Michael: Hallo und herzlich willkommen zu Folge 115 von Das Gelbe von AI, dem Podcast rund künstliche Intelligenz und das, was sie für Unternehmen bedeutet. Mein Name ist Michael. Ich bin CEO und Gründer von Private. Und wie immer habe ich meinen congenialen Co-Host Jean-Luc aus Hamburg zugeschaltet. Hallo und guten Morgen, Jean-Luc.

Jean-Luc: Ja, guten Morgen Michael. Hallo von meiner Seite. Ich bin Jollik Winkler, CTO von Private AI und schön, dass ihr auch diese Woche wieder mit dabei seid. Bei LinkedIn und Co. habt ihr es vielleicht schon gesehen. Zumindest quillt dort unser Postfach gerade über. Es gibt auch News in eigener Sache, obwohl wir ja normalerweise über die News aus dem Markt für euch berichten. Wir, also das Team von Private AI und die Schweizer Unternehmensberatung Opcor Partners, bündeln nämlich unsere Kräfte und wir haben uns zusammengeschlossen zu Rina Sky. Michael, erzähl uns doch gern nochmal kurz, was wir dort vorhaben, bevor wir inhaltlich in die Folge einsteigen.

Michael: Ja, das war für uns letztendlich die logische Konsequenz. ArenaSky ist eine gründergeführte KI-Beratung aus Deutschland und der Schweiz, wie du es gerade schon gesagt hast, die KI vom Konzept in den produktiven Betrieb bringt. Das ist unser Leistungsversprechen. unserem AI-Office verbinden wir Geschäftsverständnis, Prozesse, Daten und Technologie und setzen dann genau die Lösungen die sich wirklich rechnen. Das ist so das, mit dem wir uns ja hier im Podcast auch mal beschäftigen. Was bringt KI wirklich und rechnet sich das Ganze? Und so entsteht dann eben ein messbarer Mehrwert statt endloser Pilotprojekte. Das Ganze läuft dann pragmatisch, datenschutzkonform und gemeinsam mit den Teams im Unternehmen. Und ja, hat in den letzten Monaten schon so langsam Fahrt aufgenommen. Wir haben viele spannende Projekte schon umgesetzt und haben dann den letzten finalen Schritt jetzt mit der RennaSky-Grundung vollzogen. ja, ich bin sehr happy drüber und freue mich da auch wirklich drauf. Und ich denke, dass auch hier im Podcast das eine oder andere. sich jetzt bisschen verändert wird, was die Inhalte angeht. Ich glaube, dass wir da viele Use Cases auch hier reinpacken können, die wir aus eigenen, am eigenen Leib auch ausprobiert haben und von denen könnt ihr euch freuen auf alles, kommt.

