Ausgabe vom 20. Mai 2026

Der gesamte X-Post von Karpathy umfasst 31 Wörter — und der Anthropic-Sprecher gegenüber TechCrunch kein viel längeres Statement. „Personal update: I've joined Anthropic. I think the next few years at the frontier of LLMs will be especially formative. I am very excited to join the team here and get back to R&D. I remain deeply passionate about education and plan to resume my work on it in time." Der Anthropic-Sprecher ergänzt nur: „Karpathy will start a team focused on using Claude to accelerate pre-training research." Innerhalb einer Stunde hatte der Post fast drei Millionen Views. Bis Dienstagabend kalifornische Zeit war es der meistgesehene AI-Forschungs-Wechsel des Jahres — vor jedem Google-I/O-Highlight.

Wer Karpathy ist, lässt sich auf wenige Stationen verdichten. Geboren 1986 in Bratislava, mit 15 nach Toronto emigriert, PhD Stanford 2015 unter Fei-Fei Li, weltberühmt für die Stanford-Vorlesung CS231n und die zugehörigen Open-Source-Lehrvideos. 2015 Gründungsmitglied von OpenAI. 2017 bis 2022 Director of AI bei Tesla, verantwortlich für den Autopilot/Full-Self-Driving-Stack — direktes Berichten an Elon Musk. Februar 2023 bis Februar 2024 Rückkehr zu OpenAI in einer Forschungsrolle, parallel zur kurzzeitigen Sam-Altman-Absetzung (eine Verbindung beider Ereignisse hat Karpathy stets bestritten). Juli 2024 Gründung von Eureka Labs — ein AI-natives EdTech-Startup, dessen Erstprodukt LLM101n Studierende durchs eigene Modelltraining führte. Aktuell rund 2 Millionen X-Follower, MIT Tech Review „Innovator Under 35" und Time 100 AI.

Karpathys jüngste Arbeit signalisiert die Logik des Wechsels. Im Oktober 2025 veröffentlichte er nanochat: rund 8.000 Zeilen PyTorch-Code, der für 100 Dollar Cloud-Compute und vier Stunden GPU-Zeit einen vollständigen ChatGPT-Clone trainiert. Im Dwarkesh-Podcast vom Oktober 2025 dämpfte er gleichzeitig die AGI-Erwartungen — „still a decade away" — und kritisierte aktuelles Reinforcement Learning als „sucking supervision through a straw" und heutige Agenten als „slop". Im März 2026 dann ein Eigenexperiment: Ein Coding-Agent lief zwei Tage unbeaufsichtigt durch 700 Trainingsläufe, fand 20 Optimierungen, schnitt 11 Prozent Trainingszeit eines größeren Modells ab. Karpathy nannte es selbstironisch „part code, part sci-fi, and a pinch of psychosis". Genau diesen Ansatz — AI-assistierte Forschung, also Claude trainiert die nächste Claude-Generation — wird er nun bei Anthropic systematisch ausbauen.

Anthropics Wette ist damit klar formuliert. Während OpenAI auf Distribution (ChatGPT-Subscriptions, Dell-Hardware-Partner, Pentagon-Verträge) und Google auf vertikale Integration (Antigravity, Universal Cart, Search) setzt, glaubt Anthropic, dass der entscheidende Hebel im Wettlauf Auto-Research ist: Wenn das eigene Modell die nächste Modellgeneration schneller, besser und billiger entwickeln kann, schlägt das jeden Capex-Vorteil. Karpathy ist einer der wenigen Forscher mit gleichzeitig tiefer LLM-Theorie und Large-Scale-Training-Praxis. Dass er trotz aller Eureka-Labs-Statements zur Bildung zurück in eine Lab-Rolle wechselt, ist ein Signal — er sieht die nächsten Jahre an der Frontier als „besonders formativ".

