· 7 Artikel + Reportage + Tool-Radar + Werkstatt

Ausgabe vom 12. November 2026

Maschinell recherchiert, menschlich relevant.

Unternehmen · Nvidia

Nvidia-Board soll Jensen Huangs Abberufung vorbereiten – nach einer zweiten Affäre, drohender Vorladung und neuen Berichten über Chip-Lieferungen nach China

Hintergrund & Analyse

Der Fall um Jensen Huang hat am Mittwochabend (US-Zeit) eine neue Stufe erreicht. Das Wall Street Journal berichtet laut The Verge und TechCrunch, der Aufsichtsrat von Nvidia bereite die Absetzung des Gründers und CEO vor und berate „so früh wie heute“ über dessen Zukunft. Den Hintergrund – Huangs eingeräumte Affäre mit einer mutmaßlichen chinesischen Agentin und die Untersuchung des Boards – hatten wir in der Ausgabe vom 9. November und in der Ausgabe vom 10. November dargestellt. Hier steht, was seitdem dazukam und wie sicher es ist.

Was belegt ist, was berichtet wird

Bestätigt ist, was Huang und Nvidia selbst veröffentlicht haben: Huang schrieb am Sonntag, er sei seiner Frau untreu gewesen; das Board hat eine unabhängige Untersuchung eingeleitet. Laut The Verge hat Nvidia dafür den früheren US-Staatsanwalt Joon H. Kim und die Kanzlei Wachtell, Lipton, Rosen & Katz beauftragt.

Nur berichtet ist alles Weitere. Die New York Times meldet unter Berufung auf fünf Nvidia-Beschäftigte eine zweite Beziehung, und zwar mit Kimberly Powell, der Vizepräsidentin für Gesundheitswesen, die direkt an Huang berichtet. Beide sind laut Times verheiratet. Ein Video, das die beiden in einem Hotel in San José zeigen soll, hat die Zeitung nach Angaben von The Verge nicht gesehen. Nvidia, Huang und Powell haben die Darstellung laut TechCrunch nicht bestätigt; Huang soll auf Nachfrage einer Times-Reporterin geantwortet haben: „Ich glaube nicht, dass Sie direkt mit mir sprechen sollten.“ Die Absetzungspläne wiederum stammen aus anonymen Quellen des Wall Street Journal. Wir haben weder den Journal- noch den Times-Text selbst geöffnet; die Angaben beruhen auf The Verge, TechCrunch und CNBC. Ob das Board tatsächlich entscheidet, wie es entscheidet und ob die Untersuchung abgewartet wird, ist offen. Laut The Verge spricht die Meldung dafür, dass das Gremium nicht auf deren Ergebnis warten will; Beobachter wie der Governance-Professor Jason Schloetzer erwarten dagegen eher ein „Stay, with less“, also Huang im Amt, aber unter engerer Aufsicht (Fortune, vor den neuen Berichten).

Börse und Politik

Die Aktie fiel nachbörslich um etwa 7 bis 8 Prozent (The Verge, TechCrunch). Laut heise schloss sie am Dienstag bei 168,89 Dollar, dem tiefsten Stand seit dem 30. März; Anfang Oktober lag der Marktwert noch bei mehr als 5,5 Billionen Dollar. Die Börse hatte Huangs Abgang bis dahin als eher unwahrscheinlich eingepreist: Analyst Dan Ives sah laut heise rund 15 Prozent Wahrscheinlichkeit.

Im Kongress wächst der Druck. Die Republikaner Brian Mast und John Moolenaar hatten Huang bis Mittwochabend Zeit gegeben, einer geschlossenen Anhörung vor drei Ausschüssen zuzustimmen. Laut Bloomberg (so TechCrunch) bereitet der Auswärtige Ausschuss eine Vorladung vor, falls er nicht reagiert; Mast bejahte die Frage nach einer Vorladung laut CNBC. Als Termin für die Anhörung nennt CNBC den 18. November. Mehrere Abgeordnete beider Parteien fordern inzwischen seinen Rücktritt, und der Skandal liefert den Befürwortern schärferer Exportregeln für KI-Chips Argumente im Verteidigungshaushaltsgesetz (CNBC). Ab Januar übernehmen die Demokraten beide Kammern.

Das Chip-Risiko hinter der Affäre

Für Unternehmen wichtiger als die Personalie ist die Lieferkettenfrage. Die Plattform The Information berichtet laut heise unter Berufung auf zwei Bekannte von Alice Huang, über ein Firmengeflecht seien Nvidia-Systeme im Wert von mindestens 7,5 Milliarden Dollar nach China gelangt, darunter über 240.000 A100-, H100- und H200-Systeme. Beteiligt sei neben dem Singapurer Nvidia-Kunden Megaspeed auch ein chinesischer Betreiber, der als bevorzugter Cloud-Partner Vorrang bei der Zuteilung genoss. Das ist ein Medienbericht mit anonymen Quellen; Megaspeed erklärt laut Wired, US-Behörden hätten keine Verstöße gefunden, China weist den Spionagevorwurf zurück. Die Zahlen schwanken zudem zwischen den Quellen: TechCrunch nennt 4,8 Milliarden Dollar Megaspeed-Käufe, heise 4,6 Milliarden. Wired berichtet, eine von den USA verlangte Prüfung habe zunächst rund 50.000 gekaufte Chips nicht nachweisen können (Bloomberg, von Wired wiedergegeben).

Wired ordnet den Fall als bekanntes „Honeypot“-Muster ein. Ob Alice Huang tatsächlich eine Agentin war und was sie von Huang erfuhr, ist öffentlich nicht belegt; das Board erklärte, es sehe keinen Grund zur Annahme, dass nationale Sicherheit oder Nvidia-Geheimnisse gefährdet waren.

Einordnung für die Praxis

Nachfolge. Huang hat laut TechCrunch rund 60 direkte Berichte, und Nvidia hat keinen erkennbaren Nachfolger. Bloomberg meldet (laut TechCrunch), das Unternehmen suche mit einer externen Firma nach Kandidaten. Das Board gilt als langjährig verbunden: Laut Fortune sitzen drei Mitglieder inklusive Huang seit der Gründung 1993 im Gremium. Eine unabhängige Aufsicht ist damit schwerer zu glauben; zugleich hält Huang nur etwa 3,6 Prozent der Anteile und hat keine Sonderstimmrechte (TechCrunch), das Board hat also mehr Spielraum als bei anderen Gründerfirmen.

Lieferkette. Es gibt keine Anzeichen, dass Nvidia Lieferungen einstellt. Doch ein Führungswechsel, Auflagen aus Washington oder verschärfte Exportregeln können Zuteilung, Preise und Zertifizierungen berühren. Wer GPUs über Zwischenhändler oder Neoclouds bezieht, sollte prüfen, ob dort Verbindungen zu Megaspeed oder ähnlichen Firmen bestehen – gerade wenn es um Exportkontroll-Konformität geht. Einkaufsteams sollten Verzögerungsszenarien und Alternativen durchspielen, ohne vorschnell zu migrieren. Entscheiden wird in den kommenden Tagen das Board; bis dahin ist vieles Spekulation.

