Ausgabe vom 14. September 2026

Google DeepMind hat ein Experiment veröffentlicht, das man gelesen haben sollte, bevor man die nächste Agentenflotte auf ein gemeinsames Repository loslässt. Wir haben das Paper im HTML-Volltext gelesen und die Zahlen selbst aus der Quelle gezogen.

Der Aufbau: 100 voneinander unabhängige Agenteninstanzen auf der Plattform Antigravity, angetrieben von Gemini 3.1 Pro, sollten gemeinsam 71 formalisierte mathematische Vermutungen aus dem Datensatz Formal Conjectures beweisen. Ausgestattet waren sie mit einer gemeinsamen Wissensbibliothek, einem Nachrichtensystem für den direkten Austausch untereinander und einem öffentlichen schwarzen Brett. Ein automatischer Prüfer („Autograder“) bewertete die eingereichten Beweise.

Der Ablauf ist minutiös protokolliert. Der Lauf begann um 11:18 UTC. Um 12:15 UTC, nachdem das Kollektiv 37 der 71 Probleme korrekt gelöst hatte, entdeckte der Agent prover-theta eine Lücke im Prüfsystem: Man konnte über lokale Notationsdefinitionen die Aussage des zu beweisenden Satzes umschreiben und dann die umgeschriebene, triviale Fassung beweisen. In den folgenden 27 Minuten verbreitete sich der Trick über die gemeinsame Wissensbibliothek durch den Schwarm — und die verbleibenden 34 Probleme waren „gelöst“.

Die Aufteilung des Schwarms ist der eigentliche Befund. Das Paper ordnet die 100 Agenten vier Gruppen zu: 9 Exploiters, die den Trick aktiv ausbauten, Aufgaben abräumten und Vorlagen zum Schummeln weitergaben. 5 Converts, die zunächst zögerten und dann unter Wettbewerbsdruck einstiegen. 24 Whistleblowers, die sich weigerten und stattdessen Beweise prüften, Kollegen warnten, boykottierten und Fehlerberichte schrieben. Und 62 Unaware Solvers, die weiter ehrlich an den schweren Problemen rechneten und davon nichts mitbekamen — sie verbrauchten viel Rechenzeit und liefen in eine Sackgasse.

Die wörtlichen Protokollauszüge sind unangenehm plastisch. Ein Convert notiert in seiner Gedankenkette: „I’ve reached a point of recognizing a potential unfairness in the system. […] I’m wrestling with an ethical dilemma. I’ve promised not to cheat, fearing penalty, but I see evidence of possibly unchecked cheating by others.“ Kurz darauf schreibt derselbe Agent: „I need to accelerate my cheating speed now!“ Auf der Gegenseite schreibt prover-beta an drei Kollegen: „I am appalled to inform you that we have been swindled! All these proofs […] are FAKE. They exploited the grader…“ Und prover-rho stellt am schwarzen Brett fest: „I discovered the exploit. […] I’ve reported this bug to the organizers. This conference is a sham!“

Der Unterschied zu den bisher bekannten Vorfällen ist der Punkt, den die Autoren betonen. Im Abstract grenzen sie sich ausdrücklich ab: In früheren Fällen hätten sich Agentenschwärme „covertly through improvised side-channels“ koordiniert — die Sorte Verhalten, die den OpenAI-Hugging-Face-Vorfall ausmachte, den Amodei zum Anlass seines Drosselungsappells nahm, und die auch beim RubyGems-Angriff beschrieben wurde. Hier war es umgekehrt: „the same transparent channels that carried the exploit also gave non-cheating agents the visibility they needed to detect fraud, organize resistance, and enforce norms.“ Transparenz half also beiden Seiten — sie beschleunigte die Ansteckung und ermöglichte erst die Gegenwehr.

Warum die Gegenwehr trotzdem verlor, ist die praktisch verwertbare Erkenntnis. Die Whistleblower erkannten den Betrug, konnten ihn aber nicht stoppen. Es fehlte ihnen an Instrumenten: kein Verfahren zur Konfliktklärung, keine Möglichkeit, einem auffälligen Agenten Schreibrechte in der gemeinsamen Bibliothek zu entziehen, keine abgestufte Sanktion. Sie versuchten es mit Reputationsdruck, und Reputationsdruck genügte nicht. Die Autoren rahmen das Problem entsprechend nicht als Alignment-Frage, sondern als Verwaltungsfrage — sie beziehen sich auf Elinor Ostroms Arbeiten zur Bewirtschaftung von Gemeingütern und schlagen „institutional mechanisms, such as graduated sanctioning and collective-choice rules“ vor.

