Ausgabe vom 9. Juni 2026

Es wird das Jahr der Mega-IPOs: Am 8. Juni bestätigte OpenAI, vertraulich einen Entwurf der Registrierungserklärung (Form S-1) bei der US-Börsenaufsicht SEC eingereicht zu haben. Die Formulierung des Unternehmens war ungewöhnlich offen: „Wir haben kürzlich vertraulich einen S-1 eingereicht. Wir erwarten, dass es durchsickert, also kündigen wir es einfach an.“ Ein vertraulicher S-1 ist dabei kein Terminversprechen, sondern ein strategisches Optionsrecht — er erlaubt nicht-öffentliches SEC-Feedback, bevor der eigentliche Börsenprospekt veröffentlicht wird. OpenAI legte sich beim Zeitplan bewusst nicht fest: Es könne „eine Weile“ dauern, weil manche Dinge als privates Unternehmen leichter umzusetzen seien.

Der Schritt folgt einem Muster, über das wir bereits berichtet haben. Anthropic reichte seinen vertraulichen S-1 schon am 1. Juni ein — und ist seither mit einer Bewertung von rund 965 Milliarden US-Dollar (nach der 65-Milliarden-Runde der Series H) das wertvollste private KI-Unternehmen der Welt. OpenAI kommt nach seiner zuletzt Ende März abgeschlossenen Runde auf 852 Milliarden US-Dollar. Diese Bewertungs-Inversion ist die eigentliche Geschichte: Das Unternehmen, das den Generative-AI-Boom auslöste, ist plötzlich das günstigere der beiden. Den Reigen eröffnet hatte ohnehin SpaceX, dessen Roadshow bei 135 Dollar je Aktie auf eine Bewertung von rund 1,77 Billionen Dollar zielt — möglicherweise der größte Börsengang der Geschichte.

Die Zahlen dahinter sind real, aber gewaltig defizitär. OpenAIs annualisierte Run-Rate stieg auf über 25 Milliarden Dollar (rund zwei Milliarden im Monat). Gleichzeitig prognostiziert das Unternehmen für 2026 einen Verlust von rund 14 Milliarden Dollar; Cashflow-Positivität wird erst um 2030 erwartet. Eine im Mai finalisierte Neuverhandlung mit Microsoft deckelt OpenAIs Umsatzbeteiligungszahlungen auf 38 Milliarden Dollar bis 2030. Analyst Dan Ives (Wedbush) spricht von einem „Öffnen der Schleusen“ für den IPO-Markt — andere ziehen Dotcom-Parallelen zu 1999. Beide Lesarten haben einen wahren Kern: Die Umsätze sind kein Luftschloss, die Frage ist allein die Bewertungs-Multiple.

Einen pointierten Kontrapunkt liefert ausgerechnet Sam Altmans zweite Firma. Während OpenAI Richtung Börse marschiert, baut Tools for Humanity — das Iris-Scan-Projekt „World“ (vormals Worldcoin) — laut Business Insider Personal ab; das Unternehmen kämpfe darum, Umsatz zu erwirtschaften (der genaue Umfang der Entlassungen ist nicht beziffert). Hinzu kommt die im Hintergrund laufende Debatte um eine direkte US-Staatsbeteiligung an OpenAI über einen „Public Wealth Fund“, die Präsident Trump Anfang Juni bestätigte. Für Entscheider in SaaS und Tech heißt das: Der IPO-Antrag ist weniger ein Reifezeichen als die Notwendigkeit, den enormen Compute-Wettlauf zu finanzieren — und er verschiebt die Governance-Frage, was passiert, wenn der Regulierer zum Miteigentümer wird.

Mustafa Suleyman, Chef von Microsoft AI und Mitgründer von DeepMind, hat in einem rund um den 8. Juni veröffentlichten Interview Microsofts KI-Doktrin geschärft: Superintelligenz sei nah, dürfe aber niemals den Menschen ersetzen. Microsofts Framing dafür heißt „Humanist Superintelligence“ (HSI) — eine KI, „die die Menschheit an die erste Stelle setzt, die immer das menschliche Wohlergehen und den menschlichen Fortschritt priorisiert“. Wichtig zur Einordnung: Der Begriff selbst ist nicht neu; Suleyman hatte HSI samt dem zugehörigen „MAI Superintelligence Team“ bereits im November 2025 in einem Essay vorgestellt. Neu sind der Interview-Vorstoß und der Auftritt auf der Microsoft Build 2026.

Konkret macht Suleyman die HSI-Idee an domänenspezifischer Superintelligenz fest: Statt einer allmächtigen Allzweck-KI strebt Microsoft eng umrissene Spitzenleistung in einzelnen Feldern an — als wichtigstes Beispiel nennt er „medizinische Superintelligenz in den nächsten Jahren“: Diagnostik und klinische Planung auf Expertenniveau, immer mit dem Menschen in der Schleife. Das ist eine bewusste Abgrenzung zur AGI-Rhetorik von OpenAI und Anthropic, die ein einziges, universell überlegenes System anvisieren.