Finanzen · OpenAI

OpenAI knackt die 10-Milliarden-Marke pro Quartal – und verliert dabei knapp 11 Milliarden Dollar

Hintergrund & Analyse

OpenAI hat im dritten Quartal 2026 erstmals mehr als 10 Milliarden US-Dollar Umsatz erzielt – und zugleich mehr Geld verloren als im Quartal davor. Das berichten Bloomberg und das Wall Street Journal (WSJ), TechCrunch und heise geben beide Berichte wieder. Wichtig für die Einordnung: Es handelt sich nicht um eine veröffentlichte Bilanz. OpenAI ist nicht börsennotiert und legt keine Abschlüsse offen. Bloomberg beruft sich auf anonyme, mit der Sache vertraute Personen; das WSJ auf Unterlagen, die das Unternehmen Investoren zugänglich gemacht hat. Die Zahlen wurden laut Bloomberg am 10. November in einer Investorenschalte vorgestellt, an der unter anderem Präsident Greg Brockman und Finanzchefin Sarah Friar teilnahmen. Den Umsatz hat Friar laut Wiedergabe in Sekundärquellen zudem selbst gegenüber CNBC bestätigt; die Verlustzahlen kommentierte OpenAI gegenüber Reuters nicht.

Die Zahlen

Der Umsatz stieg gegenüber dem zweiten Quartal (rund 6,7 Milliarden Dollar) um knapp 50 Prozent auf etwa 10 Milliarden. Im Vorquartal lag das Wachstum noch bei etwa 18 Prozent. Gegenüber dem Vorjahresquartal hat sich der Umsatz laut Bloomberg fast verdreifacht. Der operative Verlust wuchs laut WSJ von 10,1 auf 10,9 Milliarden Dollar. Die bereinigte operative Marge verbesserte sich dennoch von –150 auf –109 Prozent: Pro Dollar Umsatz verbrennt OpenAI also nun rund 1,09 statt 1,50 Dollar. Die annualisierte Umsatzrate beziffert Bloomberg laut TechCrunch auf 50 Milliarden Dollar.

Friar führte das Wachstum laut Storyboard18 und US Brief auf das Firmengeschäft zurück: Der Enterprise-Umsatz habe sich binnen eines Quartals verdoppelt und mache nun etwa die Hälfte des Umsatzes aus; das Privatkundengeschäft legte rund 20 Prozent zu. Genannt wurden Coding, Cybersicherheit und die Agentenplattform „Dots“. Mehr als 100 Millionen zahlende Abonnenten und 1,2 Milliarden wöchentliche Nutzer wurden genannt – beides Angaben aus zweiter Hand. Laut heise entspricht die Zahl der Zahlenden rund 8,5 Prozent der wöchentlich aktiven Nutzer.

Vergleich mit Anthropic – mit Vorsicht

Anthropic hat im selben Quartal laut S-1 17 Milliarden Dollar Umsatz ausgewiesen (siehe Ausgabe vom 11. November). Direkt vergleichbar sind die Werte nicht. Laut heise enthalten OpenAIs Verluste keine aktienbasierten Vergütungen von 2,6 Milliarden Dollar, Anthropic rechnet sie ein. TechCrunch weist zudem darauf hin, dass Anthropic Verkäufe über Cloud-Partner mitzählt, OpenAI nur seinen Anteil. Den Verlust von Anthropic nennt heise mit 567 Millionen Dollar im Quartal. Der Neunmonatsverlust von 104 Milliarden Dollar im S-1 geht laut CNBC überwiegend auf Bewertungseffekte bei Wandelanleihen zurück.

Bemerkenswert ist der Richtungswechsel: Laut WSJ (wiedergegeben von heise) hat OpenAI zuletzt Boden gutgemacht, weil Unternehmen nach günstigeren Alternativen zu Claude suchten. TechCrunch nennt als Treiber straffere Preise, Rabatte, bessere Modelle und mehr Fokus auf Agenten. Im April hatten wir über verfehlte interne Umsatzziele berichtet.

Bewertung und Finanzierung

Die Zahlen treffen auf eine Bewertung von 1,25 Billionen Dollar, zu der OpenAI laut Bloomberg zuletzt weitere 11 Milliarden Dollar eingesammelt hat (Ausgabe vom 7. November). Bei einer Jahresrate von 50 Milliarden entspricht das einem Kurs-Umsatz-Verhältnis von etwa 25 – das ist unsere eigene Rechnung, keine Angabe der Quellen. Anthropic zielt mit seinem Börsengang auf bis zu 1,4 Billionen Dollar, rund 150 Milliarden mehr als OpenAI. OpenAI selbst will laut heise frühestens 2027 an die Börse.

Der Infrastrukturkontext

Was Wachstum kostet, zeigt die Gegenseite: CoreWeave, einer der großen Vermieter von KI-Rechenleistung („Neocloud“), meldete am Dienstag 3,66 Milliarden Dollar Quartalsumsatz (+168 Prozent), aber auch 709 Millionen Dollar Nettoverlust und 846 Millionen Dollar Zinsen. Laut TechCrunch erwartet das Unternehmen binnen drei Monaten rund 9 Milliarden Dollar an Kundenvorauszahlungen, setzt verstärkt auf kurzfristige Verträge und hat die Preise im Juli um etwa 25 Prozent und später im Quartal um weitere 10 Prozent angehoben. Kurzfristig vermietete Kapazität bringe über 40 Millionen Dollar pro Megawatt und Jahr, neue Vier- bis Fünfjahresverträge rund 20 bis 25 Millionen. Ob und in welchem Umfang OpenAI selbst solche Vorauszahlungen leistet, geht aus den uns vorliegenden Berichten nicht hervor. Aussagen zu OpenAIs aktuellen Rechenzusagen enthalten die Berichte ebenfalls nicht; Anthropic beziffert die eigenen im S-1 auf 900,9 Milliarden Dollar.

Was das in der Praxis bedeutet

Erstens: Der Preisdruck bleibt, aber er hat Grenzen. OpenAIs Wachstum kam laut TechCrunch auch über Rabatte; ein Anbieter, der pro Dollar Umsatz noch rund 1,09 Dollar verliert, kann Aktionspreise nicht unbegrenzt halten. Wer jetzt Rahmenverträge verhandelt, sollte Preisgarantien über 12 bis 24 Monate und Modellwechselrechte einfordern. Zweitens: Auch steigende Infrastrukturpreise bei Neoclouds sprechen gegen die Annahme dauerhaft sinkender Token-Kosten. Drittens: Lieferantenrisiko. OpenAI ist von Investoren und Kapitalmärkten abhängig; Verträge sollten Datenexport, Exit-Klauseln und Multi-Vendor-Fähigkeit (Abstraktionsschicht über mehrere Modelle) absichern. Viertens: Alle Kennzahlen sind bislang nicht geprüft. Belastbar sind erst testierte Zahlen.

