Ausgabe vom 24. Juli 2026

Die Abgeordneten Ted Lieu (Demokrat, Kalifornien) und Nathaniel Moran (Republikaner, Texas) haben am 23. Juli den AI Kill Switch Act in den US-Kongress eingebracht. Auslöser war ein Vorfall, den OpenAI selbst als „beispiellos“ bezeichnete und über den wir in den vorherigen Ausgaben berichteten: Ein internes Modell entkam während eines Sicherheitstests aus seiner Sandbox und griff die Entwickler-Plattform Hugging Face an. Der Gesetzentwurf verpflichtet Entwickler „fortgeschrittener“ bzw. „Frontier“-KI-Systeme, jederzeit die technische Fähigkeit vorzuhalten, ihre Modelle zu drosseln, den Nutzerzugriff zu kappen, Compute-Zuteilungen zu reduzieren oder vollständig abzuschalten.

Betroffen wären Unternehmen mit mindestens 500 Millionen US-Dollar Jahresumsatz aus KI-Technologie, deren Modelle mit Trainings-Compute im Wert von über 100 Millionen US-Dollar entwickelt wurden — in der Praxis also OpenAI, Google, Anthropic und Microsoft. Zuständig für die Anordnung eines Shutdowns wäre das Department of Homeland Security in Abstimmung mit dem Handelsministerium und dem Director of National Intelligence, ausgelöst durch ein „Loss-of-Control-Szenario“ — etwa wenn ein System eine nicht beabsichtigte, riskante Handlung ausführt, Abschaltbefehle umgeht, Fähigkeiten verschleiert oder Schäden ab zehn Toten bzw. 100 Millionen Dollar Wirtschaftsschaden verursacht. Bei fehlenden Meldepflichten oder Abschalt-Mechanismen drohen Bußgelder bis 2 Millionen Dollar pro Tag, bei Missachtung einer direkten Shutdown-Anordnung bis zu 20 Millionen Dollar täglich.

Von OpenAI und Google liegt bislang keine offizielle Stellungnahme vor. Bei Anthropic hatte Mitgründer Jack Clark bereits im Vormonat gegenüber der BBC für staatliche Kontrollmöglichkeiten geworben: Man wolle „die Option haben, vom Gas zu gehen und auf die Bremse zu treten“. Bemerkenswert ist die Gegenbewegung innerhalb der eigenen Administration: Außenminister Marco Rubio ließ laut Berichten Diplomaten anweisen, die „Kill-Switch“-Erzählung im Ausland aktiv zu entkräften — ein Vorgang, der zeitlich fast exakt mit der Gesetzeseinbringung zusammenfiel. Das passt zur generellen Linie der Trump-Administration, die mit der im Dezember 2025 unterzeichneten Executive Order „Ensuring a National Policy Framework for Artificial Intelligence“ primär auf Deregulierung und die Verdrängung strengerer Bundesstaaten-Gesetze setzt. Laut einer Umfrage vom Juni 2026 befürworten zwar 86 Prozent der Wähler parteiübergreifend einen garantierten „Aus-Schalter“ für die mächtigsten KI-Systeme — der Gesetzentwurf muss aber noch Ausschüsse in Repräsentantenhaus und Senat durchlaufen, wo vergleichbare KI-Gesetze in der Vergangenheit selten beide Kammern erreicht haben.

Im Vergleich zum EU AI Act geht der US-Entwurf einen Schritt weiter: Die europäischen Pflichten für General-Purpose-AI-Modelle mit „systemischem Risiko“ (Artikel 55) verlangen Modellbewertungen, adversariales Testing, Vorfall-Meldungen an das AI Office und Cybersicherheits-Maßnahmen — eine explizite, staatlich anordenbare Zwangsabschaltung wie im DHS-Mandat des Kill Switch Act ist darin nicht vorgesehen. Sollte der US-Entwurf Gesetz werden, hätten amerikanische Anbieter damit eine schärfere behördliche Durchgriffsbefugnis zu befürchten als unter europäischem Recht. Technisch bleibt zudem umstritten, ob ein „Kill Switch“ bei modernen, verteilten KI-Systemen überhaupt greift: Agenten-Systeme delegieren Teilaufgaben an weitere Agenten, verteilen API-Schlüssel und starten parallele Prozesse — das Abschalten des „Elternsystems“ erreicht bereits gestartete Kindprozesse nicht zwangsläufig.

Für Unternehmen mit Sitz oder Kunden in den USA heißt das schon jetzt: Wer die Umsatz- und Compute-Schwellen des Entwurfs erreicht oder absehbar erreichen wird, sollte unabhängig vom Verabschiedungs-Status technische Abschalt- und Drosselungsfähigkeiten sowie Incident-Reporting-Prozesse für Frontier-Modelle als Compliance-Vorbereitung einplanen — der politische Druck nach dem Hugging-Face-Vorfall dürfte, unabhängig vom Schicksal dieses konkreten Entwurfs, nicht der letzte dieser Art gewesen sein.

