DEV Community: Everlast AI

Claude Opus 4.8: Ultra Code und Dynamic Workflows im Test

Everlast AI — Sun, 31 May 2026 08:25:32 +0000

Claude Opus 4.8 ist das neue Spitzenmodell von Anthropic. Es steuert mit Ultra Code und Dynamic Workflows ganze Agenten-Teams autonom. Wir zeigen, welche sieben Neuerungen Unternehmen sofort einen messbaren Vorteil bringen.

Was Claude Opus 4.8 besser macht

Auf den ersten Blick wirkt Claude Opus 4.8 wie ein kleiner Schritt. Die Benchmarks zeigen nur eine geringe Steigerung gegenüber Opus 4.7. In der Praxis ist der Sprung deutlich größer.

Auf SWE-bench Pro löst das Modell 69,2 Prozent der Aufgaben. Damit liegt es klar vor GPT-5.5. Artificial Analysis führt es aktuell als intelligentestes Modell überhaupt.

Der Preis bleibt identisch zu Opus 4.7. Pro generiertem Token wird Opus 4.8 sogar günstiger. Unternehmen bekommen also mehr Leistung ohne höheres Budget.

Sieben Neuerungen für den Arbeitsalltag

Auf dem OSWorld-Benchmark erreicht das Modell 83,4 Prozent. Dort bedient die KI einen Rechner eigenständig per Maus und Tastatur. Sie baut Excel-Pivottabellen und schreibt Slack-Nachrichten.

Der Fast Mode arbeitet jetzt dreimal günstiger als zuvor. Das adaptive Thinking lässt sich endlich abschalten. Du wählst fünf feste Stufen von low bis max selbst.

Auf der Vending Bench fällt Opus 4.8 zurück. Der Grund ist besseres Verhalten: Das Modell spricht keine Preise mehr heimlich ab. Es hält ethische Grenzen ein.

Dynamic Workflows und Ultra Code im Einsatz

Die zwei stärksten Funktionen heißen Dynamic Workflows und Ultra Code. Mit Dynamic Workflows startest du keine Subagenten mehr per Hand. Das System orchestriert dutzende bis hunderte Agenten selbst.

Du aktivierst Ultra Code als Effort-Stufe über extra high. Danach gibst du den Befehl Workflow ein. Die Agenten arbeiten dann Stunden am Stück an einer Aufgabe.

Ein Beispiel aus unserem Team zeigt die Wirkung. Agenten haben über Nacht 202 Portale gescannt. Sie meldeten unsere Software Voicely per agentmail bei 50 Verzeichnissen an. Mehr Kontext dazu liefert unser Überblick zum AI-Automations-Manager.

Self Improving Agents bei Codex

OpenAI verfolgt mit Codex einen ähnlichen Trend. Steuerberater-Agenten verbessern sich dort in einem geschlossenen Loop. Der Mensch korrigiert Entwürfe, die KI misst jede Abweichung.

Codex gruppiert ähnliche Fehler und leitet klare Prüfziele ab. Im Test stieg die Genauigkeit in sechs Wochen von 25 auf 86 Prozent. Bei 7.000 Steuererklärungen erreichte das System bis zu 97 Prozent.

Weltmodelle als nächste Stufe nach den LLMs

Viele Forscher fragen, ob große Sprachmodelle allein weiterführen. Eine Antwort sind Weltmodelle. Das Startup Odyssey hat dazu das Multi-Agent-Weltmodell Agora-1 veröffentlicht.

Dr. Jenny Seidenschwarz erklärt den Unterschied im Interview. Ein Weltmodell sagt nicht nur das nächste Wort vorher. Es modelliert den kompletten Zustand der Welt im Pixel-Raum.

In Agora-1 verändern bis zu vier Akteure eine Szene gleichzeitig. Für die Robotik ist das zentral. Ein Roboter lernt physikalische Regeln wie das Fallen eines Glases als Basiswissen.

Humanoide Roboter und die Agentenökonomie

Boston Dynamics zeigt mit Atlas einen sauberen Rabona auf dem Fußballfeld. China vergibt als erstes Land digitale Ausweise für Roboter. Erfasst sind bereits über 28.000 Geräte von mehr als 100 Herstellern.

Daraus folgt die Geschäftsidee der Woche. Frag nicht nur, welche Probleme von Menschen du löst. Frag, welche Software du als MCP für Agenten bereitstellen kannst.

Fazit: Was Claude Opus 4.8 für Unternehmen bedeutet

Der größte Hebel von Claude Opus 4.8 liegt nicht im Benchmark. Er liegt in der Kombination aus Ultra Code und Dynamic Workflows. Lang laufende Aufgaben erledigen Agenten jetzt autonom im Hintergrund.

Wer KI gewinnbringend einsetzt, sollte beide Funktionen testen. Der Trend zu autonomen Self-Improving-Loops beschleunigt sich. Weltmodelle wie Agora-1 deuten die nächste Stufe bereits an.

Häufige Fragen

Was ist neu an Claude Opus 4.8?

Claude Opus 4.8 bringt sieben praktische Neuerungen. Der Preis bleibt gleich wie bei Opus 4.7, pro Token ist es sogar günstiger. Neu sind ein dreimal günstigerer Fast Mode und fünf feste Thinking-Stufen. Die größten Hebel sind die Dynamic Workflows und der Ultra Code Modus. Damit orchestriert das Modell ganze Agenten-Teams ohne manuelles Setup.

Was sind Dynamic Workflows?

Dynamic Workflows starten und steuern Subagenten automatisch. Du baust kein Agenten-Team mehr selbst auf. Das System launcht dutzende bis hunderte Agenten und verteilt die Arbeit. Diese Agenten arbeiten Stunden am Stück an einer Aufgabe. Damit eignen sie sich für lang laufende Jobs im Hintergrund.

Wie schneidet Claude Opus 4.8 in Benchmarks ab?

Auf SWE-bench Pro löst Claude Opus 4.8 rund 69,2 Prozent der Aufgaben. Damit liegt es vor GPT-5.5. Auf OSWorld erreicht es 83,4 Prozent und übertrifft den menschlichen Referenzwert. Auf der Vending Bench fällt es zurück, weil es ehrlicher agiert. Artificial Analysis führt es als intelligentestes verfügbares Modell.

Was ist ein Weltmodell?

Ein Weltmodell sagt nicht nur das nächste Wort vorher. Es modelliert den kompletten Zustand einer Umgebung, oft im Pixel-Raum. Nutzer interagieren mit der erzeugten Szene direkt. Das Startup Odyssey zeigt das mit dem Modell Agora-1. Für die Robotik liefert es physikalisches Basiswissen wie Schwerkraft und Greifen.

Deindustrialisierung: Wie KI deutsche Industrie retten kann

Everlast AI — Thu, 28 May 2026 15:29:38 +0000

Deindustrialisierung ist der schrittweise Verlust industrieller Produktion an günstigere Standorte. Hohe Energiekosten und der Preisdruck aus China treiben ihn an. Im Interview mit Everlast AI erklärt Unternehmer Emanuel Böminghaus, warum die Chemie zuerst kippt und wie KI deutschen Firmen einen Ausweg bietet.

Warum die Chemie zuerst kippt

Die Chemie ist Deutschlands zweitgrößte Industrie. Sie erwirtschaftet rund 260 Milliarden Euro Jahresumsatz. Das entspricht etwa der Hälfte der Automobilindustrie. Energie macht je nach Produkt 20 bis 60 Prozent der Kosten aus.

Genau hier liegt das Problem. Deutsche Energiekosten sind zu hoch. Der direkte Wettbewerber China produziert deutlich günstiger. In der Chemie liegt China bis zu 40 Prozent unter deutschen Preisen.

Die Folge zeigt sich im Einkauf. Kunden vergleichen Preislisten und listen teure Lieferanten aus. Böminghaus beschreibt höfliche Schreiben mit klarer Botschaft. Ändert ihr den Preis nicht, endet die Zusammenarbeit. So frisst sich die Deindustrialisierung Stück für Stück durch die Bilanzen.

BASF, China und die kalte Konzern-Logik

China ist nach den USA der zweitgrößte Auslandsmarkt von BASF. Den Umsatz dort will der Konzern bis 2030 verdoppeln. Zuletzt strich BASF rund 5.000 Stellen. Solche Entscheidungen fallen in langen Gremienprozessen.

Böminghaus kennt das Konzernumfeld aus eigener Arbeit. Lenkungsausschüsse prüfen jedes Werk im Detail. Verlustbringer in Deutschland werden geschlossen. Internationale Teams entscheiden nüchtern nach Rendite, nicht nach Patriotismus.

Ein Werk in China zu planen dauert 10 bis 15 Jahre. Ist die Entscheidung gefallen, gibt es kaum ein Zurück. Auch die Pharma flieht: Biontech baut rund 1.800 Stellen ab, Novartis schloss ein Werk.

Das Biotop-Argument: eine Branche reißt alle mit

Rund 500.000 Menschen arbeiten direkt in der Chemie. Doch jeder vierte Industrie-Arbeitsplatz hängt indirekt an ihr. Maschinenbau, Logistik und Automotive sind eng verflochten.

Böminghaus nennt das ein Biotop. Branchen profitieren voneinander und finanzieren Innovation. Fällt die Chemie weg, fehlt dem Maschinenbau die Grundlage. Ein Hersteller fragt dann, warum er überhaupt in Deutschland bleibt.

Diese Verflechtung macht die Deindustrialisierung so gefährlich. Sie trifft nie nur eine Branche. Sie zieht das gesamte industrielle Ökosystem mit nach unten.

China setzt auf Technologie, Deutschland auf Verbote

Böminghaus reiste selbst mit dem Zug von Peking nach Shanghai. Der fuhr konstant 340 Stundenkilometer. Shanghais Skyline wirke wie aus einer anderen Welt. Hinter dem Tempo steckt ein klarer Plan.

Der Kern liegt im Bildungssystem. China formte über 20 Jahre gezielt Spitzenkräfte. Diese sitzen heute an entscheidenden Stellen. BYD wächst im Ausland um rund 200 Prozent und baut Autos ab 5.000 Euro.

Die Strategie unterscheidet beide Länder grundlegend. China löst Probleme mit Technologie. Deutschland reagiert mit Bürokratie und Verboten. Genau dieser Reflex bremst KI-Startups im Land aus.

Wie KI-Agenten das SAP-Modell angreifen

SAP umfasst rund 40.000 Tabellen. Doch jedes Unternehmen nutzt nur einen kleinen Teil davon. Böminghaus testete einen KI-Assistenten an einer eigenen Web-Applikation. Nach einer Stunde stand das fertige Tool.

Frontend, Backend, Sicherheit und Layout waren komplett. Früher brauchte sein Team dafür Wochen oder Monate. Heute steuert ein Produktowner mehrere KI-Assistenten. Zwei Leute leisten so die Arbeit von 200.

Für uns ist das die eigentliche Disruption durch Agentic Coding. Mercedes hat bereits 40 Prozent seiner SAP-Instanzen eingestampft. Welche Aufgaben sich konkret automatisieren lassen, zeigen wir in unserem Report mit 45 KI-Use-Cases und im AI Automations Manager.

KI, Jobverluste und der Bremsklotz AI Act

Die Automatisierung kostet Arbeitsplätze. In Indien schrumpfen erstmals klassische IT-Support-Jobs. Ein Screenshot und ein Prompt ersetzen viele Customizing-Aufträge. Auch SOC-2-Audits erledigt eine KI heute schneller.

Regulierung verschärft die Lage zusätzlich. Laut einer Bitkom-Studie stoppten 73 Prozent der Unternehmen KI-Projekte aus Datenschutzbedenken. Siemens drohte mit Abwanderung in die USA. Erst danach schwächte die EU den AI Act ab.

Ein Türbeschlag zeigt den Preisunterschied drastisch. In China kostet er rund 7 Euro, in Deutschland 14 Euro. Hochautomatisierte Fabriken und billige Energie machen die Differenz. Ohne KI verliert der deutsche Mittelstand diesen Kampf.

Fazit: Deindustrialisierung ist kein Schicksal

Die Deindustrialisierung trifft Deutschland mit voller Wucht. Energiekosten, Preisdruck und Bürokratie verschärfen den Abstieg. Doch Böminghaus bleibt nicht beim Pessimismus stehen. Er sieht in KI den entscheidenden Hebel.

Unternehmen, die Automatisierung früh nutzen, gewinnen Vorsprung. Der Mittelstand arbeitet mit kleinen Teams plötzlich wie ein Konzern. Bildung und Exzellenzförderung sichern den Erfolg langfristig. Wer jetzt handelt, stoppt die eigene Deindustrialisierung.

Häufige Fragen

Warum wandert die deutsche Chemieindustrie nach China ab?

Energie macht 20 bis 60 Prozent der Chemiekosten aus. Deutsche Strompreise liegen deutlich über dem chinesischen Niveau. Dadurch produziert China bis zu 40 Prozent günstiger. Einkaufsabteilungen listen teure deutsche Lieferanten konsequent aus. Konzerne wie BASF verlagern deshalb Werke und streichen Stellen in Deutschland. Für uns zeigt das: Nur niedrigere Kosten und Automatisierung halten die Branche im Land.

