KI am Wendepunkt: Healthcare, Robotik und die Zukunft der Arbeit

In dieser Folge verdichten sich fünf parallele Entwicklungen zu einer klaren strategischen Verschiebung: Große Foundation-Model-Anbieter gehen stärker in vertikale Märkte, rücken näher an reale Workflows heran und suchen neue Datenquellen, während Hardware- und Robotik-Stacks eine neue Dynamik Richtung „Physical AI“ bekommen. Im Gesundheitswesen starten OpenAI und Anthropic praktisch im Gleichschritt eigene Healthcare-Linien. OpenAI bringt mit ChatGPT Health eine getrennte Consumer-Erfahrung, die persönliche Gesundheitsdaten aus Apps und teils auch medizinische Unterlagen sicher einbindet und laut Anbieter nicht fürs Modeltraining nutzt. Kurz darauf folgt OpenAI for Healthcare als Enterprise-Angebot mit HIPAA-Orientierung, BAA-Optionen und Integrationen, ergänzt um frühe Partnerschaften mit großen Kliniken. Anthropic zieht mit Claude for Healthcare nach und positioniert das Produkt als HIPAA-konforme Schicht für Provider, Versicherer und Life-Sciences, inklusive Anbindungen an CMS- und Kodierdaten sowie Workflows wie Prior Authorization. Hinter der sichtbaren „KI kommt in die Medizin“-Story steht eine zweite Logik: Healthcare liefert eine belastbare Kapitalmarkt-Erzählung, braucht aber reale Datenflüsse, Compliance und nachweisbare Wirkung. Gleichzeitig verändert diese Vertikalisierung die Marktstruktur, weil Kliniken weniger Gründe haben, spezialisierte Healthcare-KI zuzukaufen, wenn Basismodell-Anbieter direkt die Anwendungsebene besetzen. Der konkrete Nutzenfokus trifft ein Feld mit hohem administrativem Schmerz, etwa Prior Authorizations, die in den USA laut Ärzteverbänden weiterhin zweistellige Stunden pro Woche an Zeit binden und durch neue CMS-Regeln ab 2026 stärker standardisiert werden sollen. Der zweite Block ist ein Macht- und Paradigmenkonflikt: Yann LeCun verlässt Meta und befeuert die zentrale Debatte, ob Skalierung von Sprachmodellen Richtung Superintelligenz trägt oder ob ein fundamentaler Ansatzwechsel nötig wird. Im Hintergrund stehen Fragen nach Benchmark-Integrität, Organisationsvertrauen und der strategischen Wette, ob „World Models“ und alternative Architekturen gegenüber reiner LLM-Skalierung gewinnen. Praktisch laufen beide Realitäten parallel: agentische Systeme werden besser, Generalisierung bleibt aber fragil, und die Branche bewegt sich ohne endgültigen Beweis weiter nach vorn. Drittens rückt Physical AI über Robotik und autonome Systeme nach vorn. Nvidia stellt auf der CES die Rubin-Plattform als nächstes Rechenzentrums-Fundament vor und positioniert sich als Full-Stack-Layer für Training, Simulation und Edge-Inference. Parallel kündigen Boston Dynamics und Google DeepMind eine Kooperation an, um Gemini-basierte „Robotics Foundation Models“ mit Atlas-Robotern für industrielle Aufgaben zu verbinden. Entscheidend ist die Rückkopplungsschleife: Roboter ausrollen, Daten im Betrieb sammeln, Modelle verbessern, schneller wieder ausrollen. Ob hier eine ähnliche Skalierungsdynamik wie bei Sprachmodellen entsteht, hängt an embodied data, Simulation-Transfer und leistungsfähiger Edge-Hardware. Viertens verschiebt sich der Datenkampf. Ein Bericht beschreibt, dass OpenAI in einem Programm mit Handshake AI Auftragnehmer auffordert, reale Arbeitsartefakte aus früheren Jobs hochzuladen, um Agentenleistung gegen menschliche Baselines zu messen. Das ist ein Signal für zwei Trends zugleich: öffentliches Webmaterial wird knapper, und wertvollere Fähigkeiten entstehen eher aus echten Unternehmens-Workflows, Dokumenten und Prozessartefakten. Damit werden interne Datenbestände strategischer, und das Risiko unkontrollierten Abflusses steigt, weil „Scrubbing“ in der Praxis fehleranfällig bleibt. Fünftens zeigen Builder-Workflows einen Sprung: agentisches Programmieren wird durch parallele Instanzen, wachsende Regeldateien und lange Laufzeiten produktiver, und OpenAI schiebt mit GPT‑5.2-Codex ein stärker auf long-horizon Engineering optimiertes Modell nach. Die Grenze verschiebt sich von „kann Code schreiben“ zu „kann über Tage iterieren, testen und refactoren“. Das macht sichtbar, was in Wissensarbeit noch fehlt: ein harter, automatisierbarer Feedback-Loop wie bei Software. Genau dort entsteht der nächste Produktkampf um sandboxed Arbeitsumgebungen, klare Erfolgskriterien und verlässliche Ausführung über mehrere Schritte. Quellen: Introducing ChatGPT Health (OpenAI) https://openai.com/index/introducing-chatgpt-health/ Introducing OpenAI for Healthcare (OpenAI) https://openai.com/index/openai-for-healthcare/ Anthropic expands into healthcare a week after OpenAI launched a similar product (Business Insider) https://www.businessinsider.com/anthropic-chases-openai-ai-heath-claude-2026-1 Boston Dynamics & Google DeepMind Form New AI Partnership to Bring Foundational Intelligence to Humanoid Robots (Boston Dynamics) https://bostondynamics.com/blog/boston-dynamics-google-deepmind-form-new-ai-partnership/ Nvidia launches Vera Rubin AI computing platform at CES 2026 (The Verge) https://www.theverge.com/tech/855412/nvidia-launches-vera-rubin-ai-computing-platform-at-ces-2026 NVIDIA Kicks Off the Next Generation of AI With Rubin — Six New Chips, One Incredible AI Supercomputer (NVIDIA Investor Relations) https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-Kicks-Off-the-Next-Generation-of-AI-With-Rubin--Six-New-Chips-One-Incredible-AI-Supercomputer/default.aspx OpenAI Is Asking Contractors to Upload Work From Past Jobs to Evaluate the Performance of AI Agents (WIRED) https://www.wired.com/story/openai-contractor-upload-real-work-documents-ai-agents AI 'gold rush' for chatbot training data could run out of human-written text (Associated Press) https://apnews.com/article/9676145bac0d30ecce1513c20561b87d Introducing GPT-5.2-Codex (OpenAI) https://openai.com/index/introducing-gpt-5-2-codex/ Fixing prior auth: First, speed up payers’ response times (American Medical Association) https://www.ama-assn.org/practice-management/prior-authorization/fixing-prior-auth-first-speed-payers-response-times