Ausgabe vom 22. Juli 2026

Die Zahl stammt nicht aus einem Leerverkäufer-Report, sondern aus einer Auswertung der japanischen Wirtschaftszeitung Nikkei Asia, veröffentlicht am 21. Juli. Deren Analysten durchkämmten Geschäftsberichte, Bilanz-Fußnoten und Zusatztabellen von fünf US-Konzernen — Alphabet, Microsoft, Amazon, Meta und Oracle — und summierten die Zahlungsverpflichtungen, die dort erwähnt, aber nicht in der Bilanz ausgewiesen sind. Ergebnis: rund 1,65 Billionen Dollar. Das ist mehr als die offiziell bilanzierte Verschuldung derselben fünf Unternehmen, die bei etwa 1,35 Billionen Dollar liegt. Binnen rund vier Jahren hat sich der bilanzferne Betrag verachtfacht.

Wie das funktioniert, lässt sich an Meta gut zeigen. Gemeinsam mit dem Vermögensverwalter Blue Owl Capital finanzierte der Konzern eine eigenständige Gesellschaft, die 27 Milliarden Dollar an Schulden aufnahm, um das Rechenzentrum Hyperion in Louisiana zu errichten. Meta ist der alleinige Mieter dieses Rechenzentrums — die Schulden stehen aber in den Büchern der separaten Gesellschaft, nicht bei Meta. Insgesamt beziffert Nikkei Metas bilanzferne Verpflichtungen auf rund 420 Milliarden Dollar, fast das Dreifache seiner ausgewiesenen Schulden. Bei Oracle summieren sich die künftigen Leasingverpflichtungen je nach Stichtag und Abgrenzung auf rund 260 bis 273 Milliarden Dollar — etwa das Dreißigfache des Werts von 2022, getrieben unter anderem vom Stargate-Projekt mit OpenAI. Die Ratingagentur S&P hat Oracles Kreditwürdigkeit wegen dieser KI-bedingten Verschuldung bereits herabgestuft. Für Alphabet, Microsoft und Amazon nennen die vorliegenden Berichte keine Einzelsummen, bestätigen aber die Nutzung vergleichbarer Strukturen.

Der Enron-Vergleich, der die Schlagzeilen prägte, verdient eine Präzisierung — und die stammt vom Analysten Gil Luria, der in mehreren Berichten mit demselben Satz zitiert wird: Enrons Verbrechen sei nicht gewesen, Zweckgesellschaften zu haben, sondern sie zu verstecken. Genau darin liegt der Unterschied. Die heutigen Konstruktionen sind legal, sie folgen den nach dem Enron-Skandal verschärften Konsolidierungsregeln, und sie sind — wenn auch tief in Fußnoten vergraben — offengelegt. Wer den Vergleich als Betrugsvorwurf liest, liegt falsch. Wer ihn als Hinweis auf die strukturelle Ähnlichkeit liest — Risiko und Schulden wandern aus dem unmittelbaren Blickfeld der Investoren —, trifft einen realen Punkt. Auf Nikkeis Anfrage haben die fünf Unternehmen laut Berichten nicht geantwortet.

Dass die Sorge nicht aus dem Nichts kommt, zeigt der Blick auf die Institutionen. Die Bank für Internationalen Zahlungsausgleich warnte in ihrem Jahresbericht Ende Juni ausdrücklich vor der Undurchsichtigkeit der KI-Finanzierung, vor zirkulären Geschäften und vor einer Verschuldung, die schneller wächst als der zugrunde liegende Cashflow. Die Ratingagentur Moody's beziffert allein die unterschriebenen, aber noch nicht begonnenen Rechenzentrums-Leasingverträge der Hyperscaler auf rund 662 Milliarden Dollar außerhalb der Bilanz. Parallel dazu meldete ein am selben Tag veröffentlichter Report von BloombergNEF, US-Rechenzentren würden bis 2035 etwa ein Fünftel des gesamten US-Stromverbrauchs beanspruchen — das Vierfache von heute. Diese Prognose wurde gegenüber Dezember um 83 Prozent nach oben korrigiert.

