Ausgabe vom 27. August 2026

Die Zahlen. Nvidia hat am Mittwoch das zweite Quartal seines Geschäftsjahres 2027 vorgelegt (Stichtag 26. Juli). Der Umsatz liegt bei 96,2 Milliarden US-Dollar — 18 Prozent mehr als im Vorquartal und 106 Prozent mehr als vor einem Jahr. Das operative Ergebnis beträgt 63,7 Milliarden, der Nettogewinn 59,7 Milliarden, die Bruttomarge 75 Prozent. Für das laufende Quartal stellt das Unternehmen 108 Milliarden Dollar in Aussicht. Damit wäre Nvidia in drei Monaten in dem Club, in dem bislang Amazon, Apple und Alphabet sitzen: Unternehmen mit über 100 Milliarden Dollar Quartalsumsatz.

Wo das Geld herkommt. Die Rechenzentrumssparte allein steht bei 89 Milliarden Dollar und hat sich gegenüber dem Vorjahr mehr als verdoppelt. Bemerkenswert ist die Aufteilung innerhalb dieser Sparte: Nach der heise-Auswertung wuchs das Geschäft mit kleineren Betreibern um 25 Prozent, das mit den Hyperscalern nur um 13. Die Nachfrage kommt also nicht mehr überwiegend aus einer Handvoll Konzernen.

Das Konsumentengeschäft ist der Bremsklotz. Die Kategorie „Edge Computing“, in der auch die Spielegrafikkarten stecken, kam auf 7,2 Milliarden Dollar. Nvidia räumt selbst „langsamere Verkäufe von Konsumenten-PCs“ ein, gedämpft durch „erhöhte Speicher- und Systempreise“. Bauteilknappheit treibt die Preise der Endkundenkarten — und für die KI-Beschleuniger hatte das Unternehmen bereits vor der Bilanz Preiserhöhungen angekündigt. Wir haben den Preisstrang am 25. August beschrieben: über 15 Prozent Aufschlag bei den KI-Servern, freigegeben am selben Tag wie sechs Produktankündigungen von der Hot Chips.

Am selben Abend die zweite Meldung. Amazon nimmt nach Angaben von TechCrunch zwei Millionen zusätzliche Nvidia-GPUs in seine Rechenzentren auf — fünf Monate nach einer ersten Vereinbarung über eine Million. Nvidia begründet das damit, dass „die Nachfrage diese Erwartungen übertroffen“ habe. Geliefert wird 2027 und 2028; im Paket sind Blackwell Ultra, Rubin und Rubin Ultra sowie eine nicht bezifferte Zahl von Vera-CPUs. Der Vertragswert wurde nicht offengelegt, TechCrunch spricht von „zehn Milliarden Dollar aufwärts“. Zur erweiterten Partnerschaft gehören außerdem Netzwerkhardware, Nvidias Robotikplattform für Amazons Lagerlogistik und die Bereitstellung der Nemotron-Modelle auf Bedrock und SageMaker.

Was das zusammengenommen heißt. Zwei Meldungen an einem Abend, die dieselbe Geschichte aus zwei Richtungen erzählen: Der Verkäufer hebt die Preise und erhöht die Prognose, der größte Käufer verdreifacht trotzdem die Bestellung. Für Unternehmen, die Inferenz einkaufen statt Hardware, ist die relevante Zahl weder 96 noch 108 Milliarden, sondern die Bruttomarge von 75 Prozent — sie steckt anteilig in jeder Tokenrechnung. Genau das ist der Grund, warum OpenAI einen Tag zuvor Messwerte zum eigenen Chip vorgelegt hat.

Die Börse reagierte verhalten positiv: nachbörslich zwischen 2,5 und 4,5 Prozent im Plus.

Strang eins: der Vertrag. Anthropic hat nach Bericht von TechCrunch einen Vertrag über rund 45 Milliarden US-Dollar mit Nscale geschlossen, einem 2024 gegründeten britischen Infrastrukturanbieter, der bereits für Microsoft baut. Laufzeit: sechs Jahre. Die Kapazität kommt aus Nscales Vorzeigerechenzentrum in West Virginia, läuft auf Nvidias Vera-Rubin-Systemen und soll Ende 2027 verfügbar sein.

Das ist kein Einzelvertrag, sondern eine Kette. TechCrunch listet für die vergangenen Monate: 10 Milliarden Dollar mit dem norwegischen Anbieter Volta über sechs Jahre (August), 5 Milliarden mit AMD (Juli), ein SpaceX-Vertrag über monatliche Kapazität im Wert von 1,25 Milliarden (Mai), dazu im April eine Erweiterung mit Amazon um fünf Gigawatt und eine Partnerschaft mit Google und Broadcom. Ein Unternehmen, das kürzlich noch bei Firmenkunden mit stagnierenden Anteilen zu kämpfen hatte, kauft Rechenkapazität in der Größenordnung von Staatshaushalten ein.

Strang zwei: die Marktbehauptung. Am selben Tag berichtete heise unter Berufung auf das Wall Street Journal, Anthropic wolle Investoren vor dem Börsengang einen Total Addressable Market von 30 Billionen US-Dollar nennen. Der TAM ist ein theoretischer Wert: der Umsatz, der in einem Markt zu holen wäre, wenn alle Kunden bei einer einzigen Firma kauften. Zur Einordnung liefert das Wall Street Journal die Vergleichszahl gleich mit: Die 191 Technologieunternehmen im S&P 1500 setzten zusammen 2,4 Billionen Dollar um — weniger als ein Zehntel. 30 Billionen entsprechen ungefähr der gesamten Wirtschaftsleistung der USA und rund einem Viertel des globalen Bruttoinlandsprodukts.

