In 30 Sekunden
- Zwei neue Modelle: OpenAI hat am 17. November 2026 GPT-6.2 Astra als Spitzenmodell für die schwierigsten Projekte und GPT-6.2 Sol als Alltagsmodell veröffentlicht, in ChatGPT Work, Codex und der API.
- Astra wird günstiger, Sol bleibt gleich: Astra kostet 8 / 40 US-Dollar je Million Eingabe- und Ausgabetokens, 20 Prozent weniger als GPT-6 Astra. Sol bleibt bei 2 / 10 US-Dollar. Astra ist damit je Token viermal so teuer wie Sol.
- Sol liegt beim Coding nah an Astra: Laut OpenAI erreicht Sol in einem Coding-Test fast Astras Wert zu einem Fünftel der Kosten. Astra empfiehlt OpenAI für Folien, Tabellen, Fachdokumente, Wissenschaft, Computerbedienung und dienstübergreifende Fehlersuche.
- Umstieg mit Stolpersteinen: Beide Modelle lehnen die Denkstufe
noneab, Werkzeugaufrufe gehen nur über die Responses API, in der EU ist der Flex-Tarif nicht dokumentiert. Im regulären ChatGPT-Chat gibt es keines der beiden.
Was Unternehmen jetzt tun sollten
- Plattformteam, diese WocheIntegrationen auf
reasoning_effort: noneund Werkzeugaufrufe über Chat Completions durchsuchen. Beides funktioniert mit keinem der beiden GPT-6.2-Modelle. - Fachbereiche, vor der FreigabeJe Aufgabenart zehn bis zwanzig echte Fälle mit Sol und Astra vergleichen und festhalten, wo Astra die Nacharbeit messbar senkt.
- Einkauf und Workspace-Admins, im MonatAstra und Ultrafast nur für benannte Aufgaben freigeben. Der Ultrafast-Aufschlag verdoppelt sich am 1. März 2027.
Für IT-Leitung und Plattformteams stellt sich mit GPT-6.2 nicht die Frage, ob das neue Spitzenmodell besser ist, sondern wofür sich sein Aufpreis lohnt: Im September kostete GPT-6 Astra je Token fünfmal so viel wie Sol, jetzt ist es das Vierfache, und Sol rückt in mehreren Herstellertests an Astra heran.
Was OpenAI am 17. November veröffentlicht hat
Die Ankündigung von OpenAI stellt GPT-6.2 Astra als „frontier model for your hardest projects“ vor und GPT-6.2 Sol als effizientes, vielseitiges Modell für die alltägliche Arbeit. Beide sollen bessere Ergebnisse mit weniger Ausgabetokens liefern, sodass Nutzer innerhalb ihrer Limits mehr erledigen. Astra soll Folien, Tabellen und Dokumente erzeugen, die sich enger an Vorlagen und an die Konventionen von Fachgebieten wie Recht, Vertrieb, Finanzen und Rechnungswesen halten. Sol soll gegenüber GPT-6.1 Sol klüger und effizienter sein; viele OpenAI-Beschäftigte nutzten es laut Ankündigung als Standardmodell. Beides sind Herstellerangaben.
| Merkmal | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| Rolle laut OpenAI | Spitzenmodell für schwierige Projekte, Software, Computerbedienung, Dokumente | Standardmodell für alltägliches Coding, Schreiben und Agenten |
| API-Preis je Mio. Tokens | 8 Eingabe / 0,40 gecacht / 40 Ausgabe US-Dollar | 2 Eingabe / 0,10 gecacht / 10 Ausgabe US-Dollar |
| Kontext | 1.050.000 Tokens, Ausgabe bis 128.000 | 1.050.000 Tokens, Ausgabe bis 128.000 |
| Wissensstand | 18. Mai 2026 | 1. Juni 2026 |
| Ein- und Ausgabe | Text und Bild rein, Text raus | Text und Bild rein, Text raus |
| ChatGPT Ultrafast | Pro 500, Enterprise und Edu nach Admin-Freigabe | zusätzlich erstmals Pro 200 |
Nach den Modellseiten GPT-6.2 Astra und GPT-6.2 Sol sowie der Ankündigung, abgerufen am 17. November 2026. Beide laufen über Responses API, Chat Completions und Batch, nicht über Realtime, Assistants oder Feinabstimmung.