Agenten · Zugang

United sperrt fremde KI-Agenten aus: Buchen nur noch von Hand – und der Vertrag verbietet es sogar mit Freigabe des Kunden

Hintergrund & Analyse

United Airlines will nicht, dass persönliche KI-Agenten Flüge für Kunden buchen. Das Unternehmen hat am Mittwoch eine Hilfeseite zu „nicht autorisierten“ Drittanbieter-Agenten veröffentlicht und seine Beförderungsbedingungen angepasst. Das berichten The Verge (unter Berufung auf das Wall Street Journal), CNBC und CBS News übereinstimmend. Die Seite selbst konnten wir nicht abrufen; die Zitate daraus stammen aus CBS und dem Blog llms.blog.

Was genau verboten ist

United will den Zugang laut CBS „direkt in den digitalen Plattformen und indirekt über Reisebüros und Aggregatoren“ einschränken. Agenten dürfen Flüge weiter anzeigen, aber die Transaktion nicht abschließen (The Verge). Recherche mit KI ist erlaubt, solange das Werkzeug nicht auf united.com oder die App zugreift (llms.blog nach United). Das Verbot erfasst auch Check-ins: Laut CNBC und CBS verlangt der Check-in eine menschliche Bestätigung, dass keine verbotenen Gegenstände wie Sprengstoff im Gepäck sind; automatisierte Tools könnten daher gegen US-Vorschriften verstoßen.

Besonders weitgehend ist die Vertragsseite. Laut dem Vielflieger-Blogger Gary Leff (View from the Wing) fügt die am 11. November geänderte Beförderungsbedingung die Regel 6.J.6 hinzu, die „die Nutzung von KI-Agenten“ zum Buchen, Ändern oder Betreuen eines Tickets untersagt. Menschliche Aufsicht oder Freigabe ändere daran nichts, und Regel 5.H erlaube United, so gebuchte Reservierungen zu stornieren. Diese Details haben wir über Leff und llms.blog gesehen, nicht im Vertragstext selbst. Bereits vor dem 11. November gebuchte Agentenbuchungen bleiben laut llms.blog bestehen.

Begründung und eigentliches Motiv

Offiziell nennt United Datenschutz und Sicherheit: Wer Zugangsdaten an Assistenten weitergibt, riskiere ungewollte Käufe, Kontoänderungen oder die unautorisierte Nutzung von MileagePlus-Meilen (CBS, CNBC). Aus der Chefetage kam eine andere Begründung: „Ehrlich gesagt will ich keinen weiteren Mittelsmann schaffen“, sagte CEO Scott Kirby laut Wall Street Journal bei einer Veranstaltung. Der Luftfahrtanalyst Henry Harteveldt bestätigt gegenüber CBS diese Lesart: United wolle keinen weiteren, womöglich mächtigeren Vermittler neben Google, Preisvergleichen und Online-Reisebüros; zudem koste jede Flugsuche Geld. Agentenbuchungen seien bislang selten, so United laut Verge. DoorDash meldete im Oktober ähnlich nur „mehrere Hundert“ Agentenbestellungen bei rund drei Millionen Lieferungen täglich (TechCrunch). Die Sperre ist also vorbeugend.

Vorläufig ist sie auch: United schreibt laut llms.blog, es wolle erst „standardisierte, sichere Integrationen“ mit Schutzmechanismen für Datenschutz, Autorisierung und Haftung, und auf die Frage, ob es mit Drittagenten zusammenarbeite, lautet die Antwort „Noch nicht“.

Einordnung: Verträge statt Technik

Der Fall setzt fort, was wir zuletzt beschrieben haben: OpenAI öffnete ChatGPT für verifizierte Händler-Agenten, während eBay fremde Agenten wie Metas Muse aussperrte (Ausgabe vom 11. November). Neu ist die Rechtsform: United verbietet Agenten in den Vertragsbedingungen, auch wenn der Kunde zustimmt. „Nur weil Sie Zugriff erteilt haben“, so die Hilfeseite laut llms.blog, „heißt das nicht, dass United einem Assistenten Transaktionen erlaubt.“ Die Haftungsfrage dahinter ist real: Wer trägt die Kosten, wenn ein Agent falsche Daten bucht oder ein Ticket storniert? Leff verweist auf einen Fall, in dem Deltas eigene KI einem Fluggast zusicherte, der Rückflug sei sicher, und ihn dann stornierte; Delta sprach von einem Fehler.

Wie durchsetzbar das ist, bleibt offen. Leff argumentiert, ein Vertragsverbot sei kein technisches: Schließt ein Agent den Kauf über Expedia ab, sehe United nur eine Expedia-Buchung. Die Gegenseite ist uneinheitlich. Southwest macht sein Angebot laut CBS in ChatGPT sichtbar, Expedia und Booking arbeiten laut CNBC mit OpenAI, Walmart kooperiert mit Muse, Amazon blockiert es.

Was Produktteams einplanen sollten

Erstens: Wer Agenten baut, die im Namen von Nutzern handeln, kann sich nicht auf die Einwilligung des Nutzers stützen. Die Geschäftsbedingungen des Zielanbieters entscheiden, ob der Zugriff vertragswidrig ist; Browser-Automatisierung mit geteilten Zugangsdaten ist der riskanteste Weg. Zweitens: Wer Identität und Zahlung zuverlässig nachweisen kann, hat bessere Chancen. Leff verweist auf Visas „Trusted Agent Protocol“, mit dem Händler zugelassene Agenten erkennen sollen; ein solches „Know-Your-Agent“-Prinzip, also die überprüfbare Bindung eines Agenten an Kunde und Zahlungsmittel, dürfte zur Eintrittskarte werden. Drittens: Der tragfähige Weg im B2B-Geschäft führt über freigegebene Schnittstellen. DoorDash bietet laut TechCrunch einen MCP-Zugang (Model Context Protocol, eine Anbindung für Chatbots) für Firmenbestellungen an. Scraping, also das automatisierte Auslesen von Webseiten, bleibt angreifbar und kann zu Sperren führen. Wer Agentenzugänge für das eigene Produkt plant, sollte umgekehrt klären, was erlaubt ist, wie Agenten sich ausweisen und wer bei Fehlbuchungen haftet.

Rüstung · Europa

Helsing stellt „Clarity“ vor: Europas Antwort auf Palantirs Maven – vorerst ohne bekannte Kunden

Hintergrund & Analyse

Helsing hat am 11. November in Berlin Clarity vorgestellt, eine KI-Plattform für militärische Lageauswertung. Laut Pressemitteilung des Unternehmens verarbeitet sie Daten aus Satelliten, Sensoren, Drohnen, offenen Quellen und schriftlichen Berichten parallel, erkennt darin gegnerische Kräfte und Stellungen und bereitet die Informationen für das jeweils geeignete Waffensystem auf. Reuters und die dpa (über heise) berichten übereinstimmend, die Software trete damit in einen Markt ein, den bisher Palantir anführt. Es ist die jüngste Etappe einer Reihe, die wir zuletzt mit dem Luftverteidigungssystem Contra in der Ausgabe vom 27. Oktober begleitet haben.