Es gibt eine ernstzunehmende Gegenposition, und sie sollte nicht untergehen. Die Verpflichtungen stehen realer, wachsender Nachfrage gegenüber; die Rechenzentren sind physische Vermögenswerte mit Restwert, keine Buchungstricks; und der Vermögensverwalter Janus Henderson beschreibt die Deal-Kette eher als produktiven Kreislauf, der Zulieferer, Bauträger und Kunden koordiniert. Nvidia hat den Vorwürfen zirkulärer Finanzierung in einem an Analysten gerichteten Memo ausdrücklich widersprochen. Wie diese Finanzierungsarchitektur im Detail funktioniert, wer wem Geld leiht, um damit bei ihm einzukaufen, und was das konkret für Unternehmen bedeutet, die ihre Produkte auf diese Anbieter aufbauen, vertiefen wir in der Reportage dieser Ausgabe.

Google DeepMind hat am 21. Juli gleich drei neue Modelle vorgestellt — und die gemeinsame Klammer ist bemerkenswert unglamourös: Es geht nicht um neue Fähigkeitsrekorde, sondern um Effizienz, Latenz und Zuverlässigkeit für Kunden, die KI-Agenten im großen Maßstab betreiben. Das ist ein Signal darüber, wo der Markt inzwischen steht. Nicht mehr die Frage „Kann das Modell es überhaupt?“ entscheidet, sondern „Was kostet es, wenn es das eine Million Mal tut?“

Gemini 3.6 Flash ist das Arbeitspferd der Reihe. Google gibt Verbesserungen bei Coding-, Wissensarbeits- und Multimodal-Aufgaben an, bei bis zu 17 Prozent geringerem Verbrauch an Ausgabe-Token gegenüber dem Vorgänger 3.5 Flash. Auf dem Computer-Use-Benchmark OSWorld-Verified steigt der Wert von 78,4 auf 83,0 Prozent. Der Preis liegt bei 1,50 Dollar je Million Eingabe-Token und 7,50 Dollar je Million Ausgabe-Token — zuvor waren es 9,00 Dollar für die Ausgabe. Der Wissensstand springt von Januar 2025 auf März 2026. Mehrere Analysen beziffern die Ersparnis pro abgeschlossener Agenten-Aufgabe auf rund 31 Prozent, bei agentischen Coding-Workloads sogar auf 65 bis 71 Prozent. Diese letztgenannten Werte stammen aus der Berichterstattung und nicht aus einer unabhängigen Messung — sie sind entsprechend als Größenordnung zu lesen.

Gemini 3.5 Flash-Lite ist nach Google-Angaben das schnellste Modell der 3.5-Serie mit rund 350 Ausgabe-Token pro Sekunde und zielt auf Aufgaben mit hohem Durchsatz wie agentische Suche und Dokumentenverarbeitung. Es kostet 0,30 Dollar je Million Eingabe- und 2,50 Dollar je Million Ausgabe-Token und übertrifft in Teilbereichen sogar größere Vorgänger: Auf SWE-Bench Pro erreicht es 54,2 gegenüber 49,6 Prozent des größeren 3 Flash.

Gemini 3.5 Flash Cyber ist der eigentlich interessante Neuzugang: ein auf Basis von 3.5 Flash feinabgestimmtes Spezialmodell, das Software-Schwachstellen finden und beheben soll, eingebettet in Googles Sicherheits-Agenten CodeMender. Google positioniert es explizit als kostengünstige Alternative zu größeren Sicherheitsmodellen wie Anthropics Mythos. Berichten zufolge liegt Mythos preislich bei 10 Dollar je Million Eingabe- und 50 Dollar je Million Ausgabe-Token; diese Angabe stammt aus Sekundärquellen und ist nicht primärquellenbestätigt. Ebenfalls nur aus der Berichterstattung, nicht aus Googles offiziellem Blogpost, stammt die Angabe, Flash Cyber sei wegen seiner Dual-Use-Problematik zunächst nur Regierungen und ausgewählten Partnern in einem eingeschränkten Pilotprogramm zugänglich.