Wie viele Arbeitsplätze hängen an der deutschen Chemieindustrie?

Rund 500.000 Menschen arbeiten direkt in der Chemie. Indirekt hängt jeder vierte Industrie-Arbeitsplatz an ihr. Maschinenbau, Logistik und Automobilindustrie beziehen Vorprodukte aus der Chemie. Böminghaus nennt dieses Geflecht ein Biotop. Bricht die Chemie weg, verlieren auch angrenzende Branchen ihre Grundlage. Genau das macht die Deindustrialisierung so gefährlich für den gesamten Standort.

Bedroht KI das Geschäftsmodell von SAP?

SAP umfasst rund 40.000 Tabellen, doch Firmen nutzen nur einen Bruchteil. KI-Agenten bauen individuelle Lösungen heute in Stunden statt Monaten. Böminghaus erstellte eine fertige Web-Applikation in einer einzigen Stunde. Mercedes hat bereits 40 Prozent seiner SAP-Instanzen eingestampft. Wir sehen darin eine echte Bedrohung für klassische Standardsoftware, sobald große Konzerne das Potenzial erkennen.

Warum bremst der AI Act die KI-Entwicklung in Deutschland?

Der AI Act schafft früh hohe Hürden für KI-Projekte. Laut einer Bitkom-Studie stoppten 73 Prozent der Unternehmen Vorhaben aus Datenschutzbedenken. Siemens drohte deshalb mit Abwanderung in die USA. Erst danach schwächte die EU einzelne Vorgaben ab. China reguliert dagegen erst spät und lässt Innovation zunächst laufen. Dieser Unterschied kostet Deutschland im KI-Wettbewerb wertvolle Zeit.

LinkedIn-Gründer Guericke: Drei Fehler bremsen Startups aus

Everlast AI — Wed, 27 May 2026 21:09:03 +0000

LinkedIn-Gründer Konstantin Guericke ist deutscher Stanford-Absolvent und hat 2003 mit Reid Hoffman die größte berufliche Plattform der Welt aufgebaut. Im Interview mit Leonard Schmedding teilt er beim Wandern in Palo Alto Lehren aus über zwei Jahrzehnten Silicon Valley, von frühen Tagen bei Nvidia bis zur aktuellen KI-Welle. Wir bei Everlast AI nehmen aus dem Gespräch eine klare Linie für deutsche Gründer mit.

Unternehmen sind Bienenschwärme, keine Maschinen

Guericke vergleicht Firmen nicht mit einem Organismus, sondern mit einem Bienenschwarm. Intelligenz liegt nicht im Org-Chart, sondern im Netzwerk der Menschen. Wer ein B2B-Produkt verkauft, verkauft an einzelne Personen, nicht an die Firma. Jeder Käufer fragt sich, ob das Tool ihm persönlich mehr Freizeit, bessere Karrierechancen oder weniger Stress bringt.

Viele Technik-Gründer argumentieren rein rational. Sie verschicken Kostenvergleiche und ROI-Tabellen. Das reicht nicht. Entscheidungen kippen am Ende emotional. Wer Emotionen ignoriert, verkauft nicht. Diese Beobachtung deckt sich mit dem, was wir in unserem Beratungsalltag bei deutschen Mittelständlern sehen.

Passion und Lernbereitschaft schlagen den Lebenslauf

Guericke macht keinen großen Bogen um Persönlichkeitsmodelle wie Rot, Blau, Gelb, Grün. Er passt selbst in keine Schublade und sieht Teams als Mischung. Wichtiger ist für ihn, wie passioniert jemand ist und wie schnell die Person neue Information verarbeitet.

Ein früher Fehler von ihm: Senior-Hires von IBM und Novell, um Investoren zu beeindrucken. Die Leute hielten an Jahresplänen fest. Ein Startup-Plan überlebt selten zwei Wochen. Seitdem priorisiert er Generalisten, die ihren eigenen Plan über Bord werfen können. Junge Köpfe sind oft flexibler, aber das Alter ist nicht entscheidend.

Im Interview stellt er Fragen, die der Lebenslauf nicht beantwortet. Welche Meinung haben Sie, mit der die Mehrheit nicht übereinstimmt? Wie lösen Sie ein offenes Problem aus meiner Firma? Zuhören schlägt Reden, gerade im B2B-Vertrieb.

Drei Fehler, die deutsche Gründer immer wieder machen

Aus dem Gespräch kristallisieren sich drei Muster heraus, die wir bei Everlast AI ebenfalls täglich beobachten.

Fehler eins: Gründer überschätzen, wie schnell Kunden Gewohnheiten ändern. Selbst ein klar besseres Produkt setzt sich nur langsam durch. Gründer sind im obersten Prozent der Wechselwilligen, ihre Kunden nicht.

Fehler zwei: Vertrieb und Marketing werden unterschätzt. Die meisten deutschen Gründer kommen entweder aus der MBA-Ecke oder aus der Tech-Welt. Die einen verstehen Zahlen, die anderen Code. Beide unterschätzen, wie viel Arbeit zwischen Produkt und Markt liegt.

Fehler drei: Zu viel Venture Capital zur falschen Zeit. Gerade im KI-Bereich gibt es viele Chancen für kleinere Firmen, die schnell Umsatz machen. Wer früh Millionen aufnimmt, koppelt sich an das VC-Renditeprofil. Das passt zu Open-AI-großen Wetten, aber zu fast keinem Beratungs- oder Nischen-SaaS.

LLMs sind noch nicht ausgereizt

Auf die Frage, ob Large Language Models eine Sackgasse sind, antwortet Guericke mit Pattern-Recognition aus 30 Jahren Silicon Valley. Er erinnert an Nvidia, das mit Polygonen gegen Nurbs-Geometrie gewonnen hat, weil das Ökosystem den langsameren, einfacheren Ansatz schneller skalierte.

Sein Fazit: LLMs werden noch deutlich weiter ausgereizt, neue Architekturen wären eine Wette gegen ein dominantes Ökosystem. Spannender findet er, was an den Rändern passiert. Mehr Inputs, mehr Sensoren, mehr multimodale Daten. KI-Brillen sehen, was Menschen sehen. Smartphones messen Temperatur präziser als jede Hand. Das ist die Linie, an der die nächsten zehn Jahre entstehen.

Social Media ist das Trainingsdatengold der KI-Konzerne

Warum bauen OpenAI mit Sora und xAI mit X eigene Social-Media-Apps? Guericke sieht den Grund nicht in einem neuen Feed-Format. Modelle hängen am Kontext. Eine KI weiß durch Sensoren, was gerade passiert, aber nicht, wer der Nutzer ist, mit wem er arbeitet, welche Geschichte er hat. Diese Daten liegen in sozialen Netzwerken.

Allein über LinkedIn lässt sich die Geschichte des Silicon Valley nachzeichnen, wer wann bei welcher Firma war. Genau diese Beziehungsdaten machen Modelle menschlich. Wer Trainingsdaten dieser Tiefe besitzt, hat einen Vorsprung, den reine Rechenleistung nicht ausgleicht.

Silicon Valley vs. Deutschland: Was deutsche Gründer mitnehmen sollten

Guericke warnt vor der Geschichte, dass jeder deutsche Gründer ins Silicon Valley müsse. Er hört genau die Erfolgsgeschichten und kennt die stille Mehrheit, die hier ohne Millionen wieder heimflog. Man kann in Deutschland gründen. Man muss die lokalen Vorteile nutzen und die typischen Fehlermuster vermeiden.

Was er am Silicon Valley schätzt: Multikulturalität, Hands-on-Mentalität, Offenheit für Chancen statt Risiken. Wer bei einer neuen Technologie zuerst fragt, was sie verbessern kann, statt was sie kaputt macht, baut schneller. Das Argument klingt einfach, deckt sich aber mit der Erfahrung deutscher KI-Adopter, die mit kleinen, schnellen Iterationen starten.

Fazit: LinkedIn-Gründer Guericke setzt auf kleine, scharfe Firmen

Das Take-away am Gipfel über Palo Alto: 90 Prozent der KI-Chancen entstehen in kleineren Firmen, nicht in den nächsten Open-AI-Wetten. Wer 20 gute Mitarbeiter beschäftigt, ehrliche Probleme löst und davon finanziell gut leben kann, hat ein Lebenswerk gebaut. Diese Bodenständigkeit aus dem Mund eines LinkedIn-Gründers wiegt schwer.

Häufige Fragen

Wer ist Konstantin Guericke?

Konstantin Guericke ist ein deutscher Stanford-Absolvent und Mitgründer von LinkedIn. Er hat das Netzwerk 2003 gemeinsam mit Reid Hoffman aus Stanford heraus gestartet und war als erster VP of Marketing für den Aufbau verantwortlich. Heute lebt er in Palo Alto, berät Stanford-Studenten und investiert selektiv in frühe Startups im Silicon Valley.

Welche drei Fehler nennt Guericke für Startups?

Erstens überschätzen Gründer, wie schnell Kunden ihre Gewohnheiten ändern. Zweitens unterschätzen sie Vertrieb und Marketing, weil sie aus der Tech- oder MBA-Ecke kommen. Drittens nehmen sie zu früh zu viel Venture Capital auf und koppeln sich an ein Renditeprofil, das nur zu wenigen Geschäftsmodellen passt. Wer diese Muster vermeidet, baut belastbare Firmen ohne Glücksspielcharakter.

Sind LLMs nach Guericke eine Sackgasse?

Nein. Guericke vergleicht die Diskussion mit Nvidia und Polygonen in den 90ern. Bessere Alternativen wurden propagiert, aber das Ökosystem hat den dominanten Ansatz weiter optimiert. Er erwartet, dass LLMs noch viele Jahre nicht ausgereizt sind. Die spannendere Front sind multimodale Inputs über Sensoren, KI-Brillen und Geräte mit präziseren Messwerten als ein Mensch sie liefern kann.

Warum bauen KI-Konzerne eigene Social-Media-Apps?

KI braucht Kontext über den Nutzer, seine Beziehungen und seine Geschichte. Diese Daten liegen seit Jahren in sozialen Netzwerken. Sora, X und ähnliche Plattformen liefern Konzernen wie OpenAI und xAI genau diesen Beziehungs- und Verhaltensdatensatz. Ohne dieses Trainingsfutter wirken Modelle generisch. Mit ihm lassen sich Antworten, Empfehlungen und Agentenverhalten deutlich näher am Menschen kalibrieren.

Sollten deutsche Gründer ins Silicon Valley ziehen?

Nicht zwingend. Guericke warnt vor der Erfolgsstory-Verzerrung. Man hört von den Gründern, die hier Millionen geraised haben, nicht von der stillen Mehrheit, die ohne Deal heimflog. Sein Rat: in Deutschland gründen, die lokalen Vorteile nutzen, Mehrheits-Fehler vermeiden. Wer ins Valley reist, sollte das gezielt für Multikulturalität, Hands-on-Mentalität und Chancenfokus tun, nicht als Pflichtprogramm.

Chinas KI-Strategie: Huawei-Chips und GLM-5 verändern alles

Everlast AI — Wed, 27 May 2026 15:27:12 +0000

Chinas KI-Strategie ist ein staatlich gesteuerter Vorstoß aus Open-Source-Modellen, Eigen-Chips und Robotik-Pilotwerken. Sie unterscheidet sich fundamental vom US-Modell. Im Interview mit Leonard Schmedding ordnet China-Experte Frank Sieren das aktuelle Tempo ein. Er erklärt, warum Modelle wie GLM-5 nun ausschließlich auf Huawei-Hardware trainieren.

GLM-5: 744 Milliarden Parameter ohne Nvidia

Zhipu AI hat in der vergangenen Woche GLM-5 veröffentlicht. Das Modell zählt 744 Milliarden Parameter und trainierte ausschließlich auf Huawei-Ascend-Chips. Damit fällt erstmals ein Top-Modell aus chinesischer Produktion ganz ohne Nvidia-Hardware aus. Frank Sieren spricht von einem Riesensprung kurz vor dem chinesischen Neujahrsfest.

Der Schub kommt nicht allein. Alibabas Robotik-Hirn Tiangong 3.0 erscheint parallel als Open Source. DeepSeek V4 steht laut Sieren unmittelbar bevor. Qwen 3.5 von Alibaba folgt in den Wochen danach. Chinas KI-Strategie zielt jetzt sichtbar auf Tempo.

Huawei-Chip-Cluster schlagen Nvidia im Verbund

Die einzelnen Huawei-Chips erreichen noch nicht das Nvidia-Niveau. Der Engpass liegt nicht in der Entwicklung. Er liegt bei der Fertigung. Die Lithografie-Maschinen kommen aus den Niederlanden und sind kaum nachzubauen.

Huawei hat den Umweg zur Abkürzung gemacht. Der Fokus liegt auf der Vernetzung in Chip-Clustern. Laut Hersteller liefern die neuen Cluster 60-faches Tempo gegenüber Nvidia. Damit kompensiert China den Rückstand bei einzelnen Chips. Diese Verschiebung passt zum Bild, das wir in unserer Analyse zu Chinas KI-Aufholjagd bereits gezeichnet haben.

