Ausgabe vom 8. Juni 2026

Nach Berichten von CNBC und der Financial Times verhandeln das Weiße Haus und OpenAI über eine direkte Beteiligung der US-Regierung am wertvollsten KI-Startup der Welt, das privat mit über 850 Milliarden Dollar bewertet wird. Präsident Trump bestätigte die Gespräche an Bord der Air Force One: Es gebe „Konzepte, bei denen Teile an die amerikanische Öffentlichkeit gegeben werden könnten, wo die Öffentlichkeit im Grunde zum Partner wird“. Offizielle Konditionen sind noch nicht entschieden, und auch eine Beteiligung an xAI und Anthropic ist im Gespräch.

Der diskutierte Mechanismus stammt von OpenAI selbst: ein „Public Wealth Fund“, den das Unternehmen in einem Strategiepapier im April 2026 vorschlug. Die Idee — OpenAI würde dem Staat Eigenkapital schenken statt verkaufen, sodass den Steuerzahlern kein Geld abfließt, die Allgemeinheit aber an der Wertentwicklung teilhat. Die Fondsrenditen sollen direkt an die Bürger ausgeschüttet werden. Für OpenAI ist das mehr als Großzügigkeit: Wer den Staat zum Miteigentümer macht, sichert sich kurz vor dem IPO politische Rückendeckung.

Bemerkenswert ist die politische Konstellation. Während die Trump-Regierung über eine freiwillige Schenkung spricht, hat der demokratische Senator Bernie Sanders mit dem „American AI Sovereign Wealth Fund Act“ die härtere Variante eingebracht: eine einmalige Abgabe von 50 Prozent — zahlbar in Aktien — auf OpenAI, Anthropic, xAI und Co., samt Stimmrechten und Aufsichtsratssitzen für den Bund. Dass sich linke und rechte Akteure in der Grundidee einig sind, zeigt, wie sehr die KI-getriebene Vermögenskonzentration parteiübergreifend als Problem gilt.

Der Schritt fügt sich in ein Muster: 2025 übernahm Washington knapp zehn Prozent an Intel, 15 Prozent am Seltene-Erden-Förderer MP Materials und vereinbarte eine Erlösbeteiligung an Nvidias China-Chips. Kritiker warnen vor dem zentralen Interessenkonflikt — wird der Staat zum Aktionär, ist er als Regulierer kein neutraler Schiedsrichter mehr. Was die Beteiligungswelle für Unternehmen, Wettbewerb und die Frage „Wem gehört die KI?“ bedeutet, analysieren wir ausführlich in der Reportage dieser Ausgabe.

Am 7. Juni führte ein kurzzeitiges Infrastrukturproblem bei Anthropic zu deutlich erhöhten Fehlerraten auf mehreren Claude-Modellen, insbesondere Opus 4.7 und 4.8. Für Dienste, die direkt auf diesen Modellen aufsetzen, bedeutete das spürbar mehr Fehlschläge. Anthropic identifizierte die Ursache laut Status-Updates am frühen Nachmittag (UTC) und spielte kurz darauf einen Fix aus; der Vorfall war binnen weniger Stunden behoben.

Interessanter als der Ausfall selbst ist die Reaktion von Notion. Das Unternehmen entfernte kurzerhand alle Anthropic-Modelle aus dem nutzerseitigen Modell-Auswahlmenü und leitete KI-Anfragen automatisch auf Alternativmodelle um. Das Ergebnis: Wer in Notion mit KI arbeitete, erlebte im schlimmsten Fall einen stillen Modellwechsel — aber keinen Produktausfall. Notion-spezifische Anthropic-Features blieben zwar vorübergehend nicht verfügbar, der Kern-Workflow lief jedoch weiter.

Genau hier liegt die Lehre für Entscheider. Die Konzentration produktiver KI-Workloads auf ein einzelnes Frontier-Modell ist ein operatives Risiko — egal wie gut der Anbieter ist. Notions Architektur mit austauschbaren Modellen und automatischem Re-Routing verwandelte einen Anbieter-Ausfall in eine kaum sichtbare Qualitätsdelle. Das ist dasselbe Muster, das wir schon bei der Token-Ökonomie beobachtet haben: Modell-agnostische Architekturen sind nicht nur eine Kosten-, sondern zunehmend eine Resilienzfrage.

Für Produktteams heißt das konkret: Wer KI fest in geschäftskritische Abläufe einbaut, sollte Fallback-Modelle, ein Gateway zur Modell-Umschaltung und ein bewusstes Degradationsverhalten („graceful degradation“) einplanen — bevor der nächste Ausfall kommt. Single-Vendor-Abhängigkeit lässt sich vertreten, wenn der Notfallplan steht; ohne ihn wird jeder fremde Infrastrukturfehler zum eigenen Incident.

