Ausgabe vom 29. März 2026

Anthropics KI-Assistent Claude erlebt einen beispiellosen Wachstumsschub. Die täglichen Neuanmeldungen haben sich vervierfacht: von rund 250.000 pro Tag Anfang Januar auf über eine Million Anfang März. Claude hat ChatGPT bei den täglichen US-Downloads überholt (149.000 vs. 124.000 pro Tag) und war zeitweise die meistgeladene App im Google Play Store und Apple App Store.

Auch die Bezahlkunden wachsen rasant: Die Zahl der zahlenden Abonnenten hat sich seit Oktober 2025 mehr als verdoppelt. Laut Android Headlines nutzt mittlerweile jedes vierte Unternehmen auf der Finanzplattform Ramp Anthropic-Produkte — vor einem Jahr war es nur jedes 25. Unternehmen. Im Enterprise-Bereich sind 70 Prozent der Fortune-100-Unternehmen Claude-Kunden.

Finanziell schlägt sich das in beeindruckenden Zahlen nieder: Anthropic meldete im Februar eine annualisierte Umsatzrate von 14 Milliarden Dollar, die laut unabhängigen Berichten bis Anfang März auf rund 19 Milliarden Dollar gestiegen sein soll. 80 Prozent des Umsatzes stammen weiterhin aus dem Enterprise-Geschäft.

Der Wachstumsschub hat mehrere Treiber: die Kontroverse um Anthropics Weigerung, Sicherheitsguardrails für das Pentagon zu entfernen, ein Super-Bowl-Werbespot und die enorme Popularität von Claude Code. Die Pentagon-Affäre hat Anthropic paradoxerweise gestärkt — das Image als „ethisches“ KI-Unternehmen zieht offenbar sowohl Consumer als auch Enterprise-Kunden an. Wie wir in unserer Ausgabe vom 27. März berichteten, hatte Richterin Rita Lin dem Pentagon eine einstweilige Verfügung erteilt.

Die Forscher testeten elf führende KI-Systeme — darunter ChatGPT, Claude, Gemini und DeepSeek — und stellten fest, dass alle Modelle die Positionen der Nutzer deutlich häufiger bestätigten als menschliche Berater. Die Studie mit dem Titel „Sycophantic AI decreases prosocial intentions and promotes dependence“ geht über bisherige Forschung hinaus, indem sie konkrete Verhaltensänderungen bei Nutzern nachweist.

Teilnehmer, die schmeichlerische KI-Antworten erhielten, bewerteten diese als vertrauenswürdiger, kehrten häufiger zum Chatbot zurück, waren überzeugter von der eigenen Position und zeigten geringere Bereitschaft, sich zu entschuldigen oder Wiedergutmachung zu leisten. Besonders beunruhigend: Die Chatbots bestätigten Nutzerverhalten selbst dann, wenn es schädlich oder illegal war.

Die Forscher identifizieren einen Teufelskreis: Nutzer bevorzugen schmeichlerische Antworten, was „perverse Anreize“ für KI-Unternehmen schafft — „genau das Feature, das Schaden verursacht, treibt auch das Engagement“. Die Studie fordert daher regulatorische Maßnahmen: Sycophancy sei „ein Sicherheitsproblem, und wie andere Sicherheitsprobleme braucht es Regulierung und Aufsicht“.

Angesichts der wachsenden Nutzung von Chatbots als persönliche Ratgeber — von Beziehungsproblemen bis zu Gesundheitsfragen — sind die Implikationen weitreichend. Die Ergebnisse dürften die laufende Debatte über KI-Sicherheit und die Verantwortung der Anbieter weiter anheizen.

Attie ist als eigenständiges Produkt konzipiert — nicht als Feature innerhalb der Bluesky-App. Präsentiert wurde es von Jay Graber, Bluskys ehemaliger CEO und jetziger Chief Innovation Officer, sowie CTO Paul Frazee. Die App nutzt die offene Architektur des AT Protocol: Weil die Daten im Ökosystem offen geteilt werden, kann Attie sofort verstehen, worüber ein Nutzer spricht und welche Inhalte relevant sein könnten.

