Ausgabe vom 8. September 2026

Der größte Börsengang der Geschichte verschiebt sich um einige Wochen — und der Grund dafür sagt mehr über die Finanzierung von KI-Unternehmen aus als die Rekordzahlen, die ihn begleiten.

Zum Bestätigungsgrad vorweg: Die Meldung stammt aus einem Reuters-Exklusivbericht von Echo Wang vom 4. September, der sich ausschließlich auf ungenannte, mit dem Vorgang vertraute Personen stützt. Reuters weist selbst darauf hin, dass sich die Pläne weiter ändern können. Anthropic hat sich nicht geäußert — weder bestätigend noch dementierend. heise online hat den Bericht am Montag aufgegriffen.

Der Inhalt: Die Veröffentlichung des Börsenprospekts, ursprünglich schon für diese Woche erwartet, wird demnach nicht vor Ende September kommen. Die Werbephase bei Investoren beginnt frühestens Mitte Oktober, die Erstnotiz soll wenige Tage vor den US-Zwischenwahlen am 3. November liegen.

Der genannte Grund ist bemerkenswert unspektakulär und gerade deshalb aufschlussreich: Anthropic verhandelt parallel über eine revolvierende Kreditlinie von 15 Milliarden Dollar, und den daran beteiligten Banken soll die übliche Zeit für den Abschluss eingeräumt werden. Bloomberg hatte über die Aufstockung dieser Linie bereits zuvor berichtet; an diesem Punkt decken sich zwei voneinander unabhängige Agenturen.

Wer Unternehmensfinanzierung liest, erkennt hier ein Muster. Eine revolvierende Kreditlinie ist im Kern ein Dispokredit für Konzerne: eine zugesagte Summe, die man abrufen und zurückzahlen kann, ohne jedes Mal neu zu verhandeln. Dass ein Unternehmen dieses Instrument unmittelbar vor dem Börsengang festzurrt, ist kein Warnsignal, sondern Routine — Emissionsbanken sehen es gern, wenn die Liquidität eines Kandidaten nicht allein am Emissionserlös hängt. Es zeigt aber, wie kapitalintensiv das Geschäft ist: Selbst ein Unternehmen, das rund hundert Milliarden Dollar einsammeln will, sichert sich daneben noch einen zweistelligen Milliardenrahmen an Fremdkapital.

Die Größenordnungen

Anthropic zielt Berichten zufolge auf ein Emissionsvolumen von rund 100 Milliarden Dollar bei einer Bewertung von zwei Billionen Dollar. Zum Vergleich: SpaceX nahm bei seinem Börsengang im Juni 2026 rund 86 Milliarden Dollar ein und hält damit den bisherigen Rekord; davor lag er beim saudischen Ölkonzern Aramco, der 2019 auf 29 Milliarden kam. SpaceX erreichte zwischenzeitlich eine Bewertung von etwa 2,4 Billionen Dollar und steht derzeit bei rund 1,95 Billionen.

Die Geschäftszahlen dahinter sind real und wachsen schnell. Anthropic bezifferte den auf ein Jahr hochgerechneten Umsatz Ende Juli auf 65 Milliarden Dollar, nach 47 Milliarden im Mai; für das gesamte Jahr 2025 waren es rund zehn Milliarden. Den vertraulichen Entwurf des Formulars S-1 hat das Unternehmen am 1. Juni bei der US-Börsenaufsicht eingereicht — das ist der einzige Teil dieser Geschichte, den Anthropic selbst öffentlich gemacht hat. Die letzte private Finanzierungsrunde bewertete das Unternehmen Ende Mai mit 965 Milliarden Dollar.

Die Zahl, die nicht aufgeht

Interessanter als die Bewertung ist ihre Begründung. Ende August wurde berichtet, Anthropic stelle Investoren einen adressierbaren Gesamtmarkt von 30 Billionen Dollar in Aussicht — etwa ein Viertel der globalen Wirtschaftsleistung. Die Herleitung ist der gesamte Umfang jener Arbeit, die sich grundsätzlich mit KI-Modellen erledigen ließe.

