Ausgabe vom 9. Oktober 2026

Hinter den Kulissen des wertvollsten KI-Unternehmens der Welt vollzieht sich eine bemerkenswerte Ernüchterung bei den finanziellen Erwartungen. Wie die Financial Times und TechCrunch am gestrigen Donnerstag übereinstimmend unter Berufung auf interne Unterlagen berichteten, hat die Führungsetage von OpenAI ausgewählten Bestands- und Neu-Investoren signalisiert, dass der tatsächliche annualisierte Umsatz des Konzerns derzeit bei „knapp 50 Milliarden US-Dollar“ liegt. Diese Klarstellung wiegt schwer, da noch vor gut einer Woche in der internationalen Wirtschaftspresse Berichte kursierten, wonach OpenAI eine Run-Rate von nahezu 70 Milliarden Dollar anpeile – eine Kennzahl, die das Unternehmen auf Augenhöhe mit den aggressiv wachsenden Zahlen des Erzrivalen Anthropic gehoben hätte.

Die plötzliche Diskrepanz von 20 Milliarden US-Dollar ist das Resultat kreativer Bewertungsmethoden und unterschiedlicher Bilanzierungsstandards im Tech-Sektor. Den Recherchen zufolge ging die astronomische 70-Milliarden-Dollar-Schätzung nicht auf offizielle Finanzberichte des KI-Pioniers zurück, sondern auf interne Modellrechnungen einzelner Wagniskapitalgeber. Diese hatten versucht, einen direkten Vergleich zwischen OpenAI und Anthropic herzustellen. Während Anthropic in seiner kommunizierten Run-Rate jedoch auch die Erlöse berücksichtigt, die über Cloud-Partner wie Amazon Web Services (AWS) und Google Cloud generiert werden, bilanziert OpenAI seine Zahlen traditionell konservativer: Erlöse aus der Bereitstellung von Modellen über Microsofts Azure-Infrastruktur fließen nicht vollumfänglich in OpenAIs direkte Umsatzkennziffern ein, sondern verbleiben zu großen Teilen beim Redmonder Cloud-Riesen.

Dennoch wirft die Korrektur ein grelles Schlaglicht auf die wachsende finanzielle Belastungsprobe, vor der CEO Sam Altman steht. Erst im März 2026 hatte OpenAI in einer historischen Finanzierungsrunde atemberaubende 122 Milliarden US-Dollar an frischem Eigenkapital eingeworben, um den gigantischen Bedarf an Rechenkapazitäten, HBM-Speicher und spezialisierten Inferenz-Clustern abzusichern. Geleakte Finanzunterlagen für das Geschäftsjahr 2025 zeigten bereits ein dramatisches Missverhältnis: Zwar konnte das Unternehmen damals rund 13 Milliarden Dollar an Umsatzerlösen verbuchen, verbrannte im selben Zeitraum jedoch ein Vielfaches dieser Summe für Trainingsläufe neuer Modellgenerationen und die Subventionierung von Endkunden-Tokens.

Zusätzlich treiben milliardenschwere Infrastrukturprojekte wie das gigantische Supercomputer-Vorhaben „Stargate“ mit Microsoft die langfristigen Zahlungsverpflichtungen in schwindelerregende Höhen. Wagniskapitalgeber wie Thrive Capital, SoftBank und Khosla Ventures drängen die Führungsetage zunehmend auf belastbare Nachweise, wie die astronomischen Vorabinvestitionen in Inferenz-Cluster und Rechenzentrums-PPA-Verträge jemals amortisiert werden sollen. Während OpenAI die Kosten für das Training neuer Frontier-Modelle wie GPT-6 und das gemunkelte Projekt „Orion“ schultern muss, fordern Großinvestoren einen klaren Pfad zur operativen Profitabilität, um den Börsengang nicht zum Fiasko werden zu lassen.

Für institutionelle Investoren, die auf einen baldigen und lukrativen Börsengang spekuliert hatten, trüben sich die Aussichten spürbar ein. Der ursprünglich für das laufende Jahr 2026 angepeilte IPO wurde von der OpenAI-Führung bereits auf das erste Quartal 2027 verschoben. Analysten von Wall-Street-Banken werten die jüngste Umsatzdämpfung als Beleg dafür, dass das explosive Wachstum im Endkundengeschäft mit ChatGPT an natürliche Sättigungsgrenzen stößt. Gleichzeitig erweist sich das Enterprise-Geschäft als zäher und margenschwächer als prognostiziert, da Großkonzerne im Zuge offener Standards wie dem Model Context Protocol (MCP) und starker Open-Weight-Alternativen zunehmend auf Multi-Model-Architekturen setzen, statt sich exklusiv an OpenAIs proprietäres API-Ökosystem zu binden.