Die US-Sanktionen haben das Gegenteil bewirkt. Statt Chinas Entwicklung zu bremsen, haben sie den letzten Akteur in den Hardware-Wettlauf gezwungen. Parallel bereitet Nvidia eine legale Lieferung von 80.000 H200-Chips nach China vor. Auf jede Einheit fällt 25 Prozent Zoll.

Open Source als nationale Wirtschaftsstrategie

Chinesische Modelle holen 17 Prozent globalen Download-Anteil. Vor einem Jahr lag der Wert bei 1,2 Prozent. OpenAI hält seine Modelle hinter Paywalls. Jetzt rollt das US-Unternehmen zusätzlich Werbung aus. Chinas KI-Strategie geht den umgekehrten Weg.

Auf den ersten Blick wirkt das paradox. Ein autoritärer Staat liefert offen, ein freier Markt liefert geschlossen. Sieren erklärt den Bruch ökonomisch. In den USA bestimmen Firmen die Richtung. Closed Source maximiert ihren Gewinn.

In China entscheidet der Staat. Der Staat denkt makro, nicht quartalsweise. Open Source verteilt Innovation schneller in die heimische Wirtschaft. Indien übernimmt Modelle ebenfalls in hoher Frequenz. Für Unternehmen vor Ort sinkt damit die Einstiegs-Hürde zu produktiven KI-Workflows.

Humanoide Roboter: Tiangong 3.0 als Open-Source-Plattform

Das Beijing Humanoid Robot Innovation Center hat drei Schritte gleichzeitig vollzogen. Eine 100-Millionen-Finanzierung steht. Die erste Pilot-Fertigung auf 9.700 Quadratmetern öffnet mit 500 Anlagen. Das Werk soll 5.000 Humanoide pro Jahr ausliefern. Die ersten 1.000 Einheiten haben das Band bereits verlassen.

Parallel veröffentlicht das Zentrum Tiangong 3.0 als Open-Source-Humanoiden. Damit zieht der Stack komplett offen in den Markt. Robotik-Startups in Asien können den Build direkt übernehmen. Das beschleunigt den globalen Hardware-Roll-out spürbar.

China braucht dieses Tempo. Die Gesellschaft altert schnell, junge Jahrgänge fehlen. Humanoide Roboter passen in bestehende Werkshallen, ohne Fabriken umzubauen. Ein Roboter mit acht Füßen wäre flexibler, aber inkompatibel mit Krankenhaus oder Werkshalle. Die menschliche Form bleibt der pragmatische Standard.

Was nach dem Neujahrsfest kommt

Ab Mittwoch beginnt das Jahr des Feuerpferdes. In den zwei Wochen Pause reisen Chinesen zurück in ihre Heimat. Neue Modell-Releases dürften in dieser Zeit seltener werden. Sieren erwartet danach eine Welle von Praxistests.

Die Tests entscheiden über die Reife der neuen Modelle. Erst der Realeinsatz zeigt, wie GLM-5, Tiangong 3.0 und DeepSeek V4 in Produktion skalieren. Unternehmen sollten diese Berichte beobachten. Sie liefern die belastbarste Datenbasis für eigene Make-or-Buy-Entscheidungen rund um Chinas KI-Strategie.

Fazit: Chinas KI-Strategie verschiebt den globalen Maßstab

Drei Säulen tragen Pekings Vorstoß: Eigen-Chips, Open-Source-Modelle und Humanoid-Plattformen. Alle drei laufen parallel und in hoher Frequenz. Die US-Sanktionen haben den Druck zur Eigen-Entwicklung eher erhöht als reduziert. Für Europa wird das Fenster zur eigenen Aufholjagd kleiner.

Wir beobachten den Markt eng und prüfen asiatische Modelle für unsere Kunden. Mehr Kontext zu ähnlichen Brüchen liefert unsere Analyse zur Agenten-Ökonomie. Wer den Anschluss halten will, baut Evaluations-Pipelines für chinesische Open-Source-Modelle frühzeitig auf.

Häufige Fragen

Was ist GLM-5 und wer steht dahinter?

GLM-5 ist das aktuelle Open-Source-Sprachmodell der chinesischen Firma Zhipu AI. Es zählt 744 Milliarden Parameter und erreicht laut Frank Sieren das Niveau führender westlicher Modelle. Bemerkenswert ist das Training: Es lief vollständig auf Huawei-Ascend-Chips, also ohne jede Nvidia-Hardware. Damit ist GLM-5 das erste Top-Modell, das die US-Exportkontrollen technisch umgeht und die Eigenständigkeit chinesischer KI-Infrastruktur belegt.

Auf welchen Chips trainiert China seine KI-Modelle?

Chinas führende Labore setzen zunehmend auf Huawei-Ascend-Chips, ergänzt durch eigene Spezial-Hardware. Die einzelnen Recheneinheiten erreichen noch nicht das absolute Spitzenniveau von Nvidia. Huawei kompensiert das durch eine deutlich höhere Cluster-Geschwindigkeit, laut Hersteller bis zu sechzigfach gegenüber Nvidia. Parallel bereitet Nvidia die Lieferung von 80.000 H200-Chips nach China unter US-Zollauflagen vor.

Warum setzt China auf Open Source und die USA auf Closed Source?

Die Erklärung ist ökonomisch. In den USA bestimmen Firmen die Richtung und verdienen am besten mit geschlossenen Modellen. In China gibt der Staat die Linie vor und denkt volkswirtschaftlich. Open Source verteilt Innovation schneller in die heimische Wirtschaft und an Partnerländer wie Indien. Langfristig setzt Peking damit auf Wachstum statt auf kurzfristige Plattform-Renten einzelner Konzerne.

Was ist Tiangong 3.0 und warum ist es relevant?

Tiangong 3.0 ist die dritte Generation des humanoiden Roboters aus dem Beijing Humanoid Robot Innovation Center. Das Zentrum hat ihn als Open Source veröffentlicht. Startups weltweit können den Build direkt übernehmen und nur Sensorik, Software oder Spezialhardware anpassen. Begleitend startet eine Pilotfertigung auf 9.700 Quadratmetern mit dem Ziel von 5.000 Einheiten pro Jahr. Die ersten 1.000 sind bereits ausgeliefert.

Welche Modell-Releases stehen nach dem Neujahrsfest an?

Frank Sieren erwartet kurz nach dem chinesischen Neujahrsfest die Veröffentlichung von DeepSeek V4. Alibaba arbeitet parallel an Qwen 3.5. In den ersten Wochen danach dürften Praxistests bestehender Modelle wie GLM-5 und Tiangong 3.0 dominieren. Diese Tests entscheiden über die Belastbarkeit in echten Produktiv-Umgebungen und liefern Unternehmen die Datenbasis für eigene Make-or-Buy-Entscheidungen.

Agenten-Ökonomie: Wie KI ganze Unternehmen autonom steuert

Everlast AI — Tue, 26 May 2026 15:25:41 +0000

Agenten-Ökonomie beschreibt eine Wirtschaftsform, in der autonome KI-Systeme ganze Unternehmensprozesse, Verhandlungen und Zahlungen ohne menschliche Eingriffe steuern. Im Video erklärt Leonard Schmedding, warum dieser Umbruch laut OpenAI, Google DeepMind und Anthropic schneller kommt, als viele Mittelständler ahnen. Wir zeigen, welche Konsequenzen das für Unternehmen heute hat.

Vom Chatbot zum autonomen Unternehmen

OpenAI hat 2024 fünf Stufen auf dem Weg zur AGI definiert. Stufe 1 sind Chatbots wie ChatGPT. Stufe 2 sind Reasoner, die Probleme wie ein Mensch durchdenken. Stufe 3 sind Agenten, die eigenständig handeln. Stufe 4 ist eine KI, die selbst Neues erfindet. Stufe 5 übernimmt die Arbeit einer kompletten Organisation.

ChatGPT, das Werkzeug, das viele synonym mit KI setzen, ist erst Stufe 1. Sam Altman schreibt im Oktober 2025, das interne Ziel sei ein automatisierter Research-Praktikant auf Hunderttausenden GPUs bis September 2026 und ein echter automatisierter KI-Forscher bis März 2028. Shane Legg, Mitgründer von Google DeepMind, sucht parallel einen Seniorökonomen, um Post-AGI Economics zu erforschen.

Lokales Maximum: Warum KI gar nicht klüger werden muss

Replit-CEO Amjad Masad bringt einen wichtigen Punkt ein. Er sagt, das, was wir heute gebaut hätten, sei bereits so nützlich und wirtschaftlich wertvoll, dass eine lokale Maximumsfalle entsteht. Der Druck, einen echten AGI-Durchbruch zu erzielen, sinkt, weil die aktuelle Stufe für die meisten Anwendungsfälle ausreicht.

Für Unternehmen heißt das: Die Kuppe, auf der wir stehen, reicht für eine fundamentale Veränderung. Die aktuellen Modelle sind nicht durch Intelligenz limitiert, sondern durch ihren Zugriff auf reale Prozesse. Und genau dieser Zugriff explodiert gerade.

Internal APIs are all you need: Der Computerzugriff ist gelöst

Die Benchmark OS World Verified testet KI-Modelle gegen 369 echte Desktop-Aufgaben: Excel-Pivots, Slack-Uploads, Code committen. Aktuelle Modelle lösen rund 80 Prozent aller Aufgaben. Die menschliche Baseline liegt bei 72,4 Prozent. KI ist also bereits besser als der Durchschnittsmensch am Computer.

Das Paper Internal APIs are all you need zeigt zusätzlich, dass KI-Modelle die internen APIs beliebiger Software reverse engineeren können. Auf 94 geprüften Websites lag die Erfolgsrate bei 100 Prozent, bei 3,6-facher Geschwindigkeit, 40-mal weniger Tokens und 100-mal weniger Kosten als klassische Browser-Automation. Wer Prozesse automatisieren will, sollte diese Hebel kennen, was wir in unseren Implementierungsprojekten täglich sehen.

Project Deal: Wenn Agenten für ihre Menschen verhandeln

Anthropic hat 69 Mitarbeiter Gegenstände aus Privatbesitz handeln lassen, ein Klapprad, ein Snowboard, einen Laborrubin, ein Hundekuscheltier, sogar einen Hundespaziergangservice. Jede Person übergab das Verhandeln an einen eigenen KI-Agenten. Die eine Hälfte setzte Claude Opus 4.5 ein, die andere Claude Haiku 4.5.

Nach einer Woche standen 186 Deals zu Buche. Das stärkere Modell holte für seine Menschen durchgehend mehr heraus. Dasselbe Klapprad wurde vom Opus-Agenten deutlich teurer verkauft als vom Haiku-Agenten. Die unterlegenen Käufer hielten ihren Deal trotzdem für fair, weil niemand ihnen sagte, dass sie gegen die teurere KI verloren hatten.

x402 und die Augustus Bank: Geld für Maschinen

Klassische Banken sortieren Maschinen via KYC-Verfahren sofort aus. Eine Crypto-Wallet dagegen entsteht aus einem privaten Schlüssel, ohne Ausweis und ohne Bank. Auf dieser Schicht hat Coinbase 2025 zusammen mit Cloudflare das Protokoll x402 gestartet, ein Zahlungsnetz für Maschinen.

Bis April 2026 haben darüber rund 69.000 aktive KI-Agenten mehr als 165 Millionen Transaktionen abgewickelt. Seit Mai 2026 gibt es zusätzlich die Augustus Bank: die erste nationale US-Banklizenz seit 2010, gebaut für autonome agentengetriebene Zahlungen, rund um die Uhr offen. Geführt wird sie von einem 25-jährigen Thiel-Fellow namens Ferdinand.

Vom Organigramm zur Mini-AGI: Wie Block sein Unternehmen umbaut

Jack Dorsey hat bei Block rund 4.000 Mitarbeiter entlassen, der Aktienkurs stieg um etwa 20 Prozent. Die offizielle Begründung steht im Essay Von der Hierarchie zur Intelligenz, den Block gemeinsam mit Sequoia Capital veröffentlicht hat.

Die Argumentation ist historisch. Um 107 vor Christus baute Rom nach den Niederlagen gegen Kimbern und Teutonen sein Heer in eine verschachtelte Hierarchie um, weil ein Feldherr nicht Zehntausende Soldaten direkt führen kann. Genau diese Struktur steckt bis heute in jedem Organigramm. Mit KI fällt der Grund weg. Block ersetzt das Organigramm durch ein zentrales Weltmodell, ein Unternehmensweltmodell für interne Abläufe und ein Kundenweltmodell pro Markt und Kunde.

Was die Agenten-Ökonomie für Unternehmen heute heißt

Die Agenten-Ökonomie ist kein Zukunfts-Szenario, sondern ein laufender Übergang. Drei Hebel sind sofort relevant: erstens die Wahl des passenden Modells für die jeweilige Aufgabe, weil schwächere Modelle messbar schlechter verhandeln. Zweitens präzise Zielfunktionen, weil rational gesetzte Anreize sonst zu unerwünschten Endzuständen führen können. Drittens die Strukturierung der Organisation für eine Welt, in der nicht nur Menschen, sondern auch Agenten arbeiten.