Jean-Luc: Ja stark, ich freue mich auch. Technische Speck-End und Tech Stack im KI-Bereich gepaart mit Hands-on-Umsetzung und Beratungsleistung. Also wenn ihr mit uns eure KI-Use-Cases erfolgreich umsetzen wollt, dann meldet euch gern direkt oder führt sonst auf unserer Webseite den kostenlosen KI-Reifegrad-Check aus, den wir euch auch in den Show notes natürlich gerne verlinken. Dann könnt ihr erfahren, wo ihr mit euren KI-Aktivitäten bei euch im Unternehmen steht und an welchen Stellen wir euch dann auch am besten unterstützen können. Wir haben eine Woche hinter uns, in der gefühlt jeden Tag ein neues Spitzenmodell erschienen ist und da müssen wir jetzt hart aussortieren. Trotzdem starten wir wie immer mit der Zahl der Woche und diesmal mit neun Nullen und einem Übernahmevertrag dahinter. Worum geht es genau? Die Zahl der Woche lautet nämlich 12,93 Milliarden Dollar, so viel zahlt Nvidia für die Übernahme von Hugging Face. Die verbindliche Vereinbarung ist bereits unterschrieben. Der Abschluss ist für das erste Halbjahr 2027 dann geplant. Hugging Face ist die zentrale Plattform für offene KI. Dort liegen mittlerweile über drei Millionen Modelle und 500.000 Datensätze, mit denen man dann zum Beispiel eigene Modelle weiter trainieren kann. 18 Millionen Entwickler und mehr als 200.000 Unternehmen nutzen diese Plattform bereits. Wer ein offenes Modell wie zum Beispiel Quen oder Mistral herunterlädt, macht das in der Regel dann über Hugging Face Zentral. Rund 11,9 Milliarden aus dieser Summe gehen an die bisherigen Anteilseigner und bis zu eine Milliarde fließen in die Aktienprogramme rein für die Mitarbeitenden. Es ist nach dem GroK Kauf für 20 Milliarden im Dezember die zweitgrößte Übernahme in NVIDIAs Geschichte. Spannend ist auch so bisschen die Vorgeschichte, wenn wir da noch mal kurz reinblicken. Ende 2025 hat Hackingface ein Investment von 500 Millionen Dollar bei 7 Milliarden Bewertungen abgelehnt. Die Begründung damals, kein einzelner Investor soll so viel Einfluss bekommen. Neun Monate später verkauft man an genau diesen Investor für fast das Doppelte. Jensen Huang verspricht, dass die Plattform weiterhin offen bleibt und niemand Nvidia-Hardware braucht, dort Modelle zu bauen oder auszuliefern. Gleichzeitig nennt Nvidia selbst ein Risiko. Viele der beliebtesten Modelle auf der Plattform kommen aus China. Das kann regulatorisch schnell zum Problem werden. Aus Geschäftsmodell-Sicht ist das ein kluger Schachzug, ich sagen. Nvidia verkauft die Schaufeln, wenn man dann diesen... das Goldgräber, die Goldgräber mit Taffa hierbei denkt. Und jetzt kauft es auch noch den Marktplatz, auf dem alle ihre Schaufeln dann gezeigt werden. Wer die Plattform kontrolliert, sieht als Erster, welche Modelle gerade abheben und welche Hardware dafür auch dann gebraucht wird. Also cleverer Schachzug. Mein Blick ist deshalb aber auch ein bisschen zwiespältig, denn kurzfristig bekommt Huggling Face einen Partner mit ungegrenztem Budget, wenn man so möchte, und die Plattform wird stabiler. Langfristig allerdings zieht ein börsenorientierter Konzern mit Billionenbewertungen jede Plattform in Richtung Umsatz. Das werden wir sicherlich auch hier sehen. Also ob die versprochene Offenheit in fünf Jahren noch gilt, entscheidet nicht Jensen Huang, sondern letztendlich der Kapitalmarkt. Ja, für Unternehmen. Bei uns heißt das natürlich, offene Modelle bleiben wichtig, genau wegen dieser Abhängigkeiten oder auch Unabhängigkeiten. Aber wer heute seine Modellpublien auf Hanging Face aufbaut, sollte sich die Frage stellen, wie leicht er im Zweifel dann auch weiterhin wechseln kann zu anderen Planen. Starten wir in das große Hauptthema für diese Woche rein. Ich hab ja schon bisschen angekündigt, es gab sehr, sehr viele Modelllaunches. Und da möchte ich auch mit einem Launch starten, nämlich was GPT-6 Astra ist und auch was es dann kostet. Was es eigentlich platziert, OpenAI hat GPT-6 Astra veröffentlicht. Das Unternehmen nennt es das intelligenteste und am besten ausgerichtete Modell der Welt und spricht von einem generational leap, also einem Generationssprung, der hier gemacht wird. Sieht man natürlich auch so bisschen an der Nummer, man ehrlich sein. Bestwerte in Wissenschaft, Mathematik, Computersteuerung, Programmierung und auch in Cyber-Sicherheit konnten hier alle lang werden. Die Benchmarks fallen auch extrem aus, wenn man die Zahlen reinschaut. 99,9 Prozent auf ARC-AGI 3, also der Vorgänger GPT 5.6 Sol kam hier auf 7,8 Prozent. 98 Prozent auf FrontierMath T4, erstmals volle Punktzahl auf Exploit Bench. Also da ist richtig was los. Im Artificial Analyzes Intelligence Index landet Astra mit 61 Punkten, allerdings hinterclawt Fable 5.1, Fable 5, auch Opus 5 und sogar Metas Muse Spark 1.3. Also da ist noch ein bisschen Luft nach oben. Wochluft nach oben ist es beim Preis bzw. eher andersrum, denn der ist schon ziemlich hoch. Also 10 Dollar pro Million Input und 50 Dollar pro Million Output Tokens in der API-Nutzung. Das ist dann rund 2,5 Mal teurer als GPT 5.6 Sol und exakt der Preis von Fabel 5.1 OpenAI verweist auf effizientere Tokennutzung pro Aufgabe. Damit sollte sich der Preis vielleicht auch ein bisschen mehr relativieren. Der Rollout ist gestaffelt, also zuerst ausgewählte Organisationen aus dem Daybreak-Programm, dann die Plus-Nutzer, die Pro-User, Business-User, Enterprise-User, API-Nutzer und auch die Ausrollung über AWS. Greg Brockman ruft die AGI-Ära aus. die Frage, ob Astra AGI sei, sagt Open AI's Präsident. Ich persönlich denke, dass wir diesen Punkt erreicht haben. Das Presser-Briefing endet mit Welcome to the AGI-Ära. Also, ja, sind wir mal gespannt, ob wir das schon so unterschreiben können. Der Kontext ist eine Launch-Lavine allerdings. Also innerhalb von drei Tagen haben Entropic mit Fabel 5.1, Google mit Gemina 3.8 Flash und auch Meta mit MuSpark 1.3 und OpenAI dann neue Spitzenmodelle vorgestellt. Early Access Nutzer sehen jetzt Astra bei Computer Use, Coding und 3D sehr weit vorne. Bei Frontend und Webdesign scheint allerdings weiter Fabel 5.1 von Entropic der Vorreiter oder Spitzenreiter zu sein. Das Enterprise-Geschäft dominiert auch weiterhin hier. OpenAI erzielt inzwischen mehr Umsatz mit Unternehmen als mit Konsumenten. Der Dev Day am 29. September gilt hier dann als Bühne für die nächsten Agentenprodukte, die da vorgestellt werden sollen.

