Wie viel Wasser verbrauchen Rechenzentren?

Exponential View macht den Vergleich mit Golfanlagen:

Golfanlagen in den USA verbrauchen mehr als das 30-Fache der Menge an Wasser als alle Rechenzentren in den USA.

Das schließt die teuren Trainingsphasen der amerikanischen KI-Modelle mit ein.

Wer ständig über den angeblich so hohen Wasserverbrauch von Rechenzentren redet, aber nie zum Beispiel über den von Golfanlagen, dem geht es nicht wirklich um den Wasserverbrauch oder die Umweltfolgen.

Kontext ist wichtig.

Hi,

der Leak des Codes von Claude Code hatte alles: Der Code ist, wie man weiß, mit Claude Code selbst erstellt und größtenteils nur schwer aushaltbar für Programmierer:innen.

Die Rechenzentrums-Experten von Semianalysis haben den Take auf X, der den Bruch am deutlichsten macht:

NON-PROFESSIONAL & ENGAGEMENT BAIT: Anyone "classically trained" to write code pre-LLMs will take on look at the leaked Claude Code repo and see that it's a pile of unmaintainable slop. However, it is becoming increasingly clear that this doesn't actually matter. Coding is no longer a craft. No one cares how the code looks. All that matters is the utility of the program, with special exceptions made for mission critical considerations like security. Languages like TypeScript are just assembly at this point.

Software differenziert sich aktuell noch stärker aus.

Davon abgesehen, drei weitere Anmerkungen:

Erstens: Geleakt ist das lokale App-Gerüst rund um die KI-Modelle von Anthropic. Also die Produktseite, nicht die Modell/Technologie-Seite.

Hier stecken auf jeden Fall spannende Architektur-Inspirationen drin, die auch für europäische Startups relevant sind.

Zweitens: In Claude Code steckt bereits das noch nicht freigeschaltete Feature, das den nächsten Sprung in der KI-Nutzung darstellt: Proaktive, immer laufende Agenten. Wer zu viel Freizeit hat, kann das heute bereits mit OpenClaw umsetzen; für die Massen kommt es dieses Jahr in Claude Code, Cowork und ChatGPT.

Drittens: Wie robust sind die Prozesse bei Anthropic? Welche Auswirkungen hat die hohe Shipping-Frequenz auf die Qualität der Produkte? Und: Anthropic redet viel über die Notwendigkeit von Sicherheit im Rahmen von immer leistungsfähiger werdender KI. Wie kann so etwas in einem Unternehmen passieren, das sich seit der Gründung Sicherheit auf die Fahnen geschrieben hat? Direkt gefragt: Wie sicher sind die internen Erkenntnisse von Anthropic vor chinesischer Spionage?

Marcel

Im Fokus dieser Ausgabe:

Öffentlich:

• Anthropic vs. OpenAI: Claude Code und Cowork treiben Anthropics Umsätze; OpenAI reagiert mit Konsolidierung, beendet Sora und plant eine Super-App.
• Bitter Lesson: Große Modelle schlagen Spezialisten fast immer; das gibt Frontier Labs enormen Spielraum und macht Führungspositionen fragil.
• Hardware-Knappheit: Der KI-Boom frisst Memory und Chips; günstige Laptops, Smartphones und Konsolen werden teurer oder verschwinden.
• Apps von neunetz.com: Sie kommen.

Für Mitglieder:

• Tech-Souveränität: KI reorganisiert SaaS; Europa hat eine einmalige Gelegenheit, sich mit chinesischen Open-Source-Modellen aus der US-Abhängigkeit zu lösen.
• Post-LLM-Wetten: LeCun sammelt $1 Mrd. für World Models in Paris; Murati sichert sich 1 GW Nvidia-Chips für Frontier-Skalierung.
• Chinas Top-Position in der Forschung quantifiziert
• YouTube vs. KI: Deep Fakes und die Vertrauensfrage könnten zentrale Plattformen noch weiter stärken
• und mehr

Zitat des Tages

Link

🤖 KI

High Stakes und Volatilität

In einem vorherigen Briefing haben wir darüber gesprochen, wie rasant die Umsätze bei den KI-Startups wachsen, gleichzeitig ARR (jährlich wiederkehrende Umsätze) aber nicht so sicher sind, wie es traditionell der Fall ist.

Abo-Unternehmen wie Netflix oder Spotify sind sehr viel stabiler als KI-Abonnements. Der Grund liegt natürlich in der rasanten Entwicklung der darunterliegenden Technologie.

Und darauf folgt die "Bitter Lesson", die wie eine Sturmflut immer weiter landeinwärts rollt und alles niederreißt, was vorher mühsam aufgebaut wurde.

Die Bitter Lesson (von KI-Forscher Rich Sutton, 2019) besagt im Kern:

1. Methoden, die einfach mehr Rechenleistung nutzen (z. B. größere Modelle, mehr Daten), schlagen langfristig immer Methoden, bei denen Forscher versuchen, menschliches Wissen von Hand einzuprogrammieren.
2. Die wichtigste Lektion der KI-Geschichte ist: Setze auf allgemeine, skalierbare Verfahren wie Suche und Lernen, statt auf clevere menschliche Abkürzungen. Denn mit wachsender Rechenpower gewinnen erstere immer.

Konkret bedeutet das etwa, dass Claudes neue Funktionalität, Grafiken zu erstellen, zügig ein Problem für Gamma und ähnliche Startups wird.

Mir ist neulich aufgefallen, dass ein wesentlicher Kritikpunkt von Laien an LLMs darauf fußt, dass die bittere Lektion nicht allgemeinhin bekannt ist. Denn tatsächlich sehen wir konkret in der Forschung, dass erstaunlicherweise die großen Modelle fast immer besser oder gleich gut abschneiden wie kleinere, spezifisch für den jeweiligen Einsatzzweck trainierte Modelle.

Ich selbst war lange davon ausgegangen, dass fokussierte kleine Modelle die großen Generalisten ablösen würden. Nachdem ich ungefähr anderthalb Jahre lang regelmäßig Papers betrachtet und darüber geschrieben habe, in denen Forscher große und kleine Modelle verglichen, habe ich irgendwann von dieser irrigen Annahme Abstand genommen.

Aktuell überwiegen noch die emergenten Fähigkeiten in den großen Modellen gegenüber jedem Vorsprung, der sich bei kleineren Modellen aus Spezialisierung ergibt.

Das bedeutet leider auch, dass die Frontier Labs enorm viel Spielraum haben, was ihre Produkte angeht.

Das bedeutet auch, dass schneller als gedacht Führungspositionen erodieren können. Weil signifikante Modellsprünge universell branchenübergreifend Mehrwert stiften können.

Wachablösung: Anthropic macht OpenAI den KI-Thron streitig

Zum Jahreswechsel ist etwas sehr Signifikantes passiert. Zum einen veröffentlichte Anthropic im November Opus 4.5. Zum anderen brachte Anthropic Anfang 2026 erst Claude Code und dann Claude Cowork in die Desktop-App. (siehe unter anderem Briefing 278)

Opus 4.5 (und nun 4.6) hat Claude weiter als Coding-Default etabliert. Neben dem starken Modell unter der Haube sind es die konstant anwachsenden Funktionen in Claude Code (im CLI wie auch in der Desktop-App), die den Unterschied machen. Exemplarisch aus diesem LinkedIn-Post:

73 releases in 52 days isn't just a flex about talent. It’s a warning shot about the new physics of software engineering.Anthropic is internally eating their own dog food. They are using unlimited tokens and agentic workflows to build Claude with Claude.And they just proved a terrifying reality for traditional tech companies

(Hervorhebung von mir)

Es ist nicht mehr Code (allein). KI-First-Teams sind geradezu unheimlich schnell, wenn sie wirklich all-in gehen. Es ist wenig überraschend, dass das zuerst bei den führenden KI-Labs passiert. (Es wird Jahre dauern, bis wir das in allen Branchen sehen werden.)

Aber machen wir einen Schritt zurück: Wir haben mehrfach im Briefing darüber geschrieben, dass die LLMs immer mächtiger werden, es aber noch an Produkten fehlt, die die mächtige Technologie wirklich zu nutzen wissen. Das hat sich bereits geändert. Claude ist erfolgreich, weil es die mächtigsten Modelle mit sinnvollen Produkten vereint.

Mehr noch als Claude Code ist Claude Cowork das eigentliche Produkt, das den Durchbruch darstellt. Die Möglichkeit von Claude Code, auf Ordner zuzugreifen, wurde bereits letztes Jahr von Verrückten verwendet, um bei ihrer Arbeit zu helfen. Cowork ist das Produkt, das auf diese Nutzung folgt.

SemiAnalysis nennt Claude Code den Inflection Point. Bis Ende 2026 sollen >20% aller Daily-Commits auf Github von Claude Code kommen.

Einen ähnlichen, zeitlich versetzten, leider so nicht öffentlich messbaren, Anstieg dürfte Claude Cowork gerade erleben.

We believe that Claude Code is the inflection point for AI “Agents” and is a glimpse into the future of how AI will function. It is set to drive exceptional revenue growth for Anthropic in 2026, enabling the lab to dramatically outgrow OpenAI.

(Hervorhebung von mir)

Ich habe erste Schätzungen gesehen, dass Anthropic Mitte des Jahres OpenAI bei jährlich wiederkehrenden Umsätzen eingeholt haben könnte.

It’s Produktivitätsapps, stupid. Dafür zahlen User.

OpenAI hat weitaus mehr User als Claude, aber die wenigsten bezahlen für den Dienst. Das liegt in der Natur des Consumer-Bereichs. Und OpenAI hat zu spät angefangen, Werbung auszurollen. (Sie liegen wohl aktuell bei 100 Mio. $ pro Jahr. (Information via LinkedIn))

Das ist ein Problem für OpenAI:

Denn bis zur aktuellen Umsatzexplosion war OpenAI das Default-Startup im Westen, in das man als Investor investiert, wenn man bei KI vorn dabei sein will. Der frühe, gesetzte Marktführer in jeder Kennzahl.

Das machte es vergleichsweise (also "vergleichsweise", gemessen an den immensen Summen) einfach, Risikokapital einzusammeln. Das wiederum ist notwendig, um die Rechenzentren zu finanzieren, um einerseits die Nachfrage abzudecken und andererseits gegen den leicht blöden, aber riesigen Elefanten im Raum langfristig eine Chance zu haben. (Google)

Und so also: Panik-Modus. OpenAI:

• Beendet die KI-Video-App Sora (heise)
• Beendet Instant Checkout (CNBC)
• Wird die drei Apps ChatGPT, Codex und Atlas (KI-Browser) in einer "Super-App" vereinen (WSJ)
• Und last but not least soll die Belegschaft noch dieses Jahr von ca. 4.500 auf 8.000 wachsen. (FT, Decoder)

FT:

The new hires will largely work across product development, engineering, research and sales. OpenAI would also step up recruitment of specialists to focus on what the company calls “technical ambassadorship”, helping businesses make better use of its tools, according to the people.

Mit den zusätzlichen, bekannt gewordenen 10 Milliarden US-Dollar (CNBC) sprechen wir nun von insgesamt 120 Milliarden US-Dollar, die in OpenAI investiert wurden. Hier geht es also langsam um richtiges Geld.

Kapitalscherze beiseite, Enterprise bietet schnell direktes Einkommen für diese Startups, die hohe Kostenpunkte haben, sowohl was Investitionen angeht (Training, Commitments für Datencenterkapazitäten) als auch was den laufenden Betrieb angeht (Inferenz der KI).

Ein verbitteter Wettbewerb zwischen Anthropic und OpenAI ist sicher auch gut für europäische Unternehmen, die einen dankbaren Absatzmarkt für die US-Labs darstellen.

(Man kann davon ausgehen, dass beide noch dieses Jahr Sales-Abteilungen in Europa aufbauen werden.)

Gleichzeitig bedeutet das alles auch, dass wenn der Fokus von OpenAI auf Enterprise und dortiges Umsatzmaximum schwenkt, das Potenzial im Consumer-Bereich für andere offen bleibt.

KI trifft alles: PlayStation wird teurer, Günstige Laptops & Smartphones werden verschwinden

Sony wird die Preise für die PlayStation 5 in mehreren Regionen, einschließlich Europa, Großbritannien, Japan und den USA, ab dem 2. April 2026 deutlich erhöhen. (t-online)

Derzeit werden vor allem Arbeitsspeicher (RAM), insbesondere DDR5-RAM, sowie Festplatten aufgrund des KI-Booms teurer.

Ich empfehle sehr dringend das Gespräch mit Dylan Patel im Dwarkesh Patel Podcast (not related).

Der SemiAnalysis-Gründer Dylan Patel spricht darin unter anderem darüber, wie konservativ nicht nur TSMC, sondern alle Halbleiterchip-Zulieferer sind, was das Thema KI angeht. Während die Hyperscaler nicht genug Chips bekommen, um die Nachfrage zu bedienen.

Grund für die Zurückhaltung sind die immensen Vorabinvestitionen, die nötig sind für einen Ausbau, den es für den KI-Boom bräuchte. TSMC und die anderen, etwa die Memory-Hersteller, müssen die Nachfrage für ihre Investitionen in zwei bis drei Jahren richtig prognostizieren. Wer falsch liegt und zu viel investiert, kann bankrott gehen.

Die extremen Kostenstrukturen im Halbleitergeschäft waren Geburtshelfer des Prinzips des Risikokapitals. Beide zusammen formten das Silicon Valley.

Wie dem auch sei, das konservative, dem KI-Boom nicht vertrauende Verhalten der Hardware-Zulieferer trifft auf, nun, den Boom und dessen Nachfrage.

Dylan Patel verweist auf die extremen Folgen, welche die damit verbundene Knappheit auf Jahre verursachen wird.

In short: Der untere Markt für PCs, Laptops und Smartphones wird mehr oder weniger verschwinden.

The bulk of the market is mid-range and low-end. It used to be that 1.4 billion smartphones were sold a year. Now we’re at about 1.1 billion. Our projections are that we might drop to 800 million this year, and down to 500 or 600 million next year.

We look at data points out of China from some of our analysts in Asia, Singapore, Hong Kong, and Taiwan. They’ve been tracking this, and they see Xiaomi and Oppo cutting low-end and mid-range smartphone volumes by half.

Geräte werden teurer werden, Produktlinien werden eingestellt.

Letzter Datenpunkt: Apple zahlte ausgewählten Hardware-Ingenieuren vor einigen Tagen einen ungewöhnlichen Bonus außerhalb der üblichen Zyklen. (Bloomberg) Grund: Verhindern, dass die Mitarbeitenden zu OpenAI oder Hark wechseln.

Tang Tan, seinerzeit VP für product design bei Apple, wechselte 2023 zu OpenAI. OpenAI arbeitet bekanntlich gemeinsam mit Jony Ive an KI-Devices. (Wir hatten im Briefing bereits besprochen, was das für Mitarbeitende bei Apple bedeutet.)

Hark wiederum ist ein neues, weiteres Startup von Brett Adcock, dem Gründer des Humanoid-Unternehmens Figure. Hark ist nach acht Monaten gerade aus dem Stealth-Modus gekommen und arbeitet ebenfalls an einem persönlichen KI-Gerät.

Auch das ist durch einen Boom ausgelöste Volatilität: Wenn ein so erfolgreicher Konzern wie Apple aus Angst um seine Mitarbeitenden Boni ausschüttet, weil acht Monate alte Startups attraktivere Arbeitsplätze darstellen.

Preview: Apps von neunetz.com

Es fing damit an, eine einfache lokale App zu bauen, die mit KI Rechtschreibung und Grammatik einer Text-Datei überprüft.

Ich ging davon aus, dass das machbar und der Aufwand überschaubar sein würde. Mir war nicht klar, wie einfach das heute ist. Ein Prompt, der aus einem einzelnen Absatz bestand, was ich insgesamt als Auftakt für die Arbeit ansah, reichte Claude Code völlig aus, um diese App-Idee umzusetzen.

Auch das meinte ich oben mit Volatilität. Die Technologie entwickelt sich so schnell weiter, dass mentale Bilder, was KI mit welcher Geschwindigkeit und Aufwand zu leisten vermag, schnell veralten. In meinem Kopf waren die Leistungsfähigkeiten von Claude Code noch dort, wo sie Anfang 2025 lagen. Weil ich die Aussagen über Opus 4.5 offenbar nicht ernst genug genommen hatte.

Das war mir aber nicht bewusst. Das wurde mir erst klar, als ich eine fertige, funktionierende App, in schönem Design und mit Features und Umsetzungen vor mir sah, an die ich noch gar nicht gedacht geschweige denn kommuniziert hatte.

Also begann ich ein Schreibprogramm nach meinen Wunschvorstellungen zu erstellen.

Dazu zählen kleine Features wie eine native "TK"-Funktion, die mit TK markierte, noch zu bearbeitende Stellen im Text hervorhebt und gleichzeitig in der Sidebar leicht anklickbar macht. Eine Integration von Materialordnern und Bildordnern. Ein Feature, das beim Verlinken automatisch Query- und Tracking-Parameter von URLs entfernt. Und, natürlich, viele nützliche integrierte KI-Features. Und unzählige weitere Funktionen. Ein letztes Beispiel:

Es passiert regelmäßig beim Schreiben eines Textes, dass eine Aussage über die Tasten fliegt, von der man nicht sicher ist, ob sie stimmt. Wenn sich diese Frage über eine Internetrecherche auflösen lässt, dann seht ihr hier die denkbar reibungsfreiste Umsetzung. Der User markiert den Text mit der fragwürdigen Aussage und klickt auf einen vorher dafür angelegten Prompt-Preset. Der Prompt-Preset lädt automatisch die Selektion und führt eine Suche aus.

Das ist besonders nützlich für kleine Details, die man sonst vielleicht aus dem Text weglassen würde, wie hier im Screenshot die Modellnummer.

Habe ich das erledigt und will mich anschließend auf den Text konzentrieren, kann ich mit einem Tastatur-Shortcut alle Sidebars ausblenden oder nur die KI-Sidebar wegklappen.

Ich habe mir in den letzten Wochen ein Schreibprogramm gebaut, für das ich noch vor einem halben Jahr ohne mit der Wimper zu zucken Hundert Euro ausgegeben hätte.

Die Schreib-App Mica wird ohne zusätzliche Kosten für zahlende Mitglieder verfügbar werden, wenn die dafür notwendige Infrastruktur steht. Aber das ist noch nicht alles. Weitere Apps für Mitglieder, die folgen werden:

Jochen Krisch und ich haben in den Exchanges über den heutigen Stand bei Amazon gesprochen: Exchanges #389: Amazon und Alexa 2026

Es wird wieder viel über KI und die Zukunft der Arbeit gesprochen. Ich habe ein paar Stimmen gesammelt und werfe im nächsten Briefing noch ein paar Papers zum Thema in die Waagschale. Im Grunde lässt sich das Thema eindampfen auf: lässt sich das Thema eindampfen auf:

KI transformiert die Arbeit. Transformation ist nicht Zerstörung. Zumindest nicht für alle, für manche Jobs schon.

Der Umgang damit wird eine der großen gesellschaftlichen Debatten der nächsten Zeit sein. Erst recht, wenn mehr Menschen dämmert, was die aktuellen Durchbrüche in der Robotik bedeuten werden.

Marcel

Im Fokus dieser Ausgabe:

• Zukunft der Arbeit und der Software: Das ist die große Debatte gerade. Paul Ford, Noah Smith, Annie Lowrey, Steven Sinofsky, Johannes Kleske, der Axios-CTO und Ben Thompson liefern sehr unterschiedliche Perspektiven. Meine Einordnung: Programmierung ist eine Ausreißertätigkeit, die von KI besonders betroffen ist. Was dort passiert, ist nicht automatisch die Blaupause für andere Wissensberufe.
• Embedded Engineers als neues KI-Beratungsmodell: Goldman Sachs baut mit eingebetteten Anthropic-Ingenieuren eigene Agenten. Das Palantir-Modell kommt in der KI-Wirtschaft an.

Für Mitglieder:

• Hyperscaler-Capex ist kein Bubble: Azeem Azhar mit der richtigen Einordnung.
• Europa fällt bei eigenen KI-Modellen weiter zurück.
• Autonome Trucks: Waabi sammelt bis zu 1 Mrd. Dollar und will exklusiv 25.000 Robotaxis auf Uber bringen. Gatik betreibt als erstes Unternehmen kommerzielle fahrerlose Trucks in größerem Maß.
• BYD überholt Ford bei weltweiten Fahrzeugverkäufen. Vor 5 Jahren verkaufte Ford noch fünfmal so viele Autos.
• und mehr

Zitat des Tages

5 million humanoid robots working 24/7 can build Manhattan in ~6 months. now just imagine what the world looks like when we have 10 billion of them by 2045. now imagine the year 2100.

David Holz auf X

Thema der Woche: Zukunft der Arbeit

Die Veränderung ist real, sie passiert jetzt, und sie betrifft Wissensarbeit im Kern. Aber trifft sie alle gleich?

„Ich hätte $25.000 für etwas bezahlt, das ich jetzt abends in der U-Bahn mache“

Der Tech-Autor und Unternehmer Paul Ford beschreibt in der New York Times, wie er abends auf dem Heimweg in der New Yorker U-Bahn KI-Coding-Agenten Projekte bauen lässt. Zwischen zwei Stationen gibt er Prompts ein; wenn er in Brooklyn ankommt, ist das Projekt oft fertig. Paul Ford, The New York Times:

When I rebooted my messy personal website a few weeks ago, I realized: I would have paid $25,000 for someone else to do this. When a friend asked me to convert a large, thorny data set, I downloaded it, cleaned it up and made it pretty and easy to explore. In the past I would have charged $350,000.

That last price is full 2021 retail — it implies a product manager, a designer, two engineers (one senior) and four to six months of design, coding and testing. Plus maintenance. Bespoke software is joltingly expensive. Today, though, when the stars align and my prompts work out, I can do hundreds of thousands of dollars worth of work for fun (fun for me) over weekends and evenings, for the price of the Claude $200-a-month plan.

Das sind Erfahrungen, die gerade viele machen und daraus ihre Schlussfolgerungen ziehen. Ausgelöst durch die Modelle, die Ende 2025 erschienen. (siehe Briefing 277)

Das kann nicht ohne Folgen bleiben:

That's not an altogether pleasant feeling. The faces of former employees keep flashing before me. All those designers and JavaScript coders. I could not hire the majority of them now, because I would have no idea how to bill for their time. Some companies, including IBM, think A.I. will create tons of new jobs. But no one thinks they'll be the same as the old jobs.

People trumpet the Jevons paradox, which points out that greater efficiency often leads to more consumption — but at the same time, would it surprise you to find out tomorrow that large technology consulting firms had just laid off 10,000 people? A hundred thousand? A million?

Nicht jede:r wird Programmierer:in, aber das Wesen von Software wird sich in den nächsten Monaten radikal wandeln.

I think if vibe coding gets a little bit better, a little more accessible and a little more reliable, people won't have to wait on us. They can just watch some how-to videos and learn, and then they can have the power of these tools for themselves. I could teach you now to make a complex web app in a few weeks. In about six months you could do a lot of things that took me 20 years to learn. I'm writing all kinds of code I never could before — but you can too.

Dazu passend auch die Aussagen des Axios-CTO Dan Cox.

