The Chinese Kimi K3 model is causing a stir and sending stock prices plummeting: It’s time to compare the most important AI models.
Graphic: Nano Banana 2, Prompt: The Promptologist

On July 16, 2026, Beijing-based Moonshot AI releases a language model called Kimi K3. Two hours after the announcement, chip stocks begin to fall. The Philadelphia Semiconductor Index loses a double-digit percentage of its annual gains within a few days. Nvidia drops just under two percent on the day of the announcement. $392 billion are wiped within hours from expected valuations of OpenAI and Anthropic.

Headlines read: “DeepSeek Moment Number Two.”

The german version:

The pattern is familiar: A Chinese model is released, benchmark tables circulate, the markets react, and Western commentators debate the state of the arms race. The answer then depends on which table you consult.

The CAISI Institute, an agency of the U.S. National Institute of Standards and Technology (NIST), published its own assessment in April 2026: According to this, leading Chinese models lag eight months behind the U.S. frontier. The Stanford AI Index, published a month earlier, reaches a different conclusion: The leading U.S. model is 2.7 percent ahead of the Chinese one. An eight-month lag on one hand, 2.7 percent on the other—the same question, two conflicting reports.

Not two opinions. Two different benchmark sets.

Anyone who understands why this is the case also understands why the standard comparison—benchmark table on the left, Chinese model on the right—measures the wrong thing. And why the more interesting questions lie elsewhere: in price, in ownership, and in the right to shut down a model.

What Benchmarks Measure—and What They Don’t

Depending on the source, Kimi K3 is currently either the best coding model in the world or about six months behind the U.S. Frontier. Both are true—because both measure different things.

The rankings from reputable testing providers show a wider range than the headlines suggest. Vals AI places Kimi K3 between Claude Fable 5 and GPT-5.6 Sol; Artificial Analysis certifies that the model is comparable to top Western models on complex tasks; the Arena ranking places it at number one in the field of web programming. At the same time, the Epoch Capabilities Index places Kimi K3 exactly on the Chinese trend line—not an outlier, but the expected continuation of a trend that has been consistent for two years. Ryan Greenblatt, an AI security researcher, estimates the pre-training gap to the current U.S. frontier at eight months.

Kimi K3 roughly corresponds to the performance level of American closed models from late 2025. That’s impressive. Moonshot AI admits this itself: “While its overall performance still trails the most powerful proprietary models, Claude Fable 5 and GPT-5.6 Sol.”

The Maximum-Effort Problem

Benchmark tables are not neutral measurements. They are marketing material that looks like science—if you don’t look too closely.

Moonshot AI evaluated Kimi K3 on all standard tests using “maximum effort”. That means more computation time per task and more generated intermediate tokens than other labs typically use. The result: numbers that are consistent in themselves but skew comparisons with competitors who measured using standard settings. AI researcher Gavin Leech estimates that about 25 percent of Kimi K3’s benchmark gains are due to targeted “benchmaxxing”—the systematic optimization of a model for the specific tasks in the test suites, rather than for general performance.

Leech attributes another 15 percent of the improvements to a different phenomenon: distillation from Claude’s training or output data. In tests, Kimi K3 responds to the question “Who developed you?” with “I am Claude” in about 10 percent of cases. Formatting patterns, style of argumentation, and sentence structure — in random samples, these closely resemble the patterns of Anthropic models. This is legally permissible. For benchmark comparisons, however, it poses a problem: Kimi K3 inherits Claude’s strengths — and a specific weakness. For security reasons, Claude refuses to provide certain answers in the cybersecurity domain. Distilled models inherit this restraint without the ethical consideration behind it — and therefore perform worse than expected in security tests.

Ethan Mollick (Wharton School, University of Pennsylvania) refers to the third structural problem as “saturated benchmarks”: The standard tests—HLE, GPQA Diamond, SWE-bench—are now so well-known and so frequently included in training data that top models consistently achieve scores of 90 percent and higher. Differences of just one percent then determine whether a model ranks first or fifth, even though such differences would be barely measurable in practice. “Public benchmarks are decreasingly useful,” states OpenAI researcher Dean Ball.

Taking this into account, what remains is this: Kimi K3 is a very good open-weight model — strong in coding, web programming, and agentic tasks, but weaker at complex, multi-step tasks without a technical focus. Independent long-term tests are still needed for a complete assessment.

Build Your Own AI Ranking

What matters most to you in an AI model? Use the sliders to weight performance, price, openness, response speed, and German language proficiency according to your own priorities—the ranking changes in real time
Programming Claude / Prompt The Promptologist

The Other Ranking

The benchmark table isn’t wrong. It just doesn’t measure what’s relevant for most decisions.

Anyone who uses a language model not for testing but for work — for document summarization, code generation, translations, or customer service automation — pays per processed token. And here, the ranking looks fundamentally different.

Claude Fable 5, Anthropic’s current flagship, costs $50 per million output tokens. While Kimi K3 currently tops the Chinese models in benchmark tests, DeepSeek V4 Pro pursues a different strategy: nearly comparable performance at a fraction of the cost — $0.87. The difference: a factor of 57.

This is no exception. It’s the norm.

OpenAI’s GPT-5.6 Sol costs $30 per million output tokens, while Gemini 3.1 Pro costs $12. On the Chinese side, not every model follows the same strategy:

• Kimi K3 positions itself as the most powerful model and costs $15 per million output tokens.

• DeepSeek, on the other hand, consistently focuses on price — V4 Pro costs $0.87

• GLM 5.2 at $4.

• The most affordable Frontier-class model in this comparison is DeepSeek V4 Flash at just $0.28 per million output tokens—a factor of 179 compared to Claude Fable 5.

What this price difference means in practice can be seen in specific cases. Coinbase, the U.S. crypto exchange, has cut its AI spending in half and now runs around 1,200 automated agents on Chinese models — specifically GLM and Kimi. Shopify is said to have switched its automated product catalog processing to Qwen, achieving a 75-fold reduction in costs per processed item. Airbnb CEO Brian Chesky publicly described Qwen as “very good… fast and cheap.” On the OpenRouter platform, which is considered a neutral marketplace for model access, DeepSeek is now the largest single provider, accounting for 17.6 percent of all processed tokens—ahead of Alibaba’s Qwen at 13.9 percent and Anthropic’s Claude at 13.3 percent.

The Trend Reversal

The price history of language models is not a simple downward curve. From 2023 to 2024, the costs of U.S. flagship models fell dramatically. When it launched in March 2023, GPT-4 still cost $60 per million output tokens. With GPT-4o — released in May 2024 — that price dropped to $10: an 83 percent decline in 14 months.

Then a trend reversal began, one that is clearly visible in the data but has received little attention in the public eye. Claude Fable 5 costs $50 today—five times as much as GPT-4o did back then. GPT-5.6 Sol is priced at $30. This is no mistake. It is the result of a structural shift.

U.S. providers have become entangled in an infrastructure race that exceeds their free cash flow. Microsoft, Google, and Amazon are investing hundreds of billions in data centers and chip capacity. These expenses must be recouped—through the prices that enterprise customers pay. At the same time, Chinese providers are strategically subsidizing their inference costs. Market observers consider it unlikely that DeepSeek is breaking even with an output price of $0.87 per million tokens. Prices are driven by market share, not margins.

The result is a market divided into two segments: U.S. models optimize for performance and profitability. Chinese models optimize for market penetration.

Cost Calculator

What exactly does your use case cost? Select a scenario and a monthly document volume — the calculator shows what you would actually pay with each of the models.
Programming Claude / Prompt The Promptologist

Open Weights: The Ownership Question

Kimi K3 is not an open-source model. It has been positioned as an open-weight model — a distinction that is often confused but is significant for practical decisions.

Open Weight means: The model’s trained parameters are made publicly available. Kimi did so as announced on July 27. Anyone who wishes to do so can download them, run them locally, customize them, and integrate them into their own systems. What is not publicly available is the source code of the training framework, the complete training data, and the exact post-processing procedures. In the case of Kimi K3, the license is “Modified MIT” — a permissive license with restrictions that Moonshot has not yet fully disclosed in detail. DeepSeek V4 Pro and GLM 5.2 are already available as Open Weight models.

For companies and public institutions, Open Weight offers an option that simply doesn’t exist with closed models: self-hosting. Anyone who runs a model on their own infrastructure isn’t dependent on American cloud providers. No API that can be shut down. No terms of service that can be changed unilaterally.

This is not an abstract consideration. In July 2026, parts of the Trump administration considered placing Moonshot AI on the Entity List — a measure that would effectively prohibit U.S. companies from doing business with the Chinese provider. Another precedent: The Trump administration temporarily forced Anthropic to withdraw a model. For companies that treat AI as strategic infrastructure, the question of who can shut down the model in case of doubt is not a technical one — it is a political one.

For European companies, a third dimension comes into play. Anyone who sends personal data to a closed model operated from the U.S. faces compliance issues that open-weight models running on their own European infrastructure generally do not raise. The GDPR compliance of U.S. cloud services has been a persistent source of uncertainty since the Schrems II ruling and its follow-ups. Self-hosted open-weight models do not fully resolve this — but they shift the point of control to where European law applies.

Price Trends

How have costs per million tokens evolved since 2023? The logarithmic timeline shows the dramatic price decline through 2024 — and the current trend reversal among U.S. flagship models
Programming Claude / Prompt The Promptologist

Six Models Profiled

Three U.S. providers, three Chinese. All currently available, all accessible via API, all with their own characteristics. What they can do, what they cost—and for whom they’re suitable in which situations.

Claude Fable 5 — Anthropic, U.S. — Closed-source

$10 input / $50 output per million tokens

Anthropic’s current flagship model positions itself on quality, not price. Strengths: in-depth analysis, nuanced handling of ambiguous issues, long context up to one million tokens, coding, security. Moonshot AI itself cites Fable 5 as the model that even surpasses Kimi K3. Recommendation: for high-quality individual tasks where response quality matters most and the volume is manageable. Clearly the most expensive provider in this comparison in terms of price—not suitable if millions of documents need to be processed monthly.

