Ausgabe vom 25. Juni 2026

Am 24. Juni kündigte Google DeepMind an, dass „Computer Use“ nun nativ in Gemini 3.5 Flash steckt — dem schnellen, kostengünstigen Mitglied der Gemini-Familie. Gemeint ist die Fähigkeit eines Modells, einen Computer so zu bedienen, wie es ein Mensch tut: Es bekommt einen Screenshot des Bildschirms, eine Beschreibung der Aufgabe und die Historie der letzten Aktionen, sagt die nächste Handlung voraus — Klick auf diese Koordinaten, tippe diesen Text, scrolle —, die Aktion wird ausgeführt, ein neuer Screenshot entsteht, und die Schleife läuft weiter, bis die Aufgabe erledigt ist. Google nennt als Einsatzgebiete ausdrücklich Browser, mobile Oberflächen und den Desktop; verfügbar ist das Ganze über die Gemini-API und die Enterprise-Agent-Plattform.

Neu ist nicht die Idee. Anthropic brachte „Computer Use“ im Oktober 2024 als erstes Frontier-Modell in die öffentliche Beta; OpenAI folgte im Januar 2025 mit „Operator“, das später in den „ChatGPT Agent“ aufging; Google selbst hatte mit „Project Mariner“ und einem eigenständigen Gemini-2.5-Computer-Use-Modell (Oktober 2025) vorgelegt, und auch Amazon mischt mit „Nova Act“ mit. Neu ist, welches Modell die Fähigkeit jetzt bekommt. Bisher liefen diese Agenten auf großen, teuren Modellen — und genau das war ihr ökonomisches Problem.

Warum, wird klar, wenn man sich die Mechanik vor Augen führt: Jeder einzelne Schritt eines Agenten ist eine vollständige Modell-Inferenz über einen Screenshot. Eine reale Aufgabe — ein Formular ausfüllen, eine Bestellung durchklicken, einen Testlauf einer Software durchspielen — besteht aus Dutzenden bis Hunderten solcher Schritte. Mit einem Spitzenmodell zum Spitzenpreis wird das bei jeder Skalierung unbezahlbar. Ein Flash-Modell senkt den Preis pro Schritt drastisch (Gemini 3.5 Flash liegt bei rund 1,50 Dollar pro Million Eingabe-Token, bei 90 Prozent Rabatt auf zwischengespeicherte Inhalte) — und macht damit erst das möglich, was Google „long-horizon und Enterprise-Automatisierung“ nennt: kontinuierliches Software-Testing, massenhaftes Formularausfüllen, Workflows quer durch Anwendungen ohne API.

Wie weit die Technik wirklich ist, zeigen die Benchmarks — und sie mahnen zur Nüchternheit. Auf OSWorld, einem Test, bei dem Agenten echte Betriebssystem-Aufgaben allein per Screenshot lösen, lag der menschliche Referenzwert bei rund 72 Prozent; die ersten Agenten 2024 schafften unter 15 Prozent. Erst Ende 2025 kletterten Spitzensysteme über die 70-Prozent-Marke und damit erstmals auf menschliches Niveau. Bei schwierigeren Web-Aufgaben (WebArena) liegen selbst führende Agenten mit rund 62 Prozent noch deutlich unter den 78 Prozent eines Menschen. Anders gesagt: Für klar umrissene, wiederholbare Abläufe ist die Technik praxisreif — für offene, mehrdeutige Aufgaben noch nicht.

Der wunde Punkt bleibt die Sicherheit, und er ist kein Randthema. Wer einer KI Maus und Tastatur überlässt, öffnet sie für Prompt Injection — manipulierte Anweisungen, die in einer Webseite, einer E-Mail oder einem Dokument versteckt sind und den Agenten kapern. Der Entwickler Simon Willison prägte dafür den Begriff der „tödlichen Triade“: Zugriff auf private Daten, Kontakt mit nicht vertrauenswürdigen Inhalten und die Fähigkeit, Daten nach außen zu schicken — alle drei zusammen, und ein Angreifer kann den Agenten gegen seinen Nutzer wenden. Anthropic dokumentierte vor Gegenmaßnahmen eine Angriffs-Erfolgsquote von 31,5 Prozent, reduziert auf rund ein Prozent mit gestaffelten Schutzschichten. Sowohl OpenAI als auch das britische NCSC erklärten Ende 2025, das Problem lasse sich womöglich nie vollständig lösen. Auch Google flankiert den Flash-Start mit Nutzerbestätigungen bei heiklen Aktionen. Für Unternehmen heißt das: Computer-Use-Agenten gehören 2026 in eng abgesteckte, sandboxed Umgebungen mit Mensch-im-Kreislauf — nicht ungebremst an Produktivsysteme. Wie groß die Chance und wie real das Risiko ist, beleuchtet unsere heutige Reportage.

