Ausgabe vom 21. April 2026

Der Deal ist in der Struktur aufschlussreicher als in der Summe. Amazon zahlt fünf Milliarden Dollar sofort — bewertet Anthropic damit auf die aktuellen 380 Milliarden Dollar, die das Startup im Februar mit der Serie G bei Coatue, GIC, Microsoft und Nvidia erreichte. Weitere zwanzig Milliarden sind an kommerzielle Meilensteine gebunden; insgesamt könnte Amazons Beteiligung auf 33 Milliarden Dollar wachsen, nach bisher acht Milliarden. Anthropic verpflichtet sich im Gegenzug zu einem AWS-Spend von „über 100 Milliarden Dollar“ über zehn Jahre — verteilt auf bis zu fünf Gigawatt zusätzlicher Compute-Kapazität auf Amazons Trainium2-, Trainium3- und künftiger Trainium4-Generation.

Das Herzstück des Deals ist das „Project Rainier“, AWS’ Supercluster in New Carlisle, Indiana. Die Phase 1 lief im Oktober 2025 mit rund 500.000 Trainium2-Chips an; die im November beschlossene Phase 2 addiert weitere 15 Milliarden Dollar, zusammen werden es bis zu 30 Gebäude und 2,2 Gigawatt Leistung. Anthropic will bis Ende 2026 auf über eine Million Trainium2-Chips skalieren — eine Zahl, die Nvidias H100-Monopol zumindest bei einem Frontier-Lab substanziell aufbricht. Dazu kommen fast ein Gigawatt kombinierter Trainium2/3-Kapazität bis Jahresende. Für AWS bedeutet das den größten Trainium-Kunden in der Geschichte des Chips; für Broadcom, das Trainium mitdesignt, rücken Mizuho-Schätzungen in die Nähe von 21 Milliarden Dollar AI-Umsatz 2026 allein aus Anthropic-Kontext.

Anthropic bleibt dabei strikt multi-cloud. AWS ist „primary cloud and training partner“ — nicht exklusiv. Parallel läuft die Anfang April veröffentlichte Erweiterung mit Google und Broadcom, die 3,5 Gigawatt TPU-Kapazität ab 2027 vorsieht. Claude-Modelle sind weiterhin auf Azure Foundry, Google Vertex AI und AWS Bedrock verfügbar — Anthropic ist damit das einzige Frontier-Modell auf allen drei Hyperscalern. Der Ansatz unterscheidet Anthropic bewusst vom OpenAI-Microsoft-Lock-in und soll sowohl Verhandlungsmacht als auch Resilienz sichern. Am Montag stieg Amazons Aktie im After-Hours-Handel um etwa drei Prozent, Broadcom legte indirekt zu.

Die Bedeutung der 100-Milliarden-Dollar-Zahl lässt sich einordnen, wenn man den Umsatz gegenrechnet. Anthropic hat laut eigenen Angaben im April einen annualisierten Umsatz von über 30 Milliarden Dollar erreicht — von neun Milliarden Ende 2025. Der AWS-Spend würde über zehn Jahre einem jährlichen Compute-Aufwand von rund zehn Milliarden Dollar entsprechen, ein substanzieller, aber tragbarer Anteil der Gesamtkosten. Kritiker wie Ed Zitron und der Sequoia-Partner David Cahn ordnen den Deal jedoch als weiteres Beispiel für „circular AI financing“ ein — Hyperscaler investiert Eigenkapital, Modellanbieter gibt es als Cloud-Umsatz zurück. Wir ordnen das Muster in unserer heutigen Reportage systematisch ein.

Für B2B-SaaS-Unternehmen mit KI-Integration hat der Deal zwei praktische Implikationen. Erstens: Die Kurzfristigkeit des letzten Preiskrieges um Inferenz-Token ist vorbei. Anthropics Zusage von 100 Milliarden Dollar AWS-Spend bindet die Preisstrategie — drastische Rabatte werden seltener, Enterprise-Deals laufen wieder über lange Commitments. Zweitens: Die Plattform-Verfügbarkeit wird zunehmend zu einer Frage der Cloud-Wahl. Wer als SaaS-Anbieter AWS nutzt, bekommt Claude künftig mit tieferen Bedrock-Integrationen; wer auf Azure arbeitet, bleibt auf GPT-5.4 und die November-Anthropic-Azure-Kooperation (bis zu 5 Milliarden Microsoft-Investment, 30 Milliarden Anthropic-Azure-Spend) angewiesen. Multi-Cloud wird zur Governance-Anforderung, nicht mehr nur zur Redundanz-Option.