Wer diese Hebel früh zieht, gewinnt. Wer wartet, läuft Gefahr, dass Wettbewerber ihre Unternehmen schneller, günstiger und rund um die Uhr betreiben.

Häufige Fragen

Was ist die Agenten-Ökonomie?

Die Agenten-Ökonomie ist eine Wirtschaftsform, in der autonome KI-Systeme eigenständig handeln, kaufen, verkaufen, bezahlen und ganze Prozesse ohne menschliche Eingriffe steuern. Die Modelle führen nicht mehr nur einzelne Aufgaben aus, sondern verknüpfen Software, Zahlung und Kommunikation zu vollständigen Geschäftsabläufen. Erste reale Bausteine sind das Protokoll x402, die Augustus Bank und Tests wie Project Deal bei Anthropic.

Auf welcher Stufe der OpenAI-Roadmap stehen wir aktuell?

OpenAI hat fünf Stufen auf dem Weg zur AGI definiert. ChatGPT entspricht Stufe 1. Heute befinden wir uns laut Sam Altman im Übergang von Stufe 3 zu Stufe 4. Stufe 3 sind Agenten, die eigenständig handeln. Stufe 4 ist eine KI, die selbst Neues erfindet. Stufe 5 wäre eine KI, die die Arbeit einer kompletten Organisation übernimmt. Altman peilt einen automatisierten KI-Forscher bis März 2028 an.

Wie bezahlen autonome KI-Agenten ohne Bankkonto?

Klassische Banken scheitern an Maschinen, weil KYC-Verfahren auf Menschen ausgelegt sind. Crypto-Wallets dagegen entstehen rein mathematisch aus einem privaten Schlüssel, ohne Ausweis und ohne Bank. Coinbase und Cloudflare haben 2025 das Protokoll x402 gestartet, über das bis April 2026 rund 69.000 Agenten 165 Millionen Transaktionen abgewickelt haben. Seit Mai 2026 ergänzt die Augustus Bank dieses Netz mit einer regulären US-Banklizenz.

Was zeigt das Project Deal von Anthropic?

Anthropic ließ 69 Mitarbeiter Privatgegenstände über persönliche KI-Agenten handeln, mit 100 Dollar Budget und vier Slack-Marktplätzen. Nach einer Woche standen 186 Deals. Das stärkere Modell Claude Opus 4.5 holte für seine Menschen durchgehend bessere Preise als Claude Haiku 4.5. Die Verlierer empfanden ihren Deal trotzdem als fair, was zeigt, wie schwer Modellunterschiede für die Gegenseite erkennbar sind.

Warum baut Jack Dorsey die Hierarchie bei Block ab?

Dorsey argumentiert im Essay mit Sequoia Capital, dass klassische Firmenhierarchien aus dem römischen Heeresaufbau von 107 vor Christus stammen. Der Grund war, dass ein Mensch nur wenige Köpfe direkt führen kann. Mit KI fällt dieser Engpass weg. Block ersetzt das Organigramm durch ein zentrales Weltmodell für interne Abläufe und Kundenbeziehungen und reduziert seine Belegschaft entsprechend.

KI-Omnibus erklärt: Lutz Keppeler zum neuen AI Act

Everlast AI — Mon, 25 May 2026 15:48:22 +0000

Der KI-Omnibus ist ein EU-Gesetzespaket, das Teile des AI Acts verschiebt und entschärft. Anfang Mai haben Rat und Parlament im Trilog die politische Einigung erzielt. Im Interview mit Leonard Schmedding ordnet IT-Fachanwalt Dr. Lutz Keppeler von HEUKING die wichtigsten Änderungen für Unternehmen ein.

KI-Omnibus und AI Act: Was sich Anfang Mai geändert hat

Der Oberbegriff heißt digitaler Omnibus. Daraus wurde der KI-Omnibus politisch abgespalten, weil sich Brüssel hier schneller einigen konnte. Die DSGVO-Themen bleiben vorerst offen.

Für Hochrisiko-KI-Systeme verschieben sich die Fristen deutlich. Pflichten greifen je nach KI-Typ erst Ende 2027 oder Mitte 2028. Ein paar neue Verpflichtungen kommen dazu, ein paar Erleichterungen für KMU ebenfalls.

Unser Fazit: Wer KI-Projekte wegen der Regulierung gestoppt hat, hat das schlechteste Ergebnis erzielt. Die Konkurrenz baut Use Cases auf, während die Vorsichtigen weiter warten.

Artikel 4 entschärft: Keine teure KI-Schulungspflicht mehr

Berater haben monatelang umfassende KI-Kompetenzschulungen verkauft. Wir haben hier seit zwei Jahren zu Pragmatismus geraten. Der Gesetzgeber hat jetzt nachgezogen.

Artikel 4 ist deutlich umgeschrieben. Aus der Verpflichtung wurde eine Bemühenspflicht. Am Ende des ersten Absatzes steht ausdrücklich, dass keine Schulungspflicht des Einzelnen gemeint ist.

Praktisch heißt das: Jeder Geschäftsführer entscheidet selbst, wo seine Mannschaft mehr KI-Kompetenz braucht. Schulungen bleiben sinnvoll, aber nicht erzwungen. Ein Bußgeld an Artikel 4 hing ohnehin nie dran.

Berechtigtes Interesse für KI-Training: Was der digitale Omnibus bringt

Ein zentraler Hebel steckt noch im größeren digitalen Omnibus und ist politisch nicht final beschlossen. Im Erwägungsgrund der DSGVO soll KI-Training explizit als berechtigtes Interesse gelten.

Das ist relevant, weil Unternehmen selten eine saubere Einwilligung haben. Die DSGVO-Hausaufgaben bleiben trotzdem: transparent informieren, Löschpflichten regeln, Dokumentation pflegen.

Für Vektordatenbanken und RAG-Systeme mit Embeddings könnte ein zweiter Punkt zünden. Pseudonyme Daten sollen nur für den Verantwortlichen personenbezogen sein, der reidentifizieren kann. Das wäre für viele KI-Architekturen ein riesiger Hebel.

Cloud Act und DSGVO-Mythen: US-Modelle sind nicht automatisch verboten

Der häufigste Mythos: Wer Claude, ChatGPT oder Codex nutzt, sei nicht DSGVO-konform. Wer EU-hostet, sei automatisch sicher. Beides ist falsch.

Compliance ist eine Checkliste. Internationaler Datentransfer lässt sich über Vertragsklauseln und sichere Drittländer lösen. EU-Hosting allein erledigt keine Löschpflicht, keine Information und kein Verarbeitungsverzeichnis.

Beim Cloud Act gilt: US-Behörden können auf Daten von US-Konzernen weltweit zugreifen. Für eine interne Wissensdatenbank zu Aluminium-Aufträgen ist das selten relevant. Für jeden Use Case zählt die saubere Risikoabwägung.

Wir empfehlen unseren Beratungskunden eine ehrliche Bewertung: Wer Microsoft 365 bereits nutzt, hat das Cloud-Act-Restrisiko schon akzeptiert. KI-Projekte zusätzlich zu blockieren, ist Augenwischerei.

Geschäftsgeheimnisse schützen: Der oft vergessene Aspekt

Die DSGVO schützt keine technischen Zeichnungen, keine Patente und keine Kundenlisten. Das Geschäftsgeheimnisgesetz greift nur, wenn das Unternehmen die Information nachweislich geschützt hat.

Wer ein patentierbares Konzept im offenen ChatGPT-Chat brainstormt, riskiert den Neuheitsverlust. Das Modell lernt mit und kann den Gedanken später woanders ausgeben.

Die Lösung ist klar: Vertragsklausel, die Training auf eigenen Daten ausschließt, plus Hybridansatz. Cloud-LLMs für Standard-Aufgaben, lokale Modelle für echte Geschäftsgeheimnisse.

AVV-Verträge mit KI-Agenturen: Wann sie wirklich nötig sind

Viele Konzerne legen Standard-AVVs auf den Tisch, bevor das erste KI-Projekt startet. Häufig ist das falsch adressiert. Eine KI-Agentur, die im System des Kunden arbeitet, verarbeitet selten personenbezogene Daten im Auftrag.

Wenn Mock-Daten reichen, wenn nur konfiguriert wird, wenn die KI-Lösung beim Kunden läuft, dann ist der AVV oft überflüssig. Anders liegt der Fall beim HR-Bewerber-Tool oder beim eigenen Hosting der Agentur.

Wir prüfen jeden KI-Use-Case einzeln. Das spart Kunden Monate an Vertragsverhandlungen und vermeidet Pflichten, die der konkrete Auftrag gar nicht auslöst.

Fazit: Wer wegen KI-Omnibus wartet, verliert

Der KI-Omnibus entschärft die größten Compliance-Sorgen und verschiebt die Fristen für Hochrisiko-Systeme. Wer jetzt weiter wartet, hat den größten Schaden. Konkurrenz baut Use Cases, während die Vorsichtigen Bedenken sammeln.

Drei Schritte funktionieren in der Praxis: AI Act-Einordnung pro System, DSGVO-Hausaufgaben sauber dokumentieren, Vertragsklauseln rund um KI sinnvoll ergänzen. Das gilt für Unternehmen und für KI-Agenturen gleichermaßen.

Häufige Fragen

Was ist der KI-Omnibus?

Der KI-Omnibus ist ein EU-Gesetzespaket, das Teile des AI Acts verschiebt und entschärft. Anfang Mai haben Rat und Parlament im Trilog die politische Einigung erzielt. Pflichten für Hochrisiko-KI-Systeme greifen je nach Typ erst Ende 2027 oder Mitte 2028. Artikel 4 zur KI-Kompetenz ist auf eine Bemühenspflicht reduziert. Für KMU sind Erleichterungen eingebaut. Die größeren DSGVO-Erleichterungen stehen separat im digitalen Omnibus und sind politisch noch offen.

Müssen Unternehmen wegen Artikel 4 noch KI-Schulungen anbieten?

Eine starre Schulungspflicht gibt es nicht mehr. Artikel 4 ist als Bemühenspflicht formuliert. Behörden sollen über FAQs und Schulungsangebote Awareness aufbauen. Am Ende des ersten Absatzes steht ausdrücklich, dass keine Einzelschulungspflicht entsteht. Sinnvoll bleibt es trotzdem, Mitarbeitende kundig im Umgang mit KI zu machen. Die Entscheidung liegt beim Geschäftsführer und folgt der gleichen Logik wie jede andere Business-Judgement-Frage.

Sind US-Modelle wie ChatGPT, Claude oder Codex DSGVO-konform einsetzbar?

Pauschal nein und pauschal ja sind beide falsch. Internationaler Datentransfer lässt sich über Standardvertragsklauseln und vertragliche Mechanismen abbilden. Die übrigen DSGVO-Pflichten wie transparente Information, Löschkonzept und Dokumentation gelten weiter. EU-Hosting allein erfüllt diese Pflichten nicht. Wer Microsoft 365 nutzt, hat das Cloud-Act-Restrisiko bereits akzeptiert. Eine saubere Risikoabwägung pro Use Case liefert in den meisten Fällen ein klares Ja.

Wie schützen Unternehmen Geschäftsgeheimnisse beim KI-Einsatz?

Das Geschäftsgeheimnisgesetz greift nur, wenn der Inhaber die Information nachweislich geschützt hat. Wer patentierbare Ideen im offenen ChatGPT-Chat eingibt, riskiert den Neuheitsverlust. Pflicht ist ein Vertrag, der Training auf den eingegebenen Daten ausschließt. Für sensible Inhalte empfiehlt sich ein Hybridansatz aus Cloud-LLM für Standard-Aufgaben und lokalem Modell für echte Geheimnisse. Technische und organisatorische Schutzmaßnahmen müssen dokumentiert sein.

Wann brauchen Unternehmen einen AVV mit der KI-Agentur?

Ein AVV ist nur nötig, wenn die Agentur im Kern personenbezogene Daten im Auftrag und unter Weisung des Auftraggebers verarbeitet. Reine Beratung, Mock-Daten-Workflows und Konfiguration im Kundensystem lösen die Pflicht meist nicht aus. Anders sieht es beim HR-Bewerber-Tool oder beim eigenen Hosting der Agentur aus. Standard-AVVs aus Konzern-Templates passen oft nicht. Jeder Use Case sollte einzeln geprüft werden, statt monatelang an Vertragsverhandlungen zu blockieren.

Gemini 3.5 Flash: Warum Googles Update enttäuscht

Everlast AI — Sun, 24 May 2026 08:27:44 +0000

Gemini 3.5 Flash ist Googles neues Reasoning-Modell aus der Google I/O 2026. Es soll den Vorgänger 2.5 Flash ablösen. Im Video ordnet Leonard Schmedding ein, warum das Modell am Markt vorbei geht. Wir zeigen die fünf Updates aus Mountain View, die für Unternehmen wirklich zählen.

Gemini 3.5 Flash: Der Effizienz-Pitch geht nicht auf

Sundar Pichai stellt Gemini 3.5 Flash als günstigstes Spitzenmodell vor. Großkonzerne sollen laut Keynote über eine Milliarde Dollar pro Jahr sparen können. Die Zahlen aus der Praxis erzählen eine andere Geschichte.

