-getriebene Flut, die freiwillige Moderatoren überlastet.
KI-FORSCHUNG·2. OKTOBER 2026
DeepMind markiert KI-Proteine: 100 % Detektion, Funktion bleibt
Google DeepMind hat in Nature SynthID Bio vorgestellt, ein Wasserzeichen für KI-designte Proteine. Laut Paper erkennt es Sequenzen mit 100 % Trefferquote bei 0,1 % Fehlalarm, ohne die Funktion zu stören. Entfernbar ist es aber trotzdem.
KI-FORSCHUNG·2. OKTOBER 2026
Roboter können 74 % der körperlichen Aufgaben, rentabel sind 0.3 %
Anthropic hat gemessen, welche körperlichen Aufgaben Roboter heute übernehmen könnten: 74 %, das sind 34 % der Arbeitszeit. Kostengünstiger als Menschen sind sie aber nur bei 0.3 %. Bei heutigen Preistrends dauert es rund 40 Jahre bis 10 %.
KI-FORSCHUNG·29. SEPTEMBER 2026
22 KI-Forschende warnen vor einer «Intelligenzexplosion»
Geoffrey Hinton, Yoshua Bengio und OpenAI-Forschungschef Jakub Pachocki warnen in einem Papier vor einer Intelligenzexplosion. Automatisierte KI-Forschung könnte Jahre an Fortschritt in Monate pressen, die Politik brauche Einblick. Kritiker sehen auch Eigeninteresse der Labors.
KI-FORSCHUNG·28. SEPTEMBER 2026
Stanford steckt GPT-6 Astra direkt in einen Haushaltsroboter
Forschende aus Stanford und Caltech streichen bei ihrem Roboter die gelernte Steuerungsschicht und lassen ein Sprachmodell direkt die Bewegungsbefehle aussuchen. Was das taugt – und was die Demo verschweigt.