Die Geschichte zerfällt in drei Stränge. Erstens: Anthropics Mythos, am 8. April als Preview vorgestellt, hat binnen Tagen Tausende Zero-Day-Schwachstellen in Betriebssystemen und Browsern gefunden — darunter einen 27 Jahre alten TCP/SACK-Bug in OpenBSD und einen 17 Jahre alten NFS-RCE in FreeBSD. Das Modell ist Bestandteil des Konsortiums Project Glasswing (100 Millionen Dollar Usage-Credits für kritische Open-Source-Projekte). Zwei dominante Use Cases: defensive Code-Audits für Anthropic-Partner wie CrowdStrike und HackerOne — oder eben offensive Nutzung, also gezielte Zero-Day-Suche in gegnerischer Software. Letztere ist für die NSA, deren Tailored-Access-Operations-Teams genau diese Fähigkeit brauchen, das nächstliegende Einsatzgebiet. Offiziell bestatigt ist die Nutzungsart allerdings nicht.

Zweitens: Der Streit mit dem Pentagon läuft seit Januar. Verteidigungsminister Pete Hegseth verlangte damals, dass alle DoD-AI-Verträge eine „any lawful use“-Klausel enthalten müssen. Anthropic weigerte sich, zwei Klauseln aus seiner Acceptable Use Policy zu streichen: das Verbot von Massenüberwachung US-amerikanischer Bürger und das Verbot vollautonomer Waffensysteme ohne menschliche Zielentscheidung. Im Februar ordnete Präsident Trump per Direktive allen Bundesbehörden an, Anthropic-Technologie nicht mehr zu nutzen; Hegseth stufte Anthropic als „supply chain risk to national security“ ein. Am 26. März gewährte Richterin Rita Lin (N.D. Cal.) eine einstweilige Verfügung gegen die Blacklist — Begründung: „classic illegal First Amendment retaliation“. Am 8. April lehnte der D.C. Circuit Anthropics Antrag auf Aussetzung während des Berufungsverfahrens ab; das Pentagon hält den Ban weiter aufrecht.

Drittens: Am 14. April erhielten Treasury, Commerce, DHS, DOJ und State eine E-Mail des Federal CIO Gregory Barbaccia aus dem OMB, die Mythos-Nutzung erlaubt. Am Freitag, 17. April, traf Anthropic-CEO Dario Amodei im Weißen Haus Stabschefin Susie Wiles und Finanzminister Scott Bessent. Trump sagte Reportern dazu am selben Tag, er habe „no idea“ von dem Treffen — „who?“ zitierte Gizmodo. Die Axios-Meldung vom Sonntagabend, dass die NSA Mythos bereits nutzt, fügt sich in dieses Bild: Während das Pentagon Anthropic klagt, läuft das Modell auf den Servern einer NSA-Dienststelle, die formal dem DoD untersteht. Das DoD und die NSA verweigerten auf Anfrage jeden Kommentar; Anthropic ebenso.

Der Widerspruch ist nicht nur politisch, sondern juristisch delikat. Die AUP-Klauseln, wegen derer der Pentagon-Streit läuft, verbieten explizit Massenüberwachung US-amerikanischer Bürger — der Kernauftrag der NSA berührt diese Linie ständig. Ob die NSA die Klausel respektiert, ist mangels Transparenz nicht prüfbar. Bei Foreign Policy schrieb Jessica Brandt am Montag: „Mythos changes the cyber calculus“ — der Vorteil eines Angreifers, der ein solches Modell einsetzt, gegenüber einem, der es nicht hat, ist substanziell. Für die internationale Abschreckungsdynamik ist das ein Einschnitt: Die USA haben ein operatives Tool, andere Staaten nicht. Russland, China, Iran und Nordkorea werden entweder eigene Varianten entwickeln oder versuchen, den Anthropic-Zugang abzuschöpfen.