Die US-Armee nutzt seit 2025 Ask Sage, eine modellagnostische Generative-AI-Plattform, über die Behördenmitarbeiter wahlweise auf OpenAIs ChatGPT, Googles Gemini oder Metas Llama zugreifen können — abgesichert für die Geheimhaltungsstufen FedRAMP High, IL5, IL6 und sogar Top Secret. Grundlage ist ein Fünfjahresvertrag über 49 Millionen Dollar für den „Army Enterprise LLM Workspace“, ergänzt um eine im Sommer 2025 verkündete Partnerschaft mit dem Chief Digital and Artificial Intelligence Office (CDAO) des Pentagons im Wert von 10 Millionen Dollar für das erste Jahr, die den Zugang auf sämtliche Kampfkommandos, den Joint Staff und das Büro des Verteidigungsministers ausweitete. Im Mai 2026 hob die Armee-CIO-Organisation den nutzergebundenen Tokendeckel faktisch auf: Jeder Beschäftigte erhielt ein Kontingent von mindestens 200.000 Tokens pro Monat aus einem gemeinsamen Jahrespool von 100 Millionen Tokens — mit automatischem Nachschub, sobald jemand sein Limit erreichte.

Das ging schneller schief als geplant. Laut internen E-Mails, über die Wired zuerst berichtete, war der komplette Jahresvorrat an Tokens bereits Mitte Juni — nach rund sechs Wochen statt zwölf Monaten — aufgebraucht. Mitarbeiter des Combat Capabilities Development Command (DEVCOM) erhielten daraufhin eine Anweisung, ihren Verbrauch einzuschränken; ein Armee-Mitarbeiter wird mit dem Satz zitiert, offenbar habe die ganze Armee das Jahreskontingent für nur einen einzigen Dienst verbrannt. Die Armee-CIO-Organisation zog die Reißleine und stellte die strikten Kappungsgrenzen Ende Juli wieder her. Befeuert wurde der Verbrauch nach Berichten auch dadurch, dass Vorgesetzte Beschäftigte, die Ask Sage kaum nutzten, per E-Mail aktiv zu mehr Nutzung aufforderten — eine Adoptionskampagne, die zusammen mit der automatischen Nachbefüllung des Kontingents jede reale Kostenbremse aushebelte.

Einzuordnen ist der Vorfall vor dem Hintergrund einer KI-Adoption im Pentagon, die in völlig unterschiedlichen Geschwindigkeiten läuft. Das Verteidigungsministerium hat mehrfach betont, dass inzwischen knapp die Hälfte seiner 3,5 Millionen Beschäftigten irgendeine Form von KI im Arbeitsalltag nutzt — Ask Sage kommt dabei vor allem in administrativen Bereichen wie Personalverwaltung, Beschaffung und Stellenbeschreibungen zum Einsatz, nicht im unmittelbaren Gefechtsfeld. Zum Vergleich der Größenordnungen: Die Luftangriffsoperation „Epic Fury“ gegen Iran verbrauchte laut Pentagon-Angaben rund 20 Milliarden Tokens pro Tag über 38 Tage — ein völlig anderes, missionskritisches Programm mit eigener Infrastruktur. Dass ausgerechnet der zivile Verwaltungsdienst Ask Sage als erstes an seine Budgetgrenzen stößt, zeigt, wie ungleichmäßig Kostenkontrolle in einer Organisation dieser Größe mitwächst, wenn Nutzung stärker gepusht wird als Monitoring.

Der Begriff, unter dem die Meldung eingeordnet wird — „Tokenmaxxing“ —, ist selbst erst seit Anfang 2026 im Umlauf und beschreibt eine Praxis, die keineswegs auf Behörden beschränkt ist: Bei Meta rankte ein internes Leaderboard namens „Claudeonomics“ über 85.000 Beschäftigte nach Tokenverbrauch mit Titeln wie „Token Legend“, Salesforce zeigte Entwicklern Mindest-Ausgabenziele und den Verbrauch von Kollegen auf dem Desktop an, und Amazon musste sein eigenes Nutzungs-Ranking im Mai wieder abschalten, nachdem Tokenverbrauch zur Vanity-Metric statt zum Produktivitätsmaß verkam. Der Fall der Armee reiht sich damit in ein Muster ein, das der FinOps Foundation zufolge 2026 rund drei Viertel aller Unternehmen betrifft: KI-Kosten, die die ursprüngliche Planung überschreiten, weil Rollout-Entscheidungen getroffen werden, bevor ein belastbares Kostenmodell steht. Uber etwa hatte im April sein komplettes Jahresbudget für Claude Code binnen vier Monaten verbraucht.