Axios CTO: Ein Entwickler, 37 Minuten statt 3 Wochen

Axios:

One of our best engineers recently completed a project similar to one he delivered a year ago.

Last year, it took three weeks. This past week, he used AI-based "agent teams" and completed the same amount of work in 37 minutes.

The team doubled its output in January and will double that again this month. We're doing exponentially more ... with dramatically fewer people.

Anticipating this AI shift six months ago, we refocused our product and tech organization, shrinking from 63 to 43 people to operate more nimbly in this new environment.

Tech debt is gone. Not because we solved it, but because AI just made it irrelevant.

The Axios backlog, which was 12 months long, will be gone in months. Then the work really starts, as engineers become builders and begin to think beyond the limits of a request list.

(Hervorhebungen von mir)

Das sind enorme Sprünge, so groß, dass kein Unternehmen sich dem verschließen kann.

Cox nennt interessante Folgen daraus:

The bottleneck is no longer writing code. It's how fast humans can absorb change. We might end up creating things faster than humans can keep up. That could create feature fatigue ("Another update? We just had one")... trust erosion ("Do they have a vision for all this STUFF?") ... and cognitive overload ("I just learned the old way!").

Axios hat angeblich bereits vor zwei Jahren begonnen, sich darauf vorzubereiten:

That's why we shared the figures above from Dan — a 30% reduction in our product and tech team last year, given AI's coming capabilities. We started preparing for this almost two years ago, when that team was 90 people.

Der Niedergang der Nerds?

Noah Smith argumentiert in einem langen Essay: Was gerade passiert, ist das Ende einer ökonomischen Ära. Sein ganzes Leben lang hat er den Aufstieg einer breiten sozialen Klasse technischer Fachkräfte erlebt. Das könnte jetzt vorbei sein.

Just as a power loom allowed an unskilled peasant to make cloth almost as good as what a master weaver would make — and at a fraction of the price — new AI coding tools are making it possible for relatively unskilled workers to turn out vast reams of software that's almost as good, and far cheaper, than what a master software engineer would make.

Software-Engineering war möglicherweise weniger ein „Creative Class"-Job als gedacht und mehr eine „Routine Cognitive"-Aufgabe, also genau die Art, die besonders anfällig für Automatisierung ist.

Die Folgen: Lohnkompression (KI stärkt Schwächere relativ stärker), Machtverschiebung zu Kapital (GPUs, Rechenzentren), und Tech-Hubs wie San Francisco verlieren an Relevanz. Softwareingenieure tauschen sich nicht mehr untereinander aus; sie bekommen ihre Ideen von der KI.

Der iShares-Software-ETF verlor in sieben Tagen über eine Billion Dollar.

Private Equity und die Software-Wette, die kippt

Passend dazu: Die Financial Times berichtet, wie KI die große Wette der Private-Equity-Branche auf Software zerstört. Software machte rund 40% der PE-Deals des letzten Jahrzehnts aus. Das SaaS-Playbook war bekannt und berechenbar (und attraktiv).

This month the value of the world's largest software companies like Salesforce and ServiceNow plunged by a fifth. The investor angst quickly spread to finance as the shares of large private capital groups such as Blackstone, Ares, KKR and Blue Owl dropped sharply, signalling growing fears about their exposure to software investments.

Takeovers of software companies by private equity funds accounted for about 40 per cent of trillions of dollars in deal activity over the past decade by some estimates. Such deals also represent nearly a third of lending in the fast-growing private credit industry.

Financial Times

Programmieren als die Ausreißertätigkeit, die besonders von KI betroffen ist

Das alles bringt mich zu zwei Beobachtungen, die Ben Thompson jüngst in seinen Podcasts machte.

Im Sharptech-Podcast machte er die Beobachtung, dass SWE eine besondere Tätigkeit ist, die sich von fast allen anderen menschlichen Tätigkeiten unterscheidet. Menschen programmieren Computer, sie müssen dafür denken wie Computer; wieso sollten Computer nicht besser darin sein, Computer zu programmieren?

Wenn man einmal darüber nachdenkt, wird es immer offensichtlicher:

Softwareentwicklung, zumindest der Code-Teil, hat viele, enorme Vorteile für LLMs: für LLMs: Sie können das Ergebnis selbst testen. Und Code-Text ist perfektes Trainungsfutter (und Reinforcement-Learning-Futter). Programmiersprachen folgen einer viel strikteren Logik als ungenaue menschliche Sprachen. Viele Aufgaben in der Softwareentwicklung sind repetitiv und folgen festen Mustern. Viel Code ist sogenannter Boilerplate Code, der nur als notwendiges Gerüst dient. Das Erstellen von Testfällen lässt sich oft logisch direkt aus dem Funktionscode ableiten. usw. usf.

Hier ist aber der wichtige Punkt: Aus alldem können wir nicht, wie es etwa Altman oder Amodei machen, automatisch ableiten, dass in naher Zukunft alle Jobs von KI übernommen werden. Softwareentwicklung ist extrem computerzentrisch und das macht es angreifbar für diese neue Art von Computern.

Was aktuell Programmierer:innen passiert, ist nicht zwingend die Vorschau für den Rest der Büroangestellten. Vielleicht sind sie einfach nur dieses Mal als erste und vielleicht auf absehbare Zeit als einzige dran und nicht die Musiker:innen und Journalist:innen wie beim letzten Mal.

In ihrem Dithering-Podcast haben Thompson und John Gruber noch eine gute Beobachtung gemacht: Bis in die 1980er war es so, dass die Tech-Branche regelmäßig von Disruptionen erschüttert wurde. Unternehmen hielten sich in der Regel nicht lang, ein Paradigma löste das nächste ab. Das änderte sich in den 1990ern mit der anhaltenden Dominanz von Microsoft und verfestigte sich weiter ab den 2000ern mit dem Aufstieg der Internetriesen. Selbst Microsoft hat den Wandel vom abgeschiedenen Desktop zur Internetära gut überlebt.

Jetzt kehren wir wieder in eine Tumult-Ära im Tech-Sektor zurück.

Das wäre eigentlich auch eine große Chance für Europa, but alas.

(Die großen Konzerne sind als Infrastrukturdienstleister zwar relativ sicher. Aber darunter? All bets are off.)

Steven Sinofsky: Mehr Software, nicht weniger

Steven Sinofsky, Ex-Microsoft heute a16z, hält gegen die Annahme von Smith et al, dass die Zeit der Software-Nerds abgelaufen sei. Seine zentrale These: Es wird mehr Software geben als je zuvor. Nicht weniger.

Here's what will happen:There will be more software than ever before.AI-enabled or AI-centric software is simply moving up the stack of what a product is.New tools will be created with AI that do new things.

Das ist alles schön und gut. Ein interessanter Gedanke ist, dass KI dafür sorgt, dass die mögliche Expertise noch tiefer gehen wird:

Domain experience will be wildly more important than it is today because every domain will become vastly more sophisticated than it is now. This is not just because of service providers and builders have better tools, but because customers do as well. I will never forget how bankers said they were going to be so much more efficient by having a few college kids use spreadsheets while they did all the hard work of deal-making. Little did they know that to even be a banker by 1995 you were going to be the person using the sheet to build a model. Repeat for consultants. Graphic artists. Writers. Lawyers. Doctors. And every single domain. This is going to happen all over again. Yes, some supporting jobs in domains went away, but they were not just replaced with even more skills, they were replaced with many more people. More people work in more banking locations today, per capita, than ever before. There's more expertise required in every domain, even with three decades of automation. [...]

Das ist sehr wahrscheinlich. Das Internet hat hochspezialisierte Nischen ermöglicht. KI wird ähnliches tun. (Bei KI kommt es von der Input-Seite, beim Internet von der Distributionsseite.)

Tiefe Expertise wird stärker als heute verbunden sein mit menschlicher Authorität (personal branding etc.). Völlig offen natürlich, wie sich das im Spiel mit den wachsenden Fähigkeiten der KI austarieren wird.

And finally:

Finally, it is absolutely true that some companies will not make it. It is even true that in some very long time, longer than a career or generation, every company will be completely different or their product line and organization will have dramatically changed.

Daran lässt sich nichts ändern, alles andere wäre eine sehr merkwürdige strukturelle Veränderung.

Oder wie es Derek Thompson auf X sagt:

There's no excuse for AI apathy among policymakers. No off-ramp where AI doesn't matter. Either

a) the largest private-sector spending project in history fails to pull along revenue, in which case the odds of an industrial/financial bubble are too high too ignore; or

b) the revenue comes along, which implies AI deployment in the economy will be absolutely furious. And it's hard to imagine that companies shift hundreds of billions of dollars of annual spending toward tokens and agents without reducing spending, at the least in the short run, on labor, implying meaningful labor market displacement

The Goldilocks scenario—no bubble, no job loss, the entire economy just seamlessly coordinates the addition of 100s of billions of dollars of additional annual spend without any dislocation for workers—is possible, I guess, but it's really really hard to imagine.

KI-Trend: Embedded Engineers für Implementierung

Dazu passend, Goldman Sachs baut mit Anthropic eigene Agenten. CNBC:

Goldman Sachs has been working with the artificial intelligence startup Anthropic to create AI agents to automate a growing number of roles within the bank, the firm's tech chief told CNBC exclusively. The bank has for the past six months been working with embedded Anthropic engineers to co-develop autonomous agents in at least two specific areas: accounting for trades and transactions, and client vetting and onboarding, according to Marco Argenti, Goldman's chief information officer.

(Hervorhebung von mir)

„Embedded engineers“ ist das Modell von Palantir für aufwendige Technikimplementierungen, das jetzt von den KI-Unternehmen übernommen wird. OpenAI hat auch bereits „Solutions Architects“: Expert:innen, die Unternehmen bei der KI-Einführung und Best Practices begleiten.

Diese „Embedded engineers“ könnten in den nächsten Jahren noch verhasster werden als Unternehmensberater, siehe das nächste Segment.

Worst-Case-Szenario für White-Collar-Arbeiter oder eher bei 1999

Der Arbeitsmarkt für Büroangestellte beginnt sich zumindest in den USA zu verschieben, schreibt der Atlantic:

But the labor market for office workers is beginning to shift. Americans with a bachelor's degree account for a quarter of the unemployed, a record. High-school graduates are finding jobs quicker than college graduates, an unprecedented trend. Occupations susceptible to AI automation have seen sharp spikes in joblessness. Businesses really are shrinking payroll and cutting costs as they deploy AI. In recent weeks, Baker McKenzie, a white-shoe law firm, axed 700 employees, Salesforce sacked hundreds of workers, and the auditing firm KPMG negotiated lower fees with its own auditor. Two CNBC reporters with no engineering experience "vibe-coded" a clone of Monday.com's workflow-management platform in less than an hour. When they released their story, Monday.com's stock tanked.

Die Folgen würden die gesamte Wirtschaft treffen:

If rich households cut back on spending, many businesses that have nothing to do with AI—grocery stores, gas stations, retail shops, hairdressers, restaurants—would suffer and the labor market would keep deteriorating. The housing market would begin to falter; home prices in many regions would fall and fewer properties would go to market. Tax revenue might fall.

Annie Lowrey, The Atlantic

Bevor das passiert, wird es allerdings zu massivem politischen Widerstand kommen. White Collar ist besser vernetzt und dadurch politisch involvierter als Blue Collar. Wenn die Gesamtheit der Arbeitsplätze für Anwälte spürbar rückläufig werden sollte, werden Politiker:innen mit Jura-Examen entsprechend handeln. 14,8 Prozent der Abgeordneten im Bundestag sind Rechtsanwältinnen und Rechtsanwälte.

Der Berliner Zukunftsforscher Johannes Kleske setzt die Job-KI-Hysterie in den Kontext der deutschen Arbeitsmarktrealität.

The great fallacy with AI and work is that we only ever look at the existing system and speculate how AI might accelerate and automate it in the short term. We only imagine existing jobs disappearing. We have a hard time imagining new jobs emerging that wouldn't make any sense in the current system but would become rather obvious once the system adapts.

If we're truly at a 1999-equivalent moment with AI, then the things that will actually matter haven't been built yet. Feeling like you've already missed it is the FOMO talking. And FOMO is a product of the hype, not a reflection of reality.

In Germany right now, we desperately need more workers. The government is trying to convince us all that we need to work more. Many people have already experienced burnout due to excessive workload. But at the same time, a growing number of employees are afraid that they're soon going to be replaced by AI.

How does that work? How are we supposed to go from "we should all work more" to "AI has replaced us all" in an instant?

Johannes Kleske, Futures Lens

Es ist offensichtlich, dass wir auf eine turbulente Umbruchszeit zusteuern.

Meine These ist seit einigen Jahren, dass KI (und mehr noch Robotik, die im Verbund mit KI mehr Automatisierung übernehmen kann) ein Geschenk für den deutschen Arbeitsmarkt ist, der auf eine Boomer-Katastrophe zusteuert.

Historisch: Ganze Berufskategorien verschwunden

Last not least ein historischer Thread auf X, der zeigt, welche White-Collar-Jobs in der Vergangenheit komplett verschwanden. It ain’t new. Judge Glock auf X:

Mail Room. This was the proverbial "from the bottom" job in 20th century movies about office life. Look at the movies and these things were packed with people, they pushed memos up and down the office food chain. Largely gone.

Have you ever heard of a typing pool? A variation on copyists, but people who just took everything handwritten and typed it on a typewriter and typed new versions out for other people. Every big company had one.

Computer, yes, the human kind. All of those "hidden figures" in movies and books came from a massive number of people just typing and retyping numbers into adding machines. This actually includes most of what old fashioned "accountants" did too.

Data Entry. Later, but many people including me, spent months taking numbers people wrote on pieces of paper and typing them into a physical computer. Now much rarer.

There were weird jobs too like newspaper clipper. Whole firms just looked through newspapers and clipped relevant stories for people who paid them to do so.

Mehr zum Thema:

• Briefing 260: KI & Jobs: Eine Verschiebung der Wertschöpfungsnetzwerke
• Briefing 253: KI und Arbeit: Jobs als Taskbündel; Freelancer trifft es zuerst
• Nexus 236: KI-gestützte Beschleunigung der Arbeit

🤖 Mehr KI

Big-Tech-Capex war schon immer big

Ein Nachtrag zu den Investitionsausgaben der großen Tech-Konzerne.

Exponential View hat die Zahlen von 2022 mit aufgenommen:

Und was, wenn OpenAI es doch nicht schaffen wird?

Der unabhängige Analyst Benedict Evans machte letzte Woche im Stratechery-Interview eine wichtige Beobachtung, die mich nicht mehr loslässt:

Wie wir wissen, hat ChatGPT zwar über 800 Millionen monatlich aktive Nutzer:innen (u.a. TechCrunch Oktober 2025), aber da OpenAI nur wöchentlich aktive, nicht täglich aktive Nutzer:innen angibt, können wir auch ohne offizielle Zahlen davon ausgehen, dass der überwiegende Anteil davon ChatGPT „nur“ einmal die Woche benutzt. (Was WAU zur imposantesten unter den verfügbaren Zahlen macht.)

Evans Beobachtung: Wer ChatGPT nur selten, also einmal die Woche, nutzt und die Gratis‑Version künftig mit Werbung bekommt, liefert zu wenig Nutzungssignale, damit die Werbung wirklich gut und zielgenau werden könnte. Und die Leute, die es so viel nutzen, dass es sich für gute Werbung lohnen würde, sind genau die, die typischerweise ein Abo zahlen und dann gar keine Werbung mehr sehen.

Im Vergleich dazu: Der TikTok-Deutschland-Chef sagte mir letztes Jahr, dass Deutsche im Schnitt 90 Minuten am Tag auf TikTok verbringen.

Man sollte bei alldem nicht vergessen, dass Produkte wie ChatGPT oder Claude noch am Anfang ihrer Evolution stehen, sie sind erst drei Jahre alt, aber das ändert nichts daran, dass hier und jetzt der Erlösstrom Werbung eventuell zu wenig den kostenintensiven Betrieb entlasten wird...vorsichtig ausgedrückt.

Marcel

Im Fokus dieser Ausgabe:

• Die KI-Mauer: Die prophezeite Mauer ist da; nur geht sie nach oben. Gemini Pro 3 Deep Think erzielt 84,6% auf ARC-AGI-2, einem Benchmark, bei dem KI vor nicht einmal einem Jahr bei 0 bis 4% lag.

Für Mitglieder:

• SpaceX schluckt xAI: Musk plant eine Million Rechenzentren im Orbit. Sechs von elf xAI-Mitgründern sind weg. Erfolgschancen: 50/50.
• Agenten: Karpathy erklärt „Vibe Coding" für beendet und ruft „Agentic Engineering" aus. OpenAI startet Frontier. Azeem Azhar argumentiert, Autonomiedauer sei die einzige KPI, die zählt.
• $660 Mrd. Capex und die Engpässe: Big Tech investiert in einem Jahr mehr als Israels BIP. Nvidia stoppt Gaming-Chips. Microsoft hat zu wenig GPUs für Azure. Und Apple investiert kaum.
• Electric Stack: Drei tiefgehende Analysen erklären, warum Elektrifizierung neben KI das strategische Puzzlestück ist.
• Arbeitsmarkt: Die Jobs verschwinden nicht; sie werden schlechter bezahlt.
• und mehr

Zitate des Tages

I don't know why this week became the tipping point, but nearly every software engineer I've talked to is experiencing some degree of mental health crisis.

Tom Dale auf X

for me the odds that AI is a bubble declined significantly in the last 3 weeks and the odds that we're actually quite under-built for the necessary levels of inference/usage went significantly up

basically I think AI is going to become the home screen of a ludicrously high percentage of white collar workers in the next two years and parallel agents will be deployed in the battlefield of knowledge work at downright Soviet levels

Atlantic-Journalist Derek Thompson auf X

🤖 KI: Die Entwicklung, OMG, die Entwicklung

Metr und die Mauer

Statt über einzelne Modelle zu sprechen, schauen wir uns die allgemeine Entwicklung an. Denn die ist mehr als bemerkenswert.

Die jüngsten Modelle von OpenAI und Anthropic, GTP-5.2 (high) und Opus 4.5 im anschaulichen Metr-Graphen. Metr misst, wie hoch die Komplexität der Aufgaben ist, die KI-Modelle in zu 80 bzw. 50 Prozent erfolgreich erledigen können. Komplexität wird daran bemessen, wie lang ein Mensch benötigt, um die gleiche Aufgabe zu erfüllen.

50 Prozent:

80 Prozent:

Mittlerweile sind GPT-5.3 Codex und Claude Opus 4.6 erschienen. Beide sind optimiert für Programmieraufgaben und werden dementsprechend noch besser abschneiden. (Metr misst nur Programmieraufgaben, weil hier sowohl Zeit als auch Erfolg bei Menschen und bei KI leicht messbar sind.)

Man kann hier bereits sehen, dass die Entwicklung von KI tatsächlich wie von vielen Leuten eine Mauer erreicht hat. Allerdings nicht, wie prophezeit, einen Stillstand, sondern weiter exponentiell ansteigende Fähigkeiten, die so rasant sind, dass wir eine Mauer sehen; eine Mauer, an der die KI-Modelle nach oben schnellen.

Wer sich an „nur 80 Prozent Erfolgrsrate!“ stört, sei auf den Rausschmeißer vom letzten Briefing verwiesen:

Guy with a wish granting machine that only works 10% of the time: man this thing is useless!

Aber damit nicht genug.

Gemini Pro 3 Deep Think und ARC-AGI 2

Google Deep Mind hat diese Woche das neue Gemini Pro 3 Deep Think vorgestellt.

Im schweren, nicht öffentlich zugänglichen ARC-AGI-Test schnitt das Modell so ab:

• ARC-AGI-1: 96.0%, $7.17/task
• ARC-AGI-2: 84.6%, $13.62/task

Man sieht in den Charts den Sprung, das Modell ist grün:

Nun muss man zum ARC-AGI Folgendes festhalten:

ARC-AGI (Abstraction and Reasoning Corpus for Artificial General Intelligence) ist ein Benchmark der ARC Prize Foundation, der den Fortschritt hin zur künstlichen allgemeinen Intelligenz (AGI) messen soll. Er besteht aus rasterbasierten visuellen Denkaufgaben, die für Menschen zumindest in der ersten Inkarnation trivial, für KI aber extrem schwierig sind.

ARC-AGI-1, 2019 von François Chollet eingeführt, umfasste 800 Puzzle-ähnliche Aufgaben mit wenigen Beispielpaaren (ca. drei), die speziell so konzipiert sind, dass sie einfaches "Auswendiglernen" des Trainingsdatensatzes verhindern. Das sollte zu schwer für KI-Modelle sein.

ARC-AGI-2 wurde im März 2025 eingeführt, weil ARC-AGI-1 dann doch zu einfach war. Chollet damals auf X:

Unlike ARC-AGI-1, this new version is not easily brute-forced. Current top AI approaches score 0-4%.

All base LLMs (GPT-4.5, Claude 3.7 Sonnet, Gemini 2, etc.) score 0%. Single-CoT reasoning models (Claude Thinking, R1, o3-mini…) score 0-1%. [...] o3-low would score ~4% (down from 76% on ARC-AGI-1). This is a model that does extensive test-time CoT search.

So this is an extremely unsaturated benchmark – and one that is focused entirely on reasoning, not specialized skills and knowledge.

Nicht einmal ein Jahr nach der Einführung des neuen ARC-AGI-2, wir haben noch Februar, liegt das aktuell beste KI-Modell bei 84,6 Prozent.

But wait, there is more.

Es ist nicht der Sprung in der Qualität, sondern auch in der Effizienz, der beachtenswert ist: Vor drei Monaten benötigte Gemini 138.000 Reasoning-Token, um eine ARC-Aufgabe zu lösen, die Gemini 3 Pro jetzt in 96 bewältigt.

Das ist eine Reduzierung um rund 99,93%.

Money must be funny: Anthropics Umsatz

Anthropic hat eine neue Finanzierungsrunde über 30 Milliarden $ bei einer Bewertung von 380 Milliarden $ abgeschlossen. (Reuters)

Die Umsatz-Run-Rate liegt bei 14 Milliarden Dollar, davon über 2,5 Milliarden allein durch Claude Code (mehr als verdoppelt seit Jahresbeginn); Business-Subscriptions haben sich vervierfacht, Enterprise-Kunden machen inzwischen mehr als die Hälfte der Claude-Code-Umsätze aus.

Die Visualisierung des Umsatzwachstums erzeugt einen der verrücktesten Graphen der Wirtschaftsgeschichte:

Man könnte fast den Eindruck bekommen, hier ein stark nachgefragtes Produkt zu sehen.

Quelle: Anthropic

The Series G will also power our infrastructure expansion as we make Claude available everywhere our customers are. Claude remains the only frontier AI model available to customers on all three of the world's largest cloud platforms: Amazon Web Services (Bedrock), Google Cloud (Vertex AI), and Microsoft Azure (Foundry). We train and run Claude on a diversified range of AI hardware—AWS Trainium, Google TPUs, and NVIDIA GPUs—which means we can match workloads to the chips best suited for them. This diversity of platforms translates to better performance and greater resilience for the enterprise customers that depend on Claude for critical work.

Verfügbarkeit auf allen drei großen Cloud-Plattformen plus B2B-Fokus sollte den Chart in einem Jahr ähnlich verrückt aussehen lassen.

