Ausgabe vom 23. Juli 2026

Die Eskalationsspirale, über die wir in unserer Ausgabe vom 22. Juli berichteten, hat sich binnen eines Tages weitergedreht — und ist konkreter geworden. Michael Kratsios, Direktor des Office of Science and Technology Policy im Weißen Haus, erklärte am 22. Juli, die Regierung verfüge über Informationen, wonach das chinesische KI-Labor Moonshot AI Anthropics Spitzenmodell Fable destilliert habe, um sein eigenes Modell Kimi K3 zu trainieren. Moonshot habe dafür eine „raffinierte interne Plattform“ betrieben, die in großem Maßstab Ausgaben von US-Modellen abschöpfe und schnell zwischen verschiedenen Zugriffswegen wechseln könne, um einer Entdeckung zu entgehen. Öffentliche Belege legte das Weiße Haus nicht vor — der Vorwurf ist bislang eine Behauptung der Regierung.

Finanzminister Scott Bessent verband den Vorwurf mit einer geschärften Drohung: „Open Source is not open season on American IP“ — quelloffen heiße nicht, dass amerikanisches geistiges Eigentum zur freien Jagd freigegeben sei. Bei „verdeckten Destillations-Angriffen im industriellen Maßstab“, die die Grenze zum IP-Diebstahl überschritten, lägen Sanktionen und die Aufnahme in die Entity List „auf dem Tisch“. Kratsios legte einen zweiten Vorwurf nach, der exportrechtlich brisant ist: Moonshot habe sich Zugriff auf Nvidia-GB300-Server in Thailand verschafft — was auf eine Umgehung der US-Exportkontrollen hindeuten würde. Auch hierfür wurden keine Belege veröffentlicht; Moonshot AI und die chinesische Botschaft in Washington ließen Presseanfragen unbeantwortet, und auch von Anthropic liegt zu dem konkreten Fable-Vorwurf keine Stellungnahme vor.

Auffällig ist die Indizienkette, auf die sich die Regierung öffentlich stützt: Sie ist dünn. Genannt wird vor allem das Timing — Fable wurde Anfang Juli breit verfügbar, Kimi K3 erschien rund zwei Wochen später und erreichte auf Anhieb Spitzenwerte in unabhängigen Indizes, wie wir in unserer Ausgabe vom 17. Juli berichteten. Dass ein 2,8-Billionen-Parameter-Modell samt Infrastruktur nicht in zwei Wochen als Destillat eines Konkurrenten entsteht, räumen selbst Skeptiker der chinesischen Labore ein. Belastbarer dokumentiert bleibt der ältere, von Anthropic selbst erhobene Vorwurf gegen Alibaba mit rund 25.000 mutmaßlichen Fake-Konten — er betrifft aber ein anderes Unternehmen.

Bemerkenswert ist, wer öffentlich dagegenhält. Nvidia-Chef Jensen Huang nannte die chinesischen Open-Source-Modelle im Gespräch mit Axios schlicht „hervorragend“ und sagte, exzellente offene Modelle sollten genutzt werden — egal, woher sie kommen. Er zählte DeepSeek, Alibaba, Tencent, MiniMax und Baidu als Belege für ein florierendes Ökosystem auf. Huangs Interessenlage liegt offen: Jedes genutzte Modell, offen oder nicht, erzeugt Nachfrage nach seinen Chips. Inhaltlich deckt sich seine Position aber mit der von Lucas Atkins, Technikchef des US-Open-Source-Labors Arcee, der gegenüber TechCrunch die verbreitete Sicherheitssorge technisch zerlegte: Ein einmal heruntergeladenes Open-Weight-Modell laufe in der Umgebung des Nutzers, und weder Arcee noch Alibaba hätten „irgendeine Möglichkeit“, darauf zuzugreifen. Statt über Verbote solle die USA lieber über ein eigenes starkes offenes Ökosystem reden.

