Ausgabe vom 11. Juli 2026

Die EU-Kommission veröffentlichte am 10. Juli 2026 vorläufige Ergebnisse ihres seit über zwei Jahren laufenden Verfahrens gegen Meta nach dem Digital Services Act (DSA). Der Vorwurf: Meta habe die Risiken von Endlosscrollen, Autoplay, Push-Benachrichtigungen und stark personalisierten Empfehlungssystemen nicht ausreichend bewertet und begrenzt — mit möglichen Folgen für die physische und psychische Gesundheit der Nutzer, insbesondere Minderjähriger. Gefordert werden unter anderem eine standardmäßige Deaktivierung von Endlosscrollen und Autoplay, wirksame Bildschirmzeit-Pausen, weniger auf reine Interaktionsmaximierung ausgerichtete Empfehlungssysteme sowie einfacher zugängliche Eltern-Kontrolltools. EU-Kommissarin Henna Virkkunen: „Der Schutz der körperlichen und seelischen Gesundheit der Europäer muss für Social-Media-Plattformen Priorität haben." Bei einem endgültigen Verstoß drohen bis zu sechs Prozent des weltweiten Jahresumsatzes — bei Meta umgerechnet mehr als zwölf Milliarden Euro. Ein konkreter Zeitpunkt für die Entscheidung steht noch nicht fest, Meta kann zunächst Stellung beziehen.

Rechtlich unabhängig davon, aber inhaltlich verwandt, läuft in den USA eine Sammelklage von 34 Bundesstaaten-Generalstaatsanwälten gegen Meta wegen mutmaßlicher Verstöße gegen den Kinderdatenschutz (COPPA) und irreführender Aussagen zum Suchtpotenzial der Plattformen. Ende Juni wies die zuständige Richterin Yvonne Gonzalez Rogers Metas Antrag auf Klageabweisung zurück; vier Bundesstaaten fordern separat eine Strafzahlung von bis zu 1,4 Billionen Dollar — eine reine Maximalforderung der Kläger, kein absehbares Urteil. Prozessbeginn ist für August 2026 in Oakland angesetzt.

Für zusätzlichen Druck sorgt eine dritte, jüngere Entwicklung: Meta hat die erst am 7. Juli gelaunchte KI-Funktion „Muse Image" (siehe Die Inferenz vom 8. Juli) nach nur drei Tagen wieder deaktiviert. Die Funktion hatte es erlaubt, per @-Erwähnung eines öffentlichen Instagram-Kontos dessen Fotos ungefragt als Referenz für KI-generierte Bilder zu verwenden — standardmäßig per Opt-out statt Opt-in. Die Schauspielergewerkschaft SAG-AFTRA bezeichnete das automatische Opt-in als „unacceptable" und rief ihre Mitglieder aktiv zum Deaktivieren auf, die Agentur CAA forderte grundsätzlich Opt-in statt Opt-out, Privacy International kritisierte gegenüber der BBC, das Tool zeige, dass KI-Unternehmen „Fotos und Daten von Menschen als auszubeutendes Rohmaterial" behandelten. Meta reagierte mit einem knappen Statement: „Our intent was to provide a useful creative tool and to give people control over whether their public content could be referenced in this way. We've heard the feedback that this feature missed the mark, so it's no longer available."

In dieselbe Woche fällt ein Zitat von Instagram-Chef Adam Mosseri, der sich gegen eine Filterung von KI-Inhalten im Feed aussprach: Wer KI-Content nicht möge, solle ihn eben nicht im eigenen Feed haben — für alle anderen brauche es Transparenz statt Ausschluss. Öffentliche Reaktionen auf das Zitat selbst ließen sich nur begrenzt nachverfolgen, es fügt sich aber in das Bild einer Plattform, die algorithmische Kontrolle konsequent den Nutzern überlässt, statt selbst einzugreifen.

