Ausgabe vom 4. Juni 2026

GitLab, die börsennotierte DevSecOps-Plattform (NASDAQ: GTLB), trennt sich von rund 14 Prozent seiner Belegschaft — etwa 350 von rund 2.600 Stellen — und zieht sich aus etwa 22 Ländern zurück. CEO Bill Staples bezeichnete das „Zeitalter der Agenten“ als „größte Chance in der Unternehmensgeschichte“. Konkret sollen bis zu drei Führungsebenen wegfallen und die Entwicklung in rund 60 kleinere, eigenverantwortliche Teams umgebaut werden.

Der entscheidende Kontext: GitLab schrumpft nicht, es wächst. Im jüngsten Quartal lag der Umsatz bei rund 264 Millionen Dollar, ein Plus von etwa 23 Prozent gegenüber dem Vorjahr, bei einer Bruttomarge um die 88 Prozent. Die Restrukturierung kostet einmalig 30 bis 35 Millionen Dollar — und der Großteil der Einsparungen soll nicht als Marge einbehalten, sondern in Forschung, Entwicklung und KI-Infrastruktur reinvestiert werden. Das ist keine Krisenreaktion, sondern eine Umschichtung: Geld weg vom mittleren Management, hin zu Produkt und Compute.

GitLabs eigene These klingt optimistisch und folgt dem Jevons-Paradox: Autonome Coding-Agenten senken die Kosten der Softwareentwicklung — also entstehen mehr Code, mehr Pipelines, mehr Plattform-Last, nicht weniger Nachfrage. Staples sagte im Earnings Call, agentische Workloads belasteten die Entwickler-Infrastruktur stärker, als sie ausgelegt sei. Intern werde das Management dünner, weil kleine, agentengestützte Teams angeblich weniger Koordinationsebenen brauchen. Erst Ende April hatte GitLab die Integration von Anthropics Claude-Modellen in seine Duo-Agent-Plattform vertieft.

Doch genau hier lohnt Skepsis. Daten der Outplacement-Firma Challenger, Gray & Christmas zeigen: 2025 wurde KI in den USA nur für rund 4,5 bis 5 Prozent der angekündigten Entlassungen als Grund genannt; „Markt- und Wirtschaftsbedingungen“ verursachten ein Vielfaches. Eine vielzitierte HBR-Analyse vom Januar 2026 bringt es auf den Punkt: Firmen entließen Menschen „wegen des Potenzials von KI, nicht wegen ihrer Leistung“. Eine Gartner-Auswertung fand, dass Unternehmen mit hohem KI-ROI nicht dieselben sind, die KI-bedingt Personal abbauen — der Abbau folgt also der Erwartung und dem Investorendruck, nicht messbarer Produktivität.

Das Bild ist gemischt, nicht eindeutig. Salesforce baute 2025 reale Support-Stellen ab, weil KI dort einen Großteil der Arbeit übernehme. IBM zeigte das Gegenteil: KI ersetzte einige HR-Rollen, die Gesamtbelegschaft wuchs trotzdem, weil umgeschichtet wurde. Klarna ruderte zurück und stellte wieder Menschen ein, nachdem die Qualität gelitten hatte. „KI killt Jobs“ ist also ebenso unzulässig wie „alles nur Vorwand“.

Für Führungskräfte in SaaS-Unternehmen ist GitLab deshalb ein nützliches Anschauungsobjekt: Wenn ein wachsendes, profitabel kalkulierendes Unternehmen Stellen streicht und es mit dem „Zeitalter der Agenten“ begründet, lohnt der zweite Blick auf die Bilanz. Oft steckt klassisches Delayering dahinter — das Abflachen von Hierarchien, das es lange vor KI gab. Die KI-Erzählung liefert die Verpackung, die Investoren hören wollen. Wer die eigene Organisation umbaut, sollte ehrlich trennen, was KI heute schon leistet, und was man sich erst davon erhofft.

