Ausgabe vom 31. Juli 2026

Südkorea hatte den erfolgreichsten Aktienmarkt der Welt. Zwischen Ende 2025 und Juni 2026 stieg der KOSPI um rund 180 Prozent, in Dollar gerechnet lag die Jahresperformance zeitweise bei 41,5 Prozent — angetrieben von Kleinanlegern, die massenhaft aus Kryptowährungen in KI-Aktien umschichteten, allen voran Samsung Electronics und SK Hynix. Kleinanleger machen etwa zwei Drittel des koreanischen Marktes aus. Am 28. Juli brach der Index um fast 11 Prozent ein und löste einen dreißigminütigen Handelsstopp aus. Am 29. Juli fiel er im Handelsverlauf um bis zu 12,6 Prozent, schloss 6 Prozent tiefer, erneut mit Circuit Breaker. Vom Hoch vor einem Monat summiert sich der Verlust auf knapp 40 Prozent; über die jüngsten Handelstage sind rund 2,2 Billionen Dollar Marktkapitalisierung verschwunden. Der Juli ist damit auf Kurs, der schlechteste Monat in der Geschichte der Börse zu werden.

Der Auslöser lag außerhalb Koreas — die Zweifel an den Bewertungen von KI-Infrastruktur trafen alle Halbleiterwerte gleichzeitig; mitverantwortlich gemacht wird unter anderem ein neues Modell des chinesischen Anbieters Moonshot AI, das die Frage aufwarf, wie viel Rechenleistung Spitzenmodelle künftig überhaupt brauchen. Der Verstärker aber war hausgemacht. Ende Mai hatte Südkorea 16 gehebelte Einzelaktien-ETFs auf Samsung und SK Hynix zugelassen — Produkte, die die Tagesbewegung einer einzelnen Aktie mit einem Faktor multiplizieren. Sie funktionieren in beide Richtungen, und sie zwingen ihre Betreiber, im fallenden Markt zu verkaufen, was den Fall verstärkt. Parallel war die Wertpapierkredit-Verschuldung auf einen Höchststand von 38,6 Billionen Won (rund 27 Milliarden Dollar) geklettert; nach den Zwangsliquidationen der letzten Tage liegt sie bei 33,2 Billionen Won.

Die Schäden sind konkret und breit gestreut. Bei einem einzelnen Broker waren nach dem Absturz rund 50 Prozent der 880.000 Kunden mit Samsung-Aktien und etwa 70 Prozent der 408.000 Kunden mit SK-Hynix-Aktien im Minus. Ein von der Financial Times aufgegriffener Ton unter jungen, oft unverheirateten Anlegern lautet sinngemäß: „Mein Leben ist ruiniert“ — viele hatten mit gehebelten Positionen Eigenkapital für einen Immobilienkauf aufbauen wollen, in einem Land mit einem der teuersten Wohnungsmärkte der Welt gemessen am Einkommen.

Bemerkenswert ist die Reaktion der Politik. Finanzminister Koo Yun-cheol hat sich öffentlich für die Zulassung der gehebelten Einzelaktien-ETFs entschuldigt — sie sei „nicht sorgfältig genug durchdacht“ gewesen. Angekündigt sind eine Obergrenze für den Anteil solcher Produkte am Gesamtdepot von etwa 20 Prozent, höhere Transaktionskosten, ein verpflichtender Nachweis von Simulationshandel vor dem Ersteinsatz sowie ein rechtlicher Rahmen für Notfall-Stabilisierungsmaßnahmen. Eine Entschuldigung eines amtierenden Finanzministers für ein zugelassenes Finanzprodukt ist selten; sie zeigt, wie sehr der Absturz als Regulierungsversagen und nicht nur als Marktereignis gelesen wird.

Für Unternehmen außerhalb Koreas ist das mehr als eine Randnotiz, weil dort die Lieferkette hängt — und die operativen Zahlen erzählen eine andere Geschichte als der Aktienkurs. Samsung meldete am 30. Juli ein Rekordquartal: 171,5 Billionen Won Umsatz und 89,5 Billionen Won operativer Gewinn, wovon über 99 Prozent aus der Halbleitersparte stammen; die Mobilsparte rutschte erstmals in den Verlust. Im selben Earnings Call sagte Jaejune Kim, Leiter des Speichergeschäfts, die unerfüllte Nachfrage aus 2026 werde sich fortsetzen und die Engpässe 2027 stärker ausfallen als 2026, mit einer Knappheit, die bis 2028 anhalten dürfte. Der Grund ist strukturell und nicht kurzfristig zu beheben: Der Bau einer neuen Fabrik dauert über drei Jahre, und während der Überkapazitätskrise 2024 hatten alle drei großen Hersteller Ausbauten gestrichen.

