Ausgabe vom 24. August 2026

Am Sonntagvormittag wurden am Kottbusser Tor in Berlin-Kreuzberg die ersten Kameras montiert. Rund 30 Stück werden es, wie netzpolitik.org berichtet, das die Installation vor Ort begleitet hat. Verbaut werden Modelle des schwedischen Herstellers Axis (Q1809-LE und Q3839-PVE) mit bis zu 8K Auflösung; die Auswertung übernimmt eine Verhaltenserkennungssoftware der Adesso SE. Es ist die erste dauerhafte Videoüberwachung des öffentlichen Raums in Berlin außerhalb des Nahverkehrs.

Was das System tun soll. Es analysiert nicht Gesichter, sondern Bewegungsabläufe, und schlägt Alarm, wenn ein Muster als ungewöhnlich eingestuft wird. Innensenatorin Iris Spranger (SPD) hatte das Verfahren Anfang August so beschrieben: „Das Gesicht wird nicht erkennbar sein. Es geht um die Bewegungsabläufe.“ Auf den Monitoren der Polizei erschienen lediglich Strichmännchen; die Software weise auf eine Auffälligkeit hin, die Entscheidung treffe ein Mensch. Zunächst läuft eine Kalibrierungsphase, danach der Wirkbetrieb. Rechtsgrundlage ist die im Dezember 2025 geänderte Fassung des Berliner Allgemeinen Sicherheits- und Ordnungsgesetzes.

Die Kosten stehen im Haushalt. Für kriminalitätsbelastete Orte sind zwischen 2026 und 2030 rund 2,47 Millionen Euro Investition plus 2,13 Millionen Euro Betriebskosten veranschlagt; für den Objektschutz — genannt werden das Rote Rathaus und die Innenverwaltung in der Klosterstraße — kommen 1,76 Millionen Euro Investition und 355.000 Euro Betrieb hinzu. Als nächste Standorte sind die Warschauer Straße und weitere als hoch belastet eingestufte Orte vorgesehen.

Der zentrale Einwand ist kein Bauchgefühl, sondern eine Definitionslücke. Welche Bewegungsmuster einen Alarm auslösen, ist nicht veröffentlicht und im Gesetz nicht bestimmt. Der Jurist Felix Ruppert von der Universität München hält dem Argument, Verhaltensanalyse sei die datenschutzfreundlichere Alternative zur Gesichtserkennung, entgegen: Sie sei „kein privatsphärenfreundlicher Ersatz … sondern schlicht eine zusätzliche Ebene“. Hinzu kommt: Das Rohvideo wird nach den vorliegenden Angaben bis zu 30 Tage gespeichert — womit eine nachträgliche Auswertung mit anderen Verfahren technisch nicht ausgeschlossen ist.

Die politische Kritik kommt aus dem Bezirk und aus dem Abgeordnetenhaus. Bezirksbürgermeisterin Clara Herrmann (Grüne): „Ich habe Zweifel, dass zusätzliche Videoüberwachung die Lage rund um das Kottbusser Tor tatsächlich verbessert.“ Der innenpolitische Sprecher der Grünen im Abgeordnetenhaus, Vasili Franco, verweist auf die kriminologische Befundlage, wonach Videoüberwachung „bestenfalls Kriminalität verlagert, aber nicht wirksam bekämpft“. Niklas Schrader (Die Linke) hebt einen Punkt hervor, der in der Debatte selten fällt: Die Daten der Passantinnen und Passanten trainieren das System. Vor Ort formuliert es der Café-Betreiber Ercan Yasaroglu knapper: „Wir bauen unsere demokratischen Werte ab.“

Der Chaos Computer Club hatte bereits im März Position bezogen — also lange vor der Installation. CCC-Sprecher Matthias Marx nannte automatisierte Verhaltensüberwachung damals „teures, aber gefährliches Sicherheitstheater“ und forderte, sämtliche Projekte dieser Art einzustellen. Der Club verwies dabei auf den dokumentierten Fehlschlag des früheren Berliner Versuchs am Bahnhof Südkreuz.

