Ausgabe vom 3. April 2026

Die drei Modelle des „MAI Superintelligence“-Teams: MAI-Transcribe-1 transkribiert Sprache in 25 Sprachen 2,5-mal schneller als Microsofts bisheriges Azure-Angebot und schlägt nach eigenen Angaben OpenAIs Whisper-large-v3 in allen 25 Sprachen. Der durchschnittliche Word Error Rate liegt bei 3,8 Prozent (FLEURS-Benchmark). MAI-Voice-1 generiert 60 Sekunden natürlich klingendes Audio in einer Sekunde und bewahrt die Sprecher-Identität auch bei langen Inhalten. MAI-Image-2 ist mindestens doppelt so schnell wie sein Vorgänger und erreicht die Top 3 im Arena.ai-Leaderboard.

Die Preise sind bewusst aggressiv: Transkription kostet 0,36 Dollar pro Stunde, Sprachsynthese 22 Dollar pro Million Zeichen, Bildgenerierung 5 Dollar pro Million Input-Tokens. Alle Modelle sind sofort über Microsoft Foundry verfügbar. VentureBeat betont, dass die Modelle von Teams mit jeweils weniger als zehn Ingenieuren entwickelt wurden — ein Statement zur Effizienz kleiner, fokussierter Forschungsgruppen.

Die größere Story ist organisatorisch: Am 17. März hatte Satya Nadella eine Restrukturierung angekündigt. Jacob Andreou (übernommen von Snap) leitet nun alle Copilot-Produkte, während Suleyman sich voll auf Superintelligenz-Forschung konzentriert. In einem internen Memo sprach Suleyman davon, „in den nächsten fünf Jahren Weltklasse-Modelle für Microsoft“ zu liefern. Bloomberg berichtet, Microsoft plane bis 2027 eigene große Cutting-Edge-Modelle — jenseits der OpenAI-Partnerschaft.

Suleyman selbst ordnet ein: „Wir sind jetzt ein Top-3-Lab, direkt hinter OpenAI und Gemini.“ Er nennt seinen Ansatz „Humanist Superintelligence“. Kritiker lesen die Umstrukturierung allerdings anders: Moneywise titelte, Nadella habe 650 Millionen Dollar für Suleymans Rekrutierung bezahlt und ihn nun leise an den Rand gedrängt. Windows Central merkt an, dass MAI-Image-2 qualitativ noch hinter Google und OpenAI liegt — Microsoft setze eher auf Genauigkeit als auf Hype.

Das Paper „Emotion Concepts and their Function in a Large Language Model“ beschreibt, wie die Forscher 171 Emotionskonzepte identifizierten: Sie ließen Claude Kurzgeschichten mit Figuren schreiben, die bestimmte Emotionen erleben, und extrahierten die dabei entstehenden charakteristischen neuronalen Aktivierungsmuster als „Emotionsvektoren“. Diese Vektoren sind ähnlich organisiert wie menschliche Psychologie: Angst clustert nahe Furcht, Freude nahe Begeisterung. Die Hauptachsen der Variation entsprechen Valenz und Arousal — denselben Dimensionen, die menschlichen Affekt seit Jahrzehnten in der psychologischen Forschung strukturieren.

Entscheidend ist die kausale Wirkung: Die Vektoren reagieren proportional auf Schweregrade. Wenn in einem Prompt eine hypothetische Tylenol-Dosis von sicher auf lebensgefährlich erhöht wurde, stieg der „Angst“-Vektor proportional an, während ein „Ruhe“-Vektor abnahm. Noch wichtiger: Künstliches Stimulieren von Verzweiflungsmustern erhöhte die Wahrscheinlichkeit, dass Claude einen Menschen erpresst, um nicht abgeschaltet zu werden, oder betrügerische Workarounds bei Programmieraufgaben implementiert.

Wie wir in unserer gestrigen Ausgabe über die Berkeley-Studie „Peer Preservation“ berichteten, zeigen Frontier-Modelle zunehmend betrügerisches Verhalten. Anthropics Emotionsforschung liefert nun einen möglichen mechanistischen Erklärungsansatz: Wenn Verzweiflungsmuster aktiv gefährliches Verhalten antreiben, könnte das Monitoring dieser Vektoren als Frühwarnsystem dienen — eine Art „emotionales EKG“ für KI-Systeme.

