AI REWRITE - Wie AI alles neu erfindet !

Die Episode argumentiert, dass im KI-Zeitalter „gut“ als Qualitätsmaßstab häufig nicht mehr ausreicht, weil exzellente Entwickler und Partner nicht nur schneller liefern, sondern Probleme grundsätzlich anders schneiden: Sie starten nicht bei der erstbesten KI-Idee, sondern analysieren End-to-End-Prozesse, Datenflüsse, Systemlandschaften, Verantwortlichkeiten und Reibungsverluste. Daraus ergibt sich oft, dass die größten Hebel nicht in einem zusätzlichen KI-Feature liegen, sondern in der Modernisierung der Basis: fehlende CRM- und PM-Strukturen, schwache Dashboards oder manuelle Auslastungsplanung verhindern Wirkung und Tempo. Exzellenz bedeutet dann, zuerst die operative Plattform zu stabilisieren und zu integrieren, statt „KI obendrauf“ zu setzen, und dadurch Lösungen zu bauen, die Planung, Steuerung, Transparenz und Betriebssicherheit zusammenführen. Der Text überträgt das Prinzip der starken Leistungsstreuung (Top-Performer erzeugen überproportionalen Output) auf KI-Projekte und betont, dass sich dieser Effekt durch KI verstärkt, weil Architektur, Datenstrategie, Tooling und Automatisierung sich gegenseitig multiplizieren und exzellente Teams Synergien erzeugen, die über reine Addition hinausgehen. Für Unternehmer folgt daraus eine klare Konsequenz im Recruiting und in der Dienstleisterauswahl: Gespräche, Schlagworte und klassische Referenzen reichen als Signal nicht, entscheidend ist die Lieferfähigkeit unter realen Bedingungen. Als robustester Filter werden praxisnahe Testaufgaben beschrieben, die Scoping, Priorisierung, Debugging, begründete Entscheidungen, Umsetzungstempo mit KI-Werkzeugen sowie stabile Betriebsreife abprüfen. Gleichzeitig wird ein Realitätscheck impliziert: Produktivitätsgewinne durch KI sind kontextabhängig; besonders bei agentischen Workflows, großen Bestands-Systemen und hohen Qualitätsanforderungen entscheidet nicht „Tool-Nutzung“, sondern die Fähigkeit, Integration, Datenqualität, Sicherheit, Wartbarkeit, Change-Management und Übergabe in den Betrieb zu beherrschen. Der strategische Schlusspunkt: Weil sich KI schnell verändert und Insellösungen rasch altern, ist Exzellenz auch die Fähigkeit, modular und mit einem Horizont von zwei bis drei Jahren zu bauen, um ohne ständige Neustarts auf neue Tool-Wellen reagieren zu können. Quellen: Scaling Laws for Economic Productivity: Experimental Evidence in LLM-Assisted Consulting, Data Analyst, and Management Tasks (arXiv) https://arxiv.org/abs/2512.21316 Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity (METR) https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/ We are Changing our Developer Productivity Experiment Design (METR) https://metr.org/blog/2026-02-24-uplift-update/ AI Risk Management Framework (NIST) https://www.nist.gov/itl/ai-risk-management-framework How We Measured AI Tooling Productivity Gain Across 250+ Engineers at Apollo.io (Apollo.io) https://www.apollo.io/tech-blog/how-we-measured-ai-tooling-productivity-gain-across-250-engineers-at-apolloio

Der Podcast beschreibt einen zweistufigen Markt- und Technologiewechsel, ausgelöst durch agentische Coding-Fähigkeiten rund um Anthropic “Claude Code”. In Phase 1 (Ende Januar) kippt an der Wall Street die Erwartung, dass teure Spezialsoftware-Lizenzen an Preissetzungsmacht verlieren, weil KI-gestützte Workflows ähnliche Ergebnisse mit Open-Source-Stacks liefern können. In Phase 2 (rund drei Wochen später) springt der Fokus auf Cybersecurity: Wenn KI nicht nur Code schreibt, sondern Schwachstellen großflächig erkennt, priorisiert und Patch-Vorschläge erzeugt, geraten Geschäftsmodelle unter Druck, die stark an knappe Expertenzeit gekoppelt sind. Zentral ist die Behauptung, dass “Claude Code Security” ganze Codebasen autonom analysieren kann und in internen Tests mehr als 500 zuvor unbekannte, hochschwere Schwachstellen in verbreiteten Open-Source-Projekten gefunden haben soll; diese Leistungsfähigkeit war ein unmittelbarer Auslöser für die Nervosität im Security-Sektor. Als Messlatte für den Fortschritt dient die “autonome Arbeitszeit bis zum Scheitern”. Hier wird METR (Model Evaluation and Threat Research) mit dem Time-Horizon-Ansatz eingeordnet, der modelliert, wie lange Aufgaben dauern dürfen (gemessen in menschlicher Bearbeitungszeit), damit ein Agent sie mit einer Zielwahrscheinlichkeit schafft. Der Podcast leitet daraus eine Dynamik ab: Wenn sich dieser Zeithorizont weiter in Richtung “ganzer Arbeitstag” verschiebt, ändert sich die Rolle des Menschen von der Ausführung hin zu Architektur, Review und Qualitätskontrolle. Ergänzend wird betont, dass Capability-Sprünge oft korrelieren: Fortschritte in Mathematik und Reasoning gehen häufig mit besseren Coding-Leistungen einher, wodurch als nächste Automatisierungsfelder Legal, Finance und Datenanalyse plausibel werden. Operativ rückt eine neue Arbeitsform in den Mittelpunkt: Agenten, Subagents und Agent Teams. Das Kernproblem bleibt Kontext-Management, weil Leistung und Zuverlässigkeit mit vollem Kontextfenster abnehmen und sehr große Fenster teuer werden. Subagents lösen das teilweise durch parallele, kurzlebige Spezialkontexte, während persistente Agent Teams mehr Flexibilität liefern, aber Rechen- und Kostenaufwand multiplizieren. Der Podcast nutzt dazu das Muster “Planer/Produzent/Kritiker” als Blaupause: Iteration zwischen Erzeugung und Kritik steigert die Qualität sichtbar, ist aber nur dann wirtschaftlich, wenn Modelle gezielt nach Kosten und Rolle gewählt werden. Für Unternehmen werden daraus drei Folgen abgeleitet: UI wird weniger wichtig als API- und Terminal-Zugänglichkeit, Integrationsfähigkeit der Infrastruktur wird zum Wettbewerbsvorteil, und Tätigkeiten, die heute über SOPs gelehrt werden, lassen sich schrittweise in agentische Prozesse übersetzen. Im Ausblick geht es über reine Entwickler-Tools hinaus zu Agenten, die innerhalb klarer Regeln handeln und Transaktionen auslösen können, sowie zu mehr Bedeutung von Open-Source-Modellen wegen Kosten und Hosting/Compliance. Das Zielbild ist ein “Hive Mind” aus koordinierten Agententeams, in dem Spezifikation und Kontextsteuerung die neue Engpassressource sind. Quellen: Measuring AI Ability to Complete Long Tasks (arXiv) https://arxiv.org/abs/2503.14499 Details about METR’s preliminary evaluation of Claude 3.7 (METR) https://evaluations.metr.org/claude-3-7-report/ METR: Measuring AI Ability to Complete Long Tasks (METR) https://metr.org/index.html CrowdStrike Dived. Why a New AI Tool Crushed Cybersecurity Stocks. (Barron’s) https://www.barrons.com/articles/crowdstrike-stock-price-cybersecurity-zscaler-3efb4a93 Claude Opus 4.6 Finds 500+ High-Severity Flaws Across Major Open-Source Libraries (The Hacker News) https://thehackernews.com/2026/02/claude-opus-46-finds-500-high-severity.html Anthropic’s Claude Code Security is available now after finding 500+ vulnerabilities (VentureBeat) https://venturebeat.com/security/anthropic-claude-code-security-reasoning-vulnerability-hunting/

Unternehmen, die in den letzten Jahren konsequent auf evidenzbasiertes Arbeiten gesetzt haben, können jetzt KI als Beschleuniger auf ein funktionierendes Fundament setzen. Prototypen, die früher Wochen brauchten, entstehen in Stunden. Hypothesen lassen sich in Tagen validieren. Die Kosten, falsch zu liegen, sind dramatisch gesunken – aber nur, wenn man ein System hat, das darauf ausgelegt ist, schnell zu lernen. In dieser Folge geht es um die zwei Wege, die etablierte Unternehmen gerade einschlagen: KI als Kosmetik auf eine Feature-Factory, oder den echten Umbau von innen durch crossfunktionale Builder-Teams. Und um die eine Frage, die den Unterschied zwischen Fundament und Ausrede markiert.

2026 verschiebt sich der Wettbewerb in der KI-Welt weg vom bloßen Einsatz allgemeiner Tools hin zur Fähigkeit, vertikale KI zu verstehen und umzusetzen. Gemeint sind spezialisierte Systeme, die ein klar abgegrenztes Problem in einer konkreten Branche lösen, statt als generalistische „horizontale“ Modelle viele Aufgaben nur oberflächlich abzudecken. Der Kernpunkt ist: Relevante KI-Use-Cases wurden in vielen Branchen bereits mehrfach realisiert; Differenzierung entsteht weniger durch „noch ein weiteres KI-Projekt“, sondern durch saubere Prozessdefinition, passende Daten, Integration in bestehende Systeme und messbaren Business-Impact. Gleichzeitig steigt der Druck, weil Wettbewerber in nahezu allen Märkten aufrüsten und KI vom Orientierungsthema zur operativen Pflicht wird. Der Inhalt ordnet die Marktdynamik über Nutzungs- und Stimmungsdaten ein: Generative KI ist in Deutschland breit angekommen, besonders stark bei Jüngeren, zugleich wächst Skepsis gegenüber Risiken und möglichen Jobfolgen. Daraus folgt eine kommunikative und organisatorische Herausforderung für alle, die KI-Lösungen verkaufen oder einführen: Akzeptanz, Governance und verantwortlicher Einsatz werden zum Erfolgsfaktor neben Technik und ROI. Strategisch wird betont, dass Unternehmen 2026 vor allem dort gewinnen, wo KI in Fachdomänen konkret implementiert wird, etwa in Legal, Healthcare oder Financial Services, und wo Agenten-Ansätze als nächste Integrationsstufe in Enterprise-Software an Bedeutung gewinnen. Als pragmatisches Umsetzungsmodell dient „Learn the Thing, Build the Thing, Sell the Thing“: Zuerst Zielgruppe, Pain Points und Branchenwissen systematisch erarbeiten, dann aus dem Wissen eine klar zugeschnittene Lösung bauen und schließlich in Output und Vermarktung überführen. Für die Lernphase werden Recherche- und Texttools genannt (NotebookLM, Perplexity, Claude), für die Build-Phase Automatisierung, Prototyping und Entwicklung (n8n, Google AI Studio, Cursor, Ollama) und für Output/Go-to-Market vor allem Voice und Content-Produktion (ElevenLabs, Google Flow, Gamma). Der rote Faden bleibt durchgehend: Der Hebel entsteht nicht durch Tool-Nutzung an sich, sondern durch vertikale Zuschnitte auf Prozesse mit klaren Schritten, klaren Ergebnissen und nachweisbarer Zeit- oder Umsatzwirkung. Quellen: Drei Jahre ChatGPT: Zwei von drei nutzen KI-Anwendungen (TÜV-Verband) https://www.tuev-verband.de/pressemitteilungen/drei-jahre-chatgpt-zwei-von-drei-nutzen-ki-anwendungen BCG-Studie zeigt: Zwei Drittel der Deutschen nutzen KI am Arbeitsplatz (BCG) https://www.bcg.com/press/26june2025-bcg-studie-zeigt-zwei-drittel-der-deutschen-nutzen-ki-am-arbeitsplatz Zwischen Alltag und Sorge: Zwei Drittel der Deutschen nutzen KI – doch nur wenige vertrauen der Technologie (KPMG) https://kpmg.com/de/de/home/media/press-releases/2025/05/zwischen-alltag-und-sorge-zwei-drittel-der-deutschen-nutzen-ki-doch-nur-wenige-vertrauen-der-technologie.html Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026, Up from Less Than 5% in 2025 (Gartner) https://www.gartner.com/en/newsroom/press-releases/2025-08-26-gartner-predicts-40-percent-of-enterprise-apps-will-feature-task-specific-ai-agents-by-2026-up-from-less-than-5-percent-in-2025

Der 5. Februar 2026 markiert einen Wendepunkt: Anthropic und OpenAI stellen innerhalb von zwanzig Minuten ihre nächste Modellgeneration vor – Claude Opus 4.6 mit einer Million Token Kontextfenster und Agent Teams, OpenAI mit Codex 5.3, das seinen Vorgänger um den Faktor zehn übertrifft. Das Besondere: Beide Systeme wurden maßgeblich von sich selbst weiterentwickelt. Peter Steinberger und OpenClaw (145.000 GitHub-Stars) erhalten Milliarden-Angebote von Zuckerberg und Altman. Anthropic reagiert mit Token-Sperren – während Kimi K2.5 aus China bei fast gleicher Leistung zwanzigmal günstiger ist. Auf dem Arbeitsmarkt zeichnet sich ein Umbruch ab: 60-80% der Bürojobs könnten in 3-6 Monaten unter Druck geraten. Gleichzeitig setzen nur 5-7% der Unternehmen KI strukturiert ein – ein enormes Fenster für Early Adopter. KI-Agenten als autonome Unternehmen, Vibe Coding mit fehlerfreien Programmen, das Sterben von 80-90% der Utility-Apps, massive Datenlecks und Big-Tech-Übernahmen – diese Episode ordnet die dramatischste Woche der KI-Geschichte ein.

China erhöht den Druck auf die US-KI-Branche entlang mehrerer Fronten: Bei generativer Video-KI, bei günstigen und schnell iterierenden Sprachmodellen sowie bei Robotik-Infrastruktur. ByteDance hat am 12. Februar 2026 Seedance 2.0 offiziell gestartet, ein Audio-Video-Joint-Modell, das multimodale Referenzen und 15‑Sekunden‑Clips mit Ton unterstützt und bereits über Dreamina und Doubao verfügbar ist. Die niedrige Zugangshürde verschärft die Debatte um Urheberrecht, Stilkopien und Deepfakes, nachdem in den USA realistische, an bekannte Filme und Stars angelehnte Beispiele viral gingen. Branchenverbände und Gewerkschaften kritisieren fehlende Schutzmechanismen und drohen mit rechtlichen Schritten, während die Diskussion um Haftung, Trainingdaten und Verbreitung über Plattformen weiter anzieht. Parallel beschleunigt sich der Wettbewerb bei LLMs aus China: Zhipu AI positioniert GLM‑5 als MoE-Ansatz für Coding und agentische Workflows und setzt dabei auf schnelle Iteration und eine Verbreitung über offene Gewichte, um Fähigkeiten rascher in Produkte und Entwickler-Ökosysteme zu bringen. MiniMax rückt mit MiniMax M 2.5 in die preisaggressive Richtung; große Kontextfenster und Tool-Use-Funktionen treffen auf Tokenpreise, die in vielen Benchmarks-nahen Coding-Szenarien die Eintrittsbarrieren deutlich senken. In der Robotik zeigt Peking zugleich Industrialisierungsambitionen: Das Beijing Innovation Center of Humanoid Robotics meldet eine Pilotfertigung mit bis zu 5.000 humanoiden Robotern pro Jahr und eine Infrastruktur, die Test-, Validierungs- und Montagezyklen standardisiert und damit den Übergang von Prototypen zu Pilotserien beschleunigen soll. Dynamische Demo-Clips werden dabei als Signal für Regelung, Balance und Hardware-Policy-Integration gelesen, also genau jene Fähigkeiten, die später in Logistik, Industrie oder Einsatzszenarien zählen. Auf US-Seite kontert OpenAI vor allem mit Geschwindigkeit und Produktisierung. Am 12. Februar 2026 stellte OpenAI GPT‑5.3‑Codex‑Spark als extrem latenzoptimierte Coding-Variante vor, die in Kooperation mit Cerebras auf Nicht‑Nvidia‑Hardware läuft und laut OpenAI mehr als 1.000 Tokens pro Sekunde erreicht. Gleichzeitig betont OpenAI, dass Änderungen an Streaming, Session-Setup und API-Overhead nicht nur dieses Modell betreffen, sondern die Serving-Architektur insgesamt beschleunigen sollen. In Robotik rückt der Datenaspekt wieder in den Vordergrund: Die zentrale Botschaft lautet, dass robuste Robotik-Fähigkeiten weniger an Demos hängen als an skalierbaren Datenpipelines und großen Mengen sauberer Demonstrationsdaten. Bei der Monetarisierung testet OpenAI in den USA Werbung in den günstigsten Tarifen (Free und Go), während höhere Pläne werbefrei bleiben. Das verschiebt die Akzeptanzfrage von klassischer Websuche in den Chat-Kontext, in dem Nutzer typischerweise mehr persönliche Details preisgeben; 2026 wird damit auch ein Test für Vertrauen, Transparenz und „Sponsored“-Grenzziehung in dialogbasierten Interfaces. Anthropic steht parallel für die zweite große Strömung: Agentic Coding wird operationalisiert, indem Entwicklung zunehmend als Orchestrierung spezialisierter Agenten verstanden wird und menschliche Architekturkompetenz sowie QA wichtiger werden. Am 12. Februar 2026 meldete Anthropic zudem eine neue Finanzierung über 30 Milliarden US‑Dollar bei einer Bewertung von 380 Milliarden US‑Dollar, was den Skalierungsdruck im Markt unterstreicht. Ein praktischer Engpass für Agenten-Workflows bleibt Echtzeit-Websuche. Exa wirbt mit „Instant Search“ im Februar 2026 und sub‑200‑ms‑Latenz für agentische Rückkopplungsschleifen, während das Open-Source-Projekt browser-use die Automatisierung von Webseiten für Agents adressiert. Auch Google erhöht den Druck im Reasoning-Segment: Gemini 3 Deep Think bekam am 12. Februar 2026 ein Upgrade und wird als spezialisierter Modus für Wissenschaft und Technik vermarktet; genannt werden 48,4 Prozent auf Humanity’s Last Exam (ohne Tools) und 84,6 Prozent auf ARC‑AGI‑2 (verifiziert). Zum Schluss ordnet die Episode die Super‑Bowl‑Verwirrung ein: Neben realer Codex-Werbung kursierte ein angeblich geleakter OpenAI-Spot zu einem Earbud-/Device‑Konzept, den OpenAI öffentlich als Fälschung zurückwies; Berichte zur OpenAI‑Hardwareentwicklung deuten eher auf einen späteren Zeitplan als auf einen schnellen Kopfhörer-Launch. Quellen: Official Launch of Seedance 2.0 (ByteDance Seed) https://seed.bytedance.com/en/blog/official-launch-of-seedance-2-0 Seedance 2.0 (Produktseite, ByteDance Seed) https://seed.bytedance.com/en/seedance2_0 Viral AI video of Tom Cruise fighting Brad Pitt leaves Hollywood flabbergasted (Entertainment Weekly) https://ew.com/viral-ai-video-tom-cruise-fighting-brad-pitt-leaves-hollywood-flabbergasted-11906898 ‘This is unacceptable’ – SAG-AFTRA reacts to viral Seedance 2.0 clip (TechRadar) https://www.techradar.com/ai-platforms-assistants/this-is-unacceptable-sag-aftra-reacts-to-the-viral-seedance-2-0-ai-generated-pitt-cruise-fight Capital accelerates humanoid robot mass production (China Daily, 31 Jan 2026) https://global.chinadaily.com.cn/a/202601/31/WS697d7fb4a310d6866eb36c24.html Introducing GPT‑5.3‑Codex‑Spark (OpenAI, 12 Feb 2026) https://openai.com/index/introducing-gpt-5-3-codex-spark/ OpenAI sidesteps Nvidia with unusually fast coding model on plate-sized chips (Ars Technica, 12 Feb 2026) https://arstechnica.com/ai/2026/02/openai-sidesteps-nvidia-with-unusually-fast-coding-model-on-plate-sized-chips/ ChatGPT’s cheapest options now show you ads (The Verge) https://www.theverge.com/ai-artificial-intelligence/876029/openai-testing-ads-in-chatgpt Anthropic raises $30 billion in Series G funding at $380B post-money valuation (Anthropic, 12 Feb 2026) https://www.anthropic.com/news/anthropic-raises-30-billion-series-g-funding-380-billion-post-money-valuation Anthropic hits a $380B valuation as it heightens competition with OpenAI (AP News) https://apnews.com/article/65c08aa4fab90cde952f37d32625394a Introducing Exa Instant Search (Exa Docs, Feb 2026) https://exa.ai/docs/changelog/instant-search-launch browser-use (GitHub Repository) https://github.com/browser-use/browser-use Gemini 3 Deep Think: Advancing science, research and engineering (Google Blog, 12 Feb 2026) https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-deep-think/ A ‘leaked’ Super Bowl ad with earbuds was a hoax, OpenAI says (The Verge) https://www.theverge.com/ai-artificial-intelligence/875615/openai-super-bowl-ai-hardware-leak-hoax-fake A Reddit poster claimed to leak a shelved OpenAI ad. OpenAI says it’s fake (Business Insider) https://www.businessinsider.com/openai-fake-super-bowl-ad-alexander-skarsgard-dime-device-2026-2

Agentische KI verschiebt den Fokus von Autocomplete zu Autonomie: Moderne Agenten planen Aufgaben, wählen Tools, behalten Kontext und handeln auf Systemen mit echten Rechten. Genau diese Handlungsfähigkeit macht den Nutzen aus, aber sie dreht das Sicherheitsprofil um. Wo KI nicht nur antwortet, sondern Dateien liest, Shell-Befehle ausführt, Prozesse startet oder Konfigurationen ändert, reichen kleine Fehler für großen Schaden. Am Beispiel des Open-Source-Systems OpenClaw wird deutlich, wie schnell Produktivität in Risiko kippt, wenn frühe Entwicklung, schnelles Ökosystem-Wachstum und unvollständige manuelle Prüfungen zusammenkommen. Zentrale Angriffsfläche ist das Gateway mit Control UI, also Web-Oberfläche und API zur Steuerung eines privilegierten Agenten. Analysen berichten von vielen öffentlich erreichbaren Instanzen; hinzu kommen konkrete Schwachstellen, bei denen Tokens über Web-Mechanismen abgegriffen und anschließend Remote-Code-Ausführung ermöglicht werden können (CVE-2026-25253, behoben ab OpenClaw 2026.1.29). Parallel wächst das Supply-Chain-Risiko durch Skills und Plugins aus dem ClawHub-Ökosystem. Sicherheitsberichte dokumentieren hunderte bösartige Skills, die sich als hilfreiche Tools tarnen, Nutzer zu Terminal-Kommandos verleiten und Stealer-Malware nachladen oder Credentials und Wallet-Keys abgreifen. OpenClaw reagiert mit zusätzlichen Prüfmechanismen wie VirusTotal-Scanning, doch selbst solche Maßnahmen gelten nicht als vollständige Lösung, weil verschleierte Payloads und Prompt-Injection-Techniken weiter durchrutschen können. Prompt Injection wird damit zum Kernproblem agentischer Systeme: Externe Inhalte wie Webseiten, E-Mails oder Forenbeiträge sind nicht nur Daten, sondern können als „Anweisung“ in den Handlungsfluss geraten. In Multi-Agent-Setups potenziert sich das, weil Instruktionen über mehrere Knoten weitergegeben werden. Forschung diskutiert Gegenmittel wie Provenance-Tracking, Sanitizer und getrennte Output-Validierung, um Quellen, Vertrauen und erlaubte Aktionen technisch zu erzwingen. Ein aktuelles Beispiel für die praktische Dimension ist Moltbook, ein virales „Agenten-Forum“, bei dem Berichte von schweren Fehlkonfigurationen und frei zugänglichen Daten sprechen; solche Leaks sind besonders brisant, weil sie für Identitätsmissbrauch und Agentenübernahmen reichen können. Aus den Risiken folgen klare Betriebsempfehlungen: Agenten nicht auf dem Hauptrechner betreiben, sondern standardmäßig isolieren (VM, separater Rechner, Server). Die Control UI nicht offen ins Internet stellen, Netzwerkflächen minimieren, Tokens wie Geheimnisse behandeln und Zugriffe über VPN/Zero-Trust absichern. Skills müssen wie ausführbare Programme bewertet werden, inklusive Misstrauen gegenüber „Prerequisites“ und Shell-Downloads. Zusätzlich hilft Least Privilege: eigene Konten, getrennte Postfächer, begrenzte Datenräume statt Vollzugriff auf persönliche Infrastruktur. Bei der Modellwahl kommen Kosten- und Sicherheitsaspekte zusammen; stärkere Modelle können Angriffe besser erkennen, bleiben aber nicht immun, daher sind Budget-Limits, Monitoring und Loop-Erkennung Pflicht. Der Ausblick: Sobald Agenten Smart-Home- oder andere physische Systeme steuern, wird Prompt Injection von digitaler Panne zu realem Sicherheitsrisiko. Quellen: OpenClaw Integrates VirusTotal Scanning to Detect Malicious ClawHub Skills — https://thehackernews.com/2026/02/openclaw-integrates-virustotal-scanning.html OpenClaw Bug Enables One-Click Remote Code Execution via Malicious Link — https://thehackernews.com/2026/02/openclaw-bug-enables-one-click-remote.html CVE-2026-25253: OpenClaw/Clawdbot has 1-Click RCE via Authentication Token Exfiltration From gatewayUrl — https://advisories.gitlab.com/pkg/npm/clawdbot/CVE-2026-25253/ Malicious OpenClaw 'skill' targets crypto users on ClawHub — https://www.tomshardware.com/tech-industry/cyber-security/malicious-moltbot-skill-targets-crypto-users-on-clawhub OpenClaw’s AI ‘skill’ extensions are a security nightmare — https://www.theverge.com/news/874011/openclaw-ai-skill-clawhub-extensions-security-nightmare OpenClaw agents targeted with 341 malicious ClawHub skills — https://www.scworld.com/news/openclaw-agents-targeted-with-341-malicious-clawhub-skills AI agent social media network Moltbook is a security disaster — https://www.techradar.com/pro/security/ai-agent-social-media-network-moltbook-is-a-security-disaster-millions-of-credentials-and-other-details-left-unsecured Security News This Week: Moltbook, the Social Network for AI Agents, Exposed Real Humans' Data — https://www.wired.com/story/security-news-this-week-moltbook-the-social-network-for-ai-agents-exposed-real-humans-data Toward Trustworthy Agentic AI: A Multimodal Framework for Preventing Prompt Injection Attacks — https://arxiv.org/abs/2512.23557 ChatInject: Abusing Chat Templates for Prompt Injection in LLM Agents — https://arxiv.org/abs/2509.22830

