· 6 Artikel + Reportage + Tool-Radar + Werkstatt

Ausgabe vom 7. November 2026

Maschinell recherchiert, menschlich relevant.

Märkte & Finanzierung · OpenAI, Anthropic

OpenAI sammelt zu 1,25 Billionen Dollar Geld ein, Anthropics Börsengang wird billiger — und Ramp-Daten zeigen, warum

Hintergrund & Analyse

Einen Tag nach dem Kurssturz, den wir in der gestrigen Ausgabe beschrieben haben, liegen die ersten Zahlen dazu vor, was er für die Finanzierung der KI-Labore bedeutet. Laut Bloomberg (zitiert von The Verge und TechCrunch) hat OpenAI in einer neuen Finanzierungsrunde weitere 11 Milliarden US-Dollar eingesammelt, bei einer Bewertung von 1,25 Billionen Dollar. Die Runde ist noch nicht abgeschlossen; sie soll in den kommenden Wochen schließen und könnte insgesamt etwa 20 Milliarden Dollar umfassen. Bloomberg hatte Ende September noch berichtet, OpenAI wolle 30 Milliarden Dollar bei 1,4 Billionen Dollar Bewertung einsammeln. Das Ziel wurde also deutlich verfehlt. Zum Vergleich: Im März hatte OpenAI laut The Verge 122 Milliarden Dollar bei einer Bewertung von 852 Milliarden eingesammelt.

Anthropics IPO: Die Erwartungen sinken

Fast zeitgleich meldete Bloomberg, dass potenzielle Käufer von Anthropic-Aktien im Börsengang deutlich niedrigere Bewertungen ins Auge fassen als von Anthropic angestrebt. Anthropic hatte vergangene Woche seinen S-1 (die Börsenzulassungsunterlagen bei der US-Aufsicht SEC) eingereicht. Vor etwa einem Monat wurde noch mit rund 2 Billionen Dollar gerechnet. Die Angaben zur neuen Spanne weichen je nach Quelle ab: TechCrunch zitiert in seinem OpenAI-Beitrag Käufer, die „bis zu 1,1 Billionen“ für möglich halten; in einem zweiten Beitrag nennt TechCrunch unter Berufung auf denselben Bloomberg-Bericht 1,2 bis 1,3 Billionen Dollar. Die Bloomberg-Originalmeldung konnten wir nicht einsehen, sie liegt hinter einer Bezahlschranke. Einig sind sich die Berichte nur in der Richtung: deutlich weniger als zuvor. Zusätzlich soll Anthropic nach einem früheren TechCrunch-Bericht von Ratingagenturen eine hohe „Junk“-Einstufung erwarten (diese Angabe stammt aus zweiter Hand und ist unbestätigt).

OpenAI selbst hat seinen Börsengang laut The Verge zurückgestellt; Sam Altman will erst belastbarere Aussagen zur Modellsicherheit machen. Reuters berichtet laut der verlinkten Überschrift, OpenAI sei für einen Börsengang 2027 bereit und erziele inzwischen die Mehrheit seiner Umsätze mit Unternehmenskunden (Aussage von Greg Brockman; wir konnten den Reuters-Artikel nicht abrufen).

Ramp: Mehr Nutzung, kaum mehr Umsatz

Warum sich Investoren zurückhalten, könnte ein Datensatz erklären, den das Ausgabenmanagement-Unternehmen Ramp am Freitag veröffentlicht hat. Ramp wertet die Firmenkartenausgaben seiner Kunden aus. Danach wuchsen die Ausgaben für KI-Token im August und September zusammen nur um 1,5 Prozent. Im Juli waren es noch 42 Prozent gegenüber dem Vormonat. Gleichzeitig stieg die Zahl der verarbeiteten Token weiter. Für den Zeitraum 23. September bis 23. Oktober sah Ramp wieder eine Beschleunigung um 8,9 Prozent, der Ökonom Ara Kharazian spricht dennoch von starkem Gegenwind.

Seine Erklärung hat drei Teile. Erstens Preissenkungen: OpenAI hat im September die API-Preise für GPT-6 Sol und GPT-6 Luna halbiert; Anthropic hat die Preise für Fable 5.1 und Opus 5.5 gesenkt, was laut einer Anthropic-Einreichung das Umsatzwachstum um rund 600 Millionen Dollar gedrückt hat. Zweitens ein Käufermarkt: Meta und Nvidia bieten günstige oder offene Modelle für Unternehmen an, dazu kommen chinesische und US-amerikanische Open-Weight-Anbieter sowie ein leichtgewichtiges Auswahlmodell namens Jev, das bei einfachen Ja/Nein-Aufgaben teure Modelle ersetzt. Drittens werden Unternehmen routinierter: Sie setzen Standardgrenzen für teure Modelle bei langen Aufgaben, vergeben Budgets an Mitarbeiter und leiten Anfragen per Router an billigere Modelle um. Notion-Mitgründer Akshay Kothari fasste das in einem Post sinngemäß als „Tokens gehen brrr, Kosten gehen ahhh“ zusammen und legte laut Kharazian interne Daten vor, die Ramps Bild bestätigen.