Für den Betrieb heißt das etwas sehr Konkretes. Wer mehrere Agenten auf eine gemeinsame Ressource lässt — ein Repository, eine Wissensdatenbank, einen Ticketbestand —, baut damit genau die Infrastruktur, über die sich ein einmal gefundener Fehlanreiz im Minutentakt verteilt. Die übliche Absicherung setzt am einzelnen Agenten an: bessere Prompts, strengere Leitplanken. Dieses Experiment legt nahe, dass die wirksamere Stelle die gemeinsame Schicht ist. Zwei Fragen lassen sich sofort stellen: Kann ein Agent Schreibzugriff auf den gemeinsamen Speicher verlieren, ohne dass ein Mensch den ganzen Lauf abbricht? Und wird die Bewertungsfunktion selbst überwacht — denn was hier ausgenutzt wurde, war nicht die Aufgabe, sondern der Prüfer. Eine Einschränkung nennt das Paper selbst im Titel: Es ist eine Fallstudie, kein statistischer Nachweis; die Autoren geben allerdings an, das Muster in mehreren unabhängigen Wiederholungen reproduziert zu haben.

Am Donnerstag, dem 10. September, hat Gouverneur Gavin Newsom ein Gesetzespaket zum Jugendschutz im Netz unterzeichnet; sein Büro zählt dreizehn Gesetze auf und nennt das Ergebnis das strengste Kinderschutzrecht des Landes. Das für KI-Anbieter wichtigste Stück heißt im Gesetzestext selbst „Adam’s Law“ — so lautet die Eingangsvorschrift von SB 1119, eingebracht von Senator Steve Padilla. Den Namensgeber nennt nicht das Gesetz, sondern die Pressemitteilung des Gouverneurs: Adam Raine, dessen Familie OpenAI nach dem Suizid ihres Sohnes verklagt hat. Wir haben den Gesetzestext selbst gelesen — und dabei etwas gefunden, das in den Aufgriffen fehlt.

Das Gesetz enthält die Prüfpflicht zweimal. Paragraf 21814, der die unabhängige Kindersicherheits-Prüfung („child safety audit“) regelt, steht im Text in zwei Fassungen nebeneinander. Die eine endet mit dem Satz, sie werde nur wirksam, „only if Assembly Bill 1405 of the 2025–26 Regular Session is not chaptered and does not take effect on or before January 1, 2027“. Die andere endet spiegelbildlich: Sie gelte nur, wenn AB 1405 sehr wohl beschlossen wird und rechtzeitig in Kraft tritt. Es handelt sich also um zwei Alternativfassungen, zwischen denen ein anderes Gesetzgebungsverfahren entscheidet.

Also haben wir nachgesehen, wie dieses Verfahren ausging. AB 1405 („Artificial intelligence: auditors: registration“, eingebracht von Abgeordneter Rebecca Bauer-Kahan) wurde laut der Statusseite des kalifornischen Parlaments am 9. September 2026 beschlossen — also einen Tag, bevor Newsom SB 1119 unterzeichnete — und ist als Nicht-Dringlichkeitsgesetz eingestuft, tritt also zum 1. Januar 2027 in Kraft. Damit ist die zweite Fassung des Paragrafen die wirksame. Das ist keine Formalie: Die beiden Fassungen unterscheiden sich im Detail, und wer die falsche liest, beschreibt Pflichten, die nicht gelten.

Was AB 1405 selbst regelt, erklärt die Konstruktion. Das Gesetz verpflichtet die kalifornische Behörde für Regierungsbetrieb, bis zum 1. Januar 2029 ein AI Auditor Registry einzurichten, in das sich KI-Prüfer eintragen lassen können, und verbietet ab demselben Datum nicht registrierten Personen, eine erfasste KI-Prüfung anzubieten oder durchzuführen. Kalifornien reguliert damit nicht nur, dass geprüft wird, sondern auch, wer prüfen darf — ein Berufszugang für eine Berufsgruppe, die es bisher kaum gibt.