Auf der jährlichen Config-Konferenz am 24. Juni hat Figma seine Leinwand neu erfunden. Die Schlagzeile sind die Code Layers: ausführbarer Produktionscode, der nativ auf der Design-Fläche lebt. Jede Design-Ebene lässt sich per Klick oder Prompt in interaktiven Code verwandeln — Code wird, wie Figma es formuliert, „wie jedes andere Design-Material“ behandelt. Dazu kommen Motion (eine native Timeline für Animationen, bei der eine einmal animierte Komponente sich über alle Dateien fortpflanzt), Shader-Fills über WebGPU (Effekte wie Milchglas, Chrom, Dithering oder Unschärfe, erzeugt per Prompt oder Referenzbild), echte 3D-Transformationen statt vorgetäuschter Schatten und die Möglichkeit, eigene Plug-ins allein aus einer Textbeschreibung zu generieren — ganz ohne Entwicklungsumgebung oder Kenntnis der Plug-in-API.

Das adressiert ein altes Leiden der Software-Entwicklung: den Bruch zwischen Design und Code. Bisher entwarfen Designer in Figma, Entwickler bauten das Ergebnis anschließend in echtem Code nach — ein verlustreicher, fehleranfälliger Übergabeprozess. Code Layers kollabiert diesen Graben, indem beide Welten auf derselben Leinwand liegen. Figma flankiert das mit „Code Connect“, das Design-System-Komponenten mit ihrem realen Code verknüpft, und mit Dev Mode plus MCP-Anbindung, über die sich Animationen direkt in die Produktion schieben lassen.

Strategisch interessant ist Figmas Selbstverständnis. Während Konkurrenten wie Lovable, v0 oder Bolt — und Anthropics eigenes Claude Design — auf vollautomatisches „Vibecoding“ setzen, positioniert sich Figma bewusst als das Werkzeug, das die KI in der Leinwand und unter menschlichem Urteil hält. CEO Dylan Field argumentierte, Modelle könnten „nicht einmal ein div zentrieren“ und verstünden Ästhetik nicht. Die Pointe: Figma baut die KI gar nicht selbst. Die Agenten auf der Leinwand laufen auf Fremdmodellen von OpenAI, Anthropic und Google — ausgerechnet Anthropic ist damit zugleich Zulieferer und mit Claude Design direkter Wettbewerber. Field zur Abhängigkeit lakonisch: „Wir sind so aufgestellt, dass wir von jeder Innovation am Markt profitieren.“

Der Schritt fällt in eine angespannte Geschäftsphase. Figma ging im Juli 2025 an die Börse, nachdem die geplante 20-Milliarden-Übernahme durch Adobe Ende 2023 an den Kartellbehörden gescheitert war (Adobe zahlte eine Milliarde Dollar Ausfallgebühr). Der Börsengang war mit einem Kurssprung von rund 250 Prozent am ersten Tag einer der spektakulärsten seit Jahrzehnten. Seither aber lastet ausgerechnet die KI auf der Marge: Berichten zufolge fielen Figmas Bruttomargen 2025 von 92 auf 86 Prozent — weil jeder KI-Aufruf auf der Leinwand Inferenzkosten verursacht, die Figma an seine Modell-Zulieferer zahlt (diese Margenzahlen stammen aus einer einzelnen Quelle und sind mit Vorsicht zu lesen).

