Ausgabe vom 28. April 2026

Der Verfahrensaufbau ist von der Vorsitzenden Richterin Yvonne Gonzalez Rogers — der Apple-vs.-Epic-Richterin — zweigeteilt: Bis Mitte Mai läuft die Liability-Phase, in der die Jury entscheidet, ob OpenAI seine Treuhänderpflichten verletzte und sich ungerechtfertigt bereicherte; danach folgt die Remedies-Phase, in der über die Konsequenzen verhandelt wird. Beide Seiten haben jeweils 22 Stunden Redezeit. Am Montag verbrachten die Anwälte den ganzen Tag mit der Jury-Auswahl; am Dienstagvormittag begannen die Eröffnungsplädoyers — Marc Toberoff für Musk, William Savitt von Wachtell Lipton für OpenAI.

Die spektakulärste Szene des Prozessauftakts war juristischer Natur und kam von der Richterbank: Als Toberoff beantragte, mehrere Geschworene wegen offener Voreingenommenheit gegen Musk auszuschließen, lehnte Gonzalez Rogers ab — mit dem von CNBC protokollierten Satz: „The reality is people don't like him.“ Sie kündigte an, sich auf die Professionalität der Jury zu verlassen. Eine Geschworene hatte im Fragebogen geschrieben, Musk sei „ein Idiot von Weltklasse“; andere bezeichneten ihn als „gierig, rassistisch und homophob“. Ein Stadtangestellter aus Oakland nannte ihn schlicht „jerk“. Wired dokumentierte unter dem Titel „Some Musk v. Altman Jurors Don't Like Elon Musk“ weitere Aussagen — die meisten verbinden ihre Ablehnung mit Musks politischer Haltung.

Inhaltlich ist der Prozess gegenüber der ursprünglichen Klage von 2024 deutlich abgespeckt. Von 26 Vorwürfen sind zwei übrig: Verletzung des charitable trust und ungerechtfertigte Bereicherung. Musk hat — laut Fortune-Berichten vom 25. April — alle Fraud-Claims fallen lassen, weil die juristische Hürde zu hoch erschien. Die Forderung: bis zu 134 Milliarden Dollar als „wrongful gains“, komplett gespendet an OpenAIs gemeinnützigen Arm, plus Absetzung von Sam Altman und Greg Brockman, plus Wiederherstellung des reinen Non-Profit-Status. Schlüsselzeugen: Altman, Brockman, Satya Nadella, Ilya Sutskever — und Shivon Zilis, frühere OpenAI-Boardmitglied und Mutter mehrerer Musk-Kinder.

OpenAIs Verteidigungsstrategie stützt sich auf Musks eigene E-Mails aus 2017 und 2018: Damals habe der Tesla-CEO mehrfach selbst eine For-Profit-Konversion vorgeschlagen, sogar verlangt, die Kontrolle zu übernehmen, und sei aus dem Board ausgeschieden, als sein Übernahmeangebot abgelehnt wurde. Wachtell Lipton hat Sam Altman bereits am Montag persönlich im Gerichtssaal antreten lassen — ein gezielter Affront gegen Musk, der via X parallel in voller Lautstärke auftrat: Am Sonntagabend nutzte er die kostenpflichtige Boost-Funktion der Plattform, um einen sechs Wochen alten Beitrag von Ronan Farrow zur New Yorker-Reportage über Altman zu pushen — laut Wired ohne die laut X-Richtlinien vorgeschriebene Werbe-Kennzeichnung. Sein Kommentar: „Calling him 'Scam' Altman is accurate.“

