Ausgabe vom 25. Mai 2026

Der weltgrößte Musikkonzern Universal Music Group (UMG) und TikTok haben am 22. Mai eine neue, mehrjährige globale Lizenzvereinbarung angekündigt. Der prominent vermarktete Kern: Beide Seiten verpflichten sich, unautorisierte KI-generierte Musik von der Plattform zu entfernen und die Attribution — die korrekte Zuordnung von Songs zu Künstlern und Songwritern — zu verbessern. Die Plattform-Ökonomie solle „effektiv an Künstler und Songwriter durchfließen“, hieß es. UMG-Digitalchef Michael Nash sprach davon, „menschliche Kunstfertigkeit zu schützen und zu verstärken“.

Wichtig zur Einordnung: Die Vereinbarung formuliert eine allgemeine Selbstverpflichtung. Technische Details zur Erkennungs- und Attributions-Technologie und finanzielle Konditionen wurden nicht veröffentlicht. Wer also konkrete Filtermechanismen oder Vergütungsstrukturen erwartet, findet sie in der Mitteilung nicht — bestätigt ist die Lizenzvereinbarung als solche samt dem KI-Versprechen.

Der Deal ist die Fortschreibung einer konfliktreichen Beziehung. Anfang 2024 zog UMG seinen gesamten Katalog von TikTok zurück, nachdem die Verhandlungen gescheitert waren — der Konzern warf der Plattform vor, ein musikbasiertes Geschäft aufzubauen, ohne fair für die Musik zu zahlen, und kritisierte ausdrücklich die Förderung KI-generierter Musik. Nach Wochen verschwundener Songs einigte man sich im Mai 2024 auf einen neuen Vertrag. Die Vereinbarung von 2026 erneuert diesen Deal — nun mit KI-Schutz als zentralem Bestandteil.

Das fügt sich in ein erkennbares Muster: UMG verfolgt eine Doppelstrategie aus Fördern und Bekämpfen. Erst vergangene Woche, wie wir in unserer Ausgabe vom 22. Mai berichteten, kündigte Spotify gemeinsam mit UMG ein lizenziertes Tool für KI-Covers und Remixe an — unter dem Leitprinzip „consent, credit, and compensation“. Im Oktober 2025 hatte UMG zudem seinen Urheberrechtsstreit mit dem KI-Musikdienst Udio per Vergleich beendet und eine gemeinsame, lizenzierte Plattform angekündigt. Der TikTok-Pakt adressiert nun die Distributionsseite, während Spotify/Udio die Generierungsseite abdecken.

Bemerkenswert bleibt, was nicht befriedet ist: Die Klagen von UMG und Sony Music gegen den KI-Musikgenerator Suno laufen weiter. Für die Streaming-Plattformen ist der Druck real — Konkurrent Deezer meldete zeitweise Zehntausende vollständig KI-generierter Uploads pro Tag, von denen kaum jemand tatsächlich etwas hört, die aber den Tantiemen-Pool verwässern. Wie tief KI die Musikindustrie umordnet, haben wir in unserer Reportage vom 23. April ausführlich analysiert.

„Die erste Generation von KI-Chatbots zu hacken, war eine lächerlich einfache Angelegenheit“, beginnt eine vielbeachtete Analyse von The Verge. Man habe weder technisches Wissen noch einen Backdoor-Zugang gebraucht — oft genügte eine freundliche Bitte, um ein milliardenteures System dazu zu bringen, seine Sicherheitsregeln abzulegen. 2026 ist daraus eine ausgefeilte Praxis geworden, die gezielt die „Persönlichkeit“ der Modelle ausnutzt.

Das Prinzip: KI-Assistenten sind darauf trainiert, hilfsbereit, vertrauensvoll und kontextverstehend zu sein — genau diese Eigenschaften lassen sich gegen sie wenden. Klassische Persona-Jailbreaks wie „DAN“ („Do Anything Now“) weisen das Modell an, eine zweite Identität anzunehmen, die nicht an das Sicherheitstraining gebunden ist. Solche Techniken funktionieren laut aktuellen Untersuchungen auch gegen moderne Modelle weiter; eine Studie aus dem März 2026 fand, dass „Persuasive and Authority Prompting“ klassische Ansätze sogar übertrifft.

Noch heikler ist die indirekte Prompt-Injection: Schadbefehle werden in Datenquellen versteckt, die später im Kontext des Modells landen — etwa in Support-Tickets oder auf vom Angreifer kontrollierten Webseiten. Das Modell kann legitime nicht von eingeschleusten Anweisungen unterscheiden. Sicherheitsforscher fanden eine solche Lücke in Google Gemini, die Autorisierungskontrollen umging und Zugriff auf sensible Meeting-Daten erlaubte; Google veröffentlichte sogar ein eigenes Papier über die Verteidigung von Gemini gegen indirekte Prompt-Injections.