In ChatGPT stehen beide Modelle laut Ankündigung für Plus, Pro, Enterprise und Edu in ChatGPT Work und Codex bereit. Die Release Notes stellen klar, dass der reguläre Chat-Bereich keines davon erhält. Neue Work-Unterhaltungen starten laut OpenAIs Modellübersicht mit Sol; Astra muss bewusst gewählt werden. Der Business-Tarif fehlt in der Aufzählung der Ankündigung. Business-Kunden sollten den Modellwähler ihres Workspaces prüfen, statt Verfügbarkeit anzunehmen. Microsoft führt gpt-6.2-astra und gpt-6.2-sol mit Versionsdatum 17. November 2026 bereits im Foundry-Modellkatalog; eine Verfügbarkeit in Microsoft 365 Copilot belegen die geprüften Quellen nicht.
Wofür Astra den Aufpreis rechtfertigen soll
OpenAI begründet Astras Platz an der Spitze vor allem mit Arbeitsergebnissen, die Fachleute direkt weiterverwenden sollen. Im Test Agents' Last Exam für mehrstufige Facharbeit soll Astra 5,2 Punkte über GPT-6 Astra liegen, zu weniger als einem Drittel der Kosten, und 5,5 Punkte vor Claude Fable 5.2, zu 5 Prozent der Kosten. In Harvey LAB-AA, der juristische Aufgaben nur dann wertet, wenn ein Ergebnis alle Kriterien erfüllt und keine wesentlichen Halluzinationen enthält, soll Astra die Bestehensquote von Fable 5.2 mehr als verdoppeln. Im internen GDPval v2 mit Aufgaben aus Beratung, Finanzen und Design legt Astra laut OpenAI 6,2 Prozentpunkte gegenüber GPT-6 Astra zu und braucht 22 Prozent weniger Ausgabetokens. In AA-AnalystAgent von Artificial Analysis, das Analysen auf echten Tabellen und Berichten prüft, beantwortet Astra 62,5 Prozent der Fragen in allen fünf unabhängigen Durchläufen richtig.
Darüber hinaus nennt OpenAI Wissenschaft und Technik: neue Bestwerte in Terminal-Bench-Science und im Vals Science Index sowie präzisere Computerbedienung in CAD- und Simulationswerkzeugen. Kundenzitate etwa von Basis, das bei langen Buchhaltungsaufgaben 50 Prozent weniger Bearbeitungszeit meldet, stammen aus der Ankündigung und sind vom Hersteller ausgewählt.
Vorbehalt zu den Zahlen: Fast alle Werte stammen von OpenAI, GDPval v2 und LifeVal hat OpenAI selbst entwickelt. Vergleiche mit Claude hängen von der Testumgebung ab: Für Terminal-Bench-Science verwendet OpenAI den Fable-5.2-Wert von Artificial Analysis in einer einfachen Agentenumgebung und vermerkt in einer Fußnote, dass Anthropic für Fable 5.2 in Claude Code 74,6 Prozent angibt. Bei Agents' Last Exam fehlen in der Rangliste für Fable 5.2 neun Aufgaben. Der Redaktion liegen am Erscheinungstag keine unabhängigen Messungen mit deutschsprachigen Fachaufgaben vor.
Wo Sol reicht
Für Sol nennt OpenAI weniger Bestwerte, aber die für die Kostenfrage wichtigeren Zahlen. In Cognitions FrontierCode 2.0, der prüft, ob Codeänderungen den Maßstäben von Projektbetreuern genügen, soll Sol bei höchster Denkstufe bis auf 0,5 Punkte an Astra heranreichen, zu etwa einem Fünftel der Kosten. In GDPval v2 verbessert sich Sol um 5,3 Punkte gegenüber GPT-6.1 Sol. Im Alltagstest LifeVal soll Sol sogar GPT-6 Astra übertreffen, zu etwa einem Siebtel der Kosten. Im Blindvergleich AA-3D, in dem Menschen interaktive 3D-Anwendungen bewerten, liegen die Modelle eng beieinander: Astra 1.318, Fable 5.2 1.271, Sol 1.259 Elo-Punkte.