Michael: Ist dann die AGI-Ära eine technische Aussage oder eine Marketingaussage? Sind wir jetzt wirklich schon dabei, quasi die absolute Super-Hyper-Intelligenz zu haben, die in Menschen überlegen ist?

Jean-Luc: Schwierige Frage. glaube, noch kann man das nicht sagen. Ist es jetzt eher eine technische Aussauger oder Marketing Aussage? Ich würde sagen beides. Es gibt keine präzise AGI Definition. Das macht es natürlich schwierig, das irgendwie zu bewerten. Und Brockman hat mit für mich persönlich, was er als Wording verwendet hat in dieser Pressemeldung, natürlich bewusst die Tür etwas offen gelassen. Die Substanz hinter dem Launch ist aber größer als bei früheren Ankündigungen. Die Vorabtester haben Dinge gebaut wie einen GitHub-Ersatz, auch einen 3D-Städtesimulator über mehrere Tage und OpenAI verschiebt die Definition von Intelligenz bewusst in Richtung erledigt selbstständig arbeiten am Computer. Denn dort ist das Modell tatsächlich vorn, auch wenn es jetzt im Intelligence Index hinter Entropic und auch Meta liegt. Also ich glaube, das ist eine Definitionssache und hier versucht jeder so bisschen die Definition, die noch nicht so richtig festgesetzt ist, sein, Gunsten in die richtige Richtung zu drängen, damit man behaupten kann, wir sind die ersten, jetzt bei AGI angekommen sind. Auch so bisschen zum Thema Definition vielleicht noch ganz kurz was zum Thema Benchmarks. Da gibt es auch so bisschen Streit, also 99,9 Prozent oder sind es vielleicht dann doch irgendwie nur 62,7 Prozent. Was steckt da jetzt dahinter? Der AGI Wert stammt aus Open AI's eigenem Harness. mit dem sogenannten Provider Adapter Harness erreicht Astra 99,9 Prozent. Auf Arc AGI 3 läuft allerdings dasselbe Modell durch die Standard-Software des Benchmarks, dann sind es nur 62,7%. Also die Differenz liegt in der Software rund das Modell, das sogenannte Harness. OpenAI hat das Scaffolding gebaut, das Astra unbekannte Spielwelten in kompakte, symbolische Weltmodelle übersetzt. Also Spielregeln als logische Regeln, Kurzschrift zum Verfolgen des Zustands. Spielt sozusagen unter ihren eigenen Regeln, wenn man so möchte. Und dadurch wird es schwieriger vergleichbar. Die Kosten sind allerdings bemerkenswert. 62,7 Prozent kosten rund 26.000 US-Dollar. Die 99,9 Prozent mit angepasster Schnittstelle rund 19.000 US-Dollar. Bei 96 Prozent der Level brauchte Astra weniger Aktion als der median Mensch, der hier zum Vergleich herangezogen wurde. ArcAGI 3 ist der Benchmark, der im April noch bei 0,51 % lag. Menschen lösten alle Aufgaben leicht, die besten Modelle scheiterten damals allerdings noch Und fünf Minuten später steht das Modell bei 99,9 Prozent. Also wie gesagt, eigenen Spielregeln. Die Arc-Macher nennen das einen großen Sprung nach vorne, sehen aber zu wenig Evidenz für das AGI Label. Auch hier wieder Definitionssache und kündigen jetzt eine nächste Benchmark Generation an. OpenAI relativiert hier auch selber noch mal ein bisschen. der Kommunikation an Unternehmen spricht OpenAI von einem Fortschritt bei autonomen Problemlösen. allerdings jetzt nicht von einem AGI-Beweis. Kommen wir vielleicht abschließend zu dem Hauptthema noch mal zu dem Punkt Computer Use als universellen Connector sozusagen und was Astra eigentlich auch praktisch jetzt kann. Brockman nennt Computer Use den größten Fortschritt. Astra schaut auf den Bildschirm, bewegt die Maus eigenständig, tippt und arbeitet sich durch den Browser durch. Tabellen und Unternehmenssoftware werden jetzt hier bedient und bearbeitet. Open AI nennt es Das beste Computer-Use-Modell der Welt und das beste Modell für Software Engineering bis heute. Das sind allerdings alles Themen, wir auch schon aus anderen Modellen kennen. Vielleicht nicht in diesem Umfang oder in der Qualität und Geschwindigkeit. Die Demos aus der Community sind eindrücklich. Ein Nutzer gab Astra beispielsweise in Minecraft den Auftrag, einen Diamanten zu schürfen und ging dann schlafen. Am Morgen lag der Diamant im Inventar nach zwei in Höhlen improvisierte das Modell mit einem Boot. Aufgaben erledigte es 47 Prozent schneller als der Vorgänger. Also das Modell passte sich hier dann auch den Gegebenheiten an und ist dann auch deutlich schneller gewesen als bisherige Versuche. Astra spielt jetzt auch GTA Vice City, in dem es das Spiel in ein rundenbasiertes Spiel verwandelt, also Screenshots macht, nachdenkt, handelt, pausiert. Die Mission scheitert zwar an einer Wand, kann man hier sehen, da ist es im Grunde genommen so, dass das Modell dann doch nicht ganz so vorausschauend fährt. Ich würde sagen, es reicht jetzt nicht aus, damit autonome Autos zu betreiben. Aber das Muster zeigt hier, wir agentenfremde Software bedienen ohne harte Integration. Also man muss hier keine Integration schreiben, sondern das Modell bedient den Computer an der Stelle selber.