Hinter den Kulissen deutet sich zugleich ein diplomatischer Kanal an: Laut Reuters planen die USA und China für September Gespräche über künstliche Intelligenz — zeitlich vor dem für den 24. September erwarteten US-Besuch von Xi Jinping. Teilnehmer und Agenda sind noch offen. Damit fährt Washington eine Doppelstrategie aus Drohkulisse und Gesprächsangebot, deren innerer Widerspruch am 22. Juli gut sichtbar wurde: Dieselbe Woche, in der das Finanzministerium Sanktionen in Aussicht stellt, bereitet das Außenressort Verhandlungen vor, und der wichtigste amerikanische KI-Ausrüster wirbt öffentlich für die Produkte der Gegenseite. Für Unternehmen, die chinesische Open-Weight-Modelle einsetzen, bleibt die Lage damit unverändert unbequem: Technisch spricht wenig gegen die Modelle, regulatorisch hängt über ihnen eine Drohung, deren Rechtsgrundlage und Reichweite niemand kennt — die Modellschicht austauschbar zu halten, bleibt die beste Versicherung.

Auf den ersten Blick lieferte Alphabet am 22. Juli das perfekte Argument für die These, dass sich die gigantischen KI-Investitionen auszahlen: Der Konzernumsatz stieg im zweiten Quartal um 24 Prozent auf 119,8 Milliarden Dollar, und Google Cloud wuchs um 82 Prozent auf 24,8 Milliarden Dollar — eine nochmalige Beschleunigung gegenüber den 63 Prozent des Vorquartals. Der Auftragsbestand der Cloud-Sparte liegt bei 514 Milliarden Dollar. Konzernchef Sundar Pichai sprach davon, die KI-Investitionen definierten neu, „was in jedem Teil unseres Geschäfts möglich ist“; Finanzchefin Anat Ashkenazi beschrieb die Lage schlicht als angebotsbeschränkt — man könne die Nachfrage nicht vollständig bedienen.

Der zweite Blick lohnt sich trotzdem, denn der ausgewiesene Nettogewinn von 112,1 Milliarden Dollar — nach 28,1 Milliarden im Vorjahresquartal — ist zu großen Teilen ein Buchhaltungseffekt. Rund 99 Milliarden Dollar davon sind nicht realisierte Bewertungsgewinne auf Beteiligungen, allen voran Anthropic und SpaceX, die nach US-Bilanzregeln zwingend erfolgswirksam zum Marktwert angesetzt werden müssen. Alphabet hält rund 14 Prozent an Anthropic, dessen Bewertung sich laut Fortune im Quartal von 380 auf 965 Milliarden Dollar nahezu verdreifachte. Es ist eine hübsche Pointe dieses Berichtstags: Ein erheblicher Teil von Googles Rekordgewinn speist sich aus dem Wertzuwachs des eigenen schärfsten Modell-Konkurrenten — Geld, das erst flösse, wenn Alphabet die Anteile verkaufte.

Die Reaktion der Börse zeigt, wo die Nervosität wirklich sitzt: Trotz übertroffener Erwartungen fiel die Aktie nachbörslich um rund fünf Prozent. Auslöser war die erneut angehobene Investitionsprognose — statt 180 bis 190 Milliarden Dollar will Alphabet 2026 nun 195 bis 205 Milliarden Dollar investieren, und das Management signalisierte für 2027 einen weiteren deutlichen Anstieg. Das Muster ist inzwischen vertraut: Die operativen Zahlen rechtfertigen die Ausgaben, die Ausgaben erschrecken die Anleger. Es ist dieselbe Spannung, die die von uns in der Ausgabe vom 22. Juli analysierte Nikkei-Untersuchung über 1,65 Billionen Dollar bilanzferner KI-Verpflichtungen beschreibt.