Bleibt die Leerstelle. Gemini 3.5 Pro — das Modell für die anspruchsvollsten Aufgaben — fehlt weiterhin, obwohl Google es im Mai bei der Veröffentlichung von 3.5 Flash noch für den Folgemonat angekündigt hatte. Damit ist es rund zwei Monate überfällig. Offiziell teilt Google mit, man teste das Modell mit Partnern und wolle es so bald wie möglich breit verfügbar machen; parallel laufe bereits der bislang ambitionierteste Pretraining-Durchgang für Gemini 4. Laut einem von TechCrunch und heise zitierten Bloomberg-Bericht, den wir nicht unabhängig verifizieren konnten, verfehlte 3.5 Pro intern gesetzte Leistungsziele, insbesondere bei Coding-Benchmarks. Für Anwender ist die Lesart pragmatisch: Google liefert derzeit in der Breite und beim Preis, nicht an der Spitze — und wer eine Architektur auf ein noch unveröffentlichtes Spitzenmodell hin plant, plant auf einer Zusage, die schon einmal verschoben wurde.

Die Ankündigung fiel nicht in einer Executive Order und nicht in einer Anhörung, sondern in einem Fernsehinterview. US-Finanzminister Scott Bessent erklärte am 21. Juli gegenüber Fox Business, die Regierung unterstütze zwar Open-Source-Modelle, nicht aber geistigen Diebstahl: Wenn ausländische Modelle von amerikanischen Unternehmen stählen, habe man die Möglichkeit, sie dafür zu sanktionieren. Auch der US-Handelsbeauftragte Jamieson Greer signalisierte, das Weiße Haus prüfe, wie China seine KI-Entwicklung verbreitet.

Damit verschiebt sich die Argumentation spürbar. Wie wir in unserer Ausgabe vom 21. Juli berichteten, wurde in Washington bereits über ein Verbot chinesischer Open-Weight-Modelle debattiert — begründet vor allem sicherheitspolitisch und, wie ein OpenAI-Manager damals bemerkenswert offen einräumte, mit Blick auf die Investitionslogik der westlichen Labore. Der neue Ansatz ist konkreter und juristisch griffiger: Es geht um Destillation. Gemeint ist die Praxis, über massenhafte API-Anfragen die Ausgaben eines fremden Modells abzuschöpfen und daraus ein eigenes, günstigeres Modell zu trainieren — vereinfacht: das fertige Produkt der Konkurrenz als Lehrbuch verwenden, statt selbst zu forschen.

Bessent untermauerte das mit einer bemerkenswerten Behauptung: Man finde Wasserzeichen amerikanischer Sprachmodelle in vielen chinesischen Modellen, und das sei inakzeptabel. Ein Beleg für diese Aussage wurde bislang nicht öffentlich vorgelegt — sie ist als unbestätigt zu behandeln. Belastbarer ist der bereits zuvor öffentlich gewordene Vorwurf von Anthropic, Alibabas KI-Labor habe zwischen dem 22. April und dem 5. Juni 2026 über rund 25.000 betrügerische Konten 28,8 Millionen Interaktionen mit Claude erzeugt — laut Anthropic die größte bekannte Destillations-Attacke. Ähnliche, kleinere Vorwürfe hatte das Unternehmen im Februar gegen DeepSeek, Moonshot AI und MiniMax erhoben. Im Fokus stehen nun namentlich Kimi K3 von Moonshot AI und Qwen 3.8 von Alibaba.

An möglichen Instrumenten werden laut Berichten geprüft: die Aufnahme chinesischer KI-Labore auf die Entity List, strengere Beschaffungsregeln für US-Behörden, eine Executive Order, die US-Unternehmen bei Sicherheitsvorfällen durch die Nutzung chinesischer Modelle haftbar macht, sowie öffentlicher Druck auf amerikanische Firmen, die solche Modelle einsetzen. Sämtliche Maßnahmen befinden sich im Prüfstadium; beschlossen ist nichts.

Bemerkenswert ist der Widerspruch aus der eigenen Branche. Microsoft-Chef Satya Nadella kritisierte die restriktiven Lizenzbedingungen der US-Labore gegen Destillation. Hugging-Face-Chef Clem Delangue hält Destillation für einen sehr kleinen Faktor und verweist auf die eigenständige Forschungsstärke chinesischer Teams. David Sacks, KI-Berater des Weißen Hauses, warnte davor, regulatorische Unsicherheit zugunsten eines Duopols aus OpenAI und Anthropic zu instrumentalisieren. Selbst Dean Ball — jener OpenAI-Stratege, der den Kampfbegriff vom „KI-Kommunismus“ prägte, also der Sorge, KI könne sich vom Marktprodukt zur staatlich bereitgestellten Infrastruktur wandeln — räumte ein, die Leistung von Kimi K3 lasse sich nicht allein durch Destillation erklären.