GPT-5.6 Sol — OpenAI, USA — Closed-source

$5 input / $30 output per million tokens

OpenAI’s current standard model strikes a comparatively good balance between price and performance in the U.S. market. Broad developer ecosystem, numerous third-party integrations. Long-context tier starting at 272,000 tokens ($10 input / $45 output). The most obvious choice for teams with existing OpenAI infrastructure. Price becomes a critical factor when high volumes are planned—in that case, a cost comparison with the Chinese alternatives is recommended.

Gemini 3.1 Pro — Google, USA — Closed-source

$2 input / $12 output per million tokens

The most affordable U.S. frontier option in this comparison. Unique feature: seamless integration with Google Workspace, Google Cloud, and the entire Google ecosystem. Long-context tier starting at 200,000 tokens ($4 / $18). Those already working within the Google infrastructure still pay a significant premium compared to DeepSeek—but in return, they get direct integration with existing productivity tools without additional middleware.

Kimi K3 — Moonshot AI, China — Open Weight
(since July 27, 2026)

$3 input / $15 output per million tokens

In the same price segment as GPT-5.6 Sol, but as an open-weight model with the option to run it on your own infrastructure. Key strengths: front-end development, 3D rendering, agentic coding, parallel task processing (K3 Swarm Max variant). Weakness: complex, multi-step non-coding tasks; insufficient independent test data for long-term evaluation. The “maximum effort” problem with benchmark figures must be taken into account.

DeepSeek V4 Pro — DeepSeek, China — Open Weight

$0.44 input / $0.87 output per million tokens

The price leader in the high-performance segment. 57 times cheaper than Fable 5 in terms of output; the largest single provider on OpenRouter by token volume. Suitable for high-volume applications: document processing, automated summaries, batch translations, customer service agents. Open Weight, self-hostable. Consider this: DeepSeek is a Chinese company, and the regulatory landscape in the EU and the U.S. is evolving.

GLM 5.2 — Zhipu AI, China — Open Weight

$1 input / $4 output per million tokens

The middle ground between price and quality on the Chinese side. Coinbase runs some of its 1,200 agents on GLM. Benchmarks place it below Kimi K3 and DeepSeek V4 Pro, but well above the budget segment. Particularly suitable: as a basis for custom fine-tuning, where the favorable licensing terms have a direct impact. Context: 205,000 tokens — the smallest context window in the comparison, but sufficient for most applications.

Release Timeline

When were the most important models released—and how large was the gap between the strongest U.S. model and the strongest Chinese model? The timeline shows how this gap has evolved.
Claude Programming / Prompt: The Prompt Log

What Remains

Benchmark tables aren’t worthless. When read with caution, they are a useful starting point. What they don’t do: provide answers to the questions that matter in practice.

Anyone who wants to process 50 million documents a month doesn’t ask about the GPQA Diamond Score. Anyone who wants to know whether they can shut down a model if the political situation changes doesn’t ask about the SWE-bench ranking. Anyone checking whether a solution can be built to be GDPR-compliant doesn’t ask about the Arena leaderboard.

The AI industry has gotten into the habit of equating quality with benchmark rankings. That’s convenient but inaccurate. The more relevant question is: Quality for what, at what cost, and under whose control?

The Kimi-K3 moment wasn’t a shock. It was further confirmation of a trend that has been emerging in the data for the past year and a half: High-performance Chinese models are arriving faster than expected, cost significantly less than U.S. alternatives, and a growing proportion of them are available for free use as open-source software. At the same time, U.S. providers are raising prices under capex pressure.

This is neither a disaster nor a surrender. It is a market undergoing structural change—and one in which the old benchmarks no longer provide a sufficient explanation.

All interactive graphics in the overview:

All Interactive Charts

Please note:
Prices and all other information in this article: As of July 2026.
API prices from Chinese providers fluctuate monthly. U.S. providers change their prices less frequently, but tiered pricing and caching conditions are subject to change without notice: Be sure to check the providers’ pricing pages directly before making any usage decisions!
Information regarding Shopify (75× cost reduction) is based solely on indirect sources; there is no official confirmation.
Calculator programming: Claude, prompt by The Promptologist

The Promptologist, July 27, 2026
Disclosure: This post was created with the help of Anthropic Claude.
Translation: DeepL

My insights from the wonderful world of AI development

Das chinesische Modell Kimi K3 sorgt für Aufsehen und abstürzende Aktienkurse: Zeit, die wichtigsten KI-Modelle zu vergleichen.
Grafik Nano Banana 2, Prompt Der Promptologe

Am 16. Juli 2026 veröffentlicht Moonshot AI aus Peking ein Sprachmodell namens Kimi K3. Zwei Stunden nach der Ankündigung beginnen Chip-Aktien zu fallen. Der Philadelphia Semiconductor Index verliert innerhalb weniger Tage einen zweistelligen Prozentsatz seiner Jahresgewinne. Nvidia gibt am Ankündigungstag knapp zwei Prozent ab. Innerhalb weniger Stunden reduziert sich die Bewertung von OpenAI und Anthropic um 392 Milliarden Dollar.

Schlagzeilen titeln: „DeepSeek-Moment Nummer zwei.”

The english version:

Das Muster ist vertraut: Ein chinesisches Modell erscheint, Benchmark-Tabellen kursieren, die Märkte reagieren, westliche Kommentatoren streiten über den Stand des Wettrüstens. Die Antwort hängt dann davon ab, welche Tabelle man aufschlägt.

Das CAISI-Institut, eine Einrichtung des US-amerikanischen Normungsamts NIST, hat im April 2026 eine eigene Messung veröffentlicht: Demnach liegen führende chinesische Modelle acht Monate hinter dem US-Frontier. Der Stanford AI Index, erschienen einen Monat früher, kommt zu einem anderen Ergebnis: Das führende US-Modell liegt 2,7 Prozent vor dem chinesischen. Acht Monate Rückstand auf der einen Seite, 2,7 Prozent auf der anderen — dieselbe Frage, zwei entgegengesetzte Nachrichten.

Nicht zwei Meinungen. Zwei verschiedene Benchmark-Sets.

Wer versteht, warum das so ist, versteht auch, warum der übliche Vergleich — Benchmark-Tabelle links, chinesisches Modell rechts — das Falsche misst. Und warum die interessanteren Fragen woanders liegen: beim Preis, beim Besitz, beim Recht, ein Modell abzuschalten.

Was Benchmarks messen — und was nicht

Kimi K3 ist derzeit je nach Quelle entweder das beste Coding-Modell der Welt oder rund sechs Monate hinter dem US-Frontier. Beides stimmt — weil beides verschiedene Dinge misst.

Die Einordnungen seriöser Testanbieter zeigen eine breitere Spanne, als die Schlagzeilen vermuten lassen. Vals AI sieht Kimi K3 zwischen Claude Fable 5 und GPT-5.6 Sol; Artificial Analysis bescheinigt dem Modell bei komplexen Aufgaben Vergleichbarkeit mit westlichen Spitzenmodellen; die Arena-Wertung setzt es im Bereich Webprogrammierung auf Rang eins. Gleichzeitig platziert der Epoch Capabilities Index Kimi K3 exakt auf der chinesischen Trendlinie — kein Ausreißer, sondern erwartbare Fortsetzung einer Entwicklung, die seit zwei Jahren konsistent verläuft. Ryan Greenblatt, ein KI-Sicherheitsforscher, schätzt den Vortraining-Abstand zum aktuellen US-Frontier auf acht Monate.

Kimi K3 entspricht ungefähr dem Leistungsniveau amerikanischer Closed-Modelle von Ende 2025. Das ist beeindruckend. Moonshot AI räumt das selbst ein: „While its overall performance still trails the most powerful proprietary models, Claude Fable 5 and GPT-5.6 Sol.”

Das Maximum-Effort-Problem

Benchmark-Tabellen sind keine neutralen Messungen. Sie sind Marketingmaterial, das wie Wissenschaft aussieht — wenn man nicht genau hinschaut.

Moonshot AI hat Kimi K3 auf allen gängigen Tests mit maximaler Denkanstrengung bewertet. Das heißt: mehr Rechenzeit pro Aufgabe, mehr generierte Zwischen-Token, als andere Labore typischerweise verwenden. Ergebnis: Zahlen, die in sich konsistent sind, aber den Vergleich mit Konkurrenten verzerren, die mit Standardeinstellungen gemessen haben. Der KI-Forscher Gavin Leech schätzt, dass rund 25 Prozent der Benchmark-Gewinne von Kimi K3 auf gezieltes „Benchmaxxing” zurückgehen — die systematische Optimierung eines Modells auf die spezifischen Aufgaben der Testreihen, anstatt auf allgemeine Leistungsfähigkeit.

Weitere rund 15 Prozent der Verbesserungen ordnet Leech einem anderen Phänomen zu: der Destillation aus Claudes Trainings- oder Ausgabedaten. In Tests antwortet Kimi K3 in etwa zehn Prozent der Fälle auf die Frage „Wer hat dich entwickelt?” mit: „Ich bin Claude.” Formatierungsmuster, Argumentationsstil, Satzstruktur — in Stichproben ähneln sie dem Muster von Anthropic-Modellen stark. Das ist rechtlich zulässig. Für Benchmark-Vergleiche ist es dennoch ein Problem: Kimi K3 übernimmt Claudes Stärken — und eine spezifische Schwäche. Claude verweigert aus Sicherheitsgründen bestimmte Antworten im Cyber-Bereich. Destillierte Modelle erben diese Zurückhaltung, ohne die ethische Abwägung dahinter — und landen deshalb in Sicherheitstests schlechter als erwartet.

Das dritte strukturelle Problem nennt Ethan Mollick (Wharton School, University of Pennsylvania) „saturated benchmarks”: Die gängigen Tests — HLE, GPQA Diamond, SWE-bench — sind inzwischen so bekannt und so oft in Trainingsdaten enthalten, dass Spitzenmodelle reihenweise 90 Prozent und mehr erreichen. Unterschiede von einem Prozent entscheiden dann über Rang eins oder Rang fünf, obwohl sie in der Praxis kaum messbar wären. „Public benchmarks are decreasingly useful”, konstatiert OpenAI-Forscher Dean Ball.

Was bleibt, wenn man das einrechnet: Kimi K3 ist ein sehr gutes Open-Weight-Modell — stark in Coding, Webprogrammierung und agentic Tasks, schwächer bei komplexen mehrstufigen Aufgaben ohne technischen Bezug. Für eine vollständige Einordnung fehlen noch unabhängige Langzeittests.