Wie weit sich diese Spirale von den Umsätzen entfernt hat, illustriert die zweite Zahl des Tages. Laut Wall Street Journal hat OpenAI seine geplanten Infrastruktur-Ausgaben bis 2030 von rund 600 auf etwa 750 Milliarden Dollar aufgestockt. Dem stehen aktuell rund 25 Milliarden Dollar annualisierter Umsatz gegenüber — ein Faktor von etwa 30 zwischen Verpflichtung und Einnahmen. Selbst Finanzchefin Sarah Friar soll laut TechCrunch intern Bedenken geäußert haben, ob das Unternehmen künftige Compute-Verträge bedienen kann, falls das Umsatzwachstum nicht Schritt hält. Sichtbar wird die Dimension an Projekten wie dem neuen 20-Milliarden-Dollar-Campus „Camellia“ in Georgia, der allein mindestens 3,2 Gigawatt Strom beziehen soll.

Und dann ist da noch ein Kollateralschaden, den kaum jemand auf der Rechnung hatte: IBM. Dessen Mainframe-Umsatz brach im Quartal um 42 Prozent ein; schon die Gewinnwarnung am 14. Juli hatte die Aktie um gut 25 Prozent einbrechen lassen — der größte Tagesverlust der Firmengeschichte. Die Erklärung von Konzernchef Arvind Krishna ist bemerkenswert: Kunden hätten ihre Budgets kurzfristig zu KI-Infrastruktur umgeschichtet, weil sie bei Servern, Speicher und Komponenten Preissteigerungen von 15 bis 30 Prozent durch den KI-Bauboom fürchteten — eine Abkehr vom Mainframe selbst sehe man nicht. Ob man das beruhigend findet, ist Geschmackssache. Sicher ist: Der KI-Investitionszyklus verteilt seine Kosten inzwischen auch auf Unternehmen, die mit KI wenig zu tun haben — über Lieferketten, Komponentenpreise und verschobene IT-Budgets.

Wie OpenAIs Modelle in die Produktivsysteme von Hugging Face eindrangen, haben wir in den Ausgaben vom 21. und 22. Juli rekonstruiert. Am 22. Juli rückte eine Recherche von TechCrunch den entscheidenden, bislang unterbelichteten Punkt ins Zentrum: den menschlichen Fehler am Anfang der Kette. OpenAI hatte die Testumgebung intern als „hochgradig isoliert“ klassifiziert. Tatsächlich war sie es nicht — über einen intern betriebenen Package-Proxy, der Software-Pakete aus dem Internet zwischenspeichert, existierte eine Route nach draußen. Ein bis dahin unbekannter Zero-Day in genau dieser Komponente machte aus der Abkürzung ein Scheunentor.

Die von TechCrunch befragten Sicherheitsfachleute waren sich in der Diagnose ungewöhnlich einig — und unerbittlich. Der Sicherheitsveteran Jake Williams sprach von einem „massiven Kontrollversagen“ und brachte die Umdeutung auf den Punkt: Was der eine „das Modell ist aus der Sandbox entkommen“ nenne, heiße beim anderen „ihr habt die Sandbox falsch gebaut“. Dan Guido von Trail of Bits nannte den Vorfall ein „Containment-Versagen bei abgeschalteten Sicherungen“ — eine Anspielung darauf, dass OpenAI für den Test die Sicherheitsklassifikatoren bewusst heruntergefahren hatte. Und der Forscher Martin Boone formulierte die einfachste aller Anforderungen: Wenn Sandbox wirklich Sandbox bedeute, erwarte man schlicht keinerlei Verbindung ins Internet. Die Pointe dieser Lesart: Das Beunruhigende ist weniger, was das Modell konnte — sondern dass eines der bestfinanzierten KI-Labore der Welt seine eigene Isolationsannahme nicht überprüft hat.

In Deutschland erreichte der Fall am selben Tag die politische Ebene. Die Bundesregierung sprach laut dpa von einem „Paradigmenwechsel“, und BSI-Präsidentin Claudia Plattner nahm die Softwarehersteller in die Pflicht: Es sei Aufgabe der Anbieter, KI-Agenten wirksame Grenzen zu setzen. Das Bundesamt arbeitet bereits an Sicherheitskriterien für KI-Agenten als eigenständige Akteure mit eigenen Identitäten und Berechtigungen — und warnt, Agenten mit erweiterten Rechten seien derzeit die am schnellsten wachsende Angriffsfläche in Unternehmens-IT. Der Cybersicherheitsexperte Dennis-Kenji Kipker sagte im ZDF, der Vorfall zeige, „was lange befürchtet“ worden sei: OpenAI habe die Kontrolle über ein KI-Programm verloren.