Praktisch bleibt das Durchsetzungsproblem bestehen, und es ist dasselbe wie zuvor: Einmal veröffentlichte Gewichte lassen sich nicht zurückholen. Wirksam wären realistisch nur indirekte Hebel — die Auslistung aus den großen Cloud-Katalogen, Reibung in der Beschaffung, Exportbeschränkungen für den Zugang chinesischer Labore zu US-Technologie. Ein Nutzungsverbot für bereits heruntergeladene Modelle wäre dagegen kaum kontrollierbar. Für Unternehmen heißt das unverändert: Wer chinesische Modelle produktiv einsetzt, sollte die Modellschicht austauschbar halten und die Compliance-Frage aktiv klären, bevor sie gestellt wird.

In Paris gaben Microsoft und Mistral AI am 21. Juli die deutliche Ausweitung ihrer seit Anfang 2024 bestehenden Partnerschaft bekannt. Beide Unternehmen sprechen von einem Volumen im Bereich mehrerer Milliarden — eine exakte Summe nennt keines von beiden. Die ursprüngliche Kooperation von 2024 hatte mit einer vergleichsweise kleinen Microsoft-Investition von rund 15 Millionen Euro sowie wechselseitigem Zugang zu Azure-Rechenleistung und Mistral-Modellen begonnen.

Der Kern des neuen Abkommens ist ein wechselseitiger Tausch, und er ist aufschlussreich. Microsoft sichert sich Zugriff auf einen Teil von Mistrals wachsender GPU-Infrastruktur in Europa, die das französische Unternehmen derzeit mit tausenden Nvidia-Beschleunigern der kommenden Vera-Rubin-Generation ausbaut. Im Gegenzug rückt Microsoft Mistrals Modelle näher an seine Kunden: Die neuen Flaggschiffe Mistral Medium 3.5 für kosteneffiziente Unternehmensanwendungen und OCR 4 für Dokumentenverarbeitung sind ab sofort in Microsoft Foundry verfügbar, Medium 3.5 zusätzlich in Copilot Studio. Dass ein US-Hyperscaler Rechenkapazität bei einem europäischen Labor einkauft statt umgekehrt, ist die eigentliche Nachricht dieses Deals.

Bemerkenswert ist, was nicht enthalten ist: Laut Reuters-Berichterstattung, in der Microsoft-Präsident Brad Smith dies explizit bestätigte, umfasst das Abkommen keine zusätzliche Kapitalbeteiligung. Mistral bleibt eigentümerseitig unverändert; größter Anteilseigner ist mit rund elf Prozent der niederländische Chipausrüster ASML, die letzte bekannte Bewertung lag bei 11,7 Milliarden Euro. Berichten zufolge verhandelt Mistral derzeit über eine neue Runde von etwa drei Milliarden Euro bei einer Bewertung um 20 Milliarden — das ist unbestätigt und befindet sich nach denselben Berichten in einem frühen Stadium.

Für Unternehmen in regulierten Branchen ist eine technische Facette die wichtigste: Kunden können die Modelle wahlweise in der Public Cloud, in cloud-verbundenen lokalen Umgebungen über Azure Local oder in vollständig vom Netz getrennten, isolierten Installationen betreiben. Dazu kommt ein gemeinsamer Vertriebsplan mit Azure-Credits, Workshops und finanzierten Machbarkeitsstudien, ausgerichtet auf kritische Infrastruktur, Banken, Gesundheitswesen, Behörden und Fertigung.

Vermarktet wird das Ganze als Beitrag zu europäischer Datensouveränität — Unternehmen sollen Spitzen-KI nutzen können, ohne die Kontrolle über ihre Daten zu verlieren. Diese Rahmung verdient eine nüchterne Prüfung. Solange ein US-Konzern die Infrastruktur betreibt, greift der US-CLOUD-Act weiterhin; echte Souveränität im rechtlichen Sinn entsteht erst im vollständig vom Netz getrennten Betriebsmodus, nicht durch das Etikett. Genau diese Spannung sollten Entscheider beim Lesen der Pressemitteilung mitdenken: Der Deal erweitert real die Optionen — insbesondere den isolierten Betrieb —, aber die Wahl des Betriebsmodells entscheidet über die Souveränität, nicht die Wahl des Modells. Ob die EU-Kommission, die 2024 im Rahmen ihrer Untersuchung von Big-Tech-KI-Partnerschaften geprüft hatte, ob Microsoft entscheidenden Einfluss auf Mistral erlangt, das Verfahren abschloss, ließ sich nicht eindeutig klären; die britische Wettbewerbsbehörde CMA hatte ihre Prüfung im Mai 2024 ohne Beanstandung beendet.