Der Vergleichsmaßstab ist bewusst gewählt. SpaceX hatte vor seinem Börsengang im Frühjahr einen um 1,5 Billionen Dollar kleineren Markt behauptet — und schon damals zweifelte der Finanzwissenschaftler Aswath Damodaran von der New York University öffentlich, das Unternehmen lote „die Grenzen des Plausiblen aus und gehe darüber hinaus“. Anthropic habe für seine Zahl laut den Quellen der Zeitung „den gesamten Umfang der Arbeiten betrachtet, die mit KI-Modellen erledigt werden könnten“. Die Zahl könne sich noch ändern.

Die übrigen Eckdaten des Börsengangs. Angepeilt sind 100 Milliarden Dollar Emissionserlös bei einer Bewertung von zwei Billionen. SpaceX hatte im Frühjahr 86 Milliarden eingenommen — bis dahin der größte Börsengang der Geschichte; der vorherige Rekordhalter Aramco kam 2019 auf 29 Milliarden. Termin laut Wall Street Journal: September oder Oktober. Am 22. August hatten wir berichtet, dass Anthropic den öffentlichen Antrag noch im August einreichen will und sich eine vierte Bank dazugeholt hat.

Warum beide Stränge zusammengehören. Eine Rechenkapazität von 45 Milliarden Dollar über sechs Jahre muss in einer Bilanz begründet werden. Ein adressierbarer Markt von 30 Billionen Dollar ist die Begründung. Ob die Zahl belastbar ist, wird sich nicht vor dem Prospekt beurteilen lassen — dass sie zum Zeitpunkt der größten Vorabinvestition der Firmengeschichte durchgestochen wird, ist jedenfalls kein Zufall.

Die Auflösung. Z.ai hat gegenüber Bloomberg bestätigt, das anonyme Modell Ox Alpha gebaut zu haben. Es handelt sich um eine neue Variante der hauseigenen GLM-Reihe. Technisch war das ohnehin nahegelegt: Ein Fingerabdruckverfahren hatte übereinstimmende Tokenizer mit GLM-5.3 gefunden. Die Gewichte sollen freigegeben werden, damit Entwickler darauf aufbauen können.

Was das Modell ist. Nach der heise-Aufarbeitung ein multimodales Modell für Text, Bild und Video mit einem Kontextfenster von rund einer Million Token, das externe Werkzeuge aufrufen kann. Z.ai beschreibt es laut TechCrunch als „ein Reasoning-Modell, entworfen für Coding, dauerhafte agentische Arbeit und Produktionslasten“.

Und jetzt die Zahlen, die den Hype relativieren. Erste Stichproben auf dem Coding-Benchmark DeepSWE hatten 80 Prozent ergeben. Der vollständige Durchlauf über alle 113 Aufgaben fällt deutlich nüchterner aus: 66 vollständig gelöste Aufgaben, 58,4 Prozent. Zum Vergleich nennt heise Claude Opus 5 mit 74 Prozent, GPT-5.6 Sol mit 73 und Claude Fable 5 mit 70. Ox Alpha ist damit ein solides Modell im Feld — nicht die Spitze. Das ist genau das Muster, das wir am 19. August bei GLM-5.3 beschrieben haben: Der beworbene Vorsprung schrumpft, sobald jemand die volle Testreihe fährt statt der günstigen Stichprobe.

Der Verbrauch war trotzdem enorm. Seit dem Start am 20. August auf OpenRouter — kostenlos — verzeichnete das Modell bis zum 25. August 295 Millionen Anfragen. Wir hatten den Fall am 24. August als Leitartikel, damals noch ohne bekannten Betreiber, mit 11,7 Billionen verarbeiteten Token, davon rund eine Billion aus Claude Code heraus.

Der Punkt, den heise zu Recht betont. Über Wochen hinweg gingen „Nutzereingaben und Modellantworten an ein chinesisches Unternehmen“ — nur wusste das niemand, weil der Anbieter anonym blieb. Wer ein Stealth-Modell in Produktionsumgebungen testet, überträgt Daten an eine Gegenstelle, deren Rechtsraum, Aufbewahrungspraxis und Trainingsverwertung er nicht kennt. Für Unternehmen ist das keine Modellfrage, sondern eine Beschaffungsfrage: Ein kostenloser Endpunkt ohne benannten Verantwortlichen gehört nicht in einen Arbeitsablauf, der Kundendaten berührt.

Eine Fußnote mit Ironie. Z.ai ist jenes Labor, dessen GLM-Modelle Hugging Face nach Darstellung von TechCrunch bei der Abwehr des OpenAI-Angriffs eingesetzt hat — desselben Vorfalls, um den es in unserem Leitartikel geht.

Der Vorgang. Meta hat sich am Mittwoch mit 47 US-Bundesstaaten verglichen und beendet damit einen Prozess, der vergangene Woche in Oakland, Kalifornien, begonnen hatte. Vorsitzende Richterin ist Yvonne Gonzalez Rogers. Instagram-Chef Adam Mosseri hatte am Dienstagabend ausgesagt; Mark Zuckerberg stand noch auf der Zeugenliste. Der Vorwurf: Meta habe Funktionen bewusst so gestaltet, dass sie Jugendliche abhängig machen, und die eigenen Erkenntnisse dazu zurückgehalten. Zusätzlich sei gegen Bundesrecht verstoßen worden, weil systematisch Daten von Kindern unter 13 ohne Einwilligung der Eltern erhoben wurden.

