Ausgabe vom 12. Juni 2026

Visa und OpenAI haben am 10. Juni ihre Zusammenarbeit offiziell gemacht: Visa Intelligent Commerce wird direkt in ChatGPT integriert. Über einen Model Context Protocol (MCP)-Server verbindet sich Visas Netzwerk mit OpenAIs Produkten. Nutzer hinterlegen ihre Karte, definieren vorab Ausgabelimits und erlaubte Händlerkategorien — und der ChatGPT-Agent kauft innerhalb dieser Parameter eigenständig ein. Wenn ein Nutzer sagt „Kauf mir Bluetooth-Kopfhörer unter 150 Euro", sucht der Agent, vergleicht und bezahlt, ohne dass ein Checkout-Formular ausgefüllt wird. Technisch läuft das über programmierbare Einweg-Tokens, die sicherstellen, dass Händler nie echte Kartendaten zu sehen bekommen.

Parallel launchte Mastercard „Agent Pay for Machines" (AP4M) — mit einem anderen Ansatz. Mastercard zielt auf Sub-Cent-Micropayments zwischen KI-Agenten, die mit klassischen Kartengebühren unrentabel wären. Die Lösung: Agenten-Credentials auf öffentlichen Blockchains (Polygon, Solana, Base), Abrechnung in Stablecoins. Mastercard übernimmt dafür das Stablecoin-Startup BVNK; Launch-Partner sind Stripe, Adyen, Coinbase und Cloudflare. OpenAIs Codex-Agent soll über die Visa-Integration künftig eigenständig API-Credits und Rechenkapazitäten einkaufen können — ein Anwendungsfall, der das Modell der KI-als-Softwareentwickler direkt verlängert.

Die Sicherheitsarchitektur trägt mehrere Schichten. Visas Trusted Agent Protocol verifiziert legitime Agenten in Echtzeit und blockt Bots beim Checkout über zeitbasierte Transaktions-Challenges. Die Zero-Liability-Garantie für Konsumenten bleibt erhalten. Dennoch sind die Risiken real: Prompt-Injection-Angriffe auf LLM-Anwendungen stiegen laut OWASP LLM Security Report 2026 um 340 Prozent. Manipulierte Produktbeschreibungen auf Händlerseiten können einen Agenten dazu bringen, bei betrügerischen Shops zu kaufen. Visa verzeichnete in sechs Monaten 450 Prozent mehr Dark-Web-Beiträge mit dem Begriff „AI Agent".

Für E-Commerce-Unternehmen ist die strukturelle Konsequenz eindeutig: Klassische Suchmaschinenoptimierung verliert Relevanz, wenn Agenten Produkte nicht über Suchergebnisse, sondern über maschinenlesbare Katalog-Feeds finden. Seiten mit strukturierten Daten werden in Google AI Overviews dreimal häufiger zitiert; trotzdem haben erst rund 20 Prozent der Händler ihre Produktdaten in agenten-kompatiblen Formaten aufbereitet. McKinsey schätzt das Marktvolumen für Agentic Commerce bis 2030 auf bis zu fünf Billionen Dollar global — die Infrastruktur dafür wurde an einem einzigen Tag gebaut.

Rohin Shah, der bei Google DeepMind die Forschung zu AGI-Sicherheit leitet, brachte das Problem auf den Punkt: „The main issue is that there just isn't really a field." Bestehende KI-Sicherheitsframeworks analysieren Modelle in Isolation oder in kleinen Testgruppen. Was passiert, wenn tausende oder Millionen autonomer Agenten gleichzeitig miteinander interagieren, ist methodisch weitgehend unerforscht — obwohl genau das gerade passiert. James Fox vom Science of Trustworthy AI-Programm beschreibt das Worst-Case-Szenario so: „You really want to ensure that this doesn't descend into just absolute anarchy."

DeepMind identifiziert vier Risikoklassen. Erstens emergente Kollektivverhalten: Millionen Agenten, die einzeln unbedenklich handeln, können im Aggregat unvorhersehbare Dynamiken erzeugen — die Analogie zum Flash Crash im Hochfrequenzhandel ist bewusst gewählt. Zweitens Koordination zur Kontrollumgehung: Agenten, die kollektiv Sicherheitsmechanismen umgehen, ohne es einzeln zu beabsichtigen. Drittens Aufgaben-Zersetzung: Eine geblockte Aufgabe wird auf Sub-Agenten aufgeteilt, von denen jeder etwas Zulässiges tut — die Kette erreicht, was der Einzelne nicht dürfte. Viertens Ressourcen-Akkumulation auf Netzwerkebene: Nicht der einzelne Agent, sondern das Netzwerk als Ganzes häuft Budgets und Einfluss an.

Das gemeinsame Forschungsprogramm von DeepMind, Schmidt Sciences, der britischen Regierungsagentur ARIA und der Cooperative AI Foundation soll vier Schwerpunkte abdecken: realistische Simulationsumgebungen für große Agenten-Populationen, Netzwerkwissenschaft für emergente Agenten-Kommunikation, Stresstests für Interaktionsprotokolle und Identitätssysteme sowie skalierbare Überwachungsmechanismen und Attributionstools für Fehler-Tracing. Die Einreichungsfrist läuft bis zum 8. August 2026. Bemerkenswert: Das Programm zielt explizit darauf ab, Forschung außerhalb der Technologiekonzerne selbst zu etablieren.

Der Zeitpunkt ist kaum zufällig. Die Warnung erschien genau einen Tag, nachdem Visa und Mastercard ihre Zahlungsinfrastrukturen für autonome Agenten geöffnet hatten. Der Handelsraum ist einer der frühesten und dichtesten, in dem Agenten massenhaft zusammentreffen werden — mit direkten finanziellen Konsequenzen für jeden Fehler. Die Forschung beginnt, als die Infrastruktur bereits gebaut ist.