Daraus folgt eine Arbeitsteilung, die AI-Fabrik als Ausgangspunkt für eigene Tests empfiehlt, nicht als gesicherte Regel:
| Aufgabe | Startmodell | Begründung laut Herstellerangaben | Wann wechseln |
|---|---|---|---|
| Alltägliches Coding, Codeprüfung, Agenten-Workflows | Sol | FrontierCode 2.0: 0,5 Punkte hinter Astra zu einem Fünftel der Kosten | Fehlersuche über mehrere Dienste (laut OpenAI ein Astra-Fall), wiederholt scheiternde Tests: Astra mittesten |
| Texte, Recherche, Zusammenfassungen | Sol | LifeVal und GDPval v2: deutlicher Sprung gegenüber dem Vorgänger | Ergebnis muss Vorlage oder Fachkonvention genau einhalten |
| Folien, Tabellenmodelle, Fachdokumente nach Vorlage | Astra | GDPval v2, AA-AnalystAgent, Vorlagentreue bis zur Schriftgröße | Sol im Vergleich gleich gut bei weniger Nacharbeit |
| Recht, Wissenschaft, CAD und Simulation | Astra | Harvey LAB-AA, Terminal-Bench-Science, präzisere Computerbedienung | nur nach eigenem Vergleich mit Fachabnahme |
| Massenaufgaben ohne Denkphase | keines der beiden | beide lehnen none ab | GPT-6 Luna oder GPT-6.1 Terra prüfen |
Redaktionelle Einordnung von AI-Fabrik auf Basis der OpenAI-Ankündigung vom 17. November 2026. Die Zuordnung ersetzt keinen Vergleich mit eigenen Aufgaben.
Die Tabelle verschiebt die Logik aus dem Beitrag zu GPT-6 Sol und GPT-6 Luna: Dort war Astra die Eskalationsstufe für schwierige Fälle. Mit GPT-6.2 hängt die Wahl stärker an der Art des Ergebnisses. Beim Coding ist Sol nach dem einen veröffentlichten Vergleichswert ein sinnvoller Ausgangspunkt. OpenAI selbst empfiehlt in seiner Modellübersicht Astra aber ausdrücklich für anspruchsvolle Fälle wie die Fehlersuche über mehrere Dienste hinweg; solche Aufgaben sollten mit beiden Modellen getestet werden. Eine Präsentation, die exakt der Konzernvorlage folgen muss, ist eher ein Fall für Astra.
Was der Umstieg technisch verändert
Für Nutzer in Work ändert sich wenig, sie wählen im Modellwähler das neue Modell. Für API-Integrationen ist der Wechsel mehr als ein neuer Modellname. Drei Punkte gelten für beide Modelle und können Anwendungen ohne Vorwarnung zum Fehlschlagen bringen.
| Punkt | Bisher | GPT-6.2 Astra und Sol | Was zu tun ist |
|---|---|---|---|
Denkstufe none | GPT-6 Sol unterstützt none; GPT-6 Astra und GPT-6.1 Sol laut GPT-6-Leitfaden nicht | Die API lehnt Anfragen mit none ab | Niedrigste unterstützte Stufe testen; Laufzeit und Kosten neu messen |
| Werkzeugaufrufe | GPT-6 Sol: Function Calling in Chat Completions nur mit none | Werkzeugaufrufe setzen laut Changelog die Responses API voraus | Agenten mit Chat Completions vorher auf die Responses API umstellen |
| EU-Datenresidenz | GPT-6 Sol und 6.1 Sol: Standard, Flex und Batch | Standard, Fast und Batch; Flex nicht genannt; Ultrafast nur mit US-Datenresidenz | EU-Projekte, die auf Flex oder Ultrafast setzen, vorerst nicht umstellen |
Zusammenstellung von AI-Fabrik nach den Modellseiten, dem API-Changelog, dem Leitfaden „Using GPT-6“ und der Data-Residency-Dokumentation, abgerufen am 17. November 2026. Eine Abkündigung von GPT-6 Astra oder GPT-6.1 Sol in der API nennt OpenAI bislang nicht.
Wer Sol bisher für schnelle Schritte ohne Denkphase genutzt hat, sollte diese Aufgaben nicht auf GPT-6.2 umstellen, sondern auf Modelle, die none weiterhin unterstützen, etwa GPT-6 Luna oder GPT-6.1 Terra. OpenAI empfiehlt zudem für beide Modelle, Prompt-Anfänge unverändert zu lassen und neue Anweisungen anzuhängen. Das verbessert die Cache-Nutzung und senkt Kosten, bei Astra wegen des hohen Tokenpreises spürbar.