Zur Zahl, die je nach Quelle anders lautet. Die Generalstaatsanwälte nennen 17 Milliarden Dollar, Meta selbst 18 Milliarden. Die deutsche Berichterstattung führte teils eine Spanne von 12,1 bis 17,1 Milliarden, andere Häuser „bis zu 16,7“. Für die Streuung gibt es zwei Gründe, und beide stehen in der Berichterstattung. Der erste ist eine Abgrenzungsfrage: Nach CNN entfallen gut 17 Milliarden auf die 2023 gemeinsam von 29 Bundesstaaten erhobene Klage, der Rest auf Ansprüche weiterer Staaten und Territorien; die Nachrichtenagentur AP verweist bei der Differenz auf eine große Zahlung an Texas. Der zweite Grund ist eine Bedingung im Vergleich selbst: 30 Prozent der Summe — rund 5,3 Milliarden Dollar — werden nur ausgeschüttet, wenn YouTube und TikTok zwei Bedingungen erfüllen: vergleichbare Schutzfunktionen einführen (darunter ein Tageslimit von einer Stunde, eine Nachtsperre und Altersverifikation) und denselben Betrag zahlen, aufgeteilt zwischen beiden. Wer die Untergrenze nennt, rechnet ohne diesen Teil; wer die Obergrenze nennt, rechnet mit ihm. Weder Google noch TikTok äußerten sich zunächst. Richterin Gonzalez Rogers hat den Vergleich am Mittwoch gebilligt.

Was Meta konkret zusagt. Ein „hartes Limit“ für die tägliche Nutzungsdauer und Zwangspausen für Kinder auf Instagram und Facebook. Jugendkonten sind künftig standardmäßig auf zwei Stunden Gesamtnutzung pro Tag über beide Plattformen begrenzt; zum Abschalten braucht es die Erlaubnis eines Elternteils. Push-Benachrichtigungen während der Schulzeit an Wochentagen entfallen. Dazu kommen „robuste“ Altersverifikation, altersgerechte Inhaltssteuerung gegen Mobbing sowie Material zu Essstörungen und Selbstverletzung, stärkere Elternkontrollen und Einschränkungen bei Vergleichsfunktionen — Likes auf Beiträgen Jugendlicher werden standardmäßig ausgeblendet, „extreme Schminkfilter“ blockiert. Ein unabhängiger Auditor prüft Umsetzung und Wirksamkeit.

Die Auszahlung läuft über zehn Jahre. Kalifornien erhält nach Angaben seines Generalstaatsanwalts Rob Bonta mindestens 1,5 Milliarden Dollar, New Jersey mindestens 525 Millionen, Massachusetts 366 Millionen, Virginia 353 Millionen. Das Geld soll Programme für Online-Sicherheit von Jugendlichen finanzieren.

Die Einordnung. Virginias Generalstaatsanwalt Jay Jones erklärte: „Jahrelang hat Meta die Öffentlichkeit vorsätzlich über die süchtig machenden und schädlichen Designmerkmale getäuscht, die verheerende Folgen für die psychische Gesundheit Jugendlicher hatten.“ Meta schrieb in einem Blogbeitrag, man baue „auf unseren langjährigen Bemühungen auf, Eltern zu stärken und Jugendliche zu unterstützen“, und forderte TikTok und YouTube auf, gleichzuziehen. Ein Schuldeingeständnis enthält der Vergleich nicht.

Zwei Zahlen zum Maßstab. 17 Milliarden Dollar sind ein Bruchteil von Metas Jahresumsatz 2025 in Höhe von 201 Milliarden. Und im Oakland-Verfahren standen nach CNN-Darstellung Forderungen der vier klagenden Bundesstaaten von bis zu 1,4 Billionen Dollar im Raum; AP führt dieselbe Zahl als Metas eigene Schätzung möglicher Strafen aus einer Gerichtseingabe. Gemessen daran ist der Vergleich für das Unternehmen ein sehr guter Tag. Offen bleiben Verfahren in einzelnen Bundesstaaten — in Los Angeles und New Mexico haben Jurys bereits gegen Meta entschieden.

Zur Quellenlage: Die Recherche stammt von Reuters, das nach eigenen Angaben „Dutzende interner Dokumente, Beiträge und Aufzeichnungen“ ausgewertet und mit „mehr als 20 Personen mit Kenntnis von Metas Innenleben“ gesprochen hat. Wir stützen uns auf die Aufarbeitung bei Ars Technica, weil wir den Reuters-Text selbst nicht im Volltext gegenlesen konnten. Meta hat die Existenz des Vorhabens bestätigt und zu einzelnen Punkten widersprochen; beides steht unten.

Der Plan. Meta hat Anfang dieses Jahres ein Vorhaben mit dem internen Namen Project OT (für organization transformation) aufgesetzt. Ziel war, das Unternehmen „AI native“ zu machen. Eines der ausgewerteten Dokumente definiert das so: ein Unternehmen, in dem „KI-fähige Werkzeuge und Agenten interagieren, Arbeitsabläufe automatisiert sind und Neuentwicklungen KI-zuerst entstehen“. Dazu gehört ausdrücklich auch, KI-Agenten an Dritte zu verkaufen — was Meta im Juni begonnen hat.

Die Größenordnung. Nach der Reuters-Darstellung prüfte das Vorhaben Szenarien, in denen einzelne Teams um bis zu 60 Prozent verkleinert würden, mit zwei geplanten Entlassungsrunden. Eine Personalführungskraft wird mit der Einschätzung zitiert, unter diesen Szenarien wäre die Gesamtbelegschaft um rund 25 Prozent oder mehr geschrumpft. Einen Teil der Einsparung wollte Meta laut Bericht für die Bezahlung besonders leistungsstarker Beschäftigter verwenden, insbesondere solcher mit KI-Entwicklungsprofil. Zuckerberg habe das Vorhaben in Gang gesetzt und Führungskräfte angewiesen, die Änderungen an den Managementstrukturen umzusetzen.

Die erste Runde kam, die zweite nicht. Im Mai wurde entlassen. Unmittelbar danach sagte Zuckerberg die für November geplante zweite Welle ab. Reuters schreibt ausdrücklich, man habe „nicht ermitteln können, was genau Zuckerberg zum Kurswechsel bewogen hat“.