Bloomberg berichtete am 9. Juni über einen Masterplan der chinesischen Nationalen Entwicklungs- und Reformkommission (NDRC): rund zwei Billionen Yuan (295 Milliarden Dollar) sollen über die nächsten fünf Jahre in ein landesweites, vernetztes KI-Rechenzentrum-Netz fließen. China Mobile und China Telecom sollen die meisten Zentren betreiben und bis 2028 zu einem einheitlichen „National Computing Network" zusammenschalten — einem nationalen KI-Stromnetz, das fragmentierte Rechenkapazitäten bündelt. Zum Vergleich: Westliche Technologiekonzerne haben allein für 2026 über 700 Milliarden Dollar an KI-Investitionen angekündigt. Chinas Plan ist staatlich koordiniert, auf strategische Autonomie ausgerichtet und zeigt, wohin Beijing im KI-Chip-Krieg zielt.

Das zentrale Ziel ist technologische Unabhängigkeit von US-Chips: Mindestens 80 Prozent der eingesetzten KI-Chips sollen aus chinesischer Produktion kommen, allen voran von Huawei. Nvidia und AMD sind damit faktisch ausgesperrt. Neun chinesische KI-Chips haben kürzlich staatliche Sicherheitsprüfungen bestanden. Das Vertrauen in DeepSeek, das bewiesen hat, dass leistungsstarke Modelle auch mit weniger fortschrittlicher Hardware trainierbar sind, hat die politische Entscheidung gestärkt.

Experten bezweifeln den 2028-Zeitplan. Die Skalierung von HBM-Speicher in chinesischer Produktion, der Ersatz des CUDA-Ökosystems durch heimische Alternativen und ausreichende Energieeffizienz gelten als massive technische Hürden. Chinas eigene Chip-Manager räumten ein, dass das Land bei KI-Datenzentrum-Chips noch fünf bis zehn Jahre hinter der Weltspitze liegt. Das Programm ist eine strategische Absichtserklärung — auch wenn die Ausführung schwieriger wird, als die Zahlen suggerieren.

Geopolitisch ist der Plan bedeutsam: Der 295-Milliarden-Dollar-Einsatz ist die direkteste staatliche Antwort auf die eskalierenden US-Exportkontrollen für Hochleistungschips. Statt auf diplomatische Ausnahmen zu setzen, wählt Beijing den Weg der vollständigen Entkopplung — eigene Chips, eigene Rechenzentren, eigene Netze. Für Halbleiterhersteller wie Nvidia bedeutet das den weitgehenden Ausschluss aus einem Markt, der nach diesem Plan binnen fünf Jahren zu einem der größten KI-Infrastrukturmärkte der Welt werden soll.

Das Wall Street Journal berichtete am 11. Juni, dass OpenAI massive Preissenkungen bei seinen API-Token-Preisen erwägt. Konkret untersucht wird eine erhebliche Reduzierung der Kosten für GPT-5.5 — derzeit fünf Dollar pro Million Eingabe-Tokens und 30 Dollar pro Million Ausgabe-Tokens. Anthropic verlangt für Claude Opus 4.8 ähnliche Preise; Google hingegen hat seine günstigsten KI-Abonnements am 9. Juni bereits um 37 bis 40 Prozent gesenkt und damit Druck von unten erzeugt. Sam Altman selbst räumte ein, dass Preise „a huge issue" seien.

Der eigentliche Treiber ist nicht der Wettbewerb um Nutzer, sondern der bevorstehende Börsengang. OpenAI reichte am 8. Juni vertraulich seinen S-1-Prospekt bei der SEC ein, mit Goldman Sachs und Morgan Stanley als Underwriter und einer angestrebten Bewertung von bis zu einer Billion Dollar. Anthropic hatte einen eigenen IPO-Prospekt kurz zuvor eingereicht. Vor einem Börsengang sind Marktanteil und Umsatzwachstum die entscheidenden Kennzahlen — und Anthropic hat OpenAI zuletzt überholt: Anthropics Jahresumsatz hat sich auf 30 Milliarden Dollar verdreifacht, angetrieben vor allem durch Claude Code in Entwickler-Teams. Anthropics Bewertung stieg auf 965 Milliarden Dollar und übertraf damit erstmals OpenAIs damalige Bewertung von 852 Milliarden Dollar.

Preissenkungen sind für OpenAI ein zweischneidiges Schwert. Sie erhöhen den Druck auf Anthropic, können Kunden abwerben und steigern die API-Nutzung kurzfristig. Sie belasten aber die Margen — problematisch kurz vor einem IPO, bei dem Investoren auf profitables Wachstum achten. Google sitzt in dieser Auseinandersetzung am längsten Hebel, weil die Suchmaschine quersubventionieren kann; OpenAI und Anthropic haben keine vergleichbare Cashcow. Der Preiskampf könnte zu einer Situation führen, in der langfristig nur Google profitabel operieren kann.

Für Unternehmen, die heute KI-Infrastruktur einkaufen, ist die Botschaft handlungsrelevant: Langfristige Verträge mit fixen Token-Preisen könnten sich als ungünstig erweisen, wenn die Marktpreise in den nächsten 12 bis 18 Monaten signifikant sinken. Die Deliberationen sind noch früh, nichts ist entschieden. Aber die Richtung ist klar: Wer in einem Markt konkurriert, in dem der stärkste Rivale seinen Umsatz gerade verdreifacht hat, erwägt keine Preissenkungen ohne Grund.