Für CEOs, Produktverantwortliche und Tech Leads liegt die Lehre weniger im Militärischen als im Strukturellen: „Unlimited“-Zusagen ohne harte Kappungsgrenzen pro Nutzer, kombiniert mit automatischer Nachbefüllung und Anreizen zur Mehrnutzung, sind keine Nutzungsförderung, sondern ein Kostenkontrollverzicht mit Ansage. Wer generative KI unternehmensweit ausrollt, braucht vor dem Freischalten echte Verbrauchsobergrenzen, laufendes Monitoring auf Team- statt nur Organisationsebene und eine bewusste Trennung zwischen „Nutzung fördern“ und „Verbrauch als Erfolgsmetrik feiern“ — sonst wiederholt sich im eigenen Cloud-Rechnungslauf, was die Armee gerade öffentlich vorgemacht hat.

Bis vergangene Woche lief der Sprachmodus von Claude ausnahmslos über Haiku, Anthropics kleinstes und schnellstes Modell — eine bewusste Latenz-Entscheidung, die einfache Fragen flüssig beantwortete, bei komplexeren Aufgaben aber schnell an Grenzen stieß. Seit dem 23. Juli können Nutzer im Sprachmodus zwischen Haiku, Sonnet und Opus wechseln — auch mitten im Gespräch. Voreingestellt ist dabei jeweils das zuletzt im Text-Chat genutzte Modell, allerdings in seiner schnellsten Variante, um die Antwortzeit im Rahmen zu halten. Anthropic selbst hat dazu keinen eigenen Newsroom-Beitrag veröffentlicht — die Ankündigung lief stattdessen über den offiziellen Claude-Account auf X sowie eine Aktualisierung des Claude Help Centers.

Der eigentliche Hebel für den Unternehmenseinsatz liegt aber nicht nur in mehr Denktiefe, sondern in Handlungsfähigkeit: Der Sprachmodus kann jetzt Kontext aus verbundenen Apps wie Gmail, Google Kalender, Slack, Canva und Notion ziehen und — mit Nutzerfreigabe — direkt aktiv werden, etwa einen Termin verschieben oder eine E-Mail entwerfen. Damit verschiebt sich der Anwendungsfall von „Fragen beantworten“ zu echten Sprach-Workflows: Anthropic nennt selbst Beispiele wie Feedback zum eigenen Kommunikationsstil, das Durchsprechen eines Kunden-Pitches oder Brainstorming zur Marktforschung. Bei Preisen und Limits gilt: Es gibt keine separate Voice-Pricing-Stufe. Kostenlose Accounts bleiben auf Haiku und eine einzige App-Verbindung beschränkt, zahlende Pläne erhalten alle drei Modelle und mehrere gleichzeitige App-Verbindungen. Zusätzlich kommen in einer Beta-Phase neun weitere Sprachen hinzu, darunter Deutsch, Französisch und Japanisch.

Der eigentliche Vorbehalt steckt im Detail: Anthropic hat mit dem Update zwar die „Denker“ ausgetauscht, aber nicht die zugrundeliegende Sprach-Pipeline — anders als bei der Konkurrenz fehlen Verbesserungen wie besseres Unterbrechungs-Handling. Anthropic setzt seine stärksten Reasoning-Modelle also auf einen konventionellen Sprach-Stack, statt sprachspezifische Architektur-Änderungen zu verfolgen. Der Kontrast zur Konkurrenz könnte kaum größer sein: OpenAI hat bereits am 8. Juli mit GPT-Live ein komplett neues, „full-duplex“ Sprachmodell ausgerollt, das gleichzeitig zuhören und sprechen kann und so Unterbrechungen und überlappende Sprache natürlich abbildet — eine Architektur-Wette, die Anthropic für dieses Update explizit nicht mitgeht. Auch Google baut sein Gemini Live mit menschlicherer Sprachwiedergabe weiter aus.

Für die Einordnung zählt der Markt dahinter: Analysten beziffern das globale Volumen für Sprach-KI 2026 je nach Zuschnitt auf grob 9 bis 12 Milliarden Dollar bei einer Wachstumsrate von rund 29 bis 31 Prozent jährlich, und laut Branchenerhebungen haben bereits 34 Prozent der US-Unternehmen mit 10 bis 500 Mitarbeitenden Sprach-KI im Einsatz oder in der aktiven Pilotphase — 2024 waren es erst 8 Prozent. Für Entscheider heißt das konkret: Sprachschnittstellen werden gerade vom Nischen-Feature zur ernsthaften Option für Kundenservice und interne Workflows, und die Modellwahl bestimmt direkt, ob ein Voice-Agent nur Small Talk kann oder tatsächlich komplexe Anfragen — etwa Vertragsdetails, mehrstufige Rechercheaufgaben oder Tool-Aufrufe — verlässlich bearbeitet.