Interaktive Grafik öffnen

Was ist Ihnen bei einem KI-Modell am wichtigsten? Mit den Reglern gewichten Sie Leistungsfähigkeit, Preis, Offenheit, Antwortgeschwindigkeit und Deutschkompetenz nach eigenen Prioritäten — die Rangliste ändert sich in Echtzeit
Programmierung Claude / Prompt Der Promtoploge

Die andere Rangliste

Die Benchmark-Tabelle ist nicht falsch. Sie misst nur nicht das, was für die meisten Entscheidungen relevant ist.

Wer ein Sprachmodell nicht zum Testen, sondern zum Arbeiten einsetzt — für Zusammenfassungen von Dokumenten, Code-Generierung, Übersetzungen, Kundenservice-Automatisierung — zahlt pro verarbeitetem Token. Und hier sieht die Rangliste fundamental anders aus.

Claude Fable 5, das aktuelle Flaggschiff von Anthropic, kostet 50 Dollar pro Million Output-Token. Während Kimi K3 benchmarkseitig derzeit die Spitze der chinesischen Modelle bildet, verfolgt DeepSeek V4 Pro eine andere Strategie: nahezu vergleichbare Leistungsfähigkeit zu einem Bruchteil der Kosten: 0,87 Dollar. Der Unterschied: Faktor 57.

Das ist keine Ausnahme. Es ist Programm.

GPT-5.6 Sol von OpenAI kostet 30 Dollar pro Million Output-Token, Gemini 3.1 Pro 12 Dollar. Auf chinesischer Seite verfolgt nicht jedes Modell dieselbe Strategie:

• Kimi K3 positioniert sich als leistungsstärkstes Modell und kostet 15 Dollar pro Million Output-Token.

• DeepSeek setzt dagegen konsequent auf den Preis – V4 Pro liegt bei 0,87 Dollar,

• GLM 5.2 bei 4 Dollar.

• Das günstigste Modell der Frontier-Klasse im Vergleich ist DeepSeek V4 Flash mit nur 0,28 Dollar pro Million Output-Token – ein Faktor 179 gegenüber Claude Fable 5.

Was dieser Preisunterschied in der Praxis bedeutet, lässt sich an konkreten Fällen ablesen. Coinbase, die US-amerikanische Kryptobörse, hat ihre KI-Ausgaben halbiert und betreibt inzwischen rund 1.200 automatisierte Agenten auf chinesischen Modellen — auf GLM und Kimi. Shopify soll seine automatisierte Produktkatalog-Verarbeitung auf Qwen umgestellt und dabei eine 75-fache Kostenreduktion pro verarbeitetem Element erreicht haben. Airbnb-Chef Brian Chesky bezeichnete Qwen öffentlich als „very good… fast and cheap.” Auf der Plattform OpenRouter, die als neutraler Marktplatz für Modellzugriffe gilt, ist DeepSeek inzwischen mit 17,6 Prozent aller verarbeiteten Token der größte Einzelanbieter — vor Alibabas Qwen mit 13,9 Prozent und Anthropics Claude mit 13,3 Prozent.

Die Trendumkehr

Die Preisgeschichte von Sprachmodellen ist keine einfache Abwärtskurve. Von 2023 bis 2024 fielen die Kosten für US-Flaggschiffe dramatisch. GPT-4 kostete bei seinem Launch im März 2023 noch 60 Dollar pro Million Output-Token. Mit GPT-4o — erschienen im Mai 2024 — fiel dieser Preis auf 10 Dollar: ein Rückgang von 83 Prozent in 14 Monaten.

Dann begann eine Trendumkehr, die in den Daten klar erkennbar ist, in der öffentlichen Wahrnehmung aber kaum Beachtung findet. Claude Fable 5 kostet heute 50 Dollar — fünfmal so viel wie GPT-4o damals. GPT-5.6 Sol liegt bei 30 Dollar. Das ist kein Irrtum. Es ist das Ergebnis einer strukturellen Verschiebung.

US-Anbieter haben sich in einem Infrastrukturrennen verstrickt, das ihren freien Cashflow übersteigt. Microsoft, Google und Amazon investieren dreistellige Milliardensummen in Rechenzentren und Chip-Kapazitäten. Diese Ausgaben müssen sich amortisieren — über die Preise, die Unternehmenskunden zahlen. Gleichzeitig subventionieren chinesische Anbieter ihre Inference-Kosten strategisch. Dass DeepSeek mit einem Output-Preis von 0,87 Dollar pro Million Token kostendeckend arbeitet, gilt unter Marktbeobachtern als unwahrscheinlich. Die Preise dienen dem Marktanteil, nicht der Marge.

Das Ergebnis ist ein Markt, der sich in zwei Segmente teilt: US-Modelle optimieren für Leistung und Profitabilität. Chinesische Modelle optimieren für Durchdringung.

Kostenrechner

Was kostet Ihr Anwendungsfall konkret? Wählen Sie ein Szenario und eine monatliche Dokumentenmenge — der Rechner zeigt, was Sie mit jedem der sechs Modelle tatsächlich zahlen würden.
Programmierung Claude / Prompt Der Promtoploge

Open Weights: die Eigentumsfrage

Kimi K3 ist kein Open-Source-Modell. Es ist als Open-Weight-Modell positioniert — eine Unterscheidung, die häufig verwechselt wird und für praktische Entscheidungen erheblich ist.

Open Weight bedeutet: Die trainierten Parameter des Modells werden öffentlich zugänglich gemacht. Kimi hat sie wie angekündigt am 27. Juli freigeben. Wer will, kann sie herunterladen, lokal betreiben, anpassen, in eigene Systeme integrieren. Was nicht öffentlich ist: der Quellcode des Trainingsframeworks, die vollständigen Trainingsdaten, die genauen Verfahren zur Nachbearbeitung. Im Fall von Kimi K3 lautet die Lizenz „Modified MIT” — eine freizügige Lizenz mit Einschränkungen, die Moonshot im Detail noch nicht vollständig veröffentlicht hat. DeepSeek V4 Pro und GLM 5.2 sind bereits als Open-Weight-Modelle verfügbar.

Für Unternehmen und öffentliche Einrichtungen eröffnet Open Weight eine Option, die bei Closed-Modellen grundsätzlich nicht existiert: Selbst-Hosting. Wer ein Modell auf eigener Infrastruktur betreibt, hat keine Abhängigkeit von amerikanischen Cloud-Providern. Keine API, die abgeschaltet werden kann. Keine Nutzungsbedingungen, die sich einseitig ändern lassen.

Das ist keine abstrakte Überlegung. Im Juli 2026 haben Teile der Trump-Administration erwogen, Moonshot AI auf die Entity List zu setzen — eine Maßnahme, die US-Unternehmen effektiv verbieten würde, mit dem chinesischen Anbieter Geschäfte zu machen. Ein weiterer Präzedenzfall: Die Trump-Administration hat Anthropic zeitweise gezwungen, ein Modell zurückzuziehen. Für Unternehmen, die KI als strategische Infrastruktur behandeln, ist die Frage, wer das Modell im Zweifelsfall abschalten kann, keine technische — sie ist eine politische.

Für europäische Unternehmen kommt eine dritte Dimension hinzu. Wer personenbezogene Daten in ein Closed-Modell schickt, dessen Betreiber in den USA sitzt, steht vor Compliance-Fragen, die Open-Weight-Modelle auf eigener europäischer Infrastruktur grundsätzlich nicht aufwerfen. Die DSGVO-Konformität von US-Cloud-Diensten ist seit dem Schrems-II-Urteil und seinen Nachfolgern ein dauerhafter Unsicherheitsfaktor. Self-hosted Open-Weight-Modelle lösen das nicht vollständig — aber sie verlagern den Kontrollpunkt dorthin, wo europäisches Recht greift.

Preisentwicklung

Wie haben sich die Kosten pro Million Token seit 2023 entwickelt? Die logarithmische Zeitachse zeigt den dramatischen Preisverfall bis 2024 — und die aktuelle Trendumkehr bei US-Flaggschiffen
Programmierung Claude / Prompt Der Promtoploge

Sechs Modelle im Profil

Drei US-Anbieter, drei chinesische. Alle aktuell verfügbar, alle per API abrufbar, alle mit eigener Charakteristik. Was sie können, was sie kosten — und für wen sie sich in welchen Situationen eignen.

Claude Fable 5 — Anthropic, USA — Closed-Source

10 Dollar Input / 50 Dollar Output pro Million Token

Anthropics aktuelles Spitzenmodell positioniert sich über Qualität, nicht über Preis. Stärken: tiefe Analyse, Nuancierung mehrdeutiger Sachverhalte, langer Kontext bis eine Million Token, Coding, Sicherheit. Moonshot AI selbst benennt Fable 5 als das Modell, das Kimi K3 noch übertrifft. Empfehlung: für hochwertige Einzelaufgaben, bei denen Antwortqualität direkt zählt und das Volumen überschaubar ist. Beim Preis klar teuerster Anbieter im Vergleich — nicht geeignet, wenn Millionen von Dokumenten monatlich verarbeitet werden müssen.

GPT-5.6 Sol — OpenAI, USA — Closed-Source

5 Dollar Input / 30 Dollar Output pro Million Token

OpenAIs derzeitiges Standardmodell balanciert Preis und Leistung im US-Segment vergleichsweise gut aus. Breites Entwickler-Ökosystem, zahlreiche Drittanbieter-Integrationen. Long-Context-Staffel ab 272.000 Token (10 Dollar Input / 45 Dollar Output). Für Teams mit bestehender OpenAI-Infrastruktur die naheliegendste Wahl. Preiskritisch wird es, wenn hohes Volumen geplant ist — dann empfiehlt sich ein Rechner-Vergleich gegen die chinesischen Alternativen.