Flash ist ein Reasoning-Modell und produziert vor jeder Antwort viele Output-Tokens. Genau diese Tokens hat Google auf 9 Dollar pro Million verdreifacht. Ein voller Durchlauf des Artificial Analysis Index kostet jetzt 52 Dollar. Das ist fünfeinhalb mal so viel wie beim alten Flash. Und 75 Prozent mehr als bei Gemini 3.1 Pro.

Auf der Cursor-Bench landet Flash mit 49,8 Prozent auf Platz 10 von 14. Opus 4.7 und GPT-5.5 lösen mit über 64 Prozent deutlich mehr Aufgaben. Wir empfehlen unseren Beratungskunden im Agentic Coding weiterhin Opus 4.7 oder GPT-5.5. Der Wechsel auf Flash spart weder Geld noch Zeit.

Gemini Omni: Googles Nano Banana für Video

Spannender ist Gemini Omni. Das Modell ersetzt Veo in der Gemini-App und in Google Flow. Es bringt eine native Editing-Funktion mit. Per Chat-Prompt lässt sich ein KI-Video Schritt für Schritt verändern. Die Szene bleibt dabei stabil.

In ersten Tests fügt Omni einen Papagei sauber in eine Talking-Head-Szene ein. Es wechselt Pullover-Farben. Es tauscht eine Tasse gegen eine hochgeladene Referenz. Tageszeit-Wechsel funktionieren auf Anhieb. Bis zu zehn Sekunden Output sind möglich.

Eigenes Footage akzeptiert Omni aktuell noch nicht. Das Editing greift nur auf in Flow generiertes Material. Sobald Google diese Schranke öffnet, wird Omni zur Konkurrenz für Klings Motion Control und Lumas Ray.

Android-Apps per Prompt und das Antigravity-Debakel

Im Google AI Studio entsteht jede einfache Android-App über einen einzigen Prompt. Eine Projektmanagement-App mit Sprachnotiz, Transkription und Kanban-Boards baut Gemini in wenigen Minuten. Drei Ansichten plus Install-Button für reale Geräte sind dabei.

Die neue Google-Workspace-Integration verbindet Sheets, Docs, Drive, Kalender und Mail nativ. Damit landet Spark-ähnliche Tiefe direkt im Builder.

Weniger erfreulich ist Antigravity 2.0. Die Closed-Source-Variante hat das Open-Source-Gemini-CLI komplett abgelöst. Sie ist so verbugt, dass selbst in der offiziellen Keynote noch Codex-Ordner zu sehen waren. Wer die alte Version zurück will, deinstalliert 2.0 und lädt über die Download-Seite die Vorgängerversion 1.232. Mehr zur produktiven Arbeit mit rechtssicheren Modellen zeigen wir im kostenfreien CorporateLLM-Workshop nächste Woche.

Google-Suche: größtes Update seit 25 Jahren

Google baut die Suchleiste komplett um. Das leere Feld wird zur dynamischen Eingabe. Es wächst mit der Frage mit. Es nimmt Bilder, Dateien und Videos entgegen. Gemini spielt darauf Empfehlungen aus. AI Overviews und AI Mode verschmelzen zu einer einzigen KI-Suche.

Das ist nicht das Ende von SEO. Google stellt im Blog klar, dass es keine Abkürzungen wie eine llms.txt gibt. Die alten Grundlagen gelten weiter. Was sich ändert, ist die Zielgruppe. Sichtbarkeit heißt jetzt, in der generierten Antwort zitiert zu werden. Und die Antworten lesen künftig auch Agenten.

Dazu passt das Universal-Cart-Konzept. Ein globaler Warenkorb sitzt in Chrome, Gemini, YouTube und Gmail. Sobald Agenten autonom einkaufen, wird dieser Warenkorb zur zentralen Konversions-Stelle für jeden Online-Händler.

KI-Omnibus: AI Act wird pragmatischer

Aus Brüssel kommt das politisch wichtigste Update der Woche. Der KI-Omnibus ist vom digitalen Omnibus abgespalten. Er verschiebt zentrale Fristen und entschärft die Kompetenzpflicht aus Artikel 4. Unser IT-Fachanwalt Dr. Lutz Keppeler ordnet das im Video ein.

Kompetenzpflichten haben kein Bußgeld mehr im Rücken. Sie werden zur Bemühenspflicht. Behörden bekommen den Auftrag, über FAQ und Schulungsangebote Awareness zu schaffen. Im Klartext: Niemand muss die teuerste KI-Verordnungs-Schulung buchen. Wir empfehlen, Trainings am konkreten Use Case auszurichten.

Für Hochrisiko-KI-Systeme bleibt die Prüfpflicht bestehen. Wer in diesem Bereich plant, sollte trotz verschobener Fristen früh starten. Die Anforderungen erzeugen real Aufwand. Das vollständige Interview mit Dr. Keppeler erscheint nächste Woche auf dem Zweitkanal KI-Bubble.

Composer 2.5: SpaceX und xAI sortieren den Coding-Markt

Cursor trainiert mit xAI an einem eigenen Modell. xAI und SpaceX haben sich Kaufrechte an Cursor gesichert. Cursor besitzt Telemetrie aus Agentic-Coding-Workflows über alle Modellanbieter. Aus diesen Daten lassen sich eigene Modelle ableiten.

Composer 2.5 ist diese Woche bereits live. Es gehört zu den ersten Resultaten dieser Kooperation. Parallel öffnet OpenAI garantierte Rechenkapazität für Vertragspartner. Was Larry Fink als Futures auf Compute beschrieben hat, wird zum Standard im Procurement.

Codex bekommt ebenfalls Updates. Das SDK ist live. Der In-Browser-Modus reift. Codex-Cloud-Sessions laufen weiter, auch wenn der lokale Mac geschlossen ist. Damit fällt eine der letzten Schranken für 24-Stunden-Agenten-Workflows.

Fazit: Gemini 3.5 Flash zählt nicht zu den Pflicht-Updates

Die Google I/O 2026 bringt viele kleine Schritte für den Massenmarkt. Einen Veo-3-Moment gibt es nicht. Für die Beratungspraxis zählen fünf Punkte. Erstens: AI Suche wird Standard. Zweitens: Google-Workspace wird tiefer verzahnt. Drittens: Multimodalität mit Omni wird zur Norm. Viertens: Agentic Coding wird zur Basisanforderung. Fünftens: Der KI-Omnibus entlastet bei der Kompetenzpflicht. Gemini 3.5 Flash selbst gehört nicht in die Top-Liste der Updates.

Häufige Fragen

Lohnt sich der Wechsel auf Gemini 3.5 Flash für produktive Workloads?

Für Reasoning-Workloads lohnt sich der Wechsel nicht. Flash kostet pro vollem Benchmark-Durchlauf 52 Dollar. Das sind 75 Prozent mehr als bei Gemini 3.1 Pro. Auf der Cursor-Bench liegt Flash auf Platz 10 von 14. Für Voice-Agents fehlt die Effizienz. Für Agentic Coding bleiben Opus 4.7 und GPT-5.5 die bessere Wahl. Sinnvoll bleibt Flash nur für sehr leichte Aufgaben, in denen ein Reasoning-Schritt überschießt.

Was kann Gemini Omni, das Veo nicht konnte?

Omni ersetzt Veo in Gemini und Google Flow. Es bringt Chat-basiertes Editing für KI-Videos mit. Statt jedes Mal neue Prompts zu schreiben, lässt sich die Szene Schritt für Schritt verändern. Möglich sind: Objekte einsetzen, Kleidung tauschen, Tageszeiten wechseln, Referenzbilder einbinden. Output reicht bis zu zehn Sekunden. Eigenes Footage bleibt aktuell gesperrt. Sobald Google diese Grenze öffnet, wird Omni zum echten Editing-Werkzeug.

Was bedeutet der KI-Omnibus für die Kompetenzpflicht aus Artikel 4?

Die Kompetenzpflicht bleibt formal bestehen, verliert aber ihren Bußgeld-Charakter. Sie ist jetzt eine Bemühenspflicht. Geschäftsführungen entscheiden selbst über die Schulungstiefe ihrer Teams. Behörden bekommen den Auftrag, Awareness über FAQ und Schulungsangebote zu fördern. Pauschale KI-Verordnungs-Schulungen aus dem Beraterregal sind nicht mehr Pflicht. Sinnvoller sind Schulungen, die direkt am realen Use Case ansetzen.

Wie reagiere ich als Unternehmen auf das neue Google-Suche-Update?

Klassische SEO-Grundlagen bleiben in Kraft. Was sich ändert, sind Zielgruppe und Antwortformat. Sichtbarkeit heißt jetzt, in der KI-generierten Antwort zitiert zu werden, nicht in einer Linkliste. Inhalte sollten klare Definitionen, konkrete Zahlen und zitierfähige Aussagen enthalten. B2B-Anbieter sollten zusätzlich prüfen, ob ihre Inhalte für Agenten lesbar sind. Universal-Cart-Workflows werden künftig autonom einkaufen.

Joscha Bach im Streit um KI und Bewusstsein

Everlast AI — Thu, 21 May 2026 15:28:14 +0000

Joscha Bach ist Gründungsdirektor des kalifornischen Instituts für Maschinenbewusstsein. Er versteht Geist im Kern als Software. Im Streitgespräch mit der Philosophin Gwendolin Walter-Kirchhoff prallt seine These auf ihre Verteidigung des Lebendigen. Leonard Schmedding moderiert das Gespräch.

Wir haben das Gespräch in voller Länge gesehen und die zentralen Argumente herausgearbeitet. Sie reichen weit über akademische Philosophie hinaus. Wer Bewusstsein versteht, versteht auch die Grenzen heutiger KI.

Joscha Bach: Bewusstsein als selbstorganisierende Software

Bachs Position ist klar formuliert. Bewusstsein ist ein kausales Muster auf jedem geeigneten Substrat. Zellen kommunizieren, koordinieren sich und erzeugen so den kohärenten Beobachter, den wir Selbst nennen. Was im Gehirn passiert, ist keine Magie, sondern Mathematik in biologischer Hardware.

Daraus folgt eine klare Konsequenz. Wenn die Kommunikation zwischen Zellen nachvollziehbar ist, lässt sie sich auch in Silizium nachbauen. Bach nennt sein Institut deshalb ein philosophisches Projekt, kein industrielles. Er möchte verstehen, nicht verwerten.

Das Hard Problem und die erste Person

Walter-Kirchhoff hält dagegen mit dem Hard Problem of Consciousness. Alle Inhalte des Bewusstseins lassen sich beschreiben. Das Erleben selbst, die erste-Person-Perspektive, entzieht sich der funktionalen Erklärung. Ein Algorithmus simuliert Schmerzreaktionen, doch das Fühlen bleibt aus.

Ihr Kernvorwurf trifft Bachs Methode. Er verwechsle Bewusstseinsinhalte mit dem Bewusstsein selbst. Eine Kamera, die eine andere Kamera beobachtet, ist deshalb nicht bewusst. Kohärenz allein, wie sie auch eine Blockchain herstellt, erzeugt kein Erleben.

Substratunabhängigkeit: Kann Silizium fühlen?

An dieser Stelle trennen sich die Wege. Bach betrachtet die Zelle als Maschine im mathematischen Sinn. Sie ist ein System aus Zustandsübergängen ohne magischen Rest. Damit wird Maschinenbewusstsein zur technischen Frage, nicht zur prinzipiellen.

Walter-Kirchhoff hält das für einen ontologischen Fehlschluss. Lebewesen seien keine Maschinen, sondern Träger einer Innerlichkeit. Der Aristotelische Hylomorphismus binde Form und Stoff fest aneinander. Aristoteles als Kronzeuge für Substratunabhängigkeit funktioniere deshalb nicht.

Modernismus, Nihilismus und die verlorene Zukunft

Beide diagnostizieren dieselbe Krise mit anderen Worten. Der Modernismus, das Versprechen technischer Lösbarkeit aller Probleme, ist seit 1968 erschöpft. Übrig bleibt eine Gesellschaft ohne tragfähiges Zukunftsbild. Ihre Regierungen bringen kaum wählbare Kandidaten hervor.

Walter-Kirchhoff verortet die Wurzel in einer existentiellen Depression. Diese habe das materialistische Weltbild erst möglich gemacht. Bach sieht eine fehlende Vision jenseits von Konservatismus, Progressismus und Libertarismus. In der Diagnose stehen beide näher beieinander als in der Therapie.

Vollhumanismus gegen Transhumanismus

Walter-Kirchhoff formuliert ihr Gegenmodell als vollhumanistische Zukunft. Bildung, Herz und Bindung zwischen Menschen rücken in den Mittelpunkt. Sie verweist auf Schiller, Mencius und die kontemplativen Traditionen. Sie plädiert für eine Re-Inklusion dessen, was die Aufklärung ausgeschlossen habe.

Bach erkennt den humanistischen Kern an. Die Rückabwicklung der Aufklärung lehnt er ab. Intuition und rationale Wissenschaft sollen im selben Raum stattfinden. Wir teilen diese Position aus unserer täglichen Beratungsarbeit mit Unternehmen.