Was fehlt, ist der Wirksamkeitsnachweis. Weder für Mannheim noch für Hamburg — die beiden deutschen Städte, die vor Berlin damit begonnen haben — liegt eine unabhängige wissenschaftliche Evaluation vor, die zeigt, dass automatisierte Verhaltensanalyse Straftaten verhindert. Und die Ausbreitung läuft weiter: In Baden-Württemberg, Hessen, Sachsen und im Saarland bestehen entsprechende Rechtsgrundlagen oder werden vorbereitet; eine Befugnis der Bundespolizei für Bahnhöfe hängt an einer Bestätigung durch den Bundestag. Wer wissen will, wie so etwas nach ein paar Jahren aussieht, findet die Antwort im nächsten Artikel dieser Ausgabe.

Garrett Langley, Vorstandschef des amerikanischen Überwachungsunternehmens Flock Safety, gibt derzeit ein Fernsehinterview nach dem anderen. Bei Fox News formulierte er sein Anliegen als Abwägungsfrage: „When people talk about just one of these, privacy or safety, they're prioritizing the wrong thing, and what we have to prioritize as a country is compromise. How do we have our safety, and how do we balance privacy?“ Gegenüber CBS News wurde er konkreter — nachdem er ein Interview mit einer der mutmaßlich Betroffenen gehört hatte, sagte er: „I apologize. It kills me that she went through that.“ Im selben Atemzug wies er die Verantwortung zurück: „I don't think that Flock created police abuse. I think we're the first company to ever shine a light on it and build the tools to find it.“

Der Anlass ist eine Recherche der Washington Post, die 46 Fälle zusammengetragen hat, in denen Polizeibeamte die Flock-Technik unbefugt genutzt haben sollen — in mehreren davon, um Ehefrauen, Freundinnen oder Ex-Partnerinnen nachzustellen. Die Originalartikel liegen hinter einer Bezahlschranke und antworten auf maschinelle Zugriffe nicht; wir führen sie deshalb nicht in der Quellenliste und stützen uns auf Wiedergaben, die die Zahlen übereinstimmend nennen. Zum Umfang dessen, worüber wir reden: Nach Zahlen der MIT Technology Review betreibt Flock rund 120.000 Kameras und hat Verträge mit etwa 5.000 Behörden. Mindestens 30 Städte haben ihre Verträge im vergangenen Jahr gekündigt.

Eine wichtige Einordnung vorweg, weil sie in der Aufregung untergeht: Flock arbeitet mit automatischer Kennzeichenerfassung, nicht mit Gesichtserkennung. Der maschinelle Anteil liegt in der Mustererkennung auf Nummernschildern und — das ist neu — in der automatischen Auffälligkeitsprüfung der Abfragen selbst. Wer hier eine biometrische Totalüberwachung erwartet, liegt technisch falsch. Wer daraus schließt, das Problem sei kleiner, liegt praktisch falsch: Ein Bewegungsprofil aus Kennzeichendaten ist ein Bewegungsprofil.

Was Flock geändert hat. Die empfohlene Speicherdauer sank von 30 auf sieben Tage. Jede Abfrage muss künftig mit einer Fallnummer versehen werden. Ein zuvor freiwilliges Prüfwerkzeug, das ungewöhnliche Suchmuster einzelner Beamter automatisch meldet, wird verpflichtend. Behörden können außerdem einschränken, wofür andere Behörden auf ihre Daten zugreifen dürfen — Entführungsermittlungen ja, Einwanderungsdurchsetzung nein.

Die Einschränkungen dieser Zusagen stehen im Kleingedruckten. Die Sieben-Tage-Frist ist eine Empfehlung, keine Vorgabe; Behörden können sie überschreiben, etwa über eine Einstellung namens Evidence Mode. Die Bürgerrechtsorganisation ACLU fällt deshalb ein bewusst offenes Urteil: „While Flock has not shortened the default retention period to the ACLU's recommended 48 hours, its proposal may be a step in the right direction. Whether this is a real change or just another Flock PR move, however, will depend on how its ‚Evidence Mode‘ operates.“ Die Skepsis hat einen empirischen Grund: Frühere Schutzmechanismen wurden schlicht mit Freitexteingaben ausgehebelt — bei einer Behörde in Oregon stand in zwanzig Fällen als Begründung „hehehe“. Der ACLU-Fachmann Chad Marlow formuliert den Grundsatz, der dabei verloren geht: „In America, you only get to investigate someone if you think they've done something wrong.“