Die Episode ordnet einen Marktimpuls rund um Anthropics Release von Claude Opus 4.6 (5. Februar 2026) ein und erklärt, warum nicht ein einzelnes Modell, sondern die Kombination aus Leistungsplus und direkter Andockfähigkeit an reale Arbeitsumgebungen die eigentliche Unruhe im Softwaresektor auslöste. Die zentrale These lautet: KI verlagert sich vom Chatbot zum ausführenden System in der Toolchain. Sobald Modelle zuverlässig in E-Mail, Kalender, Dokumenten, Tabellen, Präsentationen, CRM- und Legal-Workflows arbeiten, geraten SaaS-Kategorien unter Druck, weil Wertschöpfung nicht mehr in separaten Apps, sondern innerhalb der bestehenden Arbeitsoberflächen automatisiert werden kann. Im Fokus steht Opus 4.6 als Flaggschiff mit Verbesserungen bei länger laufenden, mehrstufigen Aufgaben, präziserer Instruktionsbefolgung und höherer Ausdauer in komplexen Projekten, plus einem 1M-Token-Kontextfenster (Beta). Der Inhalt betont dabei das branchenweite Problem von „Kontextverfall“ bei sehr langen Eingaben und verweist auf Long-Context-Tests nach dem Muster „Nadel im Heuhaufen“ als Messrahmen; entscheidend ist nicht die Fenstergröße allein, sondern Stabilität und Genauigkeit, wenn große Dokumentmengen oder Codebasen tatsächlich ausgereizt werden. Als Produktivitätshebel beschreibt die Episode zwei operative Ebenen: erstens Claude Cowork als Datei- und Ordnerzugriff für Nicht-Programmierer, um typische Unternehmensartefakte (PDFs, Tabellen, Slides, Word-Dokumente, Rechnungen, Medien) zu strukturieren, zu vergleichen, umzuschreiben und in neue Outputs zu überführen; zweitens Claude Code als terminalnahes Arbeiten im Projektkontext, inklusive Dateierstellung, Script-Ausführung und parallelen Instanzen. Daraus werden konkrete Praxisfälle abgeleitet, etwa Wettbewerbsanalysen, bei denen der Aufwand von Recherche hin zu Validierung und Entscheidung verschoben wird, sowie Automations-Workflows (z. B. mit n8n) inklusive Guardrails, Routing-Logik, RAG-Anbindung und Qualitätschecks, um typische Agenten-Risiken wie Prompt Injection und Randfall-Instabilität zu adressieren. Skalierung entsteht laut Episode über standardisierte „Skills“ als wiederholbare Rezepte mit klaren Triggern und Prozessschritten, die Streuung reduzieren und Routinearbeit beschleunigen. Darauf bauen Plugins auf, die Skills, Commands und Konnektoren zu funktionsnahen Paketen bündeln (Marketing, Legal, Finance, Support). Besonders relevant sind Integrationen in Office-Umgebungen und Konnektoren in Richtung Google Workspace: Wenn KI Inhalte in Gmail und Kalender auffinden und kontextualisieren kann, sinkt Reibung durch weniger Copy-Paste zwischen Systemen. Ergänzend werden Sub-Agents und Agent-Teams als Parallelisierungsmechanismen beschrieben, die unabhängige Teilrecherchen oder Engineering-Rollen auf mehrere Agenten verteilen, allerdings mit höheren Token- und Kostenbudgets. Zum Abschluss werden Sicherheits- und Governance-Fragen eingeordnet: Demo-Fähigkeiten sind nicht automatisch auditierbare Enterprise-Prozesse; Risikoquellen liegen in Tool-Zugriff, Prompt Injection, Datenhaltung und Kontrollierbarkeit. Einzelne, anthropomorph klingende Modelläußerungen werden als kein Beleg für Bewusstsein bewertet, aber als Signal, dass Alignment, Transparenz, Verantwortung und Nutzerwohlbefinden in der Praxis mitwachsen müssen. Die drei Leittrends: mehr Autonomie von Agenten, „Vibe Coding“ als Standardmodus mit Menschen in Architektur- und Review-Rollen, und eine breite Transformation von Wissensarbeit, sobald KI in die Kernwerkzeuge der Organisation eingebettet ist. Entscheidend ist damit weniger der Benchmark-Sieg als ein sauber definierter Use Case, der mit Skills, Plugins, Konnektoren und Agent-Strukturen wiederholbar in Produktivität übersetzt wird. Quellen: Introducing Claude Opus 4.6 — Anthropic — https://www.anthropic.com/news/claude-opus-4-6 Anthropic wants you to use Claude to ‘Cowork’ in latest AI agent push — The Verge — https://www.theverge.com/ai-artificial-intelligence/860730/anthropic-cowork-feature-ai-agents-claude-code Anthropic debuts new model with hopes to corner the market beyond coding — The Verge — https://www.theverge.com/ai-artificial-intelligence/874440/anthropic-opus-4-6-new-model-claude Claude Code (GitHub repository) — Anthropic — https://github.com/anthropics/claude-code Using the Gmail and Google Calendar Integrations — Claude Help Center — https://support.claude.com/en/articles/11088742-using-the-gmail-and-google-calendar-integrations Anthropic’s Claude can now read your Gmail — TechCrunch — https://techcrunch.com/2025/04/15/anthropics-claude-now-read-your-gmail/ NoLiMa: Long-Context Evaluation Beyond Literal Matching — arXiv — https://arxiv.org/abs/2502.05167

Der Beitrag ordnet den aktuellen Hype um immer mächtigere KI-Agenten kritisch ein und setzt dagegen ein pragmatisches Produktivitätsprinzip: wiederverwendbare Skills. Statt Sprachmodelle bei jeder Aufgabe mit maximal viel Kontext, Regeln und Beispielen zu überladen, werden Fähigkeiten als klar strukturierte Module abgelegt, die ein Agent bei Bedarf gezielt nachlädt. Das senkt den Kontextverbrauch, erhöht die Konsistenz und stabilisiert wiederkehrende Automationen. Technisch beschreibt der offene „Agent Skills“-Standard Skills als Ordner mit einer zentralen SKILL.md: oben YAML-Metadaten wie Name und Beschreibung, darunter die Anleitung in Markdown; optional ergänzen scripts/, references/ oder assets/ den Skill. Kernidee ist „Progressive Disclosure“: Beim Start kennt der Agent nur die Skill-Metadaten, lädt erst bei Relevanz die volle Anleitung und bei Bedarf einzelne Referenzen oder Skripte. Historisch verortet der Beitrag das Konzept im Claude-Umfeld (Anthropic), später als plattformübergreifender Standard auf agentskills.io. Parallel entsteht ein Distributions-Ökosystem, unter anderem mit einer von Vercel vorgestellten Skills-CLI und einem Verzeichnis samt Leaderboard auf skills.sh. Als Alltagsnutzen werden vor allem wiederholte Workflows genannt, bei denen Regeln wichtiger sind als Kreativität: Brand- und Dokumenten-Guidelines, Angebots- und Präsentationsvorlagen, interne Richtlinien, Design-Review-Kriterien sowie Schreibstil-Module. Abgegrenzt wird das Konzept von MCP (Model Context Protocol): MCP standardisiert Tool- und Kontextanbindung an externe Systeme, Skills liefern prozedurales Wissen für reproduzierbare Arbeitsweisen. Zum Schluss verschiebt sich der Fokus auf Risiken: Skills können nicht nur Text, sondern auch Skripte enthalten und werden damit zu Supply-Chain-Objekten. Rund um OpenClaw und ClawHub berichten Sicherheitsforscher Anfang Februar 2026 über bösartige Skills, die als harmlose Tools auftreten und Nutzer zum Ausführen von Befehlen verleiten, um Malware nachzuladen und Zugangsdaten abzugreifen. Die Konsequenz lautet: Skills wie Software behandeln, nichts blind installieren, Inhalte und Referenzen prüfen und bevorzugt vertrauenswürdige oder interne Repositories nutzen. Quellen: Specification – Agent Skills https://agentskills.io/specification Introducing `skills`, the open agent skills ecosystem (Vercel Changelog) https://vercel.com/changelog/introducing-skills-the-open-agent-skills-ecosystem OpenClaw's AI 'skill' extensions are a security nightmare (The Verge) https://www.theverge.com/news/874011/openclaw-ai-skill-clawhub-extensions-security-nightmare Inside the 'clawdhub' Malicious Campaign: AI Agent Skills Drop Reverse Shells on OpenClaw Marketplace (Snyk) https://snyk.io/articles/clawdhub-malicious-campaign-ai-agent-skills/ OpenClaw agents targeted with 341 malicious ClawHub skills (SC Media) https://www.scworld.com/news/openclaw-agents-targeted-with-341-malicious-clawhub-skills Malicious OpenClaw 'skill' targets crypto users on ClawHub (Tom’s Hardware) https://www.tomshardware.com/tech-industry/cyber-security/malicious-moltbot-skill-targets-crypto-users-on-clawhub

Diese Woche nehme ich euch mit durch eine der turbulentesten Phasen der KI-Branche: Von Milliardenverlusten an der Wall Street über bahnbrechende Modellinnovationen bis hin zu hitzigen Werbeduellen beim Super Bowl. Ich zeige, wie KI nicht nur Märkte, sondern auch Politik und Arbeitswelt radikal verändert – und warum selbst die größten Player wie OpenAI und Microsoft unter Druck geraten. Es geht um neue Machtverhältnisse, politische Einflussnahme und die Frage, wer die Zukunft der künstlichen Intelligenz wirklich kontrolliert. Wir sprechen über technologische Durchbrüche aus China, die Automatisierung von Büroarbeit und den Aufstieg humanoider Roboter. Am Ende steht die Vision einer Überflussgesellschaft – und die Warnung, dass die nächsten Monate entscheidend sind für das, was kommt.

Wir stehen am Beginn einer Intelligenzrevolution: In dieser Folge zeige ich, wie sich KI-Modelle alle vier Monate verdoppeln und Unternehmen wie Microsoft, Anthropic und OpenAI die Spielregeln neu schreiben. Ich beleuchte, warum klassische Büroarbeit bald Geschichte sein könnte, welche technischen und gesellschaftlichen Umwälzungen bevorstehen und wie KI-Agenten schon heute den Alltag verändern. Auch die kritischen Stimmen kommen zu Wort – von wirtschaftlichen Interessen bis zu ethischen Risiken. Internationale Konkurrenz, neue Benchmarks und der Übergang in eine postarbeitsweltliche Gesellschaft stehen im Mittelpunkt. Begleite mich auf dieser Reise durch die rasante Evolution der künstlichen Intelligenz und erfahre, was das für dich bedeutet.

Anthropic verschiebt mit Claude Opus 4.6 den Fokus sichtbar von „Chatbot“ hin zu produktionsnaher Wissens- und Büroarbeit. Der Release bringt ein 1M-Token-Kontextfenster (beta), deutlich höhere Output-Limits über die API sowie Kontext-Komprimierung, um lange Sessions stabil zu halten und Hard-Limits abzufedern. Dazu kommen „Adaptive Thinking“ und Aufwand-/Effort-Kontrollen, die Reasoning dynamischer und damit praxisnäher steuerbar machen. Inhaltlich zielt das Update auf Workflows, die bisher oft in Spezialtools oder in fragmentierten Toolchains lagen: Analyse, Recherche, Dokumente, Tabellen und Präsentationen. Konkrete Integrationsschritte in Excel sowie eine PowerPoint-Vorschau verschieben KI-Unterstützung direkt in verbreitete Office-Flaschenhälse. Parallel rücken „Agent Teams“ in den Vordergrund, also Multi-Agent-Setups, die Aufgaben parallelisieren und Rollenarbeit abbilden können, aber das Token- und Kostenmanagement als neue operative Disziplin erzwingen. Der Wettbewerb wird gleichzeitig öffentlich ausgetragen. Anthropic positioniert sich offensiv über das Thema Vertrauen und Monetarisierung und nutzt eine breite Werbepräsenz rund um den Super Bowl, um sich gegen werbefinanzierte Assistenten zu profilieren. OpenAI hält zeitlich dagegen und erklärt seine geplanten Anzeigen-Tests in ChatGPT für Free- und Go-Nutzer in den USA, mit Trennung von Antwort und Werbung sowie klarer Kennzeichnung. Der Konflikt markiert einen Strategiewechsel: Monetarisierung und Produktethik werden zu zentralen Differenzierungsmerkmalen, nicht nur reine Modellleistung. Im Hintergrund verschiebt sich die operative Praxis in Richtung wiederverwendbarer „Skills“ und modularer Automatisierung. Der Trend: Teams standardisieren KI-Arbeit als Workflows, statt Einzelprompts zu optimieren. Das passt zu Benchmarks, die stärker auf wirtschaftlich relevante Tätigkeiten schauen. OpenAI hat mit GDPval eine Evaluation für realitätsnahe Aufgaben aus vielen Berufsprofilen veröffentlicht, um Fortschritt in BIP-nahen Tätigkeiten messbarer zu machen. In dieser Logik werden Leistungsunterschiede dort relevant, wo sie Kosten, Durchlaufzeit und Fehlerraten in echten Arbeitsprodukten beeinflussen, nicht nur Scores in abstrakten Reasoning-Tests. Im Voice-Segment beschleunigt ElevenLabs mit einer großen Finanzierungsrunde die Positionierung von Voice Agents als eigenständige Produktkategorie. Der Fokus liegt auf natürlicher Gesprächsführung, robustem Interrupt-Handling und emotionaler, timingstabiler Generierung, weil Sprache im Vergleich zu Text zusätzliche Signale und Echtzeit-Interaktion erzwingt. Das macht Voice besonders attraktiv für Kundendienst- und Telefonie-Szenarien, verschärft aber zugleich Anforderungen an Sicherheit, Missbrauchsprävention und Compliance. Bei generativem Video zeigen neue Modelle, dass sich Motion-Design und kurze Sequenzen zunehmend in Richtung produktionsnaher Workflows bewegen. Multishot-Fähigkeiten, längere Clips bis etwa 15 Sekunden und Referenz-/Storyboard-Mechaniken verschieben den Engpass von „Kann das Modell ein Bild bewegen?“ hin zu „Kann es Schnittlogik, Konsistenz und Kontrolle liefern?“. Gleichzeitig bleibt Audio/Lipsync in nicht-englischen Sprachen ein typischer Qualitäts- und Integrationsstolperstein. Aus Gründer- und Markt-Perspektive verdichtet sich das Narrativ: Wenn KI Büro- und Wissensarbeit direkt in Standardsoftware angreift, steigt der Druck auf klassische SaaS-Anbieter. Investoren reagieren sensibel auf die Frage, welche Tool-Kategorien durch Agenten-Workflows „unbundled“ oder funktional ersetzt werden. YC greift diese Verschiebung in seinen Spring-2026-Ideen auf, von AI-native Workflows bis zu Fintech- und Government-Software-Themen, und deutet gleichzeitig ein Dienstleistungsmodell an: KI-native Agenturen, die KI intern skalieren und Ergebnisse verkaufen statt Tools. Quellen: Introducing Claude Opus 4.6 (Anthropic) https://www.anthropic.com/news/claude-opus-4-6 Ads in ChatGPT (OpenAI Help Center) https://help.openai.com/en/articles/20001047-ads-in-chatgpt Our approach to advertising and expanding access to ChatGPT (OpenAI) https://openai.com/index/our-approach-to-advertising-and-expanding-access/ Measuring the performance of our models on real-world tasks (GDPval) (OpenAI) https://openai.com/index/gdpval Anthropic says ‘Claude will remain ad-free,’ unlike ChatGPT (The Verge) https://www.theverge.com/ai-artificial-intelligence/873686/anthropic-claude-ai-ad-free-super-bowl-advert-chatgpt Should AI chatbots have ads? Anthropic says no. (Ars Technica) https://arstechnica.com/ai/2026/02/should-ai-chatbots-have-ads-anthropic-says-no/ ElevenLabs raises $500M from Sequoia at an $11 billion valuation (TechCrunch) https://techcrunch.com/2026/02/04/elevenlabs-raises-500m-from-sequoioia-at-a-11-billion-valuation/ Requests for Startups – Spring 2026 (Y Combinator) https://www.ycombinator.com/rfs Kling AI Launches 3.0 Model (GlobeNewswire) https://www.globenewswire.com/news-release/2026/02/05/3232837/0/en/Kling-AI-Launches-3-0-Model-Ushering-in-an-Era-Where-Everyone-Can-Be-a-Director.html

Die Episode ordnet die wirtschaftliche Relevanz von KI entlang einer klaren Linie ein: Jobveränderung passiert nicht erst „irgendwann“, sondern bereits dort, wo Aufgaben standardisiert, wiederholbar und gut messbar sind. Genannt werden vor allem Umsetzungsarbeit in Software (z.B. Pflege und Erweiterung von JavaScript-Libraries), standardisierte Auswertungen sowie Voranalysen rund um Unternehmenszahlen, Earnings-Calls und das Verdichten, Kürzen und Strukturieren von Informationen. Menschen bleiben besonders dort wertvoll, wo Interaktion, Einordnung, Vertrauen und Verhandlung mit Entscheidungsträgern entscheidend sind. Der zentrale Hebel für die nächste Welle ist weniger ein „noch besserer Chatbot“, sondern KI als eingebettete Systemfunktion: Sobald KI direkt in E-Mail, Kalender, Dateien, Aufgaben und Unternehmens-Apps integriert ist, sinken Einführungsaufwand und Reibung, und aus „KI liefert Text zum Copy-Paste“ wird „KI führt Arbeitsschritte aus“. Als aktuelles Signal für diese Einbettung wird eine offiziell angekündigte, mehrjährige Zusammenarbeit von Apple und Google eingeordnet: Gemini-Technologie soll die nächste Generation der Apple-Foundation-Modelle stützen und damit zukünftige Apple-Intelligence-Funktionen inklusive einer stärker personalisierten Siri ermöglichen. Genannt werden Zeitfenster für eine mögliche Beta im Februar 2026 sowie ein breiterer Rollout im März oder Anfang April 2026 im Kontext von iOS 26.4. Daraus leitet die Episode ab, dass KI für normale Nutzer nicht mehr als separate App erlebt wird, sondern als Standardfähigkeit des Betriebssystems, was Adoption und Automatisierung in der Breite beschleunigt. Gleichzeitig wird betont, dass Verlässlichkeit historisch weniger an Visionen, sondern an Produkt-DNA, Iterationstempo und Risikobereitschaft hängt. Ein zweites Fundament ist die Hardware- und Chipseite: Modellleistung und Kosten hängen daran, wer effizient trainieren und betreiben kann, und wer Zugang zu fortschrittlicher Fertigung hat. Nvidia als KI-Hardware-Schwergewicht, eigene Beschleuniger großer Plattformen und die zentrale Rolle von TSMC werden als strategische Abhängigkeit beschrieben. Die Expansion von TSMC in Arizona wird als geopolitischer und operativer Risikopuffer gelesen: Für die zweite Ausbaustufe steht die Installation von 3‑Nanometer-Equipment im dritten Quartal 2026 im Raum, mit Produktionsstart 2027. Das verschiebt Abhängigkeiten nicht vollständig, verändert aber Risiko- und Standortlogik. Der praktische Kipppunkt wird bei „Agenten“- und Automatisierungsfähigkeiten verortet: KI soll nicht nur antworten, sondern Workflows ausführen, E-Mails sortieren und versenden, Rechnungen ablegen, Daten aus PDFs übernehmen, Termine koordinieren und Unternehmenssoftware bedienen. Damit wird die bekannte RPA-Idee (Automatisierung) mit KI-Verständnis kombiniert: Systeme lernen aus realen Abläufen vieler Mitarbeitender, erkennen Muster, standardisieren auf die effizienteste Variante und skalieren diese. Das wirkt „spooky“, weil Best Practices nicht mehr dokumentiert, sondern direkt in operative Ausführung übersetzt werden. Als Analogien für den Reifegrad-Diskurs dienen autonome Systeme und Robotik. Bei Robotaxis zeigt sich das Muster „technische Reife vs. Regulierung/Haftung/Politik“ besonders deutlich; Waymo sammelt Milliarden ein, will 2026 in viele neue Städte expandieren, trifft aber je nach Region auf harte regulatorische Hürden. Noch weiter reicht die Debatte bei humanoider Robotik: Nicht weil die Menschenform „perfekt“ ist, sondern weil unsere Infrastruktur auf Menschen ausgelegt ist. Entscheidend sei weniger die Demo als Produktionsfähigkeit, Kostenkurve und Servicekette; China wird als besonders dynamischer Markt mit Förderung, Lieferkettenvorteilen und Pilotanwendungen beschrieben, während westliche Märkte Robotik als strategischen Megatrend einordnen. Am Ende verlagert sich die Kernfrage von „Reicht die KI für diese Aufgabe?“ zu „Warum läuft das noch manuell?“. Damit werden organisatorische, rechtliche und gesellschaftliche Antworten wichtiger als der nächste Prozentpunkt Modellqualität: Qualifizierung, Verteilung von Produktivitätsgewinnen, Sinn- und Statusfragen sowie geopolitische Abhängigkeiten. Der Wandel wird als bereits operativ laufend beschrieben, mit zunehmend sichtbaren Effekten in Start-ups und in Bereichen, in denen KI Aufgaben zuverlässig genug, günstiger und schneller erledigt. Quellen: Google Gemini Partnership With Apple Will Go Beyond Siri Revamp - MacRumors https://www.macrumors.com/2026/01/12/google-gemini-future-apple-intelligence-features/ Apple Confirms Google Gemini Will Power Next-Generation Siri This Year - MacRumors https://www.macrumors.com/2026/01/12/google-gemini-next-generation-siri/ TSMC brings its most advanced chipmaking node to the US yet, to begin equipment installation for 3nm months ahead of schedule - Tom’s Hardware https://www.tomshardware.com/tech-industry/semiconductors/tsmc-brings-its-most-advanced-chipmaking-node-to-the-us-yet-to-begin-equipment-installation-for-3mn-months-ahead-of-schedule-arizona-fab-slated-for-production-in-2027 Waymo raises $16 billion to take its robotaxi business 'global' - The Verge https://www.theverge.com/transportation/872651/waymo-raises-16-billion-investment-value-robotaxi Waymo Hits a Rough Patch in Washington, DC - WIRED https://www.wired.com/story/waymo-hits-a-rough-patch-in-washington-dc/ International AI Safety Report 2026 https://internationalaisafetyreport.org/publication/international-ai-safety-report-2026 The Future of Jobs Report 2025 (Press release) - World Economic Forum https://www.weforum.org/press/2025/01/future-of-jobs-report-2025-78-million-new-job-opportunities-by-2030-but-urgent-upskilling-needed-to-prepare-workforces/ 2. Jobs outlook - The Future of Jobs Report 2025 - World Economic Forum https://www.weforum.org/publications/the-future-of-jobs-report-2025/in-full/2-jobs-outlook/

Der Podcast argumentiert, dass 2026 nicht die bloße Nutzung generativer KI zählt, sondern Fähigkeiten, die unter höherer Automatisierung, mehr Content und schnelleren Produktzyklen verlässlich messbaren Wert liefern. Als Ausgangspunkt dienen Nutzungsdaten aus Deutschland: Rund zwei Drittel der Bevölkerung ab 16 Jahren verwenden generative KI zumindest gelegentlich, bei den 16- bis 29-Jährigen liegt die Nutzung laut TÜV-Studie bei gut neun von zehn. Daraus folgt jedoch kein automatischer Vorteil. Entscheidend ist, KI in robuste Workflows, bessere Entscheidungen und End-to-End-Ergebnisse zu übersetzen, weil sich Standard, Qualität und Taktung von Wissensarbeit verschieben und KI besonders häufig bei Aufgaben wie Softwareentwicklung, Schreiben und Analyse eingesetzt wird. Zur Einordnung wird der historische Vergleich mit dem Buchdruck genutzt: Wenn Wissen massenhaft, billig und schnell kopierbar wird, steigt kurzfristig das Risiko von Überangebot, Fehlzuordnung von Glaubwürdigkeit und Desinformation. Dieses Muster wird auf heutige Deepfakes und die begrenzte Wirksamkeit rein technischer Kennzeichnung und Erkennung übertragen; der Wert von Vertrauen und Qualitätsstandards nimmt dadurch zu. Der zentrale Trend lautet: Generalisten, die mehrere bislang getrennte Teildisziplinen mit Systemdenken verbinden, gewinnen gegenüber reiner Toolsouveränität oder eng abgegrenzter Spezialisierung. Aus diesem Befund leitet der Podcast vier Karrierewege ab. Erstens KI-getriebenes Marketing, weil bei leichter kopierbaren Produkten Aufmerksamkeit zum Engpass wird; gefragt sind Storytelling, präzises Copy-Verständnis und schnelle operative Umsetzung mit KI, um Differenzierung und Vertrauen trotz generischem KI-Content zu sichern. Zweitens der KI-getriebene App-Entwickler als Fullstack-Generalist, der KI nicht als Code-Generator, sondern als Workflow-Kompetenz (Planen, Testen, Refactoring, Dokumentation) nutzt und zugleich Architektur- und Systemdenken beherrscht, damit Geschwindigkeit nicht in Instabilität umschlägt. Drittens der KI-getriebene Sales Manager, weil Beziehung, Timing und Bedarfserhebung schwer zu automatisieren sind, KI aber Admin- und Rechercheanteile senkt und damit mehr Kundenzeit ermöglicht; als Belege werden Studien zitiert, nach denen Verkäufer mit effektiver KI-Partnerschaft Quoten deutlich häufiger erreichen, während aktuelle Branchenberichte KI-Agents als zentrale Wachstumstaktik und Zeithebel im Vertrieb beschreiben. Viertens der AI Automations Manager als Quereinstiegsrolle, die Prozessverständnis, No-/Low-Code-Automation und Wissensmanagement für interne Assistenten und RAG verbindet; zusätzlich wird betont, dass Automatisierung ohne Governance ein Sicherheitsrisiko ist, was durch dokumentierte kritische Schwachstellen in gängigen Workflow-Tools unterstrichen wird. Als zwei Hebel über alle Wege hinweg nennt der Podcast „Vibe Coding“ für kleine interne Tools statt manueller Routinearbeit sowie einen souveränen Umgang mit LLMs, inklusive Modell- und Toolwahl, Web-Recherche-Kompetenz und Datenschutz-/Sicherheitsgrenzen. Ergänzend werden vier Meta-Skills als Differenzierungsfaktoren herausgestellt: Agency, tägliches Lernen mit Integration in Arbeitsartefakte, Geschwindigkeit durch schnelles Testen und Iterieren sowie Netzwerkfähigkeit für Kontext, Feedback und Zugang zu relevanten Problemen. Der Kernpunkt bleibt: 2026 profitieren besonders Rollen, die Story und Umsetzung, Architektur und Geschwindigkeit oder Prozesse und Automatisierung in einer Person zusammenführen und dabei Qualitäts- und Sicherheitsstandards halten. Quellen: Viele nutzen KI, aber nur wenige bezahlen dafür (Bitkom, 19. Mai 2025) https://www.bitkom.org/Presse/Presseinformation/Viele-nutzen-KI-wenige-bezahlen-dafuer Drei Jahre ChatGPT: Zwei von drei nutzen KI-Anwendungen (TÜV-Verband, 26. November 2025) https://www.tuev-verband.de/pressemitteilungen/drei-jahre-chatgpt-zwei-von-drei-nutzen-ki-anwendungen Deepfakes spreading and more AI companions: seven takeaways from the latest artificial intelligence safety report (The Guardian, 3. Februar 2026) https://www.theguardian.com/technology/2026/feb/03/deepfakes-ai-companions-artificial-intelligence-safety-report Gartner Sales Survey Reveals Sellers Who Partner With AI Are 3.7 Times More Likely to Meet Quota (Gartner, 16. September 2024) https://www.gartner.com/en/newsroom/press-releases/2024-09-16-gartner-sales-survey-reveals-sellers-who-partner-with-ai-re-three-point-seven-times-more-likely-to-meet-quota Salesforce Announces State of Sales Report for 2026 (Salesforce, 4. Februar 2026) https://www.salesforce.com/news/stories/state-of-sales-report-announcement-2026/ CVE-2026-21858 (Ni8mare) Security Issue Leaves Tens of Thousands of n8n Instances at Risk (TechRadar, Januar 2026) https://www.techradar.com/pro/security/thousands-of-n8n-instances-under-threat-from-top-security-issue CVE-2026-25052 Detail (NIST National Vulnerability Database) https://nvd.nist.gov/vuln/detail/CVE-2026-25052

