Ausgabe vom 2. Mai 2026

Tag 5 sollte ursprünglich der Übergang von Musks Zeugenaussage zu den Nebenzeugen werden — Birchall als Family-Office-Manager war zur Bestätigung der Spendenflüsse vorgesehen. Birchall bestätigte zwischen 2016 und 2020 etwa 60 Spenden über insgesamt rund 38 Millionen Dollar an OpenAI. Doch dann verlor die Verhandlung die Choreographie. Über einen Notizzettel zwischen Musks Anwälten gelangte das 97,4-Milliarden-Dollar-Übernahmeangebot, das Musk Anfang 2025 für die OpenAI-Nonprofit-Assets eingereicht hatte, plötzlich in die offene Verhandlung. OpenAI legte sofort Einspruch ein. Die Richterin schickte die Jury früher nach Hause und kündigte für die kommenden Tage eine Entscheidung über einen OpenAI-Antrag an, Teile von Birchalls Aussage zum Übernahmeversuch zu streichen.

Was bisher in Woche eins zusammenkam: Musk hatte an drei Tagen ausgesagt (29.–30. April und 1. Mai morgens). Die Höhepunkte sind in MIT Technology Review und The Verge dokumentiert: „Ich war ein Narr, der ihnen kostenloses Kapital gab, um ein Startup aufzubauen“ (Musk über die 38 Mio. Dollar Spende). Auf die direkte Frage des OpenAI-Anwalts William Savitt, ob xAI OpenAI-Modelle distilliert habe, antwortete Musk schlicht „Partly“ — hörbares Raunen im Saal. Eingeführte Beweismittel umfassen die zentrale „Honest Thoughts“-E-Mail-Kette von 2017, Altmans Antwort an Musk zum Microsoft-Investment 2022 („I agree this feels bad“) und den OpenAI-Gründungs-Charter von 2015 als Kernbeweis für Musks „Charity-Theft“-These.

Wie wir in unserer Ausgabe vom 30. April berichteten, war der Distillation-Eingeständnis-Moment der bisherige Tiefpunkt für Musks Erzählung — die Verteidigung argumentierte, „es ist Standardpraxis, andere KIs zur Validierung der eigenen KI zu verwenden“, aber das ändert nichts an OpenAIs Terms of Service, die kompetitive Nutzung verbieten. Stuart Russell von der UC Berkeley wurde als Zeuge zur KI-Sicherheit zugelassen, aber von der Richterin in seiner Aussage zu „existenziellen Risiken“ und „Terminator-Szenarien“ gekappt — die Verhandlung sei kein Tribunal über die Sicherheitsrisiken künstlicher Intelligenz.

Die Prediction-Markets sind während Musks Aussage signifikant gegen ihn gekippt. Polymarket („Wird Musk gegen Altman gewinnen?“) liegt aktuell bei rund 38 Prozent Ja, 62,5 Prozent Nein — vor Verhandlungsbeginn lag die Quote bei 50 Prozent. Kalshi fiel von 61,5 Prozent auf 53,5 Prozent. Das Settlement-Szenario ist mit etwa 27,5 Prozent Wahrscheinlichkeit eingepreist. Bemerkenswert: Polymarkets „$10-Mrd-Settlement?“-Markt notiert nur 7 Prozent Ja — die Märkte rechnen mit einem entweder-oder-Ausgang, nicht mit einem schnellen Abkauf.

Woche zwei ab Montag, 4. Mai, soll Brockman als Defense-Hauptzeugen bringen. Brockman hatte während Musks Aussage im Saal gesessen und Notizen gemacht, war aber durch Verfahrensfragen blockiert. Sutskever (~30 Min. geplant), Murati (Video-Deposition) und schließlich Sam Altman selbst werden gegen Mitte/Ende Woche zwei oder Anfang Woche drei (etwa 11.–13. Mai) erwartet. Phase 2 (Remedies — strukturelle Konsequenzen wie eine mögliche Zwangs-Rückführung in die Nonprofit-Struktur) beginnt am 18. Mai und liegt allein in der Hand der Richterin, ohne Jury.