Die New-Yorker-Reportage von Farrow und Andrew Marantz, erschienen am 7. April, basiert auf 18 Monaten Recherche, mehr als 100 Interviews und internen Memos von Ilya Sutskever sowie Notizen von Anthropic-Mitgründer Dario Amodei. Mehrere Quellen bezeichneten Altman ungefragt als „pathologischen Lügner“; ein anonymes Boardmitglied sprach von „soziopathischer Indifferenz gegenüber Konsequenzen“. Altman hatte den Artikel nach dem Brandanschlag auf sein Privathaus am 12. April in einem ausführlichen Statement als „aufhetzerisch“ bezeichnet. Die Verbindung zwischen Prozessauftakt, Microsoft-Restrukturierung (siehe Artikel 1) und Altmans am Sonntag publizierten „Our Principles“-Brief ist kein Zufall: OpenAI versucht, kurz vor den Eröffnungsplädoyers das Narrativ einer reformierten, aber unverwüstlichen Organisation zu setzen. Ob die Jury — über deren Skepsis gegen Musk wenig Zweifel besteht — das Verfahren nüchtern entscheidet, hängt nun an drei Wochen Beweisaufnahme.

Das Setup ist außergewöhnlich. Silver hat DeepMind im Januar 2026 verlassen, in den vier Monaten danach ein Gründungsteam aus weiteren DeepMind-Veteranen aufgebaut — Wojciech Czarnecki, Lasse Espeholt, Junhyuk Oh — und Anfang April Sequoia-Partner Alfred Lin und Sonya Huang nach London geflogen, um den Deal abzuschließen. Co-Lead ist Lightspeed; namentlich genannte Investoren der Folgereihen sind Nvidia, Google, Index Ventures, DST Global, EQT Ventures, BOND Capital, Evantic Capital, der Wellcome Trust, Flying Fish Ventures, der UK Sovereign AI Fund und die British Business Bank. Die Bewertung von 5,1 Milliarden Dollar Post-Money für ein Pre-Product-Team ist einsamer Rekord — selbst gemessen an Mira Muratis Thinking Machines (2 Mrd. Seed bei 12 Mrd. im Juli 2025) oder Yann LeCuns AMI Labs (1,03 Mrd. im März 2026).

Die Idee dahinter trägt einen Namen: „Era of Experience“. Silver und sein langjähriger Doktorvater Richard Sutton — Turing-Preisträger 2025 — hatten im April 2025 ein gleichnamiges Paper veröffentlicht, das die ideologische Grundlage des Pivots bildet. Die Argumentation: Vortraining auf menschlich generierten Texten habe die abnehmenden Erträge erreicht; jeder weitere Fortschritt müsse aus Agenten kommen, die kontinuierlich in realen oder simulierten Umgebungen handeln, ihre Daten selbst erzeugen, ihre Belohnungen aus der Umwelt ziehen und lebenslange Erfahrungsströme aufbauen. Suttons älterer Aufsatz „The Bitter Lesson“ (2019) bildet den philosophischen Unterbau: Methoden, die sich beliebig mit Compute skalieren lassen — Suchen und Lernen — schlagen langfristig jedes von Hand kuratierte Wissen.

Silver selbst formulierte die Mission gegenüber Wired dramatisch: „I think of our mission as making first contact with superintelligence. It should discover new forms of science or technology or government or economics for itself.“ Gegenüber TechCrunch: „Wenn das gelingt, wird es ein wissenschaftlicher Durchbruch von vergleichbarer Größe wie Darwin.“ Sutton selbst twitterte, Ineffable werde „die Versprechen der Era of Experience erfüllen“. Silver kündigte an, alle persönlichen Erlöse aus dem Unternehmen an wirkungsorientierte Stiftungen zu spenden.

Technisch unterscheidet Ineffable sich von der LLM-Orthodoxie auf drei Ebenen. Erstens: Kein Pre-Training auf menschlichen Texten, sondern Reinforcement Learning aus Selbstspiel und simulierten Umgebungen — der AlphaZero-Bauplan, generalisiert über geschlossene Spiele hinaus. Zweitens: Belohnungssignale kommen aus der Umwelt (Code kompiliert, Test besteht, Transaktion gelingt), nicht aus menschlichem Feedback (RLHF). Drittens: Lebenslange Erfahrungsströme statt eingefrorener Trainingsdatensätze. Kritiker — darunter Andrej Karpathy in seinem Dezember-Rückblick — geben zu bedenken, dass es für sprachgebundene Aufgaben außerhalb von spielartigen Domänen aktuell keinen sauberen Pfad zu solchen Umgebungen gibt.