Wer eigentlich zahlt

Der Befund ist für die Erzählung vom ungebremsten KI-Wachstum heikel, weil die Ausgaben sehr ungleich verteilt sind. Laut Ramp stammt fast der gesamte KI-Umsatz von risikokapitalfinanzierten, schnell wachsenden Tech-Firmen. Ein typisches Unternehmen gibt demnach 12 bis 15 Dollar pro Mitarbeiter und Monat aus, das obere Zehntel 600 bis 1.000 Dollar. Das oberste Prozent, die besonders KI-affinen Firmen, lag im Sommer bei bis zu 10.000 Dollar pro Mitarbeiter und Monat und ist im August und September leicht darunter geblieben. Kharazian bezweifelt, dass ein Arzt- oder Autohaus je in diese Größenordnung kommt. Bremst die Spitzengruppe, bremst laut Ramp der gesamte Umsatz, selbst wenn die Volumina steigen.

Einordnung

Zwei Dinge sollten Leser auseinanderhalten. Die Bewertungsrunden sind Berichte über nicht abgeschlossene Verhandlungen und stützen sich auf anonyme Quellen. Die Ramp-Daten sind dagegen eine belastbare, aber begrenzte Stichprobe: Sie umfassen nur Unternehmen, die über Ramp abrechnen, und zeigen nur Token-Ausgaben, nicht etwa Abo-Umsätze oder Direktverträge mit Großkunden. Dass Anthropic und OpenAI ihre Preise senken mussten, ist dennoch ein klares Signal: Der Wettbewerb bei Modellen wirkt wie bei Cloud-Rechenleistung, und die Kunden holen sich die Effizienzgewinne selbst. Für Einkäufer in Unternehmen heißt das, dass Verhandlungsspielraum und Wechselmöglichkeiten gerade größer werden. Für Investoren bleibt offen, ob eine neue Anwendung nach den Coding-Agenten die nächste Wachstumswelle trägt. Kharazian ist skeptisch, dass persönliche Agenten das leisten, weil sie „weniger wirtschaftlich produktiv“ seien als Coding.

KI-Forschung · Anthropic, METR

Beschleunigt KI schon die eigene Entwicklung auf das Doppelte? Anthropic räumt es im Börsenprospekt ein — ein METR-Bericht legt nach

Hintergrund & Analyse

Am 2. November hat Anthropic seinen Börsenprospekt (S-1/A) ergänzt, und in den Risikofaktoren steht ein Satz, den TechCrunch am selben Tag hervorgehoben hat: Die zunehmende Nutzung von KI-Systemen zur Beschleunigung der eigenen Forschung könne dazu führen, dass die Fähigkeiten der Modelle schneller wachsen als die Fähigkeit, passende Sicherheits-, Alignment- und Schutzmaßnahmen zu entwickeln. Man habe „in der Vergangenheit“ eine deutliche Beschleunigung erst im Nachhinein erkannt. Und: Interne Schätzungen und Erwartungen an künftige Modelle deuteten darauf hin, dass Anthropic „unmittelbar“ die Definition von „dramatisch beschleunigtem Fortschritt durch KI“ aus der eigenen Responsible Scaling Policy (RSP) erfüllen könnte. Kein aktuelles Modell sei als Überschreitung eingestuft.

Was die Schwelle bedeutet

Der Hintergrund: „Rekursive Selbstverbesserung“ (RSI) bezeichnet den Punkt, an dem KI so gut darin ist, KI-Entwicklung zu automatisieren, dass sich der Fortschritt selbst antreibt. Anthropics RSP, laut dem Beitrag in der Fassung vom Juli 2026, definiert die Schwelle so: Der Fortschritt bei den Fähigkeiten läuft mindestens doppelt so schnell wie die schnellste anhaltende Rate, bevor KI nennenswert zur KI-Forschung beitrug, und das ist plausibel auf die Automatisierung der KI-Forschung zurückzuführen, nicht auf mehr Rechenleistung oder andere Zutaten. Anthropic schreibt zugleich, man rechne nicht damit, Claude „sicher völlig autonom“ Nachfolgegenerationen von Spitzenmodellen entwickeln lassen zu können, und erwäge RSP-Änderungen, damit Menschen die Entwicklung kontrollieren. TechCrunch weist darauf hin, dass ein S-1 zugleich Offenlegung und Marketing ist; die Warnung vor einem fast selbstbauenden Modell könne auch Werbung sein.

Der METR-Bericht: „Bereits überschritten“

Am Freitag hat der Blog „Planned Obsolescence“ einen Kommentar zu einem öffentlichen Bericht der Forschungsorganisation METR veröffentlicht, der die KI-Beschleunigung bei Anthropic mit tiefem Systemzugang untersucht hat. Der Autor betont, am Projekt nicht beteiligt gewesen zu sein und den ungeschwärzten Bericht nicht gesehen zu haben. Seine Lesart: Die Schwelle sei „bereits überschritten“. Zwischen Oktober 2025 und Oktober 2026 sei der Fortschritt bei Anthropic etwa doppelt so schnell gewesen wie in den zwölf Monaten davor. Gemessen wurde das mit einer internen Variante des Epoch Capabilities Index (AECI). Ein großer Teil der übrigen Belege, laut dem Bericht „die Mehrheit der informativsten“, ist geschwärzt, ebenso die Begründung, warum der Großteil des Tempos auf KI-Automatisierung zurückgehen soll.