Für Produkt- und Design-Teams ist Config 2026 ein doppeltes Signal. Einerseits verschwimmt die Grenze zwischen Designer und Entwickler weiter — wer beide Rollen in einem Tool zusammenführt, spart Reibung und Übergabezeit. Andererseits zeigt Figmas Modell-Agnostik, wo in dieser Wertschöpfungskette das Geld und die Macht sitzen: nicht bei der Oberfläche, sondern bei den drei, vier Laboren, die die Modelle stellen. Figma verkauft das Werkzeug — die Intelligenz mietet es.

Mistral AI hat am 24. Juni OCR 4 veröffentlicht, die dritte Generation seines Dokumenten-Modells. „OCR“ steht historisch für die simple Aufgabe, Buchstaben aus einem Scan zu erkennen. Was Mistral baut, geht weiter: Das Modell unterstützt 170 Sprachen und liefert zu jedem extrahierten Element zusätzlich Bounding-Boxes (die genaue Position auf der Seite), eine Klassifikation des Blocktyps (Überschrift, Tabelle, Fließtext) und Konfidenzwerte. Das Ergebnis ist nicht ein Wust aus Rohtext, sondern eine strukturierte, durchsuchbare Repräsentation eines Dokuments.

Der Adressat dieser Funktion ist ausdrücklich die RAG-Pipeline. RAG — Retrieval-Augmented Generation — ist das gängige Muster, mit dem Unternehmen Sprachmodelle an ihr eigenes Wissen anbinden: Statt das Modell raten zu lassen, sucht das System in einer Dokumentensammlung nach den passenden Passagen und reicht sie dem Modell als Kontext mit. Der Engpass dabei ist fast nie das Sprachmodell, sondern die Vorstufe — das saubere Zerlegen von PDFs, Scans, Tabellen und komplexen Layouts in retrievierbare Häppchen. Genau hier setzt OCR 4 an: Es produziert die strukturierten, mit Quellenangaben versehenen Bausteine, aus denen ein Modell anschließend belegbare Antworten formt. Mistral nennt Preise von vier Dollar pro 1.000 Seiten (zwei Dollar über die Batch-API) und beziffert die Leistung mit Benchmark-Werten wie 93,07 auf OmniDocBench — Zahlen aus eigener Messung, die unabhängige Bestätigung noch ausstehen.

Das technisch womöglich wichtigste Detail steht im Kleingedruckten: OCR 4 läuft vollständig selbst-gehostet in einem einzigen Container. Für Banken, Versicherungen, Behörden und Gesundheitsdienstleister ist das der entscheidende Punkt. Dokumenten-Verarbeitung berührt zwangsläufig die sensibelsten Daten eines Unternehmens — Verträge, Patientenakten, Finanzunterlagen. Diese Daten in eine US-Cloud zu schicken, ist in vielen regulierten und europäischen Kontexten schlicht keine Option. Ein Modell, das hinter der eigenen Firewall bleibt, löst dieses Problem.

Damit spielt Mistral seine strategische Karte aus: die des europäischen, souveränen KI-Anbieters. Das Unternehmen sammelte im September 2025 eine Series C über 1,7 Milliarden Euro ein — angeführt vom Chipmaschinen-Konzern ASML — und gilt bei einer Bewertung von rund 11,7 Milliarden Euro als Europas KI-Vorzeigekandidat. Der Wettbewerb ist freilich prominent besetzt: Google Document AI, AWS Textract und Azure Document Intelligence bei den Hyperscalern, dazu RAG-Spezialisten wie LlamaParse oder Reducto und neue VLM-Ansätze wie DeepSeek-OCR. Mistrals Differenzierung ist nicht der reine Benchmark, sondern die Kombination aus Mehrsprachigkeit, Struktur-Ausgabe und der Möglichkeit, das Ganze im eigenen Rechenzentrum zu betreiben.

Für Tech-Entscheider ist OCR 4 ein Baustein, kein Produkt — aber ein unterschätzter. Die Qualität jeder unternehmensinternen KI-Suche hängt an der Qualität der Ingestion; ein gutes Dokumenten-Modell verbessert die Trefferquote spürbarer als ein Wechsel des Sprachmodells. Wer eine RAG-Anwendung in einer regulierten Branche plant, sollte die Build-vs-Buy-Frage hier neu stellen — und die Self-Hosting-Option als Compliance-Hebel ernst nehmen.