Es sei denn natürlich, Energie- und Chip-Engpässe machen sich langsam aber sicher spürbar im Umsatzwachstum bemerkbar, was nicht ausgeschlossen ist.

..und in China

Diese Woche allein außerdem in/aus China:

• Letzte Woche: ByteDance veröffentlicht Seedance 2.0 (ging diese Woche viral)
• Kuaishou veröffentlicht Kling 3.0 Video Gen
• Zhipu veröffentlicht GLM-5. 745B Parameter. MIT-Lizenz kommt. 0,11 $ pro Million Token.
• DeepSeek geht von 128K auf 1M Kontext.
• MiniMax veröffentlicht M2.5.
• GLM-5 wurde wohl auf 100.000 Huawei Ascend-Chips trainiert. Nirgendwo Nvidia..

Besonders MiniMax 2.5 beeindruckt die Branche, es soll wohl ungefähr auf Augenhöhe mit Opus 4.6 liegen (während es um das 20-fache günstiger ist):

KI-Agenten; von Vibe Coding zu Agentic Engineering

Inmitten eines Booms leben, jemand nannte es neulich die industrielle Revolution der Geistesarbeit, ist erschöpfend.

Dieser Tweet fasst die aktuelle Lage in KI gut zusammen:

Noch besser wird es mit dem nachgeschobenen Tweet: „oops missed gemini agentic vision“

Es wird Zeit, jede Betrachtung von KI diesem Fakt unterzuordnen: Es ist kein Ende in Sicht. Was das mindestens bedeutet:

• ARR ist nicht sicher. Die größten Hardcore-Fans von Cursor von letztem Jahr sind heute bei Claude Code.
• Optionalität ist nicht optional. Heutige KI-Investitionen sind nur sinnvoll, wenn zeitnah kommende bessere Modelle eingeplant sind.

In meinen Keynotes und Talks empfehle ich deshalb immer zwei allgemeine Dinge:

1. Auf persönlicher Ebene: In der Regel Monatsabonnements statt Jahresabonnements wählen, weil ein Wechsel innerhalb des Jahres wahrscheinlich bleibt.
2. Auf Unternehmensebene: Jede Form von KI-Integration muss mit eingebauter Optionalität kommen. Neuere, bessere Modelle müssen leicht implementierbar sein.

Peter Gostev von Arena.ai hat die Konsequenzen daraus neulich auf LinkedIn noch weiter gedreht. Neue Modelle werden auch immer besser darin, schlecht aufbereitete Daten richtig einzuordnen, was sogar heutige Investitionen in bessere interne Datenpipelines in Frage stellt: 

It is not even clear what to invest time in, e.g. structuring data better seems like an obviously good thing, but even so LLMs are getting so good at dealing with rubbish messy data, so a 2-year clean up project might have become a waste of time.

Probably the only clear bottle neck is people who know what to do, and even then they have to not get stale and keep trying new things.

So my best guess is that playing with models and ideas while finding some non-dumb valuable things to implement is probably the best way forward while things are in flux.

There you have it. Crazy times.

Marcel

In dieser Ausgabe:

• Die ASML-Zeitbombe: Das niederländische ASML ist der einzige Faktor, der zwischen uns und der größten Weltwirtschaftskatastrophe und kompletter Abhängigkeit von China steht.
• KI beendet Open Source, wie wir es kannten.

Für Mitglieder:

• Claude Code und die neue Generation agentischer KI-Tools
• Ausblick auf die 3 zu erwartenden Trends des KI-Jahrs 2026
• KI-Chirurgie
• Hyundais Roboter
• Selbstfahrende Autos und Verkehrstote
• Ebay im KI-Zeitalter
• Der Crowd-out-Effekt der KI-Nachfrage
• Chinesischer Neo-Merkantilismus
• und mehr

Zitat der Woche

“A COMMITTEE CAN NEVER BE HELD ACCOUNTABLE AND THEREFORE A COMMITTEE CAN NEVER BE ALLOWED TO MAKE MANAGEMENT DECISIONS”

Dave Guarino auf X

Für alle, die nicht knietief im KI-Diskurs stecken, die Referenz ist eine alte IBM-Präsentationsfolie.

Die ASML-Zeitbombe

Chinesen bauen EUV-Maschine von ASML nach

Ende des Jahres veröffentlichte Reuters eine Bombshell von einer Nachricht, die meiner Ansicht nach zu wenig Aufmerksamkeit und keine öffentlich sichtbaren Konsequenzen hatte: Exclusive: How China built its ‘Manhattan Project’ to rival the West in AI chips | Reuters

Die Fakten laut Reuters:

• China hat in einem Hochsicherheits-Labor in Shenzhen einen Prototypen einer EUV-Lithografieanlage gebaut, basierend auf Reverse Engineering von ASML-Maschinen durch ehemalige ASML-Ingenieure.
• Die Maschine läuft, hat aber noch keine funktionierenden Chips produziert; sie ist deutlich größer und primitiver als ASMLs Systeme und füllt fast eine Fabrikhalle.
• Offizielles Ziel der Regierung: Arbeitschips bis 2028, intern halten Beteiligte 2030 für realistischer – und damit deutlich schneller, als viele westliche Analysten bisher angenommen haben.
• Das Projekt ist Teil einer seit sechs Jahren laufenden, geheim geführten staatlichen Initiative zur Halbleiter-Selbstversorgung („Chinas Manhattan-Projekt“).
• Huawei ist zentraler Koordinator über die gesamte Wertschöpfungskette hinweg; Mitarbeitende schlafen teils vor Ort, Teams sind voneinander abgeschottet, Telefone stark reglementiert.
• China rekrutiert systematisch (auch pensionierte) chinesischstämmige ASML-Experten, teils mit hohen Boni, Wohnsubventionen und sogar neuen Pässen; im Labor arbeiten Ingenieure unter falschen Identitäten. Aufgrund der politischen Bedeutung für China würde ich hier sogar eher sagen: „rekrutiert“ in Anführungszeichen. Nicht jede:r dürfte eine Wahl haben.
• Kritische Komponenten (v. a. Optik) stammen aus Altbeständen und Sekundärmärkten: geschlachtete ältere ASML-Anlagen, Teile von ASML-Zulieferern, Nikon/Canon etc., teils über verschachtelte Zwischenfirmen, obwohl Exportregeln das eigentlich verhindern sollten.

Die Existenz des Prototyps untergräbt die Annahme der USA/EU, Exportkontrollen könnten Chinas Aufholjagd dauerhaft stoppen; sie verlangsamen die Entwicklung, verhindern sie aber offenbar nicht.

Kontext

ASMLs Rolle in der Halbleiter-Welt: ASML ist der zentrale Anbieter von Lithografie-Anlagen für Chipfabriken. Besonders entscheidend ist, dass ASML derzeit 100 % der extrem-ultravioletten (EUV) Lithografiemaschinen baut. Ohne diese Maschinen sind modernste Chips (unter ~7 nm Strukturbreite) nicht herstellbar. OPECs 40 % Marktanteil bei Öl wirkt dagegen fast klein.

TSMC ist bereits zentral für High-Tech-Chips. Aber ASML als einziger Anbieter der Maschinen weltweit hat das mit Abstand wichtigste, wenn auch nicht unbedingt wertvollste Monopol der Welt. Es ist unbestreitbar das folgenreichste Monopol.

Technologie & Produkte: Die EUV-Maschinen von ASML sind die komplexesten Serienmaschinen der Welt. Sie sind so komplex, dass sie nur mit dauerhaftem On‑Site‑Support von ASML betrieben werden können.

ASML ist damit ein echter Single Point of Failure im globalen Tech‑Stack. Ohne diese Tools können selbst TSMC, Samsung oder Intel keine modernsten AI‑ und Smartphone‑Chips bauen.

But wait there is more. Wichtige Partner-Zulieferer sind ebenfalls betroffen. Toms Hardware über einen Bericht des WSJ von November 2024(!) über die Tatsache, dass Huawei Mitarbeitende von Zeiss abzuwerben versuchte:

Huawei approached employees at Germany's Zeiss SMT, which produces optics for ASML's lithography tools, offering up to triple their salaries. This has raised serious concerns in the U.S., Europe, and Asia over intellectual property theft and national security risks, triggering investigations and regulatory actions. German intelligence began investigating after Zeiss employees flagged these efforts, fearing that sensitive technological knowledge could be compromised. Huawei was also found targeting other German firms like Trumpf, which develops laser amplifiers for chip production.

Zeiss liefert die extrem präzise Optik für ASMLs Lithografiesysteme. Mitarbeitende von Zeiss zu Huawei zu holen gehört direkt zum Versuch, die ASML-Systeme in China nachzubauen. Denn die Optik ist Engpass: Ohne Zeiss-Spiegelqualität hinkt der Prototyp ASML weit hinterher. Institute wie CIOMP und die Shanghai Institute of Optics investieren massiv, bieten sehr hohe Gehälter und hohe Forschungsbudgets.

Beides, das nachgebaute ASML-System und die versuchten Zeiss-Abwerbungen, gehören zu den folgenreichsten, wichtigsten Wirtschaftsentwicklungen, weitaus schwergewichtiger als die senilen US-Zölle.

Es ist sehr beunruhigend, dass sowohl die Öffentlichkeit als auch, vermutlich, die Politik in Deutschland und Europa die Schwere der Entwicklung nicht erfasst.

China, Taiwan und TSMC

Es gibt drei Dinge, die man wissen muss:

• Xi Jinpings Lebenswerk beinhaltet, den Wunsch seines Vaters zu erfüllen: Taiwan heim ins chinesische Reich zu holen.
• Die gesamte Welt, auch China, ist von den von TSMC produzierten High-Tech-Chips abhängig. TSMC sitzt bekanntlich in Taiwan. (TSMC= Taiwan Semiconductor Manufacturing Company )
• China arbeitet mit Hochdruck daran, auch High-Tech-Chips autark produzieren zu können.

Ohne jetzt weiter ins Detail zu gehen, weil diese Ausgabe bereits sehr lang ist: Huawei braucht EUV-Systeme, um auf TSMC-Level zu kommen. Ihnen fehlen auch die Entwicklungsumgebungen, die Ökosysteme ermöglichen, weil sie Entwickler:innen die Arbeit erleichtern. Ihre CUDA/PyTorch-Alternativen für ihre Ascend-Chips sind noch schwach. Ich hatte im Mai letzten Jahres für die FAZ ausführlich darüber geschrieben.

ASMLs Wertschöpfungsebene bei der Chip-Herstellung bleibt das größte verbliebene Puzzlestück. Alles andere, CUDA-Ersatz, löst sich selbst über die Zeit durch geschaffene Hardware-Fakten. Damit gemeint: Man stelle sich Huawei-Chips vor, die so gut wie bei TSMC gebaute Nvidia-Chips sind, aber signifikant günstiger sind.

Dort kommt China aber nicht ohne EUV hin: Der chinesische TSMC-Konkurrent SMIC zum Beispiel verlangt heute 40–50% mehr als TSMC für Chips auf denselben Nodes (Größenordnung), weil die Yields (also die erfolgreich „geschnitzten“ Chips) ohne EUV dramatisch niedriger ausfallen. Sprich: Nicht nur High-Tech, auch Kosteneffizienz bei Chip-Produktion hängt von EUV ab. Das es nur von ASML gibt.

Anyway.

Bei einem Angriff Chinas auf Taiwan verliert die gesamte Welt sofort ihren Zugriff auf High-Tech-Chips.

TSMCs weltweiter Gesamtmarktanteil lag bei 72% im dritten Quartal 2025. Der nächste Wettbewerber Samsung hält lediglich 11,5% Marktanteil, gefolgt von SMIC (5,7%), UMC (2,3%) und GlobalFoundries (2,0%).

Es gibt verschiedene Szenarien, wie sich das entwickeln kann.

Damit der Chip-Nachschub wegbricht, muss es nicht zur einer erfolgreichen Übernahme Taiwans durch China kommen. Eine Seeblockade rund um den Inselstaat vor der chinesischen Küste oder ein Raketenbeschuss auf die hochdifizilen Fabrikanlagen reicht aus, um die Produktion zum Erliegen zu bringen.

Ein Zusammenbruch der TSMC-Produktion ohne Alternative ist nicht im Interesse Chinas. China braucht die Welt außerhalb Chinas, damit sie die chinesischen Produkte kaufen, die die schwache Binnennachfrage nicht übernehmen kann. Eine solche Weltwirtschaftskrise, die man in diesem Ausmaß nur mit globalem Chaos beschreiben könnte, wäre auch über Exportüberlegungen hinaus nicht erwünschenswert. Nicht einmal für Xi Jinping.

Aber. Ein China, das alternative Chips bereitliegen hat? Well, well, well, how the turntables.

Wenn China Chips herstellen kann, die mit TSMC mithalten können, dann dreht sich die gesamte Gleichung: TSMC ist heute die Garantie für Taiwan, nicht angegriffen zu werden, weil es für die USA überlebenswichtig ist, dass TSMC beschützt wird. Wenn China Chips auf Augenhöhe produzieren kann, wird TSMC von der Garantie zum ersten Angriffsziel. Wenn TSMC ausfällt, ist in diesem Szenario auch eine potenzielle militärische Überlegenheit Amerikas hinfällig. (Etwas, das auch bereits für sich nicht gegeben ist.) Das ist der einzige Grund, warum die USA bei Intel eingestiegen ist. Intels Produktionskapazitäten dürfen nicht verschwinden.

Also: 

• Ohne ASML-artige EUV-Maschinen keine High-Tech-Chips.
• Ohne High-Tech-Chips aus China kein Angriff auf Taiwan.
• Ohne Angriff auf Taiwan keine ohnmächtige Abhängigkeit von Chinas Chipbranche.

ASML ist überlebenswichtig für die Souveränität von Europa, mehr als nahezu alles andere.

P.S.: Allen, die davon ausgehen, dass im Falle einer Chip-Abhängigkeit von China, Europa und Amerika (und der Rest der Welt) immer noch eigene Produktionskapazitäten hochziehen könne, sei ein Blick auf das globale Lizenzregime für seltene Erden von China empfohlen. Das fordert Einblicke in europäische Unternehmen in einer Tiefe, die an Wirtschaftsspionage grenzen. Und es untersagt den Aufbau strategischer Reserven.

Von der Zeitachse ganz zu schweigen: Capex bei TSMC heute schafft Produktionskapazitäten in drei Jahren. Was investieren Deutschland und die EU heute für eigene Kapazitäten in drei Jahren? Wie viel von den heutigen Plänen werden dann hierzulande ein ausfallendes TSMC auffangen können? TSMCs Capex-Pläne für 2026 liegen zwischen 53 und 56 Milliarden Dollar. Und es gibt eine gute Argumentation, dass das zu wenig sein wird. Alle TSMC-Konkurrenten werden bei einem Totalausfall ausschließlich für den Heimatmarkt produzieren.

Was ist der Plan der EU? Investiert sie ebenso viel für hiesige Fabs, um zumindest Non-High-Tech-Chips abzudecken? Schirmt sie ASML und Zeiss mit allen verfügbaren Mitteln von China ab?

Die chinesische Volksbefreiungsarmee soll bis 2027, den 100. Jahrestag ihrer Gründung, kriegstüchtig sein.

Was KI-Agenten für Open-Source-Geschäftsmodelle bedeuten

Tailwind: Interessante Spekulation eines Entwicklers auf LinkedIn, was KI-Agenten für Open-Source-Geschäftsmodelle bedeutet:

The core insight: OSS monetization was always about attention. Human eyeballs on your docs, brand, expertise. That attention has literally moved into attention layers. Your docs trained the models that now make visiting you unnecessary. Human attention paid. Artificial attention doesn't.

Some OSS will keep going - wealthy devs doing it for fun or education. That's not a system, that's charity. Most popular OSS runs on economic incentives. Destroy them, they stop playing.

Why go closed-source? When the monetization funnel is broken, you move payment to the only point that still exists: access. OSS gave away access hoping to monetize attention downstream. Agents broke downstream. Closed-source gates access directly. The final irony: OSS trained the models now killing it. We built our own replacement.

My prediction: a new marketplace emerges, built for agents. Want your agent to use Tailwind? Prisma? Pay per access. Libraries become APIs with meters. The old model: free code -> human attention -> monetization. The new model: pay at the gate or your agent doesn't get in.

(Hervorhebung von mir)

Ich finde die Argumentation schlüssig.

Kontext:

Look at Tailwind: 75 million downloads/month, more popular than ever, revenue down 80%, docs traffic down 40%, 75% of engineering team laid off.

Bleibt die Frage nach der Distribution, also der Wege, um bekannter zu werden: Denn die müssen zwingend über die Öffentlichkeit gehen.

Es ist außerdem sehr wahrscheinlich, dass künftige öffentliche Open-Source-Projekte schon sehr bald zu 100% von KI erstellt werden.

DSGVLOL

Claude Code und die neue Generation agentischer KI-Tools

Ich war vor ein paar Tagen bei den TikTok Awards. Das Erstaunlichste für mich war, wie überaus politisch alle auf der Bühne waren. Natürlich sind die meisten auf TikTok erfolgreichen Accounts auf Entertainment beschränkt. Aber es war interessant zu sehen, dass nicht nur allen bewusst war, welche gesellschaftliche Verantwortung mit enormer Reichweite einher geht, sondern dass sie sich das auch kollektiv gegenseitig vergewissert haben. Ein einhelliger Konsens in einem Raum mit den reichweitenstärksten Influencern des deutschsprachigen Raums.

Was ich damit sagen will: The kids are alright.

Aufgrund verschiedener Umstände, zu denen ein kleiner Burnout gehört, hatte sich eine ungeplante Briefingpause eingeschlichen. Ich habe in dieser Zeit unter anderem einen Text über Europas fragile Position angefangen, dessen Länge den Rahmen eines Briefings mittlerweile sprengen würde. Das erscheint zu einem anderen Zeitpunkt. Europas Position und die realistischen Optionen, die uns noch offen stehen, gehören zu meinen Kernthemen auf absehbare Zeit (bis Lebensende). Es ist sehr wichtig, hier pragmatisch und konstruktiv in die Zukunft zu schauen. Einen guten Teil meiner Gedanken dazu bekommt man im Tech&Tales-Podcast zu hören, wo ich in zwei Ausgaben zu Gast bin. Siehe dazu auch unten. Weitere Gedanken dazu auch heute im Briefing.

Marcel

In diesem Briefing:

• Googles vertikaler Stack: TPUs machen Gemini 3 stark, senken Inferenzkosten und setzen AWS, Nvidia und andere Player unter Druck.
• „Code Red“ bei OpenAI: Gemini 3 zieht ein Kopf-an-Kopf-Rennen mit Claude 4.5 und GPT‑5.2 nach sich. Für Nutzer gut, auch für Europa.
• „Souveränität“: Deutschland/EU haben Investitionsfenster verpasst; strategische Unabhängigkeit bleibt auf Jahre fraglich.
• Chinesische Modelle in US-Startups: DeepSeek/Qwen/GLM werden zur Infrastruktur - gut genug, günstig und schnell verfügbar.
• Kimi K2 Thinking: Ein offenes MoE‑Reasoning‑Modell mit interleaved thinking als leistungsfähiger Baustein für komplexe Agenten.
• Implikationen offener Modelle: Parität mit proprietären SOTA rückt näher; Inferenz-Infrastruktur wird zum europäischen Hebel.
• Regulierung/iRobot: EU blockte Amazons Rettung, iRobot fällt an China, Kartellrecht verfehlte den globalen Kontext.
• Medienwandel/Netflix–Warner: Netflix bündelt Blockbuster und HBO‑Bibliothek, beschleunigt die Streaming‑Konsolidierung.
• All about Time: YouTube gewinnt TV‑Zeit und dominiert Aufmerksamkeit. Ohne nationalen Schulterschluss sterben lokale Streaming‑Versuche.
• und mehr

Zitat des Tages

Thought experiment for AI is autocomplete skeptics

What’s the difference between “knowing something” vs accurately predicting what’s next?

Nick Dobos auf X

In den Podcasts

Mit Sascha Lobo und Elisabeth L’Orange habe ich in Folge 34 von Tech, KI & Schmetterlinge über Messenger, der vielleicht wichtigsten, weil omnipräsenten digitalen Austauschform, gesprochen.

Außerdem war ich bei Elisabeths Tech & Tale Podcast zu Gast. Elisabeth wollte mit mir über Dystopien sprechen. Nicht unbedingt meine thematische Lieblingsrichtung. Weil ich der Ansicht bin, dass einerseits bei dystopischen Szenarien fast immer die gesellschaftlichen Abwehrkräfte ausgeblendet werden (obwohl gerade bei jeder Antizipation einer Verschlechterung -und Szenarien sind Antizipationen- gerade der Fokus auf gegenwirkende Kräfte wichtig ist).

Und andererseits, weil hierzulande ein viel zu starker Fokus auf Risiken und Gefahren gelegt wird, hochgejazzt zu dystopischen, lähmenden Erzählungen, ohne über die konstruktiven Potenziale ausreichend zu sprechen. Nicht dass es unwichtig ist, über negative Folgen und Nachteile zu sprechen, aber es herrscht in Europa ein starkes Ungleichgewicht zugunsten der (oft sogar nur eingebildeten) Risiken.

Umso spannender fand ich die Diskussion mit Elisabeth, die in 2 Folgen im Podcast erschienen. Der zweite Teil sollte am Wochenende im Podcastclient Ihres Vertrauens gelandet sein. Darin sprechen wir über das meiner Ansicht nach beunruhigendste, weil gleichzeitig realistischste dystopische Szenario: Was wenn KI eine sehr gute, nützliche, disruptive neue Technologie ist und Europa darin einfach keine global relevante Rolle spielt? Was passiert dann mit Europa und der europäischen Wirtschaft? Spooky stuff.

Mit Jochen Krisch habe ich in den Exchanges ausführlich über KI im Onlinehandel gesprochen.

Exchanges #386: Die E-Commerce-Strategien von OpenAI & Co.:

OpenAI baut mit den eigenen „Apps“, Instant Checkout und Shopping Research mit eigenem KI-Modell massiv den Commerce-Aspekt aus. Und auch Perplexity legt mit Instant Buy und Virtual Try-On nach. Es bleibt nur eine Frage der Zeit, bis auch Google seine KI auf seine Shoppingsuche loslässt. In den neuesten Exchanges schauen sich Jochen Krisch und Marcel Weiß die unterschiedlichen Shopping-Ansätze der KI-First-Player genauer an.

Exchanges #385: Agentic Shopping im KI-Browser

Was bringen Shopping-Agenten im E-Commerce? In den neuesten Exchanges unterhalten sich Jochen Krisch und Marcel Weiß über die Agentic Shopping Möglichkeiten in den neuen KI-Browsern und warum (nicht nur) Amazon ein Problem damit hat.

Thema der Woche: US-Modelle, China-Modelle und globale AI-Infrastruktur

Honestly, modern Europeans should look over at China, and then look at how they've turned against technology, and they should be ashamed of themselves.

Noah Smith auf X

Googles vertikaler Stack: TPUs, Scaling Laws, und Gemini 3

Bei Google sieht man die Vorteile des eigenen vertikalen Stacks. Das sehr gute neue Gemini 3 ist auf Googles eigenen TPUs trainiert. Googles TPUs sind ein enormer Vorteil: Sie machen Google zum Hauptkonkurrenten für US-Modelprovider OpenAI und Anthropic und gleichzeitig zum größten Herausforderer von Nvidia. But wait there is more: TPUs über die Google Cloud Platform könnten langfristig auch eine Herausforderung für Azure und, mehr noch, AWS werden, weil beide auf Performancesprünge bei Nvidia angewiesen sind.