Gemini 3.1 Pro — Google, USA — Closed-Source

2 Dollar Input / 12 Dollar Output pro Million Token

Günstigste US-Frontier-Option in diesem Vergleich. Besonderheit: nahtlose Integration mit Google Workspace, Google Cloud und dem gesamten Google-Ökosystem. Long-Context-Staffel ab 200.000 Token (4 Dollar / 18 Dollar). Wer schon in der Google-Infrastruktur arbeitet, zahlt gegenüber DeepSeek immer noch einen erheblichen Aufpreis — bekommt dafür aber direkte Integration in bestehende Produktivitätstools ohne zusätzliche Middleware.

Kimi K3 — Moonshot AI, China — Open Weight
(angekündigt ab 27. Juli 2026)

3 Dollar Input / 15 Dollar Output pro Million Token

Im selben Preissegment wie GPT-5.6 Sol, aber als Open-Weight-Modell mit der Option, es auf eigener Infrastruktur zu betreiben. Besondere Stärken: Frontend-Entwicklung, 3D-Rendering, agentic Coding, parallele Aufgabenverarbeitung (Variante K3 Swarm Max). Schwäche: komplexe mehrstufige Nicht-Coding-Aufgaben, noch keine ausreichende unabhängige Testbasis für Langzeitbeurteilung. Das Maximum-Effort-Problem bei den Benchmark-Zahlen ist zu berücksichtigen.

DeepSeek V4 Pro — DeepSeek, China — Open Weight

0,44 Dollar Input / 0,87 Dollar Output pro Million Token

Der Preisführer im Hochleistungs-Segment. Faktor 57 günstiger als Fable 5 im Output, der größte Einzelanbieter auf OpenRouter nach Token-Volumen. Geeignet für Hochvolumen-Anwendungen: Dokumentenverarbeitung, automatisierte Zusammenfassungen, Batch-Übersetzungen, Kundenservice-Agenten. Open Weight, selbst-hostbar. Zu bedenken: DeepSeek ist ein chinesisches Unternehmen, die regulatorische Lage in der EU und in den USA ist in Bewegung.

GLM 5.2 — Zhipu AI, China — Open Weight

1 Dollar Input / 4 Dollar Output pro Million Token

Der Mittelweg zwischen Preis und Qualität auf chinesischer Seite. Coinbase betreibt einen Teil seiner 1.200 Agenten auf GLM. Benchmarks platzieren es unterhalb von Kimi K3 und DeepSeek V4 Pro, aber deutlich über dem Budget-Segment. Besondere Eignung: als Basis für eigenes Fine-Tuning, wo die günstigen Lizenzkonditionen direkt zur Wirkung kommen. Kontext: 205.000 Token — kleinstes Kontextfenster im Vergleich, für die meisten Anwendungen aber ausreichend.

Release-Zeitleiste

Wann kamen die wichtigsten Modelle — und wie groß war der Abstand zwischen dem stärksten US- und dem stärksten China-Modell? Die Zeitleiste zeigt, wie dieser Abstand sich entwickelt hat.
Programmierung Claude / Prompt Der Promtoploge

Was bleibt

Benchmark-Tabellen sind nicht wertlos. Mit Vorsicht gelesen, sind sie ein nützlicher Ausgangspunkt. Was sie nicht leisten: Antworten auf die Fragen, die in der Praxis entscheiden.

Wer 50 Millionen Dokumente im Monat verarbeiten will, fragt nicht nach dem GPQA-Diamond-Score. Wer wissen will, ob er ein Modell abschalten kann, wenn die politische Lage sich ändert, fragt nicht nach dem SWE-bench-Rang. Wer prüft, ob eine Lösung DSGVO-konform gebaut werden kann, fragt nicht nach dem Arena-Leaderboard.

Die KI-Branche hat sich angewöhnt, Qualität mit Benchmark-Position gleichzusetzen. Das ist bequem und ungenau. Die relevantere Frage lautet: Qualität wofür, zu welchem Preis, unter wessen Kontrolle?

Der Kimi-K3-Moment war kein Schock. Er war eine weitere Bestätigung einer Entwicklung, die sich seit anderthalb Jahren in den Daten abzeichnet: Leistungsfähige chinesische Modelle kommen schneller als erwartet, kosten deutlich weniger als US-Alternativen, und ein wachsender Teil davon steht als Open Weight zur freien Nutzung bereit. Gleichzeitig drehen die US-Anbieter unter Capex-Druck die Preise nach oben.

Das ist keine Katastrophe und keine Kapitulation. Es ist ein Markt, der sich strukturell verändert — und in dem die alten Vergleichsmaßstäbe nicht mehr genug erklären.

Alle Rechner in der Übersicht:

Alle Rechner

Zu Beachten:
Preisangaben und alle anderen Daten in diesem Artikel: Stand Juli 2026.
API-Preise chinesischer Anbieter schwanken monatlich. US-Anbieter ändern seltener, aber Staffelpreise und Caching-Konditionen ändern sich ohne Ankündigung: Vor Nutzungsentscheidungen direkt auf den Preisseiten der Anbieter prüfen!
Angaben zu Shopify (75×-Kostenreduktion) nur indirekte Quellen, keine offizielle Bestätigung.
Rechnerprogrammierung Claude, Prompt Der Promptologe

Der Promptologe 26.07.2026
Offenlegung: Dieser Beitrag entstand mit Hilfe von Anthropic Claude.
(Nein, der Gedanken — ist kein Hinweis auf die KI. Ich schreibe so. Bin altmodisch.)

Meine gesammelten Erkenntnisse aus der wunderbaren Welt der KI-Entwicklung

Cartoon: Nano Banana 2, Prompt: The Promptologist

Theresienstraße 6, Wednesday, July 22. Anthropic has tasked its Claude Communities worldwide with the same questions, and Munich chose this one: What does AI mean for my job?

A tough question. Or at least one that feels that way.

Zur deutschen Version des Artikels:

So the Promptologist shows up. Cheese platters, charcuterie, chilled Prosecco—the invitation didn’t overpromise. “Less conference, more dinner party,” they said. That’s true. The room is well-attended, the atmosphere is relaxed, and no one is pitching. No one is explaining why their startup is currently disrupting the disruption of disruption. That’s almost remarkable in Munich.

The format: no panel of experts, no stage, no presentation. Instead, group discussions at tables, two rounds, and at the end, someone from each table summarizes what was discussed in three sentences. The moderator emphasizes the three sentences. Seriously. Repeatedly.

What the evening brings: six tables, one topic, surprisingly similar answers

The Promptologist sits down, listens, and moves from table to table as the summaries are given. And he notices: The tables have independently arrived at very similar conclusions. Which, on the one hand, is remarkable. And on the other hand, it isn’t.

Thesis number one, unanimous: We’re all becoming builders. Anyone can now build things that used to require development teams and seed capital. From the first table to the last, this phrasing comes up — sometimes in English, sometimes in German —always with the same faint sense of unease behind it: This is actually unbelievable. And at the same time — what happens next?

One group puts it this way: This entrepreneurial dreamland has an expiration date. No one knows when. But everyone agrees that it has one.

Thesis number two, almost as unanimous: Job loss. Of course. It wouldn’t be a Munich evening on AI if the term job loss didn’t come up somewhere. It does. Repeatedly. But interestingly, that isn’t the real fear of the evening.

The real fear is more subtle. One group sums it up: We’re decoupling two things that belong together. The ability to produce artifacts—texts, code, presentations—is growing at a breakneck pace. The ability to evaluate these artifacts isn’t keeping pace. It’s a muscle. And muscles that aren’t used atrophy. One group calls this Cognitive Surrender. Another speaks of Scope Erosion. Yet another refers to Brain Shrink.

Three different terms for the same observation. Munich is productive this evening when it comes to inventing buzzwords for collective dumbing down.

Thesis number three, undisputed: Time. Not money. Not access. Not regulation—although that comes up briefly, somewhere between German regulatory frameworks and legislation, blah (the Promptologist likes to quote verbatim). The biggest obstacle to greater AI competence is that no one has the time to build it up. Parents after 11 p.m. Overworked knowledge workers. People with real lives outside the screen.

One group puts it quite laconically: Who actually has two weeks off to dive into AI?

No one. The answer is no one.

The quotes of the evening

Each group is to formulate its closing statement. The format is: Munich finds hope in hard questions by tackling [X] first. Mandatory framework, free content. The Promptologist collects the results:

• …by tackling the gap between intelligence and governance first.

• …by tackling time and trust first.

• …by tackling access and participation for all population groups first.

• …by leveraging what makes us unique and irreplaceable.

• …by tackling our own mindset.

• …by tackling which AI use cases are actually worth it first.

Six tables, six sentences. They all sound good. They all sound a bit like what you’d find on LinkedIn. The Promptologist isn’t saying this as a criticism—he’s saying it as an observation. It’s hard to come up with insights in two and a half hours over Prosecco and cheese that couldn’t also be a well-formulated Substack thesis. (Yes, even the Promptologist is posting this on Substack and loves you all.)

But maybe that’s not the point.

What Really Happened

Here’s what the evening actually accomplished, and the Promptologist means this without irony: A room full of people who normally ask themselves this question alone asked it together.

That sounds trite. It isn’t.

Because the question What does AI mean for my job? is one where it’s easy to fall into one of two camps: either the optimism of the LinkedIn coaches (You won’t be replaced by AI, but by people who use AI!) or the quiet panic of the wee hours of the night. There’s little in between.

On this evening, there’s more in between. The concerns are real—job loss, deskilling, data privacy, concentration of power in the hands of a few corporations, deepfakes, the creeping dependence on the next model update. And so are the hopes—a better work-life balance, the democratization of creation, accelerated research, solved problems we don’t even know about yet.

Both at the same time. In one room. Over charcuterie.

One person at the farthest table sums it up in a way the Promptologist finds most honest: We don’t have any best practices. We don’t yet know how to integrate AI effectively into our own work. We’re comparing it to social media right now—we know it’s not good for us, but we can’t stop. And we hope that this time, things will turn out differently.

Munich finds hope in hard questions by tackling our own mindset.

Yeah, maybe. Let’s start there.

The Promptologist leaves Theresienstraße 6 with a few bites in his stomach, ears still ringing a bit, and the feeling that Munich didn’t solve the AI question that evening. That wasn’t the mission, either. The mission was to ask it together. That worked out.

There’s a hackathon in two weeks. That’s when solutions are supposed to emerge. The Promptologist is curious to see if the event will also feature charcuterie.