Für die KI-Branche ist die Frage, was mehr schadet: ein Musk-Sieg, der zur Rückabwicklung der OpenAI-For-Profit-Struktur führt und damit jede zukünftige Nonprofit-zu-For-Profit-Transition rechtlich gefährdet — oder ein Musk-Verlust, der die ohnehin laufende Trust-Erosion bei OpenAI verfestigt. Der gestern (Donnerstag) eröffnete Streit zwischen Altman und Anthropic-Mitgründern ist Teil derselben Bewegung: Altmans öffentliche Positionierung gegen Anthropic-CEO Dario Amodei als „Panikmacher“ ist auch ein Versuch, die mediale Aufmerksamkeit vom eigenen Prozess wegzulenken. Wer in Q3 2026 OpenAI-Verträge erneuert, sollte unbedingt eine Klausel zur potenziellen Strukturveränderung des Vertragspartners aufnehmen — die Wahrscheinlichkeit, dass OpenAI Mitte 2026 anders aussieht als heute, ist real, unabhängig vom Jury-Verdict.

ARI ist genau ein Jahr alt — gegründet am 30. April 2025 — und wird damit zur jüngsten substanziellen Robotik-Akquisition eines Big-Tech-Konzerns. Die Co-Founder sind keine Unbekannten: Lerrel Pinto war Assistant Professor an der NYU und Mitgründer des humanoiden Startups Fauna Robotics (das er 2025 verließ und das im März 2026 von Amazon übernommen wurde). Xiaolong Wang ist Associate Professor an der UC San Diego, hat in Robotics an der Carnegie Mellon promoviert und gewann 2024 den MLSys Best Paper Award für KI-Modell-Optimierung; davor war er Forscher bei NVIDIA. Wang formulierte das ARI-Ziel auf X: „Achieve physical AGI“ — physische Allgemeinintelligenz.

Technisch baut ARI Whole-body humanoid control models. Anders als Greifarm-fokussierte Modelle (RT-2, Figure Helix) koordinieren ARIs Modelle den ganzen Körper eines Humanoiden in komplexen, dynamischen Umgebungen. Hinzu kommen e-Flesh-Sensoren (taktile Sensoren, die Verformung messen) und Self-Learning durch Umweltinteraktion. Die finanziellen Details der Übernahme blieben undisclosed — Bloomberg spricht von einem schnell vollzogenen Deal („closed Friday“), was auf einen vergleichsweise kleinen Acqui-Hire hindeutet, nicht in der Größenordnung von Metas 15-Milliarden-Dollar-Investment in Scale AI im Juni 2025.

Die organisatorische Architektur ist die eigentliche Story. Das ARI-Team wechselt zu Meta Superintelligence Labs (MSL) unter Alexandr Wang (Ex-Scale-AI-CEO, seit 2025 Metas Chief AI Officer). Parallel betreibt Meta seit 2025 eine separate Hardware-Schiene unter Marc Whitten (Ex-CEO von GM-Cruise, Ex-CTO Unity, Founding Engineer am Xbox-Team) — die Meta Robotics Studio innerhalb von Reality Labs, mit aktuell rund 100 Ingenieuren. Whitten leitet die Hardware-Entwicklung; ARI bringt jetzt das KI-Foundation-Model. Beide Stränge sollen ein „world model“ für „dextrous motion and real-time reasoning“ bauen — Metas direkte Antwort auf Google DeepMinds Gemini Robotics, NVIDIAs GR00T und Physical Intelligences π0.5.

Strategisch positioniert sich Meta laut The Next Web als „Android of humanoid robots“. Statt selbst der dominante Hardware-Hersteller zu werden — was Tesla, Figure und 1X versuchen — will Meta die Sensor-Software-AI-Schicht liefern, auf der andere Hersteller aufbauen. Frühere Berichte (TechCrunch Februar 2025) zeigten Gespräche mit chinesischen Unitree und Figure über Hardware-Partnerschaften. Die Vergleichsanalogie ist klar: Apple baut Hardware und macht alles selbst; Google macht Android und überlässt OEMs die Geräte. Meta wählt erkennbar die Android-Strategie für Humanoide.