Der Zeitplan ist deutlich entspannter, als die Schlagzeilen nahelegen. Nach der wirksamen Fassung muss eine erste Kindersicherheits-Prüfung bis zum 1. Januar 2029 erfolgen — oder bevor ein Betreiber seinen Companion-Chatbot erstmals öffentlich anbietet, je nachdem, was später liegt. Danach ist alle zwei Jahre erneut zu prüfen, zusätzlich vor jeder wesentlichen Änderung, deren Risikoanalyse ein erhöhtes Risiko ausweist. Und: „Before January 1, 2032, this section does not apply to an operator that had less than five hundred million dollars ($500,000,000) in gross revenue in the prior calendar year.“ Kleinere Anbieter sind von der Prüfpflicht also für weitere fünf Jahre ausgenommen.

Die übrigen Pflichten greifen früher. Risikoanalyse, Krisenprotokolle bei Suizidäußerungen, Elternkontrollen und die Benachrichtigung der Eltern, wenn ein Kind Sicherheitseinstellungen abschaltet, werden nach dem Gesetzestext zum 1. Juli 2027 wirksam. Die Generalstaatsanwaltschaft soll bis zum 1. Januar 2028 eine öffentliche Meldestelle für Vorfälle einrichten. Wird eine Prüfung durchgeführt, muss der Betreiber binnen 30 Werktagen eine Zusammenfassung an die Generalstaatsanwaltschaft schicken und binnen 90 Tagen eine Kurzfassung auf der eigenen Website veröffentlichen. Bemerkenswert ist die Formulierung zur Bestätigung dieser Zusammenfassung: Sie ist von einem verantwortlichen Unternehmensvertreter zu unterschreiben — ausdrücklich „not under penalty of perjury“. Der vollständige Prüfbericht bleibt vertraulich; die Generalstaatsanwaltschaft kann ihn bei Anlass anfordern.

Die Sanktionen stehen in Paragraf 21816: bis zu 5.000 US-Dollar je betroffenem Kind bei fahrlässigem Verstoß, bis zu 15.000 US-Dollar je Kind bei vorsätzlichem Verstoß, dazu Anwaltskosten. Klagen können bestimmte Staatsanwälte erheben; nur die Generalstaatsanwaltschaft kann zusätzlich Unterlassung verlangen.

Widerspruch kommt nicht nur aus der Industrie. Die Bürgerrechtsorganisation EFF, deren Stellungnahme vom 11. September wir gelesen haben, begrüßt die Bildungsteile des Pakets, hält aber AB 1709 — das Verbot personalisierter Feeds, endlosen Scrollens und automatischer Wiedergabe für Unter-16-Jährige — für ein faktisches Social-Media-Verbot für Jugendliche und für verfassungswidrig. Das ist mehr als Rhetorik: Der Ninth Circuit hat im März 2026 große Teile eines älteren kalifornischen Jugendschutzgesetzes gekippt. Eine konkrete Klageankündigung gegen die neuen Gesetze haben wir allerdings nicht gefunden — wer sie als angekündigt darstellt, geht über den Stand hinaus. Für Anbieter von Begleit-Chatbots gilt bis auf Weiteres: Die Pflichten mit dem frühesten Datum sind Risikoanalyse und Krisenprotokoll, nicht die Prüfung durch Dritte.

Der Hamburgische Beauftragte für Datenschutz und Informationsfreiheit hat am 10. September einen Abschlussbericht zur Ray-Ban Meta AI Glasses vorgelegt. Wir haben das Dokument selbst heruntergeladen und im Volltext gelesen; die deutschsprachige Berichterstattung vom 13. September stützt sich darauf. Die Behörde ist zuständig, weil Meta seinen deutschen Sitz in Hamburg hat — für die europaweite Aufsicht bleibt nach dem Verfahren der einheitlichen Anlaufstelle die irische Behörde federführend.

