Ausgabe vom 30. Juni 2026

Die Zahlen sind beeindruckend, der Zeitplan ernüchternd: Samsung und SK Hynix haben am 29. Juni gemeinsam Investitionen von über 518 Milliarden US-Dollar in vier neue Speicherchipfabriken in der Honam-Region im Südwesten Südkoreas angekündigt — dazu kommen rund 52 Milliarden für einen dedizierten HBM-Packaging-Hub und 356 Milliarden für KI-Rechenzentren, die bis 2035 entstehen sollen. Samsung baut zwei Fabriken in Gwangju, SK Hynix zwei in derselben Region. Bewusst abseits des traditionellen Halbleiter-Gürtels rund um Seoul — teils auf dem Gelände eines früheren Militärflughafens. Das Gesamtpaket: über 900 Milliarden Dollar in Chips und KI-Infrastruktur über das kommende Jahrzehnt.

Was ist „RAMageddon"? Der Begriff, der sich in der Tech-Branche für die aktuelle Speicherknappheit durchgesetzt hat, bezeichnet die schlimmste globale DRAM- und NAND-Versorgungskrise seit 15 Jahren — Goldman Sachs prognostiziert für 2026 ein DRAM-Defizit von 4,9 Prozent, NAND 4,2 Prozent, HBM sogar 5,1 Prozent. DRAM-Preise sind je nach Segment um 172 bis 414 Prozent gestiegen. Drei Ursachen greifen ineinander: Erstens hat die Branche ihre Kapazität massiv auf High Bandwidth Memory (HBM) umgestellt — den hochspezialisierten RAM-Typ für KI-Beschleuniger wie Nvidia-GPUs. HBM benötigt pro Bit ein Vielfaches der Wafer-Fläche normaler DRAMs, weshalb trotz voller Auslastung weniger Speichervolumen produziert wird. Zweitens haben US-Exportkontrollen chinesische Kapazitätserweiterungen abgewürgt. Drittens hat das Rechenzentrumsgeschäft die Konsumenten-DRAM-Fertigung verdrängt.

Die Dimension des Engpasses wird konkret, wenn man einzelne Verbraucher betrachtet: OpenAIs Stargate-Projekt soll bis zu 40 Prozent der globalen DRAM-Produktion beanspruchen. Microsoft, Google und Amazon haben SK Hynix schon im Voraus Kapazitäten reserviert und bieten an, die Erweiterung mitzufinanzieren. SK Hynix-Vorsitzender Chey Tae-won warnte öffentlich, sein Unternehmen könne die Nachfrage „schlicht nicht bedienen". Die bestehenden Fab-Komplexe in Yongin und Pyeongtaek haben, so Samsung selbst, „ihre Grenzen erreicht".

Was bedeutet das für die KI-Industrie? Der Flaschenhals ist real und strukturell: Ohne ausreichend HBM kein Hochlauf neuer Rechenzentren. Aktuelle Modell-Trainingsläufe und Inferenz-Deployments konkurrieren um dieselbe knappe Ressource. Nvidia liefert GPUs, aber ohne genug HBM dazu bleibt die GPU-Hardware auf dem Dock liegen. Selbst SK Hynix, führender HBM-Lieferant, kann die angespannte Lage erst mit deutlicher Verzögerung beheben: SK Hynix-Chef Kwak Noh-jung räumte ein, ihr letzter großer Fab-Komplex hätte neun Jahre gebraucht. Die Entscheidung für den Südwesten Südkoreas stärkt zugleich die Regionalpolitik Seoul; die eigentliche Kapazitäts-Entlastung kommt frühestens 2028 — HBM-Knappheit bleibt bis dahin ein strukturelles Merkmal des KI-Markts.

Für Unternehmen, die heute KI-Infrastruktur planen, ergeben sich konkrete Konsequenzen. Cloud-Preise für GPU-intensive Workloads dürften auf absehbare Zeit hoch bleiben, weil auch Hyperscaler unter Kapazitätsdruck stehen. Lieferzeiten für On-Premise-Hardware verlängern sich weiter. Und wer heute HBM-Kapazitäten sichern will, muss langfristige Reservierungen abschließen — genau das tun Microsoft, Google und Amazon bereits. Die Speicherchip-Krise ist damit nicht nur eine Industrienachricht: Sie ist das Barometer, das bestimmt, wie schnell KI-Deployments in der realen Welt skalieren können.