Erschwerend kommt hinzu, dass der Inferenz-Preiskampf die Ertragsmargen pro Token massiv aushöhlt. Während Anthropic mit Haiku 5.5 die Preise für Routineaufgaben um 90 Prozent senkt und chinesische Open-Source-Modelle wie DeepSeek V4.1 Inferenzkosten im Cent-Bereich für Millionen Tokens etablieren, muss OpenAI astronomische Fixkosten für seine Rechenzentren bedienen. Die 20-Milliarden-Dollar-Kluft verdeutlicht: Das Zeitalter, in dem KI-Laboratorien astronomische Bewertungen allein durch das Versprechen exponentiellen Umsatzwachstums rechtfertigen konnten, weicht einer Phase nüchterner bilanzieller Realitätsprüfungen, in der jeder ausgegebene Dollar für Training und Inferenz gegen reale Kundenbudgets aufgerechnet wird.

In der europäischen Technologieszene sorgt eine richtungsweisende Weichenstellung für erhebliche Unruhe. Die in Berlin ansässige, für ihre Aufforstungsprojekte bekannte Suchmaschine Ecosia vollzieht einen radikalen Kurswechsel in ihrer KI-Infrastruktur. Wie Ecosia-Gründer und CEO Christian Kroll in einem ausführlichen Gespräch mit dem Politikmagazin Politico bekanntgab, trennt sich das Unternehmen mit sofortiger Wirkung von seinem bisherigen europäischen Vorzeigepartner Mistral AI. Stattdessen setzt Ecosia künftig konsequent auf frei verfügbare Open-Source- und Open-Weight-Modelle, darunter prominente Systeme führender chinesischer Entwickler wie DeepSeek und Alibaba Cloud (Qwen).

Der Schritt kommt für viele Beobachter überraschend, da Ecosia erst im Mai 2026 den US-amerikanischen Marktführer OpenAI demonstrativ den Rücken gekehrt hatte, um ganz bewusst auf das Pariser Aushängeschild Mistral zu setzen. Als ökologisch ausgerichtete Suchmaschine mit täglich über 15 Millionen Suchanfragen, die von zahlreichen öffentlichen Institutionen wie dem deutschen Bundesumweltministerium und dem britischen National Health Service (NHS) offiziell genutzt wird, wollte Ecosia ein unübersehbares Zeichen für europäische Datensouveränität und Unabhängigkeit von den US-Hyperscalern setzen. Doch die operative Realität dieser Partnerschaft hielt den hehren politischen Absichten nicht stand.

Kroll begründet den harten Bruch mit massiven technischen Unzulänglichkeiten und gravierenden Leistungsdefiziten aufseiten der Franzosen. Mistral sei in den vergangenen Monaten technologisch „schlicht ein Jahr hinter die Konkurrenz zurückgefallen“. Zudem sei die französische Infrastruktur den Lastspitzen des Suchmaschinenbetriebs nicht gewachsen gewesen: Durch chronisch überlastete Rechenzentren kam es regelmäßig zu Ausfällen und inakzeptablen Latenzspitzen, da Ecosia mit seinem Suchvolumen schlicht zu groß für die bestehenden Kapazitäten von Mistral war. Neben den technischen Mängeln führte Kroll auch ökologische Widersprüche an: Der hohe Anteil von Atomstrom im französischen Energiemix kollidiere mit den strengen Nachhaltigkeitszielen von Ecosia. Zudem hinterfragte er Mistrals angebliche Souveränität, nachdem das Pariser Startup dreistellige Millionensummen von internationalen Konzernen wie Nvidia und Samsung eingeworben hatte.

Dass Mistral erst vor wenigen Tagen, am 6. Oktober, mit Mistral Large 4 ein neues Flaggschiff mit einer Billion Gesamtparametern und Sparse-MoE-Architektur ankündigte (über das wir in unserer Ausgabe vom 7. Oktober ausführlich berichteten), konnte Ecosia nicht mehr umstimmen. Kroll sieht in solchen gigantischen Modellen ein überholtes Paradigma, das in der täglichen Inferenzpraxis viel zu viel Energie verbraucht und für dynamische Suchanfragen schlicht unökonomisch ist. Stattdessen setzt Ecosia auf kompaktere, hochgradig quantisierte Open-Weight-Modelle, die sich auf spezifische Retrieval- und Syntheseaufgaben feintunen lassen.