Für Enterprise-CIOs mit regulatorischen Pflichten ist die Episode ein Lehrstück in Governance-Komplexität. Anthropics Mythos-Zugang bleibt offiziell auf rund 40 autorisierte Organisationen begrenzt — darunter zwölf öffentlich bekannte (CrowdStrike, HackerOne, ICS-CERT-Partner) und jetzt eine wachsende Zahl ziviler US-Behörden. Das gleiche Modell, das im Ministerium für Homeland Security defensive Code-Audits führt, arbeitet in einem NSA-Dienstzweig möglicherweise offensiv. Diese Zwei-Klassen-Nutzung innerhalb einer einzelnen Kundenorganisation (die US-Regierung) ist Neuland. Wer als Finanzdienstleister, Gesundheitsanbieter oder kritischer Infrastrukturbetreiber KI-Modelle evaluiert, sollte davon ausgehen, dass die Policy-Linien der Anbieter in den kommenden Monaten zur juristischen Verhandlungsmasse werden — und in vielen Fällen von Regierungen, nicht von Kunden, verschoben werden.

Die Leitgeschichte kommt von The Information: Google DeepMind hat intern ein Strike Team gebildet, das ausschließlich daran arbeitet, Gemini im Coding auf das Niveau von Anthropics Claude zu heben. Leitung: Sebastian Borgeaud, zuvor Pre-Training-Lead bei Gemini. DeepMind-CTO Koray Kavukcuoglu ist als Sponsor dabei, Sergey Brin laut Bericht persönlich involviert. Die Teamgröße wird nicht beziffert, aber die interne Sprachregelung ist eindeutig: Anthropic liegt bei agentischem Coding vorn, und Google will aufschließen. Offizielle Benchmarks bestätigen den Rückstand — Claude Opus 4.7 erreicht auf SWE-bench Pro 64,3 Prozent, Gemini 3.1 Pro bleibt bei 54,2. Innerhalb von Google werden laut Bericht rund 50 Prozent des internen Codes AI-assistiert geschrieben; Anthropic beziffert denselben Wert intern auf „fast alles“.

Die zweite Front ist Hardware. Die Information berichtet parallel von Verhandlungen zwischen Google und Marvell Technology über zwei neue KI-Chips. Der erste ist eine Memory Processing Unit, die parallel zur bestehenden TPU arbeiten und Compute- sowie Memory-Lasten trennen soll — Google plant nach dem Bericht die Produktion von bis zu zwei Millionen Exemplaren. Der zweite ist eine neue TPU-Variante, optimiert für Inferenz. Das Designziel 2027 ist realistisch, eine Deal-Summe wird nicht genannt. Strategischer Kontext: Google möchte seine Abhängigkeit von Broadcom reduzieren, das hohe Per-Unit-Gebühren pro TPU verlangt — obwohl Google die Broadcom-Vertragslaufzeit im April bis 2031 verlängert hat. Marvell-Aktie sprang am Montag um rund sechs Prozent, im April kumuliert rund 50 Prozent. Nvidia hatte im März 2 Milliarden Dollar in Marvell investiert.

Die dritte Front ist die Distribution. Google rollte Gemini in Chrome in sieben weitere Länder aus: Australien, Indonesien, Japan, Philippinen, Singapur, Südkorea, Vietnam. Die Gesamtzahl der Märkte steigt damit auf elf. Der Initial-Launch lief im Januar in den USA, im März kamen Indien, Kanada und Neuseeland hinzu; jetzt der APAC-Schwung. Features: Sidebar-Assistent, Multi-Tab-Vergleich, Zusammenfassungen, Gmail-/Calendar-/Maps-/YouTube-Integration, Bildbearbeitung via Nano Banana 2. Agentische Browser-Automation bleibt vorerst US-only. Für Chrome-CTOs in Corporate-Umgebungen bedeutet der Rollout eine neue Frage: Bleibt die Browser-Wahl frei, oder wird Chrome-mit-Gemini zum impliziten Standard, in dem Nutzerdaten via integrierten AI-Tools durch Google laufen?