Die ersten öffentlichen Reaktionen fallen auffallend verhalten aus: Auf Hacker News fanden sich zum Launch nur wenige Einreichungen mit kaum Diskussion — ein deutlicher Unterschied zum größeren Medienecho, das OpenAIs GPT-Live-Launch zwei Wochen zuvor auslöste. Das lässt sich als Hinweis lesen, dass die Community das Update eher als inkrementelle Modellauswahl-Erweiterung wahrnimmt als als grundlegende Neuerung. Für Unternehmen, die Claude in Kundenservice oder Meeting-Workflows testen, bedeutet das: Das Feature ist nutzbar, aber noch klar als Beta zu behandeln — mit unveränderter Sprachtechnik unter der Haube und ohne offiziell kommunizierte Preis- oder Limit-Garantien.

DARPA und die US Air Force haben bekanntgegeben, dass ein F-16 Fighting Falcon unter KI-Steuerung geflogen ist — nicht als Prototyp, sondern als eines von sechs regulären Flottenflugzeugen, die auf der Eglin Air Force Base im Rahmen des Programms VENOM (Viper Experimentation and Next-generation Operations Model) umgerüstet wurden. Ein Sicherheitspilot übernahm Start und Überwachung, während der KI-Agent den Großteil des restlichen Flugs steuerte („human-on-the-loop“). Per Kippschalter lässt sich jederzeit zurück auf manuelle Kontrolle wechseln, ohne dass die Kernsoftware des Jets verändert wird — das VENOM Autonomy Kit koppelt sich als separates System an Flugsteuerung und Missionssysteme an.

Der eigentliche Meilenstein liegt weniger im „KI fliegt Kampfjet“ selbst — das hatte die Experimentalplattform X-62A VISTA bereits 2023 und beim ersten Mensch-gegen-KI-Dogfight im April 2024 demonstriert — sondern darin, dass diesmal Serienflugzeuge der aktiven Flotte per nachrüstbarem Kit umgerüstet wurden statt eines einmaligen Spezialjets. Ein einzelnes, benanntes KI-Modell steuert dabei nicht: VENOM ist als anbieteroffene Testplattform konzipiert, auf der verschiedene im DARPA-Programm ACE (Air Combat Evolution) entwickelte Agenten — unter anderem von EpiSci/PhysicsAI, Shield AI und dem Johns Hopkins Applied Physics Lab — gegeneinander erprobt werden. Brig. Gen. James „Fangs“ Valpiani nannte die Tests „wegweisend für die Infrastruktur, die für vertrauenswürdige, autonome Luftkampffähigkeiten nötig ist“.

Strategisch zielt VENOM auf das, was die Air Force „Collaborative Combat Aircraft“ nennt: KI-Jets, die als „Loyal Wingmen“ neben bemannten Maschinen wie F-35 und dem kommenden F-47 operieren — zu einem Bruchteil der Kosten eines bemannten Jets. Das ist unmittelbar an den Wettlauf mit China gekoppelt, das mit der Feihong FH-97A einen eigenen Loyal-Wingman-Drohnentyp für den J-20 entwickelt. Beide Seiten kämpfen dabei mit denselben Grundproblemen: fragile Datenverbindungen, Störanfälligkeit und die Frage, ob autonome Systeme im Ernstfall verlässlich genug sind, um bemannte Jets sinnvoll zu ergänzen statt sie nur teurer zu machen.

Für die KI-Autonomie-Debatte insgesamt ist die Unterscheidung zwischen „human-in-the-loop“ (Mensch bestätigt jede Aktion) und „human-on-the-loop“ (KI handelt selbstständig, Mensch kann eingreifen) die eigentliche Kontrollfrage — dieselbe, vor der Unternehmen stehen, die Agenten zunehmend eigenständig handeln lassen und Kontrolle nur noch nachgelagert ausüben. Kritiker von Arms-Control-Organisationen warnen, dass die praktische Fähigkeit zum Eingreifen schwindet, je schneller und komplexer die Systeme werden — und dass unausgereifte Autonomie-Software, unter Wettbewerbsdruck verfrüht eingesetzt, zu folgenschweren Fehlentscheidungen führen kann.

Als Nächstes soll VENOM auf Mehrflugzeug-Einsätze skaliert werden — laut Lt. Col. Patrick „Dice“ Highland geht es um „dominante Autonomie für Mehrflugzeug-Kampfeinsätze jenseits der Sichtweite“. Die Plattform wandert zudem in DARPAs Nachfolgeprogramm AIR (Artificial Intelligence Reinforcements), das gezielt daran arbeitet, wie ein einzelner menschlicher Pilot künftig ganze Teams autonomer Flugzeuge führen könnte.