Aber die internen Beiträge geben starke Hinweise. Zwei Zahlenpaare stehen im Bericht. Erstens die Produktivitätsschere: Änderungen an den internen Softwareplattformen stiegen laut einem Beitrag von Technikchef Andrew Bosworth von Anfang Juni um 220 Prozent gegenüber dem Vorjahr — Änderungen, die tatsächlich als neue oder verbesserte Funktion bei Nutzern ankamen, aber nur um 36 Prozent. Sehr viel mehr Bewegung, sehr viel weniger Ergebnis. Zweitens die Kostenseite: Interne Beiträge verweisen auf KI-Agenten, die „großflächige, störende Handlungen vornehmen, die Menschen unwahrscheinlich ausführen würden“, und auf einen Anstieg schwerer technischer und Sicherheitsvorfälle um 40 Prozent gegenüber dem Vorjahr. Die Zeit, die Beschäftigte für deren Behebung aufwenden mussten, stieg um bis zu 70 Prozent. Zu diesen internen Beiträgen wollte sich Meta nicht äußern.

Zuckerberg selbst hat es im Juli eingeräumt. In einer Firmenversammlung sagte er nach dem Bericht, der „Verlauf der agentischen Entwicklung hat sich zumindest in den letzten vier Monaten nicht wirklich so beschleunigt, wie wir es erwartet hatten“.

Metas Stellungnahme. Das Unternehmen erklärte gegenüber Reuters: „Im Rahmen unserer Umstrukturierung Anfang des Jahres haben wir einige Teams gebeten, eine Szenarioplanung zu den möglichen Auswirkungen von Umschichtungen, Streichungen offener Stellen und Kürzungen durchzuführen.“ Das habe dazu geführt, dass Tausende Beschäftigte auf neu geschaffene Teams verschoben wurden. „Letztlich haben wir nicht jedes Szenario aus der Übung weiterverfolgt — und es wurde nie angenommen, dass wir das tun würden.“ Zur Rolle von KI bei Personalentscheidungen sagte Meta ausdrücklich: „Leistungsbewertungen und Beförderungsentscheidungen wurden und werden von Menschen getroffen, nicht von KI.“

Warum das über Meta hinaus zählt. Es ist der bislang detaillierteste dokumentierte Fall eines Konzerns, der den Umbau zur agentenbetriebenen Organisation ernsthaft durchgerechnet — und dann selbst gestoppt hat. Die Kennzahlen sind dabei die eigentliche Nachricht: nicht ob Agenten mehr Arbeit produzieren (das tun sie), sondern ob diese Arbeit am anderen Ende ankommt. Wir haben am 24. August die Debatte über den KI-bedingten Stellenabbau in Deutschland beschrieben, in der die Bundesregierung die vorliegenden Studien für „methodisch kaum belastbar“ hält. Metas interne Zahlen sind keine Studie — aber sie stammen aus dem Unternehmen, das den Umbau am weitesten getrieben hat. Wir vertiefen das in der Reportage dieser Ausgabe.

Der Anlass. Bill Gates hat auf seinem Blog Gates Notes einen langen Text unter dem Titel „A turbulent AI era and critical choices to make“ veröffentlicht. Der Beitrag stand am Mittwoch mit 180 Punkten weit oben auf Hacker News. Bemerkenswert ist weniger der Alarmismus als der Absender: Gates gehörte über Jahre zu den prominentesten Optimisten der Branche.

Vorschlag eins: die Robotersteuer. Gates will Roboter ähnlich besteuert sehen wie Arbeitskräfte. Seine Begründung: „Das Steuersystem drängt einen dazu, Menschen durch Maschinen zu ersetzen.“ Eine solche Steuer würde „den Ansturm weg von menschlicher Arbeit ein wenig verlangsamen und Geld für Umschulung und ein stärkeres soziales Netz aufbringen“ — die Einschränkung steht so im Original. Neu ist die Idee bei ihm nicht — Gates hatte sie bereits 2017 vorgebracht —, neu ist der Kontext, in dem er sie jetzt wieder aufruft.

Vorschlag zwei: „Human Reserved“-Berufe. Gates schlägt vor, bestimmte Tätigkeiten ausdrücklich für Menschen zu reservieren. Er nennt zwei Begründungslinien. Die eine ist ökonomisch: Ein Bauarbeiter, dessen Tätigkeit wegfällt, wechselt nicht ohne Weiteres in die Pflege. Die andere ist ethisch: Die Diagnose einer unheilbaren Krankheit sollte ein Mensch überbringen.

TechCrunch macht auf einen Punkt aufmerksam, der die Vorschläge einordnet: Beide würden die Gewinne der großen KI-Labore schmälern. Eine Robotersteuer verteuert genau die Substitution, deren Versprechen den Marktwert dieser Unternehmen trägt; reservierte Berufe nehmen adressierbaren Markt heraus. Wer diese Woche Anthropics 30-Billionen-Dollar-Rechnung gelesen hat, sieht, an welcher Stelle die Rechnung dann kürzer würde.

Wo Gates steht. Er unterstützt nach TechCrunch-Darstellung die Initiative Pacing the Frontier, mit der Beschäftigte aus KI-Unternehmen eine Verlangsamung fordern, hält deren Durchsetzbarkeit aber für fraglich. Die Vorteile in Wissenschaft und Gesundheit bejaht er weiterhin ausdrücklich; seine Sorge gilt dem Arbeitsmarkt und der Frage, ob die Welt auf den Umbruch vorbereitet ist — nach seiner Einschätzung ist sie es nicht.

Der China-Teil. Nach Bericht des Spiegel will Gates im November nach China reisen und dort bei Präsident Xi Jinping für ein globales Regelwerk gegen KI-Gefahren werben. Er halte Erfolg für möglich — allerdings nur, wenn die USA in Vorleistung gingen. In seinem Gespräch mit MIT Technology Review geht er noch weiter und sagt, man habe die Gefahrenschwellen der Technologie bereits überschritten.