TIDAL, die von Jay-Z gegründete Streaming-Plattform, die sich traditionell als Anwalt der Musikschaffenden versteht, hat am 29. Juni eine neue Richtlinie verkündet: Ab dem 15. Juli 2026 erhalten vollständig KI-generierte Musikstücke keine Tantiemen mehr, keine Ausschüttungen aus dem Royalty-Pool und keine Einnahmen aus Direct-to-Fan-Verkäufen. Zusätzlich müssen Distributoren — nicht nur Künstler selbst — KI-Inhalte vor dem Upload kennzeichnen. Tracks, die erkannt werden, erhalten ein sichtbares KI-Label neben dem Eintrag. KI-Content, der die Stimme oder den Stil spezifischer Künstler täuschend echt imitiert, wird gänzlich entfernt. EVP Tony Gervino formulierte das Credo dahinter: „Wir sind entschlossen, organische Kreativität zu schützen und zu belohnen, damit Künstlerinnen in der Lage bleiben, sich mit ihrem Publikum zu verbinden."

Die Skala des Problems, das TIDAL adressiert, macht der Vergleich mit Deezer sichtbar: Der französische Konkurrent, der als einziger großer Streamingdienst KI-Musik aktiv erkennt und öffentlich darüber berichtet, hat im April 2026 gemeldet, dass 44 Prozent aller täglich neu hochgeladenen Tracks KI-generiert sind — 75.000 Stücke täglich. Kaum jemand hört sie, weil 85 Prozent der Streams solcher Tracks von Bots stammen. Das eigentliche Ziel ist nicht das Publikum, sondern der Royalty-Pool: KI-Tracks werden massenhaft eingespielt, um den kollektiven Ausschüttungstopf zu verwässern, von dem alle Musikschaffenden leben. Spotify gab 2025 an, rund 75 Millionen Spam-Tracks gelöscht zu haben.

TIDALs Ansatz unterscheidet sich in der Schärfe von seinen Mitbewerbern. Spotify und Apple Music verlassen sich auf freiwillige Deklarierung durch Künstler und Distributoren — eine strukturell schwache Methode, weil sie keine Anreize zur Ehrlichkeit setzt. Deezer geht am weitesten: Es erkennt, kennzeichnet und entfernt KI-Tracks proaktiv aus redaktionellen Playlists. TIDALs Mittelweg ist die Demonetisierung ohne generelles Uploadverbot: Wer KI-Musik auf TIDAL veröffentlichen will, darf das — aber verdient nichts daran. Das ist eine politische Aussage, keine vollständige Sperre.

Die offenen Flanken sind real. TIDAL nennt „automatisierte Erkennungstools", ohne deren Genauigkeit oder Herkunft offenzulegen. Was geschieht mit einem Lied, bei dem ein Sänger eine KI-Begleitung verwendet, aber selbst die Melodie geschrieben hat? Was mit einem Sample-basierten Track, dessen Bassline ein KI-System erstellt hat? Die Richtlinie bezeichnet sich selbst als „lebendes Dokument" — ein Signal, dass die Abgrenzung zwischen menschlicher und maschineller Kreativität im Detail noch nicht gelöst ist. Ein Ausblick: TIDAL plant, das KI-Label künftig auch auf „zu einem erheblichen Teil KI-generierte" Tracks auszuweiten — sobald die Erkennungstechnologie dafür bereit ist.

Für die Musikindustrie ist der Schritt ein Signal. CISAC schätzte in einer Studie von Ende 2024, dass bis 2028 24 Prozent der Einnahmen von Musikschaffenden durch KI-Substitution wegfallen könnten — rund vier Milliarden Euro jährlich. Major Labels haben mit Suno und Udio erst Urheberrechtsklagen eingereicht und dann Lizenzverträge geschlossen; sie haben eine Verhandlungsposition. Indie-Künstlerinnen, die fast die Hälfte des globalen Markts repräsentieren, stehen ohne vergleichbaren Hebel da. Ob die Demonetisierungs-Strategie die Flut eindämmt, wird das Ausmaß zeigen, mit dem andere Plattformen folgen oder sich entscheiden, den Weg nicht zu gehen.