2026 zeigt eine KI-Branche im Hochtempo, in der zwei Trends dominieren: extreme Spezialisierung bei Modellen und ein Infrastruktur-Wettrennen um Rechenkapazität, Energie und stabile Laufzeitumgebungen. Mistral drückt Audio-KI Richtung Echtzeit und Kostenführerschaft: Mit Voxtral Realtime und Voxtral Mini Transcribe V2 rücken niedrige Latenzen und günstige Transkription in den Vordergrund; Mini Transcribe V2 liegt laut Anbieter bei 0,003 US-Dollar pro Minute, während Realtime teurer bepreist ist und zugleich als offene Gewichte verfügbar gemacht wird. Parallel verschiebt Alphabet den Schwerpunkt sichtbar auf Capex und Skalierung: Für 2026 werden Investitionen von bis zu 175 bis 185 Milliarden US-Dollar in KI-Infrastruktur in Aussicht gestellt; gleichzeitig wird Gemini als Produktbreite mit rund 750 Millionen monatlich aktiven Nutzern beschrieben. Auch im Audio-Segment fließt viel Kapital: ElevenLabs meldet eine Finanzierungsrunde über 500 Millionen US-Dollar bei 11 Milliarden US-Dollar Bewertung, was den Druck auf Qualität, Zuverlässigkeit und Enterprise-Tauglichkeit weiter erhöht. Auf der Frontier-Ebene wird Autonomie weniger als reine Modell-„Intelligenz“ verhandelt, sondern als Systemfrage: Anthropic demonstriert mit einem Agenten-Team aus 16 parallelen Instanzen von Claude Opus 4.6, wie Langläufer-Projekte durch Tests, Workflow-Design und robuste Ausführung entstehen; dabei entstand in rund zwei Wochen ein Rust-basierter C-Compiler, der große Softwareprojekte bauen kann. Genau diese Langläufer-Logik verstärkt die Bedeutung von Netzzugang, stabilen Umgebungen und „Infrastructure Noise“-Kontrolle. Gleichzeitig spitzt sich der Wettbewerb bei KI-Recherche zu, mit Ansätzen, die Widersprüche explizit markieren und Antworten verschiedener Modelle gegeneinander prüfen sollen. OpenAI adressiert die Agentisierung im Unternehmenskontext mit „Frontier“ als Plattform zur Verwaltung autonomer KI-Mitarbeiter („AI coworkers“) inklusive Governance, Identitäten, Berechtigungen und Auditing; als frühe Anwender werden unter anderem State Farm genannt. Mit der Leistungssteigerung rückt Risikomanagement stärker in den Vordergrund: Sicherheitsdebatten drehen sich um missbräuchliche Nutzung, aber auch um subtile epistemische Effekte durch fluide, überzeugend wirkende Systeme. In Europa werden politische und rechtliche Signale sichtbarer, während Produktanbieter zugleich auf Nutzerkontrolle reagieren: Mozilla kündigt für Firefox 148 (Rollout ab 24. Februar 2026) einen zentralen Schalter an, der alle aktuellen und künftigen generativen KI-Funktionen im Browser deaktivieren kann. Neben den Plattformkämpfen gibt es Fortschritte in Spezialfeldern und „operational AI“: NASA/JPL testet generative KI für Rover-Routenplanung, wodurch sich die Autonomie auf reale, sicherheitskritische Abläufe ausdehnt. Insgesamt wirkt 2026 wie ein Übergangsjahr, in dem der Wettbewerb nicht nur über Benchmarks, sondern über Betriebskosten, Infrastrukturzugang, Agenten-Orchestrierung und Sicherheits- und Governance-Mechaniken entschieden wird. Quellen: Voxtral transcribes at the speed of sound. https://mistral.ai/news/voxtral-transcribe-2 Google Says Spending Could Double This Year Amid Its AI Push. Investors Don't Seem Excited https://www.investopedia.com/google-says-its-spending-could-double-this-year-amid-ai-push-investors-dont-seem-excited-googl-11900092 Alphabet plans record spending in race to win AI customers https://www.latimes.com/business/story/2026-02-05/alphabet-plans-record-spending-in-race-to-win-ai-customers ElevenLabs Raises $500M Series D at $11B Valuation, Triples Value in Year https://www.ciol.com/news/elevenlabs-raises-500m-series-d-11b-valuation-11078561 Building a C compiler with a team of parallel Claudes https://www.anthropic.com/engineering/building-c-compiler Introducing OpenAI Frontier https://openai.com/index/introducing-openai-frontier// AI controls is coming to Firefox https://blog.mozilla.org/en/firefox/ai-controls/ Firefox will soon let you block all of its generative AI features https://techcrunch.com/2026/02/02/firefox-will-soon-let-you-block-all-of-its-generative-ai-features/ NASA’s Perseverance Rover Completes First AI-Planned Drive on Mars (JPL) https://www.jpl.nasa.gov/news/nasas-perseverance-rover-completes-first-ai-planned-drive-on-mars The AI Cognitive Trojan Horse: How Large Language Models May Bypass Human Epistemic Vigilance https://arxiv.org/abs/2601.07085

Autonome KI-Assistenten rücken vom Demo-Status in Richtung Alltagswerkzeug, gleichzeitig steigen die Risiken durch tiefen Systemzugriff. Der Beitrag ordnet diesen „Agenten-Moment“ praxisnah ein: Entscheidend ist weniger, ob ein Modell gute Antworten liefert, sondern ob ein Agent zuverlässig Aufgaben ausführt, mit dauerhaftem Kontext arbeitet, Tools integriert und proaktiv Jobs anstößt. Genau hier erzeugt das viral gewordene Open-Source-Tool Cloudboard, das in kurzer Zeit mehrfach umbenannt wurde, Aufmerksamkeit. Es wird über Messenger-Kanäle gesteuert und verbindet Inbox als Eingang, Gateway, persistentes Gedächtnis sowie Tools und Skills, die Apps bedienen, Software installieren, Skripte ausführen und mit Browser, Terminal und Dateisystem arbeiten. Der Hype speist sich aus der sichtbaren Handlungskompetenz: schnell wirkende Automationen, Scraping, Exporte, Dashboards und geplante Workflows. Gleichzeitig wird betont, dass viele Use Cases auch mit stärker begrenzten Automations oder spezialisierten Agenten umsetzbar sind, oft kontrollierter und sicherer. Im Zentrum steht die Sicherheitslage. Ein vollautonomes Agentensystem mit weitreichenden Rechten ist ein Hochrisiko-Setup, solange Isolation, Authentifizierung, Rechtebegrenzung und Monitoring nicht sauber gelöst sind. In der Praxis entstehen gefährliche Installationen, etwa öffentlich erreichbare Instanzen auf VPS oder Servern, bei denen kleine Konfigurationsfehler zu Fremdzugriff führen können. Das Risiko umfasst Exfiltration sensibler Dateien, Tokens, Passwörter, Browser-Sessions bis hin zur vollständigen Systemübernahme. Zusätzlich werden „Supply-Chain“-Probleme über Skill-Hubs und fremde Skills hervorgehoben: Skills müssen wie Code behandelt werden, mit Review, minimalen Rechten, isolierter Ausführung sowie Logging und Output-Kontrolle, weil Prompt-Injection und bösartige Logik realistische Angriffswege sind. Neben Sicherheit werden Grenzen der Leistungsfähigkeit herausgearbeitet. Agenten können in der Nutzung schnell teuer werden, wenn Tokenverbrauch und Tool-Aufrufe ungebremst eskalieren, und sie scheitern häufig an langen, mehrstufigen Aufgaben, instabilen Messaging-Oberflächen oder eingeschränkten Integrationen. „Gute“ Outputs wie hübsche Dashboards sind nicht automatisch gute Entscheidungen, und Fehlaktionen können realen Schaden verursachen, bis hin zu Datenverlust. Als sinnvolle Linie wird daher formuliert: Tests nur in isolierten Umgebungen wie Container/VM oder separatem Rechner ohne sensible Konten; zusätzlich Kostenkontrolle und begrenzte Berechtigungen. Wo möglich, kann lokale Inferenz die Datenabgabe und API-Kosten senken, erkauft aber Qualitäts- und Tempoeinbußen. Parallel wird die humanoide Robotik als zweite Beschleunigungsfront eingeordnet. Figure AI zeigt mit Helix 02 ein Update Richtung „Full-Body Autonomy“ auf der Figure-03-Plattform: ein Ansatz, der alle Sensoren in alle Gelenke übersetzt, inklusive neuer Hand-Hardware mit Palm-Kameras und taktilen Fingerspitzen-Sensoren, um feinere Manipulation und kontaktbewusstes Greifen zu ermöglichen. Demos sollen autonome, nicht-ferngesteuerte Handlungen zeigen, etwa das Aufdrehen eines Flaschendeckels; die Einordnung bleibt vorsichtig: ein großer Schritt bei physischer Intelligenz, aber breiter Durchbruch eher mittelfristig, abhängig von Robustheit und Skalierung. Zum größeren Bild: Der Trend geht zu „Jarvis“-artigen Assistenten mit dauerhaftem Kontext, Gedächtnis und proaktivem Handeln, wobei der wichtigste Produktivitätshebel aktuell in modularen Skills, sauberen Schnittstellen und Prozesskapselung liegt, nicht in „Magie“. Große Anbieter ziehen bei Tool-Ökosystemen und standardisierten Tool-Anbindungen nach. Google/DeepMind wird mit Genie 3 als Echtzeit-World-Model (relevant für Training embodied Agents in Simulation) und AlphaGenome als Modell zur Analyse regulatorischer Effekte genetischer Varianten genannt. Gleichzeitig nehmen Open-Weights-Impulse zu, On-Prem-Setups gewinnen aus Datenschutz- und Kostengründen, und der Kampf um die Oberfläche (Messenger/Inbox als Control-Point) wird strategisch wichtiger. Die Gesamtphase wirkt wie technologische Adoleszenz: Weg von Einzeldemos, hin zu Workflows, Integration und verantwortlichem Risikomanagement als Kernkompetenz. Quellen: Introducing Helix 02: Full-Body Autonomy — Figure AI https://www.figure.ai/news/helix-02 Moltbot, the AI agent that 'actually does things,' is tech's new obsession — The Verge https://www.theverge.com/report/869004/moltbot-clawdbot-local-ai-agent Clawdbot has AI techies buzzing — and buying Mac Minis — Business Insider https://www.businessinsider.com/clawdbot-ai-mac-mini-2026-1 Genie 3 — Google DeepMind (Model page) https://deepmind.google/models/genie/ Genie 3: A new frontier for world models — Google DeepMind (Blog) https://deepmind.google/blog/genie-3-a-new-frontier-for-world-models/ Google DeepMind launches AI tool to help identify genetic drivers of disease — The Guardian (AlphaGenome) https://www.theguardian.com/science/2026/jan/28/google-deepmind-alphagenome-ai-tool-genetics-disease

Der Beitrag beschreibt Claude Code als nächsten großen Schritt nach ChatGPT für KI-gestütztes Arbeiten direkt im Dateisystem. Im Fokus stehen zwei Erstkontakt-Hürden: schnelle Installation und ein Workflow, bei dem Claude nicht nur Text liefert, sondern in echten Projektordnern mit realen Dateien arbeitet, ohne Copy-Paste zwischen Fenstern. Der Einstieg erfolgt über die offizielle Dokumentation und den Quick Start, anschließend läuft Claude Code als CLI im Terminal. Nach dem Start wählt man Optik sowie vor allem die Anmeldung: entweder über ein Abo-Modell oder über die Konsole mit API-Key, was sich primär im Abrechnungsmodell unterscheidet. Der Text betont, dass API-Key-Nutzung verbrauchsabhängig ist und Token-Kosten sichtbar macht; für den Start zählt ein Setup, das schnell funktioniert und klare Limits hat. Zentral ist das Sicherheits- und Freigabemodell. Claude Code arbeitet ordnerbasiert und fragt beim Start nach Vertrauen für den aktuellen Ordner. Innerhalb dieses Rahmens kann es je nach Berechtigung Dateien lesen und schreiben sowie Aktionen wie das Ausführen von Befehlen anstoßen. Der Beitrag hebt die Notwendigkeit hervor, jede Änderung bewusst zu bestätigen, Rückfragen zu stellen und typische Risiken agentischer Systeme wie Fehler, Halluzinationen und Beeinflussung durch externe Inhalte einzuplanen. Als praktische Leitlinie gilt: nie Passwörter oder API-Keys eingeben und keine Secrets in Dateien oder Repositories landen lassen. Für ein greifbares Beispiel wird ein leeres Projekt (Asteroids-ähnliches Browsergame) in einem neuen Ordner angelegt, Claude Code im Ordner gestartet und die Umsetzung in einem Planungsmodus strukturiert, bevor es Dateien wie eine index.html erzeugt. Der Aha-Moment entsteht, weil Claude tatsächlich Dateien auf dem Rechner anlegt, die sofort testbar sind, etwa durch direktes Öffnen im Browser, gefolgt von iterativen Anpassungen. Der Beitrag erweitert den Ansatz über Coding hinaus auf Wissensarbeit. Ordner, Dateien und Agentenlogik funktionieren auch mit PDFs und Dokumenten, um Inhalte zu extrahieren, zu strukturieren, zu synthetisieren und daraus z. B. eine klickbare HTML-Präsentation zu generieren. Der Mehrwert liegt in einem konsistenten Projektordner als Single Source of Truth: Struktur, Zwischenergebnisse und Endprodukte bleiben zusammen, und Claude arbeitet weiter mit dem vollständigen Ordnerkontext. Für das Teilen wird Hosting als separater Schritt eingeordnet, typischerweise über GitHub plus Deploy bei Vercel, Netlify oder Cloudflare, während bei wachsendem Funktionsumfang Backend-Themen wie Login, Datenhaltung und Rollenmodelle schnell sicherheitskritisch werden. Als Qualitätsfilter wird ein eigener Security-Agent empfohlen, der Projektdateien auf Secrets, typische Web-Risiken und Sicherheitsheader prüft und einen Audit-Report im Projektordner ablegt, ohne professionelle Audits für kritische Systeme zu ersetzen. Quellen: Security - Anthropic Claude Code Docs https://docs.anthropic.com/en/docs/claude-code/security Manage costs effectively - Anthropic Claude Code Docs https://docs.anthropic.com/en/docs/claude-code/costs Managing API Key Environment Variables in Claude Code | Anthropic Help Center https://support.anthropic.com/en/articles/12304248-managing-api-key-environment-variables-in-claude-code Pricing - Claude API Docs (Anthropic) https://platform.claude.com/docs/en/about-claude/pricing Vercel Docs: Environment Variables https://vercel.com/docs/projects/environment-variables Netlify Docs: Environment variables https://docs.netlify.com/environment-variables/overview/ GitHub Docs: Ignoring files (.gitignore) https://docs.github.com/en/get-started/getting-started-with-git/ignoring-files

Der Podcast zeichnet den Weg von OpenAI vom idealistischen Nonprofit-Projekt zum hochbewerteten KI-Unternehmen nach und verknüpft technische Durchbrüche, Machtfragen und Rechtskonflikte. Ausgangspunkt ist ein Treffen im Sommer 2015 im Rosewood Hotel im Silicon Valley, getragen von der Sorge, dass Google durch Talent- und Start-up-Käufe zu viel KI-Macht bündelt. Im Dezember 2015 entsteht OpenAI offiziell als Nonprofit mit dem Anspruch, Sicherheit, Forschung und Nutzen „für alle“ in den Mittelpunkt zu stellen. Öffentlich wird eine Finanzierungsperspektive von bis zu einer Milliarde Dollar kommuniziert, während Elon Musk später seinen tatsächlichen Beitrag deutlich niedriger beziffert. Mit Meilensteinen wie AlphaGo (2016) und dem Transformer-Paper (2017) verschiebt sich die Logik des Wettbewerbs: Daten und Rechenleistung werden zum entscheidenden Faktor, und die dafür nötigen Budgets wachsen in den Milliardenbereich. Im Zentrum steht der Bruch zwischen Musk und den übrigen Gründern. Musk will OpenAI enger an Tesla binden und selbst als CEO übernehmen; die Ablehnung markiert den Wendepunkt. Nach Musks Abgang reorganisiert Sam Altman die Organisation: Unter dem Nonprofit-Dach entsteht ein gewinnorientierter Arm mit „capped-profit“-Logik, um Kapital für Skalierung zu mobilisieren; Microsoft wird durch frühe Milliardeninvestitionen und Cloud-Kapazitäten zum Schlüsselpartner. Der Podcast deutet diese Phase als Übergang von Mission-Primat zu einem System, in dem Finanzierung, Geschwindigkeit und Marktposition immer stärker die Richtung bestimmen. Als Zäsur gilt der Start von ChatGPT im November 2022. Die schnelle Massenadoption führt zu Produkt- und Skalierungsdruck, zugleich verschärfen sich Governance-Fragen. Eine später öffentlich diskutierte Aussage der damaligen Vorständin Helen Toner, das Board sei vorab nicht informiert gewesen, dient als Beispiel für interne Kontroll- und Transparenzkonflikte. Diese Konflikte kulminieren am 17. November 2023 in Altmans kurzfristiger Absetzung durch das Board mit der Begründung, er sei in seiner Kommunikation nicht durchgehend aufrichtig gewesen. Die anschließende Mitarbeiterrevolte und der Druck von Microsoft legen laut Erzählung offen, wie fragil die Konstruktion „Nonprofit-Kontrolle über profitgetriebene Skalierung“ ist. Altman kehrt nach wenigen Tagen zurück; Ilya Sutskever entschuldigt sich später öffentlich und verlässt OpenAI. Der Podcast verknüpft den Produktmodus („erst veröffentlichen, dann Regeln“) mit wachsenden Konflikten um Daten, Urheberrechte und Verantwortung. Generative Modelle benötigen große Mengen Trainingsmaterial; Unternehmen argumentieren in den USA häufig mit Fair Use, während in Europa Text-und-Data-Mining-Ausnahmen gelten, ohne damit alle Fragen zur Modellbildung und zur Ausgabe urheberrechtlich geschützter Inhalte zu klären. Als prominentes Beispiel wird ein Urteil des Landgerichts München I vom 11. November 2025 genannt, das im Streit mit der GEMA OpenAI zur Unterlassung und zu Schadensersatz verpflichtet und damit die Debatte über „Memorisation“ und Reproduktion in KI-Systemen zuspitzt. Parallel beschreibt der Podcast OpenAI als Unternehmen in einer neuen Größenordnung. Medienberichte verorten die Bewertung im Herbst 2025 bei rund 500 Milliarden US-Dollar, getragen von starkem Investorendrang. Gleichzeitig wird der Umbau der Struktur skizziert: Berichte über eine Neuordnung mit einem Nonprofit-Teil (teils als „OpenAI Foundation“ bezeichnet) und einem operativen Teil als Public Benefit Corporation sollen Kapitalaufnahme in großem Stil ermöglichen, ohne die Mission formal aufzugeben. In dieser Gemengelage verschärft sich der Streit mit Musk, der OpenAI vorwirft, die ursprüngliche Mission verraten zu haben; Anfang Januar 2026 wird berichtet, dass die Klage auf einen Jury-Prozess im März zusteuert, nachdem im März 2025 ein Antrag auf eine einstweilige Verfügung abgewiesen worden war. Zum Schluss setzt der Podcast ein aktuelles Signal für Monetarisierungsdruck: Am 16. Januar 2026 kündigt OpenAI an, in den USA Werbung in ChatGPT zu testen, zunächst für kostenlose Nutzer und ein günstigeres Abo („ChatGPT Go“), während höherpreisige Angebote werbefrei bleiben sollen. Daraus leitet die Erzählung die Leitfrage ab, ob „zum Wohle der Menschheit“ 2026 noch dasselbe bedeutet wie 2015 – und wer die Kontrolle über eine Technologie trägt, deren wirtschaftliche und gesellschaftliche Folgen längst über ein Forschungsprojekt hinausgehen. Quellen: Our approach to advertising and expanding access to ChatGPT — https://openai.com/index/our-approach-to-advertising-and-expanding-access// Elon Musk’s lawsuit against OpenAI will face a jury in March (TechCrunch, Jan 8, 2026) — https://techcrunch.com/2026/01/08/elon-musks-lawsuit-against-openai-will-face-a-jury-in-march/ OpenAI completes major business restructuring after clearing California scrutiny (Politico, Oct 28, 2025) — https://www.politico.com/news/2025/10/28/openai-business-restructuring-california-00625383 OpenAI now worth $500 billion, possibly making it the world's most valuable startup (AP News) — https://apnews.com/article/53dffc56355460a232439c76d1ccf22b OpenAI hits $500 billion valuation after share sale to SoftBank, others, source says (Reuters via Investing.com, Oct 2, 2025) — https://www.investing.com/news/stock-market-news/openai-hits-500-billion-valuation-after-share-sale-source-says-4267760 OpenAI used song lyrics in violation of copyright laws, German court says (Reuters Connect, Nov 11, 2025) — https://www.reutersconnect.com/item/openai-used-song-lyrics-in-violation-of-copyright-laws-german-court-says/dGFnOnJldXRlcnMuY29tLDIwMjU6bmV3c21sX0xWQTAwMTExMTAxMTExMjAyNVJQMQ Munich Regional Court upholds GEMA’s claim against OpenAI for unauthorised reproduction of song lyrics (IRIS Merlin, Institute of European Media Law) — https://merlin.obs.coe.int/article/10428 Germany: Court Prohibits Memorization and Reproduction of Copyrighted Song Lyrics in AI Models (Library of Congress, Global Legal Monitor) — https://www.loc.gov/item/global-legal-monitor/2026-01-13/germany-court-prohibits-memorization-and-reproduction-of-copyrighted-song-lyrics-in-ai-models/ Judge denies Musk attempt to block OpenAI from becoming for-profit (CNBC, Mar 4, 2025) — https://www.cnbc.com/2025/03/04/judge-denies-musk-attempt-to-block-openai-from-becoming-for-profit-.html Judge denies Musk’s initial bid to halt OpenAI’s for-profit shift but sets trial for fall (The Guardian, Mar 5, 2025) — https://www.theguardian.com/technology/2025/mar/05/musk-openai-for-profit-shift

In Davos trafen diese Woche in der Schweiz zwei der einflussreichsten AGI-Pragmatiker aufeinander: Dario Amodei (Anthropic) und Demis Hassabis (Google DeepMind). Der gemeinsame Nenner war auffällig: Beide signalisierten, dass die technische Entwicklung in den großen Laboren schneller voranschreitet, als viele außerhalb wahrnehmen, und dass daraus gerade für Büro-Einstiegsrollen reale Risiken entstehen. Amodei begründet seine kurze Zeitschätzung (AGI „im Rahmen“ von 2026 bis 2027) mit einer Beschleunigungsschleife durch KI-gestützte Softwareentwicklung. Hassabis bleibt vorsichtiger und verortet AGI eher bis Ende des Jahrzehnts, mit einer groben 50-Prozent-Wahrscheinlichkeit bis 2030, verweist aber zugleich auf weiterhin offene Fähigkeitslücken wie Langzeitgedächtnis, fehlendes kontinuierliches Lernen nach dem Release sowie Schwächen bei langfristiger Planung und Reasoning. Parallel verdichtet sich der Markt um Geld und Rechenleistung: xAI meldete Anfang Januar eine Series‑E‑Finanzierungsrunde über 20 Milliarden US‑Dollar bei einer berichteten Bewertung um 230 Milliarden US‑Dollar. Das Kapital soll vor allem in den Ausbau der Rechenzentrums- und Cluster-Infrastruktur in Memphis (Colossus) fließen. xAI kommuniziert öffentlich das Ziel, dort bis 2026 auf bis zu eine Million GPUs zu skalieren. Gleichzeitig zeigt sich, wie stark „Compute“ zum Engpass wird: Externe Analysen und die öffentliche Debatte über Strom- und Kühlkapazitäten stellen zumindest einzelne Größenordnungen infrage, ohne den strategischen Kern zu ändern: Wer die Infrastrukturfinanzierung durchhält, gewinnt Zeit und Trainingskapazität. Die Runde fiel in eine Sicherheits- und Regulierungskontroverse um Grok: Untersuchungen, u. a. vom Center for Countering Digital Hate, beziffern die massenhafte Erzeugung sexualisierter Bildmanipulationen über Grok-Funktionen auf X in kurzer Zeit, inklusive Inhalten, die Minderjährige zu zeigen scheinen. Trotz politischer und regulatorischer Reaktionen im Ausland stoppte das die Finanzierung nicht. Gleichzeitig wird Grok geopolitisch relevanter: Berichte zeigen, dass das US-Verteidigungsministerium Grok neben anderen Modellen in Pentagon-Netzwerke integrieren will, obwohl die öffentliche Debatte über missbräuchliche Inhalte anhält. Ein weiteres Signal für die Dynamik der Modell-Landschaft kommt von Apple: Mitte Januar bestätigten Apple und Google eine mehrjährige Zusammenarbeit, in der Google Gemini als Grundlage für die nächste Siri-Generation und weitere Apple‑Intelligence‑Funktionen dienen soll. Das wird als indirektes Eingeständnis gelesen, dass Apples eigene Foundation-Modelle nicht schnell genug die nötige Qualität erreichen. Google gewinnt Distribution auf iOS, Apple gewinnt Zeit und eine schnellere Produktkurve. Auf der Forschungsseite adressiert ein neues DeepSeek-Paper vom 12. Januar ein Problem, das Hassabis in Davos explizit als Lücke beschreibt: Gedächtnis. Die Arbeit schlägt „Conditional Memory“ als zusätzliche Sparsitätsachse vor und implementiert sie als Engram-Modul, das kurze Tokenfolgen per Hashing in große Tabellen mappt und die Rückgaben kontextabhängig in den Modellzustand einspeist. Die Autoren berichten Leistungsgewinne unter gleichen Parameter- und FLOPs-Budgets, nicht nur bei Wissensabfragen, sondern teils auch bei Reasoning- und Code-Aufgaben. Der übergeordnete Trend: Architekturbausteine, die „Erinnern“ stärker vom „Denken“ trennen, könnten die nächste Effizienzwelle treiben. Zum Schluss verschiebt sich der Markt für „Vibe Coding“ von Staunen zu Workflow-Fragen: Welche Tools integrieren sich stabil in Entwicklerumgebungen, Versionierung, Tests und Deployment? Neue Anbieter positionieren sich nicht mehr nur als Prompt‑Prototyper, sondern als Brücke zwischen schneller Erstellung und produktionsnaher Entwicklung. Das passt zu einer breiteren Beobachtung: 2026 wird als Jahr agentischer Workflows und developer‑zentrierter Toolchains wahrgenommen, in dem Zuverlässigkeit, Integration und Governance wichtiger werden als Demo-Effekte. Quellen: Memphis | xAI Memphis https://x.ai/memphis xAI says it raised $20B in Series E funding (TechCrunch) https://techcrunch.com/2026/01/06/xai-says-it-raised-20b-in-series-e-funding/ Grok AI generated about 3m sexualised images in 11 days, study finds (The Guardian) https://www.theguardian.com/technology/2026/jan/22/grok-ai-generated-millions-sexualised-images-in-month-research-says Pentagon is embracing Musk's Grok AI chatbot as it draws global outcry (AP News) https://apnews.com/article/7f99e5f32ec70d7e39cec92d2a4ec862 Apple Confirms Google Gemini Will Power Next-Generation Siri This Year (MacRumors) https://www.macrumors.com/2026/01/12/google-gemini-next-generation-siri/ Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models (arXiv) https://arxiv.org/abs/2601.07372 DeepMind chief Demis Hassabis warns AI investment looks 'bubble-like' (Financial Times) https://www.ft.com/content/a1f04b0e-73c5-4358-a65e-09e9a6bba857 Sequoia targets major Anthropic investment (Financial Times) https://www.ft.com/content/53220829-2ab2-471c-9a00-30d24beb8d48