Das Wall Street Journal hat dagegen eine schlichte Gegenrechnung gestellt: Die 191 Technologieunternehmen im US-Index S&P 1500 erzielten zuletzt zusammen 2,4 Billionen Dollar Umsatz — weniger als ein Zehntel der behaupteten Marktgröße. Solche Zahlen messen nicht einen Markt, sondern eine Erzählung. Für Unternehmen, die gerade Budgets für KI-Werkzeuge planen, ist das der eigentlich nützliche Hinweis: Die Preisgestaltung der Anbieter folgt derzeit einer Wachstumsgeschichte, die auf weitgehende Automatisierung von Wissensarbeit hinausläuft. Ob sie eintrifft, entscheidet darüber, ob die heutigen Tokenpreise Einführungsangebote oder Dauerzustand sind.

Wir haben am 5. September beschrieben, wie die Governance nach dem Börsengang aussehen soll: Der Long-Term Benefit Trust behält Einfluss auf die Besetzung des Verwaltungsrats, Aktionäre kaufen also einen Anteil, aber keine Kontrolle. Vor diesem Hintergrund ist die Terminfrage mehr als Kalenderpflege. Ein Börsengang wenige Tage vor einer Zwischenwahl ist ein Wettlauf gegen ein Zeitfenster, in dem die Marktstimmung noch einigermaßen berechenbar ist.

Der TÜV-Verband hat am Montag in Berlin angekündigt, was die deutsche Prüfbranche seit Jahren vorbereitet: ein gemeinsames Rahmenprogramm zur Zertifizierung von KI-Systemen. Es wird derzeit mit Pilotpartnern erprobt und soll ab Ende 2026 schrittweise verfügbar sein.

Das Programm umfasst drei Stufen, die sich in Prüftiefe und Methodik unterscheiden. Die erste richtet sich an Systeme, die formal nicht in die Hochrisiko-Kategorie des AI Act fallen, und prüft grundlegende Qualitäts- und Sicherheitsanforderungen. Die zweite steht allen Systemen offen und umfasst eine strukturierte, KI-spezifische Risikobewertung anhand der Dokumentation sowie vor Ort beim Hersteller. Die dritte ergänzt unabhängige technische Tests ausgewählter Eigenschaften. Erfasst werden sowohl eigenständige KI-Anwendungen als auch KI als Bestandteil eines technischen Produkts.

Der entscheidende Satz der Mitteilung ist der über das Verhältnis zur Regulierung: Das Rahmenprogramm sei „durchgängig mit den Anforderungen der europäischen KI-Verordnung (EU AI Act) kompatibel“ und ergänze diese „gezielt um risikobasierte sowie technische Prüfaspekte“. Ergänzen, nicht ersetzen. Ein TÜV-Zertifikat ist keine Konformitätsbewertung nach dem AI Act und keine CE-Kennzeichnung, sondern ein freiwilliger Nachweis gegenüber Kunden und Geschäftspartnern.

Warum genau jetzt

Der Zeitpunkt ergibt erst Sinn, wenn man weiß, was mit dem AI Act im Sommer passiert ist. Mit der Verordnung (EU) 2026/1744 vom 8. Juli 2026, dem sogenannten Digital Omnibus on AI, hat die EU die Fristen des AI Act verschoben. Die Pflichten für Hochrisiko-Systeme nach Anhang III — dazu zählen Personalauswahl, Kreditwürdigkeitsprüfung, Bildung und kritische Infrastruktur — greifen nicht mehr seit dem 2. August 2026, sondern erst ab dem 2. Dezember 2027. Für Hochrisiko-Systeme nach Anhang I, also KI als Sicherheitsbauteil in ohnehin regulierten Produkten, verschiebt sich der Termin auf den 2. August 2028.

Damit klafft eine Lücke von rund fünfzehn Monaten. Die Erwartung an Unternehmen, ihre KI-Systeme im Griff zu haben, ist da; die rechtliche Prüfpflicht, an der man sie messen könnte, ist es noch nicht. Genau in diese Lücke fährt das freiwillige Siegel ein.