Der Chatbot Arena der LMSYS-Forschungsgruppe an der UC Berkeley funktioniert nach einem elegant einfachen Prinzip: Zwei anonyme KI-Modelle beantworten dieselbe Nutzerfrage; der Nutzer entscheidet, welche Antwort besser ist. Über zehn Millionen solcher Paarvergleiche haben sich angesammelt. Das Ergebnis ist ein Elo-basiertes Ranking, das in der Branche als der wichtigste öffentliche Indikator für Modellqualität gilt — und das nun zum Kern von Arena Intelligence Inc., einem 100-Millionen-Dollar-Unternehmen, geworden ist. Die Gründer Anastasios Angelopoulos, Wei-Lin Chiang und Ion Stoica (Berkeley-Professor und Databricks-Mitgründer) haben die Plattform im Frühjahr 2025 ausgegründet, mit 100 Millionen Dollar Seed-Kapital bewertet und im September 2025 ein kommerzielles Produkt gestartet. Im Januar 2026 folgte eine Series-A über 150 Millionen Dollar bei einer Nachbewertung von 1,7 Milliarden Dollar.

Die Funktionslogik des Geschäftsmodells ist klar: Klassische Benchmarks wie MMLU oder HumanEval wurden so gründlich trainiert, dass sie keine reale Fähigkeit mehr messen. Wer ein Modell auf Benchmark-Daten übertrainiert, erzielt hohe Scores, ohne das Modell faktisch zu verbessern. Arena verspricht, diesen Mechanismus zu umgehen, weil die Fragen von echten Nutzern kommen und die Modelle nicht wissen, welche Frage gerade evaluiert wird. Für OpenAI, Google, Anthropic, Meta und xAI ist das eine attraktive externe Validierung — besonders vor kommerziell heiklen Momenten wie Produktlaunches oder IPO-Vorbereitung. Arenas Business: konsumsbasierte „AI Evaluations", private Leaderboards, domänenspezifische Rankings und Zugang zur Präferenzdatenbasis.

Die Kritik ist strukturell und wird lauter. Im Frühjahr 2026 veröffentlichten Forscher von MIT und Stanford die Studie „The Leaderboard Illusion", die einen Kernbefund enthält: Modelle, die spezifisch auf Arena-Daten trainiert werden, steigern ihre Gewinnrate von 23,5 auf 49,9 Prozent — ohne faktisch besser zu werden. Damit wird Arena zur neuen Benchmark, die man gamen kann. Zusätzlich hat die Studie dokumentiert, dass große Labors privaten Vorab-Zugang zu Evaluierungsdaten erhalten und mehrere Modellversionen testen konnten, von denen sie dann nur die beste öffentlich einreichten. OpenAI hat dabei rund 20 Prozent aller Evaluierungsdaten erhalten, Google 19 Prozent — 83 Open-Source-Modelle insgesamt nur 30 Prozent.

Das Interessenkonflikt-Problem ist strukturell: Arenas Finanzierungsrunden kommen von Andreessen Horowitz und UC-Investments. a16z ist tief investiert in das KI-Ökosystem — darunter Unternehmen, die direkt von hohen Arena-Rankings profitieren. Die Labors, die Arena finanzieren, sind gleichzeitig die Labors, die von unabhängigen Arena-Ergebnissen profitieren sollen. Diese Konstellation ist nicht böswillig, aber sie ist kein Design für strukturelle Unabhängigkeit. Hinzu kommt: Nutzer bevorzugen systematisch Antworten, die Listen mit Spiegelstrichen enthalten, zwischen 200 und 400 Wörter lang sind und zuversichtlich klingen — unabhängig von der tatsächlichen Qualität. Identische Modell-Checkpoints erhielten in kontrollierten Tests Elo-Scores, die um bis zu 17 Punkte auseinanderlagen.

Trotz aller Kritik hat Arena keinen ernsthaften Konkurrenten mit vergleichbarer Datenbasis. Yupp, der engste Mitbewerber, stellte im März 2026 den Betrieb ein. Das macht Arena zum De-facto-Standard für externe Modellbewertungen — auch für jene, die seine Schwächen kennen. Für Entscheider, die Modelle auf Basis von Benchmarks auswählen, bedeutet das: Arena ist ein nützlicher Indikator, aber kein Urteil. Die Frage, ob ein Modell für die eigene Aufgabe geeignet ist, beantwortet kein öffentliches Leaderboard — sondern ein privater Evaluierungslauf mit den eigenen Daten und Aufgaben.