Einordnung. Es ist ein Meinungsbeitrag, keine Nachricht über eine Entscheidung. Sein Gewicht bezieht er aus dem Rollenwechsel und aus dem Zeitpunkt: In derselben Woche legt Nvidia Rekordzahlen vor, Anthropic bereitet den größten Börsengang der Geschichte vor, und Meta muss einräumen, dass der eigene Agentenumbau nicht funktioniert hat.

Der Fund. Eine Webseite, die im Namen des Hanover Institute for Public Policy publiziert, hat nach einer Analyse des Guardian zwischen dem 6. und 14. August 124 Berichte mit über 560.000 Wörtern veröffentlicht — im Schnitt 4.500 Wörter je Bericht. Allein am 12. und 13. August entstanden 73 Berichte mit fast 354.000 Wörtern. Das Institut existiert in keiner Rechtsordnung als juristische Person, hat keine Anschrift, keine namentlich genannten Mitarbeiter und keine Verfasserzeilen. Seine eigenen Nutzungsbedingungen unterliegen dem Recht „des Staates, in dem das Institut ansässig ist“ — welcher das ist, sagt die Seite nicht.

Wer dahintersteht. Die New Yorker Medienproduktionsfirma Piro Inc hat die Seite in diesem Monat beim US-Justizministerium nach dem Foreign Agents Registration Act von 1938 als Material angemeldet, das sie für die israelische Regierung verbreitet. Sie ist laut Guardian Teil eines größeren, mit „zweistelligen Millionenbeträgen“ der israelischen Regierung finanzierten Vorhabens, geführt unter anderem über die europäische Werbegruppe Havas Media. Ein Vertrag zwischen Havas und einer weiteren amerikanischen Firma verpflichtet diese ausdrücklich zum „Einsatz von Websites und Inhalten, um GPT-Framing-Ergebnisse in GPT-Konversationen zu liefern“.

Der technische Teil ist der interessante. Die Seite trug anfangs eine llms.txt — eine Datei, die KI-Systemen mitteilt, was eine Website enthält und wie sie zu lesen ist. Es war die Standarddatei von Res, einer nach eigener Beschreibung „KI-nativen Content-Plattform, die B2B-Teams hilft, von ChatGPT, Perplexity, Claude und Gemini zitiert zu werden“. Das Geschäftsfeld heißt in der Branche Generative Engine Optimization. Der Guardian archivierte die Datei am 13. August; inzwischen wurde sie durch eine maßgeschneiderte Fassung ersetzt, und Res wird auf der Seite nicht mehr genannt. Res-Gründer Hai Tran registrierte sich am 22. Juli beim Justizministerium als Unterauftragnehmer von Piro im israelischen Mandat, Funktionsbezeichnung „digital strategist“. Piros eigene Website bewirbt einen Dienst namens AI Story Optimization, unter dem sie „Inhalte verfasst, die darauf ausgelegt sind, wie LLMs Glaubwürdigkeit bewerten“ — geliefert „auf Ihrer Seite oder auf vertrauenswürdigen Drittanbieter-Eigenschaften, die wir aufbauen“.

Wie die Texte gebaut sind. Alle bis auf eine der 124 Überschriften beginnen mit einer Frage, wie man sie in einen Chatbot tippen würde — „Is Anti-Zionism Antisemitism?“, „Is Israel Carrying Out a Genocide in Gaza?“. Die Texte wirken akademisch und sind sorgfältig belegt, mit Zitaten von Weltbank, UN-Organisationen und Amnesty International. Die Rahmung ist dabei konstant: Wo Menschenrechtsorganisationen Feststellungen getroffen haben, vermerken die Berichte, dass kein Gericht darüber geurteilt habe — eine Formulierung, die der Guardian in 20 der 124 Berichte zählt. Opfer- und Hilfszahlen werden „einer Konfliktpartei“ zugeschrieben, ein Vorbehalt in 55 Berichten. Eine einzelne Studie aus dem Jahr 2022 über antisemitische Kommentare auf Facebook-Seiten britischer, französischer und deutscher Medien wird 454-mal in 88 der 124 Berichte zitiert, auch in thematisch völlig unverbundenen Texten.

Das eigentliche Ziel sind nicht die Leser. Nick Cleveland-Stout vom Quincy Institute, der über die Seite berichtet hat, nennt gegenüber dem Guardian zwei Wege: Der erste sei, Seiten zu veröffentlichen und zu hoffen, dass Chatbots sie zitieren. Der zweite, „das Besorgniserregendere und potenziell Wirksamere“, sei, Material in Sammlungen wie Common Crawl zu bekommen — jene Datenbestände, aus denen kommerzielle Modelle trainiert werden. „Wenn der Chatbot Narrative wiedergibt, auf die er trainiert wurde, wird er die Quellen nicht einmal zitieren“, sagt er. „Man wird es nicht mehr faktenprüfen können.“ Ein älteres Netzwerk hat diesen Weg bereits genommen: Die sieben Seiten von Clock Tower X, der Firma des früheren Trump-Wahlkampfleiters Brad Parscale, tauchten im Juli-Index von Common Crawl 294-mal auf. Das Hanover Institute noch nicht — seine Berichte erschienen erst nach Schluss dieses Crawls.

Warum das hier steht. Für Unternehmen ist das keine außenpolitische Meldung, sondern eine Frage der Quellenhygiene. Wenn ein Rechercheassistent eine Frage beantwortet, entscheidet die Zusammensetzung des Trainings- und Retrieval-Materials darüber, was er sagt. Eine Industrie, die verspricht, genau diese Zusammensetzung zu bewirtschaften, ist bereits entstanden — und ihre größten Auftraggeber sind nicht Startups. Gestern haben wir den umgekehrten Fall beschrieben: eine russische Einflusskampagne, die einen erfundenen israelischen Thinktank verwendete und deren Konten OpenAI gesperrt hat.