Es ist eine Pointe mit System: Ausgerechnet ein Datenleck hat gestoppt, was Proteste nicht stoppen konnten. Meta pausierte am 24. Juni ein internes Programm, das Tastenanschläge, Mausbewegungen, Klicks und regelmäßige Screenshots seiner US-Mitarbeiter aufzeichnete — Rohmaterial, aus dem das Unternehmen KI-Agenten trainieren wollte, die alltägliche Computerarbeit selbst erledigen. Auslöser des Stopps war kein Sinneswandel, sondern ein interner Datenleck-Vorfall: Die gesammelten, sensiblen Informationen waren plötzlich konzernweit zugänglich, statt auf den vorgesehenen Personenkreis beschränkt zu bleiben.

Das Programm — intern als „Model Capability Initiative“ bezeichnet — war im April 2026 bekannt geworden und hatte sofort für Empörung gesorgt. Eine auf den Arbeitsrechnern installierte Software protokollierte, wie Beschäftigte über Hunderte von Websites und Anwendungen hinweg arbeiten; Berichten zufolge erfasste sie dabei auch Aktivität auf Diensten wie Google, LinkedIn, GitHub, Slack und in Einzelfällen privaten Gmail-Konten. Das Ziel: festhalten, „wie Menschen Computeraufgaben erledigen“, um Agenten beizubringen, dasselbe zu tun. Für die meisten Mitarbeiter war die Teilnahme verpflichtend. Belegschaftsangehörige nannten die Praxis „dystopisch“ und warnten, die Mitschnitte könnten Passwörter, unveröffentlichte Produktdetails und persönlichste Daten offenlegen — von Gesundheitsinformationen bis zum Aufenthaltsstatus.

Bemerkenswert ist die geografische Grenze des Programms: Europäische Beschäftigte waren ausgenommen. Der Grund ist die DSGVO in Verbindung mit dem nationalen Arbeitsrecht. Eine derart lückenlose Überwachung wäre ohne ausdrückliche Einwilligung kaum rechtmäßig — und Einwilligungen von Arbeitnehmern gelten Aufsichtsbehörden wegen des Machtgefälles zwischen Arbeitgeber und Beschäftigtem regelmäßig als nicht „freiwillig erteilt“. In Deutschland käme die Mitbestimmung des Betriebsrats nach § 87 Betriebsverfassungsgesetz hinzu, der technische Überwachungseinrichtungen ausdrücklich erfasst. Der seit 2026 geltende EU AI Act stuft KI am Arbeitsplatz zudem als hochriskant ein und verlangt Transparenz und menschliche Aufsicht.

Der Fall ist kein Meta-Einzelfall, sondern die Spitze eines Trends. Sogenannte „Bossware“ ist längst verbreitet — Schätzungen zufolge setzen rund 78 Prozent der Arbeitgeber irgendeine Form von Überwachungssoftware ein. Neu ist der Zweck: Nicht mehr Kontrolle der Produktivität, sondern die Ernte menschlichen Verhaltens als Trainingsmaterial für die KI, die ebendiese Arbeit übernehmen soll. Es ist eine eigentümliche Schleife — Beschäftigte bringen, oft unfreiwillig, dem System bei, sie selbst zu ersetzen.

Der Vorfall trifft Meta in einer ohnehin turbulenten Phase. Seit Mai 2026 hat der Konzern rund 8.000 Stellen gestrichen und seine KI-Sparte unter dem jungen Chief AI Officer Alexandr Wang in „AI-Pods“ umgebaut — bei gleichzeitig glänzenden Geschäftszahlen. Wir haben den Umbau und die interne Krise am 13. Juni ausführlich beschrieben. Das Überwachungs-Debakel fügt dem Bild eine weitere Facette hinzu: ein Konzern, der im Rennen um KI-Agenten so weit nach vorne will, dass er die Grenzen des Zumutbaren bei den eigenen Leuten überschreitet — und erst durch ein selbstverschuldetes Leck ausgebremst wird.