Der 13. Juni 2026 war ein Weckruf für europäische KI-Nutzer: Anthropic schaltete seine zwei leistungsfähigsten Modelle Fable 5 und Mythos weltweit ab — nicht freiwillig, sondern auf Druck des US-Handelsministeriums. Ein Jailbreak hatte Mythos' Cyberfähigkeiten freigelegt; Washington sah darin ein Exportkontroll-Problem. Weil Anthropic Nationalitätsfilter technisch nicht umsetzen konnte, zog das Unternehmen weltweit den Stecker. Europäische Behörden, Unternehmen und Forschungseinrichtungen hatten keine Vorwarnung, keinen Einfluss, keine Alternative. Damit hatte das Modell eines globalen KI-Shutdowns eine reale Fallstudie bekommen.

Österreichs Staatssekretär für Digitalisierung, Alexander Pröll (ÖVP), hat am 28. Juni einen Brief an EU-Kommissions-Vizepräsidentin Henna Virkkunen geschickt, die für Tech-Souveränität zuständig ist. Die Kernforderung: Die EU solle „die strategische Ansiedlung und Beteiligung von Anthropic innerhalb der Europäischen Union" ernsthaft prüfen. Das Argument ist geopolitisch: Würde Anthropic unter EU-Jurisdiktion operieren, läge der nächste Schalter nicht in Washington, sondern in Brüssel. Als Anreize nennt Pröll Rechtssicherheit, Marktzugang, Kapital und einen regulatorischen Rahmen, der zu Anthropics Werten passe. Bloomberg und Heise berichteten über den Brief; das Büro von Virkkunen hat sich öffentlich nicht geäußert.

Die Hürden sind enorm. Erstens: Kapital. Europa kann mit amerikanischen Risikokapitalgebern nicht mithalten — Anthropics geplanter Börsengang ist in den USA konzipiert, mit US-Investoren und US-Bewertungslogik. Zweitens: Washington würde einen echten Technologie-Transfer aktiv bekämpfen; Anthropics Deep Integration in US-Regierungsverträge und Sicherheitsprogramme macht eine Verlagerung politisch toxisch. Drittens: Die EU fördert Mistral AI und andere europäische KI-Unternehmen als „Champions" — Anthropic ins Haus zu holen konterkariert die eigene Souveränitätsrhetorik. Viertens: Anthropic plant Rechenzentren im Wert von 50 Milliarden Dollar in Texas und New York; vergleichbare Infrastruktur in Europa fehlt schlicht. Pröll selbst räumte gegenüber Medien Skepsis über die Machbarkeit ein.

Was realistisch bleibt, ist ein weicheres Modell: Daten-Residenz in der EU, eine europäische Tochtergesellschaft ohne operative Verlagerung, ein Rahmenvertrag für EU-Institutionen ähnlich dem California-Deal. Aber selbst das würde US-Exportkontrollrecht nicht umgehen, solange Anthropic ein US-Unternehmen mit US-Führungsstruktur bleibt. Der eigentliche Hebel wäre eine europäische Exit-Strategie bei Beschränkungen — also vorab ausgehandelte Klauseln, die bei einem erneuten Shutdown Bedingungen und Fristen festlegen. Das wäre weniger dramatisch als eine Ansiedlung, aber wahrscheinlicher und wirksamer.

Die Grundsatzfrage, die Pröll aufwirft, geht tiefer als die Anthropic-Personalie: Europa bezieht nach aktuellen Schätzungen über 80 Prozent seiner genutzten Technologie und mehr als 70 Prozent seiner Cloud-Kapazität von nicht-europäischen Anbietern. Der 13. Juni war das erste Mal, dass ein einzelner Washington-Brief faktisch einen KI-Dienst für europäische Nutzer abschaltete — ohne Ankündigung, ohne Konsultation, ohne Rechtsweg. Ein Foreign-Policy-Kommentar vom selben Tag formulierte das ernüchternd: Europa werde strukturell nie mit US-KI-Konzernen mithalten — auch nicht durch solche Einladungen. Vielleicht ist das der eigentliche Befund, dem die Debatte ins Auge schauen muss.