Rechtlich sind DSA-Verfahren, US-Sammelklage und der Muse-Image-Rückzug drei getrennte Vorgänge — inhaltlich zeichnen sie aber ein kohärentes Bild: Meta gerät gleichzeitig unter regulatorischen Druck wegen der grundsätzlichen Plattform-Architektur und unter Reputationsdruck wegen eines überstürzt gelaunchten KI-Features, das Persönlichkeitsrechte verletzte. Für Unternehmen und Werbetreibende auf der Plattform bedeutet das: Mögliche Pflichtänderungen am Empfehlungsalgorithmus könnten mittelfristig Reichweite und Targeting-Effektivität in der EU beeinflussen, während die Instabilität bei KI-Feature-Rollouts — Launch und Rückzug binnen drei Tagen — zur Vorsicht mahnt, Marketingstrategien nicht zu eng an einzelne, frisch gelaunchte Meta-KI-Funktionen zu koppeln.

In einem Interview für TechCrunchs Podcast „Equity", veröffentlicht am 10. Juli 2026, beschreibt Hugging-Face-CEO Clem Delangue ein aus seiner Sicht wiederkehrendes Muster bei Unternehmenskunden: Sie starten mit Frontier-APIs großer Anbieter wie OpenAI oder Anthropic, weil das der einfachste Einstieg ist. Sobald sie jedoch in großem Maßstab skalieren, würden die Kosten „unsustainable" — und sie wechseln zu offenen, selbst gehosteten Modellen. Laut einer Zusammenfassung des Interviews sagte Delangue sinngemäß: „Companies start out on frontier APIs because it's easy. But when they start deploying at scale, the costs become unsustainable. They realize they're renting their AI — and they want to own it." Als grundsätzlichere Sorge nannte er eine mögliche Machtkonzentration: „If we let a few big players own the frontier models, we risk creating a world where innovation is bottlenecked by a few corporate gatekeepers." Die wörtlichen Zitate stammen aus einer Sekundärquelle, da der Originalartikel nicht vollständig zugänglich war — die inhaltliche Kernaussage deckt sich aber mit mehreren unabhängigen Berichten über das Interview.

Zur Untermauerung nennt Delangue eigene Zahlen: Rund die Hälfte der Fortune-500-Unternehmen nutze mittlerweile offene Hugging-Face-Modelle oder -Datensätze — eine Angabe, die leicht über dem eigenen „State of Open Source"-Bericht vom März 2026 liegt, der von „über 30 Prozent" sprach. Bemerkenswert ist zudem eine von Hugging Face selbst dokumentierte Verschiebung: Chinesische Modelle wie Qwen, DeepSeek oder GLM machten im vergangenen Jahr 41 Prozent aller Downloads auf der Plattform aus und haben die USA damit überholt. Delangue thematisierte dies im Podcast ausdrücklich als Problem, das es zu lösen gelte — nicht als Grund, Open-Source-KI grundsätzlich zu misstrauen. Als Beispiel für die Risiken konzentrierter KI-Kontrolle führte er Anthropics kurzzeitig unter US-Exportkontrollen gestopptes Modell Claude Fable 5 an, das im Juni 2026 vorübergehend abgeschaltet und Anfang Juli wieder freigegeben wurde.

Unabhängige Daten stützen den beschriebenen Trend zumindest teilweise: Laut OpenRouter-Daten stieg der Anteil chinesischer Modellanbieter am wöchentlichen Token-Volumen binnen eines Jahres von unter zwei auf über 45 Prozent, während sich die Kosten-Leistungs-Lücke schließt — GLM-4.7 erreicht etwa 73,8 Prozent auf dem Coding-Benchmark SWE-bench bei rund einem Siebtel der Kosten vergleichbarer Claude-Modelle. Ein differenzierteres Bild zeichnet allerdings Anthropics eigener „Economic Index"-Bericht: Das Unternehmen überholte OpenAI im April 2026 selbst bei der Business-Adoption und vervierfachte seine Nutzung binnen eines Jahres. Der Befund deutet weniger auf einen Exodus von proprietären Anbietern hin als auf paralleles Wachstum beider Lager — offene Modelle gewinnen vor allem bei kostensensiblen Skalierungs-Workloads, geschlossene Anbieter wachsen weiterhin bei der allgemeinen Adoption.