Seit Monaten dominiert eine These die Schlagzeilen: Künstliche Intelligenz mache Software-Entwickler überflüssig. Eine Auswertung der Talent-Plattform SignalFire, über die TechCrunch am 24. Juni berichtete, stellt diese Erzählung auf den Kopf — zumindest auf den ersten Blick. Demnach war Engineering 2025 die widerstandsfähigste Berufsfunktion überhaupt: Über zwölf große Tech-Konzerne hinweg machten Software-Ingenieure 55 Prozent aller Neueinstellungen aus, gegenüber 46 Prozent im Jahr 2019. Während die Gesamteinstellungen bei großen Tech-Firmen um rund ein Viertel gegenüber 2019 sanken, gingen Engineering-Rollen nur um etwa elf Prozent zurück. Bei jungen Startups stieg die Zahl eingestellter Ingenieure sogar um sieben Prozent.

Im Vergleich dazu wurden andere Funktionen regelrecht ausgedünnt: Design schrumpfte bei den großen Konzernen um 48 Prozent, Marketing um 36 Prozent. Das Bild des „schlanken Unternehmens 2026“, das sich daraus ergibt, ist ein Konzern mit einem senioritätslastigen Engineering-Kern und stark reduzierten Unterstützungsfunktionen. SignalFire-Analyst Asher Bantock bringt die Diskrepanz auf den Punkt: „Die Begründung für viele Entlassungen ist durchweg KI. Was wir am Boden sehen, passt damit nicht so recht zusammen.“ Ingenieure werden nicht nur häufiger eingestellt, sie bleiben auch länger — die Fluktuation liegt bei rund neun Prozent gegenüber 13 Prozent bei Vertrieb und Design.

Doch die beruhigende Überschrift verdeckt einen Bruch, der für jede Personalplanung entscheidend ist: Es sind die Berufseinsteiger, die unter Druck stehen, nicht das Engineering als Ganzes. Die Einstellung von Hochschulabsolventen ist bei den 15 größten Tech-Firmen seit 2019 um mehr als die Hälfte eingebrochen; aktuellere Zahlen sprechen von rund 65 Prozent Rückgang bei den Tech-Riesen. Der Anteil von Absolventen an den Neueinstellungen der größten Konzerne hat sich seit 2022 mehr als halbiert. „Engineering ist resilient“ heißt also präziser: Erfahrene Entwickler sind so gefragt wie nie — die unterste Sprosse der Leiter aber wird weggesägt.

Den stärksten unabhängigen Beleg liefert nicht SignalFire selbst, sondern eine Studie der Stanford Digital Economy Lab auf Basis von ADP-Gehaltsabrechnungsdaten („Canaries in the Coal Mine?“, August 2025). Sie fand einen relativen Beschäftigungsrückgang von 13 Prozent bei Berufseinsteigern (22 bis 25 Jahre) in den am stärksten KI-exponierten Berufen. Für junge Software-Entwickler dieser Altersgruppe lag der Rückgang seit dem ChatGPT-Start Ende 2022 sogar bei rund 20 Prozent — während Beschäftigte ab 30 in denselben Feldern ein Plus von sechs bis zwölf Prozent verzeichneten. Die Daten zeichnen damit kein Bild von Massenarbeitslosigkeit, sondern von einer Verschiebung: KI übernimmt zuerst die Aufgaben, mit denen Junioren bisher ins Berufsleben starteten.

Für Tech-Führungskräfte folgt daraus eine unbequeme Frage. Die kurzfristige Logik — KI erledigt die Anfängeraufgaben, also stellen wir keine Anfänger ein — ist betriebswirtschaftlich nachvollziehbar und kollektiv gefährlich. Wer heute keine Junioren ausbildet, hat in fünf bis zehn Jahren keine Senioren. Die widerstandsfähigste Berufsgruppe der Gegenwart riskiert so, ihre eigene Nachwuchspipeline zu kappen. Anthropic-CEO Dario Amodei hatte 2025 vor dem Wegfall von bis zur Hälfte aller Einstiegsjobs gewarnt; Nvidia-Chef Jensen Huang hält dagegen, Entwickler seien „beschäftigter denn je“. Die SignalFire-Daten zeigen: Beide haben recht — nur eben für unterschiedliche Altersgruppen.