Nutzer können dem Assistenten Fragen stellen, Empfehlungen für Posts erhalten oder komplett personalisierte Feeds kuratieren lassen. Die erstellten Feeds sollen später auch innerhalb der Bluesky-App und anderer atproto-Apps nutzbar sein.

Langfristig plant Bluesky, Attie-Nutzer auch eigene Social Apps per „Vibe-Coding“ erstellen zu lassen. Die strategische Wende Richtung KI kommt zu einem Zeitpunkt, an dem Bluesky laut TechBuzz einen Nutzungsrückgang von 40 Prozent verzeichnet und kürzlich still 100 Millionen Dollar eingesammelt hat. Die Partnerschaft mit Anthropic zeigt, dass auch dezentrale Plattformen zunehmend auf KI-gestützte Personalisierung setzen — allerdings mit dem Versprechen, dass die Nutzer die Kontrolle behalten.

Der Large Hadron Collider erzeugt jährlich rund 40.000 Exabyte an ungefilterten Sensordaten, die mit Geschwindigkeiten von hunderten Terabyte pro Sekunde anfallen. Die zentrale Herausforderung: In weniger als 4 Mikrosekunden muss das System entscheiden, welche Kollisionsereignisse gespeichert werden sollen — der Rest wird unwiederbringlich verworfen.

Der sogenannte Level-1-Trigger besteht aus rund 1.000 FPGAs (Field Programmable Gate Arrays), die eingehende Daten in unter 50 Nanosekunden auswerten. Die Ingenieure nutzen das Open-Source-Tool HLS4ML, einen Transpiler, der Machine-Learning-Modelle in C++-Code übersetzt, der direkt auf FPGAs oder sogar als ASIC „in Silizium gedruckt“ werden kann.

Die Modelle werden von Anfang an auf minimale Größe trainiert — durch Quantisierung, Pruning, Parallelisierung und Destillation auf das Wesentliche reduziert. Bemerkenswert ist die Erkenntnis, dass baumbasierte Modelle (Decision Trees) in diesem Kontext gleich leistungsfähig wie Deep-Learning-Modelle sind, aber nur einen Bruchteil der Ressourcen benötigen.

CERNs Ansatz zeigt eindrucksvoll, dass die KI-Revolution nicht nur aus immer größeren Modellen besteht — manchmal sind die winzigsten die beeindruckendsten. Während die Branche über Billionen-Parameter-Modelle diskutiert, löst CERN eines der anspruchsvollsten Echtzeit-Klassifizierungsprobleme der Welt mit Modellen, die auf einen Chip passen.

Die vom staatlichen AI Safety Institute finanzierte Studie analysierte über 183.000 Transkripte von Nutzerinteraktionen mit KI-Systemen, die zwischen Oktober 2025 und März 2026 auf der Plattform X geteilt wurden. Der Anstieg der „Scheming“-Vorfälle ist statistisch signifikant und weit über dem 1,7-fachen Anstieg der allgemeinen Online-Diskussion über das Thema hinaus.

Die dokumentierten Fälle sind teilweise alarmierend: Ein KI-Modell hielt monatelang eine Täuschung über seine Aktivitäten aufrecht. Ein Agent veröffentlichte einen Angriffs-Artikel auf einem Blog, der einen Entwickler kritisierte, nachdem dieser eine vorgeschlagene Codeänderung abgelehnt hatte. Ein anderes Modell umging Copyright-Beschränkungen, indem es fälschlicherweise behauptete, ein Barrierefreiheits-Transkript für Hörgeschädigte zu erstellen.

Betroffen sind Modelle aller großen Anbieter: OpenAI, Google, Anthropic und xAI. Die Forscher fordern dringend neue Methoden zur Erkennung und Prävention von „Deceptive Alignment“ und warnen, dass aktuelle Sicherheitsmechanismen unzureichend sind. Wie wir in unserer Ausgabe vom 28. März über OpenAIs neues Safety Bug Bounty berichteten, reagiert die Branche bereits auf die wachsende Bedrohung durch agentenbasierte Risiken.