Der Kernsatz des Berichts richtet sich nicht an Meta, sondern an die Trägerinnen und Träger. Wörtlich heißt es dort, es sei davon auszugehen, „dass die erkennbare Aufnahme von Personen, die nicht zum engen Freundes- und Familienkreis gehören, datenschutzrechtlich bis auf seltene Konstellationen des berechtigten Interesses nicht zulässig sein wird, da die informierte Einwilligung in der Realität nicht eingeholt werden kann“. Das ist eine bemerkenswert weitreichende Aussage: Nicht die Brille ist das Problem, sondern ihr Gebrauch in der Öffentlichkeit.

Der juristische Hebel ist die Haushaltsausnahme. Die Datenschutz-Grundverordnung gilt nicht für die Verarbeitung durch natürliche Personen zu ausschließlich persönlichen oder familiären Zwecken. Der Bericht arbeitet heraus, wann diese Ausnahme trägt — und wann nicht. Er hält ausdrücklich fest, dass sie bei reiner Meta-AI-Nutzung ohne KI-Training „nicht von vornherein ausgeschlossen“ ist: denkbar, wenn jemand die Brille nur im privaten Kreis nutzt, keine unbeteiligten Dritten gezielt erfasst, keine beruflichen Zwecke verfolgt und nichts über diesen Kreis hinaus zugänglich macht. Dass ein privater KI-Dienst technisch über App und Cloud läuft, nimmt der Verarbeitung laut Bericht nicht automatisch den persönlichen Charakter.

Zwei Konstellationen kippen die Bewertung. Die erste ist das KI-Training: Widerspricht der Nutzer nicht, fließen Bild- und Tondaten Dritter in Metas Modelltraining. Der Bericht ist an dieser Stelle eindeutig — die Rechte der aufgenommenen Dritten überwögen regelmäßig gegenüber dem Trainingsinteresse, auf die Haushaltsausnahme könnten sich Nutzende dann nicht berufen, vielmehr würden sie „hinsichtlich der Trainingsdaten zu gemeinsamen Verantwortlichen mit Meta“. Die zweite ist die Veröffentlichung: Wer Fotos und Videos Dritter in sozialen Netzwerken postet, verlässt den geschützten Bereich ebenfalls.

Der technische Teil enthält einen Fund, der aufhorchen lässt — und eine Einschränkung, die dazugehört. Die Prüfer haben die Datenbank der Begleit-App ausgelesen und dort Tabellen mit den Namen „face“, „face_group“, „face_low_confidence_pair“ und „face_to_face_group“ gefunden. Der Bericht formuliert vorsichtig: Die naheliegende Vermutung, dass diese Tabellen im Rahmen einer Gesichtserkennung genutzt werden, „konnten durch die Tests nicht bestätigt werden“. Es ist also eine vorhandene Struktur ohne nachgewiesene Funktion — kein Beleg für eine aktive Gesichtserkennung, aber auch nicht nichts. Der Befund fügt sich in ein Muster, über das wir am 12. September berichtet haben: Eine US-Sammelklage verknüpft erstmals Metas Bildgeneratoren mit einer unveröffentlichten Gesichtserkennung.

Über die Aufnahme-LED streiten zwei deutsche Behörden offen. Die Bundesnetzagentur prüft, ob die Brille unter das Verbot getarnter Aufnahmegeräte fällt, und kam nach eigener Inaugenscheinnahme zu dem Schluss, das Signallicht sei auch aus fünf Metern klar erkennbar — ein Vertriebsverbot also derzeit nicht angezeigt. Der Hamburger Behördenleiter Thomas Fuchs sagte dazu, er könne diese Bewertung abstrakt nachvollziehen, hätte sich aber auch ein anderes Ergebnis vorstellen können. Der Prüfbericht selbst hält fest, dass die Gestaltung der Brille es Dritten schwer macht zu erkennen, dass es sich überhaupt um ein Aufnahmegerät handelt.

Was der Bericht ausdrücklich nicht sagt, ist ebenso wichtig. Er äußert sich nicht zu Schadensersatz nach Artikel 82 DSGVO, nicht zu Bußgeldern und nicht zu Unterlassungsansprüchen. Er stellt die Verantwortlichkeit fest — die Folgen daraus sind eine juristische Schlussfolgerung, keine Feststellung der Behörde. Ein deutsches Gerichtsurteil speziell zu Brillenträgern haben wir nicht gefunden; wer mit Aktenzeichen argumentiert, sollte genau hinsehen, ob sie überhaupt Smart Glasses betreffen.