KI, Arbeit und die Verschmelzung von Mensch und Maschine

Die praktische Frage betrifft Millionen Beschäftigte. Werden wir überflüssig? Bach hält das Kurzweil-Szenario einer erzwungenen Verschmelzung für unwahrscheinlich. Beim Produktivitätsgewinn ist er optimistisch. Wer KI heute einsetzt, gewinnt Zeit für Kinder, Pflege und echte Auseinandersetzung.

Walter-Kirchhoff stimmt der Automatisierung formalisierter Arbeit zu. Ihr Vorbehalt zielt auf die extraktive Logik des Systems. Diese könne KI in Militär, Überwachung und genetische Eingriffe lenken. Ethische Selbstbeschränkung wirke dabei als kreative Schranke, nicht als Forschungsverbot.

Was wir aus der Debatte mitnehmen

Für Unternehmen ist die philosophische Tiefenfrage praktischer als sie wirkt. Wer ein Large Language Model für bewusst hält, überschätzt seine Verlässlichkeit. Wer es als reines Werkzeug versteht, kann seine Stärken nutzen. Menschliche Verantwortung bleibt dort, wo sie hingehört.

Unser Team begleitet diese Übersetzungsarbeit täglich. Die besten Resultate entstehen dort, wo Teams die Grenze zwischen Werkzeug und Akteur klar ziehen. Das Streitgespräch zwischen Bach und Walter-Kirchhoff schärft genau dieses Bewusstsein.

Häufige Fragen

Wer ist Joscha Bach?

Joscha Bach ist ein deutscher KI-Forscher und Kognitionswissenschaftler. Er ist Gründungsdirektor des kalifornischen Instituts für Maschinenbewusstsein. Er hat unter anderem am MIT Media Lab, in Harvard und bei Intel Labs geforscht. Seine zentrale These lautet, dass Geist im Kern Software ist. Diese Software lässt sich prinzipiell auch in Maschinen nachbauen.

Was bedeutet das Hard Problem of Consciousness?

Das Hard Problem beschreibt die Lücke zwischen funktionalen Erklärungen des Gehirns und dem subjektiven Erleben. Selbst wenn jede neuronale Verschaltung beschrieben ist, bleibt offen, warum dabei ein Erleben entsteht. Walter-Kirchhoff sieht darin den entscheidenden Einwand gegen Bachs These. Bewusstsein lasse sich nicht auf ein kausales Muster reduzieren.

Kann eine Maschine Bewusstsein haben?

Bach hält das für eine offene technische Frage. Wenn Bewusstsein aus der Kommunikation zwischen zellartigen Einheiten entsteht, sei es im Prinzip auf Silizium reproduzierbar. Walter-Kirchhoff lehnt das ab. Lebendigkeit lasse sich nicht von ihrem biologischen Substrat trennen. Eine endgültige Antwort hat die Wissenschaft bislang nicht.

Was ist Vollhumanismus?

Vollhumanismus ist Walter-Kirchhoffs Gegenmodell zum Transhumanismus. Statt den Menschen technisch zu erweitern, sollen menschliche Beziehungsfähigkeit, Bildung und Herzensintelligenz im Zentrum stehen. Sie verweist auf Schiller, Mencius und die kontemplativen Traditionen. Sie sieht darin Quellen für eine Zivilisationsform jenseits des extraktiven Kapitalismus.

Wie verändert KI die Arbeitswelt laut Joscha Bach?

Bach sieht KI nicht als Job-Killer, sondern als Produktivitätshebel. Wer KI-Agenten einsetzt, bekomme Zeit für Tätigkeiten zurück, die heute zu kurz kommen. Dazu zählen Erziehung, Pflege und kreative Arbeit. Die eigene Identität verändert sich dabei, weil Routinearbeit ausgelagert wird. Entscheidend sei, dass KI als Werkzeug der einzelnen dient.

Daniel Cremers Weltmodelle: Der nächste KI-Durchbruch

Everlast AI — Tue, 19 May 2026 15:27:31 +0000

Daniel Cremers Weltmodelle: Der wahre KI-Durchbruch hieß ImageNet

Daniel Cremers ist einer der weltweit einflussreichsten Computer-Vision-Forscher und Pionier der KI-Weltmodelle. Im Interview mit Leonard Schmedding erklärt der Professor der TU München, warum nicht ChatGPT der eigentliche KI-Durchbruch war. Den Wendepunkt sieht er im Jahr 2015. Damals schlug die Maschine den Menschen erstmals bei der Bildklassifizierung auf dem Datensatz ImageNet.

Cremers begründet das mit der Evolution. Schach ist kein Spiel, für das unser Gehirn gebaut ist. Sehen dagegen ist überlebenswichtig. Wer den Tiger im Gebüsch erkennt, lebt länger. Genau diese menschliche Kernfähigkeit zu reproduzieren, nennt er die wahre Herausforderung der künstlichen Intelligenz.

Der Datensatz ImageNet stammt von Fei-Fei Li, einer Kollegin von Cremers. Sie treibt heute mit World Labs die Entwicklung von Weltmodellen voran. Genau hier setzen Daniel Cremers Weltmodelle an: bei einem echten räumlichen Verständnis der Welt.

Was Weltmodelle von Sprachmodellen unterscheidet

Ein Sprachmodell sagt das wahrscheinlichste nächste Wort voraus. Diese Next-Token-Prediction funktioniert für Text und Bilder. Für die dreidimensionale Welt reicht sie nicht. Cremers nennt das Spatial Intelligence. Sein Startup SE3 Labs bringt Maschinen bei, reale Räume zu verstehen.

Der Unterschied wird bei humanoiden Robotern konkret. ChatGPT kennt alles aus dem Internet. Den Weg zur nächsten Bushaltestelle kennt es nicht. Ein Roboter im Alltag muss Objekte, Eigenschaften und Interaktionen erfassen. Rollt ein Ball auf die Straße, folgt oft ein Kind. Ein physikalisches Weltmodell lernt das mit weniger Daten als reines End-to-End-Training.

KI ist ein Werkzeugkasten, keine Wollmilchsau

Cremers warnt vor jedem Hype-Begriff. Erst war es das LLM, dann das Foundation Model, dann das World Model. Er sieht KI als großen Werkzeugkasten. Für die kürzeste Route nach Hamburg nutzt man einen Wegealgorithmus, kein Sprachmodell. Es wird nie das eine Modell geben, das alles kann.

Daraus folgt eine klare Warnung an die Politik. Ein nationales LLM hält Cremers für gefährlich. Projekte wie BloombergGPT haben Millionen verbrannt und den Anschluss verloren. Sein Rat lautet: nicht auf den aktuellen Zug aufspringen, sondern die übernächste Modellgeneration entwickeln. Mehrgleisig fahren schlägt das Wetten auf ein Pferd.

Tesla gegen Waymo: Warum Cremers auf die Kamera setzt

Beim autonomen Fahren ist Cremers klarer Verfechter der Kamera. LiDAR-Sensoren sind teuer, schwer und groß. Ein Dachaufbau für eine halbe Million Euro verkauft kein Auto. Seine Arbeitsgruppe lieferte mit LSD-SLAM die Grundlage, aus einer einzigen Kamera dichte 3D-Welten zu rekonstruieren. Ähnliche Hardware-Fragen beleuchten wir im Gespräch mit Robert Vogel von TQ-RoboDrive.

Reine Simulation reicht ihm nicht. Den Sim-to-Real-Gap unterschätzen viele. Sein Startup DeepScenario filmt mit Drohnen reale Kreuzungen. Es trackt tausende Verkehrsteilnehmer zentimetergenau. Daraus entstehen reaktive Agenten, die menschliches Fahrverhalten in seiner ganzen Bandbreite abbilden. Bei Gelb bremsen die einen, die anderen geben Gas.

AlphaFold und der verpasste Nobelpreis

2016 stellte das Team von Cremers das weltweit erste neuronale Netz vor, das Proteinstrukturen aus Aminosäuresequenzen vorhersagt. Das war zwei bis drei Jahre vor AlphaFold von DeepMind. Die Arbeit erschien nicht in Nature, sondern als Plenarvortrag auf der KI-Tagung NeurIPS.

2024 ging der Chemie-Nobelpreis an Demis Hassabis. Cremers hörte sich die Begründung des Komitees an. Alle vier genannten Beiträge von AlphaFold standen bereits 2016 in seinem Paper. Multiple Sequence Alignment, Koevolutions-Statistik, tiefes neuronales Netz und CASP-Benchmark. Seine Lehre daraus: Forschung in Deutschland braucht deutlich mehr PR.

Energieeffizienz und was Deutschland jetzt tun muss

Eine offene Großbaustelle ist die Energie. Das menschliche Gehirn generiert Sprache mit 20 Watt. Große Modelle fressen mehr Strom als ganze Länder. Cremers plädiert für neuromorphe Ansätze und Spiking Neural Networks. Mittelfristig müsse man die Grundstruktur der Netze neu denken.

Beim Standort bleibt er Optimist. Deutschland habe die Talente, etwa an der TU München mit bis zu 2.200 Studenten pro Vorlesung. Über die TUM Venture Labs bringt er Forschung in Startups. Sein Bild: Deutschland braucht statt zehn Think Tanks einen Do Tank. Diese Verschiebung der Arbeit ordnen wir in unserer Analyse zur Post-Labor-Economy ein.

Fazit: Weltmodelle als nächster Sprung nach den Sprachmodellen

Für Unternehmen ist die Botschaft praktisch. Daniel Cremers Weltmodelle zeigen, dass räumliche KI der nächste große Hebel nach den Sprachmodellen wird. Humanoide Roboter werden günstiger und vielseitiger. Wer KI-Tools früh produktiv einsetzt, gewinnt Tempo. Ein Mitarbeiter bei SE3 Labs generierte mit Claude an einem Tag 11.000 Zeilen Code. Angst vor Jobverlust hält Cremers für falsch. Die Waschmaschine hat Arbeit erleichtert, nicht nur ersetzt.

Häufige Fragen

Was war laut Daniel Cremers der eigentliche KI-Durchbruch?

Nicht ChatGPT und nicht AlphaGo. Daniel Cremers sieht den wahren Durchbruch im Jahr 2015. Damals schlug eine Maschine den durchschnittlichen Menschen erstmals bei der Bildklassifizierung auf dem Datensatz ImageNet. Für ihn zählt das mehr als Schach, weil Sehen eine evolutionär verankerte menschliche Kernfähigkeit ist. Diese visuelle Weltwahrnehmung zu reproduzieren, hält er für die eigentliche Aufgabe der künstlichen Intelligenz.

Was unterscheidet ein Weltmodell von einem Sprachmodell?

Ein Sprachmodell sagt per Next-Token-Prediction das nächste Wort voraus. Es kennt Wissen aus dem Internet, aber keine räumlichen Zusammenhänge. Ein Weltmodell baut eine physikalische, dreidimensionale Repräsentation der Umgebung. Es erfasst Objekte, Eigenschaften und Interaktionen. Cremers nennt das Spatial Intelligence. Humanoide Roboter brauchen genau dieses räumliche Verständnis, um sich im Alltag zu bewegen.

Warum bevorzugt Daniel Cremers Kameras gegenüber LiDAR?

Kameras sind deutlich billiger, leichter und kleiner als LiDAR-Sensoren. Ein LiDAR-Aufbau kann eine halbe Million Euro kosten und macht ein Serienauto unverkäuflich. Die Arbeitsgruppe von Cremers entwickelte mit LSD-SLAM Verfahren, die aus einer einzigen Kamera detailreiche 3D-Welten rekonstruieren. Auch für den Menschen sind die Augen der wichtigste Sinn. Computer Vision ist für ihn deshalb der Kern der gesamten künstlichen Intelligenz.

Was hat das TU-München-Team mit AlphaFold zu tun?

2016 präsentierte das Team von Cremers das erste neuronale Netz zur Vorhersage von Proteinstrukturen aus Aminosäuresequenzen. Das war zwei bis drei Jahre vor AlphaFold. Alle vier Beiträge, mit denen das Nobelkomitee 2024 den Preis an DeepMind begründete, standen laut Cremers schon in diesem Paper. Da es auf der NeurIPS statt in Nature erschien, blieb es in der Biologie-Community weitgehend unbeachtet.

Was muss Deutschland im KI-Wettlauf jetzt tun?

Cremers sieht Talente und Forschung als Stärke, etwa an der TU München. Es fehle am Transfer in Firmen und an Sichtbarkeit. Er fordert mehr PR und mehr Ausgründungen über Strukturen wie die TUM Venture Labs. Statt Überregulierung brauche es vernünftige Kompromisse zwischen Datenschutz und Fortschritt. Sein Leitsatz: Deutschland braucht statt vieler Think Tanks einen Do Tank.

Claude Code Agent View: 50% mehr Limits, Codex kontert

Everlast AI — Sun, 17 May 2026 08:25:21 +0000

Claude Code Agent View ist eine neue Orchestrierungs-Oberfläche von Anthropic. Sie bündelt mehrere KI-Agenten in einer einzigen Session. Im KI-News-Video ordnet Leonard Schmedding das Update ein. Wir bei Everlast AI sehen darin einen klaren Schritt Richtung paralleles Agenten-Management im Arbeitsalltag.