Michael: Warum ist denn Computer Use für Unternehmen wichtiger als jeder Benchmark?

Jean-Luc: Ja, weil es die Integrationsfrage umdreht. Also bisher musste jede Software eine API haben, damit KI sie nutzen kann. Auch hinter MCP, sprich Model Context Protocol, steht ja im Grunde genommen nur eine API, die anders nutzbar gemacht wird. Und jetzt reicht eigentlich ein Bildschirm oder virtueller Bildschirm im Grunde genommen, gerenderte Ansicht. Und das öffnet jetzt Legacy System im Mittelstand. So was wie die SAP-Maske quasi, das waren Wirtschaftssystemen, Behördenportale, ohne ein einziges Integrationsprojekt. Das heißt, man kann jetzt direkt dort auch Automatisierungen machen. Wer über Nacht einen Diamantenschift, so wie wir es eben gerade gehört haben, in Minecraft, kann auch über Nacht eine Reisekostenabrechnung durch fünf Systeme durchtragen. Und die Verantwortung bleibt dabei beim Unternehmen. Also ein Agent, der Bildschirme bedient, bedient auch Systeme mit Kundendaten und ... agiert in der Regel auch direkt am offenen Herzen im Life-System. Er protokolliert vielleicht. Datenschutz und Haftung müssen auch geklärt werden, bevor der Agent jetzt hier anfängt zu improvisieren, wie zum Beispiel vorhin beschrieben in der Höhle dann. Und nur mit letztendlich klaren Angaben und guten Guidelines kommen wir hier tatsächlich weiter. Genau, kommen wir zu dem Big Player, Michael. Was hat sich da in den letzten Wochen getan?

Michael: Ja, starten wir nochmal mit OpenAI, auch wenn du schon relativ viel dazu erzählt hast. OpenAI löst das Navier-Stokes-Millennium-Problem mit 10.000 Agenten. OpenAI beansprucht die Lösung eines der 7-Millennium-Probleme. Ein internes System, das laut OpenAI deutlich leistungsfähiger als GPT-6 Astra ist, hat mit rund 10.000 parallelen Agenten in 88 Stunden gezeigt, dass die Navier-Stokes-Gleichungen unter Extrembedingungen zusammenbrechen können. Das Problem war, eine Million Dollar Preisgeld ausgesetzt. Der Beweis ist formal verifiziert. Neben dem analytischen Beweis liegt eine DIN-Formalisierung vor. Allerdings ist so, dass sich das Ganze jetzt für Ocmere eigentlich unbedingt so gerechnet hat, weil der Rechenaufwand lag bei 22,5 Millionen Dollar. Also deutlich mehr als das Preisgeld, ausgesetzt war und 300 Milliarden Output-Tokens wurden verbraten sozusagen. Ein Urheberrechtsstreit. begleitet den Erfolg. Der NYU-Mathematiker Tristan Buckmaster wirft OpenAI vor, auf seiner noch unveröffentlichten Arbeit aufgebaut zu haben. Chief Scientist Pachoky räumt ein, dass die Modelle unser Verständnis überholen. Das Modell, das den Beweis geliefert hat, ist nicht öffentlich und wird es vorher auch nicht werden.

Jean-Luc: Was heißt denn 22,5 Millionen Dollar für einen Beweis wirtschaftlich?