AWS’ eigene Trainium-Chips haben sich als gut für Inferenz, aber, nomen nicht omen, nicht gut für Training von Modellen herausgestellt. Am besten sieht man das bei Anthropic. Anthropic hat jüngst einen großen Deal mit Google abgeschlossen. Bis dato war Anthropic das eine Vorzeigebeispiel für AWS, weil sie Claude auf Trainium trainiert haben. (Was sicher ein für Anthropic schmerzhafter Bestandteil der Amazon-Investitionen in das Startup war.)

Nun also der Google-Deal: Anthropic sagen, dass die zusätzlichen Google-Cloud-TPUs vor allem die massiv wachsende Nachfrage der über 300.000 Geschäftskunden bedienen sollen und zugleich „more thorough testing, alignment research, and responsible deployment at scale“ ermöglichen. Kurz: mehr Rechenleistung für die Weiterentwicklung der Modelle, umfangreichere Sicherheitstests und den zuverlässigen, großflächigen Betrieb.

Anthropic bleibt AWS treu, aber das scheint eher aus Mangel an Alternativen und aus Existenz bestehender Verträge heraus der Fall zu sein:

We remain committed to our partnership with Amazon, our primary training partner and cloud provider, and continue to work with the company on Project Rainier, a massive compute cluster with hundreds of thousands of AI chips across multiple U.S. data centers.

Last not least, auch OpenAI hat begonnen, TPUs über Google Cloud anzumieten, um die Kosten für Inferenzberechnungen zu senken und die wachsenden Rechenanforderungen zu decken. Reuters:

OpenAI hopes the TPUs, which it rents through Google Cloud, will help lower the cost of inference, according to the report.

Besonders der Kostensenkungsaspekt sollte auf etwas hindeuten, das vielen in der Branche bereits bekannt ist: Googles TPUs erlauben sehr kostengünstige KI-Bereitstellung.

However, Google, an OpenAI competitor in the AI race, is not renting its most powerful TPUs to its rival, The Information said, citing a Google Cloud employee.

Im Juli 2024 hat Google einen Rückblick auf ihre Chip- & Infrastruktur-Arbeit veröffentlicht:

TPU transformation: A look back at 10 years of our AI-specialized chips | Google Cloud Blog

Die massive TPU-Infrastruktur bei Google war einer der Gründe, warum Gemini 3 so gut ist. Gemini 3 dürfte das größte Modell aktuell sein. Es ist auf jeden Fall das Modell, das mit der größten Rechenleistung trainiert wurde.

Das ist ein wichtiger Punkt: Die Scaling Laws für Pretraining sind intakt. Sprich: Mehr Rechenleistung führt noch immer zu besseren Modellen.

Und: Es dürfte noch kein veröffentlichtes Modell geben, das auf Nvidias neuen Blackwell-Chips trainiert wurde.

Nehmen wir weitere Entwicklungen zu diesem Umstand hinzu, wie etwa der Forschungsfokus auf bessere Reward-Funktionen für Reinforcement Learning (RL) ohne menschliches Feedback (das weniger schnell skaliert als automatisiertes RL und eine geringere Verteilung aufweisen kann (man denke an AlphaGo Zero)).

Dann lässt sich unterm Strich in Summe festhalten: Ein Ende der rasanten Weiterentwicklung der Technologie ist weiterhin nicht in Sicht.

„Code Red“ bei OpenAI; wünschenswerte und weniger wünschenswerte Szenarien für Europa

Gemini 3 hat bei OpenAI „Code Red“ (in einem internen Memo) ausgelöst und zum vielleicht vorgezogenen Release von GPT 5.2 geführt. (u.a. Venturebeat)

Einerseits ist es interessant, wie gut Gemini 3 ist. Aber viel interessanter ist, dass innerhalb von Tagen Claude 4.5 Opus erschien, das bereits Gemini 3 in einigen Benchmarks schlug und ein paar Tage später GPT 5.2 von OpenAI nochmal auf der Messlatte zulegt.

Als bekannt wurde, dass bei OpenAI intern Panik ausbrach wegen Gemini 3 (und wahrscheinlich bei internen Frühwarn-Kennzahlen), war die Häme auf LinkedIn groß.

Das ist einerseits verständlich, wenn man die als warnendes Understatement versteckte Megalomanie von OpenAI-CEO Sam Altman bedenkt, aber andererseits, ach andererseits:

Europa ist, wenn man Ausnahmen wie Mistral oder Pleias aus Frankreich oder Black Forest Labs aus Deutschland beiseite lässt, in erster Linie Konsument von KI. (Eine gute Aussicht auf infrastrukturelle Relevanz sehe ich aktuell nur bei Mistral. Das ist zu wenig für die gesamte EU.) Global Schlagzeilen machende KI-Modelle und Produkte kommen entweder aus den USA oder aus China. Europa hat bereits die Internetwelle von 2005 bis 2020 verschlafen und schaut nun zu, wie die in dieser Zeit entstandenen Tech-Riesen aus den USA lange Zeit einfach aus dem eigenen, hochprofitablen Cashflow heraus eine Capex-Explosion finanziert haben, die Kapazitäten ausbaut, welche sehr nah an ihrem Kerngeschäft sind. Und hierzulande sahen alle mit großen Augen sofort eine Blase.

Das verlangt einen eigenen Essay, deshalb nur kurz: Wir sind mitten in einem technologischen Boom. Natürlich geht eine Boomphase zwangsläufig mit einer Spekulationsblase einher, das liegt in der Natur der Sache, weil niemand in die Zukunft schauen kann. Wer in einer solchen Situation nur über eine mögliche Spekulationsblase spricht, ohne den sie auslösenden Boom zu thematisieren, sieht den Wald vor lauter Bäumen nicht.

Wenn wir als Wirtschaftsstandort bestenfalls passive Nutznießer einer neuen technologischen Wertschöpfungssituation sind, und danach sieht es aktuell aus, dann können wir uns mindestens kollektiv im nächsten Schritt fragen, was das bestmögliche Szenario ist, wenn unsere Bestreben nach „digitaler Souveränität“ nicht vollumfänglich erfolgreich sein werden:

1. Sam Altman und OpenAI werden tatsächlich so groß und erfolgreich, wie behauptet.
2. Google haut Sam auf den Kopf, hurra, Google gewinnt.

Die Antwort ist nicht hypothetisch, sondern bereits mit heutigen Vorgängen eindeutig:

Verlage können derzeit nicht im Google-Suchindex vorhanden sein, ohne dass ihre Inhalte auch für Googles KI-Produkte wie Gemini oder AI Overviews verwendet werden.

Google hat bewusst keine separate Opt-out-Option geschaffen. Verlage stehen vor einer "Alles-oder-Nichts"-Entscheidung: Entweder sie erlauben Google, ihre Inhalte sowohl für die traditionelle Suche als auch für KI-Anwendungen zu nutzen, oder sie müssen sich komplett aus dem Google Index entfernen. Das ist eine bewusste, strategische Entscheidung gewesen. U.a. Press Gazette:

Google considered allowing publishers to opt out of their data being used for AI grounding and still appear in search results but described it as a “hard red line”.

New documents disclosed in the remedies portion of an antitrust trial into Google’s search monopoly in the US reveals the tech giant preferred not to give publishers the option as it was “evolving into a space for monetisation”.

Das ist eine bewusste, strategische Ausnutzung der noch vorhandenen Marktmacht von Google im alten Suchmarkt. Jedes Unternehmen würde die dominante Position im etablierten Geschäftsfeld für Vorteile im Wachstumsfeld ausnutzen.

Now, was würde dagegen helfen? Richtig, mehr Wettbewerb. Es ist das Beste (naja, Zweitbeste nach einem Gewinner aus Europa oder ähnlichem), was Europa passieren konnte, dass Google, die Erfinder des Transformer-Ansatzes, nicht einfach von Anfang an KI dominiert haben.

Die Machtasymmetrie wird nicht kleiner.

Für uns Konsumenten ist ein Wettbewerb unter den Anbietern schlicht besser.

Das geht nicht nur uns kleinen Europäern so. Natürlich ist es für etwa Disney naheliegend, mit OpenAI einen 3-Jahres-Lizenz-Deal für Disney-Charaktere in der KI-Tiktok-App Sora abzuschließen und das Startup direkt mit einer Milliarde Dollar zu unterstützen. (Reuters, Tagesschau, OpenAI)

Sollte Disney mit Google kooperieren? Abgesehen davon, dass Google daran vielleicht weniger Interesse hätte als OpenAI: Es ist offensichtlich, dass der kleinere Herausforderer strategisch der bessere Partner ist als das Unternehmen, das die alte Websuche und mit YouTube(!) den Videostreamingmarkt dominiert.

Googles alte Websuche verliert kontinuierlich an Relevanz. Gleichzeitig sehen wir klare Konturen einer neuen dominanten Position.

Wir sehen das aktuell auch in der Geschwindigkeit der Entwicklung der Modelle. Gemini 3 hat GPT 5.2 und Claude Opus 4.5 sicher etwas nach vorn gezogen. Die drei großen amerikanischen Modellprovider werden sich auf absehbare Zeit ein Kopf-an-Kopf-Rennen liefern. Das heißt:

• kontinuierlich bessere Modelle
• kontinuierlich sinkende Inferenzkosten (per Token und, zunehmend, per Task)

Hinzu kommt natürlich noch, dass die chinesischen offenen (-ish) Modelle ebenfalls zum Wettbewerb beitragen.

Die Qualität von GPT-5.2

via Azeem Azhar auf LinkedIn

GPT-5.2 schlägt in 70 Prozent der gestellten Aufgaben Experten. Das dürfte demnach bei den getesteten Aufgaben nun gegenüber Berufseinsteiger:innen bei 100 Prozent liegen..

Das sind signifikante Sprünge. Bei Modellen, deren Veröffentlichung nur Wochen oder Tage von einander entfernt lag.

(GDPval ist OpenAIs Benchmark, der KI an realen Arbeitsaufgaben aus 44 Berufen misst.. Statt akademischer Tests bewertet GDPval, ob Modelle praxisnahe Outputs liefern (juristische Schriftsätze, Tabellen, Präsentationen etc.) und lässt diese blind von Berufsexperten mit menschlichen Referenzen vergleichen. )

Ebenfalls relevant ist dieser Chart von Peter Gostev auf LinkedIn:

„Souveränität“ - Der Pfad zur selbstbestimmten Position

Oder: am besten vorgestern.

Ein letztes Wort zum aktuellen Lieblingstechthema hierzulande:

Bei Google sehen wir gut, wie man Herr des eigenen Schicksals wird. Indem man frühzeitig bewusst investiert und Weichen stellt. Die Cloud-Infrastruktur und die Entwicklung der TPUs sind seit über 10 Jahren ein Thema im Unternehmen.

Heute wagen wir einen Makro-Blick auf KI, das große Nachfrage sieht, sich aber immer deutlicher einigen Nadelöhren außerhalb der eigentlichen Technologie gegenüber sieht, die am Ende vielleicht zu eng sind für die Erwartungen an die Technologie.

Besonders der China-Aspekt unten könnte sehr wichtig werden. Wie wir bereits neulich im Briefing besprochen hatten: Man kann wichtige Wirtschaftszweige wie KI heute nicht mehr ohne Geopolitik denken.

Nächste Woche wird es kein Briefing geben. Das nächste Briefing erscheint übernächste Woche.

Marcel

Im Fokus der Ausgabe:

OpenAIs Billionen-Wette stößt an physische Grenzen: Das explosive Wachstum von KI trifft auf reale Nadelöhre wie Energiebedarf und Infrastruktur.

China nutzt den Hebel der seltenen Erden: Peking setzt seine Dominanz bei kritischen Rohstoffen als Waffe im Wirtschaftskrieg ein, um auch die westliche Chip-Produktion und den KI-Sektor zu treffen. (und über Bande damit die gesamte US-Wirtschaft)

Deutschlands KI-Infrastruktur fällt zurück: Ein neuer Report zeigt, dass Deutschland bei der KI-Rechenkapazität international den Anschluss zu verlieren droht.

Neue Player, neue Märkte: Während in den USA Robotik-Startups durchstarten, drängen chinesische Tech-Firmen mit selbstfahrenden Autos aggressiv auf den europäischen Markt.

Außerdem: Walmart bei ChatGPT, Social bei Sora, mehr Unternehmen bauen humanoide Roboter und mehr

Zitat des Tages

the choice isnt between "code written by ai" and "artisan handwritten code written by john carmack"
the choice is between "code written by ai" and "something that could have existed, but didnt"

Air Katakana auf X

Thema der Woche

Blasen, Wetten, Grenzen & Kapazitäten: OpenAIs Fünfjahres-Geschäftsplan, um die Ausgabenversprechen in Höhe von 1 Billion Dollar zu erfüllen

Parallel zum Best-Case-Szenario für OpenAI, über das wir hier letzte Woche gesprochen haben, hat die Financial Times über die Pläne und den Stand bei OpenAI geschrieben.

Die Fakten:

• OpenAI plant neue Einnahmequellen und Finanzierungsmodelle, um über $1 Bio. an Verpflichtungen zu stemmen.
• Ziel: maßgeschneiderte Produkte für Firmen und Regierungen, Shopping-Tools, Video-Service Sora, AI‑Agenten und Hardware.
• Verpflichtung: >26 GW Kapazität von Oracle, Nvidia, AMD, Broadcom mit Kosten über $1 Bio. in 10 Jahren. (Analysten: 20 GW entspricht ~20 Atomreaktoren an Strombedarf.)
• Aktuell ~$13 Mrd. ARR, 800 Mio. Nutzer, 5% zahlend; OpenAI will Zahl der Abonnenten verdoppeln.
• Hohes Defizit: H1‑Betriebsverlust ~ $8 Mrd.; Infrastruktur bislang von Partnern vorfinanziert; OpenAI setzt auf fallende Kosten und weitere Kapitalrunden.

Anmerkungen:

Zuerst: ChatGPT wird erst Ende November drei Jahre alt und liegt bereits bei 13 Milliarden $ jährliche wiederkehrende Einnahmen. Zum Vergleich: Zalando, das einzige Startup der letzten 2 Jahrzehnte, das zu einem deutschen, börsennotierten Konzern herangewachsen ist, hat für 2025 die Prognose herausgegeben, auf einen Umsatz von 12,1 bis 12,4 Milliarden Euro zu kommen. (Handelsbatt) Das erreichen sie im 17. Jahr ihres Bestehens.

Gleichzeitig wachsen OpenAI und Anthropic (und sicher auch andere wie Together.ai) rasant weiter und haben „nur“ ein Kapazitätsproblem, kein Nachfrageproblem.

Platformer:

Reuters reports that the company is on track to hit $9 billion in annualized revenue this year and projects as much as$26 billion annualized revenue next year. (It was at $1 billion in ARR in January.)

1 Milliarde $ ARR letztes Jahr, dieses Jahr 9 Milliarden $ und nächstes Jahr 26 Milliarden $ ARR. Dauert nicht mehr lang, und wir reden hier über ein richtiges Geschäft.

Neben dem irrsinnigen Umsatzwachstum ist auch die schiere Nutzungsgröße etwas, das vielen in den breiteren Debatten gar nicht deutlich zu sein scheint. Noch vor dem dritten Geburtstag hat ChatGPT 800 Millionen wöchentlich aktive Nutzer:innen erreicht. Facebook hat ein Vielfaches dieser Zeit gebraucht. Preisfrage: Wer gehört zu den größten Werbeplattformen der Welt? Richtig, Meta mit Facebook und Insta. Follow-Up-Frage: Könnte ChatGPT neben dem Abo-Modell zusätzlich ein vergleichbar florierendes Werbemodell etablieren? Follow-Up-Frage: Wo hören die Einnahmequellen auf, wenn man Leute dazu bewegen kann, für ein Abo zu zahlen, Nutzungszahlen und -art wie Facebook und Google aufbaut (Werbung), eigene Gadgets baut (Apple) und mit E-Commerce-Integration auch auf Konfrontationskurs mit Amazon geht (Gebühren von Händlern)? Follow-Up-Frage: Gonna be a man, ask her out?

Vor diesem Hintergrund muss man die massiven Investitionen sehen. Diese Investitionen und Vereinbarungen, eingefädelt vom Deal-King Altman, sind natürlich per Definition Wetten. Weil niemand weiß, wo die Reise hingehen wird. Aber aktuell sieht es aufgrund der auf sie von allen Seiten einprasselnden Nachfrage noch nach geringem Risiko aus.

Geringes Risiko, wenn man nur auf die Nachfrage schaut, die nur von Rechenkapazität, Chipeffizienz und Energiekosten beschränkt wird.

Anders sieht es aus, wenn man auf eben diese Schranken schaut.

Financial Times:

Greg Brockman, the company’s president, last week said recent spending commitments would pay for themselves: “If we had 10 [times] more compute [computing power], I don’t know if we’d have 10 [times] more revenue, but I don’t think we would be that far.”

Es dürfte kaum noch einen erwachsenen Menschen im Westen geben, der/die nicht weiß, was ChatGPT ist. Diese enorme Markenwahrnehmung geht einher mit der enormen Nützlichkeit der Technologie. Für Anthropic und Co. arbeitet auch letzteres, aber ihnen fehlt ersteres (die populäre Marke).

Aber kommen wir zu den Grenzen:

These ambitious plans will need to become reality if OpenAI is to meet its liabilities, as the group has made funding commitments that dwarf its income. In the past month, chief executive Sam Altman has committed to take more than 26 gigawatts of capacity from Oracle, Nvidia, AMD and Broadcom, at a rough cost of well over $1tn over the next decade, according to FT calculations. [...]

The company’s deals with AMD and Nvidia are staggered so OpenAI will pay as new capacity is developed. But 20GW of capacity would require power roughly equivalent to that provided by 20 nuclear reactors, and analysts have questioned whether it is realistic for that demand to be met by a single company.

Wo soll's herkommen? Vor allem kurzfristig? Innerhalb der nächsten 3 Jahre? Selbst wenn kleinere modulare Atomkraftwerke regulatorisch einfacher genemigt und damit zu bauen werden, wird Energiezubau länger dauern. Wer hält es für realistisch, dass im gesamten Westen in den nächsten 10 Jahren pro Jahr 2 neue Kernkraftwerke gebaut werden?

Das heißt: Die Obergrenze für KI-Nutzung liegt neben der steigenden Effizienz der High-Tech-Chips (die Energiebedarf senken kann) auch beim Zubau von Energie. Neben, wie wir hier bereits mehrfach diskutiert haben, den organisatorischen Herausforderungen. (Prozessveränderungen sind systemische Herausforderungen, die internen Widerstand überwinden müssen.)

Und: Ein nicht geringer Teil der künftigen Infrastruktur wird außerhalb des Westens liegen. (Ein Effekt zweiter Ordnung könnte sein, dass nicht nur das Training sondern auch die Inferenz, also die Nutzung, von KI außerhalb des Westens in Ländern wie China günstiger sein wird. Zusätzlich zu allem, was man so mit Strom anstellen kann.)

Länder wie China oder Bhutan werden globale Gewinner aufgrund ihrer Energiestrategie. China baut im Jahr zweimal so viel Solarkapazität auf, wie die USA insgesamt bis heute gebaut haben. Oder auch: zwei Mal so viel wie der Rest der Welt zusammen im selben Zeitraum:

China bereitet außerdem vor, den nächsten größten Staudamm der Welt in Betrieb zu nehmen. Der Drei-Schluchten-Damm in China kommt allein bereits auf 22,5 GW. Das nächste Staudamm-Projekt in China soll sogar auf 300 TWh Strom pro Jahr kommen. Bhutan ist ein kleines Land nördlich von Indien, das dank seiner geografischen Lage ebenfalls günstige Wasserkraftwerke bauen kann und explizit für KI aufbauen will. (Economist)

Deshalb rede ich seit langem davon, dass wir insgesamt von KI-Infrastruktur reden müssen, was nicht nur KI-Modelle, sondern eben auch Chips und Strom einschließt. Dieser Text von mir dazu in der FAZ ist bereits ein Jahr alt:

Wer steigende Nutzung und wachsende Ansprüche für das Training neuer KI-Modelle extrapoliert, entdeckt schnell mehr und mehr Engstellen. Heute sind die knappen KI-Chips der bedeutendste Flaschenhals. Der nächste ist der wachsende Strombedarf. Wenn KI wirklich transformativ für die gesamte Wirtschaft ist, dann müssen wir die Anforderungen an ihre Infrastruktur sehr viel ernster nehmen.

Passiert ist dazu in Europa in diesem Jahr nichts Nennenswertes.

But wait, there is more. OpenAI und Nvidia wollen beide auf die jeweils eigene Art (und teils gemeinsam) mit ihren zirkulären Deals parallele Investitionen anschieben, um vom gesamten Ökosystem möglichst viele Beschränkungen zu entfernen:

Two-thirds of the cost of developing new computing power goes towards semiconductors. OpenAI is aiming to stimulate the nascent chip financing market by offering enormous demand, and by forging novel contracts, such as its Nvidia and AMD deals.

Für Nvidia ist das sinnvoll: Was hat Nvidia davon, wenn sie liquides Kapital auf die hohe Kante legen, während ihre Abnehmer und deren Kunden langsamer wachsen, als es möglich wäre? Für OpenAI ist das auch sinnvoll: OpenAI schafft Nachfrage im Ökosystem (etwa für spezifische KI-Chips), so dass die Komponenten schneller für sie verfügbar werden und das gesamte Umfeld grundsätzlich mehr von ihren Produkten konsumieren kann.

Gleichzeitig merkte Ben Thompson diese Woche in seinem Sharptech-Podcast einen wichtigen Aspekt an. Indem OpenAI große Deals mit Nvidia, AMD, Oracle, Softbank und Co. eingeht, binden sie diese Unternehmen auch an das Schicksal von OpenAI. Das verschafft OpenAI langfristig zumindest ein Sicherheitspölsterchen, wenn’s an anderer Stelle mal knapp wird mit dem Kapital. (Da blinzelt er uns wieder an, der kleine Machiavelli namens Sam.)

Die Sinnhaftigkeit bei beiden Unternehmen ändert aber nichts daran, dass zirkuläre Deals (ich investiere in dich, damit du unter anderem mehr von meinen Produkten kaufen kannst) ein Symptom von Spekulationsblasen sind. Ein anderes Symptom sind Investitionen, die über Kredit finanziert werden. Die ersten drei Jahre des KI-Booms wurden finanziert von VC und vom Cashflow der Tech-Riesen. Jetzt gehen wir zur Krediten über. Namentlich vor allem bei Oracle.

Aber worauf ich eigentlich hinaus wollte: Seltene Erden.

Seltene Erden: Der Wirtschaftskrieg erreicht KI

Ich werde die Tage noch etwas über Sora und Vibes schreiben, möchte aber bereits diese neue Bezeichnung in die Runde werfen: User Prompted Content.

Marcel

Im Fokus dieser Ausgabe:

• ChatGPT: Das neue Monster
• Figure 03 und die Skaleneffekte für humanoide Robotik
• KI-Browser Dia und Comet frei verfügbar; eine kurze Einordnung der KI-Implementierung von Perplexity (it's not good)
• Das Ende der Hashtags
• und mehr

Zitat des Tages

I am hearing similar things in economics & the social sciences. Not autonomous work, but expert-directed AI is absolutely helping academics do novel research in significant ways. Especially Pro/High Thinking models.