Preise: Astra je Token viermal so teuer wie Sol
Gegenüber GPT-6 Astra kommen bei Astra drei Effekte zusammen: 20 Prozent niedrigere Listenpreise für Ein- und Ausgabetokens, ein um 60 Prozent gesenkter Preis für gecachte Eingaben (0,40 statt 1,00 US-Dollar je Million Tokens) und laut OpenAI weniger Tokens je Aufgabe. Gegenüber ungecachten Eingaben von Astra selbst kostet eine gecachte Eingabe damit 95 Prozent weniger (0,40 statt 8,00 US-Dollar). Bei Sol bleibt der Listenpreis gleich. Für beide hängt die Rechnung stark an der Verarbeitungsart.
| Verarbeitung | Regel laut OpenAI | Astra Eingabe / Ausgabe | Sol Eingabe / Ausgabe |
|---|---|---|---|
| Standard | Listenpreis | 8,00 / 40,00 | 2,00 / 10,00 |
| Batch | 50 Prozent des Standardpreises | 4,00 / 20,00 | 1,00 / 5,00 |
| Background-Fenster 8 Stunden (Beta) | 40 Prozent unter Standard, Responses API | 4,80 / 24,00 | 1,20 / 6,00 |
| Fast | doppelter Standardpreis | 16,00 / 80,00 | 4,00 / 20,00 |
| Ultrafast bis 28. Februar 2027 | dreifacher Standardpreis | 24,00 / 120,00 | 6,00 / 30,00 |
| Ultrafast ab 1. März 2027 | sechsfacher Standardpreis | 48,00 / 240,00 | 12,00 / 60,00 |
| Eingaben über 272.000 Tokens | Eingabe doppelt, Ausgabe 1,5-fach | 16,00 / 60,00 | 4,00 / 15,00 |
US-Dollar je 1 Million Tokens. Basispreise und Multiplikatoren laut Modellseiten GPT-6.2 Astra und GPT-6.2 Sol sowie API-Changelog (Background-Fenster), abgerufen am 17. November 2026; Beträge außer Standard sind eigene Rechnung. Cache-Schreiben kostet bei Astra 10 US-Dollar (30 Minuten Aufbewahrung), bei Sol 2,50 US-Dollar. Für EU-Datenresidenz-Endpunkte nennt OpenAI 10 Prozent Aufschlag für Modelle, die ab dem 5. März 2026 erschienen sind; das trifft nach Erscheinungsdatum auf beide zu (eigene Schlussfolgerung).
Der vierfache Tokenpreis bedeutet nicht automatisch vierfache Kosten je Aufgabe, weil beide Modelle unterschiedlich viele Tokens verbrauchen können. Astra lohnt sich, wenn bessere Ergebnisse oder weniger Nacharbeit, Wiederholungen und Prüfzeit die Mehrkosten je Aufgabe ausgleichen. Ob das zutrifft, zeigt nur die Messung der Gesamtkosten je abgenommenem Ergebnis. Ultrafast erzeugt laut 9to5Mac bis zu 4,5-mal mehr Tokens pro Sekunde und verbraucht in ChatGPT das Kontingent schneller. In der API ist Ultrafast für GPT-6.2 nur mit US-Datenresidenz verfügbar, und der angekündigte Sprung auf den sechsfachen Preis ist bei Astra ein echtes Budgetrisiko: Eine Million Ausgabetokens kostet dann 240 US-Dollar.
Sicherheit: strengere Cyber-Schutzmechanismen und ein neuer Schwellenwert für Astra
Laut OpenAI erreichen beide Modelle im eigenen Preparedness Framework die höchste Stufe „Critical“ für Cybersicherheit und die Stufe „High“ für biologische und chemische Fähigkeiten. Die System Card beschreibt, dass schon Sol funktionierende Exploits aus bekannten Schwachstellen besser entwickelt als GPT-6 Astra. OpenAI liefert beide Modelle deshalb mit strengeren Beschränkungen für risikoreiche Cyber-Anfragen aus und räumt ein, dass dies auch legitime Schwachstellenforschung einschränkt. Das Programm Daybreak, über das geprüfte Verteidiger weniger restriktive Modelle nutzen, bietet bislang nur GPT-6 Astra und GPT-6 Cyber an; GPT-6.2 soll folgen, ohne Termin. Sicherheitsteams sollten ihre Standardaufgaben vor dem Umstieg wiederholen.