Die drei Fronten gemeinsam zeichnen Googles Antwort auf den „Coding-AI-Wars“-Diskurs, der seit Claude Opus 4.7 und Cursor-50-Milliarden-Bewertung den Branchen-Ton bestimmt. Google verfügt über die besten Distributions-Kanäle (Chrome, Workspace, Android), konkurrenzfähige Modelle (Gemini 3.1 Pro) und mit Antigravity eine agentische IDE, die sich ironischerweise auch gegen Claude Sonnet 4.6 und Opus 4.6 als Backends offen hält. Was fehlt: ein Coding-Modell, das im tatsächlichen Developer-Mindshare konkurriert. Der Pragmatic Engineer Survey vom Februar (15.000 Developer) ergab Claude Code 46 Prozent „most loved“, Cursor 19, GitHub Copilot 9 — Gemini taucht in der Spitzenzone nicht auf. Das Strike Team ist Googles Versuch, diese Diskrepanz zu schließen, bevor Enterprise-Kunden sich auf Anthropic/Cursor-Stacks commiten.

Für Tech-Leads in SaaS-Unternehmen sind drei Beobachtungen relevant. Erstens: Die nächste Coding-KI-Runde wird vermutlich bei Google aufschlagen, nicht bei Anthropic oder OpenAI. Wer seine Vendor-Strategie festlegt, sollte ein Gemini-Fenster im Eval-Portfolio offen halten — möglicherweise mit sechs- bis neun-monatiger Vorwarnzeit. Zweitens: Die MPU-Strategie deutet an, dass Google im Kostenwettbewerb an Anthropic/Azure/Nvidia vorbeiziehen will. Das könnte ab 2027 zu signifikant niedrigeren Inferenz-Preisen auf Vertex AI führen — mit Impact auf Gesamtkalkulationen im KI-Produkt-Kontext. Drittens: Gemini in Chrome ist ein Vorbote für eine Browser-as-Agent-Ära. Die Frage, ob Webseiten für Agenten erreichbar sind (Agent-readiness), wird in den nächsten sechs Monaten zu einem konkreten Produkt-Attribut.

Das Kernzitat ist knapp und politisch. „Ich werde mich dafür einsetzen, die europäische KI-Regulierung zu erleichtern und wenn möglich industrielle KI aus dem gegenwärtigen, zu engen Korsett der KI-Regulierung der Europäischen Union herauszulösen“ — Bundeskanzler Merz am Sonntagabend, Eroeffnungsrede der Hannover Messe. Montag verstetigt sich die Botschaft. Merz argumentiert, bei Entstehung des AI Act sei die heutige Dimension industrieller Anwendungen nicht absehbar gewesen; KI stärke „Effizienz, Produktivität und Wettbewerbsfahigkeit“. Die Forderung zielt operativ auf die Phase 2 des AI Act, die am 2. August 2026 in Kraft tritt — mit Pflichten für Hochrisiko-Systeme nach Annex III, unter die auch KI in Maschinen, Medizinprodukten und kritischer Infrastruktur fällt.

Die Verbände haben sich die Forderung vorbereitet. ZVEI-Präsident Gunther Kegel sprach schon vor Tagen von notwendiger „Industrietauglichkeit“; VDMA-Chef Bertram Kawlath forderte „strukturelle Reformen statt Krisenmanagement“; BDI-Präsident Peter Leibinger will ein Reformpaket bis zum Sommer. Die Positionen sind kongruent: Industrie-KI bedeutet für deutsche Unternehmen konkrete Produktionsprozesse, von SPS-Programmen bis zu Roboterkalibrierung — Bereiche, in denen die Hochrisiko-Klassifizierung des AI Act tatsächliche Compliance-Kosten verursacht. Der TÜV-Verband kontert allerdings: Ein Herauslösen würde „gefährliche Regulierungslücken“ bei Maschinen- und Medizingerätesicherheit produzieren. AlgorithmWatch und andere Bürgerrechtsorganisationen hatten den AI Act als europäisches Grundrechte-Dokument verteidigt, wie wir in unserer Ausgabe vom 9. April dokumentierten.