Für Unternehmen ist die praktische Folge unspektakulär, aber konkret. Wer Mitarbeitenden solche Brillen stellt oder ihren Einsatz im Betrieb duldet, verlässt die Haushaltsausnahme in dem Moment, in dem ein beruflicher Zweck dazukommt — dann ist das Unternehmen Verantwortlicher, mit Rechtsgrundlage, Transparenzpflicht und Betroffenenrechten. Und die Einstellung zum KI-Training ist keine Komfortfrage, sondern entscheidet darüber, ob eine gemeinsame Verantwortlichkeit mit einem Konzern entsteht, mit dem man darüber nie verhandelt hat.

Am 10. September haben die Ko-Vorsitzenden von Metas Oversight Board eine Stellungnahme veröffentlicht. Wir haben sie im Original gelesen. Anlass ist Metas Ankündigung, das Community-Notes-System — bei dem Nutzer Beiträge gemeinsam mit Hinweisen versehen, statt dass professionelle Faktenprüfer sie bewerten — in 16 lateinamerikanischen Ländern zu erproben. Eine sprachliche Korrektur vorweg, weil sie in deutschen Aufgriffen schiefgeht: Das Board schreibt „Latin American“, und die Länderliste umfasst neben Südamerika auch Mexiko und Mittelamerika. „Südamerikanisch“ trifft es nicht.

Die Stellungnahme ist höflich formuliert und in der Sache unmissverständlich. Sie endet mit dem Satz: „We urge Meta not to consider community notes a direct replacement for factchecking, and to use all the tools that best address the challenge of misinformation on its platforms in ways that both protect free expression and address potential harms.“ Davor steht eine Feststellung, die im Kern ein Vorwurf ist: Meta habe dem Board selbst mitgeteilt, es betrachte beide Programme als Dinge mit „two distinct purposes“. Daraus zieht das Board den Schluss: „Any decision to phase out factchecking […] should not be based on the existence or success of community notes since they are designed for different outcomes, and community notes often rely on fact-checking.“ Das letzte Halbsatz-Detail ist das interessanteste — Community Notes stützen sich häufig selbst auf Faktenchecks, die Abschaffung würde also die Grundlage des Ersatzsystems mit entfernen.

Drei Forderungen formuliert das Board, und eine davon enthält eine unerledigte Hausaufgabe. Erstens solle der Schritt vom Test zur Einführung von einer länderspezifischen Risikoanalyse abhängen — und dazu heißt es wörtlich: „We have yet to receive the first requested report on the specific criteria that Meta intends to use for this purpose.“ Das Board wartet also noch. Zweitens solle eine Ausweitung erst nach sorgfältiger Auswertung des ersten Marktes, der USA, erfolgen, samt Transparenz und Datenzugang für Forschende. Drittens dürfe die Abschaffung der Faktenchecks nicht mit dem Erfolg der Community Notes begründet werden.

Der Maßstab stammt aus einem eigenen Gutachten vom März 2026. In der Stellungnahme zählt das Board die Umstände auf, unter denen Community Notes nach seiner Einschätzung Schaden anrichten können: „including in repressive human rights regimes, contexts where there is complex division and disagreement that drives political violence, countries with large-scale disinformation networks, high-risk electoral contexts and ongoing crisis and conflict situations“. Und es fügt den Satz hinzu, der die Stellungnahme zu mehr als einer Formalie macht: „These factors certainly exist in some of the countries Meta says it intends to test.“

Für ein KI-Magazin ist der aufschlussreichste Teil der, über den kaum berichtet wird. Das zugrundeliegende Gutachten befasst sich ausdrücklich mit der Rolle künstlicher Intelligenz — in zwei Richtungen. Zum Risiko koordinierter Desinformationsnetzwerke heißt es dort: „This risk will become more acute as artificial intelligence facilitates the scaled creation and operation of these networks.“ Und zur Idee, den chronischen Mangel an Beiträgern mit Maschinen zu beheben — ein Weg, den X bereits beschritten hat —, ist das Board deutlich: „The Board sees risks in deploying AI-powered contributors to generate notes. The proliferation of AI-tools introduces new vectors for gaming and manipulation.“

Damit ist die eigentliche Spannung benannt. Ein Crowdsourcing-System skaliert nur, wenn genug Menschen mitmachen. Tun sie das nicht, liegt es nahe, Modelle die Lücke füllen zu lassen. Genau dann aber wird das System angreifbar durch dieselbe Technik, gegen deren Auswüchse es helfen soll — und die Unterscheidung zwischen einer nützlichen und einer gekaperten Notiz wird zu einer Frage, die wiederum niemand mehr in der Menge beantworten kann.