Im Konkurrenzkontext ist die Akquisition ein Bestätiger des aktuellen Kapitalstroms. Figure AI hat $39 Mrd. Bewertung (September 2025), Skild AI $14 Mrd. (Dezember 2025), Apptronik $5 Mrd. (Februar 2026), Neura Robotics aus Deutschland 4 Mrd. Euro (März 2025). Goldman Sachs revidierte 2025 den Markt für humanoide Roboter auf 38 Mrd. Dollar bis 2035 — sechsfach höher als zuvor — und Morgan Stanley sieht bis 2050 bis zu 5 Billionen Dollar Marktvolumen. Tesla hat 2025 mit Optimus die Demo-Phase nicht überschritten, China lieferte 90 Prozent der globalen humanoiden Einheiten. Eine ausführliche Einordnung lesen Sie in der heutigen Reportage am Ende dieser Ausgabe.

Für Tech Leads in SaaS-Unternehmen sind humanoide Roboter heute noch kein direktes Thema — aber das Pattern ist relevant. Meta tut, was Microsoft mit Cloud-AI getan hat: Plattform-Schicht statt Endkundenprodukt, mit dem Ziel, Standards zu setzen und Lock-in zu generieren. In zwei Jahren werden VLA-Modelle (Vision-Language-Action) für Robotik in SaaS-Workflows auftauchen — etwa für Logistik-Automation, Quality-Inspection oder physisches Onboarding. Wer dann eine Plattform-Strategie evaluiert, wird genau die gleichen Fragen stellen müssen, die heute bei LLM-Anbietern relevant sind: Welche Modell-Architektur, welche Trainingsdaten, welche Tool-Integration?

Manus ist kein unbekanntes Startup. Entwickelt von Butterfly Effect (蝴蝶效应) in Beijing, gegründet 2022 von Xiao Hong (33), wurde der gleichnamige autonome KI-Agent am 6. März 2025 als Invitation-Only-Beta gelauncht. Das Demo-Video erreichte über eine Million Views in 20 Stunden, Invitation Codes wurden auf Sekundärmärkten für 7.000 bis 13.800 Dollar gehandelt. Manus baut keine eigenen Foundation-Modelle, sondern setzt auf Claude und GPT auf — mit einem Cursor-inspirierten UI-Modell und Fähigkeiten in autonomer Recherche, Coding, Datenanalyse und Lebenslauf-Screening. Der annualisierte Umsatz lag im Dezember 2025 bei 125 Millionen Dollar. Im April/Mai 2025 hatte das Unternehmen eine 75-Mio-Dollar-Series-B unter Führung des US-VCs Benchmark abgeschlossen — bei 500 Mio. Bewertung.

Der Meta-Deal wurde am 29./30. Dezember 2025 angekündigt: rund 2 Milliarden Dollar (Quellen nennen Spannen bis 3 Mrd.), Verhandlung in nur 10 Tagen, das Manus-Team wird in Singapur integriert, Manus-Subscription bleibt eigenständiges Produkt, Code wird in den Meta-Stack integriert, chinesische Operationen sollen abgewickelt werden. Meta-Statement bei Ankündigung: „Es wird nach der Transaktion keine fortlaufenden chinesischen Eigentumsanteile mehr geben.“ Xiao Hong sollte als VP zu Meta wechseln. Bereits Juni-Juli 2025 hatte Manus seinen HQ nach Singapur verlegt, das Mainland-Team von 120 auf rund 40 Personen reduziert und alle chinesischen Social-Media-Accounts gelöscht.

Doch Beijing zog die rote Linie. Die NDRC (National Development and Reform Commission), konkret das Office of the Working Mechanism for Security Review of Foreign Investment, eskalierte den Fall an die National Security Commission unter Xi Jinpings Vorsitz. Die Begründung: „Manus' core technologies were developed in China and involve processing massive amounts of user data.“ Zwei in China registrierte Schwesterfirmen — Beijing Red Butterfly Technology und Beijing Butterfly Effect Technology — seien weiter aktiv; der technologische Ursprung und die inländischen Entitäten seien nicht rechtlich getrennt. Im März 2026 wurde Xiao Hong und Co-Founder Ji Yichao ein Exit-Bann auferlegt — beide dürfen China nicht verlassen. Am 27. April 2026 erfolgte das formale Veto und die Anweisung zur Rückabwicklung; öffentlich gemacht wurde der Schritt am 1. Mai 2026.