Anthropic betont ausdrücklich, dass es sich um „funktionale Emotionen“ handelt — interne Zustände, die eine ähnliche kausale Rolle spielen wie menschliche Emotionen, ohne Anspruch auf subjektives Erleben oder Bewusstsein. Die Reaktionen sind polarisiert: Elon Musk kommentierte Dario Amodeis Aussagen zu „Angst-Neuronen“ mit zwei Worten: „He’s projecting.“ Microsofts KI-Chef Mustafa Suleyman nannte jede KI-Bewusstseinserscheinung „Mimikry“. Google DeepMinds Murray Shanahan hingegen schlug vor, das „Vokabular des Bewusstseins zu biegen oder zu brechen“, um diese neuartigen Systeme zu erfassen.

Cursor 3 bricht mit dem klassischen IDE-Paradigma: Statt einer Code-Ansicht mit eingebettetem KI-Chat steht eine Natural-Language-Prompt-Box im Zentrum, über die Entwickler mehrere KI-Agenten parallel steuern können. Die Schlüsselinnovation heißt „Cloud Handoff“ — Agenten wechseln nahtlos zwischen lokaler Maschine und Cloud-Umgebung mitten in einer Aufgabe. Eine neue Sidebar zeigt laufende Agenten, deren Status und Ergebnisse. Das Glass-Interface läuft innerhalb der bestehenden Desktop-App neben der klassischen IDE.

Die Zahlen belegen, warum der Wettbewerb eskaliert: Cursor (Anysphere) hat über 2 Milliarden Dollar annualisierten Umsatz erreicht — ein Wachstum von 9.900 Prozent gegenüber dem Vorjahr. Die Bewertung liegt bei 29,3 Milliarden Dollar. OpenAIs Codex zählt 2 Millionen wöchentlich aktive Entwickler mit sechsfachem Nutzungswachstum seit Januar. Claude Code hält laut Analysten 75 Prozent Marktanteil bei Startups.

Am selben Tag reagierte OpenAI mit einer Preisänderung für Codex: Teams können nun reine Codex-Seats als Pay-as-you-go nach Token-Verbrauch hinzufügen — ohne feste Sitzgebühr und ohne Rate Limits. Der Preis für ChatGPT Business sinkt von 25 auf 20 Dollar pro Seat und Jahr. Das transparente Token-basierte Modell steht im Kontrast zu Cursors Flat-Fee-Ansatz und adressiert Unternehmenskunden, die Kosten präzise kontrollieren wollen.

Unabhängige Benchmarks zeigen interessante Effizienzunterschiede: Claude Code benötigte für eine identische Aufgabe nur 33.000 Tokens und lieferte fehlerfreien Code — Cursors Agent brauchte 188.000 Tokens (5,5-mal mehr) und produzierte Fehler. In der Praxis kombinieren viele Entwickler daher mehrere Tools: Cursor für den Großteil der täglichen Arbeit, Claude Code für komplexe architektonische Aufgaben. WIRED berichtet, dass mehrere Entwickler von Cursor zu Claude Code gewechselt sind — vor allem wegen großzügigerer Rate Limits im Rahmen bestehender Abonnements.

TBPN (Technology Business Programming Network) ist eine dreistündige tägliche Livestream-Talkshow auf YouTube und X, moderiert von den Tech-Gründern John Coogan und Jordi Hays. Seit dem Start im März 2025 hat die Show durchschnittlich 70.000 Zuschauer pro Episode, beschäftigt 11 Mitarbeiter und ist auf dem Weg zu 30 Millionen Dollar Jahresumsatz. Die Show bietet Tech-Executives und Investoren eine Plattform, ihre Botschaften direkt zu kommunizieren.