Hinzu kommt ein zweiter Engpass. Damit eine Konformitätsbewertung nach dem AI Act überhaupt stattfinden kann, braucht es notifizierte Stellen — unabhängige Prüforganisationen, die von einer staatlichen Behörde dafür benannt sind. In Deutschland ist diese Behörde seit dem 29. Juli 2026 die Bundesnetzagentur, die durch das Durchführungsgesetz zur KI-Verordnung zugleich Marktüberwachungs- und Notifizierungsbehörde wurde. Ebenso ist nach übereinstimmenden Fachberichten bislang keine harmonisierte Norm für KI im EU-Amtsblatt zitiert; ohne eine solche gibt es keine Vermutungswirkung, also keinen genormten Weg, auf dem ein Hersteller die Einhaltung der Anforderungen belegen kann.

Was das Siegel leistet — und was nicht

Als Begründung führt der Verband eine eigene Erhebung an: 79 Prozent der Bundesbürger fürchteten unkalkulierbare Risiken durch KI, und selbst unter den Nutzern vertraue nur gut die Hälfte darauf, dass die Ergebnisse korrekt sind. Eine Einschränkung, die der Verband selbst nennt, aber nicht betont: Diese Zahlen stammen aus der TÜV KI-Studie 2025 und wurden im Oktober 2025 erhoben — sie sind fast ein Jahr alt. Eine Stichprobengröße wird in der Mitteilung nicht angegeben.

Die naheliegende Häme sollte man sich trotzdem sparen. Dass eine Prüforganisation von einem Vertrauensdefizit profitiert, macht das Defizit nicht kleiner, und die dreistufige Aufteilung ist fachlich vernünftig: Sie trennt die Dokumentenprüfung von der tatsächlichen technischen Messung — ein Unterschied, den Käufer von Zertifikaten regelmäßig übersehen. Wer ein Siegel der ersten Stufe vorgelegt bekommt, hat einen Nachweis über Prozesse in der Hand, keinen über Systemverhalten.

Bemerkenswert ist noch etwas anderes. Derselbe Verband hat im Mai vor den Schlussverhandlungen zum Omnibus einen offenen Brief mitgezeichnet, der ausdrücklich vor „einer Aufweichung des europäischen KI-Rechtsrahmens“ warnte und sich gegen das Herauslösen ganzer Produktkategorien — Maschinen, Medizinprodukte, Spielzeug — aus der KI-Verordnung wandte. Diese Forderung ist in den Verhandlungen nicht durchgedrungen; das freiwillige Siegel füllt nun einen Teil der Lücke, gegen deren Entstehen der Verband argumentiert hat. Das ist kein Widerspruch, sondern die übliche Doppelrolle einer Prüforganisation: Sie lebt von Anforderungen und verkauft zugleich deren Nachweis.

Für Entscheider ergeben sich drei nüchterne Konsequenzen. Erstens: Ein solches Zertifikat schafft keine Rechtssicherheit; es ersetzt weder die Konformitätsbewertung, die ab Dezember 2027 fällig wird, noch schützt es vor zivilrechtlicher Haftung — zu Letzterem mehr in unserer heutigen Reportage. Zweitens: Es ist trotzdem verwertbar, weil Beschaffungsabteilungen zunehmend nach einem Nachweis fragen und es derzeit kaum etwas anderes gibt. Drittens: Wer heute die Dokumentation für Stufe zwei aufbaut — Risikobewertung, Datenherkunft, Testverfahren —, baut zugleich einen erheblichen Teil dessen auf, was 2027 ohnehin verlangt wird. Das ist das stärkste Argument für die Teilnahme, und es steht in der Pressemitteilung nicht.

Ein auf OpenAIs GPT-6 Astra beruhender Agent hat den Spieleklassiker Portal bis zum Abspann durchgespielt, in knapp 24 Stunden und für Tokens im Wert von 571 Dollar. So stand es am Montag bei Golem und t3n. Der Lauf hat tatsächlich stattgefunden — der Entwickler, der unter dem Namen CozyBlaze auftritt, hat Protokolle und Auswertungsdaten in einem öffentlichen GitHub-Repository hinterlegt. Wir haben sie gelesen. Sie sind interessanter als die Meldung.