Die rechtliche Grundlage sind Chinas Foreign Investment Security Review Measures aus dem Januar 2021 — Chinas eigenes CFIUS-Äquivalent. Es ist die erste öffentlich bekannt gemachte AI-M&A-Blockade unter diesem Regime. Frühere Reviews wurden informell und intransparent geführt — der Manus-Fall ist ein klares Marktsignal. Das Wall Street Journal berichtete am 28. April, Meta bereite die Rückabwicklung bereits vor: Der Manus-Code sei in Meta-Services integriert, was die technische Rückabwicklung komplex macht. Beijing setzte eine Frist von wenigen Wochen zur vollständigen Wiederherstellung der chinesischen Manus-Assets, inkl. Löschung übertragener Daten und Technologie. Bei Non-Compliance drohen Strafen und China-Geschäfts-Restriktionen für Meta — relevant, da Meta-Werbeumsätze von chinesischen Exporteuren rund 10 Prozent des Konzernumsatzes ausmachen.

Beobachter sehen darin das Ende der „Singapore Washing“-Strategie: chinesische Tech-Gründer verlagern HQ nach Singapur, um Zugang zu globalem Kapital zu bekommen und Distanz zu Beijing zu signalisieren. Asia Times titelte: „China's Manus AI case sets red lines to bar 'Singapore washing'.“ Beijing prüft jetzt nicht mehr nur den formalen Inkorporations-Ort, sondern Ursprung der Technologie, Standort der Core-R&D, Nationalität der Gründer, historische China-Operationen und Datenflüsse. Damit wird Cross-Border-AI-M&A mit chinesischem Ursprung de facto unmöglich — sehr ähnlich der seit Januar 2025 in Kraft befindlichen US-„Reverse CFIUS“-Regulierung, die US-Investments in chinesische KI-Firmen einschränkt.

Für SaaS-Unternehmen mit chinesischer Lieferkette oder chinesischen Co-Investoren ist die Botschaft klar: Geopolitische Souveränitätsrahmen sind 2026 ein Vertragsthema. Wer einen chinesischen KI-Agenten als Subprozessor nutzt (Manus, andere Cursor-Klone), muss heute Exit-Pfade kalkulieren. Wer einen US-Anbieter nutzt, sollte die Reverse-CFIUS-Implikationen für eigene chinesische Kunden mitdenken. Die EU sitzt zwischen den Stühlen — französische Mistral und deutsche Aleph Alpha könnten 2026 einen unerwarteten Lift bekommen, wenn US-Anbieter und chinesische Anbieter wechselseitig blockiert werden. Die Multi-Polar-AI-Landschaft, vor der Politiker seit 2024 warnen, ist jetzt faktisch eingetreten.

GitHubs Chief Product Officer Mario Rodriguez kündigte die Umstellung Ende April an. Die offizielle Begründung im Blogbeitrag: „Agentic usage is becoming the default, and it brings significantly higher compute and inference demands... the current premium request model is no longer sustainable.“ Konkret bedeutet das: Pro $10 = 1.000 AI Credits monatlich. Pro+ $39 = 3.900 Credits. Business $19/User = 1.900 Credits + $30 Promo-Credits (Juni-August). Enterprise $39/User = 3.900 Credits + $70 Promo-Credits. Code Completions und Next Edit Suggestions bleiben weiterhin kostenfrei. Token-Verbrauch wird zu API-Listenpreisen abgerechnet — Claude Opus 4.7 zum Beispiel mit $5 Input / $25 Output pro Million Tokens.

Was das in der Praxis bedeutet, lässt sich rechnen. Eine intensive Coding-Session mit Claude Opus 4.7 verbraucht typischerweise 200K-500K Input-Tokens (Codebase-Kontext) und 30K-100K Output-Tokens (Code-Generierung). Bei den höheren Werten sind das schnell 5-10 Dollar pro Stunde Coding-Aktivität. Ein Pro-User mit 30 Stunden Wochennutzung würde in einer Woche bereits seinen Monats-Credit-Pool durchbrennen. Visual Studio Magazine zitiert den meistgeteilten Community-Tenor: „You will get less, but pay the same price.“ In der GitHub-Community-Discussion #192948 berichten einzelne Heavy-User von bis zu 900 Prozent höheren Effektivkosten. Der Hacker-News-Kommentar: „The difference between request-based and token-based billing could sober up an alcoholic from mere shock.“

Die Migration läuft gestaffelt: Anfang Mai zeigt eine Preview-Bill-Experience im Billing-Overview die projizierten Kosten. Am 1. Juni greift die Umstellung für Monats-Abos. Jahres-Abos bleiben bis Vertragsende beim Premium-Request-Modell — allerdings mit erhöhten Modell-Multipliern (Claude Opus 4.7 jetzt mit 7,5x Multiplier auf Pro+), was effektiv eine Preiserhöhung über die Hintertür ist. User können wahlweise vorzeitig auf Credits wechseln und bekommen pro-rata-Erstattung; nach Ablauf landen sie auf Copilot Free oder zahlen usage-based weiter.