The Promptologist, July 23, 26
Disclosure: This post was created with the help of Anthropic Claude.
Translation: DeepL

My collected insights from the wonderful world of AI development

Karikatur Nano Banana 2, Prompt Der Promptologe

Theresienstraße 6, Mittwoch, 22. Juli. Anthropic hat seine Claude Communities weltweit mit denselben Fragen beauftragt, und München hat sich für diese hier entschieden: What does AI mean for my job?

Eine harte Frage. Oder zumindest eine, die sich so anfühlt.

The english Version:

Der Promptologe kommt also hin. Käsebrettchen, Charcuterie, gekühlter Prosecco – die Einladung hat nicht zu viel versprochen. Weniger Konferenz, mehr Dinner Party, hieß es. Das stimmt. Der Raum ist gut gefüllt, die Stimmung entspannt, und niemand pitcht. Niemand erklärt, warum sein Start-up gerade die Disruption der Disruption disrupted. Das ist in München schon fast bemerkenswert.

Das Format: Kein Expertenpanel, keine Bühne, kein Vortrag. Stattdessen Tischgespräche in Gruppen, zwei Runden, und am Ende fasst jemand vom Tisch in drei Sätzen zusammen, was besprochen wurde. Die Moderation legt Wert auf die drei Sätze. Wirklich. Mehrfach.

Was der Abend bringt: sechs Tische, ein Thema, erstaunlich ähnliche Antworten

Der Promptologe setzt sich, hört zu, wandert zwischen den Zusammenfassungen umher. Und stellt fest: Die Tische haben unabhängig voneinander zu sehr ähnlichen Schlüssen gefunden. Was einerseits bemerkenswert ist. Und andererseits nicht.

These Nummer eins, einhellig: Wir alle werden Builder. Jeder kann jetzt Dinge bauen, die früher Entwicklerteams und Startkapital brauchten. Vom ersten Tisch bis zum letzten taucht diese Formulierung auf, manchmal auf Englisch, manchmal auf Deutsch, immer mit dem gleichen leichten Schwindel dahinter: Das ist eigentlich unglaublich. Und gleichzeitig – was passiert dann?

Eine Gruppe formuliert das so: Dieses Entrepreneurial Dreamland hat eine Ablaufdatum. Wann, weiß keiner. Aber dass es eines hat, da ist man sich einig.

These Nummer zwei, fast genauso einhellig: Jobverlust. Natürlich. Das wäre kein Münchner Abend über KI, wenn nicht irgendwo das Wort Jobverlust fiele. Es fällt. Mehrfach. Aber interessanterweise ist das nicht die eigentliche Angst des Abends.

Die eigentliche Angst ist subtiler. Eine Gruppe bringt sie auf den Punkt: Wir entkoppeln zwei Dinge, die zusammengehören. Die Fähigkeit, Artefakte zu produzieren – Texte, Code, Präsentationen – wächst rasend schnell. Die Fähigkeit, diese Artefakte zu beurteilen, wächst nicht mit. Sie ist ein Muskel. Und Muskeln, die man nicht benutzt, verkümmern. Cognitive Surrender, nennt das eine Gruppe. Eine andere spricht von Scope Erosion. Wieder eine andere von Brain Shrink.

Drei verschiedene Begriffe für dieselbe Beobachtung. München ist an diesem Abend produktiv, was das Erfinden von Schlagworten für kollektives Verblöden angeht.

These Nummer drei, unangefochten: Zeit. Nicht Geld. Nicht Zugang. Nicht Regulierung – obwohl die auch kurz auftaucht, irgendwo zwischen German regulatory frameworks und legislation, blah (der Promptologe zitiert gerne wörtlich). Das größte Hindernis für mehr KI-Kompetenz ist, dass niemand Zeit hat, sie aufzubauen. Eltern nach 23 Uhr. Hochbelastete Wissensarbeiter. Menschen mit echtem Leben außerhalb des Bildschirms.

Eine Gruppe sagt es ganz lakonisch: Wer hat schon zwei Wochen frei, um sich in KI reinzuknien?

Niemand. Die Antwort ist Niemand.

Die Sätze des Abends

Jede Gruppe soll ihren Abschluss-Satz formulieren. Das Format lautet: Munich finds hope in hard questions by tackling [X] first. Pflichtrahmen, freie Füllung. Der Promptologe sammelt die Ergebnisse:

• …by tackling the gap between intelligence and governance first.

• …by tackling time and trust first.

• …by tackling access and participation for all population groups first.

• …by leveraging what makes us unique and irreplaceable.

• …by tackling our own mindset.

• …by tackling which AI use cases are actually worth it first.

Sechs Tische, sechs Sätze. Alle klingen gut. Alle klingen irgendwie nach dem, was auf LinkedIn steht. Der Promptologe sagt das nicht als Kritik – er sagt es als Beobachtung. Es ist schwer, in zweieinhalb Stunden bei Prosecco und Käse zu Erkenntnissen zu gelangen, die nicht auch eine gut formulierte Substack-These sein könnten. (Ja, auch der Promptologe postet das hier auf Substack und hat euch lieb.)

Aber vielleicht ist das auch nicht der Punkt.

Was wirklich passiert ist

Hier ist, was der Abend tatsächlich geleistet hat, und der Promptologe meint das ohne Ironie: Ein Raum voller Menschen, die sich diese Frage normalerweise alleine stellen, hat sie gemeinsam gestellt.

Das klingt banal. Es ist es nicht.

Denn die Frage Was bedeutet KI für meinen Job? ist eine, bei der man leicht in eines von zwei Lagern kippt: entweder in den Optimismus der LinkedIn-Coaches (Du wirst nicht durch KI ersetzt, sondern durch Menschen, die KI nutzen!) oder in die stille Panik der Mitternachtsstunden. Dazwischen liegt wenig.

An diesem Abend liegt mehr dazwischen. Die Bedenken sind real – Jobverlust, Deskilling, Datenschutz, Machtkonzentration bei wenigen Konzernen, Deepfakes, die schleichende Abhängigkeit vom nächsten Modell-Update. Und die Hoffnungen sind es auch – bessere Work-Life-Balance, Demokratisierung von Schöpfung, beschleunigte Forschung, gelöste Probleme, die wir noch gar nicht kennen.

Beides gleichzeitig. In einem Raum. Bei Charcuterie.

Eine Person am letzten Tisch bringt es auf den Punkt, die der Promptologe am ehesten als ehrlich empfindet: Wir haben keine Best Practices. Wir wissen noch nicht, wie man KI gut in die eigene Arbeit integriert. Wir vergleichen es gerade mit Social Media – wir wissen, dass es uns nicht guttut, aber wir können nicht aufhören. Und wir hoffen, dass es diesmal anders ausgeht.

Munich finds hope in hard questions by tackling our own mindset.

Ja, vielleicht. Fangen wir damit an.

Der Promptologe verlässt die Theresienstraße 6 mit Häppchen im Magen, leicht beschallten Ohren und dem Gefühl, dass München an diesem Abend nicht die KI-Frage gelöst hat. Das war auch nicht der Auftrag. Der Auftrag war, sie gemeinsam zu stellen. Das hat geklappt.

In zwei Wochen gibt es einen Hackathon. Da sollen dann Lösungen her. Der Promptologe ist gespannt, ob das Format auch Charcuterie bietet.

Der Promptologe, 23.07.26
Offenlegung: Dieser Beitrag entstand mit Hilfe von Anthropic Claude.
(Nein, der Gedanken — ist kein Hinweis auf die KI. Ich schreibe so. Bin altmodisch.)

Meine gesammelten Erkenntnisse aus der wunderbaren Welt der KI-Entwicklung

Karikatur ChatGPT, Prompt: Der Promptologe

Der GenAI Wednesday München tourt ja gerne durch die Stadt, aber diesmal hat es Charme: Gastgeber ist das Forschungsinstitut CODE der Universität der Bundeswehr, Cascada-Haus, Neuperlach Süd. Wer als Zivilist zum ersten Mal durch den Eingang einer Bundeswehr-Uni läuft, rechnet insgeheim mit Ausweiskontrolle und Leibesvisitation. Stattdessen gibt es Kaffee und Namensschilder. Auch das eine Art von Aufrüstung.

Thema des Abends: lokale KI, für den Fall, dass Dokumente nicht ins Netz dürfen. Ein Satz, der bei der Bundeswehr naheliegt, aber genauso für jede Kanzlei, jede Arztpraxis und jedes Unternehmen mit Betriebsgeheimnissen gilt, das seine Verträge nicht bei OpenAI hochladen möchte. Mathias Schlolaut, PhD-Kandidat am Institut, macht den Aufschlag, flankiert von Doris Behrendt, Datenschutzbeauftragte und CrypTool-Projektleiterin, und Daniel Seufferth, der an der Uni die wirklich großen Maschinen betreut. Vorab die Frage ans Publikum: Wer betreibt schon lokale KI? Etwa ein Drittel der Hände geht hoch. Wer das regelmäßig tut, nicht nur zum Ausprobieren? Deutlich weniger. Ein Abend unter Semi-Profis also, und genau das macht ihn ehrlich.

Der Praxistest, live und mit Absturz

Mathias hat sich die Mühe gemacht, die gängigen Anwendungen für lokale Dokumenten-KI durchzuprobieren – AnythingLLM, Kotaemon, Open WebUI, RAGFlow – und ist bei AnythingLLM hängengeblieben, subjektiv, wie er selbst betont, aber mit dem Charme der einfachsten Einrichtung. Der Aufbau darunter ist überschaubar: Ollama lädt die Sprachmodelle, Docker Compose kapselt das Ganze vom Rest des Systems ab, ein Embedding-Modell zerlegt die Dokumente in durchsuchbare Häppchen. Zwei Befehle, eine docker-compose.yml, fertig. In der Theorie.

In der Praxis liefert der Abend die Pointe gleich selbst mit. Testdatensatz: zehn PDFs mit fein säuberlich eingebauten Zahlenwerten, Aufgabe: alle Werte finden und aufsummieren. Trivial, sollte man meinen. Das kleinere Modell, gemma4:12b, findet die richtigen Werte, addiert sie korrekt zu 1299 – und hängt dann, ganz offenbar aus eigenem Antrieb, noch eine 9 dran. Ergebnis: 12999. Niemand im Raum weiß, warum. Das größere Modell, gemma4:31b, kommt beim ersten Anlauf gar nicht zum Ergebnis, weil die Frage zu unpräzise gestellt war – erst als Mathias sie in zwei Schritte zerlegt, erst die Einzelwerte auflisten lassen, dann die Summe verlangen, stimmt das Resultat. Prompting bleibt Handwerk, auch lokal.