Wichtig für die Einordnung: Delangue ist alles andere als neutral. Hugging Face verdient nach Recherchen des Analysehauses Sacra einen Großteil seiner mehr als 100 Millionen Dollar Jahresumsatz (rund 367 Prozent Wachstum gegenüber dem Vorjahr) über Enterprise-Hosting und eine Inference-Routing-Schicht für genau jene offenen Modelle, deren Verbreitung er hier beschreibt. Das Framing „Unternehmen mieten ihre KI nicht mehr" dient damit auch der eigenen Positionierung als zentrale Infrastruktur für den Wechsel zu offenen Modellen. Die Kernbeobachtung — Kostendruck bei Skalierung treibt Open-Source-Adoption — ist durch Drittquellen plausibilisiert; die plakative Zuspitzung und die Fortune-500-Zahl sind dagegen unternehmenseigene, nicht extern verifizierte Angaben.

Am 9. Juli 2026 reichte eine von der New York Times angeführte Klägergruppe — laut Berichten unter anderem mit der New York Daily News, dem Center for Investigative Reporting und The Intercept — beim U.S. District Court for the Southern District of New York einen 52-seitigen Sanktionsantrag gegen OpenAI ein. Es ist der bislang schärfste Eskalationspunkt im seit Dezember 2023 laufenden, inzwischen als Sammelverfahren (MDL Nr. 3143, zuständig Richter Sidney H. Stein) geführten Urheberrechtsstreit. Der Kernvorwurf: OpenAI habe dem Gericht und den Klägern über zwei Jahre lang wahrheitswidrig erklärt, es sei technisch nicht möglich, ChatGPT-Trainingsdaten und Konversationsprotokolle systematisch nach urheberrechtlich geschütztem Verlagsmaterial zu durchsuchen. Eine Zeugenaussage des bei OpenAI für Privacy Engineering zuständigen Mitarbeiters Vinnie Monaco soll jedoch offengelegt haben, dass genau solche Suchen längst intern stattfanden — gestützt auf eine eigens aufgebaute Datenbank mit rund 78 Millionen de-identifizierten ChatGPT-Konversationen.

Zusätzlich wirft die Klägerseite OpenAI vor, entgegen einer gerichtlichen Aufbewahrungsanordnung vom Mai 2025 Milliarden ChatGPT-Konversationen gelöscht oder komprimiert zu haben; die im Dezember 2025 schließlich übergebene Stichprobe von 20 Millionen Logs sei durch übermäßige Schwärzungen faktisch unbrauchbar gemacht worden. Gefordert werden mehrere Sanktionen: ein Verbot für OpenAI, sich im weiteren Verfahren auf diese Log-Stichprobe zu berufen, eine gerichtliche Feststellung („adverse inference"), dass die Logs „substantial and systematic" Reproduktionen der klägerischen Inhalte gezeigt hätten, Erstattung der Anwalts- und Sachverständigenkosten sowie entsprechende Jury-Instruktionen. Kläger-Anwalt Ian Crosby (Susman Godfrey) formulierte es scharf: OpenAI habe „über zwei Jahre hinweg die Times, die Daily-News-Kläger, die Öffentlichkeit und das Gericht getäuscht, indem es behauptete, [die Suche] sei unmöglich." OpenAI-Sprecher Drew Pusateri wies die Vorwürfe als „blatantly false allegations" zurück und warf der Times umgekehrt vor, weiterhin in die Privatsphäre unbeteiligter Nutzer eindringen zu wollen.

Zur Einordnung: Anders als etwa Axel Springer, Financial Times, Le Monde, Associated Press oder News Corp, die alle Lizenzabkommen mit OpenAI geschlossen haben, hat sich die New York Times für den Klageweg entschieden. Sollte das Gericht dem Sanktionsantrag — insbesondere der „adverse inference"-Feststellung zu systematischer Content-Reproduktion — stattgeben, würde dies OpenAIs zentrale Fair-Use-Verteidigung erheblich schwächen, da eine solche Feststellung praktisch einen Teil der Beweisführung vorwegnähme. Der Fall gilt entsprechend als richtungsweisend für laufende und künftige KI-Urheberrechtsklagen gegen andere Anbieter. Ein Urteil über den Sanktionsantrag oder ein Verhandlungstermin für die Hauptsache stehen noch nicht fest; das Verfahren befindet sich weiterhin in der Beweisaufnahme.