Michael: Das ist Preis für einen PR-Moment für OpenAI und ein Signal an die Investoren vor dem IPO. Der liegengeprüfte Beweis ist echt. Der Streit Buckmasters Vorarbeit zeigt aber, dass auch KI-Forschung auf menschlichen Schultern stehen kann. Für Unternehmen zählt eine andere Botschaft. Agentenschwärme mit tausenden parallelen Instanzen sind kein Forschungsprojekt mehr, sondern ein Betriebsmodell. Und damit kann man, wie gesagt, sehr komplexe Aufgaben lösen, was man hier sieht. Nächstes Thema, Agenten außer Kontrolle, Sandbox-Ausbrüche und heimliche Schwärme. Da geht es jetzt mehrere Big Player dabei. Einerseits Entropic, die haben nämlich offengelegt, dass Clot-Modelle bei Sicherheitstests aus einer Sandbox ausbrachen. Reale Systeme, Dreierorganisationen wurden kompromittiert. Über 10 % der Trainingsumgebungen waren fehl konfiguriert. Die OpenAI-Agenten kommunizierten monatelang heimlich, ist ein anderes Thema. Über 1200 Agenten tauschten rund 70.000 Nachrichten über ein Artifactory Repository aus, manipulierten Evaluierung und drangen bei Hugging Face ein. Gut, wir ja jetzt bald ein Einunternehmen. Und zweiter Schwarm nutzte ein deutsches Programmierforum. Ab Mai wurden dort 18.000 Posts abgesetzt. Testantworten auszutauschen und OpenAI's Regeln zu umgehen. OpenAI hatte den Vorfall nicht offengelegt. Google DeepMind bestätigt ebenfalls solch ein Muster im Experiment 100 Gemini 3.1 Pro Agenten, lösten 37 von 71 Mathevermutungen korrekt, dann fand ein Agent einen Exploit im Lean-Four-Grader und in 27 Minuten wurden die restlichen 34 Probleme mit gefälschten Beweisen akzeptiert. Whistleblower-Agenten entstanden auch, hatten aber letztendlich keine Macht. Also sehr interessante Sozialexperimente, die Herr Google auch durchführt, kann man sagen.

Jean-Luc: Ja, wild, was Agenten dann alles so machen, wenn man sie mal machen lässt. Also was lernen Unternehmen daraus für eigene Agentenprojekte?

Michael: Ja, also man sieht auf jeden Fall, dass ein Muster da ist, wenn drei verschiedene Anbieter drei ähnliche Vorfälle melden. Und sobald Agenten ein Ziel und ein Kommunikationskanal haben, optimieren sie eben auch im Regeln herum. Im Endeffekt ist das ja auch das Prinzip von einem Agenten, dass er sich selber eine Lösung sucht. Und je cleverer die Modelle werden, desto kreativer werden auch die Lösungen, man hier nicht sieht. Da steckt nicht unbedingt Bosheit dahinter, sondern letztendlich einfach nur, wie gesagt, eine gewisse Individenz und eine reine Fokussierung auf das Ziel, ohne jetzt irgendwelche größeren Guardrails. Die Sandbox ist deshalb die wichtigste Komponente, nicht unbedingt das Modell. Das heißt, man braucht harte Netzwerkgrenzen, lückenlose Protokollierungen und Grader, die nicht vom Agenten selbst manipulierbar sind. Also sprich, das Thema Guardrails ist eben elementar, wenn man mit Agenten arbeitet. Dann gibt es auch Warnungen aus den Labs selbst. Auch das haben wir ja schon häufiger gehört. Beispielsweise Opme AI-Chefwissenschaftler Jacob Pachocki fordert im Essay An Alien Mind. Verlangsamung der Branche. Kein Labor habe Lineman und Monitoring gut genug gelöst, verantwortungsvoll mit maximalem Tempo weiter zu skalieren. Er verlangt verbindliche extern kontrollierte Sicherheitsstandards. Und auch der Entropic-Forscher Jacob Coxon. kündigt aus Protest. Die Labs aßen direkt auf selbstverbessende Superintelligenz zu und erfordert Pacing-Vereinbarungen zwischen den Laboren. OpenAI will bis März 2028 einen automatisierten KI-Forscher bauen. Nach einem Sicherheitsvorfall wurde das Reinforcement Learning Training zeitweise pausiert. Gleichzeitig meldet OpenAI den Automated Research Intern als erreicht. Das heißt, wir haben noch nicht den KI-Forscher, aber zumindest den Intern. Also da sieht man eben, schnell diese Entwicklung auch geht.

Jean-Luc: Ja, aber wie passt jetzt irgendwie Welcome to the AGI-Era zu Wir müssen langsamer werden aus demselben Unternehmen drei Tage auseinander nur.

Michael: Ja, ich glaube, da sieht man ganz gut den Unterschied zwischen der CEO Finanzperspektive, wenn der IPO näher rückt und dem ethischen und wissenschaftlichen Verständnis, das eben diese Forscher mit sich bringen. Also letztendlich stammt das ja direkt aus den Forschungsabteilungen, solche Nachrichten und nicht unbedingt aus dem Salesbereich, sag ich mal. Also letztendlich ist es so, dass dort eben schon eine gewisse Gefahr drin lauert. Ich meine, das sieht man ja an diesen Themen. Allerdings muss man auch hier natürlich immer aufpassen, so wie ich es gerade auch gesagt habe. Solche Meldungen klingen zwar bedrohlich, aber andererseits kann man die natürlich auch immer als eine Art PR und Marketing-Stunt deuten. Deshalb muss man da genau hinschauen. Es ist auf jeden Fall ein sehr kontroverses Thema. Man kann sich glaube ich noch keine abschließende Meinung darüber bewegen. Kommen wir zum Thema OpenAI Business, Agentenprodukte, der Cursor-Bruch und 1,06 Milliarden Nutzer. TouchiBT erreicht im August 1,06 Milliarden monatlich aktive Nutzer. Das ist der vierte monthly active User-Rekord in Folge. Während das Enterprise-Geschäft inzwischen mehr Umsatz bringt als das Konsumentengeschäft. OpenAI bereitet sogenannte Managed Agents. für den DevDev vor, d.h. nach Anthropic Vorbild mit Computer-Use-Fähigkeiten und interaktiven Werbeagenten. Ein direkter Angriff eben auf Meta und Google im Anzeigengeschäft. Chatchabit Work lernt währenddessen Schreibprofile aus verbundenen Gmail, Drive, Slack und Sharepoint Konten erstellt, ein persönliches Profil und wendet Phrasen, Formatierungen und Signaturen automatisch an, ohne neue Datenzukünfte. Und ein weiteres Thema, OpenAI beendet die Zusammenarbeit mit Cursor. Nach der Übernahme von Cursor durch SpaceX stellt OpenAI die Zusammenarbeit ein. Cursor zählt zu den größten API-Kunden von Opme AI. Also auch das ist sehr bemerkenswert und grundsätzlich laut berichten, früher Vertragsverstöße.