Im Messepavillon wird die Theorie konkret. Siemens präsentiert den Eigen Engineering Agent — einen Multi-Agent-Aufbau, der laut Unternehmensangaben SPS-Code schreibt (die Programmiersprache speicherprogrammierbarer Steuerungen, die jeden Industrie-Roboter und jede Fertigungsstraße kontrollieren), HMI-Visualisierungen konfiguriert und Geräte-Setups automatisiert. Integriert ins TIA-Portal mit 600.000 Nutzern. Namensherkunft: „Eigen“ als Anspielung auf Eigenwerte — konstante Eigenschaften in sich transformierenden Umgebungen. Siemens nennt 2–5-fache Geschwindigkeit gegenüber manuellen Workflows, bis zu 80 Prozent bessere Lösungsqualität und 50 Prozent höhere Engineering-Effizienz. Über 100 Firmen in 19 Ländern haben den Agent getestet, darunter ANDRITZ Metals (Österreich), CASMT (China) und Prism Systems (USA). Welche Foundation Models dahinter laufen, sagt Siemens nicht.

Weitere Hannover-Signale: RobCo stellt den humanoiden Alfie vor — zwei Arme, Level-4-Autonomie, Robotics-as-a-Service-Modell ohne Vorabinvestition. TeamViewer und Bechtle zeigen ein vorkonfiguriertes Zero-Trust-Gateway für Fernzugriff auf Industrieanlagen inklusive Legacy-Systeme. Und auf der Nachhaltigkeitsseite des Messe-Narrativs läuft das Projekt „claude-carbon“ — ein Open-Source-Tool, das über Claude Code Hooks den CO&sub2;-Footprint jeder Entwickler-Session trackt und in der Statusline anzeigt. Laut Entwickler-Schatzung (367 Sessions über vier Monate): rund eine Tonne CO&sub2;-Äquivalente pro Jahr bei intensiver Nutzung — ein Hin- und Rückflug Paris-New-York.

Für deutsche SaaS-Unternehmen mit Industrie-Kunden ist das Signal strategisch klar. Erstens: Die politische Bühne rutscht in Richtung Deregulierung — der AI Act bekommt wahrscheinlich Ausnahmen, nicht mehr Zahne. Das reduziert Compliance-Kosten, schafft aber Rechtsunsicherheit während der Verhandlungsphase. Zweitens: Siemens Eigen ist der erste vorzeigbare Fall eines europäischen Industrie-Konzerns, der ein Agent-System nicht als Pilot, sondern als kommerzielles Produkt ausrollt. Wer in angrenzenden Industrie-Segmenten (Automotive-Zulieferer, Maschinenbau-Software, MES-Plattformen) arbeitet, muss dieses Angebot im Vendor-Portfolio von Kunden mitbedenken. Drittens: Die Bedeutung der Amberg-Benchmark (99,99885 Prozent Fehlerfreiheit bei 17,5 Millionen Komponenten jährlich) als Benchmark für Physical-AI-Reife steigt. Enterprise-Käufer werden KI-Produkte zunehmend mit industrieller Ausfallsicherheit vergleichen — ein Maßstab, den viele SaaS-Stacks nicht erfüllen.

Fermi Inc. war im Oktober 2025 per Nasdaq-IPO zu einer Bewertung von rund 19 Milliarden Dollar an den Markt gegangen — ohne Umsatz und ohne konkreten Hyperscaler-Vertrag. Mitgegründet hatten das Unternehmen Toby Neugebauer, früher Co-Managing Partner bei Quantum Energy Partners, und der ehemalige US-Energieminister und Ex-Gouverneur von Texas, Rick Perry. Das strategische Narrativ: In Amarillo entsteht ein gigantischer Datacenter-Campus, intern „Project Matador“ genannt, offiziell „Donald J. Trump Advanced Energy and Intelligence Campus“. Stromversorgung sollte am Ende aus vier 1-Gigawatt-Kernreaktoren kommen, mit Gas, Solar und Wind als Interimsversorgung.