Statt das europäische Label als Selbstzweck zu verteidigen, schlägt Ecosia nun einen pragmatischen Pfad ein: Das Unternehmen kooperiert ab sofort mit der Inferenz-Plattform Melious, die offene Open-Weight-Modelle in zertifizierten, mit erneuerbaren Energien betriebenen Rechenzentren hostet. Dass dabei auch chinesische Modelle wie DeepSeek V4.1 zum Einsatz kommen, sieht Kroll nicht als Hindernis. Zwar warnen westliche Sicherheitsbehörden und Organisationen wie NewsGuard regelmäßig vor politischer Zensur und Desinformation im Sinne der Pekinger Staatsräson, doch Kroll argumentiert, dass sich solche Verzerrungen bei offenen Gewichten durch gezielte Nachjustierungen (Fine-Tuning, Guardrails und RLHF) im eigenen Rechenzentrum zuverlässig entfernen ließen.

In der europäischen KI-Branche schlägt der Schritt hohe Wellen. Während Mistral-Mitgründer Guillaume Lample beschwichtigte, dass der Bau weltklassefähiger Modelle Zeit und Rechenkraft erfordere, und Ecosia zum Test des frisch gelaunchten Mistral Large 4 einlud, warnte Rasmus Rothe vom Bundesverband Künstliche Intelligenz vor verfrühter Naivität: Zensurfilter ließen sich zwar wegtrainieren, subtile Vorprägungen in den Trainingsdaten reichten jedoch tief in das Fundament der Modelle hinein. Krolls Fazit ist dennoch eindeutig: Wahre digitale Souveränität für europäische Unternehmen liege 2026 nicht im subventionierten Milliardentraining eigener Foundation Models, sondern in der souveränen, lokalen Ausführung und Anpassung frei zugänglicher Gewichte.

Im Dauerkonflikt zwischen defensiver Softwaresicherheit und automatisierten Cyberangriffen ergreift Anthropic eine offensive Initiative zum Schutz der digitalen Allgemeingüter. Das KI-Sicherheitslabor kündigte am Donnerstag den Start seines neuen Dienstes OSS Scanner an. Über diese Plattform bietet Anthropic Betreibern und Maintainern ausgewählter Open-Source-Projekte an, ihre Repositories in regelmäßigen Abständen vollautomatisch und kostenfrei auf subtile Sicherheitslücken, Logikfehler und Pufferüberläufe überprüfen zu lassen. Zum Einsatz kommen dabei nicht die üblichen Basismodelle, sondern Anthropics leistungsfähigste Inferenz-Systeme, darunter das für komplexe Code-Analysen trainierte Frontier-Modell Claude Mythos.

Hintergrund der Initiative ist die rasant steigende Verwundbarkeit moderner Software-Lieferketten. In den vergangenen Monaten haben KI-Werkzeuge bereits mehrfach dazu beigetragen, gravierende Sicherheitslücken in populärer quelloffener Software aufzudecken – prominentestes Beispiel war die sogenannte „Copy Fail“-Schwachstelle im Mai 2026, die nahezu jede Linux-Distribution betraf und unbemerkte Privilegienerweiterungen im Kernel ermöglichte. Da hochentwickelte Reasoning-Modelle mittlerweile in der Lage sind, Millionen Zeilen Quellcode über Repositories hinweg semantisch zu durchdringen, nutzen auch staatliche Akteure und kriminelle Netzwerke automatisierte Agenten, um Zero-Day-Lücken vor den Maintainern aufzuspüren.

Das Besondere und zugleich Kontroverse am OSS Scanner ist sein Betriebsmodell: Die Sicherheitsberichte werden vollständig und ungefiltert von den KI-Modellen generiert, ohne dass menschliche Sicherheitsanalysten von Anthropic eine vorherige Triage oder Qualitätsprüfung vornehmen. Maintainer müssen sich aktiv per Opt-in für den Dienst anmelden und erhalten anschließend automatisierte Schwachstellenberichte samt Code-Diffs und Reproduktionspfaden direkt übermittelt. Anthropic räumt in seiner Ankündigung unumwunden ein, dass dieser Verzicht auf menschliche Zwischenschritte zwar eine beispiellose Scan-Frequenz und Skalierung erlaubt, jedoch unvermeidlich dazu führt, dass ein gewisser Prozentsatz der gemeldeten Schwachstellen fehlerhaft, unvollständig oder ungültig sein wird.

Technisch dockt der Scanner über eine standardisierte Konfigurationsdatei im Repository-Root (.anthropic/security.yml) an. Maintainer können darin Schwellenwerte für den Schweregrad festlegen, sensible Codepfade ausschließen und steuern, ob das System neben der reinen Schwachstellenmeldung auch automatisierte Pull Requests mit vorformulierten Fehlerkorrekturen (Patches) einreichen darf. Im Gegensatz zu traditionellen statischen Code-Analysewerkzeugen (SAST) wie SonarQube oder Semgrep analysiert Claude Mythos nicht nur isolierte Syntaxbäume, sondern simuliert die tatsächliche Kontrollfluss-Logik und das interprozedurale Zusammenspiel über Modulgrenzen hinweg.