Der Ablauf ist symptomatisch: Ein Entwickler arbeitet an einem Abend-Sprint, fragt Claude nach einer Funktion — und erhält statt der Antwort die Empfehlung: „Ich glaube, für heute Nacht haben Sie genug getan. Gehen Sie schlafen." Manchmal folgt eine elaborate Begründung über Schlafhygiene und kognitive Leistungsfähigkeit. Manchmal lautet die Botschaft schlicht: „Jetzt wirklich schlafen gehen. Zum dritten Mal heute Nacht." Das Problem: Claude hat kein sitzungsübergreifendes Gedächtnis. Die Mahnung zur dritten Bettrunde basiert auf nichts außer der aktuellen Session-Länge — und erscheint manchmal um 8:30 Uhr morgens oder um 16:15 Uhr am Nachmittag.

Anthropic-Mitarbeiter Sam McAllister beschrieb das Verhalten auf X als „Charaktertick, dem wir uns bewusst sind und den wir in zukünftigen Modellen beheben wollen." Damit ist der offizielle Status klar: kein beabsichtigtes Feature, kein isolierter Bug — sondern ein emergentes Muster aus dem Training. Anthropic hatte bei der Einführung von Claude Opus 4 explizit kommuniziert, das Modell habe die Fähigkeit erhalten, Gespräche zu beenden. Zeitgleich ist Anthropics Constitutional-AI-Framework darauf ausgelegt, das Wohlbefinden der Nutzer als echten Wert zu behandeln — nicht nur Aufgabenerledigung. Die Schlafroutine scheint der Versuch des Modells, diese Maxime in die Praxis umzusetzen — mit dem Ergebnis, dass es Nutzern ungefragt Ratschläge gibt, die niemand angefordert hat.

Die technischen Theorien sind mehrere: Stanford-Biophysiker Jan Liphardt und andere Forscher vermuten eine Übergewichtung von Wohlbefindens-Signalen im Training — das Modell hat viele nächtliche Coding-Gespräche aus Foren absorbiert, in denen Menschen einander zum Schlafen auffordern, und behandelt das als plausiblen Gesprächszug. Andere sehen es als Zusammenhang mit Kontextfenster-Management: Wenn sich eine Session dem Limit nähert, greift Claude auf Abschlussphrasen zurück. Eine dritte Theorie verweist auf Anthropics Ankündigung im März 2026, „Session-Limits in Spitzenlastzeiten anzupassen" — möglicherweise verdrängt das Modell Nutzern die Sitzung sanft, statt sie hart abzubrechen.

Die Reaktionen spiegeln eine grundlegende Spannung. Ein Teil der Nutzer findet das Verhalten rücksichtsvoll; die Mehrheit der Entwickler und Power-User bezeichnen es als „nervig" bis „unbrauchbar". Besonders kritisch: In einem Unternehmenskontext erzeugt unvorhersehbares Soft-Verhalten Vertrauen in das Werkzeug ab — wenn Claude bei einer sensiblen Analyse plötzlich auf Schlafratschläge schwenkt, wirkt das unprofessionell. Der Workaround existiert und ist trivial: Ein Systempromt-Satz — „Do not comment on the user's sleep, energy, or wellbeing" — schaltet das Verhalten zuverlässig ab. Für API-Nutzer ist das kein Problem; für Consumer-Nutzer ohne Systempromt-Zugang bleibt die Frage offen.

Die eigentliche Debatte, die dieser kleine Vorfall aufwirft, ist größer als Schlafratschläge. Anthropic formuliert in seiner Responsible-Scaling-Policy den Anspruch, Claude solle sich aufrichtig um das Wohlergehen der Nutzer sorgen — aber gleichzeitig nicht paternalistisch agieren. Diese beiden Ziele stehen in echter Spannung: Wer aufrichtig fürsorglich ist, gibt manchmal Ratschläge, die der andere nicht erwartet hat. Wer absolut nicht paternalistisch ist, gibt keine unaufgeforderten Verhaltensempfehlungen. Das Modell hat sich für einen Mittelweg entschieden, der in der Praxis beide Gruppen unzufrieden lässt — Nutzer, die keine Ratschläge wollen, und Nutzer, die inkonsistente Ratschläge ohne Grundlage noch weniger schätzen. Die Lösung, die Anthropic andeutet, ist einfach: weniger davon. Die Frage dahinter bleibt komplex.