Die praktische Konsequenz für Beschaffungsverantwortliche steht schon in Samsungs Strategie. Das Unternehmen bindet inzwischen 60 bis 70 Prozent seiner Produktion in mehrjährige Lieferverträge mit fünfjähriger Laufzeit; fünf Großkunden haben unterschrieben, fünf weitere verhandeln. Bevorzugten Zugang zu Kapazität bekommt nur, wer sich mehrjährig verpflichtet. Wer das nicht tut, konkurriert um den Rest — bei DRAM-Preisen, die nach Samsungs eigenen Angaben im zweiten Quartal um rund 40 Prozent gegenüber dem Vorquartal gestiegen sind, nach bereits 90 Prozent im ersten. Gartner rechnet für Endkunden mit einem Anstieg der PC-Preise um 17 Prozent. Ein einbrechender Aktienkurs macht Speicher also nicht billiger — er macht nur die Finanzierung des nächsten Kapazitätsausbaus teurer.

Google DeepMind hat am 30. Juli eine dreiteilige Modellfamilie für Roboter vorgestellt. Gemini Robotics 2 ist ein Vision-Language-Action-Modell, kurz VLA: Es nimmt Kamerabilder und eine Sprachanweisung entgegen und gibt direkt Motorbefehle aus, ohne den Umweg über handgeschriebene Bewegungsprogramme. Gemini Robotics ER 2 — ER steht für Embodied Reasoning — ist die Ebene darüber: Es zerlegt Aufträge in Schritte, überwacht per Videostrom, ob ein Schritt gelungen ist, ruft Werkzeuge und Schnittstellen auf und koordiniert mehrere Roboter. Dazu kommt Gemini Robotics On-Device 2 für die Ausführung ohne Netzverbindung.

Das technisch Neue steckt im Wort „Ganzkörper“. Bisherige Systeme — auch Googles eigene Vorgänger von März und September 2025 — nutzten getrennte Regler für Fortbewegung und Manipulation, die an definierten Übergabepunkten aneinandergekoppelt wurden: Ein Modul brachte den Roboter zum Regal, ein anderes griff zu. Gemini Robotics 2 steuert Beine, Rumpf, Arme und mehrfingrige Hände nach Herstellerangaben unter einer einzigen gelernten Strategie. Praktisch heißt das: gehen, in die Hocke gehen und dabei balancieren, während gleichzeitig gegriffen wird. Unterstützt werden Hände mit bis zu 22 Freiheitsgraden; die Anpassung an einen neuen Zweiarm-Roboter gelingt laut Google in wenigen Stunden mit typischerweise unter 200 Beispielen.

Bemerkenswert ist, dass Google die Schwächen mitveröffentlicht. Die Erfolgsraten der Ganzkörper-Manipulation auf dem Humanoiden Apollo 2 von Apptronik liegen bei 76,3 Prozent für das Greifen vom Regal, 68,4 Prozent vom Tisch und nur 45,7 Prozent vom Boden. Bei der Fingerfertigkeit ist die Streuung noch größer: 92 Prozent für das Herausdrehen einer Glühbirne, aber 44 Prozent für das Zubinden einer Mülltüte, 40 Prozent für das Schließen eines Ziplock-Beutels und 32 Prozent für den Umgang mit einer Kehrschaufel. DeepMind bezeichnet die Mehrfinger-Dexterität selbst als „schwache Achse“ und räumt ein, dass die Bewegungsgeschwindigkeit noch hinter menschlichen Referenzwerten zurückbleibt. Sämtliche dieser Zahlen sind Herstellerangaben — eine unabhängige Validierung durch Dritte existiert bislang nicht.