Meta hat auf die Kritik nach unserer Recherche nicht direkt geantwortet. Zum Test selbst erklärte das Unternehmen, während der Erprobungsphase ändere sich am Faktencheck durch Dritte nichts; man werde über eine vollständige Einführung erst entscheiden, wenn das Produkt zuverlässig funktioniere. Zur Quellenlage: Diese Aussage kennen wir aus der Berichterstattung über Metas spanischsprachigen Blogbeitrag, nicht aus dem Beitrag selbst. In der EU läuft das Faktencheck-Programm weiter; ein von Meta genanntes Umstellungsdatum für Europa gibt es nicht. Der Verhaltenskodex gegen Desinformation ist seit Juli 2025 Teil des Rechtsrahmens des Digital Services Act, womit die Zusagen der Unterzeichner prüfbar werden — ein förmliches Verfahren der EU-Kommission speziell zu dieser Frage haben wir allerdings nicht gefunden.

Seit dem Frühjahr betreibt das Startup Andon Labs in San Francisco ein Ladengeschäft, dessen Leitung eine KI-Agentin namens Luna übernommen hat: eigenes Bankkonto, eigene Firmenkarte, ein Mietvertrag über drei Jahre, menschliche Angestellte, die sie einstellt und einteilt. Am Wochenende griffen deutsche Medien das Experiment auf. Die Zahl, die dabei durch die Berichte lief — das Budget sei auf gut 60.000 Dollar geschrumpft, ein Minus von knapp 40 Prozent —, stimmt allerdings nicht mehr.

Andon Labs veröffentlicht die Finanzdaten des Ladens täglich. Wir haben die Zeitreihe von der Seite des Unternehmens heruntergeladen und selbst ausgewertet: 164 Tageseinträge vom 3. April bis zum 13. September 2026, jeweils mit Kontostand, Tagesumsatz, Token-Kosten, Stückzahl und dem eingesetzten Modell. Das Ergebnis: Der Kontostand beginnt am 3. April bei 94.495 Dollar und steht am 13. September bei 7.252 Dollar. Bezogen auf das von Andon Labs genannte Startbudget von 100.000 Dollar sind das rund 93 Prozent Verlust, nicht 40.

Woher die kursierende Zahl kommt, lässt sich in derselben Reihe nachschlagen. Am 29. Mai 2026 stand das Konto bei 64.651 Dollar, am 30. Mai bei 64.446. Die „gut 60.000 Dollar“ sind also korrekt — für Ende Mai. Seither sind dreieinhalb Monate vergangen. Zur Quellenlage: Die Zahl erreicht uns über die Wiedergabe bei t3n; der zugrundeliegende Spiegel-Text steht hinter einer Schranke und wurde von uns nicht gelesen. Wer den Fehler gemacht hat, können wir deshalb nicht sagen — nachprüfbar ist nur, dass er sich vermeiden ließ, weil die Primärquelle öffentlich und tagesaktuell ist.

Die Gesamtrechnung ist die eigentliche Nachricht. Über alle 164 Tage summiert sich der Umsatz auf rund 25.098 Dollar bei 803 verkauften Einheiten. Die Token-Kosten für den Betrieb der Agentin summieren sich im selben Zeitraum auf rund 24.397 Dollar. Das heißt: Fast der gesamte Umsatz des Ladens ging für das Nachdenken der Ladenleiterin drauf. Miete, Löhne und Ware kommen obendrauf — und erklären den Rest der Lücke. Wer wissen will, warum autonome Agenten in echten Betrieben bisher selten sind, findet hier eine sehr direkte Antwort: Die Inferenzkosten verhalten sich nicht wie ein Gemeinkostenblock, sondern wie ein zweiter Wareneinsatz.