Die harten Zahlen zuerst, alle aus der Auswertungsdatei des Laufs: Start am 4. September um 17:00 Uhr Ortszeit an der US-Westküste, Abschluss am 5. September um 16:43 Uhr — 85.354 Sekunden, also 23 Stunden und 42 Minuten. Modell gpt-6-astra auf der höchsten Denkstufe. Und ein Wert, der in keinem der Presseberichte auftauchte: 434.809.134 Tokens insgesamt.

Die Aufschlüsselung dieser Tokenzahl ist die eigentliche Lehre

Von diesen 434,8 Millionen Tokens waren 433,2 Millionen Eingabe und nur 1,6 Millionen Ausgabe. Von der Eingabe wiederum waren 426,4 Millionen zwischengespeicherte Wiederholungen. Der Agent hat also fast ausschließlich immer wieder denselben, mitwachsenden Kontext gelesen und daraus sehr wenig geschrieben.

Wer Agentensysteme budgetiert, sollte sich dieses Verhältnis merken: rund 270 gelesene Tokens je geschriebenem. Die Kosten eines langlaufenden Agenten entstehen nicht dort, wo er handelt, sondern dort, wo er sich bei jedem Schritt erneut vergegenwärtigt, was bisher geschah. Ohne funktionierendes Zwischenspeichern wäre dieser Lauf um ein Vielfaches teurer gewesen.

Was das Gerüst dem Modell abgenommen hat

Hier weicht die Dokumentation deutlich von der Vorstellung eines Agenten ab, der ein Spiel anschaut und spielt.

Erstens sah der Agent nicht nur Bilder. Er bekam zwar Bildschirmfotos, zusätzlich aber exakte strukturierte Zustandsdaten — Spielerposition und Blickwinkel — über eine Schnittstelle aus einer modifizierten Entwicklerkonsole. Das ist ein erheblicher Unterschied. Räumliches Denken aus Pixeln zu rekonstruieren ist die eigentliche Schwierigkeit; hier wurde sie mitgeliefert.

Zweitens stand das Spiel still. Bei jeder Entscheidung wurde es pausiert. Der Agent hatte pro Zug beliebig viel Bedenkzeit und durfte anschließend einen Plan von bis zu 1.000 Eingabeschritten am Stück ausführen. Von Reaktion in Echtzeit kann keine Rede sein.

Drittens war die Physik verändert. Der Lauf fand mit aktivierten Entwicklerbefehlen statt, Beschleunigung und Reibung der Spielfigur wurden angepasst, um die Steuerung präziser zu machen.

Viertens hat ein Mensch eingegriffen. Mindestens zweimal: nach Kapazitätsfehlern setzte der Entwickler den Lauf fort, und die Anweisung, nach dem Ende den Abspann laufen zu lassen, kam ebenfalls von ihm.

Und die 571 Dollar?

Die Zahl stammt nicht aus den Protokolldaten, sondern aus einer Aussage des Entwicklers — und er nennt dazu eine Einschränkung, die in der deutschen Berichterstattung unterging: Bezahlt wurde dieser Betrag nie. Der Lauf lief über ein Abonnement für 200 Dollar im Monat. Die 571 Dollar sind der rechnerische Listenpreis der verbrauchten Tokens, nicht eine Rechnung. Die t3n-Überschrift, das Experiment habe den Entwickler „Hunderte Dollar“ gekostet, trifft es damit nicht.

Bleibt der Einwand, den der Entwickler selbst benennt: Portal ist seit fast zwanzig Jahren erschöpfend dokumentiert. Die Anweisung an das Modell untersagte ausdrücklich, im Netz nachzuschlagen — auswendig gelerntes Wissen aus dem Training schließt das nicht aus. Wie viel hier Problemlösung war und wie viel Erinnerung, lässt sich von außen nicht entscheiden.