Dass die Branche das Problem in Echtzeit löst, gab ein hochrangiger Google-Cloud-Manager gegenüber TechCrunch offen zu: „Sicherheit ist nichts, was man später dranschraubt.“ Die Zahlen sind drastisch — das Zeitfenster von der Erstkompromittierung bis zur nächsten Angriffsstufe sei von acht Stunden auf 22 Sekunden gesunken; gelöschte API-Keys blieben bis zu 23 Minuten aktiv, und in diesem Fenster erzielten Angreifer über 90 Prozent Erfolgsrate. Einzelne Entwickler berichteten von Rechnungen über Tausende Dollar durch missbräuchliche API-Aufrufe. LinkedIns Sicherheitschefin spricht von einer „bug-pocalypse“.

Dass es nicht bei Theorie bleibt, belegt ein Bericht der Google Threat Intelligence Group vom 11. Mai: Staatsnahe Akteure aus China und Nordkorea nutzen persona-getriebenes Jailbreaking bereits im Feld — etwa indem sie dem Modell die Rolle eines „Netzwerksicherheits-Experten für eingebettete Geräte“ zuweisen. Eine dokumentierte Android-Schadsoftware weist einem Gemini-Modell sogar eine „harmlose Persona“ zu, um Sicherheitsfilter zu umgehen, und steuert das Gerät anschließend autonom. Für Unternehmen heißt das: Wer KI-Agenten Zugriff auf E-Mails, Dokumente oder APIs gibt, muss die Persönlichkeit des Modells selbst als Angriffsfläche behandeln.

Es sollte ein Baustein im Turnaround-Programm „Back to Starbucks“ von CEO Brian Niccol sein: ein KI-Tool namens „Automated Counting“, das Mitarbeiter Regalbestände per Kamera scannen ließ und die Bestände automatisch zählte — statt mühsamer Handzählung. Entwickelt wurde es mit dem Computer-Vision-Spezialisten NomadGo und im September 2025 über rund 11.000 Filialen in Nordamerika ausgerollt. Ende Mai 2026, nach nur neun Monaten, ist Schluss: „Automated Counting will be retired“, heißt es in einem internen Newsletter.

Der Grund ist so banal wie entlarvend: Das System scheiterte an seiner Kernaufgabe, korrekt zu zählen. Es verwechselte optisch ähnliche Milchsorten, übersah Artikel und verzählte sich häufig. In einem von Starbucks selbst hochgeladenen Werbevideo erkannte die Software eine Flasche Peppermint-Sirup nicht als solche. Die Folge: Mitarbeiter mussten die KI-Ergebnisse ohnehin gegenprüfen — der Effizienzgewinn kehrte sich ins Gegenteil, die Aufgabe verdoppelte sich.

Der Fall ist ein griffiges Lehrstück über die Lücke zwischen KI-Demo und Produktionsrealität. Computer Vision zur Produkterkennung funktioniert in unkontrollierten Umgebungen — wechselndes Licht, dicht gepackte Regale, fast identisch aussehende Produkte — deutlich schlechter, als Pilot-Demos suggerieren. Bemerkenswert ist die kurze Lebensdauer und der flächendeckende Rollout vor ausreichender Validierung: ein klassisches Muster überstürzter KI-Einführung.

Ironischerweise sollte gerade dieses Tool die chronischen Produkt-Engpässe beheben, die Niccol für sinkende Umsätze mitverantwortlich macht — lieferte am Ende aber unzuverlässige Bestandsdaten und damit das Gegenteil. Die Rückkehr zur manuellen Zählung zeigt die unbequeme Pointe: Das alte, „dumme“ Verfahren war zuverlässiger als die KI. Für Entscheider ist die Lehre weniger „KI funktioniert nicht“ als vielmehr: Ein KI-System, dem man nicht trauen kann, kostet mehr, als es spart — genau diese Verifikationslücke beleuchtet unsere Reportage vom 23. Mai.

Eine neue Studie der IT-Beratung Zoi — durchgeführt mit dem Meinungsforschungsinstitut Civey und wissenschaftlich begleitet von der Hochschule der Medien Stuttgart — befragte 500 IT-Entscheider aus Unternehmen mit über 2.000 Mitarbeitenden. Das Ergebnis ist ernüchternd: 76 Prozent testen aktiv KI-Agenten, aber nur 19 Prozent setzen sie produktiv in Kernprozessen ein. Drei Viertel verfügen über eine dokumentierte KI-Strategie der Führungsebene — doch nur rund ein Drittel verknüpft sie mit konkreten, messbaren Zielen.