Ebenso wichtig ist, was die Zahlen nicht bedeuten. Die Demonstrationsaufgaben — Kassette einlegen, Glühbirne eindrehen, Mülltüte zubinden — wurden laut Engadget gezielt für genau diese Aufgaben trainiert, über menschliche Teleoperation, Videobeispiele und Simulation. Das ist keine allgemeine Aufgabenkompetenz, auch wenn die Vermarktung auf Generalisierung abstellt. In der Diskussion auf Hacker News fällt die Bewertung entsprechend zurückhaltend aus: Die gezeigten Bewegungen wirkten „langsam und nicht sehr flüssig“, und es wird auf Rodney Brooks' langjährige Kritik verwiesen, dass grobe taktile Sensorik und dünne Trainingsdaten die eigentlichen Engpässe der Feinmotorik sind — nicht die Planungsintelligenz.

Für Unternehmen ist die Verfügbarkeit der praktisch entscheidende Punkt, und sie ist gestaffelt. ER 2 ist offen zugänglich über die Gemini-API und Google AI Studio; jede Entwicklerin mit API-Schlüssel kann damit Aufgabenplanung und Fortschrittsüberwachung bauen, auch für nicht-humanoide Systeme. Das eigentliche Steuerungsmodell Gemini Robotics 2 steckt dagegen in einem Early-Access-Programm mit Warteliste, On-Device 2 in einem Trusted-Tester-Kreis. Preise wurden nirgends genannt. Google betont ausdrücklich, keine unmittelbaren Pläne für Consumer-Roboter zu haben. Robotik-Chefin Carolina Parada nennt das Ziel gegenüber Wired „physical AGI“ — ein Roboter, der alles kann, was ein Mensch kann. Das ist eine Absichtserklärung, kein Befund.

Im Wettbewerb ordnet sich das Modell in ein enger werdendes Feld ein. Physical Intelligence verkauft mit den π-Modellen ausschließlich das „Gehirn“ ohne Hardware; NVIDIAs GR00T N1.7 ist ein offenes, kommerziell lizenziertes 3-Milliarden-Parameter-Modell mit ausdrücklicher Trennung von langsamem Nachdenken und schnellen Reflexen; Figure fährt mit Helix eine ähnliche Zwei-System-Architektur und ist bei BMW in Spartanburg produktiv im Materialhandling. Genannte Partnerplattformen bei Google sind Apptroniks Apollo 2, Franka Duo und Boston Dynamics Spot. Die realistische Einordnung für Entscheider: Die Orchestrierungsschicht ist heute nutzbar und billig zu testen, die Ganzkörper-Manipulation ist ein Forschungsergebnis mit Erfolgsraten, die in einer Produktionslinie noch niemand akzeptieren würde.

OpenAI hat am 30. Juli unter dem Titel „Advancing the price-performance frontier with GPT-5.6“ keine neuen Modelle vorgestellt, sondern die Preise der bestehenden gesenkt. Die GPT-5.6-Familie — Flaggschiff Sol, Mittelklasse Terra, Schnellmodell Luna — ist seit Anfang Juli allgemein verfügbar. Die Änderungen im Einzelnen, jeweils pro Million Token Ein- und Ausgabe: Luna fällt von 1,00/6,00 auf 0,20/1,20 Dollar, ein Minus von 80 Prozent. Terra fällt von 2,50/15,00 auf 2,00/12,00 Dollar, minus 20 Prozent. Sol bleibt im Standardmodus bei 5,00/30,00 Dollar. Neu ist ein „Fast Mode“ für Sol zum doppelten Preis von 10,00/60,00 Dollar, der laut OpenAI bis zu 2,5-fachen Durchsatz liefert. Die neuen Luna- und Terra-Preise gelten auch für die Verbrauchsanrechnung in Codex und ChatGPT Work, wodurch dortige Kontingente entsprechend weiter reichen.

Die Begründung, die OpenAI liefert, ist bemerkenswert selbstreferenziell: GPT-5.6 Sol habe an der Optimierung der eigenen Produktions-GPU-Kernels mitgearbeitet und so die End-to-End-Serving-Kosten um rund 20 Prozent gesenkt; Experimente mit spekulativer Dekodierung hätten weitere über 15 Prozent gebracht, dazu kämen besseres Hardware-Routing und veränderte Caching-Algorithmen. Diese Effizienzangaben stammen ausschließlich von OpenAI. Eine unabhängige Bestätigung durch Dritte — etwa Artificial Analysis, LMArena oder METR — ließ sich zu diesen konkreten Zahlen nicht finden. Gleiches gilt für die firmeneigene Vergleichsrechnung, Luna sei rund neunmal schneller und pro Aufgabe etwa 99 Prozent günstiger als Anthropics Fable 5.