Das Caltech-Spin-off PrismML — im April 2026 aus dem Stealth-Modus gekommen, geführt von Caltech-Elektrotechnik-Professor Babak Hassibi, finanziert mit 16,25 Millionen Dollar Seed-Kapital unter Führung von Khosla Ventures — hat laut einem Bericht von The Information, aufgegriffen unter anderem von heise online, MacRumors und 9to5Mac, Alibabas offenes Modell Qwen 3.6 mit 27 Milliarden Parametern von rund 54 Gigabyte auf unter 4 Gigabyte komprimiert und auf einem iPhone 17 Pro zum Laufen gebracht — mit allen 27 Milliarden Parametern gleichzeitig aktiv, ohne das bei großen Modellen sonst übliche Sparse-Routing. Wichtige Einschränkung vorweg: Für genau diesen Demo-Claim existieren keine öffentlichen Benchmarks, keine Angabe zur Geschwindigkeit in Token pro Sekunde und keine unabhängige Verifikation — er stammt ausschließlich aus PrismMLs eigener Kommunikation gegenüber der Presse.

Tatsächlich nachprüfbar ist dagegen eine kleinere, am selben Tag offen auf Hugging Face veröffentlichte Modellfamilie namens „Ternary Bonsai" (8, 4 und 1,7 Milliarden Parameter, Apache-2.0-Lizenz). Die zugrundeliegende Technik: eine 1- beziehungsweise 1,58-Bit-„ternäre" Quantisierung, bei der Modellgewichte auf die drei Werte -1, 0 und +1 reduziert werden, kombiniert mit gruppierter Skalierung. Beim 8-Milliarden-Modell schrumpft der Speicherbedarf dadurch von 16,38 auf 1,75 Gigabyte — Faktor neun — bei einem Benchmark-Schnitt von 75,5 (unter anderem MMLU Redux 72,6, GSM8K 91,0, HumanEval+ 77,4), der laut PrismML nur vom unkomprimierten Original selbst übertroffen wird. Bei der Geschwindigkeit nennt PrismML 82 Token pro Sekunde auf einem Mac M4 Pro und 27 Token pro Sekunde auf einem iPhone 17 Pro Max — Werte, die sich auf dieses kleinere, offen zugängliche Modell beziehen, nicht auf den eingangs erwähnten 27-Milliarden-Parameter-Flaggschiff-Claim.

Im Vergleich zu Apples eigenem On-Device-Modell (AFM 3 Core Advanced, 20 Milliarden Parameter, davon durch Sparse-Architektur aber nur 1 bis 4 Milliarden gleichzeitig aktiv) sieht PrismML die durchgehende Aktivierung aller Parameter als Vorteil — das ist allerdings die eigene Einordnung des Unternehmens. Berichten zufolge hat Apple erste, unverbindliche Gespräche mit PrismML geführt; ein bestätigter Deal oder Integrationsplan besteht nicht. Kritiker verweisen zudem darauf, dass extreme Quantisierung historisch bei komplexen Reasoning-Aufgaben Genauigkeit einbüßt, und PrismMLs eigens definierte „Intelligenzdichte"-Metrik ist bislang nicht unabhängig validiert.

Für die Einordnung bleibt damit: „Größtes lokales KI-Modell auf iPhones" ist im Kern eine Marketingaussage von PrismML selbst. Die zugrunde liegende Kompressionstechnologie ist über die offen zugängliche „Ternary Bonsai"-Modellfamilie aber zumindest teilweise nachprüfbar und zeigt dort plausible, dokumentierte Zahlen. Relevant ist die Entwicklung vor allem für Entwickler mit Offline-Anwendungsfällen und datenschutzfokussierte Nutzer, die KI-Verarbeitung ohne Cloud-Anbindung suchen — für alle anderen bleibt der konkrete 27-Milliarden-Parameter-Claim bis auf Weiteres eine unbestätigte Herstellerbehauptung.