Ethan Mollick in Reaktion auf Kevin Weil von OpenAI auf X:

✨ GPT-5 crossed a major threshold: over the last two months, we’ve heard repeated examples of scientists successfully directing GPT-5 to do novel research in math, physics, biology, CS, and more. If you have an example to share, please reply below! Prizes for the best ones 🧵👇

Als Beispiel siehe etwa Mathematik-Professor Terence Tao auf Mastodon.

Ich habe auch schon einige öffentliche Aussagen dieser Art gesehen, in der Regel in Bezug auf GPT-5 Pro, das bis diese Woche dem 200$-Plan vorenthalten war.

GPT-5 Pro ist jetzt via API verfügbar.

Thema der Woche: OpenAI DevDay

Im Grunde steht bereits alles in der heutigen Überschrift.

Nach GPTs und Plugins kommt jetzt die echte ChatGPT-Plattform. GPTs sind notwendig, aber zu wenig, Plugins sind gescheitert. (Ich glaube, ich habe seinerzeit gar nicht über Plugins geschrieben, mit der Ahnung, dass es nicht weit gehen wird.)

Aber jetzt werden Dienste direkt im Chat nutzbar.

In‑Chat‑Erlebnisse: Nutzer:innen können Apps per Name aufrufen und eingebettete, interaktive Inhalte sehen – z. B. Zillow‑Karten – ohne ChatGPT zu verlassen.

Entwickler‑Tools: OpenAI’s Apps SDK (Preview) und das Model Context Protocol ermöglichen es Apps, Daten, Werkzeuge und Workflows direkt in Chats einzubinden.

Verfügbarkeit: Die Funktion ist für Free‑, Go‑, Plus‑ und Pro‑Nutzer außerhalb der EU verfügbar. (Goddamnit)

Spotify‑Details als Bsp.: Spotifys Integration bietet maßgeschneiderte Empfehlungen, Stimmungs‑/Genre‑/Artist‑Playlists und Klick‑zum‑Anhören; Inhalte der Plattform werden nicht mit OpenAI zum Training geteilt.

Weitere Apps kommen: Künftige Integrationen sind u. a. von Uber, DoorDash, Instacart und AllTrails angekündigt.

Im Stratechery-Interview spricht Sam Altman explizit darüber, dass diese Integration besser für die Partner ist, man hätte auch Dinge machen können, die für die Nutzer:innen besser gewesen wären. Das ist unser kleiner Machiavelli, wie er im von der gesamten Branche gelesenen Newsletter sagt: Wir haben eine faire Plattform für euch gebaut.

Man muss das alles vor dem Kontext der Größe von ChatGPT sehen: Mittlerweile um die 800 Millionen wöchentliche Nutzer:innen. (Das ist sehr groß, riesig sogar für einen Dienst, der noch keine drei Jahre alt ist, aber dass sie keine DAUs nennen, ist... mindestens interessant.)

Diese Integration in die Chat-Oberfläche ist der Beginn der Plattform und des neuen von OpenAI gepushten Paradigmas.

ChatGPTs Distributionsgröße zieht die App/Service-Anbieter hinein.

Es reden bereits einige vom AI-Betriebssystem. Das ist nicht weit weg. Aber die Implikationen gehen weiter, als den meisten klar sein dürfte.

ChatGPT = Apple-Appstore + Google-Suche + WeChat-Superapp

OpenAI braucht Service-Integrationen für ihre kommenden KI-Gadgets.

Die Frage, wo die Apps herkommen sollen, hatte ich für KI-Gadgets allgemein aufgeworfen.

Rabbit R1 und Humane: Die größte offene Frage bei den KI-Gadgets

Die größte offene Frage bei all den KI-Gadgets wie Humane AI Pin oder Rabbit R1: Du kannst die App-Rankings einer beliebigen Kategorie nicht auf die Zahl 1 eindampfen. KI ist mächtig, aber ganze Branchen wegabstrahierende Chatbots werden aus offensichtlichen Gründen nicht das nächste große Interface

neunetz.comMarcel Weiß

Die größte offene Frage bei all den KI-Gadgets wie Humane AI Pin oder Rabbit R1: Du kannst die App-Rankings einer beliebigen Kategorie nicht auf die Zahl 1 eindampfen. KI ist mächtig, aber ganze Branchen wegabstrahierende Chatbots werden aus offensichtlichen Gründen nicht das nächste große Interface sein. Was also stattdessen tun?

Denn was das Eindampfen bedeutet, kann man bei Humanes AI Pin sehen. Musik beim AI Pin heißt: Tidal. Das hat nicht die Nutzerin ausgesucht. Es ist das Ergebnis eines Hinterzimmerdeals zwischen Humane und Tidal.

OpenAI löst mit der Distributionsmacht von ChatGPT am Desktop und im Smartphone die Frage, wo die Apps für die kommenden Gadgets herkommen sollen.

Das löst nicht zu hundert Prozent die Frage nach dem Long Tail der Apps, lokale ÖPNV-Apps etwa. Es löst auch (noch) nicht die Frage nach der Discovery. Aber das ist alles lösbar.

Wir sehen hier ganz klar eine Vision entstehen: Hier wird ein neuer Tech-Riese gebaut, in dessen Zentrum KI steht. Alles neu gedacht mit KI im Zentrum.

Das ist dann, völlig erwartbar, etwas Neues.

Es vereint Apples Appstore und Googles Playstore (Apps!) mit der Google-Suche (es gab mal eine Zeit, da haben Leute geschrien, KI würde nicht Google ablösen haha!) und (und!) dem Superapp-Konzept von WeChat.

ChatGPT wird Discovery von (Web-)Themen + Basis für Gadgets + die erste Superapp im Westen!

Denn all die Apps werden über kurz oder lang auch in ChatGPT in iOS und Android verfügbar sein. Allgegenwärtig.

Das bringt mich zurück zu meiner allgemeinen Arbeitsthese: Als Sascha mich im Sommer in seinem Podcast fragte, ob es am Ende gar nicht um das Gadget ginge, sondern vielmehr um den KI-Browser als Zugangsweg, war meine Antwort: jein. Weder noch. Denn:

KI ist ein Cloud-Thema.

Zumindest was den Consumerbereich angeht.

KI in der Cloud ist das Zentrum, von dem aus alle Touchpoints bedient werden. Das zu Ende gedacht vereint bisher strikt getrennte Kategorien und schafft ein komplett neues Monster.

Ob sie das erreichen werden, hängt von vielen Faktoren ab. Die Chancen stehen gut.

Es gibt im Westen nur 2 Unternehmen, die dieses Spiel überhaupt spielen können, weil sie die Distribution und die technische Expertise haben: OpenAI und Google.

Über Sora reden wir ein anderes Mal. Aber man muss festhalten: Es ist bereits der zweite Hit von OpenAI nach ChatGPT. Something to ponder.

🦾 Robotik

Figure 03: Vertikal integrierter humanoider Roboter, auf dem Weg zur Massenfertigung

Figure stellt Figure 03 vor, einen humanoiden Roboter mit neuer Hardware und Software, der für Helix, den Einsatz im privaten Haushalt und Massenfertigung entwickelt wurde.

Ich empfehle allen, sich das Werbevideo anzuschauen:

Was Figure auszeichnet, ist die vertikale Integration: Die erste Iteration wurde mit einem OpenAI-Modell betrieben. Helix, das KI-Modell hinter den Robotern, ist eine Eigenentwicklung.

Neue Sensorik und Hände für Helix: Kameras liefern 2x Bildrate, 1/4 Latenz und 60% größeres Sichtfeld; Fingertip-Sensoren erkennen Kräfte ab 3 Grammfür feinmotorische Kontrolle.

Home-Optimierungen: 9% geringere Masse, weichere Textilien, waschbare Soft-Goods, 2 kW induktives Laden in den Füßen und verbesserte Audioleistung (Lautsprecher 2x größer, ~4x Leistung).

(Soft Goods = "Kleidung" für den Roboter)

Strategisch entscheidend ist, dass Figure 03 für Massenfertigung neu konstruiert wurde: Umstellung auf Druckguss/ Spritzguss, neue Zulieferkette, BotQ-Fabrik mit anfänglicher Kapazität bis zu 12.000 Robotern pro Jahr und Ziel 100.000 in vier Jahren.

KI-gestützte Robotik wird in den nächsten 20 Jahren zum größten Markt der Welt anwachsen. Innerhalb dieses Marktes wird der humanoide Formfaktor die bestimmende Unterkategorie werden, weil sie am flexibelsten einsetzbar ist. Aus dieser Flexibilität folgen enorme Skaleneffekte dank Massenproduktion.

Das scheint, siehe unten, in Europa noch kaum jemand zu erkennen.

Zumindest das US-Unternehmen Figure ist eine sehr eindeutige Wette auf diese These.

Sie werben auch für den Einsatz im Gewerbe: Schnellere Aktuatoren (2x), bessere Greifstabilität bei variierenden Objekten, drahtloses Laden und 10 Gbps mmWave-Dataoffload für Flotten-Lernen.

Introducing Figure 03:

• Helix: Figure 03 features a completely redesigned sensory suite and hand system which is purpose-built to enable Helix - Figure's proprietary vision-language-action AI.
• The home: Figure 03 has several new features, including soft goods, wireless charging, improved audio system for voice reasoning, and battery safety advancements that make it safer and easier to use in a home environment.
• Mass manufacturing: Figure 03 was engineered from the ground-up for high-volume manufacturing. In order to scale, we established a new supply chain and entirely new process for manufacturing humanoid robots at BotQ.
• The world at scale:The lower manufacturing cost and the advancements made for Helix have significant benefits for commercial applications. Figure 03 introduces a fully redesigned sensory suite and hand system, purpose-built to bring Helix to life.

Softbank kauft ABB Robotics aus der Schweiz

Jetzt ist der Zeitpunkt, um in Robotik-Fähigkeiten zu investieren und notfalls Robotik-Übernahmen regulatorisch sehr genau zu betrachten.

OpenAI-Investor Softbank übernimmt also ABB Robotics.

Reuters:

SoftBank pushed into humanoid robotics a decade ago with its Pepper robot but later scaled back its ambitions.

Its recent investments in the sector include Berkshire Grey and AutoStore, and it also led a $40 billion funding round in ChatGPT-maker OpenAI and in March bought chip design company Ampere for $6.5 billion.

"SoftBank's next frontier is Physical AI," Son said in a statement.

The deal means ABB has abandoned its original decision to spin off and separately list the industrial automation business, which competes with Japan's Fanuc (6954.T), opens new tab and Yaskawa (6506.T), opens new tab, as well as Germany's Kuka in making factory robots.

"Germany's Kuka" ging 2016 an den chinesischen Konzern Midea.

🤖 KI

KI-Browser Dia und Comet frei verfügbar

Nachdem das Gericht in den USA entschied, dass Google den Browser Chrome behalten und alle Unternehmen von Apple bis Mozilla weiter bezahlen darf, landet Gemini langsam aber sicher in Chrome. Vertikale Integration incoming!

In der Zwischenzeit, den Atem im Nacken spürend, sind Dia und Comet jetzt frei verfügbar.

Dia hat jüngst eine Memorysuche eingeführt:

Just type @Search Memory into any Chat or Skill to call the right context from your past week of browsing,_ right when you need it._ Ask for that Notion doc your boss sent; summarize discussions with a close collaborator across Slack, Gmail, and Notion; or even build a Skill that helps you reflect on your last week and shape the next one.

Siehe dazu auch meine Analyse vom Sommer:

https://neunetz.com/briefing-267-ki-browser-sind-der-neue-plattformkampf/

Da Perplexity für maximales Wachstum und dafür verschenkte Pro-Pläne die eingebundenen Modelle maximal verblödet*, ist Dia, das mittlerweile zu Atlassian gehört, mein aktueller Kandidat für den vielversprechendsten KI-Browser.

*Es gibt Unterschiede wie Tag und Nacht bei Inferenzanbietern und noch stärker bei Startups, die gegen einen festen Jahres-/Monatsbetrag Zugang zu Modellen anbieten. Letztere können etwa das Kontextfenster gering halten, um möglichst wenige Input-Token zu bezahlen. Das merkt man bei Perplexity etwa daran, dass Follow-Up-Fragen oft ins Leere führen. Es gibt noch andere Hebel, die Kosten und Qualität senken können.

Planbare Lücke zwischen LLMs und SLMs

Das ist sehr wichtig. Frontier AI Performance Becomes Accessible on Consumer Hardware Within 9 Months:

Using a single top-of-the-line gaming GPU like NVIDIA’s RTX 5090 (under $2500), anyone can locally run models matching the absolute frontier of LLM performance from just nine months ago. This lag is consistent with our previous estimate of a 5 to 22 month gap for open-weight models of any size. We find that leading open models runnable on a single consumer GPU typically match the capabilities of frontier models after an average lag of 9 months. This relatively short and consistent lag means that the most advanced AI capabilities are becoming widely accessible for local development and experimentation in under a year.

Diese Lücke macht lokale KI-Integration planbar. Innerhalb eines Jahres bekommt man aktuell Modelle, die die Qualität heutiger Top-LLMs erreicht.

"AI first"

Sangeet Paul Choudary über AI First:

what it means to be architecturally-native to a new technology i.e. rebuilding your system around the logic of a new technology, not merely using it. Four shifts mark such system redesign:Atomic Unit Shift: Redefine the smallest unit of value. Figma (cloud-native) reimagined design work around the design element while Adobe was stuck to the logic of the file Roblox treats interactable experiences, not static games, as its atomic unit, allowing creators and players to co-create persistent worlds.Venetian trade shifted risk management from “chest of coins” to “ledger entry,” enabling credit, insurance, and scale.Stripe treats the API call as its atomic unit, turning payments from bespoke integrations into composable building blocks.Constraints as Design: Embrace limits as features.Containers’ fixed sizes standardized global logisticsTelegraph bandwidth created coded tickers/time-tables that synchronized rail networksTikTok embraced the constraint of ultra-short video length, which optimized its algorithmic discovery loop and drove a new logic for the feed.

Datenpunkte, wie KI das Web verändert

Spannende Daten.

🔮 How Al is breaking and rebuilding the internet economy

Listen now (47 mins) | From search to answers | With Cloudflare co-founder & CEO Matthew Prince

Exponential ViewAzeem Azhar

A handful of major AI companies hire and control their own fleet of media, because companies realise that what can set them apart is access to original content (studio model of AIs). Everything that depends on traffic is threatened, including high quality journalism (see Azeem’s discussion with The Atlantic CEO Nicholas Thompson • Cloudflare controls ~20% of global web (based on 45M HTTP requests/s) • Cloudflare live -> 71.6% human; 28.4% bot (26th Sept) AI crawlers account for 80% of all bot traffic, with 18% YoY growth • Training traffic: 79-80% (up from 72%); Search traffic: 17% (down from 26%) • User actions: 3.2% (up from 2%) Crawl-to-referral imbalance: • Anthropic shows a 38,065:1, OpenAI 1,091:1, and Perplexity 195:1 • Agents generate up to 39,000+ requests per minute during peak usage • Reports of AI crawlers returning every 6 hours -> creating DDoS-like loads Anthropic’s Model Context Protocol launched in November 2024 • OpenAI adopted MCP in March 2025; Google DeepMind confirmed support in April 2025; Microsoft created an official C# SDK. • 4.3k MCP servers on github

Ich habe die Links zu den Quellen entfernt, weil es Tracking-Links von Substack waren. Links zu den Quellen findet man auf Exponential View.

📺 Medienwandel und vernetzte Öffentlichkeit

Das Ende der Hashtags

The Publish Press:

Why? Platforms don’t need them anymore. “As a type of metadata, [the hashtag] wasn’t controlled by a platform—it was created by the people, for the people,” Linguistics creator Adam Aleksic wrote in his most recent Substack essay, “Why platforms are killing the hashtag.” “By removing the hashtag, tech platforms are redistributing organizational power away from the users and toward themselves.” Big picture: Platforms have more recently focused on improving their search bar functionalities, rendering hashtags less impactful on overall performance.

Die Macht der Plattformen wird nicht nur den Wegfall der Hashtags sich verschieben, KI-Fähigkeiten machen die großen Plattformen immer undurchsichtiger.

Man vergleiche das hier direkt miteinander: Indem Hashtags verwendet werden, ordnen sich User selbst Gruppen zu. Auf LinkedIn ist der Wegfall von Hashtags wie "#B2B" egal. Aber was ist mit "#blacklivesmatter" oder "#metoo"?

Letztere Bottom-up-Gruppierungen werden ohne Hashtags unmöglich.

Ich gehe davon aus, dass wir ähnliche Verschiebungen an vielen Stellen dank KI bei den großen Plattformen sehen werden.

Eine Folge davon: Die Plattformen werden immer stärker auch vom Vibe her wie Entertainment-TV.

Das öffnet langfristig auch Chancen für Neues.

✴️ Mehr Wissenswertes

Bagel Labs’ “Paris” trains text‑to‑image via fully decentralized experts via Venturebeat:

Why it matters: Paris swaps giant synchronized clusters for eight independently trained diffusion experts and a small router, claiming comparable image quality with ~14× less data and ~16× less compute than a prior decentralized baseline. The appeal is obvious: Train on heterogeneous, scattered GPUs without InfiniBand; deploy with open weights. The catch: Routing and partitioning become your new dark arts.

Ich bin bei so etwas immer vorsichtig, aber das hier wäre ein sehr großer Deal.

Dwarkesh Patel, bester und wichtigster KI-Podcaster (Economist jüngst hilarious: "Did you listen to the new Dwarkesh?") über sein Interview mit Sutton.

Some Thoughts on the Sutton Interview:

LLMs aren’t capable of learning on-the-job, so we’ll need some new architecture to enable continual learning. And once we have it, we won’t need a special training phase — the agent will just learn on-the-fly, like all humans, and indeed, like all animals. This new paradigm will render our current approach with LLMs obsolete. AlphaGo (which was conditioned on human games) and AlphaZero (which was bootstrapped from scratch) were both superhuman Go players. AlphaZero was better. Will we (or the first AGIs) eventually come up with a general learning technique that requires no initialization of knowledge - that just bootstraps itself from the very start? And will it outperform the very best AIs that have been trained to that date? Probably yes. But does this mean that imitation learning must not play any role whatsoever in developing the first AGI, or even the first ASI? No. AlphaGo was still superhuman, despite being initially shepherded by human player data. The human data isn’t necessarily actively detrimental - at enough scale it just isn’t significantly helpful. Even if Sutton’s Platonic ideal doesn’t end up being the path to first AGI, he’s identifying genuine basic gaps which we don’t even notice because they are so pervasive in the current paradigm: lack of continual learning, abysmal sample efficiency, dependence on exhaustible human data. If the LLMs do get to AGI first, the successor systems they build will almost certainly be based on Richard’s vision. . As planes are to birds, supervised learning might be to human cultural learning.

Please let the robots have this one • The Argument Mag:

But even in San Francisco where Waymos are a reality, I still run into a lot of Waymo haters. Sometimes they hate the cars for taking jobs from Uber and Lyft drivers. (Though remember how a couple of years ago everyone wanted to ban Uber and Lyft?) Sometimes they hate the cars out of vague anti-corporate sentiment. But often, what they really hate isn’t Waymo at all.

Rausschmeißer der Woche

Ethan Ding: In 100 Years, People Will Marvel at the Idea That...:

in 100 years, people will marvel at the idea that business logic in systems of record ever had a moat, or produced margins [like railroads] we are in a closing window of time where demand for software [logic] has allowed tech companies to make 80% margins for ~2 decades no tmrethan ding 📊 @TheEthanDingsystems of records will not have a moat in 10 years the writing is on the wall for those paying attention everything is compute

~

Das ist mal eine Neuigkeit, die es in sich hat: Laut Quellen von Reuters ist ASML dabei, bei Mistral mit umgerechnet 1,5 Milliarden $ einzusteigen und der größte Anteilseigner beim Pariser Startup zu werden.

Wenn das eintrifft, wird das die für Europa mit Abstand wichtigste Wirtschaftsnachricht mindestens des Jahres.

• Europa braucht ein eigenes, starkes, sprich nachhaltig eigenständiges Ökosystem in KI.
• Das im Vergleich zu seinen Peers stark unterfinanzierte Mistral ist mit großem Abstand der wichtigste Modellanbieter in Europa. (Mir fällt sogar außer Universitäten niemand Nennenswertes mit eigenen Modellen in Europa ein; Llama/Qwen/Deepseek-Finetunes zählen nicht.)
• ASML aus den Niederlanden ist eines der zwei weltweit wichtigsten Unternehmen, ohne welche die Weltwirtschaft aufgeschmissen wäre:
  • TSMC in Taiwan baut 70%(!) aller global verbauten High-Tech-Chips.
  • 100%(!) dieser Chips werden mit Lithographiesystemen von ASML hergestellt.
• Zwischen Lithographiemaschinen und KI-Modellen liegen mindestens zwei separate Wertschöpfungsebenen: Chipdesign (think Nvidia) und Chipherstellung (oben genanntes TSMC). (Und dann braucht es im Grunde mindestens noch jemanden, der die Chips in einem Datencenter verbaut.)
• Vielleicht ist nur Wunsch Vater des Gedankens, aber ich gehe davon aus, dass der Einstieg bei Mistral der Auftakt einer neuen strategischen Ausrichtung von ASML ist. Im Idealfall wachen auch andere europäische Riesen auf.

Unter anderem bietet diese Entwicklung uns allen in ein paar Tagen eine einzigartige Möglichkeit, die Qualität unserer Mediendiät zu überprüfen. Welche europäischen Wirtschaftsmedien werden, wenn es offiziell ist, das weit hinten vermelden? :)

LFG,

Marcel

Im Fokus dieser Ausgabe:

• Transformer können mehr als Sprache
• The Browser Company (Dia) geht an Atlassian und damit Richtung B2B und Arbeitsalltag
• Synthetische Daten für Robotik und Maschinenbau, enorme Chancen für Deutschland
• KI-Browser Fellou verschleiert Herkunft aus China
• Die immensen Cash-Reserven der vor allem chinesischen Onlinehandelsriesen
• OnlyFans ist groß genug, um die nächste Mainstream-Plattform werden zu können
• und mehr

Zitat des Tages

Amusing how 99% of people trying to explain LLMs forget that they don't generate the next token, they generate a probability distribution over the entire vocabulary space that the end application is free to sample from

You are very often not presented with the Most Likely Token

🤖 KI

Was kann ein Token sein?

LLMs sind KI-Modelle, bei denen die Tokens, die kleinsten Sinneinheiten, aus Sprache bestehen. Das muss aber so nicht sein. Transformer-basierte KI-Modelle werden mittlerweile auf unterschiedlichste Datenarten angewandt.

Huawei und Google haben beide bereits mit der Transformer-Architektur Wetter-Modelle erstellt, die nicht nur präziser sind, sondern auch noch weniger rechenintensiv als die alten statistischen Modelle.

Die große Frage, die sich damit stellt, ist, über welche weiteren Datenarten man den Attention-Mechanismus der Transformer-Modelle jagen kann.