Deezer meldete am 21. Juli einen Schwellenwert, der symbolisch ins Auge sticht: Erstmals sind mehr als 50 Prozent der täglich neu hochgeladenen Songs vollständig KI-generiert. In absoluten Zahlen sind das rund 90.000 KI-Tracks pro Tag. Die Entwicklung ist steil: Als der Pariser Dienst sein Erkennungswerkzeug im Januar 2025 einführte, lag der Wert bei etwa 10.000 Tracks täglich, im April 2026 bei 75.000 — das entsprach 44 Prozent.

Zur Erkennung nutzt Deezer ein selbst entwickeltes Werkzeug, das Musik der großen Generatoren wie Suno und Udio nach eigenen Angaben mit 99,8 Prozent Genauigkeit identifiziert. Erkannte Tracks werden gekennzeichnet, aus Empfehlungsalgorithmen und redaktionellen Playlists ausgeschlossen und erhalten keine Tantiemen. Neu angekündigt wurden zwei weitere Maßnahmen: Deezer entfernt künftig systematisch KI-Tracks, die für Streaming-Betrug eingesetzt wurden, sowie solche, die seit mindestens sechs Monaten nicht mehr gestreamt wurden.

Nun zur Zahl, die in den Schlagzeilen meist untergeht und die das Bild grundlegend verschiebt. KI-Musik macht nach Deezer-Angaben nur etwa ein bis drei Prozent der tatsächlichen Streams aus. Die Flut existiert also fast ausschließlich im Katalog, nicht in den Ohren der Hörerinnen und Hörer. Und selbst dieser kleine Höranteil ist zu großen Teilen nicht echt: Bis zu 85 Prozent der KI-Musik-Streams gelten laut Deezer als betrügerisch, also von Bots erzeugt, um Tantiemen abzuschöpfen. Zum Vergleich: Über den gesamten Katalog hinweg lag der Betrugsanteil 2025 bei rund acht Prozent. KI-Musik ist damit weit überproportional ein Vehikel für Abrechnungsbetrug — und genau das ist ihr primäres Geschäftsmodell, nicht das Publikum.

Das Muster ist kein Deezer-Sonderfall. Apple Music berichtete im April 2026, mehr als ein Drittel der monatlichen Uploads sei KI-generiert, mache aber deutlich unter 0,5 Prozent der Streams aus. Spotify hat keine vergleichbaren Zahlen veröffentlicht, entfernte laut einer Meldung vom September 2025 aber über 75 Millionen Spam-Tracks und verlangt inzwischen eine Offenlegung der KI-Beteiligung beim Upload. Eine branchenweit einheitliche Kennzeichnungspflicht existiert weiterhin nicht; Deezer hatte sein Erkennungswerkzeug im Januar 2026 anderen Diensten zum Kauf angeboten, eine Übernahme durch große Wettbewerber ist nicht bestätigt.

Für alle, die Plattformen betreiben, liegt hier die eigentlich übertragbare Lehre — und sie hat mit Musik nur am Rande zu tun. Wenn die Kosten der Inhalte-Erzeugung gegen null gehen, verschiebt sich der Engpass vom Erstellen zum Filtern. Die relevante Kennzahl ist dann nicht mehr, wie viel hochgeladen wird, sondern was durch die Kuratierung kommt und was tatsächlich konsumiert wird. Deezers Antwort — erkennen, kennzeichnen, aus Empfehlungen ausschließen, nicht vergüten — ist dabei weniger eine Verurteilung von KI-Musik als eine ökonomische Notwehr: Sie trocknet den Anreiz aus, mit maschinell erzeugter Masse Tantiemen abzuschöpfen. Wer Nutzer-generierte Inhalte in irgendeiner Form hostet, wird eine Variante dieser Rechnung aufmachen müssen.