Das Verfahren. Bei AutoID, einer der Postident-Varianten der Deutschen Post, fotografieren Nutzerinnen und Nutzer beide Seiten ihres Ausweisdokuments mit dem Smartphone und nehmen anschließend ein Selfie-Video auf, bei dem die App Kopfbewegungen vorgibt. Das System prüft nach Anbieterangabe automatisch „erfasste Daten, Sicherheitsmerkmale und Echtheit der Aufnahmen“.

Der Schalter. Vor dem Start der Identifizierung erscheint eine Einwilligung, die sich nicht überspringen lässt. Wer fortfahren will, muss zustimmen, dass „Postident die erfassten Ausweis- und Nachweisdaten zur Qualitätssicherung und zum Training von KI-Modellen speichern und verarbeiten“ darf. Damit fließen biometrische und Ausweisdaten direkt in die Trainingsbestände des Unternehmens.

Die Begründung des Unternehmens. Ohne fortlaufend aktualisierte Daten drohe ein „schleichender Qualitätsverlust“ des Systems. Der Datenschutzexperte Christian Aretz bestätigt gegenüber netzpolitik.org, dass eine solche Einwilligung nach der Datenschutz-Grundverordnung grundsätzlich eingeholt werden darf — entscheidend ist, dass es Alternativen gibt. Die gibt es: Postident bietet weiterhin andere Identifizierungswege, darunter die eID-Funktion des Personalausweises, die Fachleute wegen ihrer Datensparsamkeit und ihres Sicherheitsniveaus bevorzugen.

Der Punkt, an dem es interessant wird, ist die Vorgeschichte. Bis 2023 stand in der Datenschutzerklärung des Unternehmens der Satz, es würden „keine personenbezogenen Daten für die Softwareentwicklung verwendet“; entwickelt werde „ausschließlich mit öffentlichen Beispieldatensätzen und anonymisierten Daten“. Diese Zusage ist entfallen.

Eine Nutzerstimme aus dem Artikel. Ein Betroffener, im Text Jochen G. genannt, sagt: „Die Kombination aus Ausweisdaten und Gesichtsscan fühlte sich sehr übergriffig an.“ Er wich auf die eID aus. Wie viele Menschen AutoID nutzen, will die Deutsche Post aus Wettbewerbsgründen nicht sagen.

Warum das über einen Einzelfall hinausreicht. Biometrische Identifikationssysteme brauchen frische, echte Daten, weil sich Angriffsmuster ändern — das ist technisch nachvollziehbar. Die Frage ist, ob die Einwilligung dazu am Anfang eines Vorgangs stehen darf, den viele Menschen nicht freiwillig durchlaufen, sondern weil eine Bank, eine Versicherung oder eine Behörde sie dazu auffordert. Wer im Unternehmen entscheidet, welchen Identifizierungsweg Kundinnen und Kunden angeboten bekommen, trifft damit auch eine Entscheidung über deren biometrische Daten.

Der Rahmen. Das Bundeskabinett hat sich zu einer zweitägigen Klausur auf Schloss Neuhardenberg in Brandenburg zurückgezogen. Der erste Tag galt der wirtschaftlichen Wettbewerbsfähigkeit und der künstlichen Intelligenz. Neben Kanzler Friedrich Merz nahmen unter anderem Kanzleramtschefin Nina Warken und Digitalminister Karsten Wildberger teil. Wirtschaftsministerin Katherina Reiche fehlte — mit ihr fielen laut taz auch die Tagesordnungspunkte zu Energieinfrastruktur und Erneuerbaren aus.

Die Zielformulierung. Merz erklärte, Deutschland solle „der führende Standort für industrielle KI“ werden. Konkret nennt die Regierung: eine Verdopplung der allgemeinen Rechenzentrumskapazität, eine Vervierfachung der Hochleistungsrechenkapazität für KI-Anwendungen und 28 gesetzgeberische Vorhaben im Rahmen der Rechenzentrumsstrategie des Bundes.

Der bemerkenswerte Teil ist eine Absage. Bei den großen Sprachmodellen sei Deutschland „abgehängt“ — dort will die Regierung ausdrücklich nicht aufholen. Der Schwerpunkt liegt stattdessen auf industriellen Anwendungen. Wildberger verwies darauf, dass sich in „Produktionsprozessen“ die deutsche Fertigungskompetenz einbringen lasse, etwa über maschinelles Lernen und vorausschauende Wartung. Das ist eine bewusste Verengung des Anspruchs, und sie ist begründbar — sie bedeutet aber auch, dass die Modellebene dauerhaft eingekauft wird.

Die Zahlen zur Finanzierung. Finanzminister Lars Klingbeil sagte nach einem Bericht von Euronews zu, die Investitionen in Forschung und Entwicklung würden „im Jahr 2027 um 60 Prozent im Vergleich zu 2026 steigen“. Gefördert werde „KI made in Germany und Chips made in Germany“.

Und der Satz, der zitiert wurde. Klingbeil begründete die Notwendigkeit größerer Unabhängigkeit damit, dass nicht die „Techbros im Silicon Valley mit ihrer gefährlichen Ideologie“ über die Zukunft der KI entscheiden sollten. Namen nannte er nicht; die Berichterstattung ordnet die Formulierung Elon Musk und Peter Thiel zu — das ist Interpretation der Medien, nicht Aussage des Ministers.