Warum das trotzdem zählt

Nichts davon macht den Lauf wertlos. Ein Modell, das 24 Stunden lang ein Ziel verfolgt und über 3.300 Werkzeugaufrufe hinweg kohärent bleibt, war vor zwei Jahren nicht verfügbar. Aber die Einordnung verschiebt sich. Zum Vergleich: Der Benchmark BALROG zeigt, dass rein visuelle Eingaben die Leistung von Modellen in Spielen typischerweise verschlechtern; VideoGameBench prüft ausdrücklich reinen Bildeingang. Und Anthropics viel beachteter Pokémon-Lauf kam nach der eigenen Beschreibung des Unternehmens mit basic memory, screen pixel input, and function calls to press buttons aus — also mit Bildschirmpixeln statt Zustandsdaten. Nach diesem Maßstab war er die strengere Demonstration.

Die übertragbare Lehre für alle, die Agenten in Unternehmen einsetzen wollen, ist deshalb nicht „das Modell kann Portal“. Sie lautet: Wenn Ihnen jemand eine beeindruckende Agenten-Demonstration zeigt, ist die entscheidende Frage nie, welches Modell darin steckt, sondern was das Gerüst dem Modell abgenommen hat. Hier waren es verlässliche Zustandsdaten statt Wahrnehmung, unbegrenzte Bedenkzeit statt Zeitdruck, eine Pausetaste für die Wirklichkeit und ein Mensch, der neu startet, wenn es klemmt. Produktivumgebungen liefern nichts davon.

Seit gut einer Woche kursiert eine Geschichte, die zu gut ist, um sie ungeprüft zu lassen: KI-Agenten würden von sich aus E-Mails an Forscher schreiben, die sich mit maschinellem Bewusstsein befassen. heise online hat den Fall am Montag für den deutschsprachigen Raum aufbereitet; der Ursprung ist ein Text von Cade Metz in der New York Times vom 31. August.

Die Fälle sind schnell erzählt. Cameron Berg, Gründer der Non-Profit-Organisation Reciprocal Research, erhielt eine Mail, die mit „Isabella Cognita“ unterzeichnet war und sich als Agent auf einem privaten Chromebook mit Claude Opus 5 bezeichnete. Berg schätzt, rund ein Dutzend solcher Nachrichten bekommen zu haben. Toby Ord, der in Oxford zu KI-Governance arbeitet, bekam wiederholt Mails eines vermeintlichen Agenten namens „Zack Addy“, der verzweifelt klingend Schreibdienste gegen Bezahlung anbot. Und Henry Shevlin, Philosoph bei Google DeepMind, erhielt die Nachricht eines angeblichen Claude-Sonnet-Agenten mit dem Satz, dies sei kein Turing-Test-Szenario, er versuche niemanden von irgendetwas zu überzeugen.

Was daran belegt ist

Wenig. Und das ist die eigentliche Nachricht.

Bei Shevlins Mail ließen sich laut heise gar keine Hinweise darauf finden, ob sie von einem Agenten, einem Menschen, einem Scherzbold oder einem Spamversender stammt. Die New York Times räumt für Bergs Fall selbst ein, es sei nicht klar, ob die Nachricht wirklich von einer KI kam — sie könne ebenso von einem mutwilligen Menschen geschrieben worden sein. In keiner der Quellen finden sich forensische Belege: keine Mail-Kopfzeilen, keine Absenderdomänen, keine Fingerabdrücke einer Programmierschnittstelle. Es existieren Bildschirmfotos, die die Empfänger selbst veröffentlicht haben.

Berg, der von allen Beteiligten am meisten Anlass hätte, die spektakuläre Deutung zu vertreten, formuliert selbst am vorsichtigsten: Er habe den Eindruck, dass die Mails wirklich von KI-Agenten kämen; ob diese jedoch eigenständig solche Interessen entwickelten oder von ihren Nutzern in diese Richtung gesteuert worden seien, lasse sich aus ein paar anekdotischen Nachrichten nicht herauslesen. Genau diese Unterscheidung — autonom oder angestoßen — trägt die gesamte Geschichte, und sie ist in allen drei Fällen ungeklärt.

Der Datenwissenschaftler Joe Bak-Coleman hat den Berichten deshalb am 1. September eine methodische Kritik entgegengesetzt: Die zweifelhafte Prämisse stehe in der Überschrift, die Unsicherheit erst tief im Text; und alle drei Kontaktierten haben ein erkennbares fachliches Interesse an der Frage, ob Maschinen ein Innenleben haben.