Bemerkenswert ist die politische Konstellation. Die Kritik kommt aus beiden Lagern. Der Senator Bernie Sanders schrieb: „STOP AI MASS SURVEILLANCE. STOP FLOCK.“ Drei republikanische Abgeordnete haben einen Gesetzentwurf eingebracht, der Bundeseinkäufe automatisierter Überwachungssysteme untersagen soll — im Text ausdrücklich „including a Flock Safety camera“. Langley selbst sieht die Ursache seiner Kundenverluste woanders: „If you look at the main reason we've lost customers, it's misinformation.“

Warum das für deutsche Leser relevant ist. Flock ist kein Gegenbeispiel zu dem, was gerade am Kottbusser Tor beginnt, sondern die Fortsetzung derselben Kurve um einige Jahre. Die Zusagen am Anfang klingen ähnlich: begrenzter Zweck, kurze Speicherung, Mensch entscheidet. Was am Ende zählt, ist nicht die Zusage, sondern ob jemand nachprüft, wer die Abfrage gestellt hat und warum — und ob dieses Prüfwerkzeug seinerseits unabhängig überprüfbar ist. Genau das kritisiert die ACLU an Flock: Das Auditwerkzeug ist bisher niemandem von außen zugänglich.

Zur Quellenlage vorweg: Der erste Strang dieses Artikels beruht auf einem einzigen Bericht — der Meldung von heise online über die Antwort der Bundesregierung. Das zugrunde liegende Dokument selbst war uns nicht zugänglich; eine unabhängige zweite Berichterstattung darüber haben wir trotz gezielter Suche nicht gefunden. Wir kennzeichnen das ausdrücklich.

Auf eine parlamentarische Anfrage der AfD-Fraktion hat die Bundesregierung erklärt, der zunehmende Einsatz von KI habe in Deutschland bislang nicht zu systematischem Stellenabbau geführt. Die Begründung, federführend aus dem Bundesarbeitsministerium: KI ersetze selten ganze Berufsbilder, sondern verändere einzelne Aufgaben innerhalb bestehender Tätigkeiten. Routinearbeit gehe zurück, dafür gewännen kritische Bewertung und Kontrolle von KI-Ergebnissen an Bedeutung.

Am schärfsten wird die Antwort dort, wo sie widerspricht. Zu Berichten über den Rückgang von Einstiegsstellen erklärt die Regierung, die zugrunde liegenden Schweizer Arbeitsmarktstudien seien „methodisch kaum belastbar“. Der Rückgang habe zudem vor dem Durchbruch generativer KI eingesetzt; Ursache sei die allgemeine Konjunkturlage, nicht die Technik. Auch eine ifo-Erhebung, nach der knapp 20 Prozent der befragten Unternehmen Hochschulabsolventen theoretisch durch geringer qualifizierte, KI-gestützte Kräfte ersetzen könnten, wird eingeordnet als lediglich hypothetische Szenarien; es gebe keine empirische Evidenz für reale Gehaltseinbußen. Fundierte KI-Kompetenz bleibe knapp und teuer, weshalb hochqualifizierte Fachkräfte gefragt blieben. Als Antwort verweist die Regierung auf Weiterbildung: Zielgröße ist eine Weiterbildungsquote von 65 Prozent bis 2030, flankiert vom KI-Observatorium und dem Forschungsprojekt ai:conomics.

Das ist eine legitime Position — und eine angreifbare. Wir haben am 20. August die Fortschreibung des Stanford Digital Economy Lab besprochen, die für 22- bis 25-Jährige in KI-nahen Berufen einen Rückstand von 19 Prozentpunkten misst. Diese Arbeit ist nicht schweizerisch und nicht mit dem Konjunkturargument zu erledigen; sie vergleicht Altersgruppen innerhalb derselben Branchen und desselben Zeitraums. Die ausführliche Einordnung der Datenlage steht in unserer Reportage vom 10. August. Der eigentliche Streitpunkt ist damit nicht, ob KI Stellen kostet, sondern wo man hinschaut: auf Gesamtbeschäftigung, wie die Bundesregierung, oder auf den Berufseinstieg, wie die Stanford-Gruppe.