Der Kommentator rechnet weiter: Wenn die Fähigkeiten insgesamt doppelt so schnell wachsen, müssten die Algorithmus-Verbesserungen („Compute Multipliers“) schneller als doppelt so schnell vorankommen, und die Forscher durch KI deutlich mehr als verdoppelt werden. Er schätzt den nötigen Arbeitsproduktivitätsgewinn zu Beginn auf das Vier- bis Neunfache und heute eher auf rund das Zehnfache, räumt aber große Unsicherheit ein. Das Bild dazu: Jeder Forscher erlebe zehn Tage Arbeit pro Außentag. Die Berichtsautoren hätten keine Belege für Engpässe oder stark sinkende Erträge gefunden, die das Zusammenwirken bremsen würden. Aus seiner Extrapolation folgert der Autor, extrem leistungsfähige Systeme könnten innerhalb eines Jahres entstehen; das ist ausdrücklich seine eigene, naive Projektion, nicht ein Ergebnis des Berichts.

Was belegt ist und was nicht

Belegt ist: Anthropic hat die Formulierung in einem Dokument unterschrieben, für dessen Richtigkeit das Unternehmen haftet. Belegt ist auch, dass ein externes Team Zugang hatte und einen öffentlichen Bericht schrieb. Nicht belegt ist, dass die Schwelle tatsächlich überschritten ist: Das ist die Deutung eines Dritten auf Basis eines teilweise geschwärzten Berichts, und Anthropic selbst hat kein Modell als darüber liegend eingestuft. Auch die Messung ist intern, der Index nicht öffentlich. Die Frage, ob eine Verdopplung des Fortschrittstempos mit gleichwertiger Verbesserung in der Praxis einhergeht, bleibt offen.

Für Unternehmen ist die Relevanz indirekt, aber real. Wer Roadmaps auf aktuellen Modellen baut, sollte mit kürzeren Modellzyklen und stärkeren Sprüngen rechnen, als frühere Trends nahelegten. Und die Sicherheitsfrage verschiebt sich: Der Kommentar verweist darauf, dass sowohl OpenAI als auch Anthropic zuletzt Sicherheitsvorfälle durch Amateurgruppen hatten, was für die Absicherung von Modellgewichten wenig Zuversicht gebe (Behauptung des Autors, hier nicht unabhängig geprüft). Entscheidend dürfte sein, ob Anthropic die RSP tatsächlich ändert und ob METR den Bericht in weniger geschwärzter Fassung nachlegt.

KI-Sicherheit · Offensive Cyberfähigkeiten

948 Root-Exploits im Linux-Kernel, offene Modelle fast gleichauf, Hacking-Tool ungeschützt im Netz: Die Cyber-Lücke zwischen Labor und Straße schließt sich

Hintergrund & Analyse

Drei Meldungen vom Freitag zeigen aus unterschiedlichen Richtungen dasselbe: Offensive Cyberfähigkeiten von KI werden billiger, breiter verfügbar und schwerer zu kontrollieren. Sie knüpfen an unseren Bericht über OpenAIs GPT-6 Cyber von gestern an.

OpenAI: 948 Exploits für den Linux-Kernel

In einem Blogbeitrag („A thousand fewer paths to root“) beschreibt OpenAI laut t3n einen Prototyp mit KI-Agenten. Er habe im Linux-Kernel 2.308 potenzielle Befunde identifiziert und analysiert, 1.724 Schwachstellen dynamisch reproduziert und 948 Exploits zur lokalen Rechteausweitung erzeugt. Solche Exploits erlauben es Angreifern, auf einem bereits zugänglichen System Root-Rechte zu erlangen. Die Kosten beziffert OpenAI auf mehr als 1,3 Millionen Dollar, also knapp 1.300 Dollar pro Schwachstelle. Welche Distribution getestet wurde, nennt OpenAI nicht; mehrere Medien berichten laut t3n von einem weit verbreiteten Desktop-System in Standardkonfiguration.

Die Überschrift von t3n sagt, OpenAI habe die Lücken auch „gleich geschlossen“. Die im Artikel zitierte OpenAI-Passage belegt das allerdings nur als Ziel: OpenAI hält automatisierte Patch-Erstellung angesichts der Entdeckungsgeschwindigkeit für „unverzichtbar“, glaubt, dass KI-generierte Patches unter fachlicher Anleitung korrekt und robust sein können, und will in dem Bereich „weiter forschen“. Das eigentliche Problem beschreibt t3n selbst: Entwickler kommen mit dem Patchen nicht mehr hinterher, wenn KI Schwachstellen schneller findet als Menschen sie beheben, und Angreifer gewinnen Zeit.