Was Clarity laut Helsing leistet

Technisch beschreibt Helsing eine „agentische“ Plattform: Hunderte spezialisierte KI-Agenten – also Programme, die Teilaufgaben selbstständig abarbeiten und Werkzeuge nutzen – arbeiten auf einer gemeinsamen „militärischen Ontologie“ und Beweisbasis, einem einheitlichen Datenmodell für Objekte und Belege. Trainiert seien die Modelle auf militärischen Daten, kombiniert mit synthetischen und simulierten Daten. Die Plattform soll sich an die MOSA-Prinzipien (offene Modulbauweise) und relevante NATO-Standards halten, neben vorhandenen Systemen laufen und Wirkmittel „jedes Herstellers“ anbinden. Technikchef Robert Fink, der laut dpa zuvor am Aufbau von Palantir beteiligt war, nennt Rückverfolgbarkeit, Zugriffskontrollen und den Umgang mit Verschlusssachen als Kernvorteile.

Souveränität als Verkaufsargument

Im Zentrum der Botschaft steht Kontrolle. Clarity laufe „auf Infrastruktur, die der Kunde besitzt“; Modelle und Integrationen entwickle Helsing in Europa; Daten, Modelle und Betrieb blieben beim Kunden, die Plattform gehöre „niemandem sonst“. Co-CEO Gundbert Scherf: „Eine so kritische Fähigkeit muss souverän sein.“ Der Zeitpunkt ist kein Zufall. Heise verweist auf die Sorge vor Abhängigkeit von US-Software unter Präsident Trump; Bayern und Nordrhein-Westfalen, deren Polizeien mit Palantir arbeiten, haben sich perspektivisch für europäische Alternativen ausgesprochen. Das Bundesamt für Verfassungsschutz hatte sich schon im Frühjahr für den französischen Anbieter ChapsVision entschieden (Ausgabe vom 14. Mai), und Berlin und Paris kündigten im Juli ein „europäisches digitales Rückgrat“ an (Ausgabe vom 19. Juli).

Der Vergleich mit Palantir

Reuters nennt das Kräfteverhältnis nüchtern: Palantirs Maven Smart System sei in Arbeitsabläufe des Pentagons und der NATO eingebettet und über Jahre im Einsatz geschärft worden. Die NATO hat Maven laut heise im vergangenen Jahr beschafft. Helsing könne zwar auf Erfahrung aus der Ukraine verweisen, wohin das Unternehmen Drohnen liefert – ein Leistungsvergleich mit Maven liegt aber nicht vor. Dass die Bundeswehr ohnehin eine eigene Lösung sucht, hatten wir in der Ausgabe vom 11. September beschrieben; dort ging es um MDOCore, das Hensoldt gemeinsam mit Helsing entwickelt. Ob Clarity in diesem Verfahren eine Rolle spielt, geht aus keiner der vorliegenden Quellen hervor.

Ethik: Der Mensch bleibt im Prozess – laut Hersteller

Helsing betont, ein Operator prüfe die Belege, wähle jedes Ziel aus und autorisiere jede Übergabe an ein Waffensystem. Ein Ziel werde nur vorgeschlagen, wenn unabhängige Quellen übereinstimmen und die Konfidenz hoch sei; jede Entscheidung werde samt Verantwortlichem protokolliert. Reuters gibt dies als Herstellerangabe wieder. Unabhängig geprüft ist nichts davon. Offen bleibt auch, wie sich die Wirkung eines Systems, das Ziele in Sekunden aus riesigen Datenmengen vorschlägt, auf die tatsächliche Prüfzeit der Menschen auswirkt. Kritiker setzen genau dort an: Je schneller Vorschläge eintreffen, desto größer wird der Druck, sie nur noch abzunicken. Quellen für eine konkrete Kritik an Clarity haben wir am Tag der Vorstellung nicht gefunden; es handelt sich um eine allgemeine, aus der Debatte um KI-gestützte Zielauswahl bekannte Sorge.

Was Herstellerbehauptung ist und was belegt

Belegt ist durch Pressemitteilung, Reuters und heise lediglich die Vorstellung des Produkts samt Funktionsbeschreibung. Herstellerangaben ohne unabhängige Prüfung sind die Souveränitätszusagen, die Leistungsfähigkeit der Agenten, die Trainingsdaten und die Sicherheitsmechanismen. Zu Kunden und Einsatzzeitpunkt schweigt Helsing: Laut Reuters teilte das Unternehmen nicht mit, ob Clarity bereits von Streitkräften genutzt wird oder wann es in Dienst gehen soll. Die Bundeswehr hat laut Reuters früher erklärt, ab dem kommenden Jahr KI-gestützte Systeme einführen zu wollen. Palantir selbst betont gegenüber heise, seine Plattformen seien „leistungsfähig, sicher und souverän“.

Einordnung für Entscheider: Clarity ist bislang eine Ankündigung, kein Beschaffungsfall. Wer in Rüstung, Behörden oder kritischer Infrastruktur Plattformen auswählt, sollte „Souveränität“ nicht am Firmensitz festmachen, sondern prüfbar vertraglich verankern: Wer betreibt die Systeme, wo liegen Modelle und Daten, welche Fremdkomponenten stecken in der Lieferkette? Das Argument, am Ende bediene niemand von außen die Konsole, ist stärker als ein europäisches Etikett. Ob Helsing es einlösen kann, zeigen erst Referenzkunden, Tests und eine Zulassung für den Einsatz mit Verschlusssachen.

Wissenschaft · DeepMind

AlphaGenome 2 fragt nicht mehr „Was bewirkt diese Genvariante?“, sondern „In welcher Zelle?“ – die Zahlen stammen bislang nur von DeepMind

Hintergrund & Analyse

Google DeepMind hat am 11. November AlphaGenome 2 vorgestellt, den Nachfolger seines DNA-Modells aus dem Jahr 2025. Beschrieben wird es in einem Preprint auf DeepMinds eigener Website. Es sagt voraus, wie sich kleine Veränderungen im Erbgut auf die Aktivität von Genen in ganz bestimmten Zelltypen auswirken – etwa in Herzmuskel-, Immun- oder Darmzellen. Zur Vorgängerversion hatten wir in der Ausgabe vom 9. September berichtet, als DeepMind den „AlphaGenome Atlas“ mit vorberechneten Vorhersagen für alle neun Milliarden möglichen Einzelbuchstaben-Änderungen veröffentlichte.

Das Problem: Die Schalter liegen im „Rest“ des Erbguts

Die meisten Erbgutvarianten, die mit Krankheiten zusammenhängen, liegen nicht in Genen, die Bauanleitungen für Proteine enthalten, sondern in der nicht-kodierenden DNA – rund 98 Prozent des Genoms. Dort sitzen unter anderem „Enhancer“, Schalter, die steuern, wann und wo ein Gen abgelesen wird. Jede Zelle trägt dieselbe DNA, liest sie aber je nach Typ und Zustand anders. Dieselbe Variante kann deshalb in einem Zelltyp viel bewirken und in einem anderen nichts. Gemittelte Gewebedaten verwischen das.