Die Tragweite zeigt sich erst im Verbund mit anderen Wetten der letzten 90 Tage. AMI Labs (LeCun, 1,03 Mrd., März, JEPA-Weltmodelle), Recursive Superintelligence (Tim Rocktäschel, 500 Mio., April, automatisierte KI-Forschung), Safe Superintelligence (Sutskever, 32 Mrd. Bewertung) — zusammen wurden in drei Monaten über 2,5 Milliarden Dollar gegen das Pretraining-Paradigma deployt. Anthropic selbst gab 2025 nach TechCrunch-Recherchen über eine Milliarde an Anbieter von RL-Umgebungen wie Mechanize, Mercor, Surge und Scale AI aus — letztere zahlt Software-Engineers, die RL-Environments bauen, bis zu 500.000 Dollar pro Position. Wir analysieren die Konsequenzen für SaaS- und Tech-Unternehmen ausführlich in unserer Reportage zum „Era of Experience“.

Manus AI war eines der spannendsten chinesischen Agent-Startups: 2022 von Xiao Hong, Chief Scientist Ji Yichao und Tao Zhang gegründet, ging das Unternehmen Anfang 2025 mit einem viralen Browser-Automation-Agenten durch die Decke. Im Dezember 2025 kündigte Meta den Kauf für 2 bis 3 Milliarden Dollar an — strategisch motiviert durch Mark Zuckerbergs Pivot zu agentischer KI und Wettbewerbsdruck gegen OpenAIs Operator und Anthropics Computer Use. Pekings NDRC eröffnete im Januar das Sicherheits-Review; im März wurden die Gründer formell vorgeladen. Seither dürfen Xiao Hong und Ji Yichao das chinesische Festland nicht verlassen.

Manus hatte Mitte 2025 versucht, dem chinesischen Zugriff zu entkommen, indem es seinen Hauptsitz nach Singapur verlegte — eine Strategie, die Asia Times als „Singapore-washing“ bezeichnete. Bis März 2026 waren rund 100 Mitarbeiter physisch in Metas Singapur-Office umgezogen. Pekings Verfügung vom 27. April erkennt diese Konstruktion explizit nicht an: Die Genehmigung für die Transaktion sei verweigert, weil Manus' Kerntechnologie und chinesisches Know-how nicht ohne Konsens des Heimatstaats ins Ausland abfließen dürften. Das Singapore-Schlupfloch wird damit faktisch geschlossen. Was aus den 100 Mitarbeitern wird, ist offen — Meta hat sich nicht öffentlich geäußert.

Der Manus-Block steht in direktem Kontext einer am 24. April publik gewordenen NDRC-Anweisung: Chinesische KI-Unternehmen — namentlich Moonshot AI, StepFun und ByteDance — wurden angewiesen, US-Kapital ohne explizite Genehmigung abzulehnen. Wir berichteten in unserer Ausgabe vom 25. April, dass Peking damit eine Spiegelung der US-CFIUS-Logik etabliert. Das Ergebnis ist eine wechselseitige Schließung des Kapitalmarkts: US-Geld kann nicht mehr in chinesische KI fließen, chinesische Unternehmen können nicht mehr durch ausländische Übernahmen exfiltriert werden.

Für Meta ist der Verlust doppelt: 2 Milliarden Dollar Transaktionswert geplatzt, zudem ein Talent-Pool im Status-Limbo in Singapur. Die strategische Wirkung trifft aber alle Hyperscaler. Wer 2026 chinesische Agent-Technologie integrieren will — und das ist angesichts der DeepSeek- und Qwen-Erfolge ein realer Wettbewerbsfaktor —, muss neu bewerten, ob über Open-Weights-Lizenzen (DeepSeek V4 ist MIT-lizenziert) oder über Hong-Kong-IPOs Zugang machbar bleibt. Direkter Talentkauf ist als Pfad versperrt.