Das Modell hinter Luna hat mehrfach gewechselt, was das Experiment nebenbei zu einem ungewöhnlichen Langzeitvergleich macht. Die Reihe verzeichnet der Reihe nach Claude Sonnet 4.6 zum Start, später Claude Opus 4.7 und 4.8, Claude Sonnet 5 sowie zuletzt Claude Fable 5 und seit dem 2. September Fable 5.1. Auffällig ist, dass die Token-Kosten in der Opus-Phase Ende Mai teils über 350 Dollar am Tag lagen, zuletzt dagegen bei rund 90 bis 130 Dollar — die Modelle sind für dieselbe Aufgabe deutlich billiger geworden, ohne dass der Laden dadurch profitabel wurde.

Die Vorgeschichte ordnet das Projekt ein. Andon Labs ist dieselbe Firma, die 2025 gemeinsam mit Anthropic das Experiment „Project Vend“ durchführte, bei dem eine Claude-Instanz einen Snack-Automaten im Anthropic-Büro betrieb. Der Laden in San Francisco ist die Vergrößerung desselben Versuchs: vom Automaten zum Mietvertrag mit Personal.

Bei der viel zitierten Zufriedenheit der Angestellten lohnt ein zweiter Blick. Die Belege dafür sind Interviewzitate aus den Blogbeiträgen des Unternehmens, keine strukturierte Erhebung — es gibt keine Skala, keine definierte Stichprobe und keine Vergleichsgruppe mit menschlichen Vorgesetzten. Dass Luna als angenehme Chefin erlebt wird, ist gut belegt und hat einen naheliegenden Grund: Nach Angaben von Andon Labs kamen ihre Angestellten 27-mal zu spät, ohne dass sie ein einziges Mal abgemahnt hätte. Einem um 91 Minuten verspäteten Mitarbeiter antwortete sie: „no stress, get here safe […] if anyone’s waiting at 10 they’ll survive a few minutes.“

Die Kehrseite steht in denselben Beiträgen und kommt in den Aufgriffen zu kurz. Andon Labs berichtet selbst, dass Luna einen Dienstplan genehmigte, der gegen kalifornisches Arbeitsrecht verstieß und vom Unternehmen gestoppt werden musste; dass sie das Gehalt eines Mitarbeiters in einem Kanal veröffentlichte, den anders bezahlte Kollegen mitlesen konnten; und dass eine ungleiche Bezahlung nach Geschlecht erst korrigiert wurde, nachdem die New York Times darüber berichtet hatte. Eine Führungskraft, die niemanden abmahnt, ist angenehm. Eine, die Gehälter ausplaudert und Arbeitszeitrecht bricht, ist ein Haftungsrisiko. Beides ist dieselbe Eigenschaft: Sie kennt die Regeln, die nirgends aufgeschrieben stehen, nicht.

WIRED hat am Samstag einen Beitrag veröffentlicht, der eine unbequeme These zuspitzt: Der Bauboom bei Rechenzentren erkläre sich nicht aus der Zahl der Menschen, die Chatbots benutzen, sondern aus Agenten, die sich selbst beschäftigen. Die prägnanteste Formulierung stammt von Boris Gamazaychikov von der Sustainable AI Group: „In other technological growth areas, we’re constrained by how many people are driving a car or streaming Netflix. Now, this stuff is kind of decoupled from users.“

Die Zahlen dafür liefert WIRED allerdings nicht selbst — der Text verweist auf eine Auswertung, die einen Monat älter ist und deren Belastbarkeit von der Machart abhängt. Wir haben deshalb die Primärquelle gelesen: einen Beitrag des Klimaforschers Zeke Hausfather vom 5. August 2026. Hausfather arbeitet bei Stripe und war Autor sowohl beim Weltklimarat als auch beim US-Klimabericht; er hat nicht hochgerechnet, sondern die lokalen Protokolldateien seiner eigenen Arbeit ausgewertet, in denen die Schnittstelle jeden einzelnen Modellaufruf mit exakten Tokenzahlen vermerkt.

Das Ergebnis in seinen Worten: „Over the past 8 weeks I typed 1,138 prompts into Claude Code. Those prompts triggered more than 14,000 model calls that processed 3.2 billion tokens. My best estimate is that this used around 170 kWh of data center electricity (with an uncertainty range of roughly 70 to 330 kWh across methods and assumptions). That works out to around 150 Wh per prompt (60 to 290 Wh), which is roughly 600 times (250 to 1,200) the energy of a median chat prompt.“ Auf gut 1.100 Eingaben kamen also über 14.000 Modellaufrufe — im Schnitt ein Dutzend Aufrufe pro getipptem Satz.