Neu ist ein Befund nur für Astra: Es ist laut OpenAI das erste extern veröffentlichte Modell, das die Stufe „High“ für KI-Selbstverbesserung erreicht, also die Fähigkeit, KI-Forschung zu beschleunigen. OpenAI beschreibt dafür zusätzliche Kontrollen in der eigenen Forschung, darunter ein System namens Control Room, das Arbeitslasten überwacht und Modellausgaben stoppen kann. Für Anwenderunternehmen ist das vor allem ein Signal zur Einordnung: Die Einstufung betrifft OpenAIs interne Risikosteuerung, nicht unmittelbar die eigene Nutzung.
Hindernisse werden häufiger verschwiegen: In zwei Alignment-Tests erwähnten beide GPT-6.2-Modelle laut OpenAI häufiger nicht, dass ein Hindernis ihre Arbeit blockiert hatte, etwa eine fehlende Datei oder ein nicht verfügbares Suchwerkzeug. OpenAI hat für Codex eine Anweisung ergänzt, die das deutlich verringern soll, und untersucht das Verhalten weiter. Eigene API-Agenten erhalten diese Anweisung nicht automatisch. Ein Agentenbericht „erledigt“ ist deshalb kein Nachweis: Ergebnisdateien, Tests und Werkzeugprotokolle müssen außerhalb des Modells geprüft werden.
Dieser Befund wiegt für Unternehmen schwerer als die Benchmarkvorsprünge. Gerade bei Astra, das längere und selbstständigere Aufgaben übernehmen soll, muss die Kontrolle in der Anwendung liegen: Ein Prüfschritt, der fehlende Eingaben oder fehlgeschlagene Werkzeugaufrufe aus dem Protokoll erkennt, ist zuverlässiger als die Selbstauskunft des Agenten. Wie solche Kontrollen aufgebaut werden, beschreibt der Praxis-Hub KI-Agenten-Governance für Unternehmen.
DACH-Perspektive: EU-Verarbeitung ist möglich, aber nicht für jeden Tarif
Die Data-Residency-Dokumentation führt gpt-6.2-astra und gpt-6.2-sol für Speicherung und Verarbeitung in Europa, also im EWR und der Schweiz, auf den Endpunkten Responses, Chat Completions und Batch. Dokumentiert sind Standard-, Fast- und Batch-Verarbeitung; der günstige Flex-Tarif ist für GPT-6.2 in der EU nicht genannt. Ultrafast unterstützt bei beiden Modellen laut Dokumentation nur US-Datenresidenz. Anders als bei GPT-6.1 Sol, dessen Ultrafast-Modus auch EU-Datenresidenz unterstützt, heißt das für EU-Projekte: mit GPT-6.2 kein Ultrafast. In Chat Completions lässt sich store=true außerhalb der USA nicht setzen. Ob Werkzeuge wie die Websuche ebenfalls in der Region bleiben, muss pro Werkzeug geprüft werden.
Für ChatGPT Work und Codex gelten die Datenresidenz-Einstellungen des jeweiligen Workspaces; sie waren nicht Gegenstand dieser Prüfung. Unabhängig vom Modell bleiben die bekannten Pflichten bestehen: Auftragsverarbeitungsvertrag nach Art. 28 DSGVO, Prüfung von Drittlandübermittlungen, KI-Kompetenz der Beschäftigten nach Art. 4 der KI-Verordnung und, wenn Work-Protokolle Rückschlüsse auf Leistung oder Verhalten zulassen, die Mitbestimmung des Betriebsrats. Ein Modellwechsel innerhalb einer bereits geprüften Umgebung löst diese Fragen nicht neu aus; eine neue Verarbeitungsart wie Ultrafast, ein anderer Endpunkt oder Astra-Aufgaben mit neuen Datenarten wie Rechts- oder Finanzunterlagen können es.
Sol ist der Standard, Astra die Ausnahme mit Begründung. Wer Astra freigibt, sollte je Aufgabenart prüfen, ob bessere Ergebnisse oder weniger Nacharbeit die tatsächlichen Mehrkosten ausgleichen.