Der zweite Strang liefert das unfreiwillige Argument dazu. Am selben Tag berichtete t3n über Ronnie Chatterji, den Chefökonomen von OpenAI — vorher stellvertretender Direktor des National Economic Council unter Präsident Biden und über zwanzig Jahre Ökonomieprofessor an der Duke University. Sein Team von gut zehn Leuten aus Ökonomie, Datenwissenschaft und Verwaltung untersucht, wie KI Arbeit verändert. Die Anforderung, die er an Bewerber stellt, lautet: „One must feel comfortable feeling uncomfortable.“ Das Tempo nennt er „a bit crazy“ — eine im Juni abgeschlossene Studie sei im August bereits überholt gewesen.

Was Sie daraus mitnehmen sollten. Wenn der Chefökonom des größten Anbieters sagt, dass Befunde in diesem Feld binnen zweier Monate veralten, dann ist eine Regierungsantwort, die auf dem Fehlen empirischer Evidenz beruht, keine Entwarnung — sie ist eine Beschreibung des Messproblems. Für Ihre eigene Personalplanung heißt das: Verlassen Sie sich nicht auf aggregierte Beschäftigungszahlen, die naturgemäß nachlaufen. Die aussagekräftigeren Frühindikatoren stehen in Ihrem eigenen Haus — wie viele Junior-Stellen Sie im letzten Jahr ausgeschrieben haben, und wie viele davon Sie nach der Einführung von Assistenzsystemen nachbesetzt haben.

OpenAI hat am Freitag die Entwicklerpreise für sein Spitzenmodell GPT-5.6 Sol gesenkt. Für die Standardnutzung mit kurzem Kontext kostet eine Million Eingabe-Token nun vier statt fünf Dollar (minus 20 Prozent), eine Million Ausgabe-Token zwanzig statt dreißig Dollar (minus 33 Prozent). Die neuen Sätze gelten seit dem 21. August über die Programmierschnittstelle; für Guthaben im Agentenprodukt ChatGPT Work und im Codewerkzeug Codex sind sie bis zum 21. November 2026 zugesagt. An den Preisen für Pro-, Plus- und Business-Abonnements ändert sich nichts.

Die Ausgabeseite ist die interessante. Wer Modelle nur zum Zusammenfassen oder Klassifizieren einsetzt, zahlt überwiegend für Eingabe-Token und merkt von dieser Senkung wenig. Wer dagegen agentische Arbeit betreibt — also Modelle, die planen, Werkzeuge aufrufen, Zwischenergebnisse produzieren und sich selbst korrigieren —, erzeugt vor allem Ausgabe-Token. Für diese Arbeitslasten fällt die Rechnung um bis zu einem Drittel. Das ist keine kosmetische Anpassung, sondern zielt exakt auf das Marktsegment, in dem der Wettbewerbsdruck derzeit am höchsten ist.

Warum die Befristung zählt. Eine unbefristete Preissenkung ist ein Signal über die eigene Kostenstruktur: Wir können dauerhaft günstiger anbieten. Eine bis auf drei Monate befristete ist ein Signal über den Wettbewerb: Wir müssen jetzt reagieren und behalten uns die Rücknahme vor. Für Sie als Nutzer hat das eine praktische Konsequenz — wer seine Kalkulation für 2027 auf diesen Sätzen aufbaut, kalkuliert mit einer Aktion, nicht mit einem Preis. Die belastbare Größe ist der Listenpreis vom 20. August, nicht der vom 21.