Die Marktreaktion war eindeutig. Anthropic verhandelt aktuell laut Bloomberg und CNBC eine 30-Milliarden-Dollar-Runde bei 900 Milliarden Dollar Bewertung — Lead-Investoren Dragoneer, Greenoaks, Sequoia, Altimeter. Damit überholt das Unternehmen erstmals die 852 Milliarden Dollar von OpenAI (Stand der Finanzierungsrunde März 2026). Polymarket taxiert die Wahrscheinlichkeit, dass Anthropic vor OpenAI an die Börse geht, auf 67,5 Prozent. Der annualisierte Umsatz Anthropics steuert auf rund 45 Milliarden Dollar zu. OpenAI hat zur Karpathy-Personalie öffentlich nicht Stellung genommen — auch Sam Altman schweigt. Gizmodos Headline „as Sam Altman's Fortunes Turn" mag dramatisch sein, beschreibt aber das Stimmungsbild der Tech-Beobachter. Axios formuliert es trocken: „The AI Cold War is heating up. Anthropic was founded by OpenAI exiles. It's adding one more."

Was offen bleibt: Eureka Labs. Karpathy hat angekündigt, „in time" zur Bildung zurückkehren zu wollen. nanochat und LLM101n haben in der Open-Source-Community erheblichen Sog entwickelt — viele Lehrkräfte und Universitäten bauen darauf auf. Welche Form Eureka in den kommenden Monaten nehmen wird, ist unklar; das Unternehmen wird laut Karpathy „pausiert". Für die offene KI-Education-Szene ist das ein Verlust ihres prominentesten Akteurs. Für Anthropic ist es der dritte gewichtige Forschungskopf binnen weniger als zwei Jahren, ohne dass irgendein vergleichbarer OpenAI-Hire den Talentstrom in die Gegenrichtung gespiegelt hätte. Wer den Forscher-Talent-Strom als Frühindikator strategischer Kohärenz liest — und das tun Investoren zunehmend — sieht hier ein eindeutiges Zeichen.

Wer hinter Emmi AI steht, erklärt die Strategie. Co-Founder und Chief Scientist Johannes Brandstetter ist Tenure-Track-Professor an der JKU Linz und war zuvor Researcher bei Microsoft Research — wo er Co-Architekt des Foundation-Models „Aurora" war, das Wettermodellierung neu organisiert hat. Davor: CERN. Mit ihm leiten CEO Dennis Just und Miks Mikelsons das Unternehmen, das aktuell rund 30 Forscherinnen und Ingenieure aus JKU, Oxford, TUM, Sorbonne, UPenn und Harvard beschäftigt. Die Funding-Runde im April 2025 lieferte 15 Millionen Euro durch Speedinvest, Serena VC, 3VC und PUSH — laut JKU der größte Seed-Deal Österreichs aller Zeiten. Die Bewertung wurde nicht öffentlich gemacht.

Was Emmi AI technisch baut, ist die wahre Pointe der Übernahme. Klassische Ingenieurssimulation läuft auf Solver-Engines wie ANSYS oder Siemens NX — Differentialgleichungen werden auf Millionen von Gitterzellen numerisch gelöst, Berechnungszeiten reichen von Stunden bis zu mehreren Wochen pro Designvariante. Emmi AIs Kern-Modelle AB-UPT (Anchored-Branched Universal Physics Transformers), NeuralCFD und NeuralDEM sind Deep-Learning-Surrogate, die diese Berechnungen in Millisekunden bis Sekunden liefern. AB-UPT skaliert nachweislich auf über 100 Millionen Mesh-Zellen — Automotive-Aerodynamik passt auf eine einzelne GPU. NeuralDEM ist Open Source und simuliert industrielle Partikelströmungen in Echtzeit. Die wissenschaftliche Basis: Universal Physics Transformers, eine gitter- und partikelagnostische Architektur, die für unterschiedliche physikalische Domänen gleichzeitig trainiert werden kann.

Strategisch passt das in Mistrals Pivot vom Frontier-LLM zum vertikal verteidigbaren Industrie-Lab. Statt mit OpenAI, Anthropic und Google ums beste reine Sprachmodell zu kämpfen, besetzt Mistral Domänen, in denen sich europäische Industrie-Tradition zu Daten-Asset wandelt. Februar 2026 die Koyeb-Akquisition (Cloud-Deployment, europäische Souveränität), April 2025 Mistral Compute (18.000 Nvidia Blackwell GPUs, 40 MW in Essonne), parallel das ASML-Investment von 1,3 Milliarden Euro, die deutsch-französische SAP-Partnerschaft und das 1,2-Milliarden-Euro-Datacenter in Borlänge/Schweden. Mit Emmi AI wird Mistral nun, in Brandstetters Formulierung, „the first frontier lab for industrial engineering and manufacturing" — direkter Wettbewerber zu Nvidia Omniverse, Siemens Xcelerator und dem israelischen Decart.