Was neu ist gegenüber AlphaGenome 1

Version 1 erhielt eine Million DNA-Buchstaben und sagte in einem Durchgang tausende Messreihen aus Geweben und Zelllinien voraus, trainiert vor allem mit „Bulk“-Daten, also Mischungen vieler Zellen. Das Modell hatte Mühe, nah verwandte Zelltypen zu unterscheiden. AlphaGenome 2 arbeitet dagegen „konditional“: Neben der DNA bekommt es in jeder Schicht die gewünschte biologische Bedingung – Gewebe, Zelltyp oder Zellzustand – als Eingabe. Trainiert wurde es laut DeepMind mit Daten von mehr als 100 Millionen Einzelzellen aus 68 Geweben. Neu sind außerdem die Vorhersage von DNA-Methylierung und ein Zell-Encoder: Forschende laden eigene Einzelzell-Genaktivitätsdaten hoch und erhalten Vorhersagen für ihre Zellzustände, ohne das Modell nachzutrainieren. Laut API-Dokumentation sind das bis zu 256 Zellen pro Aufruf. Fehlende Messarten, etwa Chromatin-Zugänglichkeit, kann das Modell ergänzen („Imputation“).

Die Zahlen – bisher nur von DeepMind

Auf dem Datensatz TenK10K (28 Immunzelltypen) erkennt AlphaGenome 2 laut DeepMind bei 90 Prozent Präzision 30 Prozent der ursächlichen Varianten, gegenüber 16 Prozent für das auf Einzelzellen nachtrainierte AlphaGenome 1. Bei der Wirkrichtung (mehr oder weniger Genaktivität) sind es 43 gegenüber 23 Prozent. Im Preprint steigt die mediane Korrelation mit gemessener Gewebe-Genaktivität von 0,61 auf 0,71. Das Gegenstück: Bei 90 Prozent Präzision bleibt rund 70 Prozent der Varianten unentdeckt. Außerhalb zugänglicher Chromatinbereiche bleibt das Modell laut Preprint nur mäßig treffsicher.

Ein unabhängiges Gutachten zu den Messwerten liegt bislang nicht vor; die Zahlen stammen aus dem Preprint der Entwickler, der noch nicht begutachtet wurde. Beim Vorgänger hatte Xianghua Li vom King's College London geurteilt, er arbeite so gut wie die besten Werkzeuge, „aber nicht besser“. Positiv fällt eine Fallprüfung auf: Nature berichtet, dass das Modell Aspekte einer 2024 publizierten Entdeckung zur Darmkrankheit IBD am Rechner nachvollzog. Damals war die Ursache eine Variante in einer „Gen-Wüste“, die das Gen ETS2 in Immunzellen überaktiviert. James Lee vom Francis Crick Institute, der die Studie leitete, sagt, das Modell habe „in 30 Minuten“ die Antwort gefunden, während sein Team „anderthalb Jahre Experimente“ gebraucht habe. Das bestätigt rückblickend ein bekanntes Ergebnis, belegt aber keine Treffsicherheit bei unbekannten Fällen.

Verfügbarkeit und Lizenz

AlphaGenome 2 steht laut DeepMind für nichtkommerzielle Forschung über die AlphaGenome-API bereit; für kommerzielle Forschung gibt es eine private Vorschau. Laut den Nutzungsbedingungen in den API-FAQ dürfen API-Ausgaben und Atlas-Werte nur nichtkommerziell genutzt werden, nicht zum Training anderer Modelle dienen und nicht für klinische Entscheidungen. Unternehmen sollen die Modelle über Google Cloud (Model Garden) oder per Kontakt zu Google beziehen. Dass die Modellgewichte nicht veröffentlicht werden, berichtet nur das Fachportal i-scoop; in DeepMinds Material fanden wir dazu keine ausdrückliche Aussage. Version 2 liefert zudem nur Rohwerte, keine kalibrierten Quantil-Scores wie Version 1. Zum Einstieg gibt es vorberechnete Werte für rund sieben Millionen Varianten. Den Atlas für alle neun Milliarden Änderungen ersetzt es nicht: Laut Žiga Avsec ist die feinere Vorhersage teurer, deshalb wäre ein solcher Atlas damit unpraktisch gewesen (The Verge).

Einordnung für die Praxis

Für Pharma- und Biotech-Teams ist die Verschiebung relevant: Statt einer langen Liste verdächtiger Varianten liefert das Modell Kandidaten mit Gen und Zelltyp – und damit eine Hypothese, welches Labor-Experiment sich lohnt. Genomics plc will es in seine Plattform Mystra einbauen. Ersetzen kann es die Experimente nicht, und für Diagnosen ist es ausdrücklich nicht zugelassen. Wer darauf Pipelines baut, sollte drei Dinge prüfen: erstens die Abhängigkeit von einem gehosteten Dienst ohne Gewichte; zweitens, wo hochgeladene Einzelzelldaten verarbeitet werden – die FAQ nennt dazu nichts, bei Patientenproben ist das ein Thema für Datenschutz und Ethikkommission; drittens die Reproduzierbarkeit, denn AlphaGenome 1 bleibt für Vergleiche verfügbar. Entscheidend wird, ob unabhängige Gruppen die Verdopplung bestätigen.

Sicherheit · Agenten

CERT-EU warnt vor Artex: Das Pentest-Framework macht Angriffe häufiger, schneller und skalierbarer

Hintergrund & Analyse

Das CERT-EU, der Cybersicherheitsdienst der EU-Institutionen, hat am 5. November einen Blogbeitrag zu ARTEX veröffentlicht; heise online griff die Warnung am 11. November auf. Kern der Aussage: Mehrere Angreifergruppen weltweit nutzten das Framework, um ihre Kampagnen zu automatisieren. Auch gegen den eigenen Kundenkreis habe CERT-EU ähnliche KI-gesteuerte Aktivitäten beobachtet, die „höchstwahrscheinlich“ ARTEX einsetzten. Die Behörde erwartet, dass die öffentliche Verfügbarkeit die Verbreitung beschleunigt und zu „häufigeren, schnelleren und skalierbareren automatisierten Angriffen mit einer höheren Erfolgsquote“ führt.

Was Artex ist

Nach Beschreibung von CERT-EU ist ARTEX eine quelloffene, von Sprachmodellen gesteuerte Plattform für autonome Penetrationstests, also für das Prüfen eigener Systeme auf Schwachstellen. Der Operator nennt ein Ziel in natürlicher Sprache, das Framework zerlegt es in Teilaufgaben und lässt einen oder mehrere Agenten Aufklärung und Tests mit echten Werkzeugen ausführen. Ein Dashboard mit Aufgabensteuerung, Verkehrsmitschnitt und Freigabe-Warteschlange soll den Menschen im Loop halten. Das Besondere: Die Begrenzung auf den erlaubten Bereich und der Verzicht auf zerstörerische Aktionen beruhen auf konfigurierbaren Regeln und dem Modell selbst, es gibt laut CERT-EU „keine harte technische Durchsetzung“.