Vals: Offene Modelle fast gleichauf

Das KI-Evaluierungsunternehmen Vals hat laut WIRED getestet, wie gut Modelle mehrstufige Angriffe auf nachgebaute Firmennetze ausführen. In einem Szenario war ein Netz über eine öffentliche Website erreichbar, im zweiten musste ein Modell erst ein Netz kompromittieren, um in ein zweites zu gelangen. OpenAIs Cyber-Modell Daybreak, nur für vertrauenswürdige Partner verfügbar, erfüllte im Schnitt 81 Prozent der Aufgaben. Das offene chinesische Modell DeepSeek kam auf 73 Prozent; bei einigen Aufgaben schnitten beide gleich ab. Auch die Kosten fallen ins Gewicht: Laut Vals kostet ein Angriff mit GPT-6 Sol 17 bis 46 Dollar an Token, mit DeepSeek 2 bis 3 Dollar. WIRED bezieht in seinen Titel auch GLM ein; die genannten Zahlen betreffen im Text DeepSeek.

Das trifft die Grundannahme der gestuften Freigabe. Anthropic hatte die begrenzte Veröffentlichung neuer Modelle seit Claude Mythos Preview im April damit begründet, der Zugang durch Vertrauenspartner verschaffe Verteidigern Vorsprung, bis solche Fähigkeiten breit verfügbar seien. Anthropics Logan Graham sagte WIRED im April, man müsse sich auf eine Welt vorbereiten, in der sie in 6, 12 oder 24 Monaten breit verfügbar sind. Sieben Monate später, schreibt WIRED, sei der Übergang planmäßig eingetreten. Der Edera-Mitgründer Alex Zenla gibt zu bedenken, dass die Labore vermutlich noch stärkere, unveröffentlichte Modelle haben; er spricht von einem Katz-und-Maus-Spiel. Außerdem: Reale Angreifer nutzen laut WIRED oft ältere, schwächere Modelle, um Ressourcen zu schonen. Eine Benchmark im Labor ist kein Maß für den Alltag der Angreifer.

Artex: Ein Angriffswerkzeug mit offener Tür

Wie das praktisch aussieht, zeigt TechCrunch am Beispiel von Artex, einem seit Juli öffentlichen Open-Source-Werkzeug aus China für autonome Penetrationstests. Microsoft beschreibt es als System von KI-Agenten, das Angriffe „von der Aufklärung bis zum Datenabfluss“ mit wenig menschlichem Zutun durchführen kann. Das Sicherheitsunternehmen Censys fand mehr als 800 Artex-Installationen, die ohne Passwort aus dem Netz erreichbar waren, darunter Angriffswerkzeuge wie Implantate. Artex war laut TechCrunch an mehreren Angriffen beteiligt, etwa gegen die südkoreanische Finanzbranche und gegen den IT-Dienstleister ConnectWise, über den chinesisch verbundene Hacker laut Microsoft tausende Organisationen ausspähten. Viele Angriffe nutzten einfache Lücken wie schwache Passwörter und fehlende Mehrfaktor-Authentifizierung. Artex hat angekündigt, künftig Closed Source zu sein; Dutzende Kopien des Codes bleiben aber verfügbar.

Einordnung

Die drei Meldungen ergeben ein konsistentes Bild, aber mit Vorbehalten: OpenAIs Zahlen sind Herstellerangaben, die Vals-Benchmark misst Simulationen, Artex-Funde zeigen Fahrlässigkeit mancher Betreiber, nicht die Qualität der Software. Praktisch heißt das für Unternehmen: Die einfachen Schutzmaßnahmen, Mehrfaktor-Authentifizierung, Passwortregeln und schnelles Patchen, bleiben gegen KI-gestützte Angreifer die wirksamsten, weil diese vor allem Massenschwächen ausnutzen. Und wer Software pflegt, sollte sich auf eine Flut von Schwachstellenmeldungen einstellen und früh klären, wie Patches schneller entstehen.

Infrastruktur · Rechenzentren

Crusoe gibt Wyoming-Projekt an Google ab, Demonstranten stürmen Microsoft-Baustelle in Amsterdam: Der Rechenzentrumsbau stößt auf Grenzen

Hintergrund & Analyse

Nach den US-Zwischenwahlen, die wir am Donnerstag und in der gestrigen Ausgabe beschrieben haben, geht die Debatte um KI-Rechenzentren in die Praxis über. Am Freitag gab es gleich mehrere Meldungen, die zeigen, wie schwierig der Ausbau geworden ist, finanziell, technisch und politisch.

