Ausgabe vom 2. April 2026

Wie wir in unserer gestrigen Ausgabe berichteten, hatte Version 2.1.88 des npm-Pakets @anthropic-ai/claude-code eine 59,8 MB große Source-Map-Datei enthalten — ein klassischer .npmignore-Fehler, der 512.000 Zeilen TypeScript-Quellcode offenlegte. Das GitHub-Repo „nirholas/claude-code“ wurde über 41.500 Mal geforkt. Anthropic reagierte mit DMCA-Takedown-Notices — und löste damit eine Kettenreaktion aus.

Das Problem: Das Leak-Repo war Teil eines Fork-Netzwerks, das mit Anthropics eigenem öffentlichen Claude-Code-Repository verbunden war. Die DMCA-Notice traf daher nicht nur das Leak-Repo und seine direkten Forks, sondern das gesamte Netzwerk — insgesamt rund 8.100 Repositories. Boris Cherny, Anthropics Head of Claude Code, bezeichnete den Mass-Takedown als „Unfall“. Ein Anthropic-Sprecher erklärte: „The repo named in the notice was part of a fork network connected to our own public Claude Code repo, so the takedown reached more repositories than intended.“

Anthropic zog die Bulk-Notices zurück und beschränkte den Takedown auf ein einzelnes Repository und 96 Forks. Doch der Streisand-Effekt war längst eingetreten: Der Account @gitlawb spiegelte den Code auf der dezentralen Plattform Gitlawb mit der Nachricht „Will never be taken down“. Clean-Room-Rewrites und Rust-Ports entstanden innerhalb von Stunden. Ein Dev.to-Artikel fragte provokant: „Accident, Incompetence, or the Best PR Stunt in AI History?“

Der Vorfall zeigt die Grenzen von DMCA als Instrument im Open-Source-Ökosystem. Sobald Code einmal öffentlich ist, lässt er sich nicht mehr einfängen — insbesondere nicht bei dezentralen Mirrors und Clean-Room-Reimplementationen, die urheberrechtlich geschützt sind. Für Anthropic ist es der dritte Sicherheitsvorfall in zwei Wochen nach dem CMS-Leak von „Claude Mythos“ und dem Source-Map-Fehler.

Die Dimensionen von Hyperion sprengen jede bisherige Vorstellung von KI-Infrastruktur: 10 Gaskraftwerke, davon 3 bereits 2025 genehmigt und 7 weitere am 27. März 2026 angekündigt. Die Partnerschaft mit dem Energieversorger Entergy (New Orleans) umfasst geschätzte Kraftwerkskosten von 11 Milliarden Dollar. Zusätzlich plant Meta 2,5 GW erneuerbare Energie mit Batteriespeicher und 240 Meilen neue Hochspannungsleitungen.

Die Umweltauswirkungen sind beträchtlich: 12,4 Millionen Tonnen CO2 pro Jahr, was Metas Carbon Footprint um bis zu 50 Prozent erhöhen könnte. Der tägliche Wasserverbrauch für die Kühlung liegt bei rund 5 Millionen Gallonen (19 Millionen Liter). Die 7,5 GW Kapazität entsprechen der gesamten Stromkapazität des US-Bundesstaats South Dakota — oder 30 Prozent der Netzkapazität von Louisiana.

Besonders brisant ist das Finanzierungsmodell: Earthjustice klagt gegen eine Konstruktion, bei der Meta sich nach vier Jahren aus den Verträgen zurückziehen kann, während die Gaskraftwerke 30 Jahre laufen — und die Kosten bei den lokalen Verbrauchern landen. Stromrechnungen im Umkreis von 50 Meilen könnten laut Schätzungen um bis zu 276 Prozent steigen. Anwohner in Holly Ridge berichten bereits von braunem Leitungswasser, Stromausfällen und gesundheitlichen Problemen. Die Alliance for Affordable Energy nennt das Projekt ein „schwarzes Loch des Energieverbrauchs“.

Meta steht damit stellvertretend für ein Grundproblem der KI-Branche: Der exponentiell wachsende Energiehunger der Modelle kollidiert mit Klimazielen und lokaler Infrastruktur. Während alle großen KI-Anbieter Rechenzentren im Gigawatt-Maßstab planen, wird die Frage, wer die ökologischen und sozialen Kosten trägt, immer drängender.

Gegen 21 Uhr Ortszeit begannen die Meldungen einzugehen: Robotaxis von Baidu, Chinas führendem Anbieter für autonomes Fahren, blieben überall in Wuhan stehen — mitten auf Kreuzungen, auf Schnellspuren von Ringstraßen, auf Autobahnen. Passagiere trauten sich nicht auszusteigen, weil Verkehr auf beiden Seiten vorbeiraste. In einigen Fällen lösten die plötzlichen Stopps Auffahrunfälle aus.