Google wird ein neues Werkzeug in der Search Console bauen, mit dem Publisher steuern können, ob ihre Inhalte in AI Overviews, im AI Mode und für das „Grounding“ generativer Antworten verwendet werden — und das auf Domain- und Seitenebene. Wer sich abmeldet, verliert Sichtbarkeit in diesen KI-Funktionen, bleibt aber in der klassischen Suche und im Discover-Feed gelistet. Auslöser ist die erste verbindliche Conduct-Requirement-Anordnung der Competition and Markets Authority (CMA) unter dem neuen Digital-Markets-Gesetz. Die Behörde nennt es ein „world first“; Google hat neun Monate zur Umsetzung und muss im ersten Jahr halbjährlich Compliance-Berichte vorlegen. Getestet wird zunächst mit britischen Publishern, dann folgt ein globaler Rollout.

Rechtliche Grundlage ist die „Strategic Market Status“-Designation, mit der die CMA Google im Oktober 2025 für Suche und Suchwerbung als marktbeherrschend einstufte. Wie unsere Reportage vom 20. Mai zur Agentisierung der Suche beschrieb, hatte Google ein solches Opt-out bereits unter regulatorischem Druck angekündigt — jetzt ist es verbindlich und mit Fristen versehen.

Warum das überhaupt nötig wurde: Bisher gab es kein sauberes Opt-out. Der robots.txt-Eintrag Google-Extended blockt zwar das Training von Gemini, nicht aber das Grounding der AI Overviews — die werden aus dem regulären Suchindex gebaut. Wer also nicht in den KI-Antworten erscheinen wollte, musste faktisch aus dem Such-Ranking ganz verschwinden. Das Nieman Lab dokumentierte bereits 2025, dass Google Inhalte von Publishern, die anderes KI-Training abgelehnt hatten, weiter für Overviews nutzte.

Der wirtschaftliche Kern ist der dokumentierte Traffic-Schwund. Eine Pew-Untersuchung fand: Erscheint eine KI-Zusammenfassung, klicken Nutzer nur in 8 statt 15 Prozent der Fälle auf ein Ergebnis — und nur in rund einem Prozent der Fälle auf die Quellen innerhalb der Overview. Eine Ahrefs-Studie bezifferte den Klick-Rückgang bei Top-platzierten Seiten mit Overview auf rund 58 Prozent; der Anteil der Zero-Click-Suchen stieg laut Similarweb binnen eines Jahres von 56 auf 69 Prozent.

Genau deshalb ist das Opt-out ein vergiftetes Geschenk. Google betont, AI Overviews erreichten über 2,5 Milliarden Nutzer monatlich, der AI Mode über eine Milliarde. Wer aussteigt, verzichtet auf diese Reichweite — und die normale Suche schickt ohnehin weniger Klicks. Kommentatoren lasen das Instrument deshalb als bewusstes Disincentive: Man darf gehen, aber es gibt „nirgendwo sonst hin“. Realistisch nutzen werden es eher starke Marken und Paywall-Häuser als traffic-abhängige Long-Tail-Publisher. Die CMA verkauft es daher vor allem als Verhandlungshebel für Lizenzdeals, nicht als Traffic-Rettung.

Für Medien- und SaaS-Entscheider folgt daraus dreierlei. Erstens: Der organische Such-Traffic als Geschäftsmodell erodiert strukturell — das Opt-out verschiebt nur die Entscheidung zwischen „Traffic-Verlust durch Overview“ und „Sichtbarkeits-Verlust durch Ausstieg“. Zweitens entsteht ein neuer Tooling-Markt: Opt-out-Management, KI-Sichtbarkeits-Tracking und Lizenz-Governance auf Seitenebene. Drittens setzt Großbritannien hier den Standard, bevor die laufende EU-Kartelluntersuchung und die US-Verfahren entschieden sind — der globale Rollout könnte die UK-Lösung de facto weltweit verankern, auch für deutsche Verlage.