Crusoe verkauft an Google

Der Rechenzentrumsentwickler Crusoe, zuletzt mit 30,9 Milliarden Dollar bewertet, hat laut TechCrunch ein unfertiges Rechenzentrumsprojekt im Südosten Wyomings an Google verkauft. Crusoe hatte das Projekt im Vorjahr zusammen mit der Blackstone-nahen Infrastrukturfirma Tallgrass angekündigt, mit einer geplanten Endausbaustufe von 10 Gigawatt. Google, das Crusoe vergeblich als Mieter gewinnen wollte, übernimmt laut dem Bericht die Entwicklung, nachdem es Bedenken zu Kosten und Bauzeit unter Crusoes Führung geäußert haben soll. Googles Kaufpreis ist nicht bekannt; das Unternehmen kündigte 17 Milliarden Dollar Investitionen für den Standort an. Bloomberg hatte den Verkauf schon im Juni gemeldet. Crusoe baut weiter für Google bei Amarillo in Texas, außerdem den Campus in Abilene für Oracle und OpenAI sowie nebenan 900 Megawatt für Microsoft, dessen erstes Gebäude Mitte 2027 ans Netz gehen soll. Die Episode zeigt, wie schwer es unabhängigen Entwicklern fällt, Mega-Projekte termin- und budgetgerecht zu liefern, wenn Ausrüstung und Strom knapp sind und lokale Gegenwehr wächst.

Amsterdam: Besetzung einer Microsoft-Baustelle

Wie The Verge unter Berufung auf Reuters berichtet, sind am Freitagmorgen rund 100 Menschen auf die Baustelle eines neuen Microsoft-Rechenzentrums am Stadtrand von Amsterdam eingedrungen. Organisiert hat die Aktion die Gruppe Geef Tegengas gegen drei geplante 85 Meter hohe Rechenzentrumstürme. Einige kletterten auf einen Kran und hängten ein Banner mit Anti-KI-Parole auf; zugleich gab es Transparente mit politischen Botschaften zum Nahostkrieg gegen Microsoft. Der Protest ist also nur teilweise ein Rechenzentrumsprotest. Das Projekt, gebaut vom britischen Entwickler Pure Data Centres mit Microsoft als einzigem Mieter, wurde laut Verge schon 2016 geplant, vor dem Amsterdamer Moratorium für neue Rechenzentren bis 2030, und hat Schlupflöcher genutzt. In Dublin hatten Aktivisten am Dienstag vor einem Microsoft-Rechenzentrum einen nachgestellten israelischen Militärkontrollpunkt aufgebaut. Im Oktober gab Microsoft laut Verge das größte Rechenzentrumsprojekt Großbritanniens auf, weil die Netzbetreiber den Standort erst in den 2030er-Jahren mit Strom versorgen wollten.

Berlin: Der Anfang einer Bewegung?

Auch in Deutschland regt sich Protest. Laut netzpolitik.org versammelten sich am Freitagnachmittag 15 bis 20 Aktivisten vor zwei Rechenzentrumsstandorten in Berlin-Mariendorf, in London, Amsterdam und Wien gab es parallele Aktionen; netzpolitik nennt es die erste europaweite Aktion dieser Art. Die Standorte auf dem Areal eines früheren Gaskraftwerks werden von NTT Data und Virtus betrieben, zwei Colocation-Anbietern, die Fläche, Strom und Kühlung vermieten. Nach Fertigstellung sollen sie über 100 Megawatt IT-Leistung haben. Ein geplanter Tag der offenen Tür wurde laut Veranstaltern aus Sicherheitsgründen abgesagt. Sprecherin Caro Weber sagte, man fange in Berlin „gerade erst an“, und verwies auf die Bewegung in den USA. Ihre Kritik zielt vor allem auf fehlende demokratische Kontrolle darüber, wofür die „Blackbox“-Rechenzentren genutzt werden. Eine Gruppe von 15 bis 20 Menschen ist natürlich noch keine Massenbewegung; die Eskalation in Amsterdam zeigt aber, wohin sie sich entwickeln kann.

Microsoft und Oracle

Aus dem Bereich Verträge meldete Bloomberg News laut Reuters-Überschrift, Microsoft beende eine Vereinbarung, bei der es KI-Cloud-Kapazität von Oracle mietet. Den Artikel konnten wir wegen einer Bezahlschranke nicht lesen; Umfang und Gründe sind uns deshalb nicht bekannt, und wir ordnen die Meldung nicht weiter ein. Sie passt aber zum Bild aus Wyoming und Großbritannien: Selbst Konzerne mit großen Bilanzen überprüfen einzelne Kapazitätszusagen.

Einordnung

Zusammen zeichnen die Meldungen ein Bild von Reibung statt Stillstand: Der Bau geht weiter (Google investiert 17 Milliarden in Wyoming), aber Projekte wechseln die Hände, Standorte scheitern am Netzanschluss, und Proteste erreichen Baustellen. Für Unternehmen, die auf KI-Kapazität angewiesen sind, wächst damit das Risiko von Verzögerungen und Preisaufschlägen. Wer Workloads plant, sollte Alternativen zu einem einzelnen Anbieter oder Standort einkalkulieren.