Auch im Vergleich zu Anthropics Akquisitions-Muster wird die Logik deutlich. Anthropic kaufte in sechs Monaten: Bun (JS-Runtime, Dezember 2025), Vercept (Computer-Use-Agent, Februar 2026), Coefficient Bio (Biotech, April 2026), Stainless (SDK-Layer, Mai 2026). Stoßrichtung: vertikal integrierter Agent-Stack — Runtime, Operator, Domäne, Connector — alles für die US-Software-/Developer-Layer. Mistrals Stoßrichtung dagegen: vertikale Industrie-Domänen — Cloud-Deployment, Physik, Manufacturing — Fokus auf europäische Industrieabnehmer. Beide Lab-Cluster verfolgen also dieselbe Stack-Vertiefungs-Logik jenseits des Modells, aber für unterschiedliche Endmärkte: Anthropic für die US-Agenten-Ökonomie, Mistral für Europas Old-Industry.

Für Mistrals Pacte-IA-Narrativ und Macrons KI-Strategie ist die Akquisition ein politisches Signal. Nach Arthur Menschs „Vasallenstaat"-Audition vor der Assemblée nationale im Mai 2026 (siehe unsere Reportage) ist Mistral der Hoffnungsträger der europäischen Souveränitäts-Achse. Eine Akquisition in Linz erweitert diese Achse zum ersten Mal in das deutschsprachige Mitteleuropa und signalisiert: Mistral baut die europäische KI-Industrie nicht entlang der nationalen Champion-Logik, sondern entlang von Forschungs-Hotspots. JKU Linz war über NXAI bisher die wichtigste deutschsprachige KI-Forschungsbastion. Mit der Übernahme wird Emmi-Geschäftsführer Dennis Just zum Lead des neuen Mistral-Linz-Office, das laut trendingtopics.eu von aktuell 15-20 auf 40-50 Mitarbeiter wachsen soll. Brandstetter wird formell als „VP AI for Science" eingeordnet.

Der zentrale technische Schritt ist die Kombination zweier bisher separater Schichten. C2PA-Content-Credentials (das offene „CR-Logo"-Manifest, das OpenAI seit DALL·E 3 in seine Bilder einbettet) sind kryptografisch signierte Metadaten zu Herkunft und Bearbeitungshistorie — wertvoll, aber leicht zu entfernen, sobald jemand das Bild als Screenshot abfotografiert oder durch eine verlustbehaftete Pipeline schickt. SynthID dagegen ist ein perceptuelles Wasserzeichen, das Google DeepMind in die Pixeldaten selbst einbettet, statistisch verteilt, für menschliche Augen unsichtbar und nach Google-Angaben robust gegen die meisten Standard-Transformationen. Mit der gestrigen Ankündigung wird SynthID erstmals branchenweit auf OpenAI-Bilder ausgeweitet — ChatGPT-, Codex- und API-Outputs erhalten zusätzlich zur C2PA-Signatur ein SynthID-Watermark.

Wie der Workflow für Nutzer aussieht, hat OpenAI ebenfalls präzisiert. Auf der neuen Seite openai.com/research/verify lädt man ein Bild hoch. Das Tool prüft auf beide Signale gleichzeitig: C2PA-Content-Credentials und SynthID-Watermark. Output: eine Bestätigung, ob das Bild aus dem OpenAI-Ökosystem stammt. Beim Launch erkennt das Tool nur OpenAI-eigene Bilder; die Cross-Industry-Verifikation für Bilder aus Imagen, Midjourney, FLUX und weiteren Modellen ist laut Roadmap „in den kommenden Monaten" geplant. OpenAI ist seit Mai 2024 im C2PA-Steering-Committee zusammen mit Adobe, Amazon, BBC, Google, Intel, Meta, Microsoft, Publicis Groupe, Sony und Truepic. Letztgenannte fungieren als Standardisierungs- und Adoption-Plattform.