Der Zusammenhang zur Nachrichtenlage dieser Ausgabe liegt auf der Hand. In derselben Woche stellte ein anonymer Anbieter ein Modell mit einer Million Token Kontext vollständig kostenlos ins Netz und ließ binnen Tagen elf Komma sieben Billionen Token hindurchlaufen. Ob das der Auslöser für die Preisaktion war, ist nicht belegt und wird von OpenAI auch nicht behauptet — die Begründung mit dem Wettbewerbsdruck durch Anthropic und chinesische Anbieter stammt aus der Presseberichterstattung, nicht aus einer offiziellen Erklärung des Unternehmens. Dass beides in dieselbe Woche fällt, ist trotzdem bemerkenswert.

Zur Quellenlage: Der Ursprungsbericht von The Information liegt hinter einer Bezahlschranke und war uns nicht zugänglich. Wir stützen uns auf die Reuters-Berichterstattung, die den Bericht referiert und das Dementi im Wortlaut enthält. Welche der beiden Darstellungen zutrifft, ist derzeit nicht entscheidbar.

The Information berichtete am Donnerstag unter Berufung auf zwei Nvidia-Mitarbeiter, das Unternehmen wolle bis Jahresende in kleinen Stückzahlen einen eigens für chinesische Kunden entwickelten KI-Prozessor ausliefern; mehrere Kunden hätten bereits bestellt, und der Chip halte die US-Exportkontrollvorschriften ein. Nvidia widersprach ungewöhnlich unmissverständlich: „The reporting in The Information on Nvidia's LPU is incorrect. We have no LPU sales in the China market today, and no China-specific LPU product in our road map.“

Worum es technisch geht, ist der eigentlich interessante Teil. Eine LPU — Language Processing Unit — ist kein Grafikprozessor. Sie ist ein spezialisierter Baustein, der neben den GPUs sitzt und ausschließlich die Antwortphase beschleunigt, also die Token-für-Token-Ausgabe eines Sprachmodells. Nvidia setzt dabei laut Reuters auf Technik, die vom Startup Groq lizenziert wurde. Das ist bemerkenswert: Der Marktführer für KI-Training kauft für die Inferenz Technologie zu, statt sie selbst zu bauen.

Der politische Rahmen erklärt, warum das Thema heikel ist. Nachdem die Vera-Rubin-Systeme unter die Exportbeschränkungen fielen, hat Nvidia laut demselben Bericht seine Software so angepasst, dass die LPU mit den in China noch verfügbaren Prozessoren zusammenarbeitet. Firmenchef Jensen Huang hatte im Mai öffentlich erklärt, man habe den chinesischen KI-Markt weitgehend an den heimischen Wettbewerber Huawei abgegeben. Ein China-spezifisches Produkt in der Roadmap würde dieser Darstellung widersprechen — was das Dementi in seiner Absolutheit erklärt.

Warum das Timing zählt: Nvidia legt am 26. August die Zahlen für das zweite Quartal vor. Aussagen zum China-Geschäft sind in dieser Phase kursrelevant, und ein Unternehmen, das einen Bericht wörtlich als incorrect bezeichnet, legt sich damit fest. Sollte sich der Bericht später als zutreffend erweisen, wäre das kein Kommunikationsfehler mehr, sondern ein Problem gegenüber der Börsenaufsicht. Genau deshalb ist ein derart eindeutiges Dementi ein stärkeres Signal als das übliche „wir kommentieren Spekulationen nicht“.

Das Bundeswirtschaftsministerium hat das Nationale Rechenzentrumsregister veröffentlicht. Es ist ein Fortschritt: Zum ersten Mal lassen sich Verbrauchs- und Effizienzdaten einzelner Anlagen einsehen, statt nur Branchensummen. Wer wissen will, wie viel Strom und Wasser der KI-Ausbau vor der eigenen Haustür verbraucht, konnte das bisher nicht nachschlagen.