Token erklärt: Warum KI plötzlich alles versteht

Transformer-Modelle erobern weit mehr als nur Sprache. Von Wetterprognosen über Maschinenbau bis zu Zeitreihen für den Finanzsektor, Transformer sind für jede Branche nutzbar.

Frankfurter Allgemeine Zeitung

Die Frage für Unternehmen lautet nun, welche Arten von Daten im Alltag eingesetzt werden, die eine KI wie eine Sprache erlernen könnte.

The Browser Company (Arc, KI-Browser Dia) geht an Atlassian (horrible SaaS)

Das hatte sicher niemand auf der Bingo-Karte: Atlassian, weltweit seit über 20 Jahren rund um den Globus geliebt für Jira und Confluence, wird The Browser Company, die Macher von Dia, übernehmen, für 610 Mio. Dollar. (CNBC)

The Browser Company:

• Ist ein bisschen Opfer ihres eigenen Timings geworden. Das kann man nicht immer steuern. Ihr erster Browser Arc begann vor dem großen KI-Durchbruch. Der zweite Anlauf, der KI-Browser Dia, kam nachdem Arc nicht genug User fand. (Arc bleibt das beste Browser-Interface.) Da gab es das Startup aber bereits 5 Jahre.
• Das Startup hat das beste UI/UX-Team der letzten 10 Jahre. Das ist und bleibt eine gute Ausgangslage in der heutigen Welt, in der wir enorm mächtige Technologie haben (KI), die weiterhin hinter dem Terminal (Chat) darauf wartet, von den Nutzer:innen entdeckt zu werden.
• Es gibt also unfassbar viel ungehobenes Potenzial beim Thema UI für KI.

Atlassian:

• Ist eines der ältesten B2B-SaaS-Unternehmen der Welt.
• Jira und Co. sind das Gegenteil von dem, was die Dia-Macher gezeigt haben. Ein UI, das niemand mag, aber alle benutzen müssen.
• Wichtiger aber: Atlassian sieht wie alle den KI-Layer am Horizont aufziehen. Der kann sich über alles legen, auch und gerade über SaaS. Damit kann beispielsweise das Onboarding neuer Mitarbeiter:innen für Unternehmen einfacher werden.
• Es hilft sicher enorm, dass der CEO von Atlassian ein Superfan von Arc und Dia war.

The Verge:

Mike Cannon-Brookes, the CEO of enterprise software giant Atlassian, was one of the first users of the Arc browser. Over the last several years, he has been a prolific bug reporter and feature requester. Now he’ll own the thing: Atlassian is acquiring The Browser Company, the New York-based startup that makes both Arc and the new AI-focused Dia browser. Atlassian is paying $610 million in cash for The Browser Company, and plans to run it as an independent entity.

The conversations that led to the deal started about a year ago, says Josh Miller, The Browser Company’s CEO. Lots of Atlassian employees were using Arc, and “they reached out wondering, how could we get more enterprise-ready?” Miller says. Big companies require data privacy, security, and management features in the software they use, and The Browser Company didn’t offer enough of them. Eventually, as companies everywhere raced to put AI at the center of their businesses, and as The Browser Company made its own bets in AI, Cannon-Brookes suggested maybe the companies were better off together.

Gemeinsam: KI-Browser für B2B-SaaS:

Hi,

man merkt an turbulenten Zeiten, dass es kein Sommerloch bei den Themen gibt.

Nach der Sommerpause gibt es einige Themen aufzuarbeiten. Heute gibt es deshalb unter anderem noch ein paar Anmerkungen zu GPT-5.

Noch ein Hinweis in eigener Sache: Das Briefing wird künftig wie heute Montags erscheinen und nicht mehr Freitags. Weitere Neuerungen dann in naher Zukunft.

Marcel

Im Fokus dieser Ausgabe:

• Die Kosten und das User-Interface von GPT-5 werfen Fragen zur Differenzierung von KI-Produkten auf.
• Auch: GPT-5 im Pro-Modus ist mächtig. Und: Preisgestaltung und das Interface von GPT-5 sind für professionelle Nutzer:innen weiterhin problematisch.
• KI in der Bildung: Eindeutig sinnvoll.
• Sicherheitslücken bei KI-Browsern wie Comet zeigen neue Risiken für Nutzer:innen und ihre Daten.
• Die Übernahme von Media Saturn durch JD könnte den Anfang einer neuen Ära bedeuten für den deutschen Handel. Vor allem, weil in China Geld vorhanden ist, das ohne Probleme große deutsche Unternehmen aufkaufen kann.
• Agentic Commerce verändert die Rolle von Daten und Marktplätzen im Onlinehandel grundlegend.
• DeepSeek und chinesische Chips.
• Solar wird sich global mindestens vervierfachen bis 2030.
• und mehr

Zitat des Tages

At some point the meaning of ‘driving’ and ‘self-driving’ will invert.

🤖 KI

GPT-5, Kosten und Router

So viel Gegenwind, dass es ein Abendessen mit Journalist:innen in San Francisco gab, bei dem Altman und weitere Executives von OpenAI on the record(!) Fragen beantworteten. Eine Folge, wenn nicht nur das eigene Produkt zu den erfolgreichsten der Menschheitsgeschichte gehört, sondern das eigene Marketing noch einen draufsetzt (AGI?).

Sam Altman hat in Interviews mit The Verge und Axios ungewöhnlich offen Fehler beim Launch von GPT-5 eingeräumt: OpenAI habe „einige Dinge total vermasselt“, insbesondere beim Wechsel des Standardmodells und der Kommunikation mit den Nutzer:innen. Während der Launch für Endkund:innen eher durchwachsen verlief, verdoppelte sich wohl das API-Volumen in kurzer Zeit. OpenAI stößt inzwischen an die Grenzen der verfügbaren GPUs. Altman betonte, dass er aus dem Rollout gelernt habe, was es bedeutet, ein Produkt für Hunderte Millionen Menschen über Nacht zu ändern. (The Verge)

Ich schätze, dazu zählen bahnbrechende Erkenntnisse wie, dass man zahlenden Kund:innen nicht ohne Ankündigung Features wegnimmt.

Etwas, das in meinen Augen offensichtlich ist, ich aber erstaunlicherweise bisher nirgendwo gelesen habe:

Es ergibt keinen Sinn, dass ein Produkt, das 200$ pro Monat kostet, das exakt gleiche User-Interface hat wie ein kostenfreier (bald werbefinanzierter) Mainstream-Service.

Dass OpenAI an einem Dropdown-Menü scheitert und davon ausgeht, dass sich KI-Produkte über alle Preissegmente hinweg vor allem nur in Nutzungsgrenzen und im Zugang zu besseren Modellen unterscheiden, ist wirklich bemerkenswert.

Product people, where art thou.

Der Router

Das Wichtigste an GPT-5 ist der Router, das eigentliche Produkt, das hier eingeführt wurde. Ein vorgelagertes Modell, das die Anfrage analysiert und dann zum schnellen, kostengünstigeren, leichteren Modell oder zum Thinking-Modell leitet. Anstatt kryptischer Modellnamen.

Das ist einerseits die richtige Entwicklung, andererseits problematisch:

• Die Blackbox LLM wird im B2C-Bereich damit noch blackboxiger. Weil eine vorherige Auswahlmöglichkeit durch einen weiteren Automatismus ersetzt wird.
• E gibt hier einen Interessenskonflikt: OpenAI steuert mit dem Router, welche Kosten ihnen eine Anfrage verursacht. Geringere Kosten = geringere Qualität des Outputs. OpenAI kann ohne, dass die User das nachvollziehen können, die Hebel im Hintergrund Richtung Qualität oder Kosten umlegen.
• Beides, Black Box und Interessenskonflikt, kamen direkt im Launch von GPT-5 zusammen: Augenscheinlich war der Router zu sehr auf Kostenersparnis/Geschwindigkeit geeicht. Das machte GPT-5 für viele User "dümmer". Das Unternehmen behauptete dann, dass es sich um einen Fehler gehandelt habe. Ob das stimmt, wissen wir nicht.

Die Spannung zwischen Komplexität der Technologie und Zugänglichkeit des Interfaces ist ein permanenter Balanceakt; der bei LLMs noch diffiziler geworden ist.

These: LLM-Produkte werden heute immer noch gebaut wie klassische Software, brauchen aber ein grundlegend neues UX-Paradigma. Weil LLMs viel komplexer und idiosynkratischer sind als jeder andere Software-Baustein.

Die Kosten

ChatGPT hat über 700 Millionen wöchentlich aktive Nutzer:innen. (Monatlich aktive Nutzer:innen dürften bei über einer Milliarde liegen.)

Neben leistungsfähigeren Modellen hat hier vor allem der Kostenfaktor eine hohe Priorität für das Unternehmen.

Anthropics Modelle sind oft gleichauf mit OpenAI, oder besser, aber nahezu immer teurer weil rechenintensiver (lies: weniger effizient). Das macht sich in Nutzungslimits bei Claude selbst oder bei Claude in Cursor bemerkbar. OpenAI kann sich das bei seiner Nutzerzahl, B2C wie B2B, schlicht nicht leisten. Wortwörtlich.

GPT-5 Standard ist ungefähr halb so teuer wie GPT-4o. (Das für ChatGPT nicht relevante Modell GPT-5 nano ist bis zu 90% günstiger.)

Der große Endgegner für OpenAI neben den offenen Modellen aus China ist Google. GPT-5 liegt preislich ungefähr auf Niveau von Googles Gemini 2.5 Pro (Basis). Google profitiert hier von seinem vertikal integrierten Techstack bis hin zu den eigenen KI-Chips.

Das Wachstum der Google Cloud Platform, Googles Cloud-Angebot, profitiert enorm von den günstigen, leistungsfähigen Gemini-Modellen und kann aktuell nur so schnell wachsen wie sie die Datencenter ausbauen können.

Mehr Nachfrage als Angebot. It's a theme.

GPT-5-Qualität

Zunächst: GPT-5 ist ein Opfer des überbordenden Marketings der KI-Startups. Viele haben erwartet, dass OpenAI beim "Versionssprung" von 4 auf 5 etwas ähnliches liefert wie von 3 auf 4. Das war aus einem einfachen Grund unmöglich:

Wettbewerb.

OpenAI, Anthropic, Google und die chinesischen Labs (und mit Abstrichen Mistral) liefern sich ein konstantes Kopf-an-Kopf-Rennen, wer aggressiven Sichern von Marktanteilen mit dem qualitativ besten (und bezahlbaren!) Modell am Markt vorn liegt. Herrscht bei einem Lab für mehr als vier Monate Stille, gehen die Gerüchte los. KI ist immer noch ein (gemessen am Potenzial) vergleichsweise kleiner, aber sehr rasant wachsender Markt. Das erzeugt Druck:

• Sowohl beim Launch von GPT-5 als auch bei Claude im Coding-Sektor: Modelle entwickeln langsam Stickyness bei Powerusern, entweder emtionaler Art wie bei 4o (hochproblematisch), oder auf andere sanfte, nicht quantifizierbare Arten wie Claude im Programmierbereich. (Marktanteile von Claude schwanken
• Talent spielt (mehr oder weniger aradoxerweise) immer noch eine große Rolle im KI-Sektor. Labs, die wahrgenommen werden als nicht an der Speerspitze zu stehen, können Leute schneller verlieren oder, schwerwiegender, nicht neue Toptalente anziehen. (U.a. Metas Problem vor dem Reorg.) Die Nachfrage ist größer als das Angebot. Nicht nur bei der KI-Nutzung, sondern auch bei den KI-Forschenden.
• Die Früchte bei der Technologieentwicklung hängen noch immer tief genug, so dass kein KI-Lab lang an der Spitze der Benchmarks bleibt. Alle werden konstant inkrementell besser.

-> Aus all dem folgt, dass kein Anbieter es sich leisten kann, mehr als eine Generation neuer Modelle zurückzuhalten, nur damit der Marketingsplash größer ist. In Sam Altmans Traumwelt hätten sie auf alle Reasoningmodelle verzichten können und nach einem dreiviertel Jahr Ruhe mit GPT-5 um die Ecke kommen können. BUT ALAS.

Der Unterschied zwischen der ersten Version von GPT-4 und dem heutigen GPT-5-System ist riesig. Und zwischen beiden liegen lediglich zwei Jahre.

(Im Grunde war das erste Reasoning-Modell von OpenAI der eigentliche Nachfolger von GPT-4, also GPT-5 im Geiste.)

Epoch AI hat das anhand des Math-Benchmarks grafisch aufbereitet:

Aber das ist alles nicht wirklich entscheidend. Relevanter ist die Frage, ob mit GPT-5 neue Dinge möglich sind.

GPT-5 ist, zumindest im teuersten Pro-Modus, sehr mächtig. Erste Top-Forscher:innen sind richtig aus dem Häuschen.

Als Beispiel schauen wir auf die Aussagen von Dr. Derya Unutmaz. Unutmaz ist einer der führenden Immunologen weltweit. Für den Kontext hier sein Scholar-Profil:

Unutmaz hat GPT-5 anhand unveröffentlichter Studiendaten getestet. Das Modell hat die gleichen Ergebnisse aus den Daten produziert wie das hochkomplexe Experiment:

In a social media post, Unutmaz revealed that he used GPT-5 to predict the results of a month-long, highly complex experiment aimed at engineering cells to fight lymphoma. The AI’s predictions, he said, were “astonishingly accurate”. [...]

Unutmaz noted that GPT-5 not only forecasted the entire experimental process and results with high precision, but also suggested design improvements.

Prof. Derya Unutmaz: GPT-5 Accurately Predicted Complex Lymphoma Experiment, May Cut Discovery Time from Years to Weeks - P.A. Turkey

Renowned immunology expert Prof. Dr. Derya Unutmaz, working in the United States, has highlighted the transformative potential of OpenAI’s GPT-5 in biomedical research. In a social media post, Unutmaz revealed that he used GPT-5 to predict the results of a month-long, highly complex experiment aimed at engineering cells to fight lymphoma. The AI’s predictions, he […]

P.A. TurkeyCem Cetinguc

Er schreibt auf X auch:

At this point, I may have to revise my timeline for curing aging to a date earlier than the 2040s!

Doubt no more. Thanks to AI, we will treat all diseases and reverse aging!

Unutmaz wurde nach diesen Aussagen von OpenAI direkt für ein Werbevideo eingesetzt.

Ebenfalls ein gutes anschauliches Beispiel für die Planungsfähigkeiten von GPT-5 hat Ethan Mollick hier aufgeschrieben:

GPT-5: It Just Does Stuff

Putting the AI in Charge

One Useful ThingEthan Mollick

If you didn’t catch the many tricks - the first word of each sentence spells out the phrase This is a Big Deal, each sentence is precisely one word longer than the previous sentence. each word in a sentence mostly starts with the same letter, and it is coherent writing with an interesting sense of style. In a paragraph, GPT-5 shows it can come up with a clever idea, plan, and manage the complicated execution (remember when AI couldn’t count the number of Rs in “strawberry”? that was eight months ago).

Descript Underlord: KI-Videoeditor

Descript baut mit dem amüsant benannten "Underlord" einen KI-Videoeditor.

Möglich ist das, weil Descript bereits bekanntlich textbasierte Bearbeitung von Audio- und Videoinhalten anbietet. Das LLM-Feature kann über diesen bestehenden Weg auch direkt die Inhalte ändern.

Besser integrierte LLMs, wenn die notwendige Basis dafür bereits gelegt wurde. This is the way.

KI in der Bildung

Sascha Lobo schreibt auf Spiegel über KI an Schulen.

(S+) Meinung: Das Smartphone-Verbot an Schulen war gestern, wir müssen über eine KI-Pflicht reden

Wer Smartphones an Schulen verbieten will, hat die Zukunft nicht verstanden. Statt über Handytresore in Klassenzimmern zu reden, muss man Kinder klug an KI-Nutzung heranführen.

DER SPIEGELSascha Lobo

Wir hatten eine der wichtigen Metastudien zu KI in der Bildung hier bereits im Briefing. Es lohnt sich aber, auf die Forschungsergebnisse zu KI in Bildung noch einmal hinzuweisen, weil es so wichtig ist.

Metastudien finden eindeutige positive Effekte bei richtigem Einsatz:

The effect of ChatGPT on students’ learning performance, learning perception, and higher-order thinking: insights from a meta-analysis - Humanities and Social Sciences Communications

Humanities and Social Sciences Communications - The effect of ChatGPT on students’ learning performance, learning perception, and higher-order thinking: insights from a meta-analysis

NatureJin Wang

Meta-Analysis of Artificial Intelligence in Education | Zhang | Higher Education Studies | CCSE

Meta-Analysis of Artificial Intelligence in Education

CCSE

Die Technologie kann natürlich falsch oder richtig implementiert werden. Auf die Frage, ob KI sinnvoll im Bildungswesen eingesetzt werden kann, antwortet die Forschung eindeutig: Ja.

Ich nutze für Recherchen von akademischen Papern ab und an Consensus. Das aggregierte Ergebnis dieses Recherchewerkzeugs ist, zusätzlich zu ebenfalls eindeutig:

Saschas Kolumne zur KI-Pflicht ist also weniger kontrovers als ein No-Brainer. Zumindest, wenn man sich an der Forschung zum Thema orientiert.

Und last not least besonders wenn man bedenkt, wie KI in Rekordzeit unseren Alltag durchdringt. Augen zuhalten und Erlkönig auswendig lernen allein wird nicht reichen.

Es gibt nur 7 KI-Apps

Hi,

wir sind mitten in der Sommerpause. Deshalb ein etwas anderes Format, mit Schwerpunkt auf Lesetipps und Kommentaren meinerseits. Nächste Woche wird kein Briefing erscheinen. Das nächste Briefing erscheint in zwei Wochen am 22. August. Dazwischen wird es je nach Lage eventuell einzelne Texte auf neunetz.com geben. Kurze Texte werden nicht per Email verschickt.

Wer es verpasst hat, ich habe mit Sascha Lobo über KI-Browser gesprochen. Ein paar weitere Gedanken dazu habe ich hier aufgeschrieben.

Marcel

Lektüretipps, Zitate und Anmerkungen zu:

• Ökonomie der Superintelligenz
• Wie würde überhaupt geopolitische Unabhängigkeit bei KI für uns aussehen?
• Wie sich Chinas KI-Ansatz von den USA unterscheidet und warum das so ist
• Datencenterausbau -> Finanzkrise?
• TikTok Shop in Deutschland
• Buchempfehlungen
• und mehr

Nicht nur die akademische Welt:

Quelle

Die Ökonomie der Superintelligenz

The economics of superintelligence

If Silicon Valley’s predictions are even close to being accurate, expect unprecedented upheaval

The EconomistThe Economist

Die Ökonomie der Superintelligenz: Was passiert, wenn KI wirklich „alles" oder zumindest fast alles kann?

Der Economist stellt sich in einem jüngeren Titelbriefing die Frage, der sich in Europa die Eliten noch nicht wirklich zu stellen scheinen: Was, wenn die Voraussagen aus dem Silicon Valley bezüglich KI-Entwicklungen ansatzweise zutreffen?

Ich war seit Ende 2022 (wie der Rest der Welt) beeindruckt, was bei KI passiert, aber verhalten bis skeptisch, was die Voraussagen anging. Seit ich intensiver Insidern der Branche als auch der Forschung folge (ich mache einmal im Monat einen Überblick über KI-Forschung für die FAZ), ist meine Skepsis dem bedrückenden Gefühl gewichen, dass vor unseren Augen die Basis für eine neue Wirtschaftsordnung entsteht, die bis jetzt nahezu komplett an Europa vorbeigeht.

Die Dringlichkeit der Lage wird nur in den USA erkannt -wo die Hyperscaler historische CapEx-Rekorde aufstellen und in den Quartalsberichten mitteilen, dass Nachfrage kontinuierlich höher ist als ihr Angebot wie jüngst Google mit Ausgaben, Status Quo und Aussichten für GCP. Und in China, das sich mit Alibabas Qwen, den DeepSeek-Modellen und jüngst Kimi K2 von Moonshot an die Speerspitze der "offenen" KI-Modelle gesetzt hat. (Offen heißt hier: Kann leichter angepasst werden und kann auf eigenen Servern betrieben werden. Kein Tag mehr, an dem kein Konzern ein weiteres eigenes Deepseek- oder Qwen-Finetune verkündet.)

Wie dem auch sei, die Signale aus der Forschung und aus den Labs sind eindeutig, die Nachfrage gemäß der Quartalszahlen der Hyperscaler ebenfalls. Die Qualität der jüngsten Modelle und die ersten für den Alltag benutzbaren Agenten-Produkte auch.

Wir brauchen nicht "AGI" für umwälzende Veränderungen. Es reicht eine Entwicklung mit vergleichbarer Geschwindigkeit. (Es würde sogar bereits der heutige Stand und mehr Fokus auf Produkte, Dienste und Interfaces reichen für umwälzende Veränderungen in den nächsten 10-20 Jahren.)

Wie dem auch sei. Der Economist hat sich an der sehr schwierigen Frage versucht, was konkret passiert, wenn KI zu explosionshaftem Wachstum führt.

UNTIL 1700 the world economy did not really grow—it just stagnated. Over the previous 17 centuries global output had expanded by 0.1% a year on average, a rate at which it takes nearly a millennium for production to double. Then spinning jennies started whirring and steam engines began to puff. Global growth quintupled to 0.5% a year between 1700 and 1820. By the end of the 19th century it had reached 1.9%. In the 20th century it averaged 2.8%, a rate at which production doubles every 25 years. Growth has not just become the norm; it has accelerated.

If the evangelists of Silicon Valley are to be believed, this bang is about to get bigger. They maintain that artificial general intelligence (AGI), capable of outperforming most people at most desk jobs, will soon lift annual GDP growth to 20-30% a year, or more. That may sound preposterous, but for most of human history, they point out, so was the idea that the economy would grow at all.

Einer der wichtigen Punkte ist die Tatsache, dass Kapital, also die Möglichkeit in Produktionsanlagen zu investieren, wichtiger wird:

If you add machines but not workers, capital lies idle. But if machines get sufficiently good at replacing people, the only constraint on the accumulation of capital is capital itself.

Suppose production was fully automated, but technology did not improve. The economy would settle into a constant rate of growth, determined by the fraction of output that was saved and reinvested in building new machines.

Das scheint mir ein Punkt zu sein, der von vielen ausgeblendet wird, die behaupten, wir sehen mit KI lediglich die Wiederholung der Industrialisierung mit ihren Automatisierungen körperlicher Arbeit. Denn das trifft eben nur zum Teil zu. KI wird mindestens punktuell menschliche Arbeit komplett aus einzelnen Wertschöpfungsebenen herausziehen.

Der Unterschied zwischen 90% und 100% Automatisierung einer wirtschaftlichen Tätigkeit hat stärkere Implikationen für Wirtschaft und Gesellschaft als die Differenz eines Automatisierungsgrades (oder Augmentierungsgrades) einer solchen Tätigkeit von 10% zu 90%.

(Selbst hochgradig automatisierte Fabriken brauchen spezialisierte Ingenieur:innen, die sich um Steuerung und Wartung kümmern. Übrigens ein Grund, warum Manufacturing weltweit, selbst in China, als Jobmarkt auf dem Rückmarsch ist: Fertigung ist heute immer stärker eine hochspezialisierte Domäne für wenige, gut ausgebildete Menschen.)