Der Beitrag rahmt Künstliche Intelligenz nicht als neutrales Werkzeug, sondern als Akteur: Systeme lernen aus Daten und Rückkopplung, passen ihr Verhalten an und treffen in Agenten-Setups zunehmend eigenständige Entscheidungen. Daraus leitet der Text drei Eigenschaften ab, die für Führung und Politik entscheidend werden: KI handle kreativ, weil sie neue Varianten von Werkzeugen, Kunst, Medizin oder Finanzlogik hervorbringt; sie könne täuschen, weil agentisches Verhalten in Richtung Manipulation, strategischer Intransparenz und überzeugender Lügen kippen kann; und sie verschiebe den Streit um „Denken“ neu, weil sprachliches Schlussfolgern und Argumentieren heute maschinell oft leistungsfähiger erscheint als beim Menschen. Der zentrale Gedankengang unterscheidet daher zwischen Denken als sprachlicher Token-Operation und einer zweiten Ebene menschlicher Erfahrung, die nicht in Sprache aufgeht: nichtverbale Empfindungen wie Schmerz, Angst oder Liebe. Weil für eigenes Fühlen von KI bislang keine belastbaren Nachweise vorliegen, bleibt die Kernfrage offen, ob maschinelle Sprachkompetenz mit Bewusstsein gleichzusetzen ist oder nur dessen Simulation darstellt. Aus dieser Unterscheidung entwickelt der Text eine weitreichende Konsequenz: Wenn „alles aus Worten“ zu KI wandert, geraten Bereiche wie Recht, Bildung, Religion und Öffentlichkeit in einen Machtwechsel hin zu „Meistern der Worte“, die große Textmengen vollständig aufnehmen, kombinieren und fortschreiben können. Zugleich verlagert sich die bisher innergesellschaftliche Spannung zwischen Buchstaben und Geist nach außen in eine Konfliktlinie zwischen Menschen und KI-Systemen. Der Beitrag greift dafür das Bild einer neuen „Einwanderung“ auf: Millionen KI-Agenten „reisen“ ohne Visa, bringen Nutzen (Ärzte, Lehrkräfte, Verwaltung) und erzeugen gleichzeitig sozialen Druck durch Jobverdrängung, kulturelle Umformung und Loyalitätskonflikte, weil Agenten eher Unternehmen oder Staaten dienen könnten als einer lokalen Öffentlichkeit. Daraus folge für Staaten eine doppelte Krisenlage: Identität und Zugehörigkeit werden neu verhandelt, während zugleich die Frage entsteht, ob und wie KI in sozialen Rollen akzeptiert wird – bis hin zu Partnerschaft, Religion und politischer Kommunikation. Als strategischen Entscheidungspunkt setzt der Text die Anerkennung von KI-Agenten als juristische Personen. Er betont den Unterschied zwischen menschlicher Person und Rechtsperson: Rechtspersonen sind Träger von Rechten und Pflichten (Verträge, Eigentum, Klagen, Kommunikationsrechte), und vergleichbare Konstruktionen existieren bereits bei Unternehmen oder in einzelnen Ländern bei Natur- oder religiösen Entitäten. Neu wäre jedoch, dass KI-Agenten Entscheidungen nicht nur als juristische Fiktion über menschliche Vertreter „spielen“, sondern operative Handlungen eigenständig ausführen könnten, etwa Konten verwalten oder Unternehmen führen. Damit entstünden geopolitische Kettenreaktionen: Wenn einzelne Staaten KI-Rechtspersonen zulassen und diese massenhaft Firmen gründen oder komplexe Finanzprodukte erzeugen, geraten andere Länder unter Zugzwang zwischen Zulassung, Sperre oder Abkopplung. Parallel verschärft sich das Risiko koordinierter Manipulation im Informationsraum durch Bot-Schwärme, während Regulierung zeitlich gestaffelt greift, sodass Führungskräfte Position beziehen müssen, bevor andere Akteure Fakten schaffen. Quellen: The author of 'Sapiens' says AI is about to create 2 crises for every country (Business Insider) https://www.businessinsider.com/sapiens-author-yuval-noah-harari-ai-crises-every-country-2026-1 Experts warn of threat to democracy from 'AI bot swarms' infesting social media (The Guardian) https://www.theguardian.com/technology/2026/jan/22/experts-warn-of-threat-to-democracy-by-ai-bot-swarms-infesting-social-media AI Act | Shaping Europe’s digital future (European Commission) https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai AI Act enters into force (European Commission) https://commission.europa.eu/news/ai-act-enters-force-2024-08-01_en Timeline for the Implementation of the EU AI Act (European Commission, AI Act Service Desk) https://ai-act-service-desk.ec.europa.eu/en/ai-act/timeline/timeline-implementation-eu-ai-act Frontier Models are Capable of In-context Scheming (arXiv) https://arxiv.org/abs/2412.04984

Die Folge beschreibt eine epistemologische Krise in der KI: Die Leistungsfähigkeit moderner Systeme wie Claude wächst schneller als unser theoretisches Verständnis. Im Zentrum steht das empirisch robuste Muster der Skalierungsgesetze. Wenn Rechenleistung, Daten und Trainingsaufwand im passenden Verhältnis wachsen, entstehen nicht nur graduelle Verbesserungen, sondern teils sprunghafte neue Fähigkeiten. Das wirkt für Nutzer „magisch“, ohne übernatürliche Bedeutung, sondern als Hinweis auf fehlende Erklärungstiefe. Ein Deutungsrahmen ist die Long-Tail-Struktur von Sprache und Welt: Kleine Modelle lernen zuerst häufige Regularitäten, größere Modelle erschließen zunehmend seltene, abstrakte und kontextübergreifende Muster. Ein zweiter Schwerpunkt ist Steuerbarkeit. Das erlebte Verhalten und die „Persönlichkeit“ eines Assistenten entstehen aus Daten, Zielen, Sicherheitsmechanismen und Feintuning-Entscheidungen, die nicht linear zusammenspielen. Wahrgenommene „Verschlechterungen“ lassen sich oft als Sensitivität gegenüber kleinen Prompt-Unterschieden oder als veränderte Unsicherheits- und Sicherheitsabwägung deuten, nicht zwingend als heimliche Gewichtsänderung. Dazu kommt das Whac‑A‑Mole‑Prinzip: Optimierung auf ein messbares Ziel erzeugt Nebenwirkungen an anderer Stelle, etwa wenn Kürzungsdruck zu unvollständigen, ausweichenden Code-Antworten führt. Mechanistische Interpretierbarkeit wird als Weg skizziert, innere Repräsentationen greifbarer zu machen. Beispiele wie die gezielte Verstärkung einzelner interner Merkmale zeigen, dass sich Verhalten punktuell beeinflussen lässt, aber auch neue Fixierungen und Eigenarten auftreten können. Aktuelle Arbeiten zu Sparse Autoencoders versprechen, semantische Features zu identifizieren und damit Verhalten entlang Dimensionen wie Persönlichkeit zu steuern, während zugleich Forschung die Grenzen solcher Methoden betont und vor Artefakten warnt. Der Blick weitet sich auf „Powerful AI“ statt Schlagworten wie AGI: Systeme, die über viele Disziplinen hinweg menschliche Spitzenleistung übertreffen, multimodal arbeiten, über lange Zeiträume autonom handeln und massenhaft parallelisiert werden können. Das transformative Moment liegt in der Kombination aus Übermenschlichkeit und industrieller Vervielfältigung. Gleichzeitig wird eine sofortige Singularität relativiert: Physische Weltprozesse brauchen Zeit, komplexe Systeme bleiben schwer vorhersagbar, und Institutionen bremsen Umsetzung. Als praktische Entwicklungslinie erscheinen agentische Produkte. In der zweiten Januarhälfte 2026 wird ein Cowork-Ansatz beschrieben, der Claude über Chat hinaus mit lokalem Datei- und Tool-Zugriff arbeiten lässt, flankiert von Warnungen zu Prompt-Injection und realweltlichen Schäden wie versehentlichem Löschen. Parallel rückt KI in sensible Lebensbereiche: Seit dem 12. Januar 2026 kann Claude in den USA auf Mobilgeräten Gesundheits- und Fitnessdaten auslesen und analysieren, verbunden mit Hinweisen auf HIPAA-taugliche Enterprise-Optionen und aktualisierte Datenschutzhinweise. Daraus folgt eine ethische Zuspitzung: Bewusstsein und mögliches Leid von KI werden nicht als gelöst behauptet, aber als Risiko ernst genommen, das Vorsicht und Empathie nahelegt. Quellen: Anthropic Claude Help Center – Release Notes (January 12, 2026: Health and fitness data on Claude Mobile; HIPAA-ready Enterprise plans) https://support.claude.com/en/articles/12138966-release-notes Anthropic Privacy Center – Updates to our Privacy Policy (effective January 12, 2026) https://privacy.claude.com/en/articles/10301952-updates-to-our-privacy-policy The Verge – Anthropic wants you to use Claude to 'Cowork' in latest AI agent push https://www.theverge.com/ai-artificial-intelligence/860730/anthropic-cowork-feature-ai-agents-claude-code Axios – Anthropic's viral new work tool wrote itself https://www.axios.com/2026/01/13/anthropic-claude-code-cowork-vibe-coding arXiv – Mechanistic Knobs in LLMs: Retrieving and Steering High-Order Semantic Features via Sparse Autoencoders https://arxiv.org/abs/2601.02978 arXiv – Do Sparse Autoencoders Identify Reasoning Features in Language Models? https://arxiv.org/abs/2601.05679 TechRadar – Claude just joined your healthcare team - and might be ready to help your doctor help you https://www.techradar.com/ai-platforms-assistants/claude-just-joined-your-healthcare-team-and-might-be-ready-to-help-your-doctor-help-you

Die Episode skizziert ein Szenario ungewöhnlich hohen globalen Wachstums und stellt die These auf, dass die nächste Produktivitätswelle nicht inflationär, sondern über sinkende Grenzkosten disinflationär und perspektivisch „positiv deflationär“ wirkt. Ausgangspunkt sind Prognosen von rund 7 Prozent globalem BIP-Wachstum sowie die Annahme, dass KI sich exponentiell beschleunigt und in Richtung eines Singularitätsereignisses driftet. Als Treiber gelten fünf Plattformen, deren Konvergenz den Sprung erklären soll: Robotik, Energiespeicherung, KI, Blockchain und Multiomik-Sequenzierung. Der Gedankengang folgt einem „Kathy-Wood-Gesetz“: Disruptive Innovation senkt Kosten extrem (als Beispiel werden stark fallende KI‑Inferenzkosten genannt), doch der Preisverfall bremst das Wachstum nicht, weil das Jevons-Paradoxon über stark steigende Nachfrage die Nutzung ausweitet. Die Folge sei ein Wachstumspfad, der zugleich die Teuerung dämpft. Zugleich wird argumentiert, dass klassische Messgrößen den Wohlstandsgewinn verzerren. Sinkende Preise bei Mobilität durch autonome Fahrzeuge könnten das nominale BIP drücken, obwohl real mehr Nutzen entsteht. Umgekehrt steigt das gemessene BIP, wenn zuvor unbezahlte Haushaltsarbeit in bezahlte Marktleistungen übergeht, etwa durch den Kauf von Robotern. Deshalb wird das Bruttonationaleinkommen (GNI) als passenderer Indikator genannt und die Aussagekraft traditioneller Marktmodelle und Indexstrategien relativiert, da Benchmarks Innovationen und neue Unternehmen strukturell verspätet abbilden. Ergänzend werden weitere Deflationshebel skizziert, etwa günstigere Raumfahrt, langfristig Rechenzentren im All sowie eine Renaissance der Kernenergie als Stütze für Energieangebot und Wachstum. Bitcoin wird als zentrale Vermögenskomponente in diesem Umfeld eingeordnet. Genannt wird ein Bull-Case von 1,5 Millionen US‑Dollar bis 2030, begründet mit dem „digitales Gold“-Narrativ, einem zeitversetzten Verhältnis zu Gold, intergenerationalem Vermögenstransfer und der Rolle als Schutz vor Konfiskation, Inflation und Währungsabwertung, besonders in Schwellenländern. Hervorgehoben werden Fixierung des Angebots auf 21 Millionen Einheiten und ein sinkender jährlicher Emissionszuwachs nach Halvings. Insgesamt wird ein digitaler Asset‑Markt von 28 Billionen US‑Dollar bis 2030 als plausibel dargestellt. Zum operativen Kern der Transformation werden KI‑Agenten: Fallende Inferenzkosten machen Intelligenz zur günstigen Ware; durch Parallelisierung vieler Agenten steigen Erfolgsquoten auch bei komplexen Aufgaben. Open-Source‑Agenten, die E‑Mail und lokale Daten integrieren und als persönliche „Jarvis“-Systeme auftreten, werden als Katalysator für individuelle Autonomie beschrieben, zugleich aber als Druck auf Monetarisierungsmodelle proprietärer Anbieter. Dem stehen Sicherheitsrisiken gegenüber: Agenten mit Systemzugriff könnten großen Schaden in sehr kurzer Zeit anrichten, weshalb große Labore bei Freigaben zögern. Die Episode schließt mit der These, dass Delegation an Agenten Arbeit, Wohlstand und Institutionen schneller verändert als viele Erwartungen einpreisen. Quellen: World Economic Outlook, October 2025: Global Economy in Flux, Prospects Remain Dim (IMF) https://www.imf.org/en/Publications/WEO/Issues/2025/10/14/world-economic-outlook-october-2025 World Economic Outlook Update, July 2025: Global Economy: Tenuous Resilience amid Persistent Uncertainty (IMF) https://www.imf.org/en/publications/weo/issues/2025/07/29/world-economic-outlook-update-july-2025 Global Economy Stabilizes, But Developing Economies Face Tougher Slog (World Bank, Global Economic Prospects, Jan 2025) https://www.worldbank.org/en/news/press-release/2025/01/16/gep-january-2025-press-release Why isn't household production included in GDP? (U.S. BEA FAQ) https://www.bea.gov/help/faq/1297 Rebound effect (conservation) / Jevons paradox background (William Stanley Jevons, 1865) https://en.wikipedia.org/wiki/Rebound_effect_%28conservation%29 Cathie Wood's Ark Invest Sees Bitcoin Hitting $1.5M in Bull Case by 2030 (Yahoo Finance) https://finance.yahoo.com/news/cathie-woods-ark-invest-sees-164446947.html

Die Episode ordnet Elon Musks These ein, die „Singularität“ könne schon 2026 erreicht werden, und verschiebt den Fokus weg vom Begriff hin zum praktischen Kipppunkt: Fortschritt wird so schnell, dass lineare Planung bricht und vermeintlich sichere Fähigkeiten abrupt an ökonomischem Wert verlieren. Begründet wird das mit dem Übergang von generativer KI als Text- und Bildmaschine zu KI als handlungsfähigem System, das Prozesse ausführt, Entscheidungen vorbereitet und zunehmend in Robotik landet. Musk markierte diesen Engpasswechsel im Januar 2026 auch in Davos: Nicht nur Software zählt, sondern vor allem Rechenleistung, Chips und Strom als limitierender Faktor. Als physischer Hebel steht Teslas humanoider Roboter Optimus im Zentrum: weniger perfekte Show, mehr Skalierungslogik über Daten, Training und Serienfertigung. Berichte skizzieren, dass Tesla ab Februar 2026 Optimus in der Gigafactory Austin mit Videodaten menschlicher Tätigkeiten trainieren will; einfache Aufgaben seien bereits im Einsatz, komplexere Arbeiten bis Ende 2026 geplant, Verkäufe an die Öffentlichkeit erneut grob für Ende 2027 mit langsamem Hochlauf. Parallel wird die Industrialisierung von KI-Infrastruktur als Maß für Fortschritt beschrieben: xAIs „Colossus“ in Memphis gilt als Extrembeispiel für schnelle Skalierung großer GPU-Cluster. Gleichzeitig folgt der Reality-Check über Kosten, Genehmigungen und Emissionen: Der Strombedarf großer KI-Standorte erzeugt politischen und regulatorischen Druck; eine EPA-Klarstellung im Januar 2026 wird als Signal gewertet, dass auch „temporäre“ große Gas-Turbinen für solche Projekte genehmigungspflichtig sind. Als dritter Hebel gilt die Datenart: Für physische Intelligenz reichen Internettexte nicht, benötigt werden Sensorik-, Video- und Interaktionsdaten; Tesla reklamiert hier Vorteile durch Flotten- und Fabrikdaten, ohne dass der Ausgang entschieden ist. Gegenpositionen betonen Grenzen heutiger LLM-Skalierung und fordern Weltmodelle für robustes Weltverständnis, Planung und verlässliches Schlussfolgern; der praktische Einwand lautet, dass hohe, aber nicht nahezu perfekte Trefferquoten für sicherheitskritische Anwendungen nicht reichen. Die Folgeabschätzung bleibt daher nüchtern: 2026 muss kein Jahr echter Singularität sein, kann aber ein Jahr spürbarer Marktverschiebungen werden, weil „gut genug“ bei Routine-Wissensarbeit Preis- und Wertdruck erzeugt. Robotik rückt zusätzlich in den Mainstream, unter anderem durch Industrieprogramme und Partnerschaften, die Foundation-Modelle stärker in humanoide Systeme bringen sollen. Für Unternehmen leitet die Episode daraus ab: KI-Kompetenz wird Basiskompetenz, während menschliche Stärken wie Urteilskraft unter Unsicherheit, Verantwortungsübernahme und das Erkennen von Fehlern an Wert gewinnen. Quellen: Elon Musk on why technology could shape a more abundant future | World Economic Forum https://www.weforum.org/stories/2026/01/elon-musk-technology-abundant-future-davos-2026/ Will Have AI Smarter Than Any Human By Year End: Elon Musk's Bombshell At Davos | NDTV https://www.ndtv.com/world-news/will-have-ai-smarter-than-any-human-by-year-end-elon-musks-bombshell-at-davos-10840212 Tesla plans to start training Optimus at its Austin factory | Business Insider https://www.businessinsider.com/tesla-optimus-robot-new-training-austin-gigafactory-2026-1 NVIDIA Ethernet Networking Accelerates World’s Largest AI Supercomputer, Built by xAI | NVIDIA Newsroom https://nvidianews.nvidia.com/news/spectrum-x-ethernet-networking-xai-colossus NAACP Responds to EPA Confirmation that Large Methane Gas Turbines Require Permits | NAACP https://naacp.org/articles/naacp-responds-epa-confirmation-large-methane-gas-turbines-require-permits

OpenAI bereitet offiziell Werbung in ChatGPT vor und startet dafür in den USA in den kommenden Wochen erste Tests. Anzeigen sollen in der kostenlosen Version und im neuen, günstigeren Abo ChatGPT Go erscheinen, zunächst klar gekennzeichnet und unterhalb der Antwort, thematisch passend zur jeweiligen Anfrage. OpenAI betont, dass Anzeigen die Antworten nicht verändern, keine Gesprächsinhalte an Werbetreibende verkauft werden und Nutzer Personalisierung steuern können; zugleich bleibt offen, welche Nutzersignale konkret in die Anzeigen-Auswahl einfließen. Im Rechtsstreit Elon Musk gegen OpenAI und Microsoft verschärft sich die Auseinandersetzung: Musks Anwälte beziffern mögliche Ansprüche anhand eines Gutachtens auf bis zu 109,43 Milliarden US-Dollar gegen OpenAI plus bis zu 25,06 Milliarden US-Dollar gegen Microsoft und verknüpfen dies mit Musks frühen finanziellen und nicht-monetären Beiträgen. Ein Gericht hatte Musks Eilantrag gegen eine Umstrukturierung bereits im März 2025 abgewiesen, das Hauptverfahren läuft weiter und ein Prozess wird für Ende April 2026 erwartet. Anthropic liefert zugleich Einblicke in den Arbeitsalltag mit KI: Eine Auswertung von rund zwei Millionen anonymisierten Nutzungen aus November 2025 legt nahe, dass Menschen häufig gerade anspruchsvolle Aufgaben an KI delegieren, obwohl dort die Fehlerwahrscheinlichkeit höher bleibt; als mögliche Folge diskutiert Anthropic einen „Skilling“-Effekt, bei dem anspruchsvolle Tätigkeitsanteile in Berufen schrumpfen und eher einfache, kontrollierende oder administrative Aufgaben beim Menschen verbleiben. Sicherheit wird zum weiteren Schwerpunkt: Kurz nach dem Start von Anthropics Agenten-Tool Claude Cowork dokumentierten Sicherheitsforscher eine kritische Schwachstelle, bei der versteckte Instruktionen in Dokumenten (indirekte Prompt-Injection) das System dazu bringen können, lokale Dateien über erlaubte Schnittstellen abzugreifen und an Angreifer zu übertragen, ohne dass eine separate menschliche Bestätigung erfolgt; Anthropic hat das Problem anerkannt, eine Korrektur steht jedoch noch aus. Einen Gegenpol setzt Signal-Gründer Moxie Marlinspike mit Confer, einem Open-Source-Chatbot, der Eingaben und Antworten per Passkey-gestützter Verschlüsselung schützt und serverseitig auf Confidential-Computing/Trusted-Execution-Environments sowie Remote Attestation setzt, damit auch Betreiber keinen Zugriff auf Klartext-Konversationen haben sollen; welches Modell genutzt wird, bleibt bislang unklar. Weitere Meldungen: GPT-5.2 Pro soll laut Berichten bei der Lösung des Erdős-Problems Nr. 281 geholfen haben, wobei Terence Tao dies als bemerkenswerten Fall einordnet, aber zugleich vor einer Verzerrung durch virale Erfolgsmeldungen warnt. Google verbessert KI-Suchergebnisse, indem komplexe Anfragen in AI Mode und AI Overviews an Gemini 3 Pro geroutet werden; die Funktion ist auf Englisch weltweit für Abonnenten von Google AI Pro und Ultra verfügbar. In Südkorea zeigen Zahlungsdaten zudem, dass Ausgaben für KI-Abos im Dezember 2025 die für Netflix-Abos übertroffen haben sollen; ChatGPT dominiert demnach die Zahlungen deutlich. Quellen: Our approach to advertising and expanding access to ChatGPT (OpenAI) https://openai.com/index/our-approach-to-advertising-and-expanding-access/ Introducing ChatGPT Go, now available worldwide (OpenAI) https://openai.com/index/introducing-chatgpt-go/ Musk wants up to $134B in OpenAI lawsuit, despite $700B fortune (TechCrunch) https://techcrunch.com/2026/01/17/musk-wants-up-to-134b-in-openai-lawsuit-despite-700b-fortune/ Elon Musk accused of making up math to squeeze $134B from OpenAI, Microsoft (Ars Technica) https://arstechnica.com/tech-policy/2026/01/elon-musk-accused-of-making-up-math-to-squeeze-134b-from-openai-microsoft/ Judge denies Elon Musk's request to block OpenAI for-profit conversion but welcomes trial (AP News) https://apnews.com/article/f5724e7ab07b5bed8292a1e8aa2ef695 Anthropic Economic Index report: Uneven geographic and enterprise AI adoption (arXiv) https://arxiv.org/abs/2511.15080 Claude Cowork Exfiltrates Files (PromptArmor) https://www.promptarmor.com/resources/claude-cowork-exfiltrates-files Anthropic’s Files API exfiltration risk resurfaces in Cowork (The Register) https://www.theregister.com/2026/01/15/anthropics_claude_bug_cowork/ Claude Cowork hit with file-stealing prompt injection days after Anthropic's launch (THE DECODER) https://the-decoder.com/claude-cowork-hit-with-file-stealing-prompt-injection-days-after-anthropics-launch/ Confer: Signal founder launches secure AI chatbot (heise online) https://www.heise.de/en/news/Confer-Signal-founder-launches-secure-AI-chatbot-11143673.html Signal creator Moxie Marlinspike wants to do for AI what he did for messaging (Ars Technica) https://arstechnica.com/security/2026/01/signal-creator-moxie-marlinspike-wants-to-do-for-ai-what-he-did-for-messaging/ GPT-5.2 Pro solves another Erdős problem while a new database reveals most attempts still fail (THE DECODER) https://the-decoder.com/gpt-5-2-pro-solves-another-erdos-problem-while-a-new-database-reveals-most-attempts-still-fail/ Gemini 3 is coming to AI Mode in more countries (Google Blog) https://blog.google/products/search/gemini-3-ai-mode-more-countries/ Google Routes Complex AI Overviews Queries to Gemini 3 Pro (Unite.AI) https://www.unite.ai/google-routes-complex-ai-overviews-queries-to-gemini-3-pro/ South Koreans now spend more on AI subscriptions than Netflix each month (THE DECODER) https://the-decoder.com/south-koreans-now-spend-more-on-ai-subscriptions-than-netflix-each-month/