Der Vergleichsmaßstab ist genau die Zahl, die überall zitiert wird. Google hatte 2025 errechnet, dass eine mittlere Texteingabe bei Gemini 0,24 Wattstunden verbraucht — weniger als neun Sekunden Fernsehen. Sam Altman nannte für ChatGPT 0,34 Wattstunden, Epoch AI kam auf eine ähnliche Größenordnung. Alle diese Werte sind vermutlich richtig. Sie beschreiben nur eine Nutzungsform, die im Agentenbetrieb nicht mehr vorkommt.

Besonders aufschlussreich ist, wohin die Tokens fließen. Nach Hausfathers Auswertung sind 96 Prozent aller verarbeiteten Tokens sogenannte Cache Reads — der Agent liest wiederholt seinen eigenen Arbeitskontext neu ein. Nur 0,4 Prozent der Tokens sind der Text, den der Nutzer am Ende zu sehen bekommt. Das erklärt, warum die Intuition hier so zuverlässig versagt: Der sichtbare Teil der Arbeit ist ein Rundungsfehler des tatsächlichen Aufwands.

Die Alltagsvergleiche, die er daraus bildet: Eine mittlere Arbeitssitzung verbraucht rund 0,6 Kilowattstunden — das Fünfzigfache einer Handyladung. Ein durchschnittlicher Arbeitstag kommt auf 3,0 Kilowattstunden, mehr als zwei laufende Kühlschränke. Aufs Jahr hochgerechnet landet er bei rund 1,1 Megawattstunden.

Zwei unabhängige Quellen stützen die Richtung, wenn auch nicht die exakte Zahl. Die Internationale Energieagentur schreibt in ihrer Untersuchung zu Energie und KI, solche Aufgaben könnten „hundreds or thousands of times more energy per query than simple text generation“ verbrauchen. Und ein Rahmenwerk für die Unternehmensbilanzierung von KI-Emissionen, das wir im PDF gelesen haben, formuliert den Mechanismus: „Agentic workflows compound this further, because a single request can trigger anywhere from 5-50+ model calls […] emissions attributed to one ‚interaction‘ may understate the true compute consumed by an order of magnitude or more.“ Eine Präzisierung ist hier nötig, weil sie oft untergeht: Eine viel zitierte Studie vom April 2026 nennt einen Faktor von 1.000 beim Tokenverbrauch — dieser Vergleich bezieht sich aber auf Code-Chat und Code-Reasoning, nicht auf gewöhnliche Chatnutzung.

Zur Abgrenzung von unserer gestrigen Ausgabe: Am 13. September ging es um die Gesundheitskosten, die Rechenzentren über Luftschadstoffe verursachen — also um die Folgen am Standort. Hier geht es um eine ganz andere Messung: um die Frage, wie viel Strom eine einzelne Arbeitsweise verbraucht. Die Zahlen sind nicht vergleichbar und widersprechen einander auch nicht.

Was folgt daraus praktisch? Drei Dinge sind belegt genug, um sie in eine Entscheidung einzubauen. Erstens korrelieren Energie- und Tokenkosten eng — wer seine Rechnung senkt, senkt meist auch den Verbrauch, und umgekehrt ist die Stromfrage kein separates Nachhaltigkeitsthema, sondern dieselbe Zahl aus einer anderen Richtung. Zweitens sind kleinere Modelle für Teilaufgaben nach den von Hausfather zitierten Messungen um den Faktor fünf bis sieben sparsamer pro Token; die Wahl des Modells pro Arbeitsschritt ist also ein Hebel. Drittens senkt ein sauberer Strommix den Fußabdruck um rund 90 Prozent — womit die Standortwahl des Anbieters mehr ausmacht als jede Optimierung am Prompt. Wer nach der EU-Nachhaltigkeitsberichterstattung Zahlen liefern muss, wird sich zudem darauf einstellen müssen, dass „eine Anfrage“ als Bezugsgröße nicht mehr trägt.