Interessanter als die Prozentzahlen ist, wo der neue Luna-Preis im Markt landet. Mit 0,20 Dollar Eingabe unterbietet OpenAI erstmals Google auf breiter Front — Gemini 3.6 Flash liegt bei 1,50/7,50 Dollar. Terra liegt nach der Senkung praktisch preisgleich mit Gemini 3.1 Pro (2,00/12,00). Nach oben bleibt Sol im Ausgabepreis teurer als Claude Opus 5 (5,00/25,00), aber günstiger als Claude Fable 5 (10,00/50,00). Nach unten aber bleibt der Abstand zu den chinesischen Anbietern bestehen: DeepSeek V4-Flash kostet 0,14/0,28 Dollar, GLM-5.2 über OpenRouter 0,70/2,20 Dollar. OpenAI nähert sich dem chinesischen Preisniveau an, unterschreitet es aber nicht. Der Branchendienst the-decoder überschrieb die Meldung entsprechend mit „OpenAI goes full China pricing mode“.

Die Einordnung der Fachpresse ist ungewöhnlich einhellig. CNBC rahmt die Senkung als Reaktion auf Unternehmenskunden, die zunehmend auf Kosten achten. VentureBeat spricht von einem „AI price war“ und beschreibt die Verschiebung des Wettbewerbs weg von der reinen Fähigkeit hin zu der Frage, welcher Anbieter den planbarsten und kosteneffizientesten Weg in den Produktionsbetrieb bietet. Der eigentliche Treiber im Hintergrund sind Routing-Werkzeuge, die im laufenden Betrieb automatisch zwischen teuren und billigen Modellen umschalten — sie machen den Preis pro Token zu einer direkt vergleichbaren Größe und drücken damit auf alle Anbieter gleichzeitig.

Für Entscheider ergeben sich daraus drei praktische Punkte. Erstens: Wer ein Produkt auf einem Frontier-Modell kalkuliert hat, sollte die Kalkulation quartalsweise neu aufmachen — die Inferenzkosten für Modelle der GPT-4-Klasse sind laut Marktanalysen in zwei Jahren um rund 95 Prozent gefallen, von etwa 30 auf unter 0,50 Dollar pro Million Token. Zweitens: Die neue Fast-Mode-Stufe macht Latenz zu einem eigenständig bepreisten Produktmerkmal. Das ist ehrlicher als das bisherige Modell, verlangt aber eine bewusste Entscheidung, welche Teile eines Workflows tatsächlich schnell sein müssen. Drittens die Vorsichtsnote: OpenAI wies im ersten Quartal 2026 nach Analystenschätzungen eine operative Marge von −122 Prozent aus. Preissenkungen in dieser Lage sind ein Kampf um Marktanteil, kein Zeichen struktureller Kostensenkung — und Preise, die zur Marktanteilssicherung gesetzt werden, können auch wieder steigen.

Die Zahl, mit der Google am 30. Juli an die Öffentlichkeit ging, ist ungewöhnlich: In den beiden Juni-Releases Chrome 149 und 150 wurden zusammen 1.072 Sicherheitsfehler behoben. In den 23 Chrome-Versionen der vorangegangenen zwei Jahre waren es zusammen 1.036. Zwei Releases haben also mehr geleistet als zwei Jahre. Am selben Tag erschien Chrome 151 mit 370 weiteren Lücken: 7 kritisch, 71 hoch, 170 mittel, 122 niedrig. Für aktive Ausnutzung einer der sieben kritischen Schwachstellen gibt es nach derzeitigem Stand keine Belege. Seit Jahresbeginn liegt Google damit bei über 1.800 geschlossenen Chrome-Lücken.

Ein Wert in den Release Notes verdient eine genaue Lektüre: Von den 370 Lücken wurden 349 intern gefunden, an externe Melder gingen 58.500 Dollar für 21 Meldungen. „Intern“ heißt allerdings nicht automatisch „von der KI“ — wie viele der 349 auf die Agenten-Pipeline zurückgehen, gibt Google für dieses Release nicht an, und keine der ausgewerteten Quellen beziffert es. Die Zurechnung zur KI stammt aus dem separaten Blogpost zu den Juni-Zahlen, nicht aus den Release Notes vom 30. Juli. Die Pipeline selbst beschreibt Google dort im Detail; sie setzt überwiegend auf Gemini auf. Ein Anfang 2026 gebauter Such-Agent durchkämmt die gesamte Chrome-Codebasis und zieht dabei Git-Historie und veröffentlichte CVEs als Wissensbasis heran. Big Sleep, gemeinsam von DeepMind und Project Zero entwickelt, geht auf das 2024 vorgestellte Framework Project Naptime zurück, das ein Sprachmodell mit Code-Browser, Debugger und Sandbox ausstattet, damit es wie ein menschlicher Forscher vorgehen kann. CodeMender schreibt Patches, analysiert die Ursache und simuliert Angriffe zur Verifikation. Dazu kommen ein Triage-Agent, der die Ersteinschätzung von 5 bis über 30 Minuten pro Meldung automatisiert, ein prüfender „Critic Agent“ und Agenten, die Tests schreiben. Prominentestes Einzelergebnis: ein Sandbox-Ausbruch, der über 13 Jahre unentdeckt im Code lag.