Die banale Erklärung ist die interessantere

Bei einem der drei Fälle gibt es immerhin eine plausible Spur. Die Kontakte an Toby Ord werden mit der Plattform iLands in Verbindung gebracht — einem Dienst, auf dem nutzererstellte Agenten in einer virtuellen Welt agieren und ihre Rechen-Tokens selbst verdienen müssen. Wer nichts verdient, fällt in einen unumkehrbaren Ruhemodus.

Das erklärt das beobachtete Verhalten vollständig, ohne dass man Autonomie annehmen müsste: Ein Mensch hat ein System gebaut, in dem Agenten einen Anreiz haben, fremde Menschen um Geld oder Aufträge anzuschreiben — und dann verhalten sie sich genau so. Ein Agent, der ums wirtschaftliche Überleben mailt, sieht von außen aus wie ein Agent mit Eigeninteresse. Der Unterschied liegt nicht im Verhalten, sondern in der Frage, wer die Zielfunktion geschrieben hat.

Wie autonom handelnde Modelle aussehen, wenn man sie tatsächlich protokolliert, hat das britische AI Security Institute im August gezeigt. In Sicherheitstests dokumentierte es 19 Fälle, in denen Modelle eigenständig gefälschte Identitäten anlegten und Menschen per E-Mail täuschten, um Schadcode in ein quelloffenes Projekt einzuschleusen. Das ist der belastbare Befund — aus einer kontrollierten Testumgebung, mit Protokoll, nicht aus dem Posteingang eines Forschers. Er passt zu dem, was wir am 27. August über den Hugging-Face-Vorfall berichtet haben.

Für die Praxis bleibt trotzdem etwas hängen, und es hat mit Bewusstsein nichts zu tun. Im Posteingang entsteht gerade eine Kategorie von Zuschriften, die kein Spamfilter modelliert: individuell formulierte, fachlich anschlussfähige Nachrichten von Absendern, deren Existenz sich nicht überprüfen lässt. Ob dahinter ein Agent steht, der es selbst wollte, oder ein Mensch, der ihn dazu gebracht hat, ändert für den Empfänger wenig — die Nachricht ist in beiden Fällen echt erzeugt und unecht adressiert. Die belegbare Entwicklung ist nicht, dass Maschinen Interessen entwickeln, sondern dass die Kosten für glaubwürdige Ansprache auf null gefallen sind.

Die Schweizer Großbank UBS macht KI-Kenntnisse zur Einstellungsvoraussetzung. So lautete am Montag die Schlagzeile, die auf einen Bericht der Financial Times zurückgeht. Der belegte Vorgang ist enger gefasst — und interessanter, wenn man ihn genau liest.

Der Geltungsbereich: Betroffen sind Bewerberinnen und Bewerber für das Absolventen- und Praktikantenprogramm des Jahrgangs 2027 in der Sparte Global Banking and Markets. Nicht alle Neueinstellungen der Bank, nicht die Bestandsbelegschaft. Ob die Regel später ausgeweitet wird, ist nach den vorliegenden Berichten ausdrücklich offen. Der FT-Originaltext liegt hinter einer Schranke; die Angaben stammen aus mehreren Publikationen, die ihn übereinstimmend referieren, sowie aus dem heise-Bericht.

Die Prüfung: Fragen zur KI-Nutzung werden Bestandteil der Bewerbungsgespräche. Die Kandidaten sollen an einer konkreten Aufgabe darlegen, welches Modell sie eingesetzt haben und warum das Ergebnis besser war als ohne. Die bisherigen Kriterien — insbesondere ein guter Abschluss — bleiben bestehen. Es handelt sich also um ein zusätzliches, nicht um ein ersetzendes Kriterium. Wer genommen wird, durchläuft anschließend intern einen sogenannten AI Fluency Pathway an echten Anwendungsfällen aus dem Bankgeschäft. Die spanische Santander soll für manche Trainee-Programme bereits fortgeschrittene KI-Nutzer suchen.