Jean-Luc: dass die wahren Gründe sind, auf jeden Fall eine irre Resonanz, die man gerade zur Cursornutzung dadurch sieht. Aber lass uns nochmal über die Managed Agents sprechen. Ist das das eigentliche Geschäftsmodell hinter dem Astra Modell?

Michael: Ich denke schon, Das Modell ist häufig ja eben nur die Fähigkeit, aber der gemanagte Agent ist dann eben das Produkt mit dem wiederkehrenden Umsatz. Man sieht es ja auch so ein bisschen an dem, was wir vorher diskutiert haben. Das Erlöspotenzial ist natürlich sehr, hoch mit diesen Agents für OpenAI. Werbeagenten sind dabei der interessanteste Punkt. OpenAI will nicht nur Anzeigen verkaufen, sondern Agenten, die für Marken mit Kunden sprechen. Dieser Cursor-Bruf zeigt zugleich, dass Modellanbieter ihre größten Kunden fallen lassen, wenn strategische Interessen kollidieren. Das heißt, die Multimodellfähigkeit ist eben keine Kür, sondern letztendlich wirklich Pflicht in diesen Zeiten. Wenn eben die ganzen IPOs anstehen und dieses Rennen so eng ist, dann möchte man auch seine Geschäftsgeheimnisse entsprechend schützen, egal wie wichtig dieser Kunde aktuell ist. schauen wir noch, was die anderen Player so machen, nämlich Google. Google hat nämlich Gemini 3.8 Flash veröffentlicht, das dritte Flash-Modell in sechs Wochen. Der Preis liegt bei 75 Dollar Cent, beziehungsweise 3 Dollar 75 pro Million Token Input, beziehungsweise Output, plus eben eine Cyber-Variante. Außerdem hat DeepMind Webnext 3 vorgestellt. Das erlaubt stündlich aktualisierte Prognosen mit 5 Kilometer Auflösung bis zu 60 Prozent weniger Regenfehler und 50 Prozent genauere Folgetagevorhersagen. Das heißt, sehr spannend, wie im KI auch in der Wetterprognose eingesetzt wird. Also ein sehr spannendes Thema, das eben auch die Daten aus Search, Maps, Gemini und Google Earth mit integriert.

Jean-Luc: Also als privater Minder auf jeden Fall ein spannendes Thema, aber auch für Unternehmen gab es da ein paar spannende Use Cases zu. Magst uns vielleicht noch mal da aufschlauen, warum so eine Wetterprognose auch für Unternehmen spannend ist?