Am Montagmorgen zerlegte Fermi die Erzählung in Raten. In einem 8-K-Formular wurde kommuniziert: Neugebauer trat am 17. April zurück, bleibt aber Board-Mitglied und größter Einzelaktionär. Everson verlässt das Unternehmen „ohne Good Reason“ laut Arbeitsvertrag, rückt aber in den Board. Ein „Office of the CEO“ unter COO Jacobo Ortiz und Board-Observerin Anna Bofa (ehemalig Google, Meta) übernimmt die Interimsführung; Marius Haas wird neuer Chairman. Headhunter Heidrick & Struggles startet die CEO-Suche. Die offizielle Begründung — eine „strategic evolution“ mit neuem Hauptsitz in Dallas — verschleiert drei konkrete Probleme: Ein geplanter Hyperscaler-Ankermieter ist abgesprungen (Bloomberg); Neugebauer hatte auf der Nvidia GTC in San Jose einen öffentlichen Streit mit US-Handelsminister Howard Lutnick, dem er die Blockade südkoreanischer Investoren anlastet; und Satelliten-Tracking zeigt laut Cleanview, dass bisher kein einziges Gebäude errichtet ist — trotz Angaben, Phase 1 sei „abgeschlossen“.

Fermis Aktie brach am Handelstag um rund 22 Prozent ein. Die Bewertung verlor damit innerhalb von sechs Monaten etwa drei Viertel ihres IPO-Peaks. Das Timing ist für den gesamten Nuklear-Strom-für-AI-Sektor unangenehm. Oklo, Nano Nuclear und X-energy haben 2025 massiv Kapital eingesammelt — auf der Erzahlung, dass Hyperscaler-Datacenter die Stromknappheit nur mit Small Modular Reactors lösen können. SMRs sind technisch und regulatorisch aber frühestens Ende der 2020er marktreif. Fermi zeigt den Preis, den die Branche für eine aggressive Pre-Revenue-Bewertung zahlt: Sobald der erste Ankermieter wackelt und das erste Satellitenbild fehlende Bauarbeiten dokumentiert, wird die Story zu teurem Marketing.

Die politischen Abhängigkeiten der Fermi-Personalie sind offensichtlich und ungewohnt deutlich. Das Projekt ist nach Donald Trump benannt, mitgegründet vom Ex-Energieminister der ersten Trump-Administration (Rick Perry), und hängt laut Neugebauer an einer Handelsministerium-Freigabe, die aus dem aktuellen Trump-Kabinett kommen muss. Wenn genau diese politische Einbettung zum Problem wird — weil Handelsminister Lutnick ausländische Investoren ausbremst und die regulatorische Timeline nicht liefert — bricht das Geschäftsmodell auf Unternehmens-Ebene zusammen. Branchenbeobachter ordnen das als Parallele zum iLearningEngines-SPAC-Kollaps ein: ein AI-Infrastructure-Play, dessen Bewertung die Realität der Aufbau-Arbeit meilenweit übersteigt.

Für SaaS- und Tech-Leads, die Hyperscaler-Verfügbarkeit 2026/27 planen, ist die Personalie eine praktische Erinnerung. Erstens: Die Compute-Engpass-These der Labs und Hyperscaler (siehe unseren Anthropic-Amazon-Artikel oben) ist real, die vorgeschlagenen Lösungen jedoch zeitlich nicht kongruent. Kernkraft-Datacenter stehen frühestens Ende der Dekade in Produktion; Hyperscaler-Projekte wie Stargate Abilene und AWS Rainier sind Jahre vor jedem SMR-Betrieb fertig. Zweitens: Die Risiko-Diversifizierung der Compute-Quelle lohnt sich. Wer aktuell eine Multi-Jahres-Verpflichtung an einen einzelnen Lieferanten eingeht, sollte SLA-Klauseln für Stromverfügbarkeit, Kapazitäts-Swaps und Exit-Optionen explizit verhandeln. Drittens: Bei Vendor-Evaluationen jeder Pre-Revenue-Firma mit AI-Infrastructure-Narrativ gilt dieselbe Checkliste wie in unserem iLearningEngines-Artikel gestern — Demos, Kundenreferenzen, ML-Engineering-Kapazität, Audit-Trail.