Der politische Kontext erklärt den Zeitpunkt. Im März 2026 veröffentlichte das National Republican Senatorial Committee (NRSC) das erste vollständig KI-generierte politische Deepfake-Video eines amerikanischen Politikers (James Talarico) mit kaum erkennbarem Disclosure-Label — CNN bezeichnete den Vorgang als historischen Präzedenzfall. Im April 2026 publizierte das Council of Europe ein Memorandum, das Pflicht-Wasserzeichen für synthetische Politiker-Inhalte fordert. 58 Prozent der US-Erwachsenen erwarten laut Pew Research im Wahljahr eine Eskalation synthetischer Falschinformationen. OpenAIs Schritt am Dienstag positioniert das Unternehmen explizit als technischer Antwort-Geber — anstatt rein über die Modell-Karte oder Trust-and-Safety-Statements zu agieren, liefert OpenAI nun ein Konsumenten-Tool.

Für Audio und Video bleibt die Strategie dünn besetzt. Sora — OpenAIs Videogenerator — wurde zwischen März und September 2026 in mehreren Stufen abgewickelt (siehe unsere Berichterstattung zur Sora-Diskontinuierung). Bestehende Sora-Videos tragen sichtbares Wasserzeichen und C2PA-Metadaten; für aktuell ausgegebene Videos aus dem OpenAI-Stack ist die Provenance-Lage praktisch leer, bis ein Nachfolge-Modell erscheint. Audio ist laut OpenAI-Blog die nächste Roll-out-Welle — konkrete Termine fehlen. Branchen-Beobachter weisen darauf hin, dass Audio-Wasserzeichen technisch schwieriger sind als Bild-Wasserzeichen, da die Token-Auflösung deutlich niedriger ist.

Die Adoption über das Ökosystem hinaus entscheidet, ob das Tool seinen Zweck erfüllen kann. Microsoft setzt C2PA bereits in Azure OpenAI ein („Content Credentials in Azure OpenAI"-Doku). BBC und Truepic implementieren C2PA in ihren News-Pipelines. ElevenLabs und Kakao gehörten laut Google I/O 2026 zu den ersten SynthID-Drittadoptern für Audio bzw. Bilder. Was bislang fehlt: eine flächendeckende Integration in Browser, Social-Media-Plattformen und Messaging-Apps. Meta hat C2PA-Adoption für Instagram und Facebook angekündigt, ein Roll-out-Termin steht aus. Die EU-Kommission diskutiert im Rahmen des AI-Act-Artikels 50 eine Kennzeichnungspflicht für AI-generierte Medien, die ab August 2026 wirksam wird — und in der Praxis ohne ein C2PA-/SynthID-Substrate kaum durchsetzbar wäre. OpenAIs Schritt ist damit auch ein regulatorisch motiviertes Vorpreschen.

Die Strukturlogik der Restrukturierung ist klar zweigleisig. Auf der einen Seite die Layoffs: 8.000 Stellen weg, getroffen primär das mittlere Management und administrative Funktionen — Janelle Gale, Meta Chief People Officer: „Many org leaders incorporated AI native design principles into their new org structures. We're now at the stage where many orgs can operate with a flatter structure with smaller teams of pods/cohorts that can move faster and with more ownership." Auf der anderen Seite die Versetzungen: 7.000 Mitarbeiter werden in vier neu zugeschnittene KI-Einheiten transferiert — Applied AI Engineering baut produktive KI-Features, Agent Transformation Accelerator XFN treibt die Agentisierung interner Prozesse, Central Analytics überwacht Produktivität und Leistung der internen Agenten, und Enterprise Solutions adressiert die Geschäftskunden-Schicht.

Über allem stehen die Meta Superintelligence Labs. MSL entstand Mitte 2025 nach dem 14-Milliarden-Dollar-Deal mit Scale AI, der Alexandr Wang als Chief AI Officer zu Meta brachte. Wang leitet TBD Lab (Frontier-LLMs), FAIR (Research), Products and Applied Research (Nat Friedman) und MSL Infra (Aparna Ramani). Yann LeCun, langjähriger Chief AI Scientist und Co-Vater der Llama-Open-Source-Linie, verließ Meta im März 2026 nach 12 Jahren — sein Abgang wurde im November 2025 angekündigt. Gegenüber der Financial Times wurde LeCun deutlich: „You don't tell a researcher what to do. You certainly don't tell a researcher like me what to do." Und: LLMs seien „a dead end when it comes to superintelligence". LeCun gründete AMI Labs mit dem alternativen V-JEPA-Ansatz.