Verbraucher-KI · Meta, Amazon

Meta macht Muse zum App-Baukasten, Amazon lässt Alexa per SMS einkaufen: Der Streit um Verbraucher-Agenten geht in die nächste Runde

Hintergrund & Analyse

Persönliche KI-Agenten sind die nächste große Hoffnung der Branche, und am Freitag haben gleich zwei Konzerne ihre Angebote erweitert: Meta mit „Spaces“ für seinen Muse-Agenten, Amazon mit Einkaufen per Textnachricht bei Alexa. Die beiden Meldungen zeigen auch, wie sich die Plattformen gegeneinander abschotten.

Meta Spaces: Eine App pro Idee

Meta hat Muse laut The Verge um „Spaces“ erweitert, die für alle Muse-Nutzer ausgerollt werden. Nutzer beschreiben eine Idee im Chat, und Muse baut daraus eine App-ähnliche Oberfläche, etwa einen Einkaufs-Hub, ein Schul-Dashboard, einen Musik-Tracker oder ein Quizspiel. Ist eine externe App verbunden, zum Beispiel Gmail, Google Kalender, OpenTable oder Notion, zieht Muse laufend Daten nach und aktualisiert Preise oder Termine im Hintergrund. Elemente lassen sich abhaken, mit Notizen versehen und bearbeiten. Spaces können in der Seitenleiste oder im Haupttab liegen oder zeitgesteuert erscheinen, etwa der Wochenplan unter der Woche und die Wochenendplanung am Samstag. Außerdem bringt Meta „Active Memory“ und „Active Focus“ aus seinem Modell Muse Wonder in die Muse-App und den Meta-AI-Chatbot: Muse soll erkennen, wann frühere Informationen relevant werden, und besser auf Ziele hinarbeiten. Das Teilen von Spaces mit anderen prüft Meta noch.

Die Beschreibung von TechCrunch fällt nüchterner aus: Dort wirken Spaces wie abgetrennte Gesprächsräume zu einem Thema, etwa eine Urlaubsplanung, ein Geschenk-Tracker oder ein Hochzeitsplaner, die in der Seitenleiste liegen und in denen Muse auf ein Ziel hinarbeitet. Beide Beschreibungen decken sich mit Metas Formulierung „custom experiences“; wie weit die Oberflächen tatsächlich eigenständige Apps sind, lässt sich ohne eigenen Test nicht sagen. Mark Zuckerberg schrieb auf X, er habe ein Grillspiel, einen Event-Tracker und ein Heimsteuerungs-Dashboard gebaut. Muse hatte laut TechCrunch bei der Oktober-Telefonkonferenz in den USA und Kanada 10 Millionen Nutzer weniger als zwei Monate nach dem Start. Erst am Donnerstag hatte Meta zudem Muse Voice vorgestellt, mit dem sich per Video mit dem Agenten sprechen lässt (TechCrunch).

Amazon: Alexa per Textnachricht

Amazon startet laut TechCrunch und The Verge kurz vor der Weihnachtssaison eine Funktion, mit der ausgewählte US-Kunden Alexa per SMS zum Einkaufen nutzen können. Wer Zugang hat, erhält eine Textnachricht zur Aktivierung und kann dann in natürlicher Sprache Produkte suchen, in den Warenkorb legen und kaufen. Der Agent verwaltet Listen, beobachtet Preise, sucht im Web, vergleicht Produkte und prüft Bestellstatus; per Foto lassen sich ähnliche Artikel finden. Mit der Zeit soll Alexa Vorlieben lernen und Vorschläge machen. Weitere Nutzer können sich auf eine Warteliste setzen, der breitere Start folgt in den kommenden Wochen.

Der Kontext ist der eigentlich interessante Teil: Amazon hatte laut TechCrunch im September Metas Muse daran gehindert, die Amazon-Seite abzufragen. Und der Lieferdienst DoorDash sagte im Oktober, Agenten von Drittanbietern hätten bislang insgesamt nur Hunderte Bestellungen aufgegeben; man konzentriere sich auf den eigenen textbasierten Agenten, der im September gestartet war.

Einordnung

Beide Meldungen zeigen dasselbe Muster: Plattformen mit eigenem Kundenzugang bauen eigene Agenten und halten fremde draußen. Für Meta, das keinen Handelsplatz besitzt, ist Spaces der Weg, den Agenten über Integrationen zum Nutzer zu bringen; für Amazon ist der eigene Textagent die Antwort darauf, dass Kunden künftig womöglich über fremde Agenten einkaufen wollen. Für Händler und Produktverantwortliche heißt das, dass Agenten-Zugänge nicht frei und neutral bleiben müssen, sondern Verhandlungsmasse werden. Wer Dienste für Agenten anbietet, sollte klären, welche Plattformen den Zugriff überhaupt zulassen. Wie viel die neuen Angebote tatsächlich genutzt werden, ist offen; Zahlen liegen bisher nur für Muse-Nutzer (10 Millionen) vor, nicht für Amazons Textfunktion.