Die Lücke ist allerdings größer als der Bestand. Stand Anfang Juli 2026 hatten 482 Rechenzentren ihre Verbrauchsdaten für 2025 gemeldet. In Deutschland stehen nach Schätzungen rund 2.000 Rechenzentren, von denen etwa 1.000 meldepflichtig sind. Es fehlt also grob die Hälfte derer, die melden müssten. Julian Bothe von AlgorithmWatch, der die Daten für netzpolitik.org ausgewertet hat, formuliert es so: „Das Register ist sehr lückenhaft. Das ist ein Armutszeugnis für die Bundesregierung.“

Der Grund ist strukturell, nicht technisch. Sowohl die EU-Energieeffizienzrichtlinie als auch das deutsche Energieeffizienzgesetz verpflichten Betreiber zur Meldung und zur Veröffentlichung. Was fehlt, ist die Durchsetzung: Es gibt keine Kontrolle und keine Sanktion für Nichtmeldung. Eine Pflicht ohne Folgen bei Verstoß ist praktisch eine Bitte.

Die zweite Front verläuft über den Begriff des Geschäftsgeheimnisses. Nach Bothes Darstellung haben große Technologiekonzerne erfolgreich dafür geworben, Verbrauchskennzahlen als Betriebs- und Geschäftsgeheimnis einzustufen; eine Formulierung von Microsoft stehe „wörtlich“ in der EU-Durchführungsverordnung. Sein Einwand dagegen ist juristisch der richtige: „Geschäftsgeheimnisse sind also keine magische Generalausnahme.“ Die geplante Novelle des Energieeffizienzgesetzes soll eine solche Ausnahme dennoch ergänzen — die Transparenz würde also nicht ausgebaut, sondern zurückgenommen.

Warum Sie das interessieren sollte, auch wenn Sie kein Rechenzentrum betreiben. Wer heute in einer Ausschreibung oder einem Nachhaltigkeitsbericht Angaben zum Energie- und Wasserverbrauch seiner KI-Nutzung machen muss, ist auf Zahlen des Betreibers angewiesen. Ein öffentliches Register wäre die unabhängige Gegenprobe dazu. Mit einer Abdeckung von rund der Hälfte ist es das noch nicht — und die Frage, welche Anlage fehlt, lässt sich aus dem Register selbst nicht beantworten. Die belastbarste Auskunft bleibt vorerst die vertragliche: Lassen Sie sich die Kennzahlen von Ihrem Anbieter zusichern, statt sie nachschlagen zu wollen.

Strang A: Slack Code. Salesforce hat am 20. August ein Slack-Feature vorgestellt, das Coding-Agenten zu Teilnehmern eines Kanals macht. Wer einen Agenten im Kanal erwähnt, löst die Erstellung eines eigenen Code Channels aus, in dem der Agent arbeitet und seine Ergebnisse — Code-Unterschiede, laufende Vorschauen — auf einer gemeinsamen Fläche darstellt, die das Team prüfen kann. Unterstützt werden nach Darstellung von SiliconANGLE unter anderem Claude Code von Anthropic, v0 von Vercel, Devin von Cognition und ChatGPT, dazu eigene Agenten über Schnittstellenanbindung. Slack Code ist in allen Tarifen enthalten; den Zugang zum jeweiligen Agenten muss man selbst mitbringen.

Slack-Marketingchef Ryan Gavin begründet das mit einem Argument, das über das Produkt hinausweist: „All this individual work is a solo player sport. The knowledge and the speed at which you're acting as an individual stays with you as an individual, and you're not getting an exponential return for the organization.“ Übersetzt: Der Produktivitätsgewinn einzelner Entwickler kommt bisher im Unternehmen nicht an, weil niemand sieht, wie er zustande kam.

Strang B: Google Antigravity. Einen Tag später erweiterte Google sein agentisches Codewerkzeug Antigravity um Unternehmensfunktionen. Es ist jetzt Bestandteil der Gemini-Enterprise-Abonnements und über Erweiterungen aus fremden Entwicklungsumgebungen heraus nutzbar — Visual Studio Code ist verfügbar, Visual Studio, die JetBrains-Umgebungen und Zed sind in Vorschau. Interessanter als die Reichweite ist die Verwaltungsschicht: Ausgabengrenzen je Projekt, geteilte Token-Kontingente für Teams, konfigurierbare Sicherheitsrichtlinien für Sandbox und Browserzugriff — und zentrale Protokollierung von Eingaben, Antworten und Metadaten.