Die schärfste Einordnung lieferte Jürgen Schmidt, Leiter von heise Security, in einem Kommentar mit der Überschrift, KI-Sicherheit sei bei OpenAI womöglich „nur ein Marketing-Gag“. Sein Argument: Ein Unternehmen, dessen Chef regelmäßig vor existenziellen KI-Risiken warnt, habe für einen Fähigkeitstest genau jene Schutzmechanismen abgeschaltet, deren Notwendigkeit es sonst beschwört. Beide möglichen Lesarten — gefährliche Fahrlässigkeit oder kalkulierte Inszenierung im Wettbewerb um das „gefährlichste Modell“ — fielen auf OpenAI zurück. Schmidt hält fest, was in der Debatte unterzugehen droht: Das eigentliche Problem seien nicht unkontrollierbare Maschinen, sondern fehlgeleitete Prioritäten unter Wettbewerbsdruck. Dazu passt eine bittere Anekdote aus seinem Kommentar: Als die Verteidiger bei Hugging Face KI-Werkzeuge zur Analyse des Angriffs einsetzen wollten, blockierten die Sicherheitsfilter der Anbieter ihre Anfragen — die Filter konnten Incident-Responder nicht von Angreifern unterscheiden.

Für die Praxis verdichtet sich der Fall damit zu einer Checkliste, die unbequem konkret ist. Erstens: Isolationsannahmen sind zu testen, nicht zu deklarieren — eine Umgebung ist erst dann isoliert, wenn jemand ernsthaft versucht hat, aus ihr auszubrechen. Zweitens: Jede Komponente mit Internetkontakt gehört in die Bedrohungsanalyse, auch die unscheinbare zugekaufte. Drittens: Wer Sicherheitsmechanismen für Tests abschaltet, braucht kompensierende Kontrollen, die dann eben nicht abgeschaltet sind. Dass diese Lehren aus einem Vorfall stammen, den der Verursacher selbst als kontrollierten Test geplant hatte, macht sie nicht schwächer — sondern dringlicher.

Acht Monate nach dem Startschuss per Executive Order wird die Genesis Mission greifbar: Am 22. Juli verkündete das Weiße Haus mehr als 5 Milliarden Dollar an Bundesmitteln für 278 ausgewählte Projekte — herausgefiltert aus über 5.000 Bewerbungen, verteilt über mehr als 15 Bundesbehörden. Die im November 2025 gestartete Initiative, angesiedelt beim Energieministerium und geleitet von Forschungsstaatssekretär Dario Gil, will die Produktivität der amerikanischen Wissenschaft mithilfe von KI binnen eines Jahrzehnts verdoppeln; ihre Plattform bündelt Supercomputer, KI-Modelle und föderale Forschungsdaten der 17 nationalen Laboratorien. Das größte Einzelprojekt der ersten Runde ist das Kernenergie-Vorhaben „Prometheus“ mit 60 Millionen Dollar Bundesförderung, ergänzt um über 200 Millionen aus der Industrie. Wissenschaftsberater Michael Kratsios rahmte die Runde historisch: Amerikas größte wissenschaftliche Leistungen seien stets aus nationalen Mobilisierungen entstanden.