Für deutsche und europäische Unternehmen entsteht paradoxerweise eine etwas entspanntere Position. Wer chinesische Open-Source-Modelle wie DeepSeek, Qwen, GLM oder Kimi unter MIT- oder Apache-Lizenzen einsetzt, hat keine politische Exponierung wie ein US-Konzern. Die Cohere-Aleph-Alpha-Übernahme vom 24. April (siehe Ausgabe vom 26. April) zeigt zudem, dass Europa eigene Konsolidierungspfade findet — gespeist auch aus dem Bedürfnis nach souveränen Alternativen jenseits des US-China-Konflikts.

Die Zahlen sind beispiellos. Schlusskurs am 24. April: 208,27 Dollar, plus 4,3 Prozent am Tag, Allzeithoch. Marktkapitalisierung am Montag, 27. April: rund 5,2 Billionen Dollar. Damit liegt Nvidia eine ganze Billion vor dem Zweitplatzierten Alphabet (etwa 4 Billionen), Apple steht bei 3,97 Billionen, Microsoft bei 3,13 Billionen, Amazon bei 2,82 Billionen. Seit Ende 2022 — dem Beginn des ChatGPT-Booms — hat sich die Aktie über 14-fach vervielfacht. Innerhalb des S&P 500 macht Nvidia inzwischen rund 8 Prozent der Kapitalisierung aus.

Auslöser des Sprungs war ein nicht unmittelbar Nvidia-bezogenes Ereignis: Intels Q1-Bericht am Donnerstag-Abend übertraf die Konsens-Erwartung deutlich, was als Signal für Hyperscaler-Capex-Wachstum gelesen wurde. Microsoft, Meta, Alphabet und Amazon legen ihre Quartalszahlen am 28. und 29. April vor — Analysten erwarten kombinierte Capex-Guidance jenseits von 200 Milliarden Dollar für 2026. Hinzu kommt der Auftragsschub aus Souverän-KI-Verträgen: Nvidia hat in den letzten Monaten Multi-Milliarden-Deals mit Saudi-Arabien (HUMAIN-Joint-Venture), den VAE und Indien angekündigt.

Jensen Huang verteidigte die Bewertung beim Davos-Treffen im Januar offensiv: Die aktuellen Hyperscaler-Investments seien „der größte Infrastrukturausbau in der Geschichte der Menschheit“; bislang seien erst „a few hundred billion dollars“ von „trillions of dollars“ investiert. Bullish-Argumente: Nvidias Bruttomarge bleibt über 70 Prozent, Blackwell-Bestellungen sind nach SemiAnalysis-Recherchen für 2027 ausverkauft, und die Software-Margen rund um CUDA und Omniverse skalieren mit der Hardware-Basis. Wedbush-Analyst Daniel Ives nannte das Erreichen der 5-Billionen-Marke „nur den Anfang einer 7-Billionen-Story“.

Die Skeptiker bleiben präzise. Der ehemalige Bridgewater-Manager Bob Prince beziffert das systemische Risiko in einer Bloomberg-Analyse: Wenn Nvidias KI-Story bricht, drückt sie den S&P 500 mathematisch um sechs bis acht Prozent — ohne dass irgendetwas anderes passieren müsste. Hinzu kommt die Zirkularität der Capex-Story: OpenAI ist Nvidia-Großkunde und Nvidia-Investee zugleich, CoreWeave ähnlich, Oracle-Cloud finanziert sich teilweise über Nvidia-Garantien. Was buchhalterisch Investitionen sind, kann ökonomisch Selbst-Befruchtung sein. Auch die Stromnetz-Engpässe bremsen den Ausbau in Maine, Virginia, Irland und Brandenburg.