Die Polizei spricht von einem „Systemfehler“. Baidus Apollo Go-Kundenservice nannte „Netzwerkprobleme“ als mögliche Ursache, ohne Details zu nennen. Eine offizielle Erklärung steht noch aus. Schwere Verletzungen wurden nicht gemeldet, der Betrieb wurde am Folgetag wiederaufgenommen.

Wuhan ist mit über 1.000 Robotaxis die weltweit größte Testzone für autonomes Fahren. Der Vorfall offenbart die Achillesferse zentralisierter, Cloud-abhängiger Fahrsysteme: Ein einziges Netzwerkproblem legt eine ganze Flotte lahm. Anders als bei menschlichen Fahrern, die individuell reagieren, bildet die Cloud-Anbindung einen Single Point of Failure — mit dem Potenzial, hunderte Fahrzeuge gleichzeitig zu paralysieren.

Der Vorfall wirft dringende Fragen für die Regulierung auf: Brauchen Robotaxis einen Offline-Fallback-Modus, der bei Verbindungsverlust sicher anhält oder weiterfährt? China plant, autonomes Fahren bis 2030 kommerziell zu skalieren — der Wuhan-Vorfall zeigt, dass die Infrastruktur-Resilienz noch nicht auf dem Niveau ist, das eine flächendeckende Einführung erfordert.

Veo 3.1 Lite ist seit dem 31. März über die Gemini API und Google AI Studio verfügbar. Die Preisstruktur ist aggressiv: 720p-Videos kosten 0,05 Dollar pro Sekunde, 1080p 0,08 Dollar — jeweils weniger als 50 Prozent der Kosten von Veo 3.1 Fast. Ab dem 7. April senkt Google zudem die Preise für Veo 3.1 Fast: 720p sinkt von 0,15 auf 0,10 Dollar pro Sekunde. Google bietet damit ein dreistufiges Stack (Lite/Fast/Full) an — während der Hauptkonkurrent OpenAI komplett aus dem Videomarkt aussteigt.

Der strategische Kontext ist entscheidend: Wie wir in unserer Ausgabe vom 25. März berichteten, stellte OpenAI Sora nach nur sechs Monaten ein — bei geschätzten 15 Millionen Dollar täglichen Inferenzkosten und gerade einmal 2,1 Millionen Dollar Gesamtumsatz. Disney strich nach dem Sora-Shutdown eine geplante Milliarden-Dollar-Beteiligung und einen Dreijahres-Lizenzvertrag für über 200 Disney-, Marvel-, Pixar- und Star-Wars-Figuren.

Google zeigt, dass KI-Videogenerierung nicht gescheitert ist — nur Soras Geschäftsmodell war es. Während Sora auf Premium-Qualität zu hohen Kosten setzte, positioniert Google Veo als API-First-Produkt für Entwickler, mit breitem Preisspektrum und Skaleneffekten aus der eigenen Cloud-Infrastruktur. Für Unternehmen, die KI-Video in Workflows integrieren wollen, ist der Einstiegspreis nun so niedrig, dass Prototypen ohne nennenswertes Budget möglich sind.

Die 60 Millionen Dollar schwere Series A wird von Seligman Ventures geführt, SBI Investment ist Co-Investor. Zusammen mit der 33-Millionen-Dollar-Seed-Runde von 2025 verfügt das 2024 gegründete Startup nun über 93 Millionen Dollar. Das prominenteste Signal: Intel-CEO Lip-Bu Tan — zuvor 15 Jahre lang CEO des EDA-Marktführers Cadence Design Systems — tritt dem Board bei.

Cognichips Technologie heißt ACI (Artificial Chip Intelligence) und basiert auf einem „Physics-informed Foundation Model“, das Logik und physikbasiertes Reasoning verbindet. Der Ansatz verwandelt die traditionell seriellen Chipdesign-Workflows in parallele, adaptive Prozesse. Das Versprechen: Design-Zyklen, die heute Monate dauern, in Tage komprimieren — bei einer Kostenreduktion von 75 Prozent und gleichzeitiger Optimierung von Stromverbrauch, Performance und Chipfläche.

Gründer und CEO Faraj Aalaei bringt über 40 Jahre Halbleitererfahrung mit — unter anderem als CEO bei Aquantia und Centillium, als EVP bei Marvell Semiconductor und frühe Karriere bei AT&T Bell Labs. Co-Founder Simon Sabato leitete zuvor Synopsys’ Generative AI Center of Excellence. Das Team hat bereits Engagements mit über 30 Halbleiterunternehmen, darunter viele der Top 20.

Die Bedeutung für die KI-Branche liegt auf der Hand: Chipdesign ist einer der größten Flaschenhälse der KI-Infrastruktur. Vom Konzept bis zur Massenproduktion vergehen heute 3 bis 5 Jahre — allein die Designphase dauert bis zu 2 Jahre. Wenn KI diesen Prozess tatsächlich radikal beschleunigen kann, könnte das die Innovationsgeschwindigkeit in der gesamten Halbleiterbranche verändern — und den Engpass, der den KI-Boom bremst, lockern.