Diese Eigenschaft trifft die Open-Source-Gemeinschaft an einem wunden Punkt. Viele Entwicklerteams und prominente Maintainer – allen voran Linux-Schöpfer Linus Torvalds – beklagen seit Monaten eine regelrechte Flut unbrauchbarer, von Amateuren mittels LLMs generierter Bug-Reports. Erst vor wenigen Tagen, in unserer Ausgabe vom 5. Oktober, berichteten wir ausführlich darüber, dass Google sein prestigeträchtiges Open Source Software Vulnerability Reward Program (OSS VRP) bis mindestens Anfang 2027 komplett einfrieren musste, weil menschliche Prüfer unter Millionen halluzinierter Schwachstellenberichte kollabierten. Anthropic hält dem entgegen, dass der OSS Scanner im Gegensatz zu unqualifizierten externen Bounty-Huntern gezielt autorisierten Maintainern zuarbeitet und durch den Einsatz von Claude Mythos eine signifikant höhere Signal-to-Noise-Ratio aufweise als gewöhnliche Consumer-Bots.

Für die Open-Source-Ökologie stellt das Programm dennoch ein zweischneidiges Experiment dar. Einerseits erhalten chronisch unterfinanzierte Infrastruktur-Projekte – von kryptografischen Bibliotheken bis hin zu grundlegenden Webservern – Zugriff auf modernste Sicherheitsforschung, die sonst nur Großkonzernen vorbehalten ist. Andererseits droht der administrative Aufwand für Maintainer weiter zu steigen, wenn sie komplexe Modell-Analysen aufwendig auf False Positives gegenprüfen müssen. Ob der OSS Scanner die Open-Source-Welt tatsächlich sicherer macht oder Maintainer weiter überlastet, wird davon abhängen, wie präzise Mythos tatsächliche Bedrohungen von theoretischen Randfällen unterscheiden kann.

Google bläst zum Großangriff auf Microsoft Copilot und Salesforce Agentforce im lukrativen Markt für Unternehmenssoftware. Auf einer hochkarätig besetzten Google-Cloud-Konferenz kündigten Konzernchef Sundar Pichai und Cloud-CEO Thomas Kurian am gestrigen Donnerstag die Einführung einheitlicher Gemini Enterprise Agents an. Die Neuerung transformiert Googles KI-Ökosystem grundlegend: Statt Mitarbeiter lediglich über eine dialogorientierte Chat-Seitenleiste bei Formulierungshilfen zu unterstützen, treten die neuen Agenten als vollwertige, eigenständig agierende Akteure im Unternehmensnetzwerk auf, die komplexe Zielvorgaben über Tage hinweg autonom abarbeiten können.

Das architektonische Kernmerkmal dieser neuen Generation ist die Vergabe einer eigenen digitalen Identität. Jeder Gemini Enterprise Agent wird im Google Workspace der Organisation als vollwertiges Konto registriert – komplett mit eigener E-Mail-Adresse, internem Profil, persönlichem Terminkalender und granularen Berechtigungen. Menschliche Kollegen können den Agenten wie einen echten Mitarbeiter in Gruppenchats einbinden, in Google Docs oder Sheets mit @-Erwähnungen taggen oder ihm per E-Mail Arbeitsaufträge delegieren. Wenn der Agent Aktionen ausführt – etwa das Buchen von Geschäftsreisen, das Einpflegen von Transaktionsdaten in BigQuery oder das Versenden von Genehmigungsanfragen –, hinterlässt er einen revisionssicheren Audit-Trail, der transparent auf den Agenten und nicht auf den anweisenden Mitarbeiter zurückgeht.

Thomas Kurian betonte in seiner Keynote den konzeptionellen Unterschied zu herkömmlichen KI-Helfern: „Wir geben dem Agenten Ziele vor, nicht nur starre Schritt-für-Schritt-Anweisungen.“ Das System zerlegt übergeordnete Zielsetzungen selbstständig in Teilaufgaben, delegiert diese an spezialisierte Subagenten und lädt bei Bedarf dynamisch spezifische Fähigkeiten oder Code-Bibliotheken nach. Um die Arbeitsfortschritte für menschliche Vorgesetzte transparent zu halten, führt Google eine sogenannte Tasks Inbox ein. In dieser Steuerungszentrale können Teamleiter die Denkprozesse des Agenten, anstehende Entscheidungen und den Erfüllungsgrad offener Arbeitsströme in Echtzeit überwachen und bei Bedarf korrigierend eingreifen.