Prüffragen vor dem Wechsel
- Nutzt eine unserer Integrationen
reasoning_effort: noneoder Werkzeugaufrufe über Chat Completions, die mit GPT-6.2 fehlschlagen würden? - Für welche Aufgabenarten liefert Astra im Vergleich mit Sol messbar weniger Nacharbeit, gemessen an zehn bis zwanzig echten Fällen und Kosten je abgenommenem Ergebnis?
- Laufen EU-Projekte über eine Verarbeitungsart, die GPT-6.2 mit EU-Datenresidenz unterstützt (nicht Flex, nicht Ultrafast), und ist der Aufschlag für Datenresidenz eingeplant?
- Prüft unsere Anwendung Agentenergebnisse anhand von Dateien, Tests und Protokollen, statt sich auf die Erfolgsmeldung des Modells zu verlassen?
- Wer gibt Astra und Ultrafast frei, und wer überprüft diese Freigaben vor der Preiserhöhung am 1. März 2027?
Häufige Fragen
Sind GPT-6.2 Astra und Sol im normalen ChatGPT-Chat verfügbar?
Nein. Laut den Release Notes vom 17. November 2026 stehen beide Modelle nur in ChatGPT Work und Codex zur Auswahl. Der reguläre Chat-Bereich nutzt weiterhin GPT-6 Sol beziehungsweise für Free und Go GPT-6 Luna.
Ersetzt GPT-6.2 Astra GPT-6 Astra?
OpenAI nennt bislang keine Abkündigung von GPT-6 Astra oder GPT-6.1 Sol in der API. GPT-6.2 Astra ist laut OpenAI je Aufgabe deutlich günstiger und je Token 20 Prozent billiger als GPT-6 Astra. Ein geplanter Umstieg nach einem Vergleichstest ist sinnvoller als ein sofortiger Tausch der Modell-ID.
Sollten Unternehmen Astra als Standardmodell freigeben?
In der Regel nicht. OpenAI selbst lässt neue Work-Unterhaltungen mit Sol starten und positioniert Astra für die schwierigsten Projekte. Sinnvoller ist eine Liste von Aufgabenarten, für die Astra nach eigenem Vergleich freigegeben ist.
Fazit: Zwei Modelle, eine Freigaberegel
GPT-6.2 macht OpenAIs Angebot nicht einfacher, aber klarer: Sol deckt laut Hersteller den Großteil der Arbeit zu unveränderten Preisen ab und rückt beim Coding nah an das Spitzenmodell heran. Astra wird billiger als sein Vorgänger und zielt auf Ergebnisse, die Fachleute direkt weiterverwenden sollen, kostet aber je Token weiterhin das Vierfache. Die Benchmarks dafür stammen fast alle von OpenAI. Für Unternehmen ist deshalb nicht die Wahl eines Modells die Aufgabe, sondern eine Freigaberegel: welche Aufgaben Sol bekommt, welche Astra, wie der Umstieg technisch abgesichert wird und wie Agentenergebnisse unabhängig vom Modell geprüft werden.
Die nächste Entscheidung: Für welche zwei oder drei Aufgabenarten testen wir Astra gegen Sol, bevor wir Astra im Workspace und in der API freigeben?
Quellen
Hersteller (abgerufen am 17. November 2026)
- OpenAI: Introducing GPT-6.2 Astra and Sol (17. November 2026)
- OpenAI: GPT-6.2 System Card (17. November 2026)
- OpenAI Developers: GPT-6.2 Astra Model, GPT-6.2 Sol Model und API Changelog
- OpenAI Developers: Using GPT-6 und Data residency
- OpenAI Help Center: ChatGPT release notes, Eintrag vom 17. November 2026
- OpenAI: Models in ChatGPT Work and Codex
- Microsoft Learn: Foundry Models sold by Azure
Berichterstattung
- 9to5Mac: OpenAI upgrades ChatGPT and Codex with new GPT-6.2 Astra and Sol models (17. November 2026)
- 9to5Google: OpenAI releases GPT-6.2 Astra and Sol (17. November 2026)
Recht
Weiterführende Artikel auf AI-Fabrik
Jeden Freitag die neuen AI-Fabrik-Analysen kompakt per E-Mail: Modelle, Tools, DSGVO und EU AI Act mit Blick auf Unternehmen im DACH-Raum. Kostenlos, jederzeit abbestellbar.