Anthropic weitet sein Programm Project Glasswing auf rund 150 neue Organisationen in über 15 Ländern aus. Erstmals erhalten damit Einrichtungen in Deutschland, der Schweiz und weiteren europäischen Staaten Zugriff auf das Modell Claude Mythos, um sicherheitsrelevante Software auf Schwachstellen zu prüfen. Zu den neuen Partnern zählen laut Berichten unter anderem Samsung, SK Hynix, Okta, das Finanznetz Swift, die Abwicklungsplattform Euroclear sowie die EU-Cybersicherheitsagentur ENISA und die NATO. Wir haben über die Mythos-Klasse und Glasswing seit der Vorstellung im April mehrfach berichtet — dies ist die geografische Ausweitung, keine Neuvorstellung.

Worum es geht: Mythos ist Anthropics höchste Fähigkeitsstufe. Nach Unternehmensangaben hat das Modell über 10.000 hoch- bis kritisch-schwere Sicherheitslücken identifiziert — und kann nicht nur finden, sondern auch funktionierende Exploits konstruieren, teils durch Verkettung mehrerer Lücken. Genau deshalb hält Anthropic es bewusst aus der Öffentlichkeit zurück und gibt es nur an verifizierte Sicherheitsverantwortliche. (Die Zahl von „über 150“ neuen Organisationen schwankt je nach Quelle; die Größenordnung ist belastbar, eine exakte Zahl nicht.)

Der Kontext ist real und keine Anthropic-Erfindung. KI-gestützte Schwachstellensuche wurde 2025 Mainstream: Googles Agent „Big Sleep“ stoppte im Juli 2025 erstmals nachweislich die unmittelbar bevorstehende Ausnutzung einer Lücke. Bei der DARPA AI Cyber Challenge fanden autonome Systeme im August 2025 rund 77 Prozent der gestellten Schwachstellen, patchten viele in Minuten und entdeckten nebenbei 18 echte Zero-Days in realem Code. Und der autonome Pentester XBOW kletterte zeitweise auf Platz 1 der HackerOne-Rangliste — vor allen menschlichen Bug-Huntern.

Damit ist die Dual-Use-Frage unausweichlich: Dasselbe Werkzeug, das eine Lücke findet, kann sie ausnutzen. Die Asymmetrie ist bekannt — Angreifer brauchen eine Lücke, Verteidiger müssen alle schließen. Anthropics Antwort, Mythos nicht freizugeben und nur an geprüfte Verteidiger zu vergeben, versucht diese Asymmetrie zugunsten der Defensive zu drehen, schafft aber ein Gatekeeper-Problem: Wer entscheidet, wer „vertrauenswürdig“ ist? Die Schattenseite zeigt sich bereits am Open-Source-Ökosystem, wo Maintainer unter KI-generiertem Schwachstellen-„Slop“ ächzen — der curl-Maintainer schloss 2025 sein Bug-Bounty-Programm, weil kaum noch legitime Meldungen ankamen.

Warum der Europa-Zugang regulatorisch zählt: 2026 treffen mehrere EU-Regelwerke aufeinander. Der Cyber Resilience Act verpflichtet Hersteller ab dem 11. September 2026, aktiv ausgenutzte Schwachstellen binnen 24 Stunden frühzuwarnen und binnen 72 Stunden vollständig zu melden — an die zuständigen Stellen und ENISA. Die NIS2-Richtlinie bringt erste Durchsetzungsmaßnahmen in kritischen Sektoren. Dass ausgerechnet ENISA und NATO unter den neuen Partnern sind, verknüpft Mythos direkt mit der entstehenden EU-Meldeinfrastruktur.

Für CISOs und Software-Verantwortliche bedeutet das: KI-gestützte Schwachstellensuche wird vom „nice to have“ zur Erwartungshaltung — regulatorisch wie im Wettlauf mit Angreifern, die dieselben Fähigkeiten besitzen. Zugleich entsteht eine Abhängigkeit von einem einzelnen US-Anbieter für ein bewusst zurückgehaltenes, „zu gefährliches“ Modell. Das ist ein Konzentrations- und Souveränitätsrisiko, das in Europa Beachtung finden dürfte — und das die Frage aufwirft, ob der Kontinent eigene Kapazitäten in diesem Feld braucht.