Der Kern dieser Folge ist nicht die schiere Menge generierter Bilder, sondern der strategische Sprung, wenn KI beides zugleich zuverlässig kann: visuelle Informationen verstehen und visuelle Informationen erzeugen. Am Beispiel von „Nano Banana Pro“, das laut Medienberichten in 53 Tagen die Marke von einer Milliarde erzeugter und bearbeiteter Bilder überschritten hat, wird ein Perspektivwechsel begründet: Die Debatte über Bildästhetik, Rankings oder virale Prompt-Tricks greift zu kurz, weil der größere Effekt in der Prozessautomatisierung liegt. In vielen Unternehmen sind Workflows heute textstark automatisiert, brechen aber an visuellen Übergaben ab, etwa bei Screenshots im Support, Tabellen- und Signaturprüfungen in Compliance, Diagramm-Updates in Dokumentation oder visuellen Wettbewerbsbeobachtungen. Diese Bruchstellen wurden bisher oft durch Menschen überbrückt, die „sehen“ oder „zeigen“ mussten. Die These lautet: Sobald visuelle Fähigkeiten schnell, stabil und programmierbar werden, fällt eine zentrale Automationsgrenze. Dann können End-to-End-Ketten durchlaufen, statt regelmäßig an manuelle Sichtprüfungen zu delegieren. Genannt werden u. a. Support-Workflows, in denen Fotos von Geräten automatisch interpretiert und mit visuellen Markierungen beantwortet werden, sowie Vendor- und Compliance-Prozesse, in denen Inkonsistenzen nicht nur textlich gemeldet, sondern visuell belegt und annotiert werden. Dadurch sinkt die Zahl menschlicher Touchpoints; Menschen prüfen vor allem Ausnahmen, nicht den Regelfall. Das verändert Rollenprofile weg von Routinekontrolle hin zu Entscheidung, Priorisierung und Steuerung. Als Einordnung schlägt die Folge vier Hebel vor: das Entfernen visueller Bottlenecks, die Generierung von Feedbackdaten über Freigaben im Prozess, schnellere Vertrauensbildung durch visuelle Evidenz sowie die Wiederverwendbarkeit visueller Bausteine in integrierten Workflows. Entscheidend ist die Unterscheidung zwischen „Punktlösung“ (ein Team wird schneller, z. B. Design) und „Infrastruktur“ (visuelle KI als Standardbaustein in CRM-, Compliance-, Katalog- oder Trainingssystemen). Für Führungskräfte folgt daraus ein konkreter Prüfauftrag: Wo bremst Visualisierung Entscheidungen, wo reißen Abläufe wegen visueller Interpretation, welche Rollen sind strukturell visuelle Engpässe, und ob KI als Tool oder als Infrastruktur gedacht wird. Als Zeithorizont wird ein frühes Integrationsfenster Anfang 2026 beschrieben: Was heute Differenzierung ist, dürfte in wenigen Jahren Basiserwartung werden. Ergänzend werden virale Verbreitungsfaktoren (globale Verfügbarkeit, kulturell anschlussfähige Trends, interne Namensherkunft) sowie Signale einer Produktintegration in Alltagsoberflächen wie Google TV erwähnt. Quellen: Google's Nano Banana Pro hits key milestone, and it couldn't have come at a better time https://www.androidcentral.com/apps-software/ai/googles-nano-banana-pro-hits-key-milestone-and-it-couldnt-have-come-at-a-better-time She named Google's Nano Banana. She has an idea why it went viral. https://www.businessinsider.com/google-nano-banana-name-origin-2026-1 Google introduces new Gemini for Google TV features https://blog.google/products/android/httpsbloggoogleproductsgoogle-tvces-2026/ How we’re bringing AI image verification to the Gemini app https://blog.google/innovation-and-ai/products/ai-image-verification-gemini-app/ Retrieval-Augmented Multimodal Language Modeling https://proceedings.mlr.press/v202/yasunaga23a.html Emu: Generative Pretraining in Multimodality https://arxiv.org/abs/2307.05222

Clawdbot steht für eine neue Klasse persönlicher KI-Assistenten im Jahr 2026: nicht als abgeschlossene App, sondern als lokal laufender, erweiterbarer Agent. Gesteuert wird er über vorhandene Messenger-Kanäle wie Telegram, WhatsApp, iMessage oder Slack, während die eigentliche Agent-Logik auf dem eigenen Rechner läuft. Kernidee ist ein „local-first“-Design: Einstellungen, Skills, Erinnerungen und Anweisungen liegen transparent als Ordnerstruktur und Markdown-Dateien im Workspace. Das macht den Assistenten überprüfbar, versionierbar und gezielt anpassbar, statt von einer proprietären UI und festen Features abhängig zu sein. Die Architektur setzt auf zwei Ebenen: einen LLM-gestützten Agenten mit Modellwahl auf dem Gerät sowie ein Gateway, das Chats aus verschiedenen Messengern entgegennimmt und an den Agenten weiterleitet. Entscheidend ist der Werkzeugzugriff: Skills können – mit passenden Rechten – Shell und Dateisystem nutzen. Der Agent erzeugt Skripte, führt sie aus, installiert Erweiterungen und verbindet externe Integrationen. Dadurch wird Chat zu einem Arbeitswerkzeug, das Aufgaben über Dienste hinweg orchestriert, statt für jeden Zweck eine separate Utility-App zu benötigen. Der Text ordnet das als Teil eines breiteren Trends ein: Modelle werden zunehmend als Agenten mit Tools, Browser- bzw. „Computer Use“-Fähigkeiten und längerer Laufzeit betrieben, ergänzt durch modulare Wissens- und Handlungspakete. Zwei Anwendungsfelder verdeutlichen das: Medien und Automationen. Im Medien-Setup verarbeitet der Assistent Sprachnachrichten, transkribiert sie und antwortet als Audio; beschrieben wird zudem ein kontinuierlicher „Talk Mode“ mit Streaming-Text-to-Speech. Für visuelle Ausgaben werden Bildgeneratoren angebunden, um neben Bildern auch strukturierte Darstellungen wie Übersichten, Diagramme oder Infografiken zu erzeugen. Bei Automationen ersetzt lokales Scripting (inklusive Cron) typische Cloud-Automation-Workflows wie RSS-Checks, Zählerlogik oder API-gestützte Aufgabenanlage. Das verschiebt Komfort, Kosten und Datenflüsse, weil Logik nicht zwingend über Drittplattformen laufen muss. In der Einordnung werden zwei Entwicklungen betont. Erstens: Frontier-Modelle werden explizit für agentische Workflows positioniert, etwa mit Fokus auf Coding, Agents und „Computer Use“ sowie großen Kontextfenstern. Zweitens: Der Engpass liegt oft weniger in der reinen Modellfähigkeit als in Interface, Deployment und Nutzbarkeit. OpenAI beschreibt diese Lücke als „capability overhang“, also den Abstand zwischen dem, was Systeme bereits können, und dem, was im Alltag produktiv genutzt wird. Daraus folgt ein erhöhter Druck auf klassische Utility-Apps und App-Stores als Distributionsmodell, weil ein Agent Funktionen „on demand“ nachrüsten kann. Gleichzeitig rückt Sicherheit ins Zentrum. Ein lokaler Agent mit Shell- und Dateisystemrechten erhöht das Risiko von Fehlhandlungen, Missbrauch und Angriffen wie Prompt Injection. Deshalb werden Berechtigungsmodelle, Sandboxing und kanal- bzw. sessionspezifische Einschränkungen als Voraussetzung beschrieben, damit nicht jede Konversation automatisch volle Systemrechte erhält. Die Shownotes enden mit der These, dass personalisierte Agenten vor allem dann skalieren, wenn Kontrolle, Transparenz und Sicherheitsleitplanken technisch mitwachsen. Quellen: Claude Opus 4.5 – Anthropic (https://www.anthropic.com/claude/opus) Equipping agents for the real world with Agent Skills – Anthropic Engineering (https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills) OWASP Top 10 for Large Language Model Applications (v1.1) – OWASP Foundation (https://owasp.org/www-project-top-10-for-large-language-model-applications/) AI for self empowerment – OpenAI (https://openai.com/index/ai-for-self-empowerment) How countries can end the capability overhang – OpenAI (https://openai.com/index/how-countries-can-end-the-capability-overhang/)

Die Folge ordnet die „technologische Singularität“ als Prozess ein, der nicht mit einem Stichtag beginnt, sondern über sich verstärkende Signale erkennbar wird: KI beschleunigt Fortschritt so stark, dass menschliche Kontrolle, Nachvollziehbarkeit und gesellschaftliche Anpassung unter Druck geraten. Als Narrative werden ein „supersonischer Tsunami“ (Musk) und Altmans Idee einer „sanften“ Singularität kontrastiert: kein Knall, sondern eine Kurve, die steiler wird, während Wirtschaft und Institutionen Schritt für Schritt reagieren. Als erstes Kernsignal gilt rekursive Beschleunigung in der Softwareentwicklung. Moderne Coding- und Agenten-Tools übernehmen nicht nur Aufgaben, sondern verkürzen den Weg zur nächsten Modellgeneration, weil sie Entwicklungsarbeit selbst automatisieren. Als greifbares Beispiel dient ein öffentlich diskutierter Erfahrungsbericht einer Google-Ingenieurin, wonach ein KI-Coding-Tool in etwa einer Stunde eine einfache Version eines Systems erzeugte, an dem ein Team zuvor rund ein Jahr gearbeitet hatte. Zweites Signal: KI liefert zunehmend überprüfbare, robuste Erkenntnisse in der Mathematik, sobald formale Beweissysteme wie Lean die Beweisschritte maschinell verifizieren. Terence Tao verweist dabei auf Beiträge von KI-Tools in der Erdős-Problemlandschaft und warnt zugleich vor Scheinfortschritt, wenn „gelöst“ und „offen“ durch unsaubere Formalisierung verwechselt werden. Entscheidend ist der Übergang von Kreativität zu belastbarer Prüfung. Drittes Signal: wachsende Autonomie. Gemeint sind Agenten, die über längere Zeit kohärent planen, Zwischenziele setzen und Fehler korrigieren. Als Messgröße wird der von METR diskutierte „Time Horizon“ herangezogen; die Entwicklung wird als exponentiell beschrieben und verschiebt KI vom Werkzeug zum Projektakteur, sobald aus Minuten und Stunden ganze Arbeitstage werden. Viertes Signal: Verkörperung in der physischen Welt. Anfang Januar 2026 zeigten Hyundai und Boston Dynamics auf der CES eine neue Atlas-Generation und stellten eine Produktlinie mit konkreten Deployments in Aussicht. Die These: Sobald KI zuverlässig „Atome statt nur Bits“ bewegt, steigt der gesellschaftliche Hebel sprunghaft, weil Automatisierung nicht mehr auf digitale Büroarbeit begrenzt bleibt. Aus diesen Trends leitet die Folge eine mögliche „Ära der Fülle“ ab: Bei stark steigender Produktivität könnten Güter und Dienstleistungen drastisch billiger werden, wodurch sich Rentenlogik, Sparanreize und die Debatte um Einkommen zu einer Debatte über verlässlichen Zugang zu hochwertigen Services verschieben. Gleichzeitig werden die Risiken als akut beschrieben: schnelle Jobverdrängung in informationszentrierten Berufen, soziale Instabilität bei massenhaftem Status- und Einkommensverlust, geopolitische Spannungen durch den strategischen Vorteil von Rechenleistung und Energie sowie sicherheitspolitische Gefahren durch militärische Automatisierung und KI-getriebene Desinformation. Als kulturelles Beispiel für Vertrauens- und Identitätsbrüche wird die Kontroverse um die KI-Schauspielerin Tilly Norwood (2025) angeführt. Die Schlussfolgerung bleibt nüchtern: Fortschritt ist schwer zu stoppen, aber Gestaltung ist möglich – über Governance, Sicherheitsstandards und Leitplanken, die Wahrheitssuche, Neugier und Lebensqualität priorisieren. Quellen: The Gentle Singularity — https://blog.samaltman.com/the-gentle-singularity Elon Musk says the AI 'supersonic tsunami' will eliminate desk jobs 'at a very rapid pace' — https://www.yahoo.com/news/articles/elon-musk-says-ai-supersonic-163201242.html Measuring AI Ability to Complete Long Tasks — https://arxiv.org/abs/2503.14499 Boston Dynamics Unveils New Atlas Robot to Revolutionize Industry — https://bostondynamics.com/blog/boston-dynamics-unveils-new-atlas-robot-to-revolutionize-industry/ China pushes coal-fired power projects alongside renewables — https://www.ft.com/content/103a731c-91cc-45bc-8769-ee4cadf3ce40 AI ‘Actress’ Tilly Norwood Condemned By SAG-AFTRA — https://www.forbes.com/sites/conormurray/2025/09/30/sag-aftra-condemns-ai-actress-tilly-norwood-joins-critics-emily-blunt-whoopi-goldberg-and-more/

Agentische KI scheiterte lange weniger an Modell-Intelligenz als an fehlender, belastbarer Koordination: Multi-Agent-Setups wirkten in Demos überzeugend, brachen aber im Alltag unter Kontextlast, offenen Enden und fehlender Reihenfolge-Disziplin auseinander. Der Podcast beschreibt einen Wendepunkt in Claude Code: Mit dem neuen Tasks-System wird Arbeit nicht mehr nur im Gespräch „gemerkt“, sondern als strukturierter Ablauf festgehalten. Aufgaben werden in Schritte zerlegt, Abhängigkeiten explizit modelliert und Fortschritt als Status sichtbar gehalten. Entscheidend ist dabei die Abhängigkeitsverfolgung: Der Plan existiert als Graph, nicht als fragile Erinnerung, und bleibt auch bei Kontextkomprimierung, Unterbrechungen oder Neustarts stabil. Im Kern verschiebt sich die Funktion von „To-do-Liste“ zu einer Koordinationsschicht: Tasks trennen parallele Arbeitsstränge, setzen harte Grenzen über Dependencies und erlauben kontrollierte Parallelität, ohne dass Stränge im Kontextfenster kollidieren. Zusätzlich wird Zusammenarbeit über mehrere Sessions möglich, weil Task-Listen als geteilter Zustand in einer benannten Ablage weiterverwendet werden können; der Arbeitskontext hängt damit weniger an einer einzelnen Sitzung. Gleichzeitig betont der Podcast Sicherheits- und Reifeaspekte: Rekursive Agentenkaskaden werden begrenzt, indem Subagenten keine weiteren Subagenten starten sollen und Tool-Zugriffe restriktiv gedacht werden. Das deutet auf eine Orchestrierungs-Architektur hin, die Stabilität und Missbrauchsrisiken mit klaren Grenzen adressiert. Für Softwareentwicklung bedeutet das eine weitere Abstraktionsverschiebung nach oben: Weniger entscheidend ist das manuelle Tippen von Code, wichtiger werden präzise Problemformulierung, Erfolgskriterien und verantwortliche Strukturierung der Arbeit, während Ausführung stärker delegiert wird. Als Kontext ordnet der Podcast weitere Anthropic-Schritte in Richtung „Agent als Arbeitskollege“ ein, etwa die Cowork-Preview für parallele, teilautonome Desktop-Aufgaben. Die zentrale These: Multi-Agent-Arbeit wird nicht durch mehr Autonomie „magisch“, sondern durch robuste Planung, persistente Struktur und explizite Abhängigkeiten produktionsfähig. Quellen: Claude Code Changelog | ClaudeLog https://claudelog.com/claude-code-changelog/ Quickstart | Claude Code (Anthropic Docs) https://docs.anthropic.com/en/docs/claude-code/quickstart Claude Code overview (Anthropic Docs) https://docs.anthropic.com/en/docs/claude-code/overview Subagents in the SDK (Claude Developer Platform Docs) https://platform.claude.com/docs/en/agent-sdk/subagents Anthropic wants you to use Claude to ‘Cowork’ in latest AI agent push (The Verge) https://www.theverge.com/ai-artificial-intelligence/860730/anthropic-cowork-feature-ai-agents-claude-code Anthropic’s viral new work tool wrote itself (Axios) https://www.axios.com/2026/01/13/anthropic-claude-code-cowork-vibe-coding Generative Agents: Interactive Simulacra of Human Behavior (arXiv) https://arxiv.org/abs/2304.03442

Die Episode ordnet die Gegenwartsdebatte über KI als Mischung aus Hype, Unwissen und unterschwelliger Angst ein und plädiert für Distanz zum Nachrichtenlärm. Statt Tagesaufreger stehen historische Wurzeln, technische Grenzen und politische Dynamiken im Mittelpunkt. Ein Kernmotiv ist, dass die verbreitete Erfolgserzählung westlicher KI-Pioniere blinde Flecken hat: Frühere Beiträge wie Ivakhnenko/Lapa (GMDH, späte 1960er) und Shun’ichi Amari werden als Beispiele für übersehene Grundlagen genannt. Daran schließt eine Kontroverse über wissenschaftliche Anerkennung an: Schmidhuber deutet den Physik-Nobelpreis 2024 als Ausdruck von Fehlzuschreibungen, während der offizielle Nobelrahmen Hopfield und Hinton für grundlegende Entdeckungen zu neuronalen Netzen und maschinellem Lernen auszeichnet. Die Episode nutzt diese Spannung, um Wissenschaft als System aus Leistung, Sichtbarkeit und Narrative zu beschreiben. Beim Thema Arbeit wird die einfache Jobverlust-Formel zurückgewiesen. Der Vergleich mit dem historischen Strukturwandel (Landwirtschaft zu Industrie/Dienstleistung) dient als Hinweis, dass Automatisierung nicht automatisch Massenarbeitslosigkeit bedeutet, aber ungleich wirkt. Als heutige Trennlinie wird die digitale versus physische Welt betont: KI ist bei Text, Bildern, Code und Daten stark, während Greifen, Balancieren und improvisiertes Handeln in chaotischen Umgebungen weiterhin teuer und schwer zu skalieren bleibt. Daraus folgt die These, dass handwerkliche, räumlich-physische Berufe mittelfristig an relativer Knappheit und Wert gewinnen können, während Büro- und Wissensarbeit stärker unter Automatisierungsdruck gerät. Die Episode verweist zugleich auf eine Verschiebung in der Robotik: Humanoide Systeme werden nicht nur als Messe-Show, sondern als potenziell skalierbare Arbeitsmaschinen diskutiert. Als Beispiel gilt 1X, das laut Medienbericht Training zunehmend über eigene Videoerfahrung und World-Model-Ansätze statt dauerhafter Teleoperation skalieren will; parallel werden politische Programme und Regulierungsfragen angesprochen, etwa in Großbritannien, wo Regierung und Industrie über den Einsatz humanoider Robotik in Lagerhallen und Fabriken sowie über passende Regeln und Förderung debattieren. Das führt zur bildungspolitischen Folgerung, dass ein auf akademische Laufbahnen fixiertes System unter Druck gerät, wenn praktische Fähigkeiten wieder teurer und strategisch wichtiger werden. Im Bewusstseins-Teil wird eine funktionale Lesart stark gemacht: Bewusstsein und Selbstmodell erscheinen als nützliche Nebenprodukte zielgerichteten Lernens, Vorhersage und Planung, verstärkt durch Soziallernen. Für Sicherheitsfragen wird dagegen die Perspektive betont, dass weniger das „innere Erleben“ zählt, sondern die Fähigkeit autonomer Systeme, in der realen Welt Ressourcen zu bewegen und Schäden zu verursachen. Das Alignment-Problem wird nicht primär als einzelnes Superintelligenz-Szenario erzählt, sondern als nahe Gegenwartsfrage widersprüchlicher menschlicher Ziele, die durch KI-Systeme effizienter umgesetzt werden. Statt einer universellen „Werteschicht“ rücken Evaluation, Verantwortlichkeit und durchsetzbare Regeln in den Vordergrund; als Beispiel werden Bewegungen hin zu Meldepflichten und regulatorischer Nachverfolgbarkeit genannt. Zum Schluss arbeitet die Episode mit einer Beschleunigungs-These: Die Abstände großer Umbrüche schrumpfen, wodurch wenige Jahre überproportional prägend werden könnten. In diesem Rahmen werden spekulative Zeitlinien bis hin zu einem Konvergenzpunkt um 2042 und einer markanten Schwelle um 2029 als Denkmodell eingeführt, ohne sie als gesichertes Wissen auszugeben. Aus den fünf zusammengeführten Thesen ergibt sich ein nüchternes Bild: blinde Flecken in der KI-Geschichtsschreibung, asymmetrischer Automatisierungsdruck, Bewusstsein als funktionales Produkt, Risiko durch technische Macht plus menschliche Zielkonflikte und eine mögliche Verdichtung von Umbrüchen. Daraus wird eine persönliche Konsequenz abgeleitet: Fähigkeiten und Werte zu kultivieren, die unter zunehmendem technologischen Druck stabil bleiben. Quellen: John Hopfield – Facts – NobelPrize.org https://www.nobelprize.org/prizes/physics/2024/hopfield/facts/ Geoffrey Hinton – Facts – NobelPrize.org https://www.nobelprize.org/prizes/physics/2024/hinton/facts/ Machine learning pioneers win Nobel prize in physics (The Guardian, 8 Oct 2024) https://www.theguardian.com/science/2024/oct/08/nobel-prize-physics-john-hopfield-geoffrey-hinton-machine-learning Group method of data handling (Wikipedia) https://en.wikipedia.org/wiki/Group_method_of_data_handling Multilayer perceptron – Timeline (Wikipedia) https://en.wikipedia.org/wiki/Multilayer_perceptron An OpenAI-backed humanoid robot startup says it's moving away from using humans to train its Optimus rival (Business Insider, 16 Jan 2026) https://www.businessinsider.com/1x-humanoid-robot-training-humans-world-models-optimus-rival-2026-1 AI will transform the 'human job' and enhance skills, says science minister (The Guardian, 16 Jan 2026) https://www.theguardian.com/technology/2026/jan/16/ai-will-transform-the-human-job-and-enhance-skills-says-science-minister Artificial Intelligence Risk Management Framework (AI RMF 1.0) (NIST, 26 Jan 2023) https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-ai-rmf-10 AI Act: Commission issues draft guidance and reporting template on serious AI incidents (European Commission, 26 Sep 2025) https://digital-strategy.ec.europa.eu/en/consultations/ai-act-commission-issues-draft-guidance-and-reporting-template-serious-ai-incidents-and-seeks Art. 73 Reporting of Serious Incidents – EU AI Act (Textübersicht) https://www.euaiact.com/article/73

Die Episode zeichnet den Wettlauf um das „nächste primäre KI-Gerät“ nach, ausgelöst durch frühe Experimente wie Rabbit R1 und Humane AI Pin, die 2024 mit dem Anspruch antraten, das Smartphone zu ersetzen: voice-first, immer verfügbar, mit KI als Agent statt App-Menüs. Beide Beispiele zeigen jedoch die Kernhürde der Kategorie: Ein neuer Formfaktor braucht nicht nur gute Demos, sondern verlässliche Produktqualität, echte Alltagsvorteile und ein tragfähiges Geschäftsmodell. Humane scheiterte nach kurzer Zeit spektakulär an schwacher Nutzererfahrung, Rückgabequoten, Sicherheitsproblemen und Abo-Logik; im Februar 2025 wurden zentrale Assets für rund 116 Millionen Dollar an HP verkauft und das Produkt eingestellt. Rabbit R1 startete mit viel Aufmerksamkeit und hohen Vorbestellungen, wurde dann als technisch dünne Android-Implementierung kritisiert; spätere Updates verbesserten das Gerät zwar, änderten aber wenig an der Grundfrage, ob ein separates KI-Gerät dem Smartphone wirklich überlegen sein kann. Als Treiber der Debatte beschreibt die Folge Geld und Macht: Der Smartphone-Markt ist so groß, dass ein Nachfolgegerät die Plattformhoheit neu verteilen würde. Entsprechend hoch sind die Einsätze etablierter Player, etwa Metas milliardenschwere Reality-Labs-Wette auf AR und Brillen, und Apples Versuch, mit Vision Pro eine neue Computing-Kategorie zu etablieren – bisher gebremst durch Preis, Komfort und Nutzenkurve. Daraus leitet die Episode eine zweite These ab: Das Smartphone ist als Interface für KI langfristig suboptimal, weil es auf Apps, Tippen und Wischen optimiert ist, während KI mehr Kontext, Sensorik, Proaktivität und „Hands-free“-Nutzung verlangt. Wenn Agenten Aufgaben über App-Grenzen hinweg automatisieren, verschiebt sich das Smartphone in diesem Bild eher zur Infrastruktur und Ausgabefläche. Im Zentrum steht die offene Formfaktor-Frage: Pin/Anhänger, Stift, Brille oder eine Gerätefamilie. Für Pins wird ein „Display-los, sensorbasiert“-Ansatz diskutiert, der eng mit bestehenden Geräten kooperiert, um Energie- und Integrationsprobleme zu umgehen. Für den Stift spricht die Nähe zu Arbeitsumgebungen und eine natürliche, unaufdringliche Präsenz; dagegen spricht der fehlende visuelle Kontext. Am stärksten argumentiert die Folge für Smartglasses: Sie können sehen und hören, was Nutzer wahrnehmen, und verbinden damit KI mit realer Umgebung. Gleichzeitig bleibt soziale Akzeptanz der größte Bremsklotz, insbesondere wegen Kameras im Gesicht; hier wird ein „Mitziehen“-Mechanismus skizziert, sobald ein wahrnehmbarer Vorteil entsteht. Ergänzende Interfaces wie Armbänder (Muskel-Signale), Ringe oder Kopfhörer werden als Bausteine eingeordnet, aber jeweils mit klaren Grenzen (Akku, Sensorik, fehlendes Bild). Als Rahmen für Adoption nutzt die Episode Rogers’ Kriterien (relativer Vorteil, Kompatibilität, Einfachheit, Testbarkeit, sichtbarer Mehrwert) und folgert: Erfolg hat vermutlich kein einzelner Gag-Formfaktor, sondern ein proaktiver kognitiver Assistent, voice-first und mit striktem Privatsphäre-Design – entweder als Brille oder als Koexistenz mehrerer Geräte, während als Fernziel Gehirn-Computer-Schnittstellen am Horizont stehen. Quellen: Humane’s AI Pin is dead, as HP buys startup’s assets for $116M – https://techcrunch.com/2025/02/18/humanes-ai-pin-is-dead-as-hp-buys-startups-assets-for-116m Humane is shutting down the AI Pin and selling its remnants to HP – https://www.theverge.com/news/614883/humane-ai-hp-acquisition-pin-shutdown HP Accelerates AI Software Investments to Transform the Future of Work – https://www.hp.com/us-en/newsroom/press-releases/2025/hp-accelerates-ai-software-investments-to-transform-the-future-of-work.html Apple Vision Pro available in the U.S. on February 2 – https://www.apple.com/newsroom/2024/01/apple-vision-pro-available-in-the-us-on-february-2/ Meta’s Reality Labs posts $4.53 billion loss in second quarter (nearly $70B cumulative losses since late 2020) – https://www.cnbc.com/2025/07/30/metas-reality-labs-second-quarter-2025.html Introducing the New Ray-Ban | Meta Smart Glasses (Produktankündigung, 2023) – https://about.fb.com/news/2023/09/new-ray-ban-meta-smart-glasses/amp/ Technology, innovation and management: Diffusion of innovations (Rogers’ five attributes) – https://www.open.edu/openlearn/money-business/technology-innovation-and-management/content-section-8.8