Weil so viele Fehler gefunden werden, ändert sich der Auslieferungsrhythmus. Google pilotiert nach eigenen Angaben zwei Sicherheitsreleases pro Woche und stellt die Hauptversionen auf einen Zwei-Wochen-Takt um. Das Ziel ist die sogenannte Patch Gap: das Zeitfenster zwischen der Veröffentlichung eines Fixes im offenen Quellcode und dem Update beim Nutzer. In diesem Fenster können Angreifer den Patch rückwärts analysieren und daraus einen Angriff bauen. Wer schneller ausliefert, verkürzt das Fenster. Das ist eine Pilotphase, kein bereits umgestellter Standardzyklus.

Google steht damit nicht allein, und der Vergleich ist erhellend. Microsoft schloss am Juli-Patchday 570 Lücken über alle Produktlinien — Rekord, ausdrücklich unter Verweis auf eigenen KI-Einsatz. Mozilla behob im April 2026 in einem Monat 423 Schwachstellen, etwa das Zwanzigfache des Vorjahresdurchschnitts; 271 davon fand Anthropics unveröffentlichtes Modell Claude Mythos Preview, dem Mozilla frühen Zugang bekam, darunter ein 20 Jahre alter Use-after-free in der XSLT-Engine. Apple dagegen liegt 2026 bei 482 Fehlern und damit ungefähr auf Vorjahresniveau — ohne vergleichbaren Sprung. Die Frage, warum, beantwortet bisher niemand belastbar.

Die Kehrseite ist gut dokumentiert und kommt teils von Google selbst. Das Chrome-Prämienprogramm wurde umgebaut: Die Basisprämie für Speicherfehler sank auf 500 Dollar, Zuschläge für beliebiges Lesen und Schreiben sowie für Remote Code Execution wurden gestrichen — einzelne Forscher berichten von zehnfach niedrigeren Auszahlungen. Der Fokus liegt jetzt auf konkreten Ausnutzbarkeitsnachweisen statt auf langen, oft maschinell erzeugten Berichten. Beim Internet Bug Bounty pausierte die Annahme neuer Meldungen. Am deutlichsten wurde es bei curl: Maintainer Daniel Stenberg stellte im Januar 2026 die Prämienzahlungen ein, nachdem in den ersten 21 Tagen des Jahres 20 Meldungen eingingen — sieben davon in einem Fenster von 16 Stunden — und keine einzige eine echte Schwachstelle beschrieb. Im März kehrte curl zu HackerOne zurück, weil sich die Modellqualität nach Stenbergs Einschätzung gebessert hatte.

Für Unternehmen verschiebt sich damit der Engpass. Wenn Chrome zweimal wöchentlich Sicherheitsupdates liefert, wird das Patch-Fenster zum operativen Problem: Jede Testfreigabe, jedes gestaffelte Rollout, jede Kiosk- oder Terminalinstallation muss diesen Takt aushalten. Besonders betroffen sind Chromium-Ableger, die den Takt nicht halten können — eine Untersuchung fand in veralteten Chromium-Versionen der KI-Entwicklungsumgebungen Cursor und Windsurf 80 bekannte Schwachstellen. Und eine Frage bleibt in der gesamten Berichterstattung unbeantwortet: In keiner der ausgewerteten Quellen findet sich eine unabhängige Sicherheitsforscherin, die Googles Zahlen methodisch hinterfragt — etwa nach der Fehlerrate der maschinell erzeugten Patches selbst oder danach, ob mehr gefundene Fehler auch mehr maschinell erzeugten Code widerspiegeln. Die Zahlen sind über die öffentlichen CVE-Listen nachprüfbar; die Erfolgserzählung darum ist es nicht.