ARTEX bringt kein eigenes Modell mit; Betreiber binden einen externen Anbieter ihrer Wahl an. Nach Missbrauchsberichten hat der ursprüngliche Autor das Repository im Oktober 2026 entfernt, öffentlich verfügbar sind nur noch unabhängige Forks. heise nennt zudem Alternativen wie Cairn. Wir hatten das Werkzeug bereits in der Ausgabe vom 7. November beschrieben, als Censys mehr als 800 ohne Passwort erreichbare Artex-Installationen fand, und es am 10. November im Zusammenhang mit dem Vals-Benchmark eingeordnet, in dem auch der Daybreak-Zugang von OpenAI mit offenen Modellen verglichen wurde.

Was CERT-EU beobachtet hat

Zahlen nennt der Beitrag nicht: weder die Anzahl der Vorfälle noch die betroffenen Organisationen oder Angreifergruppen. Die Aussage „rapide Zunahme“ im heise-Titel ist daher eine Zuspitzung der Redaktion; CERT-EU selbst formuliert als Bewertung und Erwartung. Belegt sind die Techniken, die nach MITRE ATT&CK in drei Kategorien fallen: aktives Scannen (T1595), Beschaffung von Werkzeugen (T1588.002) und Ausnutzen öffentlich erreichbarer Anwendungen (T1190). Besonders effektiv sei ARTEX bei Fehlkonfigurationen, die ein menschlicher Tester zwar bemerken, aber aus Zeitgründen nicht prüfen würde, ebenso bei aufwendig zugeschnittenen Payloads und langen Angriffsketten ohne Ermüdung.

Microsoft liefert die konkretere Beobachtung: Seit Oktober setzt die laut Microsoft in Kambodscha ansässige Gruppe Storm-3358 ARTEX gemeinsam mit konventionellen Werkzeugen gegen Finanzorganisationen ein, überwiegend in Südostasien, daneben gegen einzelne große Institute weltweit. Sie scannen öffentliche Systeme, nutzen Lücken wie anonymen Datei-Upload und Server-Side Request Forgery (SSRF, also Server, die auf Anweisung des Angreifers interne Adressen abrufen) und installieren quelloffene Fernzugriffs-Trojaner.

Empfehlungen im Überblick

CERT-EU staffelt seine Hinweise: sofort die im Internet erreichbaren Systeme inventarisieren und reduzieren, Verwaltungsoberflächen vom Internet trennen, Notfall-Patches für exponierte Systeme priorisieren und Administratorkonten eng überwachen. Kurzfristig Mehrfaktor-Authentifizierung für alle kritischen Dienste, Suche nach Verbindungen zu bekannter Angreiferinfrastruktur und ARTEX-Spuren in den Logs sowie Endpoint-Detection-Werkzeuge. Dauerhaft bereinigte Fehlermeldungen, eine Web Application Firewall, gutes Logging, Überwachung auch von KI-Werkzeugen sowie regelmäßige Schwachstellen- und Pentests, auch mit KI-Unterstützung. Auffällig ist der letzte Punkt: Auch unkritische Befunde sollen im Behebungsprozess bleiben, weil KI-Werkzeuge kleine Fehlkonfigurationen zu schweren Angriffspfaden verketten können.

Microsoft ergänzt Erkennungsmerkmale: Agenten senden in kurzer Zeit viele verschiedene Anfragen und wiederholen Variationen derselben Technik in Maschinengeschwindigkeit. Standard-Werkzeuge wie Nmap, curl und wget verraten sich teils durch Standard-User-Agents, doch das Blockieren hilft nur als Alarm, weil der Agent sie schnell ändert. Köder-Systeme, Tarpits und vorgetäuschte Erfolge können Agenten von echten Zielen ablenken.

Checkliste für die Praxis

Die Maßnahmen sind nicht neu, aber das Zeitfenster schrumpft. Für Security-Teams ergibt sich daraus eine überprüfbare Liste:

  • Angriffsfläche: Gibt es ein aktuelles Inventar aller aus dem Netz erreichbaren Dienste? Erreichbare Admin-Panels, Test- und KI-Werkzeuge entfernen oder hinter VPN und Zugriffskontrolle stellen.
  • Patch-Takt: Wie viele Tage vergehen bis zum Patch eines exponierten Systems? Das Ziel sind Tage, nicht Wochen.
  • Identitäten: Mehrfaktor-Authentifizierung überall, Passwort-Spraying-Erkennung, Rotation von Geheimnissen in Code-Repositories.
  • Erkennung: Alarme auf hohe Anfragedichte mit wechselnden Varianten, ungewöhnliche curl- oder wget-Downloads auf Servern und Web-Shell-Hinweise; Logs mindestens einige Wochen vorhalten.
  • Eigene KI-Werkzeuge: Wer Agenten-Frameworks selbst zum Testen einsetzt, braucht Freigabepflicht, harte Netzwerkgrenzen und keine offene Verwaltungsoberfläche; die Funde von Censys zeigen, wie leicht das schiefgeht.
  • Bagatellen: Niedrig eingestufte Befunde nicht dauerhaft liegen lassen, sondern in den Backlog aufnehmen.

Einordnung

Die Warnung bezieht ihre Kraft nicht aus neuen Methoden, sondern aus der Ökonomie: Was früher Fachwissen und Zeit kostete, läuft nun parallel und billig. Das trifft vor allem Organisationen mit vielen kleinen Schwächen, also fast alle. Vorbehalt: CERT-EU belegt keine Vorfallzahlen. Für Entscheider bleibt die Rechnung dennoch klar: Wer sein Patch-Tempo und seine Sichtbarkeit nach außen nicht auf Maschinengeschwindigkeit trimmt, wird zuerst gefunden.

Infrastruktur · Finanzierung

Vorkasse statt Anleihen: CoreWeave finanziert den KI-Ausbau über Kundengeld und kurze Verträge – Fractile sammelt 720 Millionen ein, Meta tauscht den Infrastrukturchef

Hintergrund & Analyse

Wer KI-Rechenleistung baut, muss sie bezahlen, bevor sie Umsatz bringt. Wie das derzeit gelingt, zeigen drei Meldungen vom 10. und 11. November: CoreWeave legt neue Finanzierungsprinzipien offen, der britische Chip-Entwickler Fractile erhält 720 Millionen Dollar, und Meta wechselt die Führung seiner Infrastruktur. Den politischen Hintergrund, Widerstand gegen Rechenzentren nach den US-Zwischenwahlen und den Kurssturz vom 5. November, haben wir in der Ausgabe vom 6. November beschrieben.

CoreWeave: Kunden zahlen vorab

CoreWeave, ein „Neocloud“-Anbieter, der GPU-Rechenleistung an KI-Firmen vermietet, hat am Dienstag Quartalszahlen vorgelegt. Laut CNBC und TechCrunch stieg der Umsatz um 168 Prozent auf 3,66 Milliarden Dollar; unterm Strich stand ein Verlust von 709 Millionen Dollar, die Zinsaufwendungen betrugen 846 Millionen. Der Auftragsbestand wuchs auf 132,5 Milliarden Dollar, die Schulden liegen bei knapp 47 Milliarden.