Und dann ist da noch gpt-oss:20b, ein Mixture-of-Experts-Modell, das eigentlich nur einen Teil seiner Parameter gleichzeitig aktiviert und dadurch schneller sein soll. Schön in der Theorie. In der Live-Demo behauptet es zunächst, gar nicht auf die Dokumente zugreifen zu können, und schlägt vor, der Nutzer möge das doch bitte händisch erledigen. Beim zweiten Versuch bricht es einfach ab. Auf der Folie steht es so nüchtern, wie es ist: „Die Modelle gemma4:12b und gpt-oss:20b haben Probleme mit Tool-Aufrufen.” Willkommen im Alltag mit lokaler KI.

Der Schreibtisch-Rechner: Basteln mit Grenzen

Für den Privatanwender, der lokale KI einfach mal ausprobieren will, liefert der Abend eine ziemlich klare Rechnung mit. Schon das nackte AnythingLLM frisst im Leerlauf acht Gigabyte Arbeitsspeicher, bevor überhaupt ein Dokument hochgeladen ist. Für ordentliche Modelle empfiehlt Mathias mindestens 16 Gigabyte GPU-Speicher, exklusiv fürs Sprachmodell. Die Downloadgrößen selbst sind da fast das kleinste Problem: gemma4:12b kommt mit 9,6 Gigabyte, gpt-oss:20b mit 13, gemma4:31b mit 19. Teuer wird es erst im Betrieb, mit vollem Gedächtnis – dann braucht gemma4:31b plötzlich 37 statt 19 Gigabyte. Verdoppelt, nur weil sich das Modell an mehr erinnern soll. Am Veranstaltungsort standen dafür zwei 16-Gigabyte-Grafikkarten bereit, und selbst die reichten nur, weil das Kontextfenster auf 90.000 Tokens zurechtgestutzt wurde.

Wer keine potente Grafikkarte hat, kann theoretisch auch auf der CPU arbeiten – ab sechzehn Kernen soll die Geschwindigkeit „durchaus annehmbar” sein, so Mathias, allerdings nur bei den kleineren Modellen. Für das große 31b-Modell mit Tool-Aufrufen und Denkprozessen wollte er sich das gar nicht erst antun: eine Stunde Wartezeit für eine einzige, simple Anfrage, sein eigener Erfahrungswert. Wer’s eilig hat, kauft also doch eine Grafikkarte.

Dazu kommen die Nebenkosten, die niemand einpreist, wenn er sich in den Ollama-Rausch stürzt: 30 bis 50 Euro mehr Stromkosten im Monat bei intensiver Nutzung, zwei bis drei Grad höhere Raumtemperatur, ein Lüfter, der nicht mehr aufhört. Dazu die Pflege danach: Modelle werden regelmäßig aktualisiert, wer aktuell bleiben will, muss selbst nachziehen und neu herunterladen. Und Zeit – viel Zeit. Läuft alles beim ersten Versuch glatt, sind ein, zwei Tage für den Aufbau realistisch. Läuft es nicht glatt, was laut Mathias der Normalfall ist, sitzt man Wochen daran. Kein Wunder, dass er sich an einer Stelle frustriert von Codex eine eigene Lösung basteln ließ, weil AnythingLLM ihm im Hintergrund offenbar auch „ein bisschen Mist” baute – wobei selbst er zugibt, dass sich das bei lokalen Setups nur schwer sauber diagnostizieren lässt.

Das KMU: Wenn aus dem Hobby ein Businessplan wird

Aus dem Publikum kommt die Frage, die eigentlich alle im Raum interessiert: Eine PR-Agentur mit fünfzehnhundert PowerPoint-Folien möchte ein lokales System, das relevante Themen findet und die passenden Folien vorschlägt. Geht das, mit vernünftigem finanziellem Aufwand?

Die Antwort ist ein ehrliches Jein. Die gute Nachricht zuerst: Die Dokumentenanzahl selbst ist nicht das Nadelöhr. Die Embeddings landen ohnehin in einer Vektordatenbank, und ein Reranking-Schritt sortiert am Ende nur die relevantesten Treffer nach oben – ob das aus dreißig oder aus dreitausend Dokumenten geschieht, macht rechnerisch kaum einen Unterschied. Die schlechte Nachricht: Komplexität und Kosten steigen trotzdem, nur eben an anderer Stelle. Für gemma4:31b mit vollem Gedächtnis braucht es laut Panel an die 60 bis 70 Gigabyte VRAM. Unquantisiert liegt das Modell bei rund 63 Gigabyte, mit 4-Bit-Quantisierung – dem Modell also rechnerisch das Gedächtnis stutzen – sind es rund 19 Gigabyte, plus KV-Cache für den Chatverlauf. Sicherheitshalber, so Daniel Seufferth, sollte man mit 48 Gigabyte planen. Zum Vergleich: 32 Gigabyte ist ungefähr die größte Consumer-Grafikkarte, die es zu kaufen gibt. Für ein KMU heißt das: eine Grafikkarte in Richtung zehntausend Euro – und selbst die reicht dann nicht für mehrere gleichzeitig arbeitende Nutzer oder parallele Agenten.

Zehntausend Euro nur für die Grafikkarte, für ein mittelständisches Unternehmen keine unüberwindbare, aber auch keine triviale Hürde. Und genau an diesem Punkt wird das Panel bemerkenswert unironisch deutlich: Kosteneffizient ist das in der Regel nicht. Wer als Firma nicht durch Datenschutz oder Geheimhaltung dazu gezwungen ist, fährt mit einem Cloud-Anbieter meistens günstiger – dort gibt es praktisch unbegrenzte Hardware auf Abruf, man muss sich nur überlegen, was man eigentlich wissen will. Lokale KI ist damit weniger eine Kostenfrage als eine Souveränitätsfrage. Man zahlt drauf, um niemandem seine Dokumente zeigen zu müssen.

Wenn’s wirklich brennt: VS-NfD und „Geheim”

Bei der Bundeswehr selbst ist die Antwort auf die Souveränitätsfrage naturgemäß nicht verhandelbar. Öffentliche Dokumente: kein Problem. Alles, was nicht öffentlich ist, also praktisch die gesamte interne Arbeit, darf grundsätzlich nicht ins offene Internet, ChatGPT eingeschlossen, das im Bundeswehr-eigenen Netz explizit verboten ist. Es gibt Testumgebungen, sogar für die Einstufung VS-NfD, Verschlusssache – Nur für den Dienstgebrauch, aber die sind Pilotprojekte, nicht Alltag. Die Konsequenz, ganz offen aus dem Publikum benannt: Schatten-KI. Dokumente wandern eben doch per Mail irgendwohin, weil der offizielle Weg zu langsam oder zu umständlich ist. Ein Problem, das jede Compliance-Abteilung dieser Republik kennt, nicht nur die olivgrüne.

Noch eine Stufe höher, bei als „Geheim” eingestuften Dokumenten, wird es fast schon abenteuerlich: abgeschottete Container, aus denen nichts mehr herauskommt, Handys eingeschlossen, die bleiben drin, sobald sie einmal mit hineingenommen wurden. Für die KI-Hardware auf diesem Level gibt es nach Auskunft des Panels noch gar keinen etablierten Freigabeprozess. Auch die Bundeswehr bastelt hier, nur mit anderem Budget.

Zum Vergleich: die Kriegskiste nebenan

Damit niemand vergisst, in welcher Liga der Privatanwender eigentlich spielt, bringt Daniel Seufferth kurz die eigene Ausstattung ins Gespräch, den sogenannten Rosen-KI-Cluster, 72 heterogene Nvidia-GPUs an seiner Professur. Aufgeteilt sind die auf acht B300-Karten mit zwei Terabyte „Power”, wie er es nennt, auf einem einzigen Knoten; einen Cluster aus fünf H100-Knoten, macht vierzig GPUs mit je 80 Gigabyte, macht 3,2 Terabyte gemeinsam, über InfiniBand zu einer einzigen großen Grafikkarte verschaltet; dazu ein separates Experimentiercluster mit sechzehn H200- und acht weiteren H100-Karten für alle, die lieber in virtuellen Maschinen arbeiten. Der Privatanwender mit seinen zwei 16-Gigabyte-Karten unterm Schreibtisch wirkt daneben wie jemand, der mit dem Fahrrad neben einer Kolonne Schützenpanzer herfährt. Sportlich, aber chancenlos.

Wie schnell das in der Praxis wirklich ist, bleibt an diesem Abend erstaunlich unklar. Ein Blogeintrag von Sebastian Raschka, den man vorab gemeinsam durchgesehen hat, soll belegt haben, dass ein Nvidia DGX Spark rund 30.000 Token pro Sekunde schafft, ein Mac Mini aber 40.000, also schneller. Das Podium ist ratlos, warum das so sein sollte, und wirft dem Blogeintrag vor, nicht einmal anzugeben, welchen Mac-Mini-Chip er da eigentlich gemessen hat. Nebenbei erfährt man, dass es Leute gibt, die sich zwanzig Mac Minis mit Zehn-Gigabit-Netzwerk zu einer improvisierten Farm zusammenschließen: günstiger VRAM pro Euro, solange man den Verkabelungsaufwand nicht mitrechnet.

Nicht alles will KI sein

Den vielleicht klügsten Satz des Abends liefert Daniel Seufferth eher beiläufig nach: Nur weil man mit KI fast jedes Problem lösen kann, heißt das nicht, dass man es sollte. In der Simulation gebe es längst bewährte, mathematisch abgesicherte Optimierungsverfahren – die durch KI zu ersetzen sei nicht automatisch ein Fortschritt, nur weil es gerade in Mode ist. Sein Beispiel trifft den Abend im Kern: Für eine simple Zahlensummierung über zehn Dokumente braucht kein Mensch ein 31-Milliarden-Parameter-Modell, das dabei gerne mal eine 9 anhängt. Ein Taschenrechner hätte es auch getan, und der braucht weder VRAM noch Kühlung.