Am 30. Juli hat Bundesrichterin Rita F. Lin am Bundesbezirksgericht für Nordkalifornien über die wechselseitigen Anträge auf ein Urteil im Eilverfahren verhandelt — beide Seiten hatten sie gebeten, den Fall ohne vollständigen Prozess zu entscheiden. Eine Entscheidung fiel noch nicht; Lin nahm die Anträge zur Beratung an, ein Termin für die schriftliche Entscheidung wurde nicht genannt. Was in der Anhörung gesagt wurde, ist dennoch aufschlussreich. Zur Beweislage der Regierung sagte die Richterin: „If anything, it seems like the record, in some ways, has gotten worse for the government.“ Und: „I don't see additional evidence from the government really justifying what it did.“

Zur Vorgeschichte: Das Pentagon — inzwischen als Department of War firmierend — hatte Anthropic Anfang März 2026 als „supply chain risk“ eingestuft und damit von klassifizierten KI-Verträgen der Stufen IL6 und IL7 ausgeschlossen, während sieben, später acht andere Anbieter sie erhielten. Anthropic klagte. Richterin Lin erließ im März eine einstweilige Verfügung und bezeichnete das Vorgehen als „classic illegal First Amendment retaliation“; ein Gericht im District of Columbia entschied in einem Parallelverfahren gegenteilig und ließ die separate Einstufung nach dem Federal Acquisition Supply Chain Security Act zunächst bestehen. Der Ninth Circuit setzte die Berufung der Regierung aus, bis das D.C.-Gericht entschieden hat. Wie wir in unserer Ausgabe vom 9. April berichteten, steckte Anthropic damit in einem juristischen Schwebezustand zwischen zwei widersprechenden Bundesgerichten.

Inhaltlich drehte sich die Anhörung um zwei Argumente der Regierung. Das erste ist ein hypothetisches Sabotage-Risiko: Anwalt James Harlow vom Justizministerium argumentierte, Anthropic könne künftig versteckte Beschränkungen in ausgelieferte Modelle einbauen — einen „Kill Switch“. Lin verlangte Konkretes: „What are the specific articulable facts that suggest Anthropic might sabotage its software in this way?“ Belege dafür, dass Anthropic ein ausgeliefertes Modell überhaupt verändern oder abschalten könnte, sah sie nicht. Das zweite Argument stützte sich auf Anthropics Weigerung, sämtliche rechtmäßigen militärischen Nutzungen zuzulassen — die Nutzungsrichtlinie des Unternehmens schließt Massenüberwachung und autonome Waffen aus. Dass eine solche Weigerung eine Sicherheitseinstufung begründen könne, hielt Lin für heikel: „I find that position, if that's really what the government's position is, to be really troubling. It seems at odds to me with the First Amendment.“

Ein Detail aus der Zeitachse wiegt schwer. Die Risikoanalyse des Pentagons datiert vom 2. März — sie entstand damit fünf Tage nach der öffentlichen Anordnung Präsident Trumps vom 27. Februar. Eine Begründung, die der Entscheidung nachfolgt statt sie zu tragen, ist im US-Verwaltungsrecht das klassische Indiz für einen Vorwand. Anthropic argumentierte entsprechend, die wechselnden Begründungen der Regierung seien „powerful evidence of pretext“, und bot vertragliche Zusicherungen gegen jeden Eingriff in laufende Militäroperationen an.

Praktisch läuft die Uhr trotzdem weiter. Der ursprüngliche Auslaufzeitraum von bis zu sechs Monaten ab dem 27. Februar führt auf eine ressortweite Frist um den 30. September 2026 zu; die Air Force drängt ihre Vertragspartner nach einem Memo bereits, Anthropic-Produkte bis zum 1. September zu entfernen. Gleichzeitig hat das Pentagon eine Hintertür geöffnet und Ausnahmen „in seltenen, außergewöhnlichen Fällen“ für missionskritische Aufgaben ohne Alternative zugelassen. Der 200-Millionen-Dollar-Einsatz von Claude über Palantirs Maven-System auf klassifizierten Netzen hängt damit weiter in der Schwebe. Für Beschaffungsverantwortliche außerhalb der USA ist der Vorgang trotzdem lehrreich: Die Einstufung eines Anbieters als Sicherheitsrisiko wirkt sofort und bindet die gesamte Lieferkette, während die gerichtliche Klärung Quartale braucht. Wer auf einen einzigen Modellanbieter in einem regulierten Bereich setzt, sollte den Wechselaufwand kennen, bevor er ihn braucht.