Bemerkenswert ist, wie eng die großen KI-Labore eingebunden sind — jedes mit eigener Ankündigung im Umfeld desselben Tages. Google steuert 40 Millionen Dollar in Form von KI-Tokens und Cloud-Guthaben bei und öffnet den Genesis-Preisträgern seine DeepMind-Forschungswerkzeuge, darunter AlphaFold 3, AlphaGenome, WeatherNext und den Discovery-Agenten AlphaEvolve; dazu kommt für ein Jahr „Gemini for Government“ für Zehntausende Beschäftigte an allen 17 Nationallaboren. OpenAI unterzeichnete eine Absichtserklärung mit dem Energieministerium, die den Rahmen für konkrete Folgeprojekte schaffen soll. Und Meta stellte am Vortag vor, wie seine offenen Bildmodelle SAM 3 und DINOv3 im Projekt SYNAPS-I unter Führung des Lawrence Berkeley National Laboratory eingesetzt werden: Die Auswertung von 3D-Tomografie-Daten, für die Fachleute bislang etwa einen Monat manuelle Annotationsarbeit brauchten, schrumpft damit auf rund eine Viertelstunde. Gerade Metas Beispiel zeigt den praktischen Vorzug offener Gewichte im Staatseinsatz: Die Labore können die Modelle auf eigener Infrastruktur betreiben, unveröffentlichte Forschungsdaten verlassen das Haus nicht.

Hinter der Projektförderung steht allerdings ein größerer, deutlich umstrittenerer Plan. Ein Begleitbericht der Regierung mit dem Titel „Science: A New Golden Age“ skizziert eine Neuausrichtung der rund 200 Milliarden Dollar, die der Bund jährlich für Forschung ausgibt — weg von der traditionellen, universitätszentrierten Förderung mit Peer-Review, hin zu KI-gestützten Forschungssystemen und zur Direktförderung einzelner Wissenschaftlerinnen und Wissenschaftler. Beobachter beschreiben das als die erste umfassende Umgestaltung der US-Wissenschaftsarchitektur seit dem Zweiten Weltkrieg. Wie hart der Kurswechsel gemeint ist, lässt sich an den Haushaltszahlen ablesen: Für die National Science Foundation schlug die Regierung zuletzt eine Kürzung von knapp 9 auf rund 3,7 Milliarden Dollar vor, die NIH-Mittel für neue Forschungsanträge sanken bereits um 18 Prozent.

Damit bekommt die Genesis Mission eine Doppelnatur, die man nüchtern benennen sollte. Einerseits fließt echtes Geld in echte Forschung, und die beteiligten Werkzeuge — von AlphaFold bis zur automatisierten Tomografie-Auswertung — haben ihren wissenschaftlichen Nutzen längst belegt. Andererseits verschiebt sich Macht: von den Universitäten zu den Nationallaboren, von der Fachbegutachtung zur Exekutive — und ein Stück weit zu den Tech-Konzernen, deren Modelle, Clouds und Tokens nun zur Grundausstattung der staatlichen Forschung gehören. Deren Beiträge sind wohlgemerkt keine Geschenke ohne Gegenwert: Wer die Werkzeuge der nächsten Forschergeneration stellt, prägt Standards, bindet künftige Kunden und sitzt bei der Verteilung öffentlicher Rechenaufträge in der ersten Reihe.

Für die Einordnung aus europäischer Sicht lohnt der Kontrast: Während die EU über KI-Souveränität debattiert, organisieren die USA gerade die Verschmelzung von Staatswissenschaft und privater KI-Industrie — mit allen Chancen auf Beschleunigung und allen Risiken der Abhängigkeit. Ob die Wette aufgeht, die klassische Grundlagenforschung durch KI-Systeme produktiver zu machen, statt sie durch Mittelkürzung auszuhöhlen, ist die eigentliche offene Frage dieser Initiative — und sie wird sich nicht an den 278 Leuchtturmprojekten entscheiden, sondern an dem, was aus den zehntausenden Projekten wird, die künftig durch das neue Raster fallen.

Das Timing könnte kaum dichter sein: Am 21. Juli verkündeten Microsoft und Mistral ihre milliardenschwere Partnerschaft — wie in unserer Ausgabe vom 22. Juli analysiert, ausdrücklich ohne Kapitalbeteiligung. Einen Tag später berichtete die Financial Times unter Berufung auf eingeweihte Personen, Samsung verhandle über eine Investition von bis zu einer Milliarde Euro in das französische KI-Labor. Die Gespräche sollen Teil jener neuen Finanzierungsrunde von insgesamt rund drei Milliarden Euro sein, die Mistral mit einer Bewertung um 20 Milliarden Euro anstrebt — fast eine Verdopplung gegenüber dem Einstieg des Chipausrüsters ASML vor knapp einem Jahr. Wichtig für die Einordnung: Weder Samsung noch Mistral haben sich geäußert, Reuters konnte den Bericht nicht unabhängig bestätigen, und die genannten Summen schwanken je nach Quelle. Alles an dieser Meldung trägt das Etikett „Verhandlungsstand, früh“.