Das Modell, das den Strategiewechsel inkarniert, heißt Muse Spark. Im April 2026 stellte Meta die neue „Muse"-Familie vor — „Scaling Towards Personal Superintelligence" als Titel. Muse Spark ist nativ multimodal, mit Tool-Use, Visual Chain-of-Thought, Multi-Agent-Orchestrierung; das Health-Reasoning-Modul wurde mit über 1.000 Ärztinnen und Ärzten kuratiert. Roll-out über Facebook, Instagram, WhatsApp, Messenger und Ray-Ban Meta Smart Glasses. Wesentlich: Muse Spark ist Closed Source. Das ist der Bruch mit der Llama-Open-Source-Tradition, der die ganze Reorganisation logisch konsistent macht. Bei einem Capex-Budget von 125 bis 145 Milliarden Dollar für 2026 (erhöht von ursprünglich 115-135) braucht Meta einen direkten Monetarisierungspfad — Open-Weights-Veröffentlichung von Frontier-Modellen würde diese Investition nicht amortisieren.

Zusätzlich zur Modell-Reorganisation beschleunigt Meta seine MTIA-Chip-Roadmap dramatisch. Vier Chip-Generationen binnen zwei Jahren — MTIA 300 läuft bereits in der Produktion, 400 (6 PFLOPs FP8, 288 GB HBM, 9,2 TB/s Bandbreite, 1.200 W) folgt 2026, 450 (7 PFLOPs, 18,4 TB/s, 1.400 W) Anfang 2027, 500 (10 PFLOPs, bis zu 512 GB HBM, 27,6 TB/s, 1.700 W) später 2027. Release-Kadenz ein Chip alle sechs Monate — die Industrie liefert sonst alle 12-24 Monate. Von MTIA 300 zu MTIA 500 wächst die HBM-Bandbreite um Faktor 4,5, die Compute-FLOPs um Faktor 25. Im Hintergrund das Gigawatt-Rechenzentrum in Louisiana, finanziert über ein 27-Milliarden-Joint-Venture mit Blue Owl Capital — und Zuckerbergs öffentliches Versprechen „hundreds of gigawatts of capacity over the decade".

Wie die Stimmung in den Büros wirklich ist, hat Wired in 16 Mitarbeiter-Interviews dokumentiert. Beschäftigte beschreiben sich als „paralyzed", „coasting" und „panicked". Lebensläufe werden poliert, Offsite-Treffen finden in Kaffees statt im Büro statt. Manche hoffen offen darauf, entlassen zu werden — denn Metas Severance-Paket umfasst 16 Wochen Grundgehalt plus 2 Wochen pro Beschäftigungsjahr plus 18 Monate COBRA-Krankenversicherung; in Kalifornien überlappen 8,5 Wochen der „16 Wochen" mit gesetzlich vorgeschriebener WARN-Period, in New York 13. Die zentrale ironische Drehung im Wired-Bericht: Mitarbeiter optimieren in den letzten Wochen ihre konzerneigenen Benefits. Das jährliche 2.000-Dollar-Wellness-Budget wird verschwenderisch ausgeschöpft, das triennale 200-Dollar-Audio-Guthaben löst einen Run auf AirPods Pro 2 aus. Auf die Frage eines Q1-Earnings-Calls nach Capex-ROI antwortete Zuckerberg laut Fortune: „That's a very technical question." Auch das ist eine Antwort.

Der Kernsatz im NVIDIA-Blog formuliert die Stoßrichtung knapp. „Trust should come from verifiable integrity and authenticity, not from implied provenance alone." Damit benennen die fünf Co-Autoren der Ankündigung — Abramovitch, Boone, Kandarkar, Major, Paz — eine Lücke, die der Agent-Markt 2026 bisher offengelassen hatte. Existierende Agent-Sicherheits-Layer fokussieren auf Runtime-Guardrails (NVIDIAs NeMo Guardrails, Anthropics Sandboxes) und auf Capability-Bezug (MCP-Server, Skill-Marketplaces). Die Skills selbst — die portablen Instruction-Sets, die einem Agenten beibringen, wie er ein bestimmtes Tool oder eine Bibliothek korrekt nutzt — waren in der Praxis ein Vertrauens-Blind-Spot: Wer hat sie geschrieben? Wurden sie nach Publikation modifiziert? Welche Rechte fordern sie ein? Was tun sie tatsächlich?