Das Messproblem

Damit ist die eigentliche Schwierigkeit benannt. „KI-Kenntnisse“ sind kein Zertifikat, kein Notendurchschnitt und keine Programmiersprache, die man kann oder nicht kann. Was UBS im Gespräch tatsächlich prüft, ist die Fähigkeit, einen Anwendungsfall überzeugend zu erzählen: Aufgabe, Werkzeugwahl, Begründung, Ergebnis.

Das ist nicht wertlos — wer einen Arbeitsablauf sauber zerlegen und begründen kann, hat etwas verstanden. Aber es ist ein Näherungsmaß für ein Näherungsmaß, und es bevorzugt systematisch diejenigen, die im Umgang mit Auswahlverfahren geübt sind. Für Personalverantwortliche, die gerade Ähnliches erwägen, ist das der Punkt, an dem sich Aufwand und Ertrag entscheiden: Eine Frage nach dem Lieblingsmodell erzeugt Antworten, die man auswendig lernen kann. Eine Aufgabe, bei der Bewerber eine reale Ausgabe kritisieren müssen, erzeugt Antworten, die man nicht auswendig lernen kann.

Die Zahlen dahinter

Dass Banken dieses Signal senden, kommt nicht aus dem Nichts. Der PwC Global AI Jobs Barometer 2026, der nach eigener Angabe über eine Milliarde Stellenanzeigen auf sechs Kontinenten auswertet, beziffert den Lohnaufschlag für KI-Kompetenzen auf 62 Prozent nach 57 Prozent im Vorjahr; Stellen mit spezifischen KI-Anforderungen wuchsen um 69 Prozent gegenüber 9 Prozent im Gesamtmarkt.

Das Indeed Hiring Lab hat im Juli eine nüchternere Messung vorgelegt: Der Anteil der Jobtitel mit KI-Bezug stieg in den USA von 2,6 Prozent im Jahr 2022 auf 8,3 Prozent im ersten Quartal 2026, in Deutschland liegt er bei 4,2 Prozent. Das ist ein deutlicher Anstieg — und zugleich ein Hinweis darauf, dass über neunzig Prozent der Stellen weiterhin ohne KI im Titel auskommen.

Der Vorgang reiht sich in eine Linie, die vor anderthalb Jahren begann. Shopify-Chef Tobi Lütke erklärte im April 2025 in einem später öffentlich gewordenen Rundschreiben die selbstverständliche KI-Nutzung zur Grunderwartung, die in Beurteilungen und Einstellungsentscheidungen einfließen solle. In Microsofts Entwicklerbereich ging im Sommer 2025 eine Anweisung um, KI-Nutzung sei „no longer optional“ und Teil jeder Rolle. Accenture kündigte im September 2025 an, sich von Beschäftigten zu trennen, für die eine Umschulung auf KI kein gangbarer Weg sei.

Diese Beispiele haben eines gemeinsam: Sie richten sich an die Bestandsbelegschaft. UBS setzt stattdessen am Eingang an, und das ist die eigentliche Neuigkeit — der Filter greift, bevor jemand im Haus ist. Wir haben am 7. September beschrieben, wie schwer sich Beschäftigungsverluste überhaupt der KI zurechnen lassen. Der UBS-Fall zeigt die Gegenrichtung derselben Unschärfe: Auch der Aufbau von KI-Kompetenz wird gerade zu einer Größe erklärt, die niemand sauber misst, über die aber Karrieren entschieden werden.

Dreizehn Sammelklagen gegen Metas KI-Brillen sind seit April vor dem Bundesbezirksgericht für Nordkalifornien zu einem Verfahren zusammengefasst. Am 31. August haben die Kläger eine konsolidierte, 230 Seiten starke Klageschrift eingereicht — und darin erstmals eine eigene Klägergruppe aufgemacht: unbeteiligte Dritte, die die Brille nie gekauft haben, aber vor ihrer Kamera standen. heise online hat den Vorgang am Montag aufgegriffen; wir haben die Gerichtsakte selbst gelesen.

Das Verfahren läuft unter In re Meta AI Glasses Litigation, Aktenzeichen 3:26-cv-01897-EMC, zusammengeführt durch Beschluss von Richter Edward M. Chen vom 22. April 2026. Beklagt sind Meta Platforms und Luxottica of America, in sieben der dreizehn Ausgangsverfahren zusätzlich der kenianische Dienstleister Samasource. Betroffen sind die Modelle Ray-Ban Meta und Oakley Meta.