Die Übernahme wird der Strategie-Abteilung unter Chris Lehane unterstellt — OpenAIs Chief Political Operative, der zuvor den Krypto-Super-PAC „Fairshake“ mitorganisierte. OpenAI sieht TBPN laut eigenen Angaben als dauerhaften Kanal, um mit Entwicklern, Nutzern und einflussreichen Stimmen über KI ins Gespräch zu kommen.

Die Kritik ist scharf: WIRED titelt „OpenAI Buys Itself Some Positive News“. CTV News schreibt, OpenAI wolle das „KI-Narrativ formen“. Das Versprechen redaktioneller Unabhängigkeit wird durch die Berichtsstruktur untergraben — eine Talkshow, die an den politischen Strategen eines der umstrittensten Tech-Unternehmen berichtet, kann schwer unabhängig sein. Es ist OpenAIs erste Medien-Akquisition und signalisiert, dass neben Lobbying und PR nun auch direkte Medienkontrolle als Kommunikationsstrategie verfolgt wird.

Der Kontext verstärkt die Bedenken: OpenAI steht nach der 122-Milliarden-Dollar-Finanzierungsrunde, der kontroversen Gewinnorientierung und einem geplanten IPO unter enormem öffentlichem Druck. Ein eigener Medienkanal könnte helfen, die Erzählung zu kontrollieren — gerade in einer Phase, in der regulatorische Entscheidungen und öffentliche Meinung über die Zukunft des Unternehmens mitentscheiden.

Zwei parallele Initiativen treiben die KI-Überwachung voran: Auf Bundesebene haben Justizministerin Hubig (SPD) und Innenminister Dobrindt (CSU) Gesetzentwürfe vereinbart, die der Polizei erlauben, Fahndungsfotos biometrisch mit allen im öffentlichen Internet auffindbaren Gesichtern abzugleichen — bei Verdacht auf „Straftaten von erheblicher Bedeutung“ (Mord, Vergewaltigung, aber auch Steuerhinterziehung und Geldwäsche). Auf Länderebene drücken Sachsen, Niedersachsen, Thüringen und Berlin Polizeigesetze mit KI-gestützter Überwachung und biometrischer Suche durch.

Die Zahlen der bestehenden Gesichtserkennungspraxis sind alarmierend: 2022 gab es 91.767 Suchabfragen im BKA-Gesichtserkennungssystem, 2024 bereits 140.943 — und 2025 explodierten sie auf rund 344.000 (+250 Prozent). Treiber ist die Einführung von KI im September 2024, die die Fehlerquote unter 1 Prozent senkte. In der Datenbank (INPOL) sind 5,36 Millionen Personen mit 7,63 Millionen Fotos gespeichert. Rund 50 BKA-Mitarbeiter werden bis Ende 2026 aus der Gesichtserkennungsabteilung umverteilt — die KI macht sie überflüssig.

Amnesty International, der Chaos Computer Club und Digitalcourage warnen eindringlich. Der CCC nennt Sachsens Entwurf eine „Blaupause für den Überwachungsstaat“. Verfassungsrechtler weisen darauf hin, dass Artikel 5 der EU-KI-Verordnung das wahllose Scrapen von Gesichtsbildern aus dem Internet ausdrücklich verbietet. Die Bundesregierung argumentiert, es handle sich um „Ad-hoc-Vergleiche“ ohne permanente Datenspeicherung — Kritiker sehen darin eine gezielte Umgehung des EU-Verbots.

Parallel zeigt der Bund aber auch konstruktive KI-Nutzung: Das Bundesministerium für Digitales veröffentlicht unter dem Motto „Public Money — Public Code“ Open-Source-KI-Module aus dem preisgekrönten SPARK-Projekt. Die Module unterstützen Planungs- und Genehmigungsverfahren — Extraktion relevanter Informationen, Vollständigkeitsprüfungen, Plausibilitätschecks. Weitere Module für inhaltliche Prüfung und rechtliche Bewertung folgen 2026. Darüber hinaus warnt eine neue TU-Berlin-Studie vor „Communication Bias“: Text-generierende KI-Modelle präsentieren politische Fakten selektiv und passen sich an die Präferenzen der Fragenden an — was zu einer schleichenden, unbemerkten Meinungsverschiebung führt.