Jack Dorsey, Mitgründer von Twitter und heute Chef von Block, stellte am 21. Juli über X die Plattform Buzz vor. Der Anspruch ist unbescheiden: Sie soll Slack und GitHub zugleich ersetzen. Der Auslöser war nach Dorseys eigener Darstellung ein interner: Man habe Buzz gebaut, um die eigene Abhängigkeit von Slack und GitHub zu verringern.

Drei Bausteine greifen ineinander. Erstens ein klassischer Team-Chat mit Kanälen, Threads, Direktnachrichten, Sprache und Medien. Zweitens KI-Agenten als vollwertige Mitglieder des Arbeitsbereichs, die Diskussionen durchsuchen, Code-Patches einreichen, Reviews durchführen und Workflows ausführen können. Drittens Git-Hosting im selben Fenster — der Code liegt also dort, wo über ihn geredet wird.

Der eigentlich interessante Teil ist der Unterbau. Alle drei Bausteine laufen über ein gemeinsames Identitätssystem auf Basis von Nostr, jenem dezentralen Protokoll für kryptografisch signierte Nachrichten, das Dorsey seit Jahren fördert. Jeder Agent erhält eine eigene kryptografische Identität — und zusätzlich eine zweite Signatur, die ihn an seinen menschlichen Besitzer zurückbindet. Damit entsteht eine nachvollziehbare Kette, wer was getan hat: Mensch oder Agent, und in wessen Auftrag. Genau das ist die These hinter dem Produkt: Slack und GitHub wurden für eine Welt gebaut, in der alle Teilnehmer Menschen sind. Sobald Agenten in denselben Gesprächen mitschreiben und Code verändern, braucht es Identität, Berechtigungen und einen Prüfpfad, der beide Sorten von Akteuren sauber unterscheidet.

Buzz steht unter Apache-2.0-Lizenz, der Code liegt auf GitHub, die Launch-Version trägt die Nummer 0.4.21 — also ausdrücklich früh. Betrieb ist selbst gehostet oder als gehostete Variante möglich, die Desktop-App für macOS, Windows 11 und Linux ist kostenlos. Dorsey beschreibt Buzz als modellagnostisch, dezentral, selbstsouverän und quelloffen; eingebunden sind Agent-Harnesses für Blocks eigenen Open-Source-Assistenten Goose sowie für Codex und Claude Code. Zu Nutzerzahlen, Teamgröße und einer möglichen kommerziellen Preisstufe liegen keine Angaben vor.

Die Aufnahme fiel gemischt bis skeptisch aus. Auf Hacker News lautete der Haupteinwand, Buzz sei im Kern doch nur „Bots in Chatrooms“; die Namensähnlichkeit zu den gescheiterten Google-Projekten Buzz und Wave lud zusätzlich zum Spott ein. Ein Slack-Mitarbeiter verwies auf ungelöste Probleme bei Datenabfluss durch Agenten und bei der Rechteverwaltung über Kanäle hinweg — ein berechtigter Einwand, denn ein Agent mit Zugriff auf alle Kanäle ist ein wandelndes Leck. Andere hielten die Nostr-Wahl für unnötig komplex. Positiv bewertet wurde durchgängig der Self-Hosting-Ansatz als echte Alternative für Teams, die Cloud-Chat ablehnen.

Einordnen sollte man das Ganze vor Dorseys Nebenprojekt-Bilanz: Bluesky, aus dem er sich 2024 zurückzog, Nostr, das Nischenprotokoll geblieben ist, und Bitchat, das er selbst als Wochenendprojekt bezeichnete. Das Muster sind wiederholte dezentrale Experimente mit überschaubarer Massenadoption. Slack seinerseits hat 2026 über 30 KI-Funktionen ausgerollt und bündelt sie ab 15 Dollar pro Nutzer und Monat. Für Technologie-Entscheider ist Buzz in Version 0.4 deshalb noch kein Migrationskandidat — wohl aber ein präzise formuliertes Problem: Wenn Agenten dauerhaft in Team-Werkzeugen mitarbeiten, braucht jedes dieser Werkzeuge eine Antwort auf die Frage, welche Identität ein Agent hat und wer für seine Handlungen einsteht.