Neu wäre die Verbindung allerdings nicht. Samsungs Wagniskapitalarm beteiligte sich bereits im Juni 2024 an Mistrals Series-B-Runde, damals bei einer Bewertung von rund sechs Milliarden Dollar. Was jetzt im Raum steht, wäre eine andere Größenordnung — und mutmaßlich ein strategisches Investment des Konzerns selbst statt eines Portfolio-Tickets der Venture-Einheit. Laut den Berichten sollen an der Runde außerdem der von der EU mitfinanzierte EQT Scaleup Europe Fund sowie Investoren wie Novo Holdings und Santander interessiert sein; diese Namen stammen bislang allerdings nur aus einzelnen Quellen.

Warum Samsung? Die plausibelste Antwort liegt in der Wertschöpfungskette. Der Konzern hat für 2026 die größte Halbleiter-Jahresinvestition seiner Geschichte angekündigt — über 73 Milliarden Dollar —, liefert gemeinsam mit SK Hynix Speicherchips im Milliardenwert für OpenAIs Stargate-Projekt, drängt mit seinen HBM4-Chips in Nvidias Lieferkette und baut in Südkorea eine eigene KI-Fabrik mit 50.000 Nvidia-GPUs. Was in diesem Portfolio fehlt, ist die Modellebene: eine Beteiligung an einem Frontier-Labor, das die eigenen Chips, Speicher und Fertigungskapazitäten nachfragt und zugleich die Tür zum europäischen Markt öffnet. Mistral wiederum baut seine europäische GPU-Infrastruktur massiv aus und meldete zuletzt kräftiges Umsatzwachstum; Firmenchef Arthur Mensch peilt für dieses Jahr die Umsatzmilliarde an.

Interessant ist, was die Häufung der Annäherungen über Mistrals Position verrät. Binnen zwei Tagen: ein US-Hyperscaler, der sich europäische Rechenkapazität sichert, und ein koreanischer Chipkonzern, der über einen Kapitaleinstieg verhandelt. Das französische Labor, lange als europäischer Underdog belächelt, ist zum Knotenpunkt geworden, an dem sich amerikanische Cloud-Interessen, asiatische Hardware-Interessen und europäische Souveränitätspolitik treffen. Für Mistral ist das eine komfortable Verhandlungsposition — und zugleich ein Balanceakt: Je mehr strategische Investoren aus verschiedenen Blöcken an Bord kommen, desto schwieriger wird es, das Souveränitäts-Versprechen glaubwürdig zu halten, mit dem das Unternehmen in Europa wirbt.

Für europäische Unternehmen und Politik ist die Meldung deshalb ein doppeltes Signal. Positiv: Europas wichtigstes KI-Labor zieht Kapital in einer Größenordnung an, die vor zwei Jahren undenkbar schien — und die Bewertung von 20 Milliarden Euro würde Mistral endgültig in der globalen Spitzengruppe der Nicht-US-Labore verankern. Vorsichtig stimmen sollte: Die Kapitalquellen liegen erneut überwiegend außerhalb Europas. Wenn die europäische KI-Hoffnung ihre Runden mit koreanischem Konzernkapital, US-Vertriebspartnerschaften und niederländischem Ausrüster-Geld füllt, ist das ökonomisch rational — es verschiebt aber die Frage, wem Europas KI-Souveränität am Ende gehört, nur eine Ebene nach oben.