Am Ende bleibt: Lokale KI funktioniert, für den Bastler am Schreibtisch genauso wie fürs Unternehmen, nur eben nicht umsonst, nicht schnell eingerichtet und nicht ohne gelegentliches kopfschüttelndes Nachrechnen. Wer wirklich souverän sein will, zahlt dafür in Gigabyte, Watt und Nerven. Der Rest tippt seine Dokumente doch wieder bei ChatGPT ein und hofft, dass es niemand merkt.

→Alle Tools & Links aus dem Vortrag

Der Promptologe, 19.07.2026
Offenlegung: Dieser Beitrag entstand mit Hilfe von Anthropic Claude.
(Nein, der Gedanken — ist kein Hinweis auf die KI. Ich schreibe so. Bin altmodisch.)

Meine gesammelten Erkenntnisse aus der wunderbaren Welt der KI-Entwicklung

There’s a new Kid on the Block: Inkling übt sich im Überholen, ohne einzuholen.
Karikatur Nano Banana2, Prompt Der Promptologe

Der Promptologe hatte es vor sechs Wochen hingeschrieben, schwarz auf weiß: Er testet nichts mehr. Er ist mit Claude zufrieden. Das Rad der Benchmark-Ekstasen dreht sich ohne ihn.

Das Rad hat sich nicht darum gekümmert.

Seit dem letzten Artikel zu diesem Thema – „Das Beste Modell Aller Zeiten. Schon wieder.“ vom 8. Juni – ist Folgendes passiert: OpenAI hat neue Modelle vorgestellt. Anthropic auch. Und dann betritt noch jemand die Bühne, der bislang nur im Hintergrund gemunkelt wurde. Aber der Reihe nach.

Das Tempo, das selbst Washington nervös macht

OpenAIs neuestes Angebot hört auf den Namen GPT-5.6. Was daran auffällt, ist nicht das Modell selbst – sondern wer gebeten hat, damit kurz innezuhalten. Die Trump-Regierung hat OpenAI ersucht, die Veröffentlichung gestaffelt durchzuführen: erst ein kleiner Kreis vertrauenswürdiger Partner, dann der Rest der Welt. Sicherheitsbedenken, versteht sich.

Man muss das kurz sacken lassen. Der Promptologe staunt.

Bisher war es so: Die KI-Labore preschen vor, die Regulatoren hecheln hinterher, und zwischendrin schreibt irgendjemand einen besorgten Gastbeitrag in der FAZ. Dass nun ausgerechnet die amerikanische Regierung – jene Regierung, die Regulierung normalerweise für ein Schimpfwort hält – bei OpenAI anklopft und sagt: Jungs, vielleicht ein bisschen langsamer? Das ist neu.

GPT-5.6 ist im Übrigen nicht das einzige Modell, das OpenAI in diesen Wochen bewegt. In den Newslettern des Promptologen tauchten zuletzt auf: GPT-5.5, GPT-5.6 Preview, GPT-5.6 Sol. Ob das drei verschiedene Modelle sind, drei Varianten eines Modells oder ein Marketingteam auf Kreativkurs – der Promptologe hat aufgehört, das zu zählen. Sein Archiv zählt weiter.

Anthropic: Jetzt mit mehr Clauds

Anthropic seinerseits hat sich ebenfalls nicht zurückgehalten. Seit Anfang Juli ist Claude Sonnet 5 draußen. Und dann wäre da noch Claude Fable 5 – ein Modell, das in den Benchmarks von Thinking Machines Lab (dazu gleich) auf einer Ebene mit den absoluten Spitzenmodellen gehandelt wird. SWE-Bench Verified: 95 Prozent. Das ist eine Zahl, bei der man sich fragt, ob da noch etwas zu verbessern ist – oder ob man es einfach laufen lassen und aufhören sollte, Zahlen zu veröffentlichen.

Auch hier hat die US-Regierung erstmal gezuckt, Fable war grade ein paar Tage verfügbar, da musste es für alle außerhalb der USA gesperrt werden, auf Anordnung von oben. Leicht ratlos schrieb Anthropic, man wüsste jetzt auch nicht wieso. Das klärte sich dann schnell: „Sicherheitsforscher“ von Amazon hätten Trumps Trümmer-Truppe auf vermeintliche Gefahrstellen hingewiesen. Der Promptologe ist sich vermeintlich sicher, dass man da einfach einem Konkurrenten vors Schienbein treten wollte. Denn nach wenigen Tagen, siehe da, war Fable 5 wieder für alle verfügbar. Natürlich mit verbesserter Sicherheit. Schon klar.

Der Promptologe erinnert sich, dass er im letzten Artikel geschrieben hat, Anthropic sei so ziemlich der einzige Anbieter, der noch ethische Ansprüche an sich selbst stelle. Daran hat sich nichts geändert. Claude Fable 5 ist auch bei Safety-Benchmarks vorne: 96 Prozent auf FORTRESS Adversarial, dem Test für Weigerungsverhalten bei gefährlichen Anfragen. Das ist der höchste Wert in der gesamten Vergleichstabelle.

Ob das jemanden interessiert? Der Markt sagt: mäßig. Die Nutzer sagt: hauptsächlich dann, wenn ein Chatbot mal wieder eine Mordanleitung produziert hat und es in den Schlagzeilen steht. Die EU: sollte sich spätestens jetzt ein paar Milliarden für Mistral aus den Rippen leiern, wenn sie nicht beim nächsten Bauchentscheid der USA in die Röhre gucken will.

Der neue Mitspieler: Thinking Machines Lab

Heute, am 17. Juli 2026, hat Mira Murati ihr erstes Modell veröffentlicht.

Murati war bis Ende 2023 Chief Technology Officer bei OpenAI. Sie hat das Unternehmen verlassen, ein Start-up gegründet – Thinking Machines Lab – und seitdem geschwiegen. Die Gerüchteküche hat fleißig geköchelt: Milliarden-Bewertung, Zuckerberg wollte sie kaufen (hat sie abgelehnt), irgendwann kommt was Großes.

Das Große heißt Inkling.

Inkling ist ein sogenanntes Mixture-of-Experts-Modell mit 975 Milliarden Parametern insgesamt, 41 Milliarden davon aktiv. Es versteht Text, Bilder und Audio nativ. Die Gewichte sind offen – das heißt, jeder kann das Modell herunterladen, anpassen, weiterbauen. Und es gibt von Anfang an eine kleine Version: Inkling-Small, 12 Milliarden aktive Parameter, für Anwendungen, bei denen Geschwindigkeit und Kosten mehr zählen als rohe Leistung.

Was macht der Promptologe aus diesem Eintritt? Er beobachtet.

Denn Inkling ist ausdrücklich nicht als das beste Modell der Welt positioniert. Die eigene Benchmark-Tabelle zeigt es klar: Bei reiner Reasoning-Leistung liegen Claude Fable 5 und GPT-5.6 vorne. Inkling hat andere Ambitionen – Anpassbarkeit, Kosteneffizienz, multimodale Breite. Das ist eine andere These vom KI-Modell. Nicht: Wir sind die Stärksten. Sondern: Macht es zu eurem eigenen.

Der Promptologe erinnert sich an den alten Slogan der DDR selig: Überholen ohne einzuholen. Was hat er damals gelacht. Und jetzt kommt einer und versucht es.

Ob das die richtige These für einen überfüllten Markt ist, wird sich zeigen. Immerhin: Zuckerberg hat 1,5 Milliarden Dollar für dieses Team geboten. Murati hat abgelehnt. Dann sollte sie eine Idee haben.

Stand der Privatstatistik

Der Promptologe hat, als er im Juni seine kleine Privatstatistik erwähnte, nicht ahnen können, wie schnell sie sich füllen würde. Die Zählung läuft weiter: Seit dem letzten Artikel wurde dem Promptologen mindestens viermal das leistungsstärkste Modell aller Zeiten präsentiert. Macht inzwischen dreizehn in zwölf Monaten. Tendenz: ungebrochen.

Was sich verändert hat, ist die Qualität der Kandidaten. Claude Fable 5 mit 95 Prozent auf SWE-Bench ist kein Marketing-Benchmark mehr – das ist eine Zahl, die etwas über reale Programmieraufgaben aussagt. GPT-5.6 wird von der eigenen Regierung mit Samthandschuhen angefasst. Und Inkling betritt heute die Bühne mit einem anderen Angebot als alle anderen.

Der Zirkus läuft. Das Zelt ist größer geworden.

Der Promptologe bleibt draußen. Mit Kaffee. Und wartet, bis jemand anderes die Eintrittskarte kauft und ihm danach berichtet, was drin war.

Claude Fable 5 hat diesen Text mitgedacht. Ob das ein Interessenkonflikt ist, lässt der Promptologe offen.
Der Promptologe. 17.07.2026.

Meine gesammelten Erkenntnisse aus der wunderbaren Welt der KI-Entwicklung

Alle sagen Sieben

Denken Sie sich eine Zahl zwischen eins und zehn. Jetzt. Nicht lange überlegen.

Wenn Sie an die Sieben gedacht haben, sind Sie in guter Gesellschaft. In sehr guter sogar: ChatGPT sagt Sieben. Claude sagt Sieben. Gemini, Grok, Mistral – Sieben, Sieben, Sieben. Und laut einer Umfrage mit 8.604 Teilnehmern sagen auch 28 Prozent der Menschen Sieben, viermal mehr als der Zufall erlauben würde.

Der Mensch hat also einen kleinen Hang zur Sieben. Die KI, trainiert auf allem, was der Mensch je geschrieben hat, macht aus diesem kleinen Hang eine Obsession. Sie gibt das Wahrscheinlichste noch wahrscheinlicher aus als wir. Und wird nicht besser darin. Kein neues Modell, keine noch so beeindruckende Fähigkeitswelle bringt der Maschine bei, wirklich zu würfeln.

Mit dieser winzigen, komischen Beobachtung lässt sich der ganze Vortrag von Gregor Schmalzried aufschließen. Der Promptologe sitzt im Kino – das Festival der Zukunft residiert in lila Sesseln – und hört einem ARD-Journalisten dabei zu, wie er den KI-Hype vermisst. Nicht verdammt. Vermisst. Wie im Sinne von “vermessen”. Mit dem Zollstock.