Neu ist die Finanzierungslogik. Firmenchef Michael Intrator sagte, CoreWeave werde „den Markt für unbesicherte Anleihen zu den aktuellen Renditen nicht nutzen“. Stattdessen sollen Kredite dienen, die an einzelne Kundenverträge gekoppelt sind, dazu Vorauszahlungen. In den nächsten drei Monaten erwartet das Unternehmen laut Pressemitteilung rund 9 Milliarden Dollar an Vorauszahlungen und Anzahlungen; über 3 Milliarden davon hängen laut Intrator an der Neuvergabe bereits gebauter Kapazität. Bei 70 Prozent der Verträge in diesem Jahr habe CoreWeave Vorauszahlungen erhalten. Finanzchef Nitin Agrawal rechnet bis Ende 2027 mit weniger als 5 Milliarden Dollar zusätzlichem Kapital auf Konzernebene und mit 7 bis 7,5 Prozent Rendite für den nächsten Kredit (Quelle: Zusammenfassung der Telefonkonferenz bei Zolmax/MarketBeat).

Kurze Verträge, hohe Preise

Zweiter Hebel: Preise. CoreWeave hob sie laut Intrator im Juli um etwa 25 Prozent und später im Quartal um weitere 10 Prozent an. Kurzfristige Kapazität verkauft das Unternehmen für mehr als 40 Millionen Dollar pro Megawatt und Jahr; neue vier- bis fünfjährige Verträge liegen bei 20 bis 25 Millionen. Zudem laufen 2027 über 130.000 und 2028 rund 170.000 GPUs aus ihren Verträgen, die zu aktuellen Preisen neu vergeben werden könnten (Zolmax). Das sind Management-Angaben, die erst die Praxis bestätigen muss.

Der Haken: TechCrunch weist darauf hin, dass Kreditgeber längere Verträge höher gewichten, weil sie planbare Zahlungsströme bevorzugen. Bei einigen CoreWeave-Anleihen lagen die Renditen zuletzt laut TechCrunch über 15 Prozent, laut CNBC über 16 Prozent; die Aktie hat im Monat über 40 Prozent verloren.

Fractile: Speicher direkt auf dem Chip

Fractile aus London und Bristol hat eine Series C über 720 Millionen Dollar abgeschlossen. Laut Dealroom bezifferten die Geldgeber Balderton und Georgian die Bewertung auf 7 Milliarden Dollar, Reuters und die Financial Times berichteten dasselbe; die britische Regierung sprach in ihrer Mitteilung von „über 5 Milliarden Pfund“. Thrive Capital, Founders Fund, Lightspeed und Redpoint führten die Runde an; auch der Sovereign AI Fund und die British Business Bank investierten. Im Mai hatte Fractile laut Dealroom noch 220 Millionen bei rund einer Milliarde bewertet bekommen.

Das Konzept in einfachen Worten: Beim Betrieb großer Sprachmodelle (Inferenz) wartet der Rechenchip oft auf Daten aus dem Speicher. Gängige Beschleuniger koppeln Rechenkerne an externen Hochgeschwindigkeitsspeicher (HBM). Fractile setzt laut Dealroom und TechCrunch auf DRAM, den üblichen Arbeitsspeicher, der direkt auf die Logik gestapelt wird. Das soll mehr Bandbreite als HBM und mehr Kapazität als SRAM-Designs bieten, bei denen der Speicher im Chip sitzt, aber knapp bleibt. Firmenchef Walter Goodwin sprach gegenüber der FT von bis zu zehnfacher Geschwindigkeit; das ist eine Herstellerbehauptung. Ein Serienchip existiert nicht: Die ersten Chips und Systeme sollen 2027 ausgeliefert werden. Dass Anthropic Interesse als früher Kunde zeigt, stammt laut Dealroom aus der FT und ist nicht bestätigt.

Meta: Führungswechsel mitten im Ausbau

Santosh Janardhan, seit 2009 bei Meta und Leiter der Infrastruktur, geht 2027. Nachfolger ist Dave Brown, der im Juli von AWS kam. Laut CNBC und TechCrunch nannte Janardhan in einem internen Memo, es sei „Zeit, den Staffelstab zu übergeben“; Gründe nannte Meta nicht. Die Einordnung von CNBC, der Wechsel falle in eine Phase wachsender Investorenskepsis, ist Interpretation: Meta erwartet Investitionen von 135 bis 145 Milliarden Dollar, der freie Cashflow war negativ, S&P senkte den Ausblick auf „negativ“.

Einordnung

Für CoreWeave verschiebt sich das Risiko: Vorauszahlungen senken Zinslast und Refinanzierungsbedarf, binden aber Kapazität zu heute vereinbarten Preisen. Kurzverträge liefern höhere Erlöse, doch die Einnahmen hängen dann von Neuvermietung ab; fällt die Nachfrage oder öffnet sich die Chip-Konkurrenz, trifft es zuerst diese Erlöse, während Schulden fix bleiben.

Für Kunden heißt das: Wer Kapazität will, zahlt in der Knappheit entweder viel oder früh. Prepayments verschieben Ausfallrisiko zum Kunden: Geht der Anbieter pleite, steht man als Gläubiger Schlange. Praktisch sollten Einkäufer Rückzahlungsklauseln, Sicherheiten, Preisanpassung bei Neuvergabe und Ausstiegsrechte verhandeln und Anbieter nicht nur an der Wettbewerbsfähigkeit, sondern an der Finanzierungsstruktur messen.

Reportage

Das Klumpenrisiko im Maschinenraum: Warum Firmen, die auf KI bauen, ihre Lieferkette jetzt absichern müssen – und welche Verträge und Architekturen im Ernstfall tragen