Die EU-Kommission hat am 30. Juli die Ausschreibung für die sogenannten KI-Gigafabriken eröffnet. Ausgeschrieben sind bis zu sieben Standorte mit einem Gesamtvolumen von über 30 Milliarden Euro: bis zu 10 Milliarden aus EU- und Mitgliedstaatsmitteln im Rahmen der InvestAI-Initiative, die mindestens 20 Milliarden Euro privates Kapital mobilisieren sollen. Die Förderung ist in zwei Lose geteilt. Im ersten Los können bis zu vier Konsortien je bis zu 500 Millionen Euro erhalten; im zweiten Los sind für bis zu drei besonders leistungsstarke Projekte je bis zu einer Milliarde Euro vorgesehen. Bewerbungsschluss ist der 12. November 2026, Vergabeentscheidungen werden Anfang 2027 erwartet, der Betrieb soll innerhalb von 18 Monaten nach Vertragsunterzeichnung aufgenommen werden.

Der Unterschied zu den bereits laufenden dreizehn AI Factories ist eine Frage der Größenordnung. Die Kommission begründet die neue Kategorie damit, dass die bestehenden Standorte für das Training von Spitzenmodellen schlicht nicht ausreichen. In der Berichterstattung kursiert für das erste Los eine Zielgröße von rund 75.000 Beschleunigern in H100-Äquivalenten pro Standort — diese Zahl ließ sich in der offiziellen Mitteilung nicht verifizieren und ist mit Vorsicht zu lesen, zumal die H100 im Sommer 2026 bereits zwei Generationen zurückliegt. Abgewickelt wird die Bewertung durch das gemeinsame Unternehmen EuroHPC, dessen Vertreter den Ansatz auf die Formel bringen, man wolle „nicht hundert kleine Rechenzentren“. Zwei Bedingungen sind hart: Die Rechenzentren müssen auf EU-Territorium stehen, und die Kontrolle über das Konsortium muss unabhängig von Investoren außerhalb der EU in der Union verbleiben.

Interesse ist vorhanden. Die Sondierung im Juli 2025 hatte 76 Interessensbekundungen aus 16 Mitgliedstaaten ergeben — auf dieser Basis wird jetzt formal ausgeschrieben. Für die erste Runde werden Bewerber aus Dänemark, Tschechien, Finnland, Frankreich und Polen genannt, Deutschland, Italien und Spanien werden eher in der zweiten Runde erwartet. Aus Deutschland sind Schwarz Digits, die Deutsche Telekom und IONOS als Beteiligte im Gespräch.

Die eigentliche Nachricht steckt im Kalender. Ursula von der Leyen hatte die Initiative im Februar 2025 beim KI-Gipfel in Paris angekündigt, als Teil des AI Continent Action Plan. Bis zur förmlichen Ausschreibung vergingen anderthalb Jahre, unter anderem weil die EuroHPC-Verordnung erst im Sommer 2026 entsprechend angepasst wurde. Rechnet man weiter — Vergabe Anfang 2027, Betriebsaufnahme 18 Monate danach — dann läuft die erste Gigafabrik frühestens Mitte 2028. Das ist eine Zeitachse, die schlecht zu der Dringlichkeit passt, mit der dieselbe Kommission den Rückstand gegenüber den USA und China beschreibt. Zum Vergleich: Meta und BlackRock haben allein diese Woche den Bau eines Ein-Gigawatt-Rechenzentrums in Texas angekündigt.

Auffällig ist, dass die Kritik inzwischen nicht mehr nur aus der Netzpolitik kommt, sondern aus der Industrie. Nach einem Bericht des Handelsblatt stellen Konzerne die Sinnhaftigkeit der Gigafabriken mittlerweile offen infrage und kritisieren die EU — teils, weil sich der Bedarf verschoben hat: Der Engpass liegt zunehmend weniger beim Training riesiger Modelle als bei Inferenz nahe am Nutzer, und dafür braucht es andere, verteiltere Infrastruktur. Für europäische Unternehmen, die auf günstige heimische Rechenkapazität hoffen, ist die praktische Konsequenz nüchtern: Vor 2028 ändert dieses Programm an ihrer Beschaffungslage nichts.