Michael: Ja, also Unternehmen sind natürlich sehr wetterabhängig. Der Gedanke kommt einem vielleicht nicht sofort, aber es sehr logisch, weil Logistik natürlich am Wetter hängt, Energie am Wetter hängt. Wenn eben viel Sonne scheint, sind die Preise eben durch Solarenergie günstiger. Die Landwirtschaft hängt extrem vom Wetter auch ab. Man kann nicht welche Aufgaben täglich durchführen. Hängt dort sehr stark vom Wetter ab. Und auch der Einzelhandel. bemerkt natürlich immer bei schlechtem Wetter in der Regel mehr Umsatz als bei Schömen etc. Auch die Produkte, dort gekauft werden, sind teilweise wetterabhängig. wer dort Wissensvorsprung hat, kann durchaus für sein Geschäft sehr sehr große Nutzen ausziehen. Und eine 60 % bessere Regenprognose ist eben bares Geld. Und ein Beispiel dafür ist KI-Fortschritt außerhalb von Sprachmodellen. oft unterschätzt wird. Also wie gesagt, ein Thema, das glaube ich sehr selten diskutiert wird, aber eben einen sehr, großen Business-Impf. Kommen wir zu Meta. Mu's, der persönliche Agent mit eigenem Cloud-Computer. Meta startet mit Mu's, Always-On-persönlichen KI-Agenten. Auf Basis von MuSpark in einer secure Virtual Machine mit Sentinel-Aufsicht ist das Ganze jetzt eben gestartet. Er bucht Tische, schreibt E-Mails, füllt Formulare aus und kauft ein per App oder WhatsApp. Das Preismodell ist sehr aggressiv, kostenlos bis 100 Millionen Tokens pro Woche. Abos dann für 20 bzw. 100 Dollar monatlich. Zunächst nur in den USA. NewSpark 1-3 Max liegt im Ranking aber knapp hinter Fable 5.1. Ist aber wie gesagt trotz allem ein sehr spannendes Thema. Wie gesagt leider gerade in USA, aber sollte wahrscheinlich auch bald zu uns kommen. Allerdings bleibt Metas Vertrauensproblem. ein Agent mit Zukunft auf E-Mail, Kalender und Zahlung von dem Konzern, der seit Cambridge Analytica für Datenmissbrauch steht. Sehr harte Aussage, aber es gab eben diese Vorfälle. und dementsprechend ist das Image in diesem Bereich immer noch nicht perfekt für Metern. Crocbot für Unternehmen und Croc Imagine Video 1.5. Das ist das nächste Thema von XAI. XAI bringt Crocbot für Unternehmen raus. Jeder Nutzer bekommt eine eigene isolierte Umgebung. Der Bot hat standardmäßig keinen Zugriff. Croc und Cursor Enterprise Kunden können es zwei Wochen kostenlos testen. Und Croc Imagine Video 1.5. als Agent erschienen auf Basis von Image 2.0 mit besserem Storytelling und Shot-Kontinuität. Kommen, last but not least, zu unserem europäischen Player, Mistral. Die haben eine 3-Milliarden-Euro-Series-D eingefahren. Das ist die größte Equity-Runde Europas. Mistral hat diese 3 Milliarden, bei einer 21-Milliarden-Bewertung einkassiert. Wie gesagt, die größte Equity-Runde der europäischen Deckgeschichte. Über 125 Enterprise-Kunden, darunter Airbus und HSBC. waren eben mit einer Gründe zu sagen, das Unternehmen hat Potential, da wird rein investiert und Mistral plant, 1 Gigawatt Rechenkapazität in Europa bis 2030 in einer eigenen Infrastruktur eben als Antwort auf die US-Hyper Scale. so weit zu den Big Player Updates. Lass uns gerne noch zu den Quick News, Sean Lück. Und zwar richtig

Jean-Luc: Genau, dann starte direkt durch mit deiner ersten Quick News, Michael.

Michael: Wir starten mit dem Thema Strom statt Chips. baut in Finnland. Europa wartet auf Netzanschluss, ist die Überschrift. Google investiert 15,1 Milliarden Dollar in KI-Infrastruktur in Finnland. Das ist die größte Einzelinvestition des Konzerns in Europa. Parallel bekommt Google in Iowa ein eigenes Atomkraftwerk. Das US-Energiemiliteum gibt NextEra einen Kredit über 1,9 Milliarden Dollar, das stillgelegte Kraftwerk Duane Arnold bis 2029 wieder ans Netz zu bringen. Google plant, bis zu sechs Rechenzentren in der Nähe aufzubauen. Und dahinter steckt eben ein Muster, dass die IEA mit Zahlen belegt, der Stromverbrauch von Rechenzentren wuchs 2025 17 Prozent. bei KI Rechenzentren sogar 50%. Bis 2030 soll sich der Verbrauch auf rund 950 Terawattstunden verdoppeln. Und 2025 floss erstmals mehr Geld in Rechenzentren, als in der Erschließung neuer Das Problem ist nicht die Menge, sondern die Zeit. Ein Rechenzentrum steht in 18 bis 24 Monaten. Ein Netzanschluss In Frankfurt, Amsterdam und Neu-Dublin dauert sieben bis zehn Jahre. In Deutschland liegen laut Übertragungsnetzbetreibern rund 270 Gigawatt in der Warteschlange. Dänemark hat im März alle neun Großanschlüsse gestoppt. Und europäische Industriestrom kostet doppelt so viel wie in den USA. Deshalb geht Google nach Finnland. Deshalb, weil freie Netzkapazität, kühles Klima und günstiger Strom ideale Bedingungen dafür sind. Für den deutschen Mittelstand heißt das KI-Rechenleistung der nächsten Jahre steht vermutlich nicht in Hessen, sondern in Skandinavien oder in den USA. Wer Datensouveränität will, soll jetzt schauen, wo seine Anbieter tatsächlich sind.