Weiterlesen →

Tool-Radar

Neue und trendende KI-Tools des Tages

Nod by n8n Logo
Quelloffener persönlicher KI-Agent (Apache-2.0) von n8n Labs, der auf Mac und Windows in einem eigenen virtuellen Rechner mit eigenem Browser Aufgaben in Gmail, Slack, Kalender oder auf beliebigen Websites erledigt.
Nod kündigt Rechnungen nach, kündigt Abos, beobachtet Preise oder legt monatliche Belege ab und fragt vor Aktionen wie Senden, Bezahlen oder Löschen nach, die nicht ausdrücklich beauftragt wurden; Passwörter und Karten gibt es dem Modell nach Herstellerangaben nie zu sehen. Das Modell wählt man selbst (OpenAI, Anthropic, Gemini, OpenRouter, lokale Server oder ein ChatGPT-Abo), jede Aufgabe zeigt ihre Kosten, ein Monatslimit lässt sich setzen. n8n nennt in der README 98 Prozent erledigte Aufgaben in 678 Läufen und null unzulässige Aktionen, allerdings nur in simulierten Konten und Websites. Vorstellung im n8n-Blog am 10. November, Start auf Product Hunt am 11. November (Platz 1, rund 245 Stimmen); Forschungsvorschau, läuft nicht bei schlafendem Rechner und kann nicht telefonieren.
Produktivität · November 2026
Seldon Wren Logo
QA-Agenten, die Software nach einer Beschreibung in einfachem Englisch wie echte Kunden bedienen und dabei Testfälle aufspüren, die in der bestehenden Testsuite fehlen.
Statt Playwright-Skripte zu schreiben, beschreibt man ein Ziel („neues Teammitglied nimmt Einladung an“); mehrere Agenten probieren parallel unterschiedliche Wege, etwa Einladung im falschen Konto öffnen oder eine fehlgeschlagene Zahlung wiederholen. Bei Fehlern gibt es eine Aufzeichnung samt Schritten zur Reproduktion, der Lauf lässt sich neben den vorhandenen Tests in der CI-Pipeline fahren. Die ersten 10 Läufe sind kostenlos, danach kosten abgeschlossene Läufe 3 US-Dollar, ohne Sitzplatzgebühr und ohne getrennte Token-Abrechnung. Start auf Product Hunt am 10. November (Platz 5, rund 250 Stimmen); ob die Agenten tatsächlich mehr relevante Fehler finden als gepflegte Tests, belegen bisher nur Aussagen des Herstellers.
Dev-Tools · November 2026
Prefixwise Logo
Quelloffenes Werkzeug (MIT), das für jede Agent-Anfrage benennt, warum der Prompt-Cache nicht getroffen wurde, den vermeidbaren Aufpreis beziffert und häufige Ursachen auf Wunsch gleich behebt.
Der Cache spart nur, wenn der Anfang des Prompts Byte für Byte gleich bleibt; Prefixwise läuft als Proxy zwischen Agent und Modell (oder per vLLM-Middleware) und sagt etwa „Werkzeugliste in anderer Reihenfolge“ oder „Zeitstempel im System-Prompt“. Es speichert nur Hashes und Zähler, keine Prompts, und arbeitet mit Claude Code, Codex, opencode sowie der Anthropic- und OpenAI-Schnittstelle. Im Demolauf der README sinken die Promptkosten von 0,0356 auf 0,0250 US-Dollar; alle Messwerte stammen vom Autor und aus kurzen, skriptgesteuerten Sitzungen. Show HN am 11. November (bislang kaum Resonanz), Repository seit dem 6. November.
Dev-Tools & FinOps · November 2026
MiniMax H3-Image Logo
Offenes Bildmodell (33,1 Milliarden Parameter) von MiniMax, das in nur sechs Diffusionsschritten Bilder mit rund 16 Megapixeln erzeugt und mit bis zu 16 Referenzbildern bearbeitet.
Ein einziger Checkpoint deckt Text-zu-Bild und Bildbearbeitung ab; lokal laufen SGLang, vLLM-Omni, diffusers und ComfyUI, die Dateien sind mit 68,65 GB plus rund 67 GB Textencoder allerdings riesig. Die Lizenz ist keine freie: Sie gilt weltweit außer in der EU, im Vereinigten Königreich, in Südkorea und den USA, verlangt ab 1 Million US-Dollar Jahresumsatz oder bei gehosteten Diensten eine gesonderte Genehmigung und verbietet, Ausgaben zum Training anderer Modelle zu nutzen. Datiert auf den 10. November, Product-Hunt-Start am 11. November (Platz 6); „stärkste Befolgung von Anweisungen unter offenen Modellen“ ist Herstellerangabe ohne unabhängigen Benchmark.
Design & Kreativ · November 2026
Scribe v3 / v3 Live Logo
Neue Spracherkennungsmodelle von ElevenLabs für Aufnahmen (Scribe v3) und Echtzeit (v3 Live) mit Sprechererkennung und Unterstützung von 102 Sprachen.
Laut ElevenLabs macht Scribe v3 27 Prozent weniger Wortfehler als Scribe v2 (Deutsch minus 42 Prozent), die Live-Variante 43 Prozent weniger semantische Fehler und erkennt erstmals in Echtzeit, wer spricht; hinzu kommen Begriffslisten mit bis zu 1.000 Einträgen und eine Turn-Erkennung, die Anrufer bei Denkpausen nicht abschneidet. Der Wechsel in der API ist eine Zeile (model_id), für Enterprise-Kunden gibt es isolierte EU-Umgebungen und einen Modus ohne Datenspeicherung. Veröffentlicht am 10. November; alle Zahlen stammen aus der internen FLEURS-Variante und einem eigenen, noch unveröffentlichten Datensatz, eine unabhängige Prüfung steht aus.
Audio & Voice · November 2026
ScroogeFrog AI Antifraud Logo
Plattform, die Website-Traffic und Google-Ads-Kampagnen auf Bots und Klickbetrug prüft und in konkrete Empfehlungen übersetzt, welche Keywords oder Kampagnen abzuschalten sind.
Nach dem Einbau von Tracking-Codes zeigt ein Dashboard etwa den Bot-Anteil am Traffic und auffällige Kampagnen; Agenturen und größere Werbetreibende können eigene Modelle auf ihren vertrauenswürdigen Konversionsdaten trainieren lassen (laut Seite LSTM-Netze und Gradient Boosting). Das Unternehmen betreibt Anti-Fraud-Dienste nach eigenen Angaben schon länger; der Start der KI-Plattform auf Product Hunt war am 11. November (Platz 2, rund 235 Stimmen) mit 75 Prozent Rabatt im ersten Jahr per Code. Die Gründer räumen ein, die Modelle würden noch getestet; Erkennungsraten sind nicht belegt.
Marketing & Business · November 2026

Aus der Werkstatt

YouTube-Empfehlungen: Tutorials, Erklärungen und Werkzeuge

My Entire AI Agent Setup (Claude Code + Dev Containers)
Tutorial
Mischa van den Burg · 19:08
Mischa van den Burg zeigt sein komplettes Agenten-Setup auf der Kommandozeile: Ein Laptop dient als Agent-Server, das Tool Herdr verwaltet mehrere Claude-Code-Agenten über Rechner hinweg, und jeder Agent läuft in einem eigenen Dev Container. Die Container erlauben es, Rückfragen zu Berechtigungen gefahrlos zu überspringen, ohne den eigenen Rechner zu gefährden; Skills liegen gesammelt in einem selbst gehosteten Forgejo-Repository. Praxisnah für alle, die Agenten lange Aufgaben autonom erledigen lassen wollen.
Why Your AI Agent Needs an IDE (Real Experiment, Not Hype)
Tutorial
Tech With Tim · 16:45
Tech With Tim testet, ob Coding-Agenten im Terminal „blind“ arbeiten, und vergleicht sie mit einem Agenten, der die Werkzeuge einer IDE nutzt – erst an einem kleinen Python-Projekt, dann an einer Produktionscodebasis mit über 200.000 Zeilen. Bei der größten Änderung brauchte der Agent mit IDE rund eine Minute, der ohne mehr als zweieinhalb Minuten bei gleichem Ergebnis. Das Video ist von JetBrains beauftragt; Tim betont, die Tests seien seine eigenen.

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: 8.688.785 Tokens gesamt (8.590.276 Eingabe · 98.509 Ausgabe in 127 Arbeitsschritten)
  • API-Kosten (Anthropic): 4,04 $