Der Realitätsabgleich. Eine von der taz zitierte Bitkom-Erhebung hält fest: 94 Prozent der Industrieunternehmen halten KI in der Fertigung für relevant, 46 Prozent sehen sich gegenüber dem internationalen Wettbewerb im Rückstand. Zwischen der Einsicht und der Umsetzung liegt also der größere Teil des Weges — und Rechenzentrumskapazität allein schließt diese Lücke nicht. Am 24. August hatten wir berichtet, dass das neue nationale Rechenzentrenregister erst 482 von rund tausend meldepflichtigen Anlagen erfasst.

Was es ist. Perplexity hat einen agentischen Dienst namens Portable Computer gestartet. Anders als ein Chatbot, der auf eine Eingabe antwortet, plant er mehrstufige Abläufe, führt Zwischenschritte aus und arbeitet an längeren Aufgaben weiter. Er greift dabei auf Dateien, Anwendungen und Daten zu und kann optional Webrecherche einbeziehen.

Der eigentliche Punkt ist das „lokal“. Der komplette Stapel — Sprachmodell, Inferenz, Planung, Werkzeugsteuerung, Aufgabenwarteschlange — läuft auf dem Gerät. Daten bleiben dort, sofern nicht ausdrücklich Cloudzugriff freigegeben wird. Besonders aufwendige Aufgaben darf der Agent nach Rückfrage in die Cloud eskalieren; dabei sollen Schutzmechanismen verhindern, dass sensible lokale Daten mitwandern. Lokal ausgeführte Aufgaben verbrauchen keine Credits — ein Pro- oder Max-Abonnement wird für den Zugang aber vorausgesetzt.

Die Hardware-Hürde. Zum Start läuft das Ganze auf Nvidias DGX Spark (unverbindliche Preisempfehlung 4.700 US-Dollar). Für spätere PC-Unterstützung nennt Perplexity mindestens 24 GB VRAM — das entspricht einer GeForce RTX 3090 oder besser. Linux kommt vor Windows.

Die Modelle und die Zahl, die man einordnen sollte. Angeboten werden Qwen 3.8 27B und eine hauseigene Variante namens PPLX 27B. Auf selbst entwickelten Testreihen zu Recherche, Finanzanalyse und Dokumenterstellung meldet Perplexity für PPLX 27B 85,4 Prozent. Das ist eine Herstellerangabe auf einem Herstellerbenchmark; eine unabhängige Prüfung steht aus.

Einordnung. Die Rechnung, die Perplexity aufmacht, ist einfach: Wer regelmäßig agentische Arbeit fahren lässt, zahlt in der Cloud pro Token — und agentische Läufe verbrauchen sehr viele davon. Ein einmaliger Hardwarekauf im niedrigen vierstelligen Bereich kann sich dagegen rechnen, wenn die Auslastung stimmt. Für Unternehmen mit Datenschutzauflagen kommt hinzu, dass „bleibt auf dem Gerät“ eine Zusage ist, die sich prüfen lässt. Der Preis dafür ist Modellgröße: 27 Milliarden Parameter sind kein Spitzenmodell. Wir haben den zugrundeliegenden Trend zur Verlagerung aufs Gerät gestern am Beispiel des neuen Mac Studio beschrieben.

Die Ankündigung. Google hat Gemini 3.5 Transcribe vorgestellt, ein Sprache-zu-Text-Modell, das nach Anbieterbeschreibung „Rohaudio direkt in akkuraten, geschliffenen, formatierten Text“ überführt. Der Unterschied zur klassischen Spracherkennung liegt darin, dass Formatierung, Zeichensetzung und Bereinigung nicht in einem nachgelagerten Schritt passieren.

Die Zahlen. Google nennt eine Wortfehlerrate von 4,0 Prozent im Streaming-Betrieb und 2,6 Prozent bei vorab aufgezeichnetem Material. Auf dem mehrsprachigen Benchmark FLEURS stehen 5,50 beziehungsweise 5,04 Prozent. Die Zeit bis zur endgültigen Transkription soll gegenüber dem Vorgängermodell Chirp 3 um 70 Prozent gesunken sein. Alle Werte stammen vom Anbieter.

Der Funktionsumfang. Unterstützt werden über 85 Sprachen mit automatischer Erkennung, dazu ein anpassbares Fachvokabular für Jargon und Sprechertrennung für bis zu drei Personen (mehr als drei ist experimentell). Über Function Calling kann das Modell aufwendigere Teilaufgaben an andere Gemini-Modelle abgeben. Zwei Zugänge sind in der öffentlichen Vorschau: Echtzeit-Streaming über die Live API (gemini-3.5-transcribe-live) und vorab aufgezeichnetes Material über die Interactions API (gemini-3.5-transcribe). In Produkten steckt es bereits in Gboard, der Gemini-App für macOS und Google Antigravity; Chrome soll folgen. Preise nennt die Ankündigung nicht.

Der Vorbehalt, den man mitdenken sollte. Ein Modell, das Selbstkorrekturen und Füllwörter entfernt, produziert angenehmere Protokolle — und keine wortgetreuen. Für Besprechungsnotizen ist das ein Fortschritt. Für alles, was später als Beleg dienen soll — Interviews, Anhörungen, Compliance-Dokumentation, medizinische Aufzeichnungen —, ist ein aufgeräumtes Transkript ein Transkript mit stillen Eingriffen. Wer das Modell einführt, sollte wissen, welche der beiden Nutzungsarten im Haus überwiegt.

Strang eins: die Übernahme. Amazon kauft Duck Labs, das Amsterdamer Unternehmen hinter DuckDB. Die Firma hat rund 30 Beschäftigte, wurde vor etwa fünf Jahren gegründet und hat bislang kein Wagniskapital angenommen. Die Mitgründer Hannes Mühleisen und Mark Raasveldt führen Duck Labs innerhalb von AWS weiter, das als eigenständige Organisation erhalten bleiben soll. Der Kaufpreis wurde nicht genannt; der Vollzug wird in Wochen erwartet.