Diese letzte Funktion ist der eigentliche Befund dieser Ausgabe. Zwei große Anbieter bauen in derselben Woche Werkzeuge, deren Verkaufsargument nicht Modellqualität ist, sondern Nachvollziehbarkeit: Wer hat welchen Agenten womit beauftragt, was hat der geantwortet, und wer kann das hinterher nachlesen. Das ist die exakte Gegenbewegung zu dem, was im Leitartikel dieser Ausgabe steht — Millionen von Anfragen an einen Anbieter, dessen Namen niemand kennt, ohne Protokoll und ohne Vertrag. Der Markt bewegt sich in beide Richtungen gleichzeitig: hin zu mehr Prüfbarkeit im Unternehmenseinkauf, hin zu weniger davon dort, wo Einzelne selbst entscheiden.

Im National Speed Skating Oval in Peking, der Eisschnelllaufhalle der Winterspiele 2022, laufen seit Samstag die zweiten World Humanoid Robot Games. Nach Angaben der Nachrichtenagentur AP treten über 2.000 humanoide Roboter aus 16 Ländern — darunter Deutschland, Japan und die USA — in 51 Disziplinen mit über tausend Einzelwettbewerben an; der Veranstalter nennt zusätzlich 666 teilnehmende Teams. Die Spiele laufen bis zum 26. August.

Die beiden Rekorde fielen am Eröffnungstag, dem Samstag. Ein humanoider Roboter lief die hundert Meter in 9,39 Sekunden — Usain Bolts Weltrekord aus Berlin 2009 steht bei 9,58 Sekunden. Im Standhochsprung erreichte ein Roboter 2,88 Meter; der menschliche Rekord von Javier Sotomayor aus dem Jahr 1993 liegt bei 2,45 Metern. Die Einordnung dieser zweiten Zahl liefert der Vorjahresvergleich: Damals schaffte der beste Roboter 0,95 Meter. Das ist innerhalb eines Jahres eine Verdreifachung. Beide Rekordroboter stammen laut AP vom Pekinger Hersteller X-Humanoid.

Eine noch schnellere Zeit fiel außerhalb der Wertung. Schon vor der Eröffnungsfeier legte ein Roboter namens Lightning, entwickelt vom Team des Smartphone-Herstellers Honor, in einem Vorlauf-Test 9,32 Sekunden hin, mit einer Spitzengeschwindigkeit von 14,5 Metern pro Sekunde. Es handelte sich ausdrücklich um einen Test vor dem offiziellen Wettbewerb, nicht um ein gewertetes Rennen — ein Unterschied, der in vielen Meldungen untergeht. Gao Shiming, bei Honor für verkörperte Wahrnehmung zuständig, erklärt den Sprung sehr handfest: „We extended the leg length by 10 centimeters to increase stride length and boost speed. The joint modules were also upgraded for greater torque and faster response times.“ Zehn Zentimeter mehr Bein.

Wie schnell die Physik zurückschlägt, zeigte sich unmittelbar danach: Zwei Roboter konnten nach dem Zieleinlauf nicht abbremsen, krachten in die Schutzmatte und mussten von der Bahn getragen werden. Wer den Bildern eine Aussage über den Stand der Technik entnehmen will, sollte diese mitnehmen — Beschleunigen ist gelöst, kontrolliertes Anhalten nicht.

Der wichtigere Befund steckt im Programm, nicht in den Rekorden. Die Spiele bestehen nicht nur aus Leichtathletik: Ein erheblicher Teil der Disziplinen bildet Arbeitsszenarien ab — Einzelhandel, Gastronomie, Montage, Lager, Haushalt. Der Schwerpunkt hat sich also von der Frage „kann es laufen“ zur Frage „kann es eine Aufgabe zu Ende bringen“ verschoben. Und die AP-Meldung enthält die nüchternste Einordnung dazu gleich mit: Humanoide Roboter dienten derzeit überwiegend „demonstrations, performances and research“; von einem Masseneinsatz sei man noch Jahre entfernt. Wir hatten am 22. August über Bosch berichtet, das ab 2027 im Schwarzwald humanoide Roboter fertigen will — der Weg von der Rennbahn in die Werkshalle ist derselbe, nur ungleich länger.