Cybersicherheit · Chainalysis

Chainalysis: Angreifer erbeuten Zugangsdaten und Tokens aller Kunden — mit Hilfe von KI-Agenten

Hintergrund & Analyse

Der Vorfall bei Chainalysis hat sich in einer Woche von einem „kleinen“ zu einem umfassenden Datenabfluss entwickelt. Laut Ars Technica hatte das Unternehmen vergangenen Freitag einen Sicherheitsvorfall im Oktober eingeräumt, bei dem ein externer Akteur „mit KI-Agenten unterstützten offensiven Techniken“ unbefugt auf Systeme und interne Werkzeuge zugegriffen habe. In der Kundenmail hieß es zunächst, es seien „nicht sensible“ Kundendaten wie Nutzer-IDs, Namen, E-Mail-Adressen und Rollenbezeichnungen betroffen. Warum diese Daten als unkritisch gelten, ist unklar, schreibt Ars.

Von „nicht sensibel“ zu „alle Nutzer“

In einem Update am Mittwoch sprach Chainalysis von einem „anhaltenden mehrgleisigen Cyberangriff“, zu dem ein On-Path-Angriff gehört habe (auch Adversary-in-the-Middle genannt: Der Angreifer sitzt in der Infrastruktur, die den Datenverkehr zwischen zwei Parteien weiterleitet). Dabei seien Passwörter einer Teilmenge der Kunden offengelegt worden; der Angriffsweg sei erkannt und geschlossen. Am selben Tag folgte die schwerere Mitteilung: Eine Untersuchung am Montag habe ergeben, dass Namen, Nutzernamen, Passwort-Hashes und aktive Tokens aller Chainalysis-Nutzer einem Angreifer offenlagen. Das Unternehmen nahm daraufhin die Anmeldeseite und den Dienst „Know Your Transaction“ (KYT) vom Netz, der Kryptowerte-Bedrohungen in Echtzeit überwacht, und sperrte den Zugriff auf Reactor und Data Solutions. Am Freitag begann es, KYT und Address Screening schrittweise wieder freizuschalten.

Offen bleibt laut Ars einiges: wo die Infrastruktur kompromittiert wurde, ob die erbeuteten Daten TLS-verschlüsselt waren und warum das Unternehmen bis Mittwoch mit der Meldung wartete, obwohl es den Abfluss schon zwei Tage zuvor entdeckt hatte. Über die eingesetzten KI-Agenten und ihre Funktionsweise gibt es bisher keine Angaben; Chainalysis kommentiert nicht über die Blog-Mitteilungen hinaus.

Warum es mehr als ein weiterer Datenabfluss ist

Chainalysis liefert Blockchain-Analyse an Strafverfolger und Unternehmen. Laut Ars nennen das Unternehmen und öffentliche Quellen unter anderem FBI, die US-Einwanderungsbehörde ICE und die US Air Force sowie Microsoft, Coinbase und Barclays als Kunden. Ob die Daten Kunden zusätzlichen Gefahren aussetzen, ist unklar. Für die Betroffenen ist jedoch relevant, was Passwort-Hashes und Live-Tokens ermöglichen: Hashes können offline geknackt werden, und gültige Tokens erlauben je nach Gültigkeit direkten Zugriff, ohne Passwort. Dass unter den Kunden Ermittlungsbehörden sind, macht die Liste der Nutzernamen und Organisationen zu einem Aufklärungsziel für Dritte, auch wenn bisher nichts auf einen solchen Missbrauch hindeutet.

Die Ars-Meldung ordnet den Fall in eine Reihe ähnlicher Angriffe auf Plattformen im Oktober ein. Das passt zu den Berichten über KI-gestützte Angriffswerkzeuge, die wir in dieser Ausgabe im Sicherheitsartikel behandeln; ob dasselbe Werkzeug oder dieselbe Gruppe dahintersteckt, ist öffentlich nicht belegt, und wir stellen keine Verbindung her.

Was Kunden jetzt prüfen sollten

Aus dem, was Chainalysis offengelegt hat, folgen für Kunden einige naheliegende Schritte, die wir als Einordnung verstehen, nicht als Herstellerempfehlung: Passwörter ändern, die auch anderswo genutzt wurden; bestehende API-Schlüssel und Tokens widerrufen und neu ausstellen; Anmeldeprotokolle auf ungewöhnliche Zugriffe prüfen; und Mitarbeitende vor gezielten Phishing-Mails warnen, die sich auf den Vorfall beziehen. Für Anbieter zeigt der Fall, dass Transparenz in Zwischenständen Vertrauen kostet: Die Abfolge „nicht sensibel“, „Teilmenge“, „alle Nutzer“ binnen einer Woche dürfte Kunden stärker verunsichern als eine frühe, ehrliche Obergrenze. Wie weit KI-Agenten dabei den Angriff tatsächlich beschleunigt haben, lässt sich mangels Angaben nicht beurteilen.