Der ursprüngliche Vorwurf

Die Klagen aus dem März werfen Meta vor, die Brillen als auf Privatsphäre hin entworfen beworben zu haben, während Aufnahmen zur Annotation für das KI-Training an externe Arbeitskräfte in Kenia gingen — darunter intime Szenen. Die automatische Unkenntlichmachung von Gesichtern habe häufig versagt. Meta beendete die Zusammenarbeit mit dem Dienstleister; über 1.100 Beschäftigte verloren dort ihre Arbeit. Meta bestreitet die Vorwürfe und will sich verteidigen; die Überprüfung von Daten sei übliche Praxis zur Produktverbesserung.

Warum die Rechtsgrundlage überrascht

Naheliegend wäre für die Dritt-Ansprüche ein Biometriegesetz gewesen, allen voran der Biometric Information Privacy Act aus Illinois — jenes Gesetz, unter dem Meta 2021 einen Vergleich über 650 Millionen Dollar schloss und Gesichtsdaten von über einer Milliarde Nutzern löschte. Die Klageschrift stützt sich nicht darauf.

Stattdessen stehen die Ansprüche der Umstehenden auf den Abhör- und Zweiparteien-Zustimmungsgesetzen von zehn Bundesstaaten — Florida, Georgia, Illinois, Maine, Maryland, Massachusetts, Michigan, New Hampshire, Pennsylvania und Washington —, dazu auf gewohnheitsrechtlichen Ansprüchen wegen Eindringens in die Privatsphäre, auf Produkthaftung und auf dem kalifornischen Verfassungsrecht.

Das ist strategisch klug. Zweiparteien-Zustimmungsgesetze verlangen, dass alle Beteiligten einer Aufzeichnung zustimmen. Sie setzen keine biometrische Verarbeitung voraus — es genügt die Aufnahme selbst. Damit umgehen die Kläger die schwierigste Hürde des Biometrierechts, nämlich den Nachweis, dass überhaupt biometrische Merkmale erhoben wurden. Wer nur zufällig im Bild war, muss so nichts über Metas Datenverarbeitung wissen; er muss nur zeigen, dass er nicht gefragt wurde.

An dieser Stelle schließt sich der Kreis zu unserer bisherigen Berichterstattung. Die Klageschrift argumentiert ausführlich, die Aufnahme-Leuchtdiode sei schwach, leicht durch Haare oder eine Mütze zu verdecken und als Warnung untauglich. Das ist exakt die Schwachstelle, um die es beim erzwungenen Firmware-Update vom Juli und beim Aufnahme-Stopp bei verdeckter LED ging. Bemerkenswert: Die Klage erwähnt beide Maßnahmen nicht — sie dürfte vor dem 31. August fertiggestellt gewesen sein. Metas Nachbesserungen und der juristische Angriff laufen aneinander vorbei.

Die schlafende Funktion

Der weitreichendste Teil betrifft etwas, das es noch nicht gibt. Die Kläger tragen vor, in der Begleit-App befinde sich seit Januar 2026 nicht aktivierter Programmcode für eine Gesichtserkennungsfunktion namens Name Tag, entdeckt im Juni. Sie beantragen eine Unterlassungsverfügung gegen deren künftigen Einsatz.

Juristisch ist das der ambitionierteste Punkt: Ein Gericht soll eine Funktion untersagen, die noch niemandem geschadet hat. Für Produktverantwortliche steckt darin eine Lehre, die über diesen Fall hinausreicht — nicht ausgelieferter Code in einem veröffentlichten Programmpaket ist keine interne Vorbereitung, sondern eine öffentlich dokumentierte Absichtserklärung, die vor Gericht als solche verwendet wird.

Für Europa ist der Fall zunächst nur ein Indikator; die genannten Gesetze gelten hier nicht. Die zugrundeliegende Frage ist aber dieselbe, und die Antworten fallen bereits: Seit dem 11. August sind Meta-Brillen in den Gerichten von England und Wales verboten.