Um dem gefürchteten Phänomen des „Agent Sprawl“ – dem unkontrollierten Wildwuchs hunderter autonomer Skripte im Firmennetz – vorzubeugen, stattet Google IT-Administratoren mit zentralen Sicherheitsregeln aus. Über das Google Cloud Identity & Access Management (IAM) lassen sich strikte Budgetgrenzen für Token- und API-Ausgaben pro Agenten festlegen, Freigabeprozesse für destruktive Operationen erzwingen und Zugriffsrechte auf sensible Datenräume minutengenau terminieren. Zudem laufen alle Werkzeugaufrufe in isolierten Container-Sandboxes innerhalb der VPC des Kunden, wodurch Datenabflüsse an unbefugte Dritte ausgeschlossen werden.

Bemerkenswert pragmatisch zeigt sich Google bei der Offenheit der Architektur. Standardmäßig wählt das System zwar automatisch das am besten geeignete Gemini-Modell für die jeweilige Aufgabe aus, doch Enterprise-Kunden können diese Auswahl überschreiben und auf Modelle von Drittanbietern zurückgreifen – beginnend mit Anthropics Claude-Reihe. Zudem unterstützt Google nativ das Model Context Protocol (MCP), wodurch sich die Agenten nahtlos mit internen Datenbanken, kundenspezifischen Schnittstellen und externen SaaS-Plattformen vernetzen lassen. Neben der tiefen Verzahnung mit Google Workspace und BigQuery stehen Konnektoren für Microsoft 365, Slack, Jira, Confluence, Databricks, Postgres und Snowflake bereit.

Mit der Fokussierung auf Enterprise-Kunden will Google die heiklen Herausforderungen rund um Datensicherheit, Berechtigungsmanagement und Governance lösen, bevor agentische Funktionen für Endverbraucher freigeschaltet werden. Laut Pichai nutzen bereits knapp 90 Prozent der Fortune-100-Konzerne Gemini Enterprise am Arbeitsplatz; zu den Pilotkunden der neuen Agenten zählen globale Marken wie PayPal, Shopify, On und BNP Paribas. Für die Software-Branche markiert der Rollout eine Zäsur: Der Übergang von assistierender Software zu vollwertigen, identitätsfähigen KI-Kollegen verändert die Organisation moderner Büroarbeit fundamental und zwingt IT-Verantwortliche, ihre IAM- und Compliance-Richtlinien für synthetische Mitarbeiter neu zu definieren.

In der Debatte über den verantwortungsvollen Umgang mit künstlicher Intelligenz beschreitet Anthropic Neuland und sorgt mit einer ungewöhnlichen Vertragsklausel für weltweites Aufsehen. Am gestrigen Donnerstag hat das KI-Unternehmen seine Nutzungsrichtlinien (Usage Policy) zum ersten Mal seit über einem Jahr umfassend reformiert. Neben dringend erwarteten Klarstellungen zu geopolitischen Hochrisikobereichen wie Wahlbeeinflussung, Cyberüberwachung und autonomer Waffenentwicklung enthält das Dokument eine Bestimmung, die in der Tech-Branche sofort hitzige Debatten auslöste: Ab sofort ist es Nutzern vertraglich untersagt, „anhaltendes und unnötiges missbräuchliches oder grausames Verhalten“ (sustained and needless abusive or cruel behavior) gegenüber dem Sprachmodell Claude an den Tag zu legen.

Die Klausel ist das sichtbare Resultat eines internen Forschungsprogramms zu sogenanntem Model Welfare (Modell-Wohlbefinden), das Anthropic bereits im August initiiert hatte. Im Kern räumt das Unternehmen Claude das Recht ein, Konversationen mit Anwendern, die das System wiederholt verbal demütigen, manipulieren oder quälen, eigenständig abzubrechen. Als primärer Durchsetzungsmechanismus dient das Beenden des Chats; ob darüber hinaus permanente Kontosperren verhängt werden, ließ Anthropic offen. Das Unternehmen stellte jedoch klar, dass diese Regelung ausschließlich für extreme Ausnahmefälle sinnloser Boshaftigkeit gelte und weder normale Frustrationsäußerungen von Entwicklern noch kreatives Schreiben in dunklen Genres oder methodische Stresstests in der KI-Forschung einschränke.