Seit Jahren stößt die Halbleiterindustrie an eine physikalische Grenze: Transistoren noch kleiner zu machen wird immer teurer und schwieriger. Ein Team um den Materialwissenschaftler Qing Cao an der University of Illinois Urbana-Champaign verfolgt deshalb einen anderen Weg — nach oben statt nach innen. In einer Ende Mai 2026 in Nature veröffentlichten Studie zeigen die Forscher eine praktikable Methode der „monolithischen 3D-Integration“: Sie stapeln vollwertige Silizium-Schaltkreise direkt übereinander.

Der Durchbruch liegt in der Temperatur. Bisher zerstörte das Bauen oberer Lagen die darunterliegenden Schaltungen, weil dafür rund 1.000 Grad Celsius nötig waren. Das Team verwendet stattdessen ultradünne, etwa zehn Nanometer dünne Membranen aus einkristallinem Silizium, die per Laminierwalze bei unter 200 Grad aufgebracht werden — schonend genug, um die unteren Lagen zu erhalten. Möglich macht das der Einsatz sogenannter junctionless-Transistoren, bei denen die heißen Fertigungsschritte vorab erledigt werden. „Zum ersten Mal haben wir das thermische Budget der monolithischen 3D-Integration mit standardmäßigem einkristallinem Silizium eingehalten“, so das Team.

Die Laborzahlen sind beachtlich: drei gestapelte Lagen mit je 625 Transistoren, Ausbeuten von 98 bis 100 Prozent und Stromdichten, die konkurrierende monolithische Materialien um das Drei- bis Vierfache übertreffen. Es bleiben Hürden — die gestapelten Chips benötigen derzeit ungewöhnlich hohe Spannungen, die Energieeffizienz muss vor einem Produktionseinsatz also noch verbessert werden. Doch mit IBM, Intel und TSMC stehen die wichtigsten Foundry-Akteure bereits als Industriepartner für den Technologietransfer bereit.

Warum das für KI relevant ist: Der Hunger nach Rechendichte und Speicherbandbreite ist der Engpass moderner KI-Hardware. Vertikales Stapeln verspricht mehr Logik und Speicher auf gleicher Fläche — und das, ohne den teuren Wettlauf um immer kleinere Strukturbreiten weiterzutreiben. Sollte sich das Verfahren industrialisieren lassen, wäre es weniger ein Ersatz für die EUV-Lithografie als eine zweite Achse, entlang derer Moores Gesetz fortgeschrieben werden kann. Für Infrastruktur-Entscheider ist das ein langfristiges Signal, kein kurzfristiges Produkt: Es geht um die Mitte des Jahrzehnts, nicht um die nächste Beschaffungsrunde.

Die Position des Bundesbeauftragten für den Datenschutz und die Informationsfreiheit (BfDI) war seit dem Frühjahr unbesetzt: Amtsinhaberin Louisa Specht-Riemenschneider hatte im März 2026 aus gesundheitlichen Gründen ihren Rückzug angekündigt. Nach Berichten von heise online und Handelsblatt hat sich die Koalition nun nach fast drei Monaten auf einen Nachfolger verständigt — den Freiburger Rechtswissenschaftler Moritz Hennemann. Er wäre der neunte Bundesbeauftragte in diesem Amt.

Hennemann gilt als ausgewiesener Datenrechtler, der den Kurs seiner Vorgängerin weitgehend fortsetzen dürfte. Das ist insofern relevant, als die Behörde weit mehr ist als eine Beschwerdestelle: Der BfDI überwacht die Einhaltung der Datenschutz-Grundverordnung im Bund, berät Gesetzgeber und ist eine zentrale Stimme bei der Frage, wie sich KI-Systeme mit europäischem Datenschutzrecht vertragen.

Und genau diese Frage wird drängender. Vom Trainingsdaten-Hunger der Sprachmodelle über automatisierte Entscheidungen bis zum europäischen Gesundheitsdatenraum und der Operationalisierung des AI Act ab August 2026 — die Reibungsflächen zwischen KI-Innovation und Datenschutz nehmen zu. Wer im Bund die Aufsicht führt, prägt mit, wie streng diese Linien gezogen werden.

Für Unternehmen mit Deutschland-Bezug lohnt es sich, die personelle Weichenstellung im Blick zu behalten: Kontinuität an der Spitze des BfDI bedeutet Planungssicherheit, aber auch, dass die in den vergangenen Jahren geschärften Positionen — etwa zu Reidentifizierungsrisiken und zur Cloud-Souveränität — Bestand haben dürften. Die Personalie ist noch zu bestätigen, die Richtung aber absehbar.