Wer in der Amazon-App eine visuelle Beschreibung eintippt — etwa „Flanellhemd“ oder „blau-weiß kariertes Kleid“ —, bekommt unter den Autocomplete-Vorschlägen in Echtzeit generierte KI-Bilder von Produkten gezeigt. Diese Bilder zeigen keine real kaufbaren Artikel. Tippt man auf das Bild, das am besten passt, löst Amazon die visuelle Suche aus und leitet zu ähnlich aussehenden, echten Produkten weiter. Vorerst funktioniert das nur für Kleidung und Heimwaren, für US-Kundschaft, in der App.

Amazons Begründung: Käufer können oft nicht in Worte fassen, was sie suchen — etwa einen bestimmten Ausschnitt, ohne den Fachbegriff dafür zu kennen. Die KI-Bilder sollen diese Lücke zwischen Vorstellung und Produktfindung schließen. Das Feature reiht sich in eine breite KI-Shopping-Offensive ein: Im Mai hatte Amazon seinen Assistenten Rufus in „Alexa for Shopping“ umbenannt und agentisch ausgebaut; dazu kamen die kamerabasierte Echtzeitsuche „Lens Live“ und KI-Produkt-Zusammenfassungen.

Der zentrale Vorwurf lautet: Verbrauchertäuschung durch Design. Shopping-Oberflächen haben Nutzer jahrzehntelang darauf trainiert, dass ein Produktbild ein reales, kaufbares Objekt zeigt. Wer ein konkretes Kleid mit bestimmtem Schnitt sieht, verarbeitet das als „Ding, das ich kaufen kann“ — nicht als „KI-Interpretation meiner Anfrage“. Wer nicht genau hinschaut, hält das Mockup für ein echtes Angebot und wird enttäuscht, wenn genau dieses Produkt nicht existiert. TechCrunch nennt es treffend „somewhat bananas“, dass ein Händler sich Produkte ausdenkt, der auf Milliarden echter Produktfotos sitzt.

Heikel ist das vor allem im Kontext von Amazons ohnehin wachsendem Fälschungsproblem. Der Konzern entfernte 2025 nach eigenen Angaben über 15 Millionen gefälschte Produkte und blockierte hunderte Millionen verdächtiger Fake-Bewertungen. Parallel sorgte das agentische „Buy for Me“ für Beschwerden von Händlern, die für nie geführte Artikel gelistet wurden; Anfang 2026 berichtete CNBC über Backlash von Online-Händlern, deren Websites ungefragt für ein Amazon-KI-Tool gescrapt wurden. Generierte Produktbilder verschärfen dieses „AI-Slop“-Problem und werfen Markenrechtsfragen auf, falls die KI versehentlich geschützte Designs nachahmt.

Amazon ist mit dem Grundtrend nicht allein: Google (AI Mode mit virtueller Anprobe), Perplexity Shopping, Shopify und Pinterest treiben generative KI in die Produktsuche. Der Unterschied ist qualitativ: Anprobe-Tools visualisieren reale Produkte am eigenen Körper — Amazon visualisiert nicht existierende. Das ist die riskantere Variante. Für Händler verschiebt sich die Sichtbarkeit weg vom klassischen Listing hin zu der intransparenten Frage, ob das eigene echte Produkt zum KI-Bild passt, auf das jemand getippt hat. Und für die Branche steht ein Präzedenzfall im Raum: Die US-Handelsaufsicht FTC ging Anfang 2026 bereits gegen irreführende KI-Darstellungen vor — der Maßstab dafür wird gerade geschärft.

Ein Team um Nicolas Papernot an der University of Toronto und dem Vector Institute hat einen KI-gesteuerten Wurm