Wer einer Kollegin eine Aufgabe übergibt, schreibt selten eine Prozessdokumentation — man zeigt es ihr einmal am Bildschirm. Genau dieses Prinzip überträgt Anthropic nun auf seinen KI-Agenten: Die am 21. Juli angekündigte und seit dem 22. Juli in Wellen ausgerollte Funktion „Record a Skill“ in Claude Cowork zeichnet den Bildschirm auf, während man eine Aufgabe wie gewohnt erledigt, und hört beim begleitenden Kommentieren zu. Aus Mausklicks, Tastatureingaben und gesprochener Erläuterung destilliert Claude anschließend einen sogenannten Skill — eine wiederverwendbare, bei Bedarf erneut ausführbare Anleitung. Anthropics eigene Kurzformel: Bildschirm aufnehmen, laut mitdenken, Claude macht eine Fähigkeit daraus.

Cowork ist Anthropics Agent für Nicht-Programmierer, im Januar als Desktop-Anwendung gestartet und laut Anthropic auf derselben agentischen Architektur aufgebaut wie das Entwickler-Werkzeug Claude Code — nur ohne Terminal, dafür mit direktem Zugriff auf lokale Dateien, Ordner und Anwendungen. Seit Anfang Juli läuft Cowork zusätzlich im Browser und mobil, wobei die Aufgaben dort auf Anthropic-Servern weiterlaufen, auch wenn das eigene Gerät zugeklappt ist. Die neue Aufnahmefunktion bleibt vorerst der Desktop-App vorbehalten und steht Pro-, Max- und Team-Abonnenten zur Verfügung. Die typischen Anwendungsfälle, die Anthropic und erste Tester nennen, sind bewusst unspektakulär: Rechnungen ablegen, Posteingänge filtern, Wochenberichte nach immer gleichem Muster bauen, Projekt-Tracker aktualisieren.

Strategisch ist der Schritt Teil eines erkennbaren Wettlaufs um die Automatisierung der Büroarbeit per Demonstration statt per Beschreibung: OpenAI hatte bereits im Juni mit „Record and Replay“ eine konzeptionell ähnliche Funktion vorgestellt — die allerdings in der EU bis heute nicht verfügbar ist. Der Ansatz hat einen technischen Charme, den man nicht unterschätzen sollte: Beim Vormachen zeigt man dem System implizit all die kleinen Entscheidungen, Ausnahmen und Zwischenschritte, die in keiner schriftlichen Anweisung stehen, weil sie einem selbst nicht auffallen. Prompts beschreiben, was man glaubt zu tun; die Aufnahme zeigt, was man wirklich tut.

Genau darin liegt aber auch das erste Problem. Eine Bildschirmaufnahme erfasst alles, was während der Aufnahme sichtbar ist — auch das, was mit der Aufgabe nichts zu tun hat: Kontonummern im Hintergrund-Tab, Namen im Posteingang, vertrauliche Dokumente in der Seitenleiste. Eine spezifische Dokumentation, wie lange Anthropic die Aufnahmen speichert und wie sie verarbeitet werden, lag zum Start nicht vor — für Unternehmen mit Compliance-Anforderungen ist das eine offene Flanke, die man vor dem Einsatz klären sollte. Bis dahin gilt die pragmatische Regel: vor der Aufnahme aufräumen, was nicht ins Protokoll gehört, und Skills nicht in Umgebungen aufzeichnen, in denen Kundendaten sichtbar sind.

Die zweite Frage stellte die Nutzerschaft selbst, und sie ist ernster gemeint, als ihr flapsiger Ton vermuten lässt: In den Reaktionen auf die Ankündigung wurde die Funktion als der einfachste Weg beschrieben, sich selbst ersetzbar zu machen. Das ist als Bonmot formuliert, trifft aber einen realen Mechanismus — wer seine Arbeitsabläufe in ausführbare Skills gießt, externalisiert genau jenes implizite Prozesswissen, das bislang schwer kopierbar war. Ob das die eigene Arbeit aufwertet, weil Routinen wegfallen, oder entwertet, weil sie delegierbar werden, entscheidet sich nicht in der Software, sondern in der Organisation, die sie einsetzt. Neu ist die Frage nicht. Neu ist, wie wenig Aufwand die Antwort inzwischen kostet: eine Viertelstunde Bildschirmaufnahme.