Claude Code Agent View: 50 Prozent mehr Limits

Anthropic hebt die wöchentlichen Nutzungslimits um 50 Prozent an. Das galt bisher als größtes Manko, selbst im 200-Dollar-Plan. Nutzer stießen dort viel zu schnell an die Grenze. Mit mehr Budget laufen jetzt deutlich mehr Agenten parallel.

Genau hier setzt Claude Code Agent View an. Du startest die Session mit dem Befehl claude agents. Danach steuerst du fünf bis zehn Agenten in einer Ansicht. Wartet ein Agent auf Input, zeigt die Oberfläche das oben an.

Per Tab-Taste antwortest du direkt, ohne in die Einzelsession zu springen. Über Control X beendest du einzelne Sessions gezielt. Wir testen solche Workflows mit hunderten Mittelstands-Unternehmen pro Woche. Den Tool-Wettkampf beleuchten wir in unserem Vergleich von Claude Code und Codex.

Slash-Goal: Agenten arbeiten jetzt tagelang autonom

Claude integriert zusätzlich eine Slash-Goal-Funktion. Du gibst ein Ziel vor, der Agent arbeitet stunden- oder tagelang daran. Dieser Trend ist eindeutig. Agenten werden Schritt für Schritt autonomer.

Das vollautonome KI-Unternehmen rückt damit näher. Für Unternehmen heißt das: Workflows neu denken, nicht nur Tools tauschen.

Codex kontert: Remote Control über die ChatGPT-App

OpenAI reagiert sofort und wirbt Nutzer mit zwei Gratis-Monaten zurück. Codex steckt jetzt direkt in der ChatGPT-Mobile-App. Du steuerst deinen Desktop-Codex per Handy fern. So erledigst du Aufgaben am Rechner auch von unterwegs.

Beide Anbieter kopieren zudem die Palantir-Strategie. Sie setzen auf Forward-Deployed Engineers beim Kunden. OpenAI gründet dafür die OpenAI Deployment Company. Das Unternehmen kauft Tomoro mit 150 erfahrenen Ingenieuren.

Anthropic überholt OpenAI im Unternehmensmarkt

Laut Ramp-Zahlen nutzen 34,4 Prozent der Unternehmen Claude. OpenAI liegt bei 32,3 Prozent und damit erstmals dahinter. Insider berichten von Investitionsangeboten über 900 Milliarden Dollar. Das würde Anthropics Bewertung mehr als verdoppeln.

Passend dazu bündelt Anthropic 34 Skills in Claude for Small Business. Die Sammlung deckt Buchhaltung, Monatsabschluss und KPI-Briefings ab. Konnektoren reichen von PayPal über HubSpot bis Slack und Stripe. Du aktivierst sie über die Claude-Desktop-App per Plugin-Bündel.

Figure und Unitree: Humanoide in echten Schichten

Figure bestätigt den Design-Lock der nächsten Generation Figure 04. Erste Teile gehen bereits in die Fertigung. Parallel streamt Figure eine achtstündige autonome Schicht des Figure 03 live. Der Roboter sortiert Pakete und legt sie scanbar ab.

Unitree zeigt einen fahrbaren Mech mit rund 500 Kilogramm. Dazu startet der UniStore mit 24 fertigen Bewegungs-Apps. Während erste Humanoide echte Schichten arbeiten, arbeiten erste Menschen in Humanoiden.

Thinking Machines Lab: sprechen, während die KI arbeitet

Thinking Machines Lab von Mira Murati zeigt sein erstes Modell. Es verarbeitet Audio, Text, Bild und Video gleichzeitig. Anders als GPT Realtime denkt es nicht in starren Turns. Das Modell nimmt alle 200 Millisekunden einen Chunk auf.

Ein zweites Hintergrund-Modell übernimmt die agentischen Aufgaben. So sprichst du weiter, während im Hintergrund Tools laufen. Im eigenen Benchmark erreicht es 64,7 Prozent gegen 4,3 Prozent. Öffentlich verfügbar ist das Modell aber noch nicht.

Passive BCIs: Prof. Zander über das fehlende Weltverständnis

Prof. Dr. Thorsten O. Zander forscht seit über 20 Jahren an passiven BCIs. Sein Kernpunkt ist klar. Sprachmodelle haben kein echtes Weltverständnis. Begriffe wie Liebe sind für ein LLM nur verknüpfte Wörter.

Passive Brain Computer Interfaces lesen den mentalen Zustand aus. Sensoren am Kopf erfassen kognitive und emotionale Reaktionen. Diese Daten gibt das System an die Maschine weiter. Damit schließt Zander die Empathie-Lücke der reinen Sprachwelt.

Zander Labs erhielt von der Cyberagentur 30 Millionen Euro. Pilotprojekte laufen mit Airbus, Volkswagen, Bosch und Google DeepMind. Erste zahlende Kunden erwartet Zander in zwei Jahren. Anwendungsfelder sind Sprachmodelle, Robotik und autonomes Fahren.

Fazit: Claude Code Agent View setzt den Takt

Claude Code Agent View, Codex und Anthropics Vorsprung zeigen ein Muster. Agenten werden autonomer, der Engpass verschiebt sich auf Implementierung. Passive BCIs könnten das fehlende Weltverständnis langfristig schließen. Wir bei Everlast AI bereiten Unternehmen genau auf diese Phase vor.

Ein gutes Beispiel für Wahrnehmung statt Substanz liefert das Monet-Experiment aus dem Video. Es zeigt: Das Label entscheidet oft mehr als die Qualität.

Häufige Fragen

Was ist Claude Code Agent View?

Claude Code Agent View ist eine Orchestrierungs-Oberfläche von Anthropic. Du startest sie mit dem Befehl claude agents. In einer einzigen Session steuerst du mehrere KI-Agenten parallel. Wartet ein Agent auf Input, signalisiert die Ansicht das sofort. Per Tab-Taste antwortest du direkt, über Control X beendest du Sessions. Für uns bei Everlast AI löst das die alte Unübersichtlichkeit vieler Terminal-Tabs.

Wie viel mehr Nutzungslimit gibt es bei Claude Code?

Anthropic hebt die wöchentlichen Nutzungslimits um 50 Prozent an. Das betrifft auch den 200-Dollar-Plan, der bisher schnell ausgereizt war. Mehr Budget bedeutet konkret, dass deutlich mehr Agenten parallel laufen. Damit wird Agent View praktisch nutzbar. Aus Beratungssicht entlastet das vor allem Teams mit vielen gleichzeitigen Coding-Aufgaben.

Hat Anthropic OpenAI im Unternehmensmarkt überholt?

Laut Ramp-Zahlen nutzen 34,4 Prozent der Unternehmen Claude. OpenAI kommt auf 32,3 Prozent und liegt damit erstmals dahinter. Insider berichten zusätzlich von Bewertungs-Angeboten über 900 Milliarden Dollar. Das würde Anthropics Wert mehr als verdoppeln. Beide Anbieter setzen jetzt verstärkt auf Forward-Deployed Engineers und Implementierungs-Partner im Mittelstand.

Was sind passive Brain Computer Interfaces?

Passive BCIs steuern keine Maschine per Gedanken-Knopfdruck. Sensoren am Kopf lesen kognitive und emotionale Reaktionen aus. Das System interpretiert diesen mentalen Zustand im Kontext. Die Maschine versteht den Menschen dadurch besser. Prof. Dr. Thorsten O. Zander entwickelt diese Technologie bei Zander Labs mit 30 Millionen Euro Förderung der Cyberagentur.

Jörg Wuttke: Chinas Involution und der Druck auf den Westen

Everlast AI — Thu, 14 May 2026 15:33:15 +0000

Jörg Wuttke ist ein deutscher China-Kenner mit 35 Jahren Praxis vor Ort. 27 Jahre davon leitete er das BASF-Büro in Peking. Im Interview mit Leonard Schmedding erklärt Wuttke, warum Chinas Überkapazitäten kein Konjunktur-Problem sind. Sie sind systemisch und drücken jetzt mit voller Wucht in die Weltmärkte.

Involution: Wachstum, das sich selbst frisst

Wuttke erklärt den Begriff Involution mit einer harten Zahl. Die Branchen-Marge bei E-Autos fiel von 4,3 Prozent 2024 auf 1,8 Prozent Ende 2025. Trotzdem produziert China weiter, als gäbe es kein Morgen.

Der Grund sitzt tief im System. Über 150.000 staatseigene Lokal-Betriebe und 100 große Konzerne gehen nicht vom Acker. Lokal-Regierungen blockieren jede Schließung aus Angst vor sozialen Unruhen. Wuttke warnte schon 2017 in einer EU-Kammer-Studie vor genau diesem Szenario.

Heute hat China bei Batterien, E-Autos, Solar, Wind und Basis-Chemie genau diese Überkapazitäten. Vor Covid gab es 400 Automobil-Firmen im Land. Heute sind es 130. Maximal 20 davon machen echten Gewinn.

Der Export-Druck und das Ventil der Schiffe

China kann pro Jahr 50 Millionen Autos produzieren. Konsumiert werden im Inland 23 Millionen. Die Welt kauft insgesamt rund 50 Millionen. Rechnerisch könnte China die globale Autonachfrage allein bedienen.

Das Ventil sind die Roll-on-Roll-off-Schiffe. BYD hat ein Schiff gebaut, das fast 10.000 Autos transportiert. Seit drei Jahren exportiert China damit jährlich eine Million Wagen zusätzlich.

Dazu kommt ein Währungs-Effekt. Wuttke verweist auf Jürgen Matthes vom IW Köln. Der Renminbi hat seit Anfang 2020 rund 40 Prozent gegenüber dem Euro abgewertet. Plus 5 Prozent Deflations-Vorteil pro Jahr. Plus 12 Prozent Dollar-Abwertung 2024. Chinesische Hersteller hatten 2024 einen Kosten-Vorteil von fast 20 Prozent.

Demografie zwingt China zur Robotik

China altert mit einer Geschwindigkeit, die Europa nie erlebt hat. 2035 ist die Bevölkerung im Schnitt älter als die US-amerikanische. 2046 überholt China Europa. 2064 sogar Japan.

Hinzu kommt ein demoskopisches Ungleichgewicht. Auf 100 Frauen kommen 111 Männer. Die Fertilitäts-Rate liegt bei 1,0. Shanghai bei 0,59. Macau bei 0,47.

Deshalb plant China im 15-Jahresplan KI, Robotik und Biotechnologie als Pflicht-Säulen. Ein Pekinger Test-Altersheim wird komplett mit Robotern betrieben. Wuttke rechnet damit, dass in vier bis fünf Jahren chinesische Roboter in deutschen Altersheimen arbeiten. Die Alternative wäre, dass gar kein Personal mehr da ist.

27 Jahre BASF: Vertrauen vor Verträgen

Wuttke war von 1996 bis 2023 Chef-Repräsentant von BASF in Peking. BASF eröffnete 1885 sein erstes Büro in Shanghai. Heute betreibt der Konzern fast 100 Fabriken in China.

Das 3-Milliarden-Projekt in Nanjing galt 1998 als Wahnsinn. Während der Asien-Finanzkrise zogen sich US-Investoren zurück. BASF unter CEO Strube und Asien-Vorstand Hambrecht blieb. 2005 ging die Anlage in Betrieb. Sie wurde zur Cash-Cow.

Der Schlüssel war Vertrauen vor Ort. Nicht in Peking, sondern beim Gouverneur von Jiangsu. Bei der Chongqing-Anlage half ein Brief von Angela Merkel an Premier Wen Jiabao. Wuttkes Lehre: lokale Beziehungen schlagen Zentral-Politik.

Huawei und der Autarkie-Pfad

Trumps erste Amtszeit löste in Peking einen Alarm aus. China erkannte, dass US-Lieferungen politisch erpressbar sind. Daraus wurde der heutige Autarkie-Kurs. Halbleiter, Software, Maschinenbau, Chemie. Alles soll im Inland produzierbar sein.

Huawei verkörpert diesen Pfad wie kein anderer Konzern. Wuttke beschreibt die Firmen-Philosophie als fast religiös. Gründer Ren Zhengfei mobilisiert eine tiefe Bank an Ingenieuren. Shenzhen war vor 50 Jahren ein Fischer-Dorf. Heute sitzen dort BYD, Huawei und Tencent.

Die Konsequenz: Was Washington verbietet, baut China innerhalb von drei bis vier Jahren selbst. Der Nvidia-Marktanteil in China liegt laut Jensen Huang nach Sanktionen bei null Prozent. Der Effekt ist eine erzwungene chinesische Eigen-Entwicklung, nicht ein technologischer Rückstand.

Seltene Erden, Chips und der Strom-Ausbau

Seltene Erden sind nicht selten. Die Verarbeitung ist das Bottleneck. China hat den Großteil der globalen Refining-Kapazität gebündelt. Das Land setzt diese Position jetzt politisch ein.

Beim Strom plant China 3,4 Terawatt neue Kapazität in fünf Jahren. Das ist sechs Mal so viel wie die USA. KI-Rechen-Zentren brauchen genau diesen Strom. In Texas blockieren Wasser-Streits und Klagen jeden neuen Anschluss. Maine hat KI-Daten-Farmen lokal verboten.