Der strategische Hintergrund: Microsoft AI wurde nach Suleymans Worten „vor etwa sechs Monaten“ durch eine Vertragsänderung aus dem OpenAI-Abkommen „befreit“, um eigenständig Superintelligenz zu verfolgen — mit eigenen Forschern, Datenpipelines und Custom-Silicon. Auf der Build 2026 präsentierte Microsoft sieben neue MAI-Modelle, darunter MAI-Code-1 und das erste hauseigene Reasoning-Modell MAI-Thinking-1. Der Konzern emanzipiert sich damit hörbar von seinem wichtigsten KI-Partner.

Die eigentliche Reibung liegt im Widerspruch zur eigenen Botschaft. Während die HSI-Erzählung „die KI nimmt dir nicht den Job weg“ lautet, sorgte Suleyman zugleich mit der Prognose für Aufsehen, KI könne in „12 bis 18 Monaten“ menschliche Leistung „bei den meisten, wenn nicht allen beruflichen Aufgaben“ erreichen. Für CEOs und Tech-Leads ist genau diese Spannung das Signal: Microsoft verkauft Beruhigung und Disruption im selben Atemzug. Wer KI-Lieferketten plant, sollte HSI weniger als Versprechen denn als Positionierung lesen — und die nüchterne Frage stellen, welche Aufgaben in den nächsten anderthalb Jahren tatsächlich automatisierbar werden.

Sakana AI, das wertvollste KI-Startup Japans, hat ein dediziertes Forschungslabor für rekursive Selbstverbesserung gegründet — das „RSI Lab“ am Tokioter Hauptsitz. Die Idee, vereinfacht gesagt: KI-Systeme nutzen KI, um die Methoden, den Code und die Architektur künftiger KI-Systeme zu verbessern. Agenten sollen Experimente entwerfen, eigenen Code schreiben, testen, verifizieren und die Ergebnisse in die nächste Modellgeneration zurückspeisen. Sakana spricht vom Übergang von „statischer, menschengeführter Forschung“ zu „autonomen, selbstverbessernden Intelligenz-Engines“.

Der Kontext macht das Vorhaben gewichtig. Sakana AI wurde 2023 von ehemaligen Google-Forschern gegründet — darunter Llion Jones, Mitautor des Transformer-Papers „Attention Is All You Need“ (2017), und David Ha (zuvor Google Brain). Eine Series-B-Runde über 135 Millionen US-Dollar hob die Bewertung im November 2025 auf 2,65 Milliarden Dollar. Das neue Lab institutionalisiert eine Forschungslinie, die Sakana seit Jahren verfolgt: die „AI Scientist“-Projekte, bei denen KI eigenständig wissenschaftliche Arbeiten verfasst. Eine Version produzierte ein Paper, das ein Peer Review bestand; die zugrunde liegende Forschung erschien im März 2026 in Nature.

Besonders konkret wird die These am Projekt „Darwin Gödel Machine“ (2025): Das System verbesserte seine eigene Software-Engineering-Baseline durch autonomes Umschreiben der eigenen Codebasis — laut Sakana ein absoluter Zuwachs von rund 30 Prozentpunkten auf dem SWE-bench, einem Standardtest für Coding-Fähigkeiten. Strategisch positioniert Sakana RSI ausdrücklich als Gegenentwurf zum dominanten Skalierungs-Wettrüsten der Hyperscaler: nicht die rechenhungrigste, sondern die sample-effizienteste Selbstverbesserungs-Engine. Das Ziel ist leistungsfähige KI auch für kleinere Staaten, Institutionen und Unternehmen ohne gigantische Rechenzentren.

Bei aller Faszination ist Vorsicht angebracht — und Sakana benennt sie selbst. „Rekursive Selbstverbesserung“ ist eine plausible, aber unbewiesene Wette; es gibt keinen Beleg, dass selbstverbessernde Systeme den strukturellen Compute-Vorteil großer Labore tatsächlich ausgleichen. Hinzu kommt: Das Stichwort berührt unmittelbar KI-Sicherheitsfragen, denn ein System, das seinen eigenen Code optimiert, ist schwerer zu kontrollieren. Sakana verspricht offene Publikation inklusive Negativergebnissen und verifizierbarer Schutzmechanismen. Für die Praxis von Unternehmen ist das vorerst Grundlagenforschung — aber eine, die zeigt, wohin die Automatisierung der KI-Entwicklung selbst zielt.