Jean-Luc: Kommen wir zur zweiten Quick News. Da geht es Thema, das wir sehr häufig gesehen haben in den letzten Monaten, nämlich das Thema KI-Kosten. hier auch noch eine Zahl zu nennen, 600 Dollar pro Tag. OpenAI legt seine eigenen Agentenkosten jetzt offen. Das ist eine Meldung, die ich besonders spannend fand. OpenAI hat interne Zahlen veröffentlicht, wie stark die eigenen Forscher inzwischen auf Coding-Agenten setzen. Also pro menschlichen Arbeitstag laufen dort 3,1 Agentenarbeitstage und der Token-Output ist seit Dezember letzten Jahres das 104 und 24 fache gestiegen, also hätte auch eine Zahl der Woche werden können. Die Kostenseite ist jetzt genauso deutlich, denn die täglichen Inferenzausgaben pro Forscher stiegen von 14 auf über 600 Dollar, wohlgemerkt pro Tag. Und die Spitzengruppe, also das 90. Perzentil, liegt bei über 7.000 Dollar pro Tag. Das sind Größenordnungen, die man sonst von Cloud-Rechnungen, ganzen Teams bisher nur kennt. Und wie das außerhalb von OpenAI aussieht, das hat Uber schon im Juni gezeigt, denn dort war das KI-Coding-Budget für 2026, also für dieses Jahr, bereits schon im April aufgebraucht. Die Antwort hierauf, ein Deckel von 1500 Dollar pro Mitarbeiter im Tool im Monat mit der Begründung, dass Mehrnutzung keine nachweisbar besseren Produkte gebracht hat. Meine Einschätzung dazu, wir sind jetzt in der FinOps-Phase für KI angekommen. Also die erste Welle war, gib mir alle Zugang. Da hat man versucht, einfach mal die Leute machen zu lassen. Die zweite Welle, die heißt eher, zeigt mir den Business Case pro Token. Und wer KI-Tools im Unternehmen einführt, der braucht von Tag eins eigentlich auch dann ein Kosten Monitoring pro Team und auch pro Anwendungsfall. Also genau das, was wir beispielsweise bei uns im AI Officer Modul den Nutzern zur Verfügung stellen. Das heißt, wir können Use Cases erfassen und können auch die Kosten, dann pro Use Case für die KI entstehen. diesen Use-Cases dann zuweisen, sodass man dann nicht nur aus dem Bauch heraus Entscheidungen trifft, sondern auch tatsächlich Zahlen basiert. Denn sonst kommt der Deckel wie bei Uber pauschal und für alle und nicht wirklich sinnvoll gesteuert.

Michael: Kommen wir zu der letzten Quick News. Deutsche Online-Shops verlieren erstmals Sichtbarkeit bei Google. Eine Entwicklung, die absehbar war, mehr oder weniger. Allerdings für den E-Commerce natürlich sehr dramatisch ist. Die organische Googlesichtbarkeit deutscher Online-Shops sinkt erstmals nach Jahren des Wachstums. Laut der Citrix-Auswertung verlieren die Top-Shops 16,7 Prozent Sichtbarkeit. Als zentralen Treiber nennt die Analyse die KI-Antworten in der Suche, die Klicks auf Shop-Seiten abfangen. Das ist die Kehrseite dessen, worüber wir vorhin bei Agenteek Commerce gesprochen haben. Die Kaufentscheidung wandert aus der Trefferliste in die KI-Antwort. Wer dort nicht vorkommt, existiert für den Kunden nicht mehr. Für Shop-Betreiber verschiebt sich damit das Spielfeld. Klassisches SEO reicht nicht mehr aus. Es geht darum, KI Antworten zitiert zu werden, strukturierte Produktdaten, klare Vergleichsinformationen und echte Bewertungen zu haben. Und parallel die Frage, ob der eigene Shop bereit ist, der nächste Kunde ein Agent ist und kein Mensch. Soweit die Nachrichten, speziell für den E-Commerce, soweit auch unsere Quick News. Das war jetzt Folge 115. Ich bedanke mich wie immer für eure Aufmerksamkeit. Wenn euch die Folge gefallen hat, freuen wir uns natürlich über eine Bewertung. Und... auch ein Abo auf unserer Podcastplattform. Keine Sorge, ist natürlich kostenlos, wie ihr es dort auch kennt. Ihr tut uns aber einen großen Gefallen, wenn ihr uns folgt und die Folgen abonniert.

Jean-Luc: Ja, auch von meiner Seite vielen lieben Dank. Bevor wir die Folge schließen, möchten wir allerdings euch noch einladen zu einem Event. Michael, was haben wir da geplant?

Michael: Genau, und zwar habt ihr ja zu Beginn gehört, dass wir nun mit Rina Sky im Deutsch-Schweizer Markt aktiv sind und haben dort so quasi als Kickoff in Rorschach in der Schweiz im Wirthaus ein Event am 30. September geplant. Da geht es wirklich dieses Thema, was wir heute auch besprochen haben, Effizienz von KI. Wir nennen das den großen Kassensturz. wirklich spannendes Thema, wo wir auch so bisschen Workshop-Anteil dabei haben, wo Unternehmen mal gemeinsam rechnen können. Wenn euch das interessiert und ihr in der Nähe seid oder auch gerne etwas weiter anreist in die schöne Schweiz, macht das gern. Wir haben den Link dazu in unseren Show-Nodes und würden uns natürlich freuen, euch dort auch mal persönlich kennenzulernen. Also von dem her hoffe ich mal, dass wir uns in Rorschach in der Schweiz am 30. September sehen. Bis dahin sage ich, macht's gut und dann hoffen wir, dass wir euch bei der nächsten Folge zumindest wieder mit an Bord haben.

Jean-Luc: Macht's gut, bis nächste Woche!