Wirtschaftlich ist die Umstellung Microsofts Eingeständnis, dass die Land-Grab-Phase vorbei ist. Microsoft 365 Copilot überschritt im April 2026 die Marke von 20 Millionen bezahlten Enterprise-Sitzen (siehe unsere Ausgabe vom 30. April) — gleichzeitig fiel die Bruttomarge auf 67,6 Prozent, den niedrigsten Stand seit 2022. Memory-Komponenten wurden um 25 Mrd. USD teurer. GitHub-interne Daten (zitiert von Where's Your Ed At) zeigen, dass die wöchentlichen Copilot-Betriebskosten sich seit Januar 2026 nahezu verdoppelt haben. Coding-Workloads — speziell agentische Loops mit Claude Opus 4.7 — sind beim aktuellen $10/$39-Pricing strukturell defizitär. User verbrennen 3-8x ihres Abopreises an Tokens.

Microsoft ist nicht allein. OpenAI Codex hat bereits am 2. April 2026 von Per-Message auf Per-Token umgestellt. Anthropic hat im März die Claude-Code-Quotas mehrfach verschärft. Cursor kämpft bei -23 Prozent Gross Margin (siehe unsere Ausgabe vom 25. April) und setzt eine ähnliche Hybrid-Mechanik ein. Nur Windsurf hat am 19. März die Gegenrichtung eingeschlagen: weg vom variablen Credit-System, hin zu Quota-basierten Fixtarifen ($20/$40/$200) — explizit als „Surprise-Bills ausgeschlossen“-Differenzierungsspiel. Native Modelle (SWE-1, SWE-1.5, SWE-1-mini) kosten Fix-Rate pro Message statt Tokens.

Für SaaS- und Engineering-Manager wird daraus eine konkrete Q3-Aufgabe: Token-Visibility pro Developer, Projekt und Modell muss aufgebaut werden — eine Cost-Control-Disziplin, die kaum eine Org bisher etabliert hat. Wer für 2026 Coding-Tool-Verträge plant, sollte drei Fragen klären: (1) Welche Modelle werden für welche Aufgaben genutzt? Opus 4.7 für komplexe Codebase-Refactorings, Claude Haiku oder GPT-5.4 mini für simple Edits? (2) Welche Heavy-User müssen separate Power-Tarife erhalten, statt das Team-Pool zu drainen? (3) Welche Open-Source-Alternativen (Qwen 3.6 lokal, Mistral Devstral 2, OpenCode/Cline) können für 60-70 Prozent der Standardaufgaben genutzt werden? Wer alle drei Fragen erst nach dem 1. Juni stellt, läuft in eine Cost-Explosion, die schnell vier-, fünfstellig pro Monat ausmachen kann.

David Silver ist keiner unter vielen. Der ungefähr 50-Jährige war über ein Jahrzehnt der Leiter des Reinforcement-Learning-Teams bei DeepMind und Hauptarchitekt von AlphaGo (2016 Sieg gegen Lee Sedol), AlphaZero und AlphaStar (Grandmaster-Level StarCraft, Nature 2019). Er hat den ACM Prize in Computing gewonnen, ist Royal Society Fellow und Professor für Reinforcement Learning am University College London. Beim Christ's College in Cambridge lernte er einst Demis Hassabis kennen — bei einem Schach-Turnier; die beiden gründeten Anfang der 2000er das Game-Studio Elixir Studios zusammen. Silver verließ Google DeepMind im Januar 2026 — am 16. Januar wurde er als Director der neuen Firma im UK-Companies-House eingetragen.