Die Verifizierungs-Pipeline läuft achtschrittig. Source Repository → Review (human plus automatisiert) → SkillSpector-Scanning → Evaluation → Skill-Card-Generierung → kryptografisches Signing (detached skill.oms.sig) → Katalogisierung → täglicher Sync ins öffentliche Verzeichnis. SkillSpector prüft konventionelle Software-Risiken: vulnerable Dependencies, suspicious Scripts, dangerous Code Patterns, Credential Access, Data Exfiltration Paths. Plus agent-spezifische Risiken: hidden Instructions, Prompt Injection, Trigger Abuse, Excessive Agency, Tool Poisoning, Mismatches zwischen deklariertem Zweck, eingeforderten Rechten und tatsächlichem Verhalten. Die Skill Card als Output dokumentiert Funktionalität, Autoren, Lizenzierung, Abhängigkeiten, technische Limitations, Risiken, Verifikationsstatus.

Im Repository NVIDIA/skills liegen heute 129 verifizierte Skills aus 16 NVIDIA-Produkten. Größte Cluster: cuOpt mit 12 Skills (Routing, Supply-Chain-Optimierung), TensorRT-LLM mit 23 Skills (LLM-Inferenz), NemoClaw mit 23 Skills (Agent-Sandboxing), Megatron-Bridge mit 29 Skills (Datenverarbeitung, Modellkonvertierung). Weitere Produkte: CUDA-Q, DALI, DeepStream, Megatron-Core, Model-Optimizer, NeMo Evaluator, NeMo Gym, Nemotron Voice Agent, RAG Blueprint, TileGym, Video Search and Summarization Blueprint. Die Skills sind kompatibel mit allen aktuellen Coding-Agenten-Hosts: Claude Code, OpenAI Codex/Codex CLI, Cursor, GitHub Copilot, Gemini CLI, AWS Kiro-CLI. Da NVIDIA auf dem offenen agentskills.io-Standard aufsetzt, sind auch die ursprünglichen Anthropic-Skill-Partner — Atlassian, Figma, Canva, Stripe, Notion, Zapier — formal kompatibel.

Strategisch interessant ist die Abgrenzung zu den Konkurrenz-Stacks. Anthropic Skills sind das Format selbst — der offene Standard, geöffnet im Dezember 2025. OpenAI Function Calling adressiert die Tool-Aufruf-Mechanik, nicht die Capability-Verifizierung. AWS Bedrock AgentCore baut eine Runtime-Plattform (Memory, Gateway, Identity, Browser). NVIDIA differenziert sich also nicht durch ein neues Skill-Format, sondern durch eine zusätzliche Trust-Layer auf einem geöffneten Standard: Scanning, Signing, Skill Cards. Das Lock-in-Risiko bleibt niedrig — Skills laufen weiter auf Nicht-NVIDIA-Hardware — aber wer NVIDIA-Bibliotheken und CUDA-X-Stack einsetzt, bekommt eine verifizierbare Capability-Schicht zwischen Modell und Bibliothek.

Eingebettet ist die Ankündigung in den Computex-2026-Zyklus. Computex lief vom 19. bis 23. Mai in Taipeh, NVIDIAs Jensen-Huang-Hauptkeynote wurde auf den 1. Juni vorverlegt und findet eigenständig am Taipei Music Center statt. Der Verified-Agent-Skills-Blogpost ist damit keine Keynote-Ankündigung, sondern eine Entwickler-Veröffentlichung — mit überraschend dünnem Medien-Echo: Stand heute Mittag haben weder TechCrunch noch Heise oder Golem eine eigene Berichterstattung gebracht. Beachtenswert ist die parallele Partnerschaft mit ServiceNow (Project Arc, Mai 2026), in der NVIDIA Verified Skills und ServiceNow AI Control Tower zur ersten produktiven Agentic-AI-Governance-Achse zusammengeführt werden — eine Schicht, die für regulierte Enterprises (Pharma, Finance, Manufacturing) im AI-Act-Kontext kritisch wird.