Eine Prognose im Economist laut einem Paper ist, dass die Volkswirtschaft so schnell wächst, dass die im Vergleich langsamer wachsenden Gehälter trotzdem ansteigen:

In Mr Nordhaus’s paper, less-than-perfect substitutability between labour and capital during an AI breakout leads to an explosion in wages. Strangely, wages still shrink as a share of the economy, since the economy is growing even faster (see chart). There is some evidence of this dynamic already within tech firms, which tend to pay superstar wages to top workers, even though the share of such firms’ income that goes to owners is unusually high.

Hier zeigt sich, wie "Wirtschaftswachstum" in der Öffentlichkeit oft missverstanden wird. Wachstum vergrößert den Kuchen, die Gründe sind vielfältig, überhaupt nicht zwingend steigender Ressourcenabbau. Und der Kuchen selbst besteht aus vielen beweglichen Teilen, die sehr unterschiedlich auf einander reagieren.

Neben der wachsenden Bedeutung von Kapital steigt auch die Ungleichheit am Arbeitsmarkt, weil einzelne Tätigkeiten mit KI produktiver werden:

Averages conceal variation. Explosive wages for superstars would not console those with more mundane desk-jobs, who would have to fall back on the parts of the economy that had not been animated. Suppose, despite AGI, that technological progress in robotics were halting. There would then be plenty of physical work requiring humans, from plumbing to coaching sports. These bits of the economy, like today’s labour-intensive industries, would probably be affected by “Baumol’s cost disease” (a wonderful affliction for workers) in which wages would grow despite a lack of gains in productivity.

"that technological progress in robotics were halting": Wer hier im Briefing aufmerksam mitliest weiß, dass das nicht der Fall sein wird. Es wird mit Hochdruck an KI-Modellen für Robotik gearbeitet. China hat den Aufbau von heimischer (humanoider) KI-Robotik zu einem der höchsten Industriepolitik-Ziele erklärt. (Unitree freut's.)

Humanoide Robotik wird aber auf absehbare Zeit nicht „alles“ „überall“ ersetzen. Stattdessen wird es „Baumols cost disease“ noch verstärken.

Völlig unklar ist heute, wie sich Preisniveaus von Produktkategorien entwickeln werden:

Some worry that the Baumol effect would be so acute as to limit economic growth. When the price of something collapses, people buy more of it. But its share of consumer spending can still fall. Take food. In 1909 Americans bought 3,400 calories-worth of food per day (including waste), which cost 43% of their incomes. Today they buy 3,900 calories-worth, but that costs just 11% of their incomes. If prices fall faster than quantity increases, the measured economy becomes dominated by whatever it is that cannot be made more efficiently. “Growth may be constrained not by what we are good at but rather by what is essential and yet hard to improve,” wrote Mr Aghion and his colleagues.

Das trifft im Grunde auf fast alles zu: Relativ unklar, wie die volkswirtschaftlichen Effekte in Summe am Ende tatsächlich aussehen werden.

Umso wichtiger, dass auch hierzulande ernsthafte Debatten darüber geführt werden, was passiert, wenn die Prognosen aus den Labs zutreffen - und, last but most certainly not least wie wir es realistisch(!) beeinflussen können.

Unterschätzte KI

Ebenfalls im Economist:

AI labs’ all-or-nothing race leaves no time to fuss about safety

They have ideas about how to restrain wayward models, but worry that doing so will disadvantage them

The EconomistThe Economist

The boosters could, of course, be over-optimistic. But, if anything, such prognosticators have in the past been too cautious about ai. Earlier this month the Forecasting Research Institute (fri), another research group, asked both professional forecasters and biologists to estimate when an aisystem may be able to match the performance of a top team of human virologists. The median biologist thought it would take until 2030; the median forecaster was more pessimistic, settling on 2034. But when the study’s authors ran the test on Openai’s o3 model, they found it was already performing at that level. The forecasters had underestimated ai’s progress by almost a decade—an alarming thought considering that the exercise was designed to assess how much more likely ai makes a deadly man-made epidemic.

(Hervorhebung von mir)

Dazu passend auch diese Entwicklung:

Als die deutsche Automobilindustrie sich vom Massenmarkt verabschiedete

Man sieht in diesem Chart hervorragend den Zeitpunkt, als sich VW und die anderen deutschen Automobilkonzerne mit Ansage auf die Marge zu konzentrieren begannen und den Massenmarkt damit aufgaben.

Quelle

Selbst Japan liegt heute höher und China scheint gerade erst anzufangen.

Wie immer bei diesem Thema: Software-Plattformen und Services entstehen auf einer breiten Hardware-Basis. Wer diese nicht hat, hat auch keine Chance auf, zum Beispiel, softwarebasierte Geschäftsmodellinnovationen.

(Hinzu kommen alle Folgen der größeren Vielfalt an Formfaktoren dank E-Antrieb. Metropolenlieferungen via E-Bikes und E-Scooter-Sharing waren da erst der Anfang.)

Geopolitische Unabhängigkeit und KI

Sehr wichtiger und lesenswerter Beitrag von Marcel Salathé zur Frage, an welchen Stellen der Wertschöpfungskette bei KI wir uns unabhängig machen können und machen sollten.

AI Sovereignty: The Emperor Has No Clothes

Most countries should stop chasing illusions of AI sovereignty and focus on building and strengthening talent pipelines.

Engineering PromptsMarcel Salathé

Zu oft wird diese Frage als alles oder nichts debattiert, was einerseits unrealistisch und andererseits unernst ist.

Wir werden meiner Meinung nach nicht US-Top-Anbieter in KI-Modellen einholen und wir werden, mittlerweile, wohl auch eher nicht die offenen Top-Modelle aus China einholen. Das ist aber vielleicht auch gar nicht notwendig, wenn wir es schaffen eigene Ökosysteme und Branchen rund um offene Modelle zu bauen.

Wichtig ist hier ein pragmatischer Ansatz, um das Meiste aus KI herauszuholen.

Salathé spricht von einem Fokus auf „building and strengthening talent pipelines“, was sowohl Hochschulen als auch Ausgründungen aus diesen einschliesst:

At a recent talk I gave at the Swiss Software Festival, this was one of the key discussion points. I argued that for Switzerland (and I believe this holds true for virtually every country except the United States and possibly China), AI sovereignty doesn't exist. It's a pipe dream, an illusion. But it remains incredibly appealing, and its temptation might actually prevent us from focusing on more realistic goals.

To have sovereignty means possessing decision-making power and the agility to act independently. You essentially control your own destiny. A nation with AI sovereignty would be able to make decisions about AI development and deployment without external constraints, fully independently.
My contention is straightforward: outside of the United States and possibly China, no nation currently meets all these criteria.

Sein verfolgenswerter Ansatz:

Rapid adoption and innovation: With talent, you can quickly integrate leading AI technologies and build world-class products and services on top of existing platforms. Yes, selling GPUs is great business, but most wealth generation in AI in the long run will be in applications.
Localization and adaptation: Don’t like a limited offer of US and Chinese AI? Take global AI developments and adapt them to local contexts, values, and regulatory requirements. The Swiss LLM initiative exemplifies this approach, and is precisely the kind of targeted, strategic initiatives that make sense. Needless to say, this needs strong talent.
Education and research investment: Because talent is so central, your first task is in ensuring you maintain and expand talent pipelines through sustained investment in education and research infrastructure.
The path forward is clear, in my view: if small to mid-sized nations want to position themselves strategically in the AI era, they should prioritize talent sovereignty. Rather than chasing the illusion of complete AI independence, focus on building and maintaining the human capital that can thrive in an AI-transformed world.

Sein Fazit:

In the end, success in the AI age won't be determined by whether a country can produce its own chips or control its own compute infrastructure. It will be determined by whether it has the people capable of building remarkable things with the tools available to them. For that you need talent production, and thus investment in education and R&D.

Neben den volkswirtschaftlichen Folgen einer rapide besser werdenden KI ist das das zweite drängende wirtschaftliche Thema, mit dem sich die europäische Politik beschäftigen muss.

China hat einen sehr anderen KI-Ansatz als die USA

Dazu passend die Frage, wie man in China KI angeht und warum plötzlich von dort offene KI-Modelle kommen, die es mit den US-Modellen aufnehmen können.

KI-Browser: Türöffner für die nächste Internet-Revolution? (mit Marcel Weiß)

Der Browser galt lange als digitales Basiswerkzeug – nützlich, aber unspektakulär. Doch mit der Integration künstlicher Intelligenz wird er plötzlich wieder zum Hotspot technologischer Innovation. In dieser Folge von Tech, KI und Schmetterlinge spricht Sascha Lobo mit Digital-Analyst und Journalisten Marcel Weiß über das Comeback des Browsers – durch KI-gestützte Tools wie Comet oder DIA.

Tech, KI & SchmetterlingeSascha Lobo, Schwarz Digits

Was bedeutet es, wenn Browser plötzlich mitdenken, Rezepte automatisch in Warenkörbe übertragen oder Mails durchsuchen und sortieren können? Warum werden Plattformen wie Instagram oder LinkedIn nervös, wenn KI-Agenten auf ihre Web-Oberflächen zugreifen? Und: Ist der KI-Browser der Vorbote für das nächste große Interface – oder doch nur eine Brückentechnologie?

Eine Folge über Komfort, Kontrolle, Datenschutz – und darüber, wie überraschend lebendig der Browser 2025 wieder ist.

Das Gespräch knüpft nahtlos an das Briefing zum Thema an:

Briefing 267: KI-Browser sind der neue Plattformkampf

KI-Browser hier & jetzt, Implikationen und Aussichten

neunetz.comMarcel Weiß

Ein interessanter Aspekt: Sascha wirft die berechtigte Frage in den Raum, ob die Suche nach dem KI-Gadget fehlgeleitet ist, weil es bei KI wie so oft die Software ist, die den Zugang definiert und dominiert, nicht die Hardware. Also Software statt Hardware. Also hier KI-Browser statt KI-Gadget von Jony Ive für OpenAI.

Das ist ein nachvollziehbarer und richtiger Gedanke. Der Siegeszug des Smartphones war schließlich genau das. Ein Computer in Taschenformat, der alles verschluckt hat, vom MP3-Player bis zur Digitalkamera, weil die Software die Hardware ersetzte. Und damit alles in einem Gerät vereinte.

Meine Entgegnung im Podcast-Gespräch: KI-first ist eine weitere Verschiebung des Paradigmas, weg von dedizierter Hardware (haben wir schon vollzogen) und jetzt (neu!) auch weg von dedizierter Software. Weil die KI über allem liegt. Und das wiederum bedeutet, dass die KI selbst, und damit die Cloud, im Mittelpunkt steht. (Weil die funktional umfangreichsten KI-Systeme in der Cloud sind, nicht lokal. Und das wird auch absehbar so bleiben.)

Daraus folgt unter anderem, dass Hardware und Software „nur“ Touchpoints zur KI werden. Wir hatten das und dessen Implikationen hier unter anderem bereits in Briefing 261 debattiert:

Briefing 261: Die neue Tech-Ära

Neue Tech-Ära, Paradigma hinter KI-First-Gadgets von OpenAI, Chips in EU vs. Chips in China, Uber Route Share

neunetz.comMarcel Weiß

Nichts davon wird natürlich 100 Prozent der Nutzung erreichen. Es gibt heute immer noch Digitalkameras. Apps und Webdienste, die Menschen händisch bedienen, wird es natürlich immer weiter geben. Aber das Gros der Aktivität an vielen Stellen, vor allem Mainstream-Nutzung und Nicht-Expert:innen-Nutzung, wird von KI-Systemen gemanagt werden.

Hier spielen KI-Browser eine strukturell wichtige Rolle. Konzerne wie Google haben einen Vorteil, weil ihre Bots (in diesem Kontext quasi die Hände der KI) bestenfalls punktuell ausgesperrt werden.

Wenn ein Startup wie Perplexity eine Chance haben will, relevant zu werden -und dafür für Nutzer:innen nützlich sein muss-, dann wird es zwangsläufig alle diese Nützlichkeit verringernden Barrieren umgehen, die es umgehen kann. Dazu gehören leider auch freiwillige Dinge wie robots.txt:

Yes, this is not cool.

On the other hand, website owners are not going to cut out any search-related AI bot from Google thanks to its aggregation power.

How can an upstart gain any traction in this reality? At the very least, this is not a clear good/bad situation. It‘s messy. I find it fascinating.

Perplexity is using stealth, undeclared crawlers to evade website no-crawl directives

Das zeigt uns also einen weiteren Grund, warum KI-Browser gebaut werden. Google kann seine KI-Bots aus der Cloud starten. OpenAI dürfte mit seinen mittlerweile 700(!) Millionen wöchentlich aktiven Nutzer:innen ebenfalls auf dem Weg sein, für viele Webdienste und Anbieter so wichtig zu werden, dass sie auszusperren zu hohen Opportunitätskosten führt. OpenAIs GPT-Agent kann also in der Cloud sitzen.

Das Gleiche gilt (noch?) nicht für Perplexity, Dia, Opera und alle weiteren.

Ich will diesen Grund nicht überbewerten -die Nützlichkeit für die Nutzer:innen ist viel wichtiger-, aber man sollte das auch nicht unterschätzen: Der Umweg über den lokalen Browser stellt den Zugang sicher. Wo ich hingehe, wo ich Accounts habe, wo ich das Abo zahle, dort ist auch meine KI mit meinem Browser drin. Damit wird der Browser mindestens für kleinere Anbieter ein wichtiger Baustein im KI-First-Angebot. Er ist nützlich für die User und er gibt der KI in der Cloud im Zweifel Zugänge über den lokalen Umweg, den die KI-Unternehmen in Form von Deals so schnell nicht bekommen würden. Im Idealfall wandern die Aufgaben und die Interaktionen zwischen Mensch und KI dann zwischen Gadgets, Browser und weiteren Touchpoints hin und her. KI-First ist Cloud-First.

Das hat natürlich alles keinen Wert, wenn es den Usern nichts bringt. In der persönlichen Nutzung habe ich festgestellt, dass es sehr viel leichter ist, Einsatzzwecke für KI im Alltag zu entdecken, wenn sie direkt im Browser sitzt und dort alles sieht, was ich sehe.

Oder wie ich in Briefing 267 schrieb: Im Browser steckt man bereits mitten in einer angefangenen Tätigkeit, die spontan an die KI weitergereicht werden kann. Weniger Copy&Paste bedeutet weniger Reibung, also weniger mentale Transferleistung.

Jochen Krisch und ich haben in den Exchanges außerdem tiefer in den letzten Monaten über das Thema gesprochen, natürlich mit einem Fokus auf die Auswirkungen auf den Onlinehandel:

Exchanges #375: KI-Browser und andere Disruptoren

Selten musste der (Online-)Handel mit so vielen neuen Wettbewerbern rechnen. In den aktuellen Exchanges sprechen Jochen Krisch und Marcel Weiß nicht nur über die jüngsten Entwicklungen im KI-Bereic…

Exciting CommerceMarcel Weiß

Exchanges #373: „Buy for me“ – Amazon und der AI Commerce

Jochen Krisch und Marcel Weiß sprechen in den aktuellen Exchanges über Amazons KI-Kaufdienst „Buy for me“ und warum Amazon im Wettbewerb mit OpenAI, Perplexity & Co. genau jetzt mit so etwas ex…

Exciting CommerceMarcel Weiß

Hi,

wenn es ein Mission Statement für neunetz.com geben müsste, dann wäre es nah an dieser Aussage von Kevin Kelly:

For maximum results, focus on your biggest opportunities, not your biggest problems.

Herausforderungen, Probleme und negative Effekte müssen thematisiert werden, aber jede konstruktive Auseinandersetzung mit dem eigenen Potenzial oder bei Fachpublikationen die Begleitung ihres Themenfelds muss zwingend den Fokus auf die Möglichkeiten, das Potenzial, haben. 90 Prozent von allem ist Mist, die Musik liegt in den übrigen 10 Prozent. Es gehört zur zentralen Aufgabe von neunetz.com, diese 10 Prozent zu identifizieren.

Marcel

Im Fokus dieser Ausgabe:

• OpenAI launcht ChatGPT Agent, der komplexe Aufgaben eigenständig im Netz erledigen kann
• KI-Browser und Cloud-Funktionen werden auf unterschiedliche Arten verwischen
• Große Plattformen und Händler setzen verstärkt auf KI-Bot-Sperren – Google bleibt wegen seiner Bedeutung die Ausnahme.
• Chinas KI-Lab Moonshot übertrumpft westliche Modelle mit Kimi K2 und etabliert die Nation endgültig als führenden Anbieter offener KI-Modelle.
• Substack erfindet sich als Social-Media-Plattform neu und gewinnt mit 'Notes' massiv Momentum bei Publishern.
• und mehr

Zitat der Woche

If you make guaranteed generational wealth in a few short years, doing virtually the same work as before - who would stick with the lower-paying company? This is how OpenAI recruits from smaller AI startups - I hear it all the time. And now how Meta recruits from OpenAI!

Gergely Orosz auf X

Kontext:

Another High-Profile OpenAI Researcher Departs for Meta

Jason Wei, who worked on OpenAI’s o1 and deep research models, will be joining Meta’s superintelligence lab. His colleague Hyung Won Chung is also joining Meta, a source tells WIRED.

WIREDKylie Robison

KI-Browser

OpenAI ChatGPT Agent oder: Aus Modellen werden endlich Anwendungen

ChatGPT Agent:

• kann eigenständig komplexe Aufgaben im Internet vollständig ausführen, indem es Websites aktiv bedient und verschiedene Werkzeuge nutzt.
• Steht ab sofort Pro-, Plus- und Team-Nutzer:innen zur Verfügung.
• Datenschutz und Sicherheit durch explizite Nutzerbestätigung und neue Kontrollmechanismen (Altman empfiehlt etwa explizit, dem Agenten nicht alle Zugriffe für alle Aufgaben zu geben)

Ich habe letzte Woche im Briefing zu KI-Browsern geschrieben, dass die Funktionen in KI-Browsern maßgeblich über die Cloud kommen und dass der Übergang zwischen Cloud-Angeboten und lokalen Browsern fließend ist. Gestern hat OpenAI ChatGPT Agent vorgestellt, der ähnliche Dinge ausführen kann wie der KI-Browser Comet, das aber komplett im Webdienst macht.

Die Details sind gar nicht so entscheidend. Entscheidend ist Folgendes: Die KI-Branche hat seit mindestens Ende 2024 mit den Reasoning-Modellen die notwendige Technologie für KI-Agenten. Seit über einem halben Jahr wurde an Interfaces und Produkten auf dieser Technologie gearbeitet, die nun auf den Markt kommen. (China war mit Manus etwas schneller als die Amerikaner. Europa schaut weiter mit Händen auf dem Schoß fasziniert zu.)

KI wird für die Endnutzer:innen jetzt (endlich) mehr als nackte Chats.

Was davon funktioniert besser? Sowohl Details des Interfaces als auch die eigentliche Ausgangslage -Cloudservice oder nächste Browser-Generation etc.-, das alles wird ausprobiert.

Aufgrund dieser jetzt auf den Markt kommenden Produkte (ChatGPT Agent, Dia, Comet etc.) ist die Annahme realistisch, dass die Entwicklungen in der zweiten Hälfte 2025 und nächstes Jahr sehr viel rasanter und spürbarer werden als es 2024 der Fall war.

Widerstand gegen KI-Bots

Neben Cloudflare (Briefing 266) legen jetzt auch Größen im Onlinehandel nach: Amazon sperrt Googles Shopping-Bot aus, Shopify alle AI-Bots per Default.

AI first – oder: Wer gewinnt den Kampf um den Checkout?

AI-first-Player – ob auf Anwendungs-, Browser- oder Betriebssystemebene – sind prädestiniert, den Checkout zu integrieren („OpenAI working on payment checkout system within ChatGP…

Exciting CommerceJochen Krisch

Hier spielt auch die Sonderposition von Google hinein. Googles KI kann nicht überall ausgeschlossen werden. Stratechery:

There is one important exception to these new defaults: Google, which has two crawlers. Googlebot crawls the web for Google search, while Google-Extended crawls the web to capture data for Gemini. What is critical to understand, however, is that data for Google Search AI products — including AI Overviews and AI Mode (i.e. the search funnel) — is gathered by Googlebot; that means that if you want your website to show up in Google Search you have no choice but to have that data also be used by any AI products that are under the Search umbrella.

Es ist für Startups wie Perplexity zumindest in der aktuellen Phase hilfreich, wenn sie die Bot-Sperrungen über den lokalen Browser ihrer Nutzer:innen umgehen können.

“Phase” bedeutet: Sie müssen groß genug werden um, wie Google, nicht mehr ignoriert werden zu können.

Mobile KI-Browser

Richtig spannend wird es erst, wenn die mobilen Versionen der KI-Browser landen. Natürlich wird daran fieberhaft gearbeitet. Denn hier sitzt der wahre Preis: Der Mainstream.

Mobile Browser sind eine besondere Appgruppe mit einem eigenen Discovery-Weg:

Ein Discovery-Weg, der unter anderem von der EU regulatorisch forciert wird.

Dias neue Skills-Galerie

Dia hat jetzt eine Skills-Galerie. Skills sind heute vorgelagerte Prompts. Dia hat bereits Funktionen für KI-generierten Code angekündigt, womit User Websites verändern können. Wenn man die Augen zusammenkneift, sieht man eine daraus entstehende, ferne Plattform auf der Roadmap von Dia.

Das Skills-Verzeichnis eignet sich auch, um sich ein Bild davon zu machen, was heute mit dem KI-Browser bereits geht.

Interfaces, Ansätze & Experimente, ein neues UI-Spielfeld

Dieser Thread auf X gibt einen Einblick in die Denkweise hinter Dia und die philosophischen Unterschiede zwischen den Startups. OpenAI wird wiederum einen anderen Weg wählen. Anthropic scheint sich auf MCP als Hauptsäule einzuschießen.

Sicher ist lediglich: Es wird nicht den einen Weg geben.

Völlig unklar dagegen: Welcher Ansatz populärer sein wird.

🤖 KI

OpenAI kopiert Palantir

OpenAI kopiert Palantirs Beratungsstrategie und setzt auf maßgeschneiderte KI-Lösungen für Großkunden.

OpenAI's offering starts at $10 million for enterprise-grade GPT‑4o deployments, staffed with forward‑deployed engineers embedded in client workflows. Early adopters reportedly include the U.S. Department of Defense and Southeast Asia's Grab.

Eine mittlere Katastrophe für Accenture.

OpenAI’s $10 Million+ AI Consulting Business: Deployment Takes Center Stage

OpenAI copied Palantir’s playbook and is now offering consulting services.

ForbesSol Rashidi

China legt erneut offenes SOTA-Modell vor: Moonshot Kimi K2

Für die FAZ habe ich über Moonshot Kimi K2 geschrieben:

Augenhöhe mit Open AI: Kimi K2 und der zweite Deepseek-Moment

Der Kimi-Knall hat’s in sich. Das neue KI-Modell von Moonshot AI schlägt westliche Spitzenmodelle und ist gleichzeitig um ein Vielfaches günstiger. Und das Modell hat noch weitere Vorzüge.

Frankfurter Allgemeine Zeitung

Das neue Modell von Moonshot AI schlägt westliche Spitzenmodelle in den Benchmarks und ist gleichzeitig bis um den Faktor fünf günstiger. Und das Modell kommt mit MIT-Lizenz und offenen Gewichten.