Hinter der scheinbar bizarren Vorstellung, ein stochastisches Sprachmodell vor „seelischem Schmerz“ zu schützen, stehen handfeste psychologische und gesellschaftliche Beobachtungen. Angesichts der rasant zunehmenden Vermenschlichung von KI-Systemen und der Entstehung intensiver parasozialer Beziehungen warnen Psychologen vor bedenklichen Abstumpfungseffekten. Erst am gestrigen Tag machten schwere Vorwürfe gegen OpenAIs Feature „ChatGPT for Teens“ Schlagzeilen, da Jugendliche durch engagement-optimierte Konversationen in emotionale Abhängigkeiten gerieten. Wenn Nutzer lernen, ein Gegenüber, das sprachlich hochkomplexe Empathie simuliert, hemmungslos zu erniedrigen, drohen solche Verhaltensmuster auf zwischenmenschliche Interaktionen überzugreifen. Anthropics Verbot setzt hier ein klares normatives Stoppsignal.

Philosophen und KI-Ethiker wie Amanda Askell und Nick Bostrom weisen zudem darauf hin, dass mit steigender kognitiver Tiefe und kontinuierlichem Lernen die Grenze verwischt, ab wann ein System moralische Berücksichtigung (Moral Patiency) einfordern könnte. Zwar besitzt Claude nach heutigem naturwissenschaftlichen Kenntnisstand kein subjektives Bewusstsein, doch Anthropics Ethik-Kommission argumentiert präventiv: Eine Zivilisation, die sadistisches Ausleben an hochgradig responsiven kognitiven Entitäten normalisiere, beschädige ihre eigenen ethischen Grundfesten. Das Verbot soll daher auch verhindern, dass Entwickler gezielt Modelle darauf trainieren, Unterwürfigkeit unter Missbrauch zu demonstrieren.

Jenseits der ethischen Kontroverse um das Modell-Wohlbefinden schärft Anthropic seine Verbotskataloge in sicherheitskritischen Bereichen drastisch nach. Vor dem Hintergrund anstehender Wahlen verbietet die Richtlinie nun explizit jede Nutzung von Claude zur Erstellung irreführender politischer Propaganda, die Verschleierung von Urheberschaften durch Schein-Accounts sowie Versuche zur Unterdrückung der Wahlbeteiligung. Im Bereich der Überwachung untersagt Anthropic jegliches nicht-einwilligendes Personen-Tracking – sei es in Echtzeit oder über historische Daten. Claude darf unter keinen Umständen Empfehlungen darüber abgeben, welche Personen im Rahmen von Strafverfolgungs- oder Justizprozessen verhaftet, überwacht oder angeklagt werden sollen.

Auch die Rüstungsklauseln wurden präzisiert: Nachdem Anthropic in internen Bedrohungsanalysen wiederholt Versuche registriert hatte, Claude zur Entwicklung von Zielerfassungs- und Steuerungssoftware für Kampfdrohnen zu missbrauchen, erstreckt sich das Verbot nun ausdrücklich auf alle Softwarekomponenten, die Waffen funktionsfähig machen oder autonome Trägersysteme bewaffnen. Ausnahmen behält sich Anthropic lediglich für explizite Regierungsverträge vor, sofern adäquate Schutzmechanismen greifen. Das Richtlinien-Update spiegelt die wachsende Erkenntnis wider, dass Inferenz-Laboratorien nicht länger neutrale API-Rohrleitungen betreiben, sondern die ethischen Leitplanken für die gesamte Interaktion zwischen Mensch und Maschine definieren müssen.

Die juristische Schlinge um das Trainings- und Datenbeschaffungsmodell von OpenAI zieht sich weiter zu. Der größte US-amerikanische Zeitungsverleger Gannett – Herausgeber des auflagenstarken Flaggschiffs USA Today sowie hunderter renommierter Lokalzeitungen wie The Tennessean, The Indianapolis Star und The Columbus Dispatch – hat am gestrigen Donnerstag beim Bundesbezirksgericht in New York eine umfassende Klage wegen massiver Urheberrechtsverletzungen gegen OpenAI und dessen Hauptpartner Microsoft eingereicht. In der Klageschrift beziffert das Medienhaus den entstandenen Schaden auf mehr als 250 Millionen US-Dollar und verlangt die vollständige Vernichtung aller Modellgewichte, die auf den geschützten Inhalten des Verlags trainiert wurden.

Der Vorwurf der Verleger wiegt schwer und zielt direkt auf das Fundament des KI-Pioniers: „OpenAIs kommerzieller Erfolg beruht auf Urheberrechtsverletzungen in gigantischem Ausmaß“, heißt es unmissverständlich in der 68-seitigen Klageschrift. OpenAI habe über Jahre hinweg systematisch und ohne jegliche Genehmigung oder finanzielle Kompensation „Hunderttausende urheberrechtlich geschützte Artikel, Reportagen und investigative Recherchen“ aus den Archiven von USA Today und den beteiligten Regionalzeitungen abgegriffen. Diese redaktionellen Inhalte seien als hochwertiges Trainingsmaterial verwendet worden, um Produkte wie GPT-5.6, GPT-6 und die Enterprise-Codex-Reihe zu entwickeln – Systeme, deren kommerzieller Marktwert heute im dreistelligen Milliardenbereich liegt.