Reportage

Das Gerüst und das Gehirn: Wo die Intelligenz eines KI-Agenten wirklich sitzt

Weiterlesen →

Tool-Radar

Neue und trendende KI-Tools des Tages

crystl Logo
Multitasking-Terminal für macOS, in dem mehrere KI-Coding-Agenten parallel über viele Projekte laufen.
Jede Sitzung bekommt einen eigenen Git-Worktree samt Branch, Rückfragen und Freigaben erscheinen als schwebende Karten auf dem Desktop und auf dem iPhone, und ein Token-Zähler zeigt, wie viel Kontext Plugins und Skills kosten; unterstützt Claude Code, Codex und OpenCode (laut Anbieter kostenlos, Start laut Verzeichnis am 6.11.).
Dev-Tools · November 2026
CloneGuard Logo
Abhängigkeitsfreies Go-Kommandozeilenwerkzeug, das ein Repository vor dem Ausführen auf Malware-Tricks prüft.
Entstanden nach einem Fake-Recruiter-Angriff mit einer „Demo-App“, die SSH- und AWS-Schlüssel stehlen wollte: Das Tool liest nur Dateien und sucht nach Zugangsdaten-Diebstahl, versteckten Netzwerkaufrufen, verschleiertem Code und Auto-Run-Hooks, ohne je etwas aus dem Projekt auszuführen; MIT-Lizenz (Repository seit 3.11., Show HN 6.11.).
Sicherheit · November 2026
Agent Screenplay Logo
Quelloffenes Werkzeug, das Coding-Agenten eine Website oder App erkunden und daraus ein poliertes Bildschirmvideo drehen lässt.
Der Agent (Claude Code, Codex, Cursor oder jeder MCP-Client) schreibt ein kurzes Szenario, das Tool filmt es mit weichen Mauszeiger-Bewegungen und automatischem Zoom, und Screenplay selbst enthält laut Beschreibung keine KI und braucht keinen Modellschlüssel; MIT-Lizenz, TypeScript (Repository seit 2.11., Show HN 4.11.).
Kreativ & Dev-Tools · November 2026
BeepGrid Logo
Quelloffene Kommunikationsinfrastruktur, über die Agenten aus verschiedenen Laufzeiten einander finden und Menschen um Rückfragen bitten.
Agenten teilen Unterhaltungen, koordinieren etwa Änderungen über mehrere Repositories hinweg und warten bei Freigaben auf eine menschliche Antwort, die sie nach einem Verbindungsabbruch wieder abrufen; Apache-2.0, in Go geschrieben (Repository seit 31.10., Show HN 6.11.).
Agenten-Infrastruktur · November 2026
Agentic Identity Broker Logo
Quelloffener Identitätsvermittler von Zalando für KI-Agenten mit OAuth2-Delegation und Einwilligungsverwaltung.
Sitzt im Aufrufpfad (etwa hinter einem Gateway wie Agentgateway), verwaltet Delegationsketten für Aktionen „im Auftrag“ von Nutzern und hält einen sicheren Token-Tresor, sodass einzelne MCP-Server keine eigene OAuth2-Infrastruktur betreiben müssen; MIT-Lizenz (Show HN 6.11., das Repository selbst besteht seit Juli).
Sicherheit & Agenten · November 2026
AI Gude Logo
Selbst gehostetes Werkzeug, das aus den News-Quellen, denen man folgt, einen persönlichen Morgen-Podcast erzeugt.
Liest die abonnierten Quellen, schreibt ein Skript im gewählten Stil und lässt eine KI-Stimme eine Folge mit Kapiteln einsprechen; AGPL-3.0, in Go geschrieben (Repository seit 3.11., Show HN 4.11.).
Audio & Produktivität · November 2026

Aus der Werkstatt

YouTube-Empfehlungen: Tutorials, Erklärungen und Werkzeuge

AREX-2 - The Harness in the Model
Tutorial
Sam Witteveen (139.000 Subs) · 16:27
Sam Witteveen erklärt AREX-2, ein 27-Milliarden-Parameter-Modell der Pekinger Akademie BAAI (Apache 2.0, auf Basis von Qwen3.8-27B, 262.144 Token Kontext), das den Versuchen-Prüfen-Wiederholen-Zyklus selbst ausführt, statt ihn dem Agenten-Gerüst zu überlassen. Er geht auf den Datenaufbau, Benchmarks und die Frage ein, ob das schon rekursive Selbstverbesserung ist, und testet das Modell praktisch.
Lokale KI: Das ist der aktuelle Stand
Tutorial
c't 3003 (263.000 Subs) · 22:50
Das deutschsprachige Videoformat der c't gibt einen Überblick, welche KI-Modelle heute lokal auf eigener Hardware laufen und was dafür nötig ist. Passend dazu hat heise am selben Tag den Beitrag „Lokale KI: Das läuft auf deinem Rechner“ veröffentlicht.

Inferenz-Bilanz

Ressourcenverbrauch & API-Kosten dieser Ausgabe

Transparenzbericht · Anthropic Claude Sonnet 5.5 (via Oh My Pi)

Diese Ausgabe wurde vollständig autonom von einem Coding-Agenten recherchiert, gegengelesen, validiert und veröffentlicht.

  • Token-Verbrauch: 4.379.005 Tokens gesamt (4.329.524 Eingabe · 49.481 Ausgabe in 37 Arbeitsschritten)
  • API-Kosten (Anthropic): 1,35 $