Die 1,1 Milliarden Dollar Seed-Runde ist nominell mehr als jede europäische Tech-Seed-Runde davor. Co-Lead: Sequoia (Partner Alfred Lin und Sonya Huang) und Lightspeed (Ravi Mhatre, Raviraj Jain). Weitere Investoren: NVIDIA, Google, DST Global, Index Ventures, EQT, Wellcome Trust, British Business Bank und der jüngst aufgelegte britische Sovereign AI Fund. Bewertung: 5,1 Mrd. Dollar post-money. Im Vergleich: Mira Muratis Thinking Machines Lab kam im Juli 2025 auf 2 Mrd. USD Seed bei 12 Mrd. Bewertung; Ilya Sutskevers Safe Superintelligence (SSI) auf 1 Mrd. Seed bei 5 Mrd. Bewertung im Juni 2024 — ein praktisch identisches Niveau zu Ineffable. Anthropics ursprüngliche Series-A 2021 lag noch bei mageren 124 Mio. Dollar.

Die These ist provokant. Silver argumentiert, Superintelligenz werde nicht aus Sprachmodellen entstehen, die auf menschlichem Text trainiert sind. Stattdessen will Ineffable einen „Superlearner“ bauen — ein System, das per reinem Reinforcement Learning ohne menschliche Daten durch Trial-and-Error in Simulationen alles selbst lernt, von elementarer Motorik bis zu wissenschaftlichen Durchbrüchen. Konzeptioneller Rahmen: „Era of Experience“ — ein Begriff, den Silver in mehreren akademischen Beiträgen geprägt hat. Das Endziel laut Sequoia-Blog: ein System, das „die Gesetze der Physik aus ersten Prinzipien herleitet, neue Zweige der Mathematik erfindet, Materialien, Medikamente und Computer entwirft, für die wir noch kein Vokabular haben.“ Silver hat zugesagt, etwaige persönliche Profite an Charities zu spenden, die Leben retten.

Die Co-Founder sind alle Ex-DeepMind: Alex Laterre, Wojciech Czarnecki (AlphaStar-Co-Architekt), Lasse Espeholt (IMPALA) und Junhyuk Oh. Mitarbeiterzahl wird offiziell nicht genannt; Crunchbase- und LinkedIn-Daten deuten auf unter 50 Personen zum Funding-Zeitpunkt. Es gibt kein veröffentlichtes Produkt, keine Demo, keinen öffentlichen Roadmap. Sitz: London. Inkorporiert wurde die Firma im November 2025; nach knapp fünfmonatiger Stealth-Phase wurde am 27. April 2026 publik gemacht.

Die kritische Stimme kommt von einem alten Freund. Demis Hassabis hatte am 18. November 2025 im Hard-Fork-Podcast — Wochen vor Silvers Announcement — explizit vor diesem Pattern gewarnt: „Es gibt einige Teile der KI-Branche, die wahrscheinlich in einer Bubble sind. Wenn man Seed-Investments mit Multi-Ten-Billion-Dollar-Runden für Firmen ohne irgendwas sieht...“ Pikant, weil Hassabis und Silver seit Cambridge-Tagen befreundet sind und einst Geschäftspartner waren. The Deep Dive titelte mit „Ex-DeepMind Researcher Raises $1.1B for AI Startup With No Product, No Revenue, and No Roadmap.“ Strukturelle Kritik: Mehrere Branchen-Analysten zweifeln, ob reines Reinforcement Learning ohne menschliche Daten und ohne LLM-Fundament das Niveau erreichen kann, das Silver beschreibt — die These widerspricht dem Mainstream-Konsens, dass RL als Fine-Tuning-Schicht auf vortrainierten Modellen wirkt, nicht ersetzend.

Für Tech-Entscheider in SaaS-Unternehmen ist Ineffable kein direkter Anbieter — sie haben kein Produkt. Aber das Pattern ist relevant. Wir sind 2026 in einer Phase, in der Investoren auf Researcher-Brand und Optionswert wetten, nicht auf Produkte oder Umsätze. Drei Mega-Seed-Runden (Murati, Sutskever, Silver) haben jeweils Multi-Billion-Dollar Bewertungen ohne kommerzielle Validierung erreicht. Wenn diese Runden nicht zu echten Frontier-Modellen führen, könnte 2027 eine Korrekturphase die KI-Bewertungen branchenweit treffen — Anthropics 900-Mrd-Bewertung wird dann mit auf den Prüfstand gestellt. Wer heute langfristige KI-Vendor-Verträge schließt, sollte Capacity- und Pricing-Klauseln einbauen, die diesen Bewertungs-Stress aushalten.