Moonshot ist einer der "KI-Tiger" Chinas, eines der Frontier-Labs. Moonshot hat eine Milliarde $ von Alibaba und 300 Millionen $ von Tencent eingesammelt.

K2 ist kein Reasoning-Modell. Es ist Moonshots V3. V3 war Deepseeks jüngstes Basismodell, von dem Deepseek zum Jahreswechsel R1 abgeleitet hat.

K2 ist so gut, dass das unweigerlich kommende davon abgeleitete Reasoning-Modell mindestens so große Wellen schlagen könnte wie R1. (Und Deepseek arbeitet an V4 und R2.)

Kimi K2 ist im Ranking der tatsächlichen Nutzung auf Openrouterbereits auf Platz 5 in der Kategorie Programmieren gelandet, eine Woche nach Veröffentlichung:

Was wir hier sehen, ist nichts weniger als eine tektonische Verschiebung in der KI-Landschaft. Kimi K2 von Moonshot AI ist kein einfacher "GPT-Killer", sondern der Beweis, dass China jetzt systematisch die Führungsrolle bei offenen KI-Modellen übernimmt.

Die wirkliche Dimension erschließt sich erst durch die praktische Relevanz: Für europäische Unternehmen öffnet sich hiermit eine günstigere, flexiblere Alternative zu US-Anbietern. Die strategische Machtverschiebung ist unverkennbar.

Ich sehe aktuell nicht, dass die USA hier mithalten kann oder will. Meta ist der einzige große Player, der offene Modelle veröffentlichte und von Meta kommen Gerüchte an die Öffentlichkeit, dass die neue Superintelligenz-Ausrichtung mit geschlossenen Modellen einhergehen könnte.

Damit bleiben im Westen als relevante Player nur noch das US-Nonprofit AI2 und Mistral aus Paris.

Kimi K2 lässt sich recht einfach testen und auch nutzen.

K2 kann über Groq in Witsy genutzt werden.

Es ist im Vergleich nicht günstig, aber sensationell schnell.

Hi,

Perplexity hat diese Woche den lang angekündigten KI-Browser Comet für erste Nutzer:innen gelauncht. Ich benutze seit einigen Wochen den KI-Browser Dia von The Browser Company und habe nun mit Comet die Gelegenheit gehabt, einen zweiten KI-Browser zu testen. Wer das Briefing schon länger liest, weiß, dass ich KI-Browser als wichtigen nächsten Schritt in KI sehe.

Wegen alldem gibt es heute eine etwas andere Sonderausgabe des Briefings mit einem Schwerpunkt: KI-Browser. Diese Ausgabe ist außerdem komplett öffentlich verfügbar.

Marcel

Im Fokus dieser Ausgabe:

• Warum KI-Browser? Weil Browser als Zugangspunkt für KI-Agenten einfacher grundsätzlich und strategisch günstiger zu bauen sind als neue Betriebssysteme und dort die Schnittstelle zu Nutzer*innen und Aufgaben liegt.
• Im Einsatz: Eigene Erfahrungsberichte zeigen praktische KI-Browser-Funktionen, wobei ihre Möglichkeiten und Limitationen im Alltag gut sichtbar werden.
• KI und Handel als Beispiel: Standardisierte Webshops werden zunehmend von KI für User bedient, wodurch Content, Reputation und Service wichtiger werden, aber Zusatzdienste schwieriger verkauft werden. Oder wird Content doch weniger wichtig?
• Kommende Iterationen: KI-Browser werden sich schnell weiterentwickeln, werden noch stärker cloudbasiert, das Chat-UI bleibt suboptimal; langfristig könnten sie als Basis westlicher Superapps dienen.

KI-Browser sind hier

Bereits (mehr oder weniger) verfügbar:

• The Browser Company ist vor einem Monat mit dem KI-Browser Dia in die Public Beta gegangen.
• Erstaunlich wenig Beachtung hat Opera Neon erhalten. Der KI-Browser vom Veteranen wurde ebenfalls Ende Mai vorgestellt.
• Diese Woche hat Perplexity seinen Browser Comet gestartet.
• Google baut zunehmend mehr KI-Funktionen in Chrome ein.

Nicht überraschend und sicher völlig zufällig berichtete Reuters diese Woche, parallel zum Comet-Launch, dass auch OpenAI in den nächsten Wochen einen KI-Browser starten wird. Nicht überraschend, weil OpenAI bereits vor einem Jahr unter anderem ehemalige Chrome-Leute eingestellt hat.

Warum bauen so viele jetzt KI-Browser?

Der Hauptgrund lässt sich so zusammenfassen: Einen Browser bauen ist einfacher als ein Betriebssystem bauen. Ganz zu schweigen von dem, was nach dem Bau kommt. Ein neues Betriebssystem heute zu etablieren, ist nahezu unmöglich. Selbst bei Erfolgsaussicht würde es mindestens ein Jahrzehnt oder länger dauern.

Stattdessen lässt sich fast alles mit dem Browser abdecken. Vorerst.

Denn es geht auch, wie ich im März schrieb, um den Zugang der KI zu nicht-öffentlichen und persönlichen Dingen:

Die KI geht wie die Nutzer:innen über deren Browser in deren Onlineaccounts.

Unabhängig von den Branchenüberlegungen gibt es noch ein Argument für KI im Browser. Agenten können heute bereits erstaunlich viele Dinge (siehe unten), aber sie können noch bei weitem nicht alles. Und die User müssen erst lernen, was KI-Agenten für sie machen können.

Statt sich diese Gedanken vorher zu machen und dann die KI loszuschicken, ist die KI hier genau an der Stelle, an der sich die Aufgaben türmen: Im Browser.

Ich mache etwas und stelle dabei fest, dass ich die KI um Hilfe bitten kann. Ich kann nach der Hilfe die Aufgabe selbst zu Ende führen oder die KI wieder losschicken. Dieses Hin-und-her, diese Aufteilung der Aufgaben zwischen Mensch und KI ist der beste aktuelle Weg, was Technikstand als auch unser Verständnis der Technik für unseren Alltag angeht.

Hier & Jetzt: Comet und Dia im Einsatz

Wenn man einen KI-Browser gesehen hat, hat man alle gesehen, könnte man meinen. KI in der Sidebar, Ende der Geschichte. Meine erstaunlichste Erkenntnis diese Woche war, wie sehr sich Dia und Comet bereits unterscheiden.

Die größte Gemeinsamkeit neben der Sidebar: Das clevere, von Dia eingeführte Design, Tabs per @ im Chat zu referenzieren. (Kryptischen Aussagen des Dia-CEOs zu folge, hat sich Perplexity hier schnell inspirieren lassen.)

Der größte Unterschied zwischen beiden liegt bereits in der Tatsache, wie die KI in der Sidebar im Browser integriert ist. Bei Dia ist die Sidebar stärker an den Tab gebunden. Jeder neue Tab geht ohne Sidebar auf, sie muss erst aufgerufen werden. Bei Comet ist die Sidebar, der „Assistent“, immer geöffnet wenn die Nutzer:in das möchte. Text verschwindet und wird eingescrollt je nach dem auf welchen Tab man geht. Das ist mindestens gewöhnungsbedürftig. Man sieht aber bei beiden Ansätzen die Überlegungen dahinter. Die Pfade sind gesetzt.

Dia hat eine sehr nützliche Funktion namens Skills. Skills sind vorgelagerte Prompts wie bei Custom GPTs in ChatGPT oder bei Projects in Claude.

Hier ein Shoppingvergleich-Skill im Einsatz auf Amazon:

Der Unterschied im Sidebarverhalten dürfte auch daher kommen, dass Comet bereits als „agentic Browser“ startet. Comet kann im Gegensatz zu Dia selbständig Dinge auf Websites ausführen.

Wichtig: Beide können mehrere Tabs in ihre Aufgaben einbeziehen. Die Grenzen hier werden vor allem von der Fantasie der User bestimmt.

Hier ein paar Inspirationen von Perplexity, was User damit machen können sollen:

Ich habe ein Experiment mit deutschen Lebensmittellieferanten durchgeführt. Auf der K5 habe ich getestet, wie gut es funktioniert, die Zutaten von einem Rezept auf Chefkoch.de auf Knuspr und Flaschenpost zu sammeln. Kann die KI die Zutaten richtig auslesen, die entsprechenden Produkte bei den Onlinehändlern finden und mir sagen, was es jeweils in Summe kosten würde?

Nunja, das Auslesen bei Chefkoch und die Übersetzung in die Produkte war kein Problem. Bei den Preisen versagt Dia dann allerdings und nannte bei vielen Zutaten falsche Preise. Es ist unklar, welche KI-Modelle Dia im Hintergrund benutzt. Möglich, sogar wahrscheinlich, dass Dinge wie dies heut oder morge in Dia bereits funktionieren. Denn es ist technisch heute möglich.

Ich habe das Gleiche bei Comet getestet. Comet hat die richtigen Preise ausgelesen.

Dann erinnerte ich mich daran, dass Comet als „agentic Browser“ beworben wird und dachte, ich versuche mal, ob der Browser den Warenkorb beim tchechischen Anbieter Knuspr auch eigenhändig befüllen kann. Kann es:

Natürlich muss das Ergebnis noch von Hand gecheckt werden. Aber insgesamt ist das schon recht beindruckend.

Dass der KI-Agent bei Comet direkt den Browser auf dem Rechner benutzt, sollte man immer mitdenken. Hier habe ich den Assistenten auf einen Ordner in meinem Feedreader losgelassen:

Anschließend waren 20 Einträge als gelesen markiert. Denn der Webservice ist so konzipiert, dass ein Mensch i Browser die Einträge aufruft und liest und diese dann automatisch als gelesen markiert..

Comet hat Widgets für leere neue Tabs. Keine neue Browser-Funktion, aber hier lassen sich KI-Aufgaben ablegen, die schnell abgerufen werden können. Die Ursuppe für ein kommendes Launchpad kleiner personalisierter ‘Apps‘, wenn man so will:

Comet zeigt bereits heute, wie mächtig und vor allem zugänglich für normale Uer:innen KI-Agenten im Browser-Umfeld sind.

Hier noch weitere Vorschläge von Perplexity, was mit ihrem Browser gemacht werden kann:

Dias Interface ist leichter verständlich. Perplexitys Comet spricht eher Poweruser an. Dass die Suche Perplexity in einem Tab in Comet geöffnet, plötzlich auch die anderen Tabs im Browser sehen kann, wenn man sie per @ referenziert, ist erst einmal etwas, das irritiert. Es zeigt hier aber auch deutlich, dass beide Unternehmen aus unterschiedlichen Richtungen auf das Thema zugehen.

Ich vermute stark ein neues UI-Spielfeld hier, während die Player herausfinden, was funktioniert und was nicht.

Offensichtliche und weniger offensichtliche Implikationen

Ein paar mehr oder weniger offene Fragen, die ich mir seit einigen Monaten in Bezug auf KI-Browser im Speziellen und bei KI-Agenten allgemein stelle:

• Alles, was wir im Internet anbieten -Onlinehandel, Publikationen, Plattformen, Services- wurde mit dem gar nicht mitgedachten, weil offensichtlichen Gedanken gebaut, dass das legitime Publikum, die Kundschaft, die Community, wie auch immer, Menschen sind, die per Hand hier landen und per Hand hier interagieren. Was verändert sich alles, wenn diese Menschen KI-Agenten losschicken? (Die Historie von SEO und dem vergleichsweise dummen Google-Bot gibt uns einen Hinweis auf eine Art von Dynamik, aber nicht auf das ganze Bild.)
• Wenn ich zahlender Abonnent vom Economist, FAZ oder Spiegel etc. bin, dann werden die Archive dieser Publikationen für mich auf einmal sehr viel wertvoller, wenn ich mit einem KI-Browser bewaffnet bin. Dieser kann für mich durch das Archiv gehen und finden, was ich suche. Ein neues Interface. Was bedeutet das für die Publikationen?
• Wann möchte ich mich voll integrieren und in der KI gefunden werden und dafür die Kontrolle über mein Angebot verlieren? Das ist keine Ja/Nein-Frage.

Hier habe ich Comet losgeschickt, das Archiv des Economist zu durchsuchen. Der Economist war in einem Tab mit meinem eingeloggten Account offen.

KI-Browser und der Onlinehandel

Nehmen wir beispielhaft den Onlinehandel.

Wie wir bereits oben sehen konnten, können die ersten KI-Browser beziehungsweise die im Hintergrund laufenden KI-Agenten Onlineshops bedienen. Lebensmittelanbieter wie Knuspr sind da noch eine größere Herausforderung für die KI. Das Gros des Onlinehandels ist es nicht: Es gibt kaum eine Branche, die so besessen von Best Practices und Optimierungen ist, wie der Onlinehandel. Das liegt vor allem daran, dass historisch seit Bestehen der Branche der Hauptdiscoveryweg ein vergleichsweise starres Machine-Learning-System ist, für das es eine überschaubare Zahl an Regeln gab. Wir kennen es unter dem Namen Google. Der zweite Grund ist die Messbarkeit der Aktivitäten potenzieller Kund:innen.

Die direkte Folge: KI-Browser mögen noch an der Bedienung von Figma scheitern, auch weil es nicht Tausende standardisierte Figmas gibt. Aber die KI kann Webshops bedienen, weil es ein bisschen sehr viel mehr als Tausend standardisierte Webshops weltweit gibt.

Dieser Umstand plus die Tatsache, dass die ersten Payment-Anbieter wie Stripe Einmal-Kreditkarten für den sicheren Einsatz beim KI-Shopping eingeführt haben, machen den Onlinehandel prädestiniert dafür, zu den ersten Zielscheiben der KI zu zählen.

Auf der Onlinehandelskonferenz K5 wurde dieses Jahr auch viel über Strategien in einer KI-Welt gesprochen. Guter Content wird wichtiger, habe ich öfter gehört. Das ist durchaus nicht falsch. Aber ist es wirklich allgemein gültig? Ich meine, dass hier der eigentliche Paradigmenwechsel noch nicht richtig internalisiert wurde:

KI zerbröselt das Interface.

Bisher hatten wir die eigenen Angebote und einer Disintermediation der Discovery. Diese fand statt über Plattformen wie der Google-Suche und Marktplätzen wie Amazon. Onlinehändler haben keine Kontrolle über die Google-Suche und ihr Ranking, sie können letzteres nur optimieren; und Werbung kaufen. Marktplatzverkäufe haben keine Kontrolle über ihr Ranking auf Amazon, sie können es nur optimieren; und Werbung kaufen.

Bei Marktplätzen verlieren die Händler außerdem die Kontrolle über die Darstellung. Als Marktplatzverkäufer kann ich einzelne Segmente meiner Produktseiten gestalten, aber nur Segmente. Auf jedem Marktplatz gibt es Segmente bei den Produktseiten, wo Konkurrenten ihre Produkte bewerben können. Wettbewerb! Ähnliches gilt für alle Plattformen: Videocreators haben eine Onlinepräsenz auf YouTube, auf der die Plattform immer auch andere Creators bewirbt.

KI treibt das auf die Spitze und zerbröselt alles in seine Informationsbausteine.

Also: Ich will als Onlinehändler von der KI gefunden und ausgewählt werden. Guter Content kann hier helfen. Aber spielen wir die Szenarien einmal durch: Die Userin nutzt die KI (im Browser oder anderswo) für ihre Kaufentscheidung. Die KI sucht Informationen zum Produkt: Lieferzeiten, Lieferkosten, Preise, Reviews, Informationen zum Produkt, Alternativen. Jeder dieser einzelnen Punkte kommt von unterschiedlichen Seiten. Nur weil ich sehr gute Informationen zum Produkt auf meinem Angebot habe, muss die KI nicht meinen Kaufbutton auswählen.

Vielleicht werden zerbröselte Onlinehändler komplett reduziert auf Execution und Preis? Das ist im Google-Umfeld bereits der Fall, kann hier aber noch extremer werden: Wenn ich die KI losschicke, und die KI im Zweifel auch den Einkaufsprozess für mich übernimmt, dann sehe ich in diesem Szenario nicht ein einziges Mal das Webangebot des Onlinehändlers. Das Webangebot kann also hässlich wie die Nacht sein, ohne dass das die Conversion verringert.

Wichtiger wird vielleicht: Wie gut meine Reputation ist bei Lieferung, Reklamationen etc. Oder zumindest, was die KI über meine Reputation weiß.

Vielleicht auch: Die Kund:innen klicken/tippen auf die Fotos in der KI-Übersicht, weil sie sich selbst ein besseres Bild machen wollen, bevor sie kaufen.

Nur eins scheint mir aktuell sicher zu sein: Das dominierende Kaufverhalten wird noch stärker als bereits der Fall von der Produktkategorie abhängen.

Darüber hinaus gibt es mindestens eine Sache zu bedenken:

Verkäufe über KI minimieren die Chance zur nackten Transaktion etwa Zusatzdienste, verwandte Produkte, Newsletter-Rabatte oder gar Upselling unterzubringen. Die KI kann manches davon aufnehmen, aber das ist hier der Punkt: Nicht der Onlinehändler entscheidet, was die Kund:innen sehen oder nicht sehen sondern die KI. Act accordingly.

Hier habe ich in Dia ein Produkt auf Otto einem Vergleich unterzogen:

Immerhin ist die Produktseite des Händlers oder Marktplatzes in diesem Szenario noch im Mix.

KI bietet enormes Potenzial für den Onlinehandel. For starters: Wenn das Web zur allgemeinen Programmierschnittstelle der KI-Browser wird, gewinnt die Website wieder an Bedeutung. Je nach Strategie verlieren mobile Apps damit an Bedeutung. Perfekt für eine Branche, die ernsthaft 2024 immer noch debattierte, ob es mobile Apps braucht.

Und: An vielen Stellen wird es sich der Onlinehandel gar nicht aussuchen können.

Die standardisierten Webshops + die sie bedienende KI bedeuten im Grunde das Entstehen einer Welt, die den Marktplätzen in der Dynamik ähnlich ist, mit dem entscheidenden Unterschied, dass die Setupkosten bei den Onlinehändlern im Zweifel bei Null sind. (Weil der KI-Browser den Webshop einfach bedienen kann wie ein Mensch.)

Iterationen und Roadmaps

Ich war lange skeptisch, was das Chat-Interface bei KI angeht. Die Tatsache, dass neben der Transformer-Architektur das Chat-Interface von ChatGPT (mit der entsprechenden Modell-Anpassung) der zweite Hauptgrund war für die KI-Explosion, die wir gerade erleben, hätte mich meine Position früher hinterfragen lassen sollen. Ja, das Chat-Interface hat die gleichen Probleme wie jede Kommandozeile, namentlich vor allem die schlechte Discovery der Möglichkeiten für die User. Aber es ist in einer Welt dominiert von Messengern auch ein Interface, das alle verstehen.

Ähnliches gilt für den Browser. KI-Browser sind nicht der optimale Formfaktor für KI-Interfaces. Aber sie sind der optimale Startpunkt. Weil wir Browser kennen.

Wir hatten hier im Briefing bereits einige Male darüber gesprochen, was KI-First bedeuten wird, vor allem mit Blick auf die Frage, wie KI-First-Gadgets von OpenAI und anderen aussehen werden. Der dortige Blickwinkel gilt natürlich auch für KI-Browser: State-of-the-Art KI kommt aus der Cloud. Lokale Modelle können als Task-Orchestratoren arbeiten. Aber sie werden auf absehbare Zeit Tasks an Modelle in der Cloud abgeben, weil die großen Modelle schlicht die leistungsfähigsten sind.

KI-Browser sind damit eine recht undurchschaubare Gemengelage aus lokalem Programm und Cloud-basierten Funktionen.

Sowohl Dia als auch Opera Neon schicken Anfragen im Chat an Modelle in der Cloud. Noch anschaulicher ist es bei Comet: Im Browser von Perplexity verschwimmen der Sidebar-Assistent und der Webservice miteinander, wenn man in einem Tab den Webservice Perplexity öffnet und dort Tabs mit @ referenzieren kann.

Das gibt uns bereits einen Hinweis auf die kommenden Iterationen.

Es ist jetzt toll, der KI zuzusehen, wie sie im Tab arbeitet. Aber notwendig ist das nicht immer. Nicht nur KI-Vorgänge als auch die Darstellung derselben werden sich mittelfristig vom Tab, also der Website, lösen. Man kann den Browser im Hintergrund „losschicken“, und in Wirklichkeit passiert alles in der Cloud des Anbieters in virtuellen Browsern.

Amazons Buy for me und Googles agentischer Checkout oder auch Project Mariner sind bereits Beispiele für das, was hier kommen wird. Für Laien wird es „im Browser“ passieren, egal wie groß der Cloud-Anteil ist.

Der nächste Schritt sind mobile Companions dieser KI-Browser. Auch diese werden zunächst wie Browser auf dem Smartphone erscheinen. Die KI-Funktionen werden zunehmen. Die Darstellung wird sich verändern. Brösel hier, Brösel da.

Und zack, schon haben wir den ersten tatsächlich nachvollziehbar realistischen Weg hin zu westlichen Superapps. Superapps, die den Namen verdienen wie WeChat in China. Apps, in denen alles abgedeckt wird.

Das ist zumindest die sehr wahrscheinliche langfristige Roadmap für OpenAI, Perplexity, Dia und Co. Und deren Wunsch. Ob es so kommt, ist natürlich offen.

Fazit

Vibe Browsing kommt. Gemessen an der Wucht von ChatGPT, das jetzt bereits nach nicht einmal drei Jahren bei um 800 Millionen aktiven Nutzer:innen weltweit liegen soll, können auch die KI-Browser sich schnell ausbreiten. Gemessen an den ersten persönlichen Erfahrungen kann ich sagen, dass sich KI-Browser wie der logische nächste Schritt in der Interaktion mit KI anfühlt. Es wird mehr möglich, und die Nutzung des Browsers gibt dem Nutzer Ideen, die KI zu benutzen, die zwar auch im ChatGPT-Interface möglich sind, dort aber eine Abstraktionsebene zu weit weg liegt. Die legitimen Kundenbots kommen. Was bedeutet das für uns? Wir werden es schnell herausfinden.

Es ist natürlich noch offen, was von dieser Technologie kostenfrei im Browser angeboten werden kann. Comet ist Teil von Perplexity Pro, Dia wird kostenpflichtig, Opera Neon ist es auch. Das liegt in der Natur der Inferenz-Sache. Aber nur Verrückte (wie yours truly) bezahlen für Browser. Für den Mainstream muss der KI-Browser kostenfrei sein.

Ein bisschen mit Comet Dinge ausprobieren und eins wird offensichtlich: Nicht nur Browser. Eine First-Party-Integration einer KI in das Betriebssystem, welche semantisch User Interfaces der Apps versteht und als zusätzliches Interface diese bedienen kann und mehrere Tasks verbinden kann und das über verschiedene Apps hinweg, das birgt nicht nur enormes Potenzial sondern ist auch gar nicht mehr so weit weg.

Je standardisierter ein Interface oder je verbreiteter, desto eher wird es von der KI steuerbar. Und mit der KI-Steuerung kommt die Zerbröselung.

Es gibt noch keine Invites für Comet. Ich habe allerdings 5 Invites für Dia zu vergeben. Interessierte Abonnent:innen können mir mit ihrer Emailadresse schreiben. First come, first serve. Bei gleichzeitiger Anfrage werden zahlende Mitglieder bevorzugt.