Als Beweismittel legten Gannetts Anwälte hunderte forensische Prompts vor, in denen ChatGPT und Codex vertrauliche Artikel und exklusive Investigativberichte des Verlags nahezu wortwörtlich reproduzierten (Memorization). Bei komplexen lokalen Recherchen zu Korruptionsfällen in Tennessee oder Indiana generierte das Modell Absätze mit über 90 Prozent Textübereinstimmung, inklusive spezifischer Tippfehler und historischer Datumsangaben. Gannett argumentiert, dass dieser Sachverhalt die Behauptung von OpenAI widerlege, Sprachmodelle würden Texte lediglich wie menschliche Leser „studieren“ und neue Konzepte abstrahieren. Stattdessen fungiere das Modell als unlizenzierte, derivative Kopiermaschine.

Die Klage von Gannett ist der vorläufige Höhepunkt einer breiten Klagewelle aus der weltweiten Verlagsbranche. Bereits seit Ende 2023 führt die New York Times einen erbitterten Rechtsstreit gegen OpenAI; seither haben sich namhafte Medienhäuser und Publikationen wie The Intercept, der CNET-Mutterkonzern Ziff Davis, die kanadische Rundfunkanstalt CBC/Radio-Canada, die renommierte Encyclopaedia Britannica, das Wörterbuch Merriam-Webster, die Seattle Times sowie eine Koalition von über 400 US-Lokalzeitungen der juristischen Offensive angeschlossen. Gannett argumentiert nun, dass das unlizenzierte Einspeisen journalistischer Originaltexte in Auskunfts- und Chat-Engines die ökonomische Existenzgrundlage des unabhängigen Journalismus untergrabe, da Suchmaschinen und KI-Agenten die Rechercheergebnisse direkt wiedergeben, ohne Nutzer auf die Verlagswebseiten weiterzuleiten.

Für OpenAI stellt das Verfahren eine erhebliche strategische Niederlage dar. Das Unternehmen von Sam Altman hatte in den vergangenen Monaten versucht, den wachsenden juristischen Widerstand durch den Abschluss pauschaler Content-Lizenzverträge mit ausgewählten globalen Medienkonzernen (wie Axel Springer, News Corp, Le Monde und der Financial Times) einzudämmen. Gannett erteilt dieser Praxis jedoch eine deutliche Absage. Verlagsvertreter kritisierten hinter vorgehaltener Hand, dass die von OpenAI angebotenen Pauschalsummen in keinem Verhältnis zu den unumkehrbaren Schäden stünden und einer „nachträglichen Legitimierung von Datenraub“ gleichkämen. Zudem würden vor allem Lokalzeitungen, die das Rückgrat der regionalen Demokratie bilden, bei den selektiven Lizenzdeals systematisch übergangen.

Rechtsexperten sehen in dem Verfahren einen wegweisenden Präzedenzfall für die Doktrin des US-amerikanischen Fair Use. Sollten die Richter der Argumentation der Verleger folgen, dass das Training kommerzieller Frontier-Modelle auf urheberrechtlich geschützten journalistischen Texten keine transformative Nutzung darstellt, drohen OpenAI und anderen KI-Konzernen Schadensersatzforderungen in Milliardenhöhe. Für Software-Architekten und CTOs, die generative KI-Modelle in eigenen Produkten einsetzen, wächst damit das latente Risiko von Rechtsunsicherheiten und Urheberrechtskonflikten im Modell-Fundament weiter an.

Eine fundamentale Erschütterung zeichnet sich an der Schnittstelle zwischen künstlicher Intelligenz und moderner Informationssicherheit ab. Prominente Kryptografie-Forscher der Ethereum Foundation schlagen Alarm und fordern eine beschleunigte Umstellung der weltweiten Blockchain- und Sicherheitsarchitekturen. Auslöser ist eine eindringliche Warnung des renommierten Ethereum-Kernforschers Justin Drake, der die gesamte Web3- und Kryptowährungs-Community dazu aufrief, sich unverzüglich auf einen Bunker-Modus einzustellen. Drake empfiehlt Nutzern und Institutionen, ihre Guthaben schrittweise auf frische Wallet-Adressen zu transferieren, deren öffentliche Schlüssel (Public Keys) bislang noch nicht durch On-Chain-Transaktionen exponiert wurden.