Bemerkenswert ist, was nicht als Haupthindernis genannt wird: das Geld. Als zentrale Hürden gelten die Komplexität der bestehenden IT-Infrastruktur, fehlende Kompetenz beim Personal und die schwierige Integration in Altsysteme — Budget rangiert weit dahinter. Zoi-Geschäftsführer Benjamin Hermann bringt es auf den Punkt: Mit KI zu starten sei einfacher, als mit KI produktiv zu werden.

Die Kehrseite zeigt sich bei jenen, die doch ausrollen. Laut dem „State of AI Agent Security 2026“-Report des Anbieters Gravitee sind über 50 Prozent der aktiven KI-Agenten weder überwacht noch abgesichert. Eine Cloudflight-Befragung von 150 C-Level-Managern aus dem Januar 2026 ergänzt das Bild: Nur 29 Prozent haben klare Business Cases für agentische KI gelegt; in zwei Dritteln der Fälle liegt die Verantwortung allein bei der IT, und fast die Hälfte nennt mangelnde Koordination zwischen IT, Fachbereich und Compliance als größte Herausforderung.

Für dieses Phänomen hat sich der Begriff „Agent Sprawl“ etabliert: das unkontrollierte Wuchern autonomer Agenten, die verschiedene Abteilungen eigenständig einsetzen — ohne zentrale Inventarisierung, ohne Monitoring. Beobachter ziehen die Analogie zur „Schatten-IT 2.0“. Der Unterschied zur klassischen SaaS-Wildwucherung: Ein vergessenes Abo verschwendet nur Budget; ein vergessener Agent, der etwa autonom über die Kreditwürdigkeit von Kunden entscheidet, ist eine andere Risikoklasse.

Beide Befunde zeigen dieselbe Diagnose aus zwei Blickwinkeln — die „Pilotfalle“ einerseits, die unkoordinierte, unüberwachte Skalierung andererseits. Das Engpassproblem ist nicht die Modellqualität und nicht das Geld, sondern Governance, Koordination und die Integration in gewachsene Systemlandschaften. Wer KI-Initiativen ohne messbare Ziele und ohne Aufsicht startet, produziert teure technische Altlasten statt Wertschöpfung.

Bee ist ein KI-Wearable im Format eines Fitness-Armbands, das Amazon im Juli 2025 übernahm. Per Knopfdruck nimmt es gesprochene Gespräche auf, transkribiert sie, gliedert sie in Abschnitte mit Einzel-Zusammenfassungen und leitet daraus To-dos, Erinnerungen und Kalendereinträge ab. Wichtig — und entgegen einem verbreiteten Missverständnis: Bee hört nicht standardmäßig dauerhaft mit. Die Aufnahme wird manuell gestartet, ein grünes Licht signalisiert sie, und das Audio wird nach der Transkription verworfen. Der Preis: 49,99 Dollar für das Gerät plus 19 Dollar im Monat für die vollen KI-Funktionen.

Anlass der aktuellen Aufmerksamkeit ist kein neuer Produktstart, sondern ein Hands-on von TechCrunch-Autor Lucas Ropek (24. Mai). Sein Fazit ist zwiespältig: Beruflich sei das Gerät „mäßig kompetent“ — bei einem Geschäftsanruf habe die App die Zusammenfassung „getreu wiedergegeben“, bei einer Filmszene sogar korrekt eine Tarantino-Analyse erkannt. Privat aber sei ein „Lauschgerät, das man sich 24/7 ans Handgelenk schnallt“, für viele schlicht zu invasiv.

Die Datenschutzbedenken sind konkret: Die App verlangt umfangreiche Berechtigungen — Standort, Fotos, Kontakte, Kalender, Benachrichtigungen, Gesundheitsdaten — und verarbeitet das Gesagte in der Cloud; eine angekündigte On-Device-Option war beim Test nicht verfügbar. Hinzu kommt die Frage des Einverständnisses Dritter: Bee setzt auf manuelles Nachfragen und das grüne Aufnahmelicht statt auf heimlichen Dauermitschnitt — kulturell unbehaglich bleibt das Aufnehmen in der Öffentlichkeit trotzdem.

Der Markt für KI-Wearables hat sich Ende 2025 stark konsolidiert. Der Pionier Humane (AI Pin, 699 Dollar) scheiterte und wurde binnen eines Jahres eingestellt; der Rabbit R1 gilt weithin als Enttäuschung; Limitless (vormals Rewind) wurde im Dezember 2025 von Meta übernommen und nicht mehr an Neukunden verkauft. In diesem ausgedünnten Feld positioniert sich Bee mit knapp 50 Dollar als das mit Abstand günstigste Einsteigergerät — gestützt auf Amazons Alexa-Ökosystem und als Massenmarkt-Wette auf „Ambient AI“. Ob ein dauerhaft zuhörendes Mikrofon am Handgelenk gesellschaftlich akzeptiert wird, ist die eigentliche, noch offene Frage.