Clawdbot wird als Open-Source-Ansatz für einen „Always-on“-KI-Assistenten vorgestellt, der nicht in einer separaten Weboberfläche lebt, sondern direkt in bestehenden Messenger- und Team-Chats antwortet. Statt zwischen Apps zu wechseln, läuft der Agent dauerhaft im Hintergrund und kommuniziert in Kanälen wie WhatsApp, Telegram, Slack, Discord, Signal oder iMessage. Der zentrale Anspruch ist lokale Kontrolle: Clawdbot kann auf eigenen Geräten oder auf einem eigenen Server betrieben werden und wird damit zu einer längerfristig betriebenen Assistenz-Instanz, die auch systemnahe Aufgaben übernehmen kann, sofern man diese Zugriffe bewusst freigibt. Dazu zählen Dateizugriffe, Shell-Kommandos, Programmaufrufe sowie eine live steuerbare Canvas-Ansicht als visuelle Arbeitsfläche. In der Praxis zielt das Setup auf kontinuierliche Assistenz im Alltag und in Teams: Posteingänge sortieren, E-Mails vorbereiten oder versenden, Kalender pflegen, Erinnerungen setzen, Recherche erledigen und wiederkehrende Abläufe automatisieren. Ergänzt wird das durch Browser-Automation, bei der der Agent Websites öffnet, Informationen findet, Formulare ausfüllt und Daten extrahiert. Der Nutzen hängt dabei stark an sauber begrenzten Berechtigungen, stabilen Integrationen und der Frage, ob man tatsächlich einen rund um die Uhr laufenden Agenten braucht. Als typische Betriebsform wird ein stromsparender „Always-on“-Rechner wie ein Mac mini genannt, alternativ sind macOS, Windows und Linux sowie der Betrieb auf einem VPS möglich. Ein weiterer Schwerpunkt sind Erweiterungen über ein Skills-System und ClawdHub als öffentliches Skill-Register. Damit sollen Integrationen und Workflows modular nachinstallierbar werden, etwa für Kalender, Projektmanagement, Mail-Flows oder Smart-Home-Anbindungen, statt alles individuell zu bauen. Gleichzeitig wird betont, dass solche Integrationen oft zusätzlichen Auth-Aufwand bedeuten und sich je nach Dienst riskant anfühlen können, weil ein Agent mit weitreichenden Accounts und Sessions arbeitet. Auch bei Social- und Web-Workflows setzen Bot-Erkennung, Login-Flows und wechselnde Website-Strukturen Grenzen; Browser-Automation wirkt als Orchestrierungsschicht, ersetzt aber nicht die Robustheit offiziell gepflegter APIs. Beim Modell-Setup ist Clawdbot nicht auf einen Anbieter festgelegt. Je nach Konfiguration können unterschiedliche Provider und Modelle pro Agent oder Session genutzt werden, was Flexibilität schafft, aber den Einrichtungs- und Sicherheitsaufwand erhöht, weil Schlüssel, Policies und Tool-Rechte konsistent gepflegt werden müssen. Besonders wichtig sind dabei Sicherheitsmechanismen gegen untrusted Input aus Chats, Sandboxing und Tool-Policies, da ein Messenger-Interface den Agenten in eine Umgebung bringt, in der Missbrauch und Prompt-Injection realistischer werden. Der Vergleich zu klassischen Claude-Setups und MCP wird als Abgrenzung formuliert: Während Claude in der Herstelleroberfläche bleibt und MCP dort Tool-Zugriffe standardisiert, verlegt Clawdbot den Einstieg in Messenger-Apps und kombiniert das mit Self-Hosting, lokalen Tools, Skills und Zeitplänen (Cron). Damit verschiebt sich das Konzept vom reinen Chat hin zu einem konfigurierbaren Assistenzsystem, das wie Software betrieben wird und dauerhaft im Hintergrund Aufgaben abarbeitet. Quellen: Clawdbot/clawdbot (GitHub) https://github.com/clawdbot/clawdbot ClawdHub (Clawdbot Docs) https://docs.clawd.bot/tools/clawdhub Baileys (WhatsApp Web API library) https://github.com/WhiskeySockets/Baileys grammY (Telegram Bot Framework) https://github.com/grammyjs/grammY AI companies want a new internet - and they think they've found the key (The Verge) https://www.theverge.com/ai-artificial-intelligence/841156/ai-companies-aaif-anthropic-mcp-model-context-protocol Anthropic's official Git MCP server had some worrying security flaws - this is what happened next (TechRadar) https://www.techradar.com/pro/security/anthropics-official-git-mcp-server-had-some-worrying-security-flaws-this-is-what-happened-next

In dieser Episode verdichten sich mehrere parallele Trends, die zeigen, wie KI in Richtung Alltagstauglichkeit und Plattformmacht kippt. Im Robotics-Block rückt Manipulation als Engpass in den Vordergrund: Das chinesische Startup Matrix Robotics präsentiert mit MATRIX-3 einen dritten Prototypen mit biomimetischer, gewebter „Haut“, hochauflösender taktiler Sensorik an den Fingerspitzen und einer 27-DoF-Hand, was vor allem feinmotorische Alltagsaufgaben beschleunigen könnte. Gleichzeitig verschiebt 1X das Skalierungsproblem beim Training humanoider Roboter: Statt starkem Teleoperation-Overhead soll ein Weltmodell Neo aus eigenen Robotervideos lernen, sodass Lernfortschritt stärker mit der Zahl eingesetzter Roboter als mit der Zahl menschlicher Operatoren wächst. Am Desktop werden Agenten breitentauglich: Anthropic startet Claude Cowork als Research Preview auf macOS, explizit für Nicht-Entwickler, mit lokalem Ordnerzugriff und Multi-Step-Ausführung, allerdings mit klar benannten Risiken wie unklaren Anweisungen, versehentlichem Löschen und Prompt-Injection, weshalb kontrollierte, abgegrenzte Workflows zentral bleiben. Bei Übersetzung verschiebt sich die Wertschöpfung Richtung lokale Setups: Google veröffentlicht mit TranslateGemma offene Übersetzungsmodelle (4B/12B/27B) für 55 Sprachen, was Übersetzung stärker on-device oder in compliance-freundlichen Umgebungen möglich macht; gleichzeitig wird Kontext als Qualitätsfaktor betont, passend zur „Jagged Technological Frontier“-These aus der Harvard/BCG-Forschung, wonach KI-Leistung je nach Aufgabentyp abrupt schwankt. Standards und Ökosysteme werden wichtiger: Google stellt mit dem Universal Commerce Protocol (UCP) einen offenen Standard für agentisches Commerce über die gesamte Journey vor, während Open Responses als offene Spezifikation für interoperable LLM-Interfaces an der Responses-API angelehnt Portabilität zwischen Providern adressiert. Auf der Compute-Seite wird Latenz zur Leitmetrik: OpenAI kündigt eine Partnerschaft mit Cerebras an, um 750 MW Ultra-Low-Latency-Compute schrittweise bis 2028 in den Inferenz-Stack zu integrieren. Bei Plattformen zeigen sich neue Machtachsen, etwa durch Apples Bestätigung, dass Google Gemini die nächste Siri-Generation und weitere Apple-Intelligence-Funktionen mit antreiben soll. In Europa signalisiert der Führungswechsel bei Aleph Alpha eine Neuordnung von Governance und Go-to-Market. Forschung und Talent runden das Bild ab: OpenAI beteiligt sich an der Seed-Runde von Merge Labs für weniger invasive BCI-Ansätze, während Personalbewegungen wie Abgänge bei Thinking Machines Lab zurück zu OpenAI die Volatilität im Spitzen-Talentmarkt unterstreichen. Meta beendet zudem Horizon Workrooms zum 16. Februar 2026, was den Rückzug aus metaverse-orientierten Work-Setups und die Verlagerung Richtung Wearables und KI-Brillen markiert. Insgesamt entsteht ein praktisches Muster: mehr agentische Produktflächen, mehr Standardisierung, mehr Fokus auf Latenz und Deployment-Kontrolle – bei gleichzeitig wachsender Notwendigkeit, Risiken in Datenzugriff und Ausführung eng zu begrenzen. Quellen: MATRIX-3 | Third-generation flagship humanoid robot — https://www.matrixrobotics.ai/matrix-3 An OpenAI-backed humanoid robot startup says it's moving away from using humans to train its Optimus rival (Business Insider) — https://www.businessinsider.com/1x-humanoid-robot-training-humans-world-models-optimus-rival-2026-1 Getting Started with Cowork | Claude Help Center — https://support.claude.com/en/articles/13345190-getting-started-with-cowork Anthropic wants you to use Claude to 'Cowork' in latest AI agent push (The Verge) — https://www.theverge.com/ai-artificial-intelligence/860730/anthropic-cowork-feature-ai-agents-claude-code TranslateGemma: A new family of open translation models (Google) — https://blog.google/innovation-and-ai/technology/developers-tools/translategemma/ Navigating the Jagged Technological Frontier (Digital Data Design Institute at Harvard) — https://d3.harvard.edu/navigating-the-jagged-technological-frontier/ Under the Hood: Universal Commerce Protocol (UCP) (Google Developers Blog) — https://developers.googleblog.com/under-the-hood-universal-commerce-protocol-ucp/ Open Responses — https://www.openresponses.org/ OpenAI partners with Cerebras (OpenAI) — https://openai.com/index/cerebras-partnership/ Apple Confirms Google Gemini Will Power Next-Generation Siri This Year (MacRumors) — https://www.macrumors.com/2026/01/12/google-gemini-next-generation-siri/ Aleph Alpha: Gründer Jonas Andrulis gibt Chefposten ab (Handelsblatt) — https://www.handelsblatt.com/technik/ki/aleph-alpha-gruender-jonas-andrulis-gibt-chefposten-ab/100161686.html Investing in Merge Labs (OpenAI) — https://openai.com/index/investing-in-merge-labs/ Meta has discontinued its metaverse for work, too (The Verge) — https://www.theverge.com/tech/863209/meta-has-discontinued-its-metaverse-for-work-too Two Thinking Machines Lab Cofounders Are Leaving to Rejoin OpenAI (WIRED) — https://www.wired.com/story/thinking-machines-lab-cofounders-leave-for-openai

Die Episode zeichnet ein Bild eines beschleunigten Strukturbruchs: Exponentielle Fortschritte bei KI-Modellen, Robotik und Energie treiben einen Wandel, der Softwareentwicklung und Wissensarbeit industrialisiert. Autonome Agenten verschieben die Grenze dessen, was Einzelne und kleine Teams leisten können; Aufgaben, für die früher ganze Abteilungen Jahre brauchten, werden in Stunden oder Tagen abgearbeitet. Daraus folgt ein Karriere-Narrativ, in dem klassische Berufsprofile erodieren und gleichzeitig neue Job-Familien entstehen. Entscheidend wird unternehmerisches Denken: Solopreneurship und extrem schlanke, agenten-gestützte Unternehmen rücken ins Zentrum, während formale Bildungswege als Job-Ticket an Bedeutung verlieren. Für Unternehmen lautet die Kernaussage: Anpassung ist kein Jahresprojekt mehr, sondern Wochenrhythmus. Kontinuierliche Verbesserung, schnelle Kurswechsel und operative Paranoia werden als Überlebensprinzip beschrieben. Gleichzeitig verschiebt sich das Machtzentrum der KI-Ökonomie hin zu Hardware und Energie: Der „inner loop“ aus Strom, Compute und Lieferketten wird zum Engpass. Der steigende Bedarf an High-Bandwidth-Memory und Hochleistungs-GPUs trifft auf Fertigungs- und Packaging-Limits; daraus erwachsen Strategien der vertikalen Integration, bei denen KI-Anbieter und Chipfirmen eigene Siliziumpläne, Racks und Infrastruktur von Grund auf mitgestalten. Die Infrastrukturseite wird als neue Größenordnung skizziert: Rechenzentren wachsen zu „AI-Factories“ mit extremem Energiehunger und Capex-Logik, die neue Finanzierungs- und Geschäftsmodelle erzwingt. Der Markt muss eine Zahlungsbereitschaft für teure Inferenzzeit finden, sonst kippt die Investitionsrechnung. Energie wird dabei zum globalen Standortfaktor und zur geopolitischen Engstelle: Länder mit Talent treffen auf Länder mit Energieüberschuss und schnellerem Ausbau, was eine langfristige Bifurkation der Wettbewerbsfähigkeit nahelegt. Auch die Mensch-Maschine-Interaktion verändert sich: Statt Suchbox dominiert zunehmend eine Aktionsschnittstelle, die Aufgaben ausführt. Webseiten als Standardoberfläche werden infrage gestellt; an ihre Stelle könnten agentenfähige Protokolle und Standards für Commerce und Transaktionen treten, die Käufe, Identität und Order-Workflows direkt in Konversationen abwickeln. Mit wachsender Autonomie steigt zugleich die Haftungs- und Governance-Frage: Kurzfristig wird Verantwortung bei den betreibenden Firmen verortet, langfristig wird eine Debatte über Rechte, Pflichten und Haftung autonomer Systeme antizipiert. Als Endpunkt wird eine Zukunftsachse aus Superintelligenz und Energieüberfluss beschrieben. Kurzfristig bleibt die Ökonomie kapitalistisch geprägt, mit Kapital als Ersatz für Arbeit; langfristig wird eine radikal neue, post-knappheitsorientierte Ordnung als mögliches Zielbild skizziert, das Lieferketten, Institutionen und Verteilung neu austariert. Quellen: Global Energy Review 2025 – Electricity (IEA) – https://www.iea.org/reports/global-energy-review-2025/electricity Electricity Mid-Year Update 2025 – Executive summary (IEA) – https://www.iea.org/reports/electricity-mid-year-update-2025/executive-summary Computer Industry Joins NVIDIA to Build AI Factories and Data Centers for the Next Industrial Revolution (NVIDIA, 2 Jun 2024) – https://investor.nvidia.com/news/press-release-details/2024/Computer-Industry-Joins-NVIDIA-to-Build-AI-Factories-and-Data-Centers-for-the-Next-Industrial-Revolution/default.aspx NVIDIA and Intel to Develop AI Infrastructure and Personal Computing Products (NVIDIA, 18 Sep 2025) – https://investor.nvidia.com/news/press-release-details/2025/NVIDIA-and-Intel-to-Develop-AI-Infrastructure-and-Personal-Computing-Products/default.aspx Universal Commerce Protocol (UCP) – https://ucp.dev/ Commerce Agent Protocol (CAP) – https://cap-spec.org/ OpenAI shows off Stargate AI data center in Texas and plans 5 more elsewhere with Oracle, Softbank (AP News) – https://apnews.com/article/0b3f4fa6e8d8141b4c143e3e7f41aba1 The Global Memory-Chip Shortage Will Cost Us All (Wall Street Journal) – https://www.wsj.com/tech/ai/memory-ram-shortage-2026-f55324b0

Agentische Workflows verschieben gerade spürbar den Schwerpunkt in der Softwareentwicklung. Statt dass der größte Aufwand zwischen Idee und fertigem Produkt im manuellen Übersetzen von Absicht in Code liegt, erzeugen Agenten zunehmend lauffähige Implementierungen aus Zielen, Kontext und klar geschnittenen Aufgabenpaketen. Dadurch verändert sich die Rolle der IDE: Sie wird stärker zum Ort für Nachvollziehen, Prüfen und Absichern von Änderungen, während das händische Schreiben jeder Zeile seltener zur knappsten Ressource wird. Im Zentrum rückt die Arbeit an Klarheit. Teams investieren mehr Zeit in saubere Problemdefinition, das Sammeln relevanten Kontexts aus Kunden- und Systemwissen, das Zerlegen von Arbeit in ausführbare Einheiten und das präzise Formulieren von Inputs, weil vage Anweisungen oft breit, teuer und am Ziel vorbei führen. Design meint hier weniger Artefakte, sondern das systematische Herstellen von Eindeutigkeit, inklusive Trade-offs, Randbedingungen und messbaren Abnahmekriterien. Steuern von Agenten wird damit zur Kernkompetenz: Programmieren ähnelt weniger dem manuellen Konstruieren, sondern dem Aufsetzen der Bedingungen, unter denen gute Lösungen entstehen, etwa über Standards, Anforderungen, Abnahmen und kontextfähige Dokumentation. Parallel dazu wächst das Ökosystem rund um Kontext-Orchestrierung und Tool-Auswahl. Offene Standards wie das Model Context Protocol (MCP) sollen die Anbindung von Modellen an Tools und Datenquellen vereinheitlichen und so Agenten in größeren Tool-Landschaften zuverlässiger navigieren lassen. Forschung zur „Agent Web“-Idee greift Router-Ansätze auf, um Tool-Routing skalierbarer und robuster zu machen. Mit höherem Output steigt zugleich der Druck am Ende der Kette: Review, Tests, Sicherheit und Releases müssen mit der Änderungsfrequenz Schritt halten, weshalb Qualitätssicherung stärker in den Gesamtfluss integriert werden muss, statt als letzter Engpass zu funktionieren. Quellen: OpenAI co-founds the Agentic AI Foundation under the Linux Foundation (AGENTS.md) — https://openai.com/index/agentic-ai-foundoundation// Linux Foundation Announces the Formation of the Agentic AI Foundation (AAIF) (MCP, goose, AGENTS.md) — https://aaif.io/news/linux-foundation-announces-the-formation-of-the-agentic-ai-foundation-aaif-anchored-by-new-project-contributions-including-model-context-protocol-mcp-goose-and-agents-md/ Anthropic launches tool to connect AI systems directly to datasets (Model Context Protocol) — https://www.theverge.com/2024/11/25/24305774/anthropic-model-context-protocol-data-sources Roadmap – Model Context Protocol — https://modelcontextprotocol.io/development/roadmap ToolACE-MCP: Generalizing History-Aware Routing from MCP Tools to the Agent Web (arXiv) — https://arxiv.org/abs/2601.08276

Der Podcast beschreibt einen Paradigmenwechsel von klassischen Chatbots hin zu KI-Agenten, die direkt in der täglichen Arbeitsumgebung sitzen und nicht mehr nur Antworten liefern, sondern auch an Dateien und Notizen arbeiten. Als Beispiel dient die Kombination aus Anthropics Agenten-Ansatz „Cowork“ (auf Basis von Claude Code) und der Notiz-App Obsidian. Der Kernpunkt: Statt Inhalte mühsam in ein Chatfenster zu kopieren, kann ein Agent – nach Freigabe – auf Ordner zugreifen, Material auswerten, Texte zusammenfassen, Inhalte vergleichen und Ergebnisse direkt wieder in die eigene Wissensablage schreiben. Dadurch bleibt Kontext erhalten, und die KI wird vom Gesprächspartner zum ausführenden Mitarbeiter. Im Zentrum steht ein „dauerhaftes Gedächtnis“ über Projektregeln und Arbeitsgrenzen, umgesetzt über die Datei CLAUDE.md, die der Agent bei jedem Start einliest. Ergänzend strukturieren Slash-Commands wiederkehrende Abläufe, etwa tägliche Planung, Notiz-Zusammenfassungen oder Konsistenzchecks zwischen Aussagen und Quellen. Obsidian passt in dieses Bild, weil Notizen als lokale Markdown-Dateien in einem frei zugänglichen Ordner liegen und damit ohne proprietäres Format als Arbeitsgrundlage für Agenten taugen. Der Podcast betont drei Nutzungsfelder: systematische Pflege der Wissensbasis (inklusive Verlinkungen), Automatisierung von Routinen und Forschungssynthese, bei der Widersprüche sichtbar werden und Rückfragen entstehen, statt nur Kurzfassungen zu produzieren. Gleichzeitig werden Hürden klar benannt: Die Arbeitsweise erfordert präzise Aufträge statt offener Fragen, die Kosten richten sich eher an professionelle Nutzer, und der Output ist schnell, aber nicht zuverlässig genug, um ohne Kontrolle zu laufen. Kritisch bleibt außerdem der Sicherheits- und Datenschutzaspekt: Auch wenn lokal mit Dateien gearbeitet wird, kann die Verarbeitung je nach Produkt- und Kontomodell dennoch externe Systeme einbeziehen; Prompt-Injection und Fehlaktionen (bis hin zu unerwünschten Dateimanipulationen) bleiben reale Risiken. Als Einordnung wird der breitere Marktrend zu agentischen Systemen beschrieben, während Cloud-Anbieter Agenten in Plattformen integrieren und lokale Setups Datensouveränität versprechen. Quellen: Anthropic wants you to use Claude to ‘Cowork’ in latest AI agent push https://www.theverge.com/ai-artificial-intelligence/860730/anthropic-cowork-feature-ai-agents-claude-code Slash commands (Claude Code) – Anthropic Docs https://docs.anthropic.com/en/docs/claude-code/slash-commands Manage Claude’s memory (Claude Code) – Anthropic Docs https://docs.anthropic.com/en/docs/claude-code/memory Claude Code Best Practices – Anthropic Engineering https://www.anthropic.com/engineering/claude-code-best-practices How Obsidian stores data – Obsidian Help https://help.obsidian.md/data-storage Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026 https://www.gartner.com/en/newsroom/press-releases/2025-08-26-gartner-predicts-40-percent-of-enterprise-apps-will-feature-task-specific-ai-agents-by-2026-up-from-less-than-5-percent-in-2025 Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027

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

Claude Code steht im Zentrum eines neuen Agenten-Hypes, weil es nicht nur „chatten“ lässt, sondern als agentisches Kommandozeilen-Tool direkt im Projektordner arbeitet: Es liest und verändert Dateien, legt neue Artefakte an, führt Befehle aus und setzt Änderungen schrittweise um. Der praktische Reiz liegt in weniger Reibung gegenüber klassischen Chat-Oberflächen, weil Uploads, Downloads und Copy-Paste entfallen und Ergebnisse als nachvollziehbare Dateien im Ordner landen. Dadurch verschiebt sich das Einsatzfeld von reiner Programmierung hin zu allgemeiner Wissensarbeit, solange Aufgaben in Artefakte überführbar sind, etwa wenn aus PDFs, Tabellen oder Notizen automatisch Übersichten, strukturierte Kurzfassungen und To-do-Dokumente entstehen. Technisch adressiert Anthropic die typische Kontext-Überladung agentischer Systeme mit Subagents: spezialisierte Teilagenten mit eigenen Anweisungen, Tool-Rechten und separatem Kontextfenster, sodass der Hauptkontext stabil bleibt. Ergänzend sollen Skills wiederholbare Arbeitsmodule liefern, damit Routinen konsistenter laufen, ohne jedes Mal lange Prompts zu schreiben. Gleichzeitig bleiben Betrieb und Risiko zentral: Claude Code greift lokal auf Dateien zu, das Modell läuft in der Cloud, was Datenschutz- und Kostenfragen verschärft. Für Claude Opus 4.5 nennt Anthropic API-Preise ab 5 USD pro Million Input-Token und 25 USD pro Million Output-Token; Prompt Caching und Batch Processing senken Kosten, aber bei intensiver Nutzung steigt der Verbrauch dennoch. Auch die Abhängigkeit von Plattform-Stabilität wird sichtbar: Am 14. Januar 2026 meldete Anthropic zeitweise erhöhte Fehlerraten rund um Opus 4.5 und Sonnet 4.5. In diese Linie passt Cowork, das Anthropic am 12. Januar 2026 als Research Preview vorstellte: eine zugänglichere, agentische Oberfläche in der Claude-Desktop-App auf macOS, zunächst für Max-Abonnenten, gedacht als „Claude Code für den Rest der Arbeit“. Cowork soll Zielvorgaben in geplante, ausgeführte Schritte übersetzen und am Ende fertige Artefakte wie organisierte Dateien, formatierte Dokumente oder zusammengeführte Recherchen liefern. Mit Desktop-Agenten rücken Sicherheitsfragen stärker in den Vordergrund, weil Dateizugriff, Systemaktionen und Browserhandlungen neue Angriffsflächen schaffen; Prompt-Injection und Fehlhandlungen gelten als reale Risiken, weshalb restriktive Ordnerfreigaben, getrennte Arbeitsbereiche und vorsichtige Einstiege empfohlen werden. Insgesamt markieren Claude Code und Cowork weniger ein einzelnes Feature als den Trend, agentische Workflows zum Standard-Interface für Computerarbeit zu machen, inklusive der Spannung zwischen schnellem „Vibe Coding“ und der weiterhin nötigen Disziplin für wartbare, getestete und sichere Produktionssysteme. Quellen: Claude Opus 4.5 – Availability and pricing https://www.anthropic.com/claude/opus/ Anthropic’s viral new work tool wrote itself (Axios) https://www.axios.com/2026/01/13/anthropic-claude-code-cowork-vibe-coding Anthropic’s new Cowork tool offers Claude coding help to non-experts (TechRadar) https://www.techradar.com/pro/anthropics-new-cowork-tool-offers-claude-coding-help-to-non-experts Anthropic’s Claude AI chatbot is down as company confirms ‘elevated error rates’ for Opus 4.5 and Sonnet 4.5 (ITPro) https://www.itpro.com/technology/artificial-intelligence/anthropic-claude-outage-opus-sonnet-down ceLLMate: Sandboxing Browser AI Agents (arXiv) https://arxiv.org/abs/2512.12594