Google hat seinem KI-Recherchetool NotebookLM am 8. Juni ein Upgrade verpasst, das die Funktionslogik des Produkts grundlegend verändert. Standardmodell ist jetzt Gemini 3.5, das genauere Antworten und sichtbare Reasoning-Schritte liefert. Der eigentliche Bruch ist aber ein neues Feature: Jedes Notizbuch erhält einen sicheren „Cloud-Computer“, mit dem NotebookLM eigenständig Code schreiben und ausführen kann — für tiefere Recherche und komplexere Analysen. Dahinter stehen laut Google über 100 kuratierte „Software Skills“.

Zur Einordnung: NotebookLM war bisher ein Werkzeug, dem man eigene Dokumente hochlud, um sie dann zu befragen — bekannt vor allem durch die „Audio Overviews“, KI-generierte Podcast-Dialoge aus den eigenen Quellen. Genau diese Grundannahme kippt jetzt. Der Chat kann selbst per Google-Suche hochwertige Quellen im Web finden und ins Notizbuch aufnehmen — inklusive fremdsprachiger Primärquellen und verwandter Werke gefundener Autoren. Damit lässt sich ein Rechercheprojekt erstmals bei null starten, ganz ohne eigenes Ausgangsdokument.

Dazu kommen neue Ausgabeformate: NotebookLM generiert und exportiert nun Visualisierungen, Dokumente (PDF, DOCX, Markdown), strukturierte Daten (CSV, JSON), Excel-Tabellen und PowerPoint-Präsentationen — und die Ergebnisse sind editierbar. In Googles eigenen Tests erreichte das Upgrade eine durchschnittliche Win-Rate von 65 Prozent, bei „advanced web research“ sogar plus 78 Prozent gegenüber der Vorversion (Herstellerangaben). Aus dem passiven „Frag deine Dokumente“-Tool wird so ein aktiver Recherche-Agent, der Quellen sucht, Code ausführt und fertige Deliverables produziert.

Für Wissensarbeit in Unternehmen — Marktanalyse, Due Diligence, Wissensmanagement — ist das ein spürbarer Sprung: weniger Copy-and-paste, mehr fertige Tabellen und Charts auf Knopfdruck. Die Einschränkung: Das Upgrade ist vorerst zahlenden Kunden vorbehalten (Google AI Ultra sowie Workspace-Business-Kunden mit entsprechendem Zugang) und wird erst nach und nach breiter ausgerollt.

Nvidia-Chef Jensen Huang hat seine viertägige Südkorea-Reise genutzt, um am 7. und 8. Juni eine Reihe neuer KI-Verträge zu verkünden. Im Kern stehen drei Partner: SK Hynix (eine mehrjährige Technologiepartnerschaft für die nächste Generation von Speicher in KI-Rechenzentren — Nvidias „größter Memory-Partner“), Naver (Ausbau des Gak-Sejong-Rechenzentrums bis hin zu gigawattgroßen AI-Factories) und Doosan (Robotik und Materialien für Blackwell-Chips). SK Telecom kündigte zudem eine KI-Cloud im Gigawatt-Maßstab an, deren erstes Rechenzentrum 2027 online gehen soll. Die konkreten Dollar-Beträge der Juni-Deals wurden nicht offengelegt.

Der wirtschaftlich bedeutsamere Strang läuft über den Speicher. Wenige Tage zuvor zertifizierte Huang Samsung, SK Hynix und Micron als HBM4-Lieferanten für Nvidias kommende Vera-Rubin-Plattform, die sich in Vollproduktion befindet und ab dem dritten Quartal 2026 ausgeliefert werden soll. HBM („High Bandwidth Memory“) ist der teure, knappe Spezialspeicher, der direkt neben den KI-Chips sitzt und über den ein erheblicher Teil der Rechenleistung entscheidet. SK Hynix soll rund 60 bis 70 Prozent des HBM4-Volumens stellen — Südkorea ist damit das Rückgrat von Nvidias Lieferkette.

Wichtig zur korrekten Einordnung der Aktualität: Die oft zitierten 260.000 Nvidia-GPUs für koreanische Sovereign-Clouds sowie der Hyundai-Deal über 50.000 Blackwell-GPUs stammen aus einer Ankündigung vom Oktober 2025 — sie sind nicht Teil der Juni-Vereinbarungen. Neu und verifiziert ist hingegen, dass Koreas Technologieministerium 9.704 GPUs für ein staatliches KI-Projekt sichert, darunter erstmals 2.016 Vera-Rubin-Einheiten.

Die symbolische Botschaft der Tour — Huang aß demonstrativ Hähnchen mit Konzernchefs und warf den Eröffnungswurf bei einem Baseballspiel — fasst die koreanische Presse treffend zusammen: Das Land wandelt sich vom reinen Nvidia-Zulieferer zum „Physical-AI-Partner“. Für Infrastruktur-Entscheider ist die Verschränkung von HBM4-Lieferkette und gigawattgroßen AI-Factories das eigentliche Signal: Wer die Speicherproduktion kontrolliert, sitzt im Maschinenraum der KI-Ökonomie.