Für Tech- und SaaS-Entscheider ist die 5-Billionen-Marke kein Investment-Signal, sondern ein Risiko-Signal. Wer KI-Infrastruktur einkauft, kalkuliert mit Nvidias Dominanz noch mindestens zwei Generationen weiter — Blackwell jetzt, Rubin 2027. Wer alternative Wege sucht, hat 2026 mehr Optionen als vor zwölf Monaten: Googles Ironwood/TPU-8 (siehe Ausgabe vom 23. April), AMDs MI400-Serie, AWS Trainium 3, plus Custom-ASICs wie Anthropics Eigenentwicklung mit AWS. Die strategische Frage ist nicht, ob Nvidia die Vorherrschaft hält — das tut es kurz- und mittelfristig — sondern wie groß der Discount ist, den GCP, AWS und AMD zur Eroberung von Marktanteilen anbieten. Aktuell zwischen 30 und 44 Prozent gegenüber vergleichbaren Nvidia-Konfigurationen, laut SemiAnalysis.

Das Wichtigste vorweg: Kuos Bericht beschreibt nicht das mit Jony Ive gemeinsam entwickelte Hardware-Projekt der OpenAI-Tochter „io“. Das Ive-Projekt ist laut 9to5Mac-Recherchen ein bildschirmloses Gerät — mutmaßlich ein Smart-Speaker mit Kamera, gefolgt von Brillen, Lampe und Earbuds — und für Anfang 2027 geplant. Kuos neuer Bericht bezieht sich auf ein zweites, paralleles Hardware-Programm: ein klassisches Smartphone mit Display, gemeinsam entwickelt mit Qualcomm und MediaTek, gefertigt bei Luxshare. Spec-Lock und Lieferanten-Selektion sollen Q4 2026 bis Q1 2027 abgeschlossen sein, Massenproduktion ist für 2028 anvisiert.

Die konzeptionelle Wette: Statt einer App-Store-Oberfläche rendert das Gerät einen agentischen Layer als primäre Schnittstelle. Statt eines Maps-Aufrufs sagt der Nutzer „bring mich nach Hause“, der Agent ruft im Hintergrund Karten-Daten ab. Statt Slack-App zu öffnen, wird „Antworten der letzten Stunde zusammenfassen“ gesprochen. Diese Architektur — der Agent als Betriebssystem-Ersatz — ist nicht neu: Humane (AI Pin, eingestellt 2024) und Rabbit R1 (lauwarmer Empfang) sind bereits gescheitert. OpenAIs Wette ist, dass die Kombination aus Frontier-Modellen, Hyperscaler-Reichweite und etablierten Zulieferketten den Hardware-Pivot tragen kann, wo Startups scheitern mussten.

Die Aspiration von 300 bis 400 Millionen Stück jährlicher Auslieferung bis 2028, die Kuo nennt, ist mehr Ambition als Prognose. Apple verkauft pro Jahr rund 230 Millionen iPhones. Wenn OpenAI das Niveau ernsthaft anpeilt, ist die Wette mehr als nur das Frontier-Lab: Es ist ein parallelem Versuch, Apples Stack zu disruptieren — denkbar nur mit massiven Subventionen oder einer disruptiven Zahlungs-/Zahlbarkeitsstruktur. Branchenexperten in der Bloomberg-Diskussion am Montag erwarten realistische Zahlen im einstelligen Millionenbereich für das erste Jahr.

Während OpenAI an der eigenen Hardware bastelt, finanzieren Investoren parallel den Software-Hack: Skye, eine iPhone-App des Ex-Google-/Meta-Mitarbeiters Nirav Savjani, hat laut TechCrunch-Bericht vom 27. April eine 3,58-Millionen-Dollar-Pre-Seed eingenommen — Andreessen Horowitz, True Ventures, SV Angel und Offline Ventures — bei einer Bewertung von 19,5 Millionen Dollar Post-Money. Skye verwandelt iOS-Widgets in einen „agentischen Home Screen“: Meeting-Vorbereitungen, Health-Insights, E-Mail-Drafts und Finanz-Updates erscheinen ambient, ohne App-Öffnung. Die Wartelist hat in drei Wochen Zehntausende Anmeldungen gesammelt.