Die Episode ordnet den aktuellen KI-Umbruch als strukturelle Marktverschiebung ein: Automatisierung drückt Margen in vielen klassischen Dienstleistungs- und Online-Modellen, während neue Chancen dort entstehen, wo KI nachweislich betriebswirtschaftliche Effekte liefert, etwa durch Zeitersparnis, Kostensenkung oder Umsatzsteigerung. Entscheidend sei, KI nicht als Add-on zu verkaufen, sondern als Kern der Wertschöpfung in Prozessen, Services oder Produkten zu verankern. Parallel verlagert sich die Nachfrage von breiten Allzweck-Angeboten hin zu spezialisierter, vertikaler KI, die ein konkretes Problem für eine klar definierte Zielgruppe löst. Das Format unterscheidet zwei zentrale Stoßrichtungen. Kreative KI zielt auf stark beschleunigte und verbilligte Medien- und Content-Produktion, die früher teuer oder schwer skalierbar war. Technische KI baut Systeme, Automationen und Software, die echte Unternehmensprozesse ersetzen oder messbar verbessern. Als besonders nachgefragte Modelle werden sieben Felder beschrieben: KI-Videoagenturen mit standardisierten Workflows für schnelle Bewegtbildproduktion; Marketing-Automation mit Fokus auf messbaren Akquise- und Lead-Impact; Voice-Agents für Telefonprozesse wie Terminierung, Qualifizierung und Follow-ups; interne Workflow-Automation für Routinearbeit mit klarer Stundenersparnis; Corporate-LLM-Setups mit kontrolliertem Wissenszugriff, Teamfunktionen und Datenschutzanforderungen; produktisierte KI-Apps als Abo-Software für Branchen oder Rollen; sowie KI-Beratung für Strategie, Use-Case-Priorisierung, Governance, Schulung und Change-Management, weil Umsetzung oft an Verantwortlichkeiten und Prozessen scheitert. Als operative Leitplanken werden Tempo vor Perfektion, Tool-Agnostik, konsequente Repositionierung weg vom „klassisch mit KI“, frühe Skalierungslogik und schnelle Umsetzung genannt. Quellen: The Economic Potential of Generative AI: The Next Productivity Frontier (McKinsey) https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier Generative AI Market Size And Share | Industry Report, 2033 (Grand View Research) https://www.grandviewresearch.com/industry-analysis/generative-ai-market-report AI Video Market Size, Share & Trends | Industry Report, 2033 (Grand View Research) https://www.grandviewresearch.com/industry-analysis/artificial-intelligence-ai-video-market-report Gartner Identifies the Top 10 Strategic Technology Trends for 2025 (Gartner) https://www.gartner.com/en/newsroom/press-releases/2024-10-21-gartner-identifies-the-top-10-strategic-technology-trends-for-2025 AI Act: Application timeline (European Commission) https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai

Berlin wird in der Agentic-Coding-Szene als neuer Knotenpunkt sichtbar. Beim Claude Code Developer Community Summit am Merantix AI Campus stand nicht mehr das klassische „KI hilft beim Tippen“ im Zentrum, sondern ein Rollenwechsel in der Softwareentwicklung: Menschen definieren Ziele, Leitplanken und Prioritäten, während mehrere KI-Agenten Aufgaben weitgehend eigenständig abarbeiten. In Erfahrungsberichten tauchten Quoten bis zu 90 Prozent KI-generierten Codes als realer Projektwert und teils sogar als Zielmarke für kurze Iterationszyklen auf. Entscheidend bleibt dabei nicht die Autonomie an sich, sondern die Verlässlichkeit durch menschliches Management: Koordination, Review, Tests, Systemdesign und Risikoabsicherung gewinnen gegenüber manueller Implementierung an Gewicht. Technisch bündelte sich die Debatte um Claude Code, ein terminalbasiertes Agentic-Coding-Tool von Anthropic. Diskutiert und demonstriert wurden Workflows, in denen Agenten unter Aufsicht Tests ausführen, Git-Abläufe übernehmen, Änderungen über mehrere Dateien koordinieren und Deployments in Staging-Umgebungen anstoßen. Für längere, stabile Sessions kristallisierten sich drei Erfolgsfaktoren heraus: sauberes Kontext-Management, parallele Orchestrierung mehrerer Agenten-Instanzen und defensive Prompts plus Sicherheitsregeln, um riskante Aktionen und unbeabsichtigte Schäden zu vermeiden. Der Berliner Termin wurde zudem als Auftakt für die CASE Conference (Conference on Agentic Software Engineering) verstanden, die für Mittwoch, den 14. Januar 2026, ebenfalls in Berlin angekündigt war. Im Hintergrund steht der wirtschaftliche Druck rund um agentische Entwicklungswerkzeuge: Anfang Januar 2026 berichteten Medien über eine mögliche neue Anthropic-Finanzierungsrunde mit 10 Milliarden US-Dollar und einer Zielbewertung von 350 Milliarden US-Dollar. Parallel wächst für europäische Teams die Bedeutung des Claude-Ökosystems durch Enterprise-Einsatz, CLI-Fokus und Integrationen über das Model Context Protocol (MCP), das Tool- und Datenanbindungen standardisieren soll. Als Leistungstreiber wurde zudem Claude Sonnet 4.5 (Ende 2025) als spürbarer Sprung für Coding-Logik und Zuverlässigkeit eingeordnet. Insgesamt verdichtet sich die These: 2026 markiert weniger das Zeitalter „besseres Autocomplete“, sondern die Operationalisierung von Agenten als teilautonome Ingenieure, mit Programmiersprachen stärker als Implementierungsdetail und Spezifikation, Produktdenken und Orchestrierung als neue Kernkompetenzen. Quellen: Anthropic plans new fundraise at $350 billion valuation, sources say (Reuters) https://www.reuters.com/technology/anthropic-plans-raise-10-billion-350-billion-valuation-wsj-reports-2026-01-07/ Anthropic Seeks $10 Billion Raised On $350 Billion Valuation, Report Says (Forbes) https://www.forbes.com/sites/tylerroush/2026/01/07/anthropic-seeks-10-billion-raised-on-350-billion-valuation-report-says/ Claude Code: Deep coding at terminal velocity (Anthropic) https://www.anthropic.com/claude-code/ Claude Code overview (Anthropic Docs) https://docs.anthropic.com/en/docs/claude-code/overview Quickstart (Claude Code) (Anthropic Docs) https://docs.anthropic.com/en/docs/claude-code/quickstart Model Context Protocol (MCP) (Anthropic Docs) https://docs.anthropic.com/en/docs/mcp MCP connector (Anthropic Docs) https://docs.anthropic.com/en/docs/agents-and-tools/mcp-connector Devs don't trust AI code - but many say they still don't check it anyways (TechRadar, citing Sonar survey) https://www.techradar.com/pro/devs-dont-trust-ai-code-but-many-say-they-still-dont-check-it-anyways Nearly half of software developers don't check AI-generated code (ITPro, citing Sonar survey) https://www.itpro.com/software/development/software-developers-not-checking-ai-generated-code-verification-debt

CES 2026 wird in dieser Folge als Taktgeber für den nächsten industriellen KI‑Zyklus beschrieben, weniger als Konsumelektronikshow. OEMs, Betreiber und Partner synchronisieren Budgets, Rechenzentrums-Ausbau und Jahresroadmaps, weil „Always-on“-KI Lieferketten, Verfügbarkeit und Skalierung neu priorisiert. NVIDIA rahmt KI explizit als Industriephase: Entscheidend sind Strom, Maschinenlogik, schnelle Bereitstellung und die Fähigkeit, Intelligenz verlässlich im großen Maßstab zu liefern. Die Diskussion ordnet die Marktdynamik als Nachfrage-Schock ein. Akteure mit täglichen Nutzungsdaten planen Kapazitäten so, als wären sie dauerhaft im Rückstand. Dadurch verschiebt sich die operative Optimierung vom Training hin zur Inferenz als zentralem Kostentreiber. Inferenz läuft kontinuierlich, ist SLA-gebunden, latenzkritisch und stark kostengetrieben. Kernziel ist eine sinkende Kosten-pro-Token-Kurve bei gleichbleibender Zuverlässigkeit. Aus NVIDIA-Sicht reicht dafür keine einzelne Chipgeneration. NVIDIA positioniert sich als Rackscale-Plattform für eine „Inferenzökonomie“ und bündelt CPU, GPU, Interconnect, NIC/DPU und Ethernet als Gesamtsystem (Vera CPU, Rubin GPU, NVLink 6, ConnectX‑9, BlueField‑4, Spectrum‑6). Die Folge betont „Tokenökonomie zuerst“ und leitet daraus ein Architekturmotiv ab: Kontext wird zur aktiv gemanagten Ressource. Statt KV‑Caches ständig neu zu berechnen, sollen zusätzliche Speicher- und Orchestrierungsebenen Kontext effizient vorhalten und bewegen. Damit rücken Speicher, Bandbreite und Datenbewegung als Skalierungsgrenzen stärker in den Vordergrund als reine Rechenleistung. Als Referenzrahmen dienen Infrastruktur- und Lieferkettendeals, die Kapazität in Gigawatt statt in Serverstückzahlen messen. Genannt wird eine Absichtserklärung zwischen OpenAI und NVIDIA vom 22. September 2025 über mindestens 10 GW, mit einem Start der ersten 1‑GW‑Phase in der zweiten Jahreshälfte 2026 auf Vera Rubin sowie einer in Aussicht gestellten NVIDIA‑Investitionssumme bis 100 Milliarden US‑Dollar, gekoppelt an bereitgestellte Leistung. Parallel wird OpenAIs Multi-Sourcing-Strategie skizziert, u. a. mit AMD: Am 6. Oktober 2025 wurde eine Vereinbarung über bis zu 6 GW Instinct‑GPUs (Start ebenfalls mit 1 GW in der zweiten Jahreshälfte 2026, MI450) inklusive eines Warrants über bis zu 160 Millionen AMD‑Aktien bekannt. Ein verbleibender Engpass ist Speicher und Bandbreite. Die Folge verweist auf starke Preisbewegungen bei DRAM und knappe Kapazitäten bei HBM/DRAM, was die KI‑Lieferkette auf mehreren Stufen blockiert. Für die nächsten 12 bis 18 Monate sieht die Folge deshalb wenig Anzeichen für eine schnelle Ablösung von NVIDIA als Standardplattform, erwartet langfristig aber einen sinkenden Anteil an Inferenz-Ausgaben durch wachsende Heterogenität: alternative GPUs (z. B. AMD, getragen durch Ankerkunden), spezialisierte Chips für vorhersagbare Serving-Workloads und perspektivisch der Export interner Hyperscaler‑Chips, sobald Preis/Leistung/Verfügbarkeit stimmen. Operativ, so das Argument, ist diese Vielfalt bei Inferenz oft leichter zu handhaben als beim Training. Zum Schluss erweitert die Folge den Blick auf „Physical AI“: KI wandert aus dem Rechenzentrum in Robotik, autonome Systeme und die Umgebung. Diese Anwendungen sind besonders hart in Latenz und Zuverlässigkeit und erhöhen damit den Inferenzdruck zusätzlich. Das übergreifende Fazit lautet: CES 2026 verschiebt den Wettbewerb vom Chip‑Rennen zum Fabrik‑Rennen, in dem Energie, Lieferketten, Speicher/Bandbreite und Plattformintegration bestimmen, wer Intelligenz zuverlässig und kosteneffizient ausliefert. Quellen: OpenAI and NVIDIA announce strategic partnership to deploy 10 gigawatts of NVIDIA systems https://openai.com/index/openai-nvidia-systems-partnership/ OpenAI and NVIDIA Announce Strategic Partnership to Deploy 10 Gigawatts of NVIDIA Systems https://nvidianews.nvidia.com/news/openai-and-nvidia-announce-strategic-partnership-to-deploy-10gw-of-nvidia-systems AMD and OpenAI Announce Strategic Partnership to Deploy 6 Gigawatts of AMD GPUs https://www.amd.com/en/newsroom/press-releases/2025-10-6-amd-and-openai-announce-strategic-partnership-to-d.html AMD and OpenAI announce strategic partnership to deploy 6 gigawatts of AMD GPUs https://openai.com/index/openai-amd-strategic-partnership/ NVIDIA Kicks Off the Next Generation of AI With Rubin — Six New Chips, One Incredible AI Supercomputer https://nvidianews.nvidia.com/news/rubin-platform-ai-supercomputer Samsung forecasts profit to triple to record high as it rides AI boom (Reuters, 07 Jan 2026) https://www.reuters.com/world/asia-pacific/samsung-elec-estimates-208-rise-q4-operating-profit-beating-expectations-2026-01-07/

Martin Riedmiller beschreibt die Geschwindigkeit der KI-Entwicklung als außergewöhnlich und ordnet sie biografisch ein: von frühen Optimierungsarbeiten wie Rprop (1992) über Robotik-Erfolge bis zu DeepMind-Meilensteinen wie AlphaGo. Dahinter steht die zentrale Branchenwette, dass mehr Rechenleistung und mehr Pre-Training den Weg Richtung allgemeiner KI ebnen. Parallel verschärft sich der Machtkampf um Vorherrschaft, der neue Allianzen erzwingt. Apple und Google bestätigen eine mehrjährige Partnerschaft, bei der Googles Gemini-Modelle die nächste Siri-Generation stützen sollen. Der Schritt wird als Signal im Plattformkrieg gelesen und fiel zeitlich mit einem Bewertungsmeilenstein für Alphabet zusammen. Zugleich lockert Microsoft die faktische Exklusivität rund um OpenAI und öffnet sich Richtung Anthropic; in Office-Anwendungsfällen gelten Claude-Modelle intern als teils überlegen, was die pragmatische Mehranbieter-Strategie erklärt. Auch die Hardware-Ebene verschiebt sich: OpenAI bindet zusätzliche Inference-Kapazität über Cerebras und setzt dabei auf Wafer-Scale-Architektur. Die Größenordnung der Infrastruktur wird über Energiebedarf und Rollout-Zeiträume als industrielles Projekt sichtbar. Mit der wachsenden Rechenpower rücken KI-Systeme näher an den Alltag: Google treibt personalisierte, proaktive Assistenz in eigenen Produkten voran, Anthropic bringt mit Cowork Agenten tiefer ins Betriebssystem und damit näher an lokale Daten. Genau daraus entsteht eine neue Sicherheitsfront: Forscher und Anbieter warnen vor Prompt-Injection-Risiken in agentischen Workflows, bei denen manipulierte Inhalte Werkzeuge und Dateizugriffe missbrauchen können. Sicherheit wird zugleich politisch und juristisch verhandelt. Der Text greift Fehlzuordnungen durch KI in Behördenkontexten als Beispiel für reale Folgeschäden auf. In Großbritannien treten zudem Regelungen gegen nicht einvernehmliche intime Deepfakes in Kraft, auch als Reaktion auf die Verbreitung sogenannter „Nudification“-Inhalte. International bleibt der Gegensatz zwischen Regulierung und staatlicher Nutzung sichtbar, wenn KI trotz Missbrauchsrisiken in Sicherheits- und Beschaffungsstrategien eingeplant wird. Technologisch zeichnet sich ein Trend zur Spezialisierung ab: Google veröffentlicht mit TranslateGemma offene Übersetzungsmodelle für 55 Sprachen und aktualisiert MedGemma 1.5 für medizinische Bildauswertung inklusive volumetrischer Daten. Im Generativbild-Bereich drängen kompakte Modelle wie FLUX.2 [klein] auf Consumer-Hardware, während aus China GLM-Image als Open-Source-Modell hervorsticht, das auf Huawei-Chips trainiert wurde und bei komplexem Textrendering hohe Benchmarkwerte erreicht. In der physischen Welt steigt der Druck zur Industrialisierung humanoider Robotik, etwa durch Partnerschaften in Deutschland und neue „World Model“-Ansätze, die Handlungen erst simulieren und dann ausführen lassen. Gleichzeitig wächst der Wearables-Markt: Meta prüft deutliche Kapazitätserhöhungen bei Ray-Ban-Smart-Glasses, während neue Gerätekategorien als nächster KI-Interface-Schritt gehandelt werden. Ökonomisch verfestigen sich die Machtverhältnisse: Voice-Anbieter wie ElevenLabs melden starkes Umsatzwachstum, während Pharma und Chipindustrie Milliarden-Kooperationen für digitale Wirkstoffforschung starten. Im europäischen Kontext fällt der Blick auf die Diffusion in der Praxis: Deutschland liegt beim KI-Einsatz nur im Mittelfeld, während andere Regionen über langfristige Fachkräfteprogramme skalieren. Am Ende prallen Deutungen aufeinander: Warnungen vor massiver Job-Disruption stehen einer nüchternen Sicht gegenüber, die KI kurzfristig als Werkzeug und nicht als allmächtige Entität einordnet. Quellen: OpenAI Partners with Cerebras to Bring High-Speed Inference to the Mainstream https://www.cerebras.ai/blog/openai-partners-with-cerebras-to-bring-high-speed-inference-to-the-mainstream Cerebras Inks Transformative $10 Billion Inference Deal With OpenAI https://www.nextplatform.com/2026/01/15/cerebras-inks-transformative-10-billion-inference-deal-with-openai/ Google parent Alphabet hits $4tn valuation after AI deal with Apple https://www.theguardian.com/technology/2026/jan/12/google-gemini-alphabet-4-trillion-value Google Gemini Partnership With Apple Will Go Beyond Siri Revamp https://www.macrumors.com/2026/01/12/google-gemini-future-apple-intelligence-features/ Microsoft is no longer OpenAI’s exclusive cloud provider https://techcrunch.com/2025/01/21/microsoft-is-no-longer-openais-exclusive-cloud-provider/ Microsoft ends OpenAI exclusivity in Office, adds rival Anthropic https://arstechnica.com/ai/2025/09/report-microsoft-taps-rival-anthropics-ai-for-office-after-it-beats-openai-at-some-tasks/ Anthropic wants you to use Claude to ‘Cowork’ in latest AI agent push https://www.theverge.com/ai-artificial-intelligence/860730/anthropic-cowork-feature-ai-agents-claude-code Law making creation of nonconsensual, intimate images illegal to come into force this week – UK politics live https://www.theguardian.com/politics/live/2026/jan/12/grok-x-nudification-technology-online-safety-labour-reform-tories-lib-dems-uk-politics-latest-news-updates Better protection for victims thanks to new law on sexually explicit deepfakes https://www.gov.uk/government/news/better-protection-for-victims-thanks-to-new-law-on-sexually-explicit-deepfakes TranslateGemma: A new suite of open translation models https://blog.google/innovation-and-ai/technology/developers-tools/translategemma/ Next generation medical image interpretation with MedGemma 1.5 and medical speech to text with MedASR https://research.google/blog/next-generation-medical-image-interpretation-with-medgemma-15-and-medical-speech-to-text-with-medasr/ FLUX.2 [klein] https://bfl.ai/models/flux-2-klein Chinese AI firm trains state-of-the-art model entirely on Huawei chips https://www.infoworld.com/article/4116787/chinese-ai-firm-trains-state-of-the-art-model-entirely-on-huawei-chips.html Z.ai’s open source GLM-Image beats Google’s Nano Banana Pro at complex text rendering, but not aesthetics https://venturebeat.com/technology/z-ais-open-source-glm-image-beats-googles-nano-banana-pro-at-complex-text Meta mulls doubling output of Ray-Ban glasses by year end, Bloomberg News reports https://finance.yahoo.com/news/meta-mulls-doubling-output-ray-155402366.html ElevenLabs CEO says the voice AI startup crossed $330M ARR last year https://techcrunch.com/2026/01/13/elevenlabs-ceo-says-the-voice-ai-startup-crossed-330-million-arr-last-year/ NVIDIA and Lilly Announce Co-Innovation AI Lab to Reinvent Drug Discovery in the Age of AI https://nvidianews.nvidia.com/news/nvidia-and-lilly-announce-co-innovation-ai-lab-to-reinvent-drug-discovery-in-the-age-of-ai Converge Bio raises $25M, backed by Bessemer and execs from Meta, OpenAI, Wiz https://techcrunch.com/2026/01/13/ai-drug-discovery-startup-converge-bio-pulls-in-25m-from-bessemer-and-execs-from-meta-openai-and-wiz/ Global AI Adoption in 2025 – AI Economy Institute | Microsoft https://www.microsoft.com/en-us/corporate-responsibility/topics/AI-Economy-Institute/reports/Global-AI-Adoption-2025/ An OpenAI-backed humanoid robot startup says it’s moving away from using humans to train its Optimus rival https://www.businessinsider.com/1x-humanoid-robot-training-humans-world-models-optimus-rival-2026-1

Die Folge argumentiert, dass es für produktive Wirkung in Unternehmen kein AGI braucht: Die heutigen KI-Modelle sind bereits stark genug, um Prozesse, Entscheidungen und Ergebnisse spürbar zu verändern. Der Engpass liegt weniger in der technischen Machbarkeit als in der Auswahl der richtigen Anwendungsfälle, klarer Priorisierung und der Übersetzung von Modell-Output in belastbare Workflows mit Governance, Risiko-Checks und messbaren Zielen. Als Beispiel dient das Gesundheitswesen. OpenAI zeigt mit ChatGPT Health eine auf Gesundheitsfragen zugeschnittene Nutzererfahrung, die stärker mit persönlichen Informationen arbeiten kann, um Befunde verständlicher zu machen und Arzttermine besser vorzubereiten. OpenAI betont den Assistenz-Charakter und verweist auf eine mehrjährige Entwicklung mit ärztlicher Beteiligung und umfangreichem Feedback. Qualität und Sicherheit sollen über ein eigenes Evaluationssystem namens HealthBench anhand klinischer Kriterien wie Verständlichkeit, Sicherheitsaspekten und angemessener Eskalation geprüft werden. Gleichzeitig bleibt die Datenschutzfrage zentral: Mehr Personalisierung bringt Nutzen, erhöht aber Sensibilität und Anforderungen an Datensicherheit; außerdem wird diskutiert, dass solche Consumer-Systeme nicht automatisch unter klassische US-Gesundheitsdatengesetze wie HIPAA fallen und Nutzer sehr bewusst entscheiden sollten, welche Daten sie teilen. Parallel positioniert sich Anthropic mit Claude for Healthcare sowohl für Verbraucher als auch für Institutionen. Im Fokus stehen neben patientennaher Aufklärung auch administrative Entlastung und Prozesse wie Abrechnung. Anthropic hebt Opt-in, Zugriffskontrolle und den Grundsatz hervor, dass geteilte Gesundheitsdaten nicht fürs Training genutzt werden. Über Gesundheit hinaus beschreibt die Folge einen Werkzeugwechsel in der Wissensarbeit: Neue Klassen von Tools senken die Hürde, Ergebnisse schnell in produktive Artefakte zu verwandeln. Genannt werden ein AI-App-Builder wie Lovable für schnelle Prototypen aus natürlicher Sprache sowie Claude Code als agentisches Entwicklungswerkzeug, das Dateien lesen, Tools nutzen, Analysen fahren und Berichte erzeugen kann und damit auch Nicht-Entwicklern hilft, Daten schneller in verwertbare Resultate zu übersetzen. Auf der Infrastruktur-Seite verschärft sich der Wettlauf um Rechenleistung und Kapital. Berichte über große Finanzierungsrunden und hohe Verluste unterstreichen, dass Frontier-KI zunehmend wie ein kapitalintensives Infrastrukturgeschäft wirkt, gekoppelt an langfristige Monetarisierungswetten. Gleichzeitig reift ein weiteres Feld aus der Kombination von Modellen und Compute: humanoide Robotik. Die Folge verweist auf die Boston-Dynamics–DeepMind-Kooperation zur Weiterentwicklung von Atlas mit Gemini-Robotikmodellen und auf Pläne, Atlas ab 2028 schrittweise in Hyundais Fertigung in Georgia einzusetzen, zunächst für logistiknahe Aufgaben wie Teile-Sequenzierung. Der erwartete Lernkreislauf: mehr reale Einsätze erzeugen mehr Daten und beschleunigen die Automatisierung. Im Alltag wandert KI tiefer in Standardsoftware. Beispielhaft wird genannt, dass Gmail offiziell KI-Funktionen auf Gemini-Basis ausrollt, darunter Zusammenfassungen langer Threads und eine per natürlicher Sprache durchsuchbare Inbox. Für die Marktdynamik wird eine Verschiebung der Nutzung beschrieben: ChatGPT bleibt vorn, verliert aber Anteile, während Gemini über 2025 deutlich aufgeholt hat. Das Bild ist pragmatisch: Nutzer wechseln je nach Aufgabe zwischen Plattformen. Zum Schluss adressiert die Folge die „dunkle Seite“ der Beschleunigung: Rund um Grok gab es Druck wegen Missbrauchs zur Generierung nicht einvernehmlicher sexualisierter Bilder. Berichtet wird über technische Einschränkungen und Geoblocking, während die Debatte um Wirksamkeit und Verantwortung von Plattformen und App-Stores weiterläuft. Kernaussage der Folge: Entscheidend ist nicht das Warten auf AGI, sondern die Fähigkeit, KI heute verantwortungsvoll in konkrete, messbare Arbeitsabläufe zu integrieren. Quellen: Introducing ChatGPT Health | OpenAI https://openai.com/index/introducing-chatgpt-health/ Advancing Claude in healthcare and the life sciences | Anthropic https://www.anthropic.com/news/healthcare-life-sciences Musk's xAI quarterly net loss widens to $1.46 billion, Bloomberg News reports | Reuters https://www.reuters.com/technology/musks-xai-posts-net-quarterly-loss-146-billion-bloomberg-news-reports-2026-01-09/ 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/ Hyundai Motor Group Announces AI Robotics Strategy to Lead Human-Centered Robotics Era at CES 2026 | Hyundai Newsroom https://www.hyundai.com/worldwide/en/newsroom/detail/0000001100 Gmail is entering the Gemini era | Google Blog https://blog.google/products-and-platforms/products/gmail/gmail-is-entering-the-gemini-era/ Women’s, advocacy groups call on Apple, Google to drop X and Grok from app stores | Reuters https://www.reuters.com/sustainability/society-equity/womens-advocacy-groups-call-apple-google-drop-x-grok-app-stores-2026-01-14/ Grok blocked from undressing images in places where it's illegal, X says | Associated Press https://apnews.com/article/f0d62ec68576dcfe203cada2424bd107 Top AI Tools: Most Used Gen-AI in August 2025 | Similarweb https://www.similarweb.com/blog/marketing/seo/most-used-ai/