Was DuckDB ist und warum die Lizenzfrage zählt. DuckDB ist eine schlanke relationale SQL-Datenbank für Datenanalyse, die in vielen Fällen direkt im Prozess der Anwendung läuft, ohne Server. Sie hat sich in den vergangenen Jahren zu einem Standardwerkzeug in Datenpipelines entwickelt — auch in solchen, die KI-Systeme mit Daten versorgen. Zum Projekt gehören außerdem Duck Lake und Quack. Die MIT-Lizenz bleibt, das Projekt bleibt unter Führung der unabhängigen DuckDB Foundation. Amazon erklärt: „Gemeinsam werden wir die Analytik von AWS schneller, einfacher und kosteneffizienter für unsere Kunden machen.“ Der Seattler Clouddienstleister Mother Duck ordnet den Schritt so ein: „Generell beschleunigt das ein Projekt, weil es Verbreitung, Aufmerksamkeit und Standardisierung bringt.“

Strang zwei: die Schließung. Am selben Tag wurde bekannt, dass Amazon Mechanical Turk zum 30. September endgültig schließt. Seit Juli werden keine neuen Kunden mehr angenommen. Die Plattform startete im Herbst 2005; ihr Name verweist auf den Schachautomaten des 18. Jahrhunderts, der vollautomatisch zu spielen schien und in Wahrheit von einem versteckten Menschen bedient wurde. Jeff Bezos nannte den Dienst „künstliche künstliche Intelligenz“. Über 500.000 Menschen boten dort ihre Arbeitskraft an — für „einfache und sich wiederholende Aufgaben“ wie das Erkennen von Objekten auf Fotos.

Die Begründung ist dünn, die Erklärung naheliegend. Amazon verweist vage auf regelmäßige Überprüfungen von „Programmen, Werkzeugen und Diensten“. Fachleute führen den Niedergang auf die zunehmende Leistungsfähigkeit der KI-Systeme zurück — jener Systeme, deren Trainingsdaten in großen Teilen auf ebendieser Plattform von Hand beschriftet wurden. Einige Menschen bestreiten damit weiterhin ihren Lebensunterhalt in Vollzeit und stehen nun ohne diese Einnahmequelle da.

Warum beides in einen Artikel gehört. Amazon kauft am selben Tag die Infrastruktur, mit der Maschinen Daten verarbeiten, und schließt die Infrastruktur, mit der Menschen Daten aufbereiteten. Das ist kein geplanter Kontrast — aber ein präziser.

Die Runde. Instinct, das Produkt der Firma Spear Street Technology, hat in einer Series B insgesamt 350 Millionen US-Dollar bei einer Bewertung von 2,5 Milliarden eingesammelt. Angeführt wird die Runde von Index Ventures und Benchmark. Das Unternehmen ist ein Jahr alt. Geführt wird es von Noah Shinn, 23 Jahre alt.

Was das Produkt macht. Ein KI-Agent, der beim Organisieren des Alltags hilft: Er verbindet sich mit anderen Anwendungen und Geräten und kommuniziert per Text und Anruf. Shinn beschreibt die Nutzung gegenüber TechCrunch so, Nutzer hätten „Roadtrips quer durchs Land geplant, wöchentliche Lebensmittel und Konzertkarten gekauft und hunderte Dollar an Abonnements gekündigt“. Das Produkt ist weiterhin in geschlossener Beta.

Die Vorgeschichte, die zu dieser Runde gehört. Am 25. August haben wir die Nutzungsbedingungen der App beschrieben: Sie räumen dem Anbieter eine „dauerhafte und unwiderrufliche“ Lizenz an den Inhalten ein, einschließlich der Verwendung für Modelltraining — bei einem Assistenten, der Mails liest, den Bildschirm sieht und im Namen der Nutzerin Verträge schließen darf. TechCrunch nennt die App auch in der aktuellen Meldung im Zusammenhang mit „großzügigen Berechtigungen und Nutzungsbedingungen, die Nutzer als invasiv empfinden“.

Die Einordnung. 350 Millionen Dollar für ein Produkt in geschlossener Beta sind eine Wette auf Verbreitung, nicht auf Umsatz. Und sie ist ein Datenpunkt zur Frage, wie der Markt Datenzugriff bewertet: Die Debatte um die Nutzungsbedingungen hat der Bewertung offensichtlich nicht geschadet.

Was veröffentlicht wurde. Nvidia hat CUDA Python 1.0 freigegeben — eine Python-Schnittstelle zu CUDA auf demselben Niveau wie C++. Mehrere bislang getrennt gepflegte Pakete stehen jetzt unter einem gemeinsamen Versionsplan: cuda.core für Geräte, Streams und Speicher, cuda.compute für parallele Algorithmen (sort, scan, reduce, transform, unique, histogram, top-k), cuda.bindings für die unmittelbaren C-API-Bindungen, cuda-pathfinder zum Auffinden installierter CUDA-Komponenten sowie nvmath-python für Mathematikbibliotheken.

Die Ansage. Nach Nvidias eigener Darstellung werden Bibliotheken „wie PyTorch, CuPy oder RAPIDS überflüssig, die Python-Entwickler bislang benötigten, um C++-Funktionen von CUDA nutzen zu können“. Das ist als Beschreibung des Zugangsweges zu lesen, nicht als Behauptung, ein Framework wie PyTorch sei ersetzt — dessen Wert liegt im Ökosystem, nicht in der Bindung an CUDA. Praktisch relevant ist der Nebeneffekt: Mehrere Komponenten greifen jetzt über gemeinsame zugrundeliegende Objekte auf CUDA zu, was Reibungen zwischen ihnen reduziert. Die API ist stabil und semantisch versioniert.

Installation: pip install cuda-python cuda-cccl numba-cuda-mlir[cu13].