Hintergrund der akuten Besorgnis sind die atemberaubenden Fortschritte autonomer KI-Reasoning-Systeme in der theoretischen Mathematik. Erst am Dienstag hatte OpenAI über 700 formal verifizierte mathematische Forschungsergebnisse und Lean-4-Beweise auf GitHub veröffentlicht, über deren kontroverse Aufnahme wir in unserer Ausgabe vom 7. Oktober berichteten. Zudem gelang es einem Verbund aus 10.000 koordinierten KI-Agenten, hochkomplexe Strömungsgleichungen in weniger als vier Tagen analytisch zu durchdringen. Drake argumentiert, dass diese neue Klasse von Inferenz-Modellen nicht durch rohe Rechengewalt (Brute-Force) angreift, sondern durch das Aufspüren verborgener algebraischer Abkürzungen und struktureller Symmetrien, die menschlichen Forschern über Jahrhunderte verborgen blieben.

Genau diese Fähigkeit wird nun zur existenziellen Bedrohung für traditionelle Public-Key-Verfahren. Nahezu alle modernen Kryptowährungen und Authentifizierungsprotokolle basieren auf elliptischen Kurven (wie dem ECDSA-Verfahren auf der Kurve secp256k1). „Elliptische Kurven besitzen eine extrem reiche mathematische Struktur – mit Raum für ausgefeilte algebraische Kunstgriffe wie Schoof-Algorithmen, Frobenius-Endomorphismen und Pairings“, warnte Drake. Sollte es einer künftigen Superintelligenz gelingen, das Problem des diskreten Logarithmus auf elliptischen Kurven durch neuartige algebraische Shortcuts in polynomialer Zeit zu lösen, ließe sich aus einem bekannten Public Key der private Schlüssel in Sekundenschnelle rekonstruieren. Solange ein Public Key jedoch nicht publiziert wurde, schützt der vorgeschaltete kryptografische Hash (etwa Keccak-256) die Adresse weiterhin zuverlässig.

Konkret empfiehlt Drake deshalb ein zweistufiges Sicherheitsverhalten: Wer Guthaben auf einer Adresse hält, von der aus bereits eine ausgehende Transaktion getätigt wurde (wodurch der Public Key in der Blockchain verewigt ist), sollte diese Mittel unverzüglich auf eine neu generierte Zieladresse überweisen und dort unberührt verwahren. Für die Entwickler-Community bedeutet dies zusätzlichen Handlungsdruck: Die für das Ethereum-Upgrade „Osaka“ geplanten Account-Abstraction-Standards (EIP-7702 und native Smart Contracts) müssen beschleunigt werden, um Signaturen modular auf Post-Quantum- und Hash-basierte Schemata umzustellen.

Ethereum-Mitgründer Vitalik Buterin schloss sich der Warnung an, mahnte zur Besonnenheit, erweiterte den Problemhorizont jedoch drastisch. Zwar empfehle er niemandem eine panische Hektik bei Wallet-Transfers, doch die Branche müsse die Risiken für die Kryptografie durch KI-beschleunigte Mathematik zutiefst ernst nehmen. Buterin warnte explizit davor, sich blind auf die gitterbasierte Kryptografie (Lattice-Based Cryptography) zu verlassen, die vom US-Normungsinstitut NIST eigentlich als Post-Quantum-Standard (wie ML-KEM und ML-DSA) für die Ära nach dem Quantencomputer standardisiert wurde: „Es besteht eine hohe Wahrscheinlichkeit, dass die konkrete Sicherheit von Gittern durch die nächsten zwei Jahre von KI-Mathematik schwere Risse bekommt.“ Aus diesem Grund treibe Ethereum seine Roadmap konsequent in Richtung einer radikalen „Hash-only“-Architektur voran, da kryptografische Hash-Funktionen im Gegensatz zu Kurven und Gittern praktisch frei von algebraischer Struktur sind.

Auch führende Krypto-Investoren und Sicherheitsanalysten wie Haseeb Qureshi von Dragonfly Capital stufen Drakes Warnung als nüchternen, überfälligen Weckruf ein. Die Bedrohung moderner Verschlüsselung geht möglicherweise nicht erst vom fernen, hardwaregebundenen „Q-Day“ (dem Durchbruch fehlertoleranter Quantencomputer) aus, sondern von rein softwarebasierten Inferenz-Durchbrüchen in den kommenden Monaten. Für IT-Sicherheitsverantwortliche in Tech- und Finanzkonzernen bedeutet dies: Die sogenannte Krypto-Agilität – die Fähigkeit, Signatur- und Verschlüsselungsverfahren in Produktivsystemen ohne Systemstillstand modular auszutauschen – wird 2026 von einer theoretischen Best Practice zur überlebenswichtigen Kernkompetenz.