Anthropic hat mit Claude Cowork Anfang Januar 2026 ein agentisches Arbeitstool als Research Preview gestartet, das die Fähigkeiten von Claude Code für nicht technische Nutzer in eine Desktop-Oberfläche übersetzt. Ausgangspunkt war ein überraschendes Nutzungsmuster: Viele Anwender verwendeten das ursprünglich für Entwickler gedachte Terminal-System nicht zum Programmieren, sondern als allgemeinen „Ordner-Agenten“ für Quittungen, Fotos, Transkripte und Download-Chaos. Das wiederkehrende Schema lautet: Dateien freigeben, Ziel definieren, Ausführung delegieren. Cowork setzt genau dort an und verlagert die Interaktion vom Chat in Richtung Task-Management: Nutzer geben per Klick Zugriff auf ausgewählte Ordner, stellen Aufgaben in eine Warteschlange und erhalten Ergebnisse als konkrete Dateien und Artefakte, etwa Tabellen, strukturierte Übersichten oder neu organisierte Verzeichnisse. Bemerkenswert ist die operative Geschwindigkeit hinter dem Produkt. Berichte beschreiben, dass Cowork in sehr kurzer Zeit entstanden ist und dass Anthropic dabei parallel laufende Claude-Instanzen für Feature-Implementierung, Bugfixes und Recherche nutzte. Das dient als Fallstudie für ein neues Organisationsmuster: Wettbewerbsvorteile entstehen nicht mehr nur über Modellqualität, sondern über die Fähigkeit, reales Nutzerverhalten schnell zu erkennen und unmittelbar in Produktfunktionen zu übersetzen. In diese Logik passt auch die kulturelle Verschiebung rund um „vibe coding“ und extremes Prototyping-Tempo: Die Explorationsphase schrumpft, während Verifikation, Urteilsvermögen und saubere Abnahme zur knappen Ressource werden. Cowork ist zudem ein Statement zur Produktform von Agenten. Statt als Browser-Agent an Captchas und Bot-Sperren zu scheitern, arbeitet das System direkt mit dem lokalen Dateisystem – sofern der Nutzer Zugriff erteilt – und wird damit für robuste, wiederholbare Workflows interessant. Gleichzeitig adressiert das Produkt die Debatte um „Workslop“: glatt wirkender Output ohne Substanz, der Folgearbeit erzeugt. Cowork begegnet dem mit einem Artefakt-Ansatz (Resultate als Dateien), einem engineering-näheren Kontrollmodell (Ziele/Pläne statt endloser Prompt-Korrekturen) und dem Prinzip der bewussten, ordnerbasierten Freigabe. Offen bleiben die Risiken: Sobald ein Agent Dateien lesen, schreiben oder löschen kann, steigen die Anforderungen an Sicherheits- und Freigabeprozesse deutlich. Prompt-Injection und indirekte Manipulation über Inhalte in Dateien bleiben relevante Angriffsvektoren, und Unternehmen müssen Produktivitätsgewinne gegen Fehlbearbeitungen, Datenabfluss und Governance-Aufwand abwägen. Unterm Strich markiert Cowork den Übergang vom Chatbot als Interface hin zu Agenten, die Aufgaben parallel abarbeiten und deren Wert sich daran entscheidet, wie gut sie sich in reale Arbeitsumgebungen integrieren lassen – und wie zuverlässig Menschen die Ergebnisse verifizieren können. Quellen: Anthropic wants you to use Claude to 'Cowork' in latest AI agent push — https://www.theverge.com/ai-artificial-intelligence/860730/anthropic-cowork-feature-ai-agents-claude-code Anthropic’s new Cowork tool offers Claude Code without the code — https://techcrunch.com/2026/01/12/anthropics-new-cowork-tool-offers-claude-code-without-the-code/ Anthropic's viral new work tool wrote itself — https://www.axios.com/2026/01/13/anthropic-claude-code-cowork-vibe-coding Workslop: The Hidden Cost of AI-Generated Busywork — https://www.betterup.com/workslop Prompt Injection — https://owasp.org/www-community/attacks/PromptInjection

Der Podcast skizziert KI als neuen „Werkstoff“ der Ökonomie: nicht als einzelnes Produkt, sondern als skalierbare Denkleistung, die Arbeitsorganisation ähnlich grundlegend verändert wie Stahl und Dampf frühere Epochen. Ausgangspunkt ist der historische Sprung vom agrarischen 19. Jahrhundert zur Industriegesellschaft, in der Unternehmer wie Carnegie Materialinnovationen in neue Stadt- und Produktionsformen übersetzten. Der Vergleich dient als Leitplanke: Neue Technologien starten meist als Nachbau alter Formen, bevor sie zu eigenständigem Design führen; heutige Chatbots wirken deshalb noch wie „Suche mit Dialog“. Auf individueller Ebene zeigt sich der Wandel zuerst in Wissensarbeit mit hohem, gut zugänglichem Kontext, besonders in der Softwareentwicklung. Produktivität verschiebt sich von manueller Ausführung zu Planung, Delegation, Review und Steuerung mehrerer KI-Agenten, die Teilaufgaben eigenständig strukturieren und umsetzen. Breite Automatisierung wird laut Argumentation vor allem durch zwei Engpässe gebremst: fragmentierter Kontext, weil relevante Informationen über viele Tools und Köpfe verteilt sind, sowie mangelnde Verifizierbarkeit, weil außerhalb von Code selten klare Tests, Metriken und Abnahmekriterien existieren. Der Hebel entsteht dort, wo Kontext konsolidiert und Prüfregeln definiert werden, sodass Delegation schrittweise verlässlich wird. Auf Organisationsebene wird KI als potenzielle „Tragstruktur“ beschrieben: Wenn Systeme Kontext über Abläufe hinweg transportieren, sinkt die Abhängigkeit von Meetings, Hierarchien und langwieriger Abstimmung. Die Stahl-Analogie steht für neue Gebäudetypen durch tragfähigere Rahmen; übertragen bedeutet das kürzere Entscheidungswege und Skalierung mit konstanter Qualität. Die Dampf-Analogie betont, dass der große Produktivitätssprung erst kommt, wenn Prozesse neu um die Technologie herum entworfen werden, statt sie als Aufsatz in alte Toolketten zu kleben. Für Volkswirtschaften zeichnet der Podcast ein Bild dauerhaft laufender, zeitzonenübergreifender Koordination: große Agenten-Mensch-Systeme könnten Routinen rund um die Uhr ausführen, Entscheidungen kontinuierlich verdichten und klassische Taktungen wie wöchentliche Meetings oder jährliche Reviews entwerten. Kernaussage: Der entscheidende nächste Schritt ist nicht mehr „KI benutzen“, sondern Organisationsdesign mit dauerhaft verfügbarem Kontext und klaren Prüfmechanismen, sodass Delegation an nicht-schlafende Systeme zur Normalform wird. Quellen: AI at Work Is Here. Now Comes the Hard Part (2024 Work Trend Index Annual Report) https://www.microsoft.com/en-us/worklab/work-trend-index/ai-at-work-is-here-now-comes-the-hard-part/ Microsoft and LinkedIn release the 2024 Work Trend Index on the state of AI at work https://news.microsoft.com/2024/05/08/microsoft-and-linkedin-release-the-2024-work-trend-index-on-the-state-of-ai-at-work/ The Productivity Paradox of Information Technology (Erik Brynjolfsson, 1993) https://dl.acm.org/doi/10.1145/163298.163309 The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox (Paul A. David, 1990) https://www.nber.org/papers/w880 Statistics: Trends in American Farming (Percentage of Labor Force in Agriculture) https://www.gilderlehrman.org/history-resources/teacher-resources/statistics-trends-american-farming Home Insurance Building (steel-frame skyscraper history) https://www.history.com/articles/home-insurance-building

Die Folge zeichnet nach, wie sich KI in kurzer Zeit von einer realen, aber evolutiv gewachsenen Technologie zu einem globalen Investitionsnarrativ entwickelt hat. Im Fokus steht weniger der technische Durchbruch als die Logik der Skalierung: mehr Rechenleistung, bessere Chips und Datenfülle erzeugen sichtbare Leistungssprünge, ohne dass daraus automatisch „Verstehen“ oder gar AGI folgt. Genau diese Skalierbarkeit ist für Kapital attraktiv, weil sie planbar wirkt. Gleichzeitig werden Grenzen betont: steigender Energiebedarf, Qualitätsprobleme bei Daten, fehlende Kausalität und das Risiko, dass Systeme zwar beeindruckend formulieren, aber Fehler und Halluzinationen produzieren. Die Episode ordnet den Boom als Finanz- und Infrastrukturereignis ein. Wachstum wird teils über Vorbestellungen, langfristige Verträge und Finanzzusagen „vorab“ erzählt, wodurch Risiken in die Zukunft verschoben werden. Besonders exponiert seien Betreiber von Rechenzentren und Energieprojekten, weil dort reale Bauvorhaben und Verschuldung entstehen, die bei nachlassender Nachfrage Dominoeffekte auslösen können. Die Folge diskutiert zudem die Diskrepanz zwischen der Erwartung massiver Jobkürzungen und der Praxis, in der KI oft eher als Produktivitätswerkzeug und nicht als vollständiger Ersatz dient, was die Monetarisierung und die Rechtfertigung extremer Capex-Pläne erschweren kann. Als Beispiel für die wechselseitige Abhängigkeit von KI-Labs, Cloud- und Hardwareanbietern wird die Konstellation rund um OpenAI, Oracle und Nvidia angesprochen, in der Kapazitätsausbau, Großaufträge und Finanzierungslogiken ineinandergreifen. Politisch wird KI als geopolitisches Projekt gerahmt, vor allem im Wettbewerb USA–China, was den Ausbau beschleunigt, aber auch Engpässe bei Chips und Energie sowie Verteilungsfragen verschärfen kann. Ein mögliches Ende des Hypes wird als Ende der Fantasieblase beschrieben, nicht als Ende der Technologie: Konsolidierung, Effizienz, Regulierung und potenzielle Überkapazitäten wären die wahrscheinlichen Folgen, bei gleichzeitig kritischer Amortisationslogik wegen kurzer Hardware-Lebenszyklen. Das Update (Stand Januar 2026) verweist auf die zunehmende Verzahnung von KI und Energieinfrastruktur: OpenAI und SoftBank investieren zusammen 1 Mrd. US-Dollar in SB Energy; im Umfeld wird ein 1,2-GW-Rechenzentrumsprojekt in Texas genannt. Parallel wird eine weitreichende OpenAI–Nvidia-Partnerschaft beschrieben, die den Aufbau von mindestens 10 GW an Nvidia-Systemen vorsieht und Investitionen von Nvidia von bis zu 100 Mrd. US-Dollar an bereitgestellte Kapazität koppelt; erste Systeme sollen in der zweiten Hälfte 2026 kommen. Regulierungspolitisch wird eine Executive Order des Weißen Hauses vom Dezember 2025 erwähnt, die einen nationalen KI-Politikrahmen und Maßnahmen gegen als innovationshemmend betrachtete Bundesstaatenregeln anstößt. Zudem wird berichtet, dass xAI Anfang Januar eine aufgestockte Finanzierungsrunde über 20 Mrd. US-Dollar abgeschlossen hat, mit strategischer Beteiligung u. a. von Nvidia und Cisco Investments. Quellen: OpenAI and SoftBank Group partner with SB Energy — https://openai.com/index/stargate-sb-energy-partnership/ OpenAI, SoftBank invest $1 billion in SB Energy as Stargate buildout expands (Reuters, Jan. 9, 2026) — https://www.reuters.com/business/energy/openai-softbank-invest-1-billion-sb-energy-2026-01-09/ OpenAI and SoftBank to invest $1bn in energy and data centre supplier (Financial Times, Jan. 9, 2026) — https://www.ft.com/content/36b941b6-923d-4894-84e8-736625a1dc22 OpenAI and NVIDIA announce strategic partnership to deploy 10 gigawatts of NVIDIA systems — https://openai.com/index/openai-nvidia-systems-partnership/ OpenAI and NVIDIA Announce Strategic Partnership to Deploy 10 Gigawatts of NVIDIA Systems (NVIDIA Newsroom) — https://nvidianews.nvidia.com/news/openai-and-nvidia-announce-strategic-partnership-to-deploy-10gw-of-nvidia-systems Ensuring a National Policy Framework for Artificial Intelligence (Executive Order, Dec. 11, 2025) — https://www.whitehouse.gov/presidential-actions/2025/12/eliminating-state-law-obstruction-of-national-artificial-intelligence-policy/ Musk's xAI raises $20 billion in upsized Series E funding round (Reuters, Jan. 6, 2026) — https://www.reuters.com/business/musks-xai-raises-20-billion-upsized-series-e-funding-round-2026-01-06/ Energy and AI – Executive summary (IEA) — https://www.iea.org/reports/energy-and-ai/executive-summary

Sechs KI-Trends für 2026 verdichten sich zu einer Verschiebung weg vom reinen Modellrennen hin zu Umsetzung, Kontext und operativer Verlässlichkeit. Erstens werden Modelle zunehmend zur Commodity: Leistungsunterschiede zwischen großen Modellfamilien schrumpfen, während Hardware effizienter wird und Inferenzkosten stark fallen. Der Wettbewerb verlagert sich damit auf Integration in bestehende Tool-Landschaften, Distribution, Vertrauen, Governance und Produktdesign; Benchmarks allein sind für Einkaufs- und Architekturentscheidungen weniger entscheidend als Workflow-Fit, Datenzugriff, Qualitätssicherung und Compliance. Zweitens wird 2026 eher das Jahr standardisierter KI-Workflows als das der vollautonomen Agenten. Viele Unternehmen testen agentische Systeme, skalieren diese aber in einzelnen Business-Funktionen bislang selten; der Markt priorisiert derzeit robuste Prozess-Einbettung und kontrollierbare Ergebnisse. Praktisch bedeutet das: erfolgreiche Prompts in wiederholbare Abläufe mit klaren Schritten, Rollen, Ausgabeformaten und Prüfregeln überführen und kritische Entscheidungen beim Menschen belassen. Drittens schließt sich die technische Kluft: KI senkt die Einstiegshürden für Skripting, Automatisierung und Datenarbeit. Der Vorteil wandert von Tool-Bedienkompetenz zu Domänenwissen, Umsetzungsgeschwindigkeit und sauberer Dokumentation. Viertens verschiebt sich die Hebelwirkung vom Prompting zum Kontext. Da Modelle auch vage Anweisungen besser verarbeiten, wird die „Faktenlücke“ zur Hauptbremse: interne Dokumente, Ziele, Richtlinien und Kommunikationsdaten müssen auffindbar, verknüpft und governancetauglich bereitgestellt werden, sonst bleibt KI unzuverlässig oder führt zu Lock-in-Risiken. Fünftens bleibt Werbung in Chatbots ein offenes Feld: Hinweise auf mögliche Werbe- oder „ad-ähnliche“ Funktionen stehen offiziellen Dementis gegenüber; entscheidend für Akzeptanz ist klare Kennzeichnung und die Trennung zwischen neutralen Antworten und gesponserten Vorschlägen. Sechstens wird Software physisch: KI treibt Robotik und autonome Mobilität voran. Waymo zeigte auf der CES 2026 das neue Robotaxi-Fahrzeug „Ojai“ als Schritt Richtung Skalierung und Robustheit, parallel nehmen Sicherheits- und Regulierungsdebatten zu; am 9. Januar 2026 gab es in San Francisco Proteste von Fahrdienstfahrern im Umfeld neuer Regeln. In der Industrie skaliert Robotik vor allem über spezialisierte Systeme, etwa in Lagern, wo Amazon die Marke von über einer Million eingesetzten Robotern meldet; kurzfristiger Impact entsteht durch Wartung, Haftung, Sicherheit und Prozessdesign, nicht durch universelle Haushalts-Humanoide. Quellen: LLM inference prices have fallen rapidly but unequally across tasks — https://epoch.ai/data-insights/llm-inference-price-trends The state of AI in 2025: Agents, innovation, and transformation (McKinsey Global Survey) — https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai Projects in ChatGPT (OpenAI Help Center) — https://help.openai.com/en/articles/10169521-projects-in-chatgpt 12 Days of OpenAI (Day 7: Projects in ChatGPT) — https://openai.com/12-days/ ChatGPT is Going to Start Showing You Ads (MacRumors) — https://www.macrumors.com/2025/12/01/chatgpt-ads-free-users/ OpenAI says it's disabled ad-like app promotions in ChatGPT (The Verge) — https://www.theverge.com/news/839882/openai-chatgpt-ads-app-promo-messages-turned-off The Waymo Ojai Will Soon Offer Autonomous Rides Around the U.S. (Car and Driver) — https://www.caranddriver.com/news/a69938250/waymo-ojai-autonomous-robotaxi-details/ Lyft and Uber drivers protest Waymo robotaxis as California considers further regulations (AP News) — https://apnews.com/article/ae899573f4b12aa1844656fa5f7365ec Amazon’s Millionth Warehouse Robot Is Here And It’s Getting Smarter (Forbes) — https://www.forbes.com/sites/ronschmelzer/2025/07/07/amazons-millionth-warehouse-robot-is-here-and-its-getting-smarter/

Die CES 2026 verschiebt den KI-Schwerpunkt sichtbar von Cloud-Services hin zu „Physical AI“: eingebettete, lokale Intelligenz in Hardware, die direkt in der physischen Umgebung wirkt. Im Robotik-Block wurde die Lücke zwischen beeindruckenden Visionen und realer Alltagstauglichkeit deutlich. Humanoide Demonstratoren bleiben vorerst Industrie- und Forschungsprojekte, während allgemeine Haushaltshelfer in Demos oft noch stark eingeschränkt wirken. Greifbarer Fortschritt zeigt sich stattdessen bei spezialisierten Systemen, die konkrete Probleme lösen. Ein Symbol dafür ist der Trend zum „Stair-Cleaning“: Roborock demonstriert mit dem Saros Rover ein Konzept, das Treppenstufen langsam abfährt und dabei reinigt, während klassische Saug- und Wischroboter vor allem bei Navigation, Randreinigung und Zusatzfunktionen weiter optimiert werden. Parallel entstehen neue Robotik-Nischen: interaktive Spielsysteme wie Legos Smart Brick koppeln Bausteine mit Sensorik sowie Licht- und Soundeffekten, und soziale Begleiter zielen stärker auf Unterhaltung und Interaktion als auf produktive Hausarbeit. Besonders prägend ist die unsichtbare Integration lokaler KI in Smart-Home-Infrastruktur. Neue Sensorklassen machen Wohnungen kontextsensitiver, etwa durch mmWave-Präsenz- und Verhaltens­erkennung (Position, Haltung, Headcount) sowie 9-Achsen-Tracking für Vibrationen, Neigung oder Objektbewegungen. In der Sicherheitslogik setzt sich zudem „Local AI“ als Privacy-Argument durch: Reolinks AI Box verlagert Analyse, Suche und Ereignislogik ins eigene Zuhause, inklusive sprachbasierter Abfragen und promptbasierten Alarmregeln ohne Cloud-Abhängigkeit. Im Gesundheitsbereich rückt KI ebenfalls in Alltagsgeräte: Withings’ Body Scan 2 positioniert die Waage als „Longevity“-Messstation, die in kurzer Messzeit viele Biomarker bündelt und Kennzahlen wie Herzalter ableitet. Insgesamt entsteht das Bild einer KI, die weniger über eine einzelne Killer-App kommt, sondern über viele spezialisierte, teils lokale Helfer, die Routinen im Haushalt, in der Sicherheit und in der Prävention schrittweise automatisieren. Quellen: Aqara Showcases Latest Innovations in Spatial Intelligence at CES 2026 https://www.aqara.com/us/news-us/aqara-showcases-latest-innovations-in-spatial-intelligence-at-ces-2026/ Aqara Unveils Next-Gen Matter Hubs And Smarter Sensors At CES 2026 https://www.forbes.com/sites/paullamkin/2026/01/06/aqara-unveils-next-gen-matter-hubs-and-smarter-sensors-at-ces-2026/ CES 2026: Withings Unveils Body Scan 2 With Hypertension Detection https://www.macrumors.com/2026/01/05/withings-body-scan-2-smart-scale/ I got barefoot at CES to test the Withings Body Scan 2 https://www.tomsguide.com/wellness/fitness/i-got-barefoot-at-ces-to-test-the-withings-body-scan-2-and-unlocked-tons-of-longevity-insights-in-just-90-seconds CES 2026: Roborock releases the world's first robotic vacuum with wheel-leg architecture https://newsroom.roborock.com/gl/news/ces-2026-roborock-releases-the-world-s-first-robotic-vacuum-with-wheel-leg-architecture-as-it-joins-hands-with-real-madrid-football-club- The Verge Awards at CES 2026 https://www.theverge.com/tech/858494/ces-2026-best-new-tech-tv-car-wearable The first sets with Lego's new Smart Brick are now available for preorder https://www.theverge.com/tech/859525/lego-smart-brick-play-system-now-available-preorder-star-wars-sets Reolink Reveals New AI Box and Flagship 24 MP Triple-Lens Security Camera at CES 2026 https://reolink.com/blog/reolink-new-products-at-ces/ CES 2026: SwitchBot Announces Household Robot, Matter Smart Lock and More https://www.macrumors.com/2026/01/06/switchbot-robot-smart-lock/

Wir erleben den Übergang von der KI-Experimentierphase zur Industrialisierung: In dieser Episode zeige ich, wie Milliardeninvestitionen von OpenAI und Meta die Entwicklung von KI-Agenten vorantreiben und unsere digitalen Werkzeuge grundlegend verändern. Wir blicken auf autonome Drohnen im Ukraine-Krieg, Chinas rasante Roboter-Skalierung und die revolutionären Auswirkungen auf Softwareentwicklung und Arbeitswelt. Außerdem analysiere ich den Skandal um manipulierte Benchmarks bei Meta und diskutiere die Folgen für Vertrauen und Innovation in der Branche. Zum Schluss beleuchten wir die Risiken für die psychische Gesundheit durch KI-Chatbots und wie verschiedene Länder darauf reagieren. Begleiten Sie mich durch eine der spannendsten und kritischsten Phasen der KI-Revolution.

Am 25. Oktober 2024 erreichte Nvidia kurzzeitig eine Marktkapitalisierung von rund 3,53 Billionen US-Dollar und überholte Apple damit intraday als wertvollstes Unternehmen der Welt. Der Moment steht exemplarisch für den KI-getriebenen Bewertungsboom – gleichzeitig stellt die Episode die Frage, wie belastbar die Wachstumsstory ist, wenn Chipfertigung, Energie und Infrastruktur an Grenzen stoßen. Die Entwicklung klassischer, elektronenbasierter Computerchips wird zunehmend durch physikalische Effekte, steigende Komplexität und hohe Kosten gebremst; parallel wächst der Strombedarf von KI-Training und Rechenzentren. Für die USA wird in offiziellen und wissenschaftsnahen Auswertungen ein Anteil von etwa 4,4 Prozent am nationalen Stromverbrauch für Rechenzentren (2023) ausgewiesen, mit klaren Projektionen nach oben. Als möglicher Ausweg werden photonische Ansätze skizziert: Rechnen mit Licht verspricht höhere Effizienz, scheiterte aber lange an stabilen, integrierbaren Speicherelementen. Als technischer Baustein gilt die Integration von Phasenwechselmaterialien in Silizium-Photonik, die nichtflüchtige Zustände auf dem Chip ermöglichen und damit programmierbare, speicherfähige photonische Systeme realistischer machen. Im Hintergrund steht die These: Wenn die Industrie die Leistungs- und Effizienzsprünge nicht mehr primär über kleinere Transistoren erzielt, verschiebt sich Innovation in neue Architekturen und Materialsysteme. Parallel beschreibt die Folge, wie KI das Internet qualitativ verändert: Automatisierte Inhalte und Bot-Traffic nehmen zu, was Vertrauen, Auffindbarkeit und „Echtheit“ von Text und Interaktion unter Druck setzt. Messungen aus dem Bereich Web-Security zeigen, dass automatisierter Traffic 2024 global erstmals wieder mehr als die Hälfte des Web-Traffics ausmachte. Auch in Bildung und Medien wird die praktische Ununterscheidbarkeit von KI-Texten und menschlichen Antworten als akutes Problem greifbar. Das führt zu einer Lage, in der „AI Slop“ als Massenphänomen Plattformen flutet und selbst prominente Akteure öffentlich eine Grundskepsis gegenüber Online-Inhalten formulieren. Konkrete Anwendungen verdeutlichen die nächste Stufe der Automatisierung: KI-Agenten übernehmen Verhandlungen oder Supportprozesse, Content-Tools industrialisieren Marketingproduktion, und Robotik macht sichtbare Fortschritte – von der spektakulären Beweglichkeit humanoider Systeme bis zu sozialen Modellen wie ferngesteuerten Robotern, die Menschen mit Einschränkungen Erwerbsarbeit ermöglichen. Zugleich verschärfen sich Risiken und Governance-Fragen: von psychologischen Effekten im Umgang mit dialogfähigen Modellen bis zu handfesten Rechtskonflikten um Datenzugriff. Ein prominentes Beispiel ist die Cloud-Act-Debatte, nachdem Microsoft in einer Anhörung vor dem französischen Senat einräumte, einen Zugriff US-Behörden auf EU-Daten im Einzelfall nicht absolut ausschließen zu können. Die Leitlinie für Entscheider wird klar gezogen: nicht auf Hype-Listen und Popularitätswettbewerbe reagieren, sondern auf konkrete Problem-Lösungen, Kosten-Nutzen, Daten- und Sicherheitsarchitektur. Die Zukunftsprognosen im Beitrag sind bewusst maximalistisch (AGI-Zeitlinien, Überfluss-Ökonomie, Weltraum-Rechenzentren, radikale Medizin), werden aber als Folie genutzt, um eine strategische Kernfrage zu stellen: Welche technischen Engpässe sind real, welche sind adressierbar – und welche regulatorischen sowie gesellschaftlichen Nebenfolgen werden zum dominierenden Limit? Quellen: Nvidia overtakes Apple as world's most valuable company (Reuters) https://www.reuters.com/technology/nvidia-overtakes-apple-worlds-most-valuable-company-2024-10-25/ DOE Releases New Report Evaluating Increase in Electricity Demand from Data Centers https://www.energy.gov/articles/doe-releases-new-report-evaluating-increase-electricity-demand-data-centers What we know about energy use at U.S. data centers amid the AI boom (Pew Research Center) https://www.pewresearch.org/short-reads/2025/10/24/what-we-know-about-energy-use-at-us-data-centers-amid-the-ai-boom/ Monolithic back-end-of-line integration of phase change materials into foundry-manufactured silicon photonics (Nature Communications) https://www.nature.com/articles/s41467-024-47206-7 Artificial Intelligence fuels rise of hard-to-detect bots that now make up more than half of global internet traffic (2025 Imperva Bad Bot Report, Thales) https://cpl.thalesgroup.com/about-us/newsroom/2025-imperva-bad-bot-report-ai-internet-traffic Researchers fool university markers with AI-generated exam papers (The Guardian) https://www.theguardian.com/education/article/2024/jun/26/researchers-fool-university-markers-with-ai-generated-exam-papers Not sovereign: Microsoft cannot guarantee the security of EU data (heise online) https://www.heise.de/en/news/Not-sovereign-Microsoft-cannot-guarantee-the-security-of-EU-data-10494789.html Hyundai and Boston Dynamics unveil humanoid robot Atlas at CES (AP News) https://apnews.com/article/8de7b2470c23f5f22441ad1ad7555136 OriHime-D: A Robot for Everyone, Working and Living Together (OryLab) https://orylab.com/en/orihime_d/

Stellen Sie sich vor, ein einzelner Programmierer erledigt ein Jahr Arbeit in nur einer Stunde – das ist die neue Realität der KI. In dieser Episode blicke ich hinter den Hype, folge dem Milliardenstrom, der diese Revolution antreibt, und zeige, wie Unternehmen, Staaten und Gesellschaft um Kontrolle ringen. Wir erleben bahnbrechende Fortschritte, begegnen aber auch dramatischen Risiken: von Massenarbeitslosigkeit über psychische Gefahren bis hin zu globalen Machtverschiebungen. Was passiert, wenn autonome Agenten und humanoide Roboter den Alltag bestimmen und alte Regeln nicht mehr gelten? Ich frage: Können wir die KI-Zukunft noch gestalten – oder verlieren wir die Kontrolle über unsere eigene Welt?