Für Produktstrategien in SaaS-Unternehmen ergibt sich ein doppeltes Signal. Erstens: Apps als Distributionsmodell sind unter strukturellem Druck. Wer 2026 noch ausschließlich auf App-Discovery via App Store setzt, plant am Trend vorbei — Agent-Layer wie Skye, ChatGPT-Connectoren oder Workspace Agents werden zu konkurrierenden Distributionspfaden. Zweitens: Wer Ressourcen in Apps investiert, sollte parallel Agent-API-First-Schnittstellen aufbauen. MCP-Server-Implementierungen werden in den nächsten zwölf Monaten der wichtigste neue Distributionskanal — vergleichbar mit der Zapier-Integration vor zehn Jahren oder mobile Apps vor zwanzig.

Der Test, den Google am 27. April über The Verge bestätigt hat, hat zwei Komponenten. Erstens: Eine Erweiterung der bereits seit Februar in Premium Labs laufenden Konversations-Schicht im Video-Player („Ask“-Button) auf weitere Geräteklassen, einschließlich Smart-TVs und Konsolen mit Mikrofon-Fernbedienung. Zweitens, neu: KI-generierte Karusselle in den YouTube-Suchergebnissen, die thematisch verwandte Video-Snippets statt reiner Trefferlisten anzeigen. Das Modell hinter beidem ist die Gemini-3-Familie, die seit dem 27. Januar 2026 die Standard-Engine für Googles AI Overviews global ist.

Der konzeptionelle Unterschied zur passiven AI-Overviews-Schicht ist substantiell. AI Overviews sind statische Zusammenfassungen oberhalb der Suchergebnisse — Nutzer lesen, klicken eventuell weiter. Die YouTube-Chatbot-Schicht ist aktiv: Sie erlaubt Folgefragen wie „zeig mir eine 10-Minuten-Erklärung von X“ oder „was passiert ab Minute 5“. Der Suchverkehr verlagert sich vom Such-Klick auf eine konversationelle Mensch-Maschine-Interaktion innerhalb der YouTube-App.

Das strategische Ziel ist offensichtlich: TikTok und Reels haben die Discovery-Logik für Kurzvideos dominiert, weil ihr Algorithmus Intent-arme Endlos-Scroll-Sessions in produktive Time-on-Platform verwandelt. YouTube versucht das Gegenteil: Intent-reiche Anfragen („zeige mir Tutorials zu X mit konkretem Anwendungsbeispiel“) direkt in passende Long-Form-Inhalte aufzulösen — eine Domäne, in der TikTok strukturell schwächer ist. Wenn der Test funktioniert, könnte YouTube die Long-Form-Anteile in der Aufmerksamkeitsökonomie zurückerobern, die in den letzten Jahren an Kurzvideo-Plattformen verloren gingen.

Die unsichtbare Kollateralschäden-Frage betrifft die Creator-Ökonomie. Wenn ein Gemini-3-Layer auf eine User-Frage hin die „beste Erklärung“ zusammenfasst, werden bestimmte Videos systematisch bevorzugt — nach Kriterien, die YouTube nicht öffentlich macht. Kleinere Kanäle (unter 100.000 Subscriber) befürchten laut Social Media Today-Berichterstattung, dass die Konsolidierung der Aufmerksamkeit auf die Top-3-Empfehlungen pro Anfrage ihren Long-Tail-Traffic abwürgt. Eine ähnliche Diskussion lief 2024 um Googles AI Overviews, die laut Search-Engine-Land-Studien den Klick-Through auf Drittseiten um 30 bis 50 Prozent senkten.

Für Marketing- und Content-Verantwortliche in SaaS- und Tech-Unternehmen ergibt sich ein konkreter Handlungsbedarf. Wer YouTube als Distributionskanal nutzt, sollte ab sofort Video-Beschreibungen und Transkripte explizit für Frage-Antwort-Patterns optimieren — analog zur Generative-Engine-Optimization (GEO) für Googles Web-Search. Strukturierte Untertitel mit klar formulierten Konzepten und klaren Antworten haben höhere Chancen, von Gemini 3 als Quelle eines Karussells zitiert zu werden. Diese Empfehlung gilt parallel für YouTube-Shorts, deren Sichtbarkeit unverändert vom klassischen Algorithmus abhängt — der konversationelle Layer wirkt vorerst nur in Long-Form-Suchen.