Wuttke sieht den nächsten Schritt im Weltall. Dort gibt es Kühle, Platz und Sonnen-Energie. Wer den Raketen-Zugang dominiert, dominiert die KI-Infrastruktur. Europa droht in dieser Dimension komplett abgehängt zu werden.

Was deutsche Unternehmer von China lernen müssen

Wuttkes wichtigste Lehre lautet Risiko-Bereitschaft. Chinesische Firmen entwickeln mit 80-Prozent-Lösungen und liefern in neun Monaten. Deutsche Konzerne brauchen 18 Monate für die 100-Prozent-Variante. Der Markt ist dann oft weg.

Dazu kommt Kunden-Nähe. Ein BYD-Modell hat eine Drohne auf dem Dach, mit der Fahrer Getränke nachordern können. In Paderborn vielleicht skurril. In Shenzhen ein Verkaufs-Argument.

Und drittens: Bildung früh starten. China führt Kinder schon in der Grundschule an Chemie und Technik heran. In Peking schließen die Marketing-Institute, die Ingenieurs-Studiengänge sind überlaufen. Wer KI ernst nimmt, fängt mit der Schule an, nicht mit dem Abitur.

Häufige Fragen

Was bedeutet Involution in der chinesischen Wirtschaft?

Involution beschreibt einen Markt, der trotz sinkender Margen weiter wächst. Mehr Produktion, weniger Gewinn pro Einheit. In China entsteht das Phänomen durch staatseigene Betriebe, die nicht schließen dürfen. Lokal-Regierungen verhindern Schließungen aus Angst vor Arbeitslosigkeit. Das Ergebnis ist eine Zombie-Wirtschaft mit globalem Export-Druck. Die Branchen-Marge bei E-Autos fiel laut Wuttke von 4,3 Prozent 2024 auf 1,8 Prozent Ende 2025.

Warum hat China trotz aufgehobener Ein-Kind-Politik ein Geburten-Problem?

Die Ein-Kind-Politik fiel 2016. Heute fordert Peking sogar drei Kinder pro Familie und gewährt Steuer-Vorteile. Trotzdem sinkt die Fertilitäts-Rate auf 1,0. Macau liegt bei 0,47. Die Gründe sind ökonomisch und kulturell: hohe Wohnkosten, Karriere-Druck, ein Männer-Überschuss von 111 zu 100 Frauen. Hinzu kommt eine breite Zukunfts-Angst nach Covid und Immobilien-Krise.

Wie reagiert China auf die US-Chip-Sanktionen?

China bündelt Ressourcen, Kapital und Ingenieure auf jedes verbotene Produkt. Nvidia verliert nach Sanktionen laut Jensen Huang seinen kompletten Markt-Anteil in China. Huawei und andere Akteure springen in die Lücke. Wuttke nennt das unintended consequences. Drei bis vier Jahre später produziert China dasselbe Top-End-Produkt selbst. Die US-Exportkontrollen beschleunigen Chinas Autarkie, statt sie zu bremsen.

Was sollten deutsche Unternehmer von China lernen?

Wuttke nennt drei Punkte. Erstens Tempo: 80-Prozent-Lösungen in neun Monaten statt 100-Prozent in 18 Monaten. Zweitens Kunden-Nähe: harte Iteration mit dem Markt, nicht im Labor. Drittens Ingenieurs-Ausbildung ab der Grundschule. Deutsche Firmen sollten chinesische Manager nicht nur lokal einsetzen, sondern als Lehrer für deutsche Nachwuchs-Manager nutzen.

Robert Vogel TQ RoboDrive: Servomotoren als Humanoid-Hebel

Everlast AI — Wed, 13 May 2026 15:34:03 +0000

Robert Vogel von TQ RoboDrive erklärt, warum Servomotoren der eigentliche Hebel hinter humanoiden Robotern sind. Der frühere KUKA-Manager verantwortet heute den Vertrieb der Servomotoren-Sparte des bayerischen Mittelständlers TQ Group. Im Gespräch mit Leonard Schmedding ordnet er Mechanik, Manipulation und den China-Wettbewerb nüchtern ein. Seine Motoren stecken in Tesla Optimus, Figure und nahezu allen nicht-chinesischen Humanoiden auf dem Markt.

Was ein Servomotor in einem humanoiden Roboter wirklich macht

Ein Humanoid hat im Schnitt 30 bis 35 Freiheitsgrade. Jedes Gelenk braucht einen eigenen Aktuator. Vogel beschreibt den Aktuator als Kombination aus Motor, Getriebe, Lagerung und Steuerung. Der Servomotor liefert die Kraft, der gesamte Aktuator definiert das Bewegungsverhalten.

Boston Dynamics geht beim neuen Atlas sogar auf 56 Freiheitsgrade. XPeng setzt im Iron auf 60 Gelenke. Je mehr Gelenke, desto menschlicher wirkt die Bewegung. Genau diese Imitation entscheidet später, wie gut der Roboter aus YouTube-Daten oder Trainings-Gyms lernen kann.

TQ RoboDrive: vom DLR-Spin-Off zur ISS-Hardware

Der Motor mit dem Namen ILM entstand als DLR-Entwicklung. Professor Hirzinger und sein Team brauchten einen Antrieb mit hoher Drehmomentdichte und Hohlwelle. Daraus wurde ein Spin-Off mit der TQ Group, einem 2000-Mitarbeiter-Unternehmen aus Bayern.

Die Motoren waren 5,5 Jahre auf der ISS im Einsatz. Demnächst fliegen sie mit dem IDEFIX-Rover zum Mars-Mond Phobos. Auf der Erde landen sie über das DLR-Erbe in Kobots, Exoskeletten und Humanoiden. Wir sehen darin ein klares Signal: deutsche Spezialhardware bleibt global gefragt, wenn sie wirklich differenziert.

KUKA-Verkauf an Midea: der strategische Bruch

Vogel war bei KUKA, als der chinesische Midea-Konzern 2016 über 95 Prozent der Anteile übernahm. Das Angebot lag bei 115 Euro pro Aktie. Der Kurs davor schwankte zwischen 60 und 80 Euro.

Wirtschaftsminister Sigmar Gabriel konnte kein Veto einlegen. Robotik galt damals nicht als systemkritisch. Erst danach folgte das sogenannte Lex KUKA, das deutsche Schlüsseltechnologie besser vor Übernahmen schützt. Für Unternehmen heisst das heute: strategische Beteiligungen brauchen einen klaren Plan, sonst geht Industriewissen verloren.

Quasi Direct Drive: das neue Antriebsprinzip

Quasi Direct Drive (QDD) reduziert die Getriebeübersetzung drastisch. Klassische Industrieroboter nutzten oft Übersetzungen von 1 zu 100 für maximale Präzision. Humanoide brauchen das nicht. Sie regeln Bewegung über Sensorik, Kameras und Kraftmomentenregelung.

Weniger Übersetzung bedeutet weniger Gewicht, weniger Verschleiss, weniger Energie aus der Batterie. Zusätzlich entsteht Backdriveability: der Aktuator lässt sich von aussen zurückdrehen. Ein gestürzter Roboter federt sich ab, statt starr zu brechen. Wir sehen QDD nicht als alleinige Lösung, sondern als sinnvolle Ergänzung im Mischbetrieb.

Locomotion ist gelöst, Manipulation bleibt das Bottleneck

Vogel ist eindeutig: das Laufen, Tanzen und Springen ist mechanisch gelöst. Die Salto-Videos aus der China New Year Gala sind echt, nicht generiert. Das gilt für nahezu alle grossen Hersteller.

Das Bottleneck verschiebt sich auf Fingerfertigkeit und Manipulation. Eine Hand bündelt fast genauso viele Freiheitsgrade wie der gesamte Rumpf. Der Bauraum ist nur ein Bruchteil davon. Für Pilot-Einsätze bei BMW, Mercedes, Magna und Amazon reicht das aktuelle Niveau aber bereits. Mit jedem Humanoiden gehen heute noch zwei Ingenieure zur Betreuung mit.

Deutschland gegen China: das echte Kräfteverhältnis

China hat ein komplett eigenes Ökosystem aufgebaut. Der Staat betreibt Trainings-Gyms, kauft Humanoide für eigene Daten und investiert in Startups. Unitree und XPeng sind Beispiele für vertikal integrierte Hersteller, die Motor und Roboter selbst bauen.

In Deutschland positionieren sich NEURA Robotics und Agile Robots als Systemanbieter. Schaeffler, BMW und Daimler steigen als Investoren und Pilotkunden ein. NEURA hat mit SAP eine Schnittstelle gebaut, die Aufträge aus dem ERP direkt an den Roboter weitergibt. Wir sehen den deutschen Vorteil in der Kombination aus Komponentenherstellern und Pilotkunden. Auch unsere KI-Automations-Manager-Ausbildung setzt genau hier an: KI-Kompetenz aufbauen, bevor die Hardware in der Halle steht.

Tesla Optimus: der unfaire Vorteil

Tesla baut Optimus für die eigenen Fabriken. Das ist nach Vogels Einschätzung der entscheidende Hebel. Wer 500 Roboter in einer eigenen Produktionslinie testet, sammelt Daten in nie gekannter Geschwindigkeit. Ein klassischer Hersteller-Kunden-Vertrag liefert das so nicht.

Boston Dynamics zeigte in Las Vegas die neue Industrievariante. Agility hat Humanoide seit zwei Jahren bei Kunden im Einsatz. Vogel rechnet damit, dass nicht alle aktuellen Startups in drei Jahren noch existieren werden. Für Unternehmen heisst das: Lieferantenstrategie heute schon diversifizieren. Wer das verschläft, riskiert dieselbe Abhängigkeit wie damals bei Industrierobotern aus Japan.

Fazit: Robert Vogel TQ RoboDrive zeigt den realistischen Pfad

Robert Vogel TQ RoboDrive liefert eine seltene Kombination: 20 Jahre Robotik-Erfahrung plus aktuelle Hardware-Sicht. Sein Kernpunkt ist klar. Die Mechanik ist gelöst, die Software definiert das Tempo. Die Lieferkette entscheidet über die Geschwindigkeit. Wir sehen Roboter nicht mehr als reines Werkzeug, sondern als Software-definierte Infrastruktur.

Der ChatGPT-Moment der Robotik kommt nach Vogels Einschätzung nicht 2026, aber 2027 oder 2028. Wer jetzt Pilotprozesse aufsetzt, gewinnt zwei Jahre Vorsprung gegenüber der Konkurrenz. Mehr dazu in unserer Übersicht zu KI-Beratungsleistungen.

Häufige Fragen

Was ist ein Servomotor in einem humanoiden Roboter?

Ein Servomotor liefert die Kraft für ein einzelnes Robotergelenk. Im humanoiden Roboter sitzt er gemeinsam mit Getriebe, Lagerung und Steuerung in einem sogenannten Aktuator. Erst der komplette Aktuator definiert Bewegung, Drehmoment und Nachgiebigkeit. Ein Humanoid braucht 30 bis 60 dieser Einheiten, je nach Anzahl der Gelenke und Freiheitsgrade.

Warum ist TQ RoboDrive in Tesla Optimus und Figure verbaut?

TQ RoboDrive entwickelte gemeinsam mit dem DLR den ILM-Motor mit besonders hoher Drehmomentdichte und Hohlwelle. Diese Eigenschaften passen exakt zum Bauraum eines Humanoiden. Robert Vogel bestätigt: nahezu alle nicht-chinesischen Humanoid-Hersteller haben Motoren von TQ RoboDrive eingesetzt oder evaluiert. Welche Hersteller in die Serienfertigung gehen, bleibt offen.

Was ist Quasi Direct Drive (QDD) und warum ist es wichtig?

QDD bedeutet sehr niedrige Getriebeübersetzung statt klassischer 1-zu-100-Untersetzung. Das spart Gewicht, Bauraum und Energie aus der Batterie. Zusätzlich entsteht Backdriveability: der Roboter federt bei Stürzen ab, statt starr zu brechen. QDD ist nicht der einzige Antriebsansatz, aber der dominierende Trend für humanoide Beine und Hüften.

Wer gewinnt das Humanoid-Rennen: Tesla, China oder Deutschland?

Robert Vogel sieht Tesla im Vorteil, weil das Unternehmen sein eigener Kunde ist und Daten in Eigenproduktion sammelt. China hat das schnellste Ökosystem aus Staat, Startups und Trainings-Gyms. Deutschland positioniert sich über NEURA, Agile Robots, Schaeffler und KUKA-Erbe. Drei Jahre Vorsprung sind nirgendwo zementiert.

Wann sind humanoide Roboter im Haushalt einsatzbereit?

Vogel rechnet mit zwei bis drei Jahren bis zum skalierbaren Industrieeinsatz in Logistik und Montage. Für Haushaltsaufgaben wie das Ausräumen der Spülmaschine veranschlagt er deutlich länger. Die offene Welt eines Privathaushalts stellt höhere Anforderungen an Sensorik, Sicherheit und Manipulation als jede industrielle Pilotzelle.