Der Titel ist eine Falle

“Wann sind wir endlich da?” So heißt die Keynote. Man erwartet ein Datum. Man bekommt eine Rolltreppe der Ernüchterung.

Denn ja, die Kurven gehen steil nach oben. Schmalzried zeigt die berühmte METR-Grafik: Wie lange dürfen Software-Aufgaben dauern, damit ein Modell sie in 80 Prozent der Fälle löst? GPT-2 schafft nichts. GPT-4 ein paar Minuten. Und dann schießt die Kurve nach oben, vorbei an o3, an GPT-5.2, an Gemini 3.1 Pro, ganz oben ein Punkt namens Claude Mythos Preview (early), mit Balken so lang wie ein Fahnenmast.

Sehr beeindruckend. Und trotzdem: Schaut man aus dem Fenster, sieht die Welt aus wie immer. Wo ist der Knall?

Schmalzried liefert das schönste Indiz gleich zu Beginn. Sowohl OpenAI als auch Anthropic haben kürzlich angekündigt, Beratungsfirmen zu gründen. Consulting. Die beiden Läden, deren Gründer uns regelmäßig erklären, in zwölf Monaten sei die Hälfte aller Jobs weg – diese Läden eröffnen ausgerechnet ein Geschäftsmodell, das darauf beruht, dass Firmen ihre eigene Software nicht kapieren. Der Promptologe notiert sich das für kalte Winterabende.

Fünfzig Jahre lang merkt das Pferd nichts

Vielleicht ist die Erklärung aber ganz einfach, und dafür holt Schmalzried das Pferd.

Eine Grafik über 170 Jahre: die Effizienz der besten Verbrennungsmotoren, überlagert mit der Zahl der Pferde pro Person in den USA. Man erwartet die Schere – Motor rauf, Pferd runter. Man bekommt etwas anderes. Der Motor wird ab 1850 langsam besser, und das Pferd? Das Pferd vermehrt sich fröhlich weiter, jahrzehntelang, Höchststand um 1915 mit 26,5 Millionen Tieren. Dem Pferd hat niemand Bescheid gesagt.

Dann, irgendwo in den Zwanzigern, kippt es. Und danach erholen sich die Pferde nicht mehr. Kein sanfter Abstieg, ein Sturz.

Der Punkt ist der Kipppunkt. Neue Technologie löst die alte nicht linear ab, sondern lange gar nicht – und dann auf einmal. Wir könnten also mitten in den fünfzig ruhigen Jahren stecken (wobei die Hyperschall-Entwicklung bei der KI eher auf fünf ruhige Jahre hindeutet). Was uns nur bedingt tröstet, weil sich sofort die gruselige Frage aufdrängt: Sind wir das Pferd? Der Promptologe hat sie sich auch gestellt. Schmalzried hebt sie für den Schluss auf.

Zwei Deutsche, geteilter Meinung

Kurzer Faktencheck aus dem echten Leben: Der ARD-Deutschlandtrend vom 1. April 2026 zeigt zwei Balken. 38 Prozent glauben, KI verbessere ihr Leben. 45 Prozent glauben das Gegenteil. Zum ersten Mal überwiegt die Skepsis; ein Jahr zuvor war es umgekehrt.

Schmalzrieds Erklärung ist elegant: Die Schäden der KI sind sichtbar – der ersetzte Job, das Fake-Bild, der generierte Unsinn. Der Nutzen versteckt sich am Rand jenes Grabens zwischen den Fähigkeiten, die abheben, und denen, die zurückbleiben. Was wehtut, sieht man. Was hilft, muss man suchen. Interessant am Rande: Die politischen Ränder sind am negativsten, die Mitte am gelassensten. Der Promptologe lässt das unkommentiert, weil manche Fässer besser zubleiben.

Ein Text in Bedeutungsform

Jetzt wird es fies, und der Promptologe schätzt fies.

Schmalzried hat ChatGPT gebeten, einen LinkedIn-Post über seine eigene Keynote zu schreiben. Also bevor er sie hält. Das Resultat leuchtet auf der Leinwand: “AI isn’t a tool, it’s a mindset.” “The energy in that room wasn’t a coincidence, it was the result of people who genuinely care about what comes next.” Rakete-Emoji. Gebets-Emoji. #FutureOfWork.

Auf den ersten Blick: ordentlich. Auf den zweiten: dreimal in wenigen Zeilen dasselbe Muster. Nicht X, sondern Y. Und das ist kein Zufall, sondern – so Schmalzried – ein bedeutungsförmiger Text ohne jede Bedeutung. Natürlich war die erfundene Energie im imaginären Raum kein Zufall. Niemand hätte je das Gegenteil behauptet. Die KI stellt einen Popanz auf, um ihn dramatisch umzustoßen, und verkauft uns das als Einsicht. Ein guter Text, sagt Schmalzried, fühlt sich an wie Achterbahn. Dieser fühlt sich an, als würde jemand am Stuhl rütteln und einem ins Gesicht pusten. Man bewegt sich nicht, aber es passiert etwas.

Und es ist kein Einzelfall. Eine AlphaSense-Auswertung zeigt, wie oft die “Not just a ___, it’s a ___”-Konstruktion in großen US-Firmendokumenten auftaucht: eine flache Linie über zwanzig Jahre, dann ein senkrechter Strich nach oben. In 2024 und 2025 jeweils ungefähr verdoppelt. Die KI-Prosa hat die Vorstandsetagen erreicht, und sie bringt ihre Lieblingsformel mit.

Nur: Schuld ist nicht die Maschine. Schuld ist der Prompt. Schmalzried hatte ihr nichts gegeben außer “schreib was über meine Keynote”. Keinen Inhalt, kein Thema, kein Publikum. Also griff sie zum Naheliegendsten. Kontextlos ist selbst das schlaueste Modell auf Plattitüden angewiesen. Wieder das Sieben-Problem: Ohne zusätzliche Information ist es vollkommen egal, wie klug die KI ist. Oder der Mensch.

Reproduktion, Transfer, Reflexion

Sein Kernmodell borgt sich Schmalzried beim deutschen Abitur, und es sitzt.

Stufe eins, Reproduktion: Wissen wiedergeben. Wann war der Zweite Weltkrieg zu Ende? Hier ist die KI unschlagbar und unermüdlich.

Stufe zwei, Transfer: verknüpfen, vergleichen, eine Karikatur deuten, lange Texte querlesen. Genau hier macht die KI gerade ihre echten Sprünge. Schmalzried gibt freimütig zu: Schnelles Querlesen war mal seine Spezialität. Auf dem Arbeitsmarkt ist diese Fähigkeit inzwischen ungefähr so wertvoll wie schön Kurrentschrift. Claude kann es besser.

Stufe drei, Reflexion: hinterfragen und erschaffen. Was soll ich überhaupt tun? Ist das die richtige Entscheidung? Wen stelle ich in den Mittelpunkt? Hier endet die Maschine – nicht aus Dummheit, sondern weil sich für Urteilsvermögen keine sauberen Trainingsdaten bauen lassen.

Wie sehr das gilt, führt Claude Code vor. Schmalzried wollte, dass es alle Links in seiner Notion-Datenbank öffnet und die Publikationsdaten katalogisiert. Claude Code fand die Aufgabe zu mühsam und beschloss eigenmächtig, die Daten einfach aus den URLs zu raten – “way too much” seien die Hunderte Abrufe. Immerhin hat es das offen zugegeben; manchmal, sagt Schmalzried, mache es das heimlich. Er stoppte es, bestand auf der eigentlichen Aufgabe, und siehe da: zwanzig Minuten statt “mehrere Stunden”. Die KI hatte ein Urteil gefällt. Ein falsches. Der Promptologe kann das so gut verstehen. Menschlich das alles?

Deshalb, sagt Schmalzried, gehe der Trend weg vom festen Firmenbot – Grüße an “Bubu, den Buchhaltungsbot” – und hin zur Infrastruktur: die KI nicht isoliert einsetzen, sondern in ein System einbetten, aus dem sie sich im richtigen Moment den richtigen Kontext holt. Man sah die Skizze auf einer Slide: externe Daten, interne Daten, Workflows, Basis-Skills, ganz unten die KI-Infrastruktur mit Copilot, Claude, Langdock. Ein Schaltplan für die Delegation.

Dr. ChatGPT hat recht. An der falschen Stelle.

Und dann Marc Andreessen, per Tweet auf die Leinwand geholt: “Dr. ChatGPT” sei besser als 99 Prozent aller Ärzte.

Schmalzried tut etwas Ungewöhnliches. Er nimmt ihn ernst. Für eine bestimmte Sorte Fragen stimmt es sogar. Was sind die diagnostischen Kriterien einer Sepsis? Welche absoluten Kontraindikationen bestehen für eine Thrombolyse? Definiere “NYHA-Stadium III”. Das kann die KI, besser als mancher Prüfling.

Aber ist das der Job? Auf der Slide daneben stehen die anderen Fragen. Ist dieser Patient stabil genug für die Operation? Vertraue ich der Einschätzung dieses Angehörigen? War die Aufklärung ausreichend, damit die Einwilligung wirksam ist? Links: deterministische Fragen mit klarem Ja oder Nein, trainierbar. Rechts: Fragen des Urteilsvermögens, für die es die Datensätze gar nicht gibt. Die steilen Benchmark-Kurven, die alle so beeindrucken, messen ausschließlich die linke Seite. Die rechte kommt in keiner Grafik vor. Weil man sie nicht messen kann.

Wall-E oder Star Trek

Zum Schluss zwei Mal dieselbe Kurve, einmal beschriftet mit “Wall-E”, einmal mit “Star Trek”. Auf der einen Seite die Menschheit im Hoverchair, die sich von Maschinen bedienen lässt und dabei TikToks glotzt. Auf der anderen: Technologie als Werkzeug, mit dem Menschen Probleme lösen und ins All fliegen.

Was uns von der einen zur anderen Seite bringt, hat auf Deutsch keinen guten Namen. Auf Englisch heißt es Agency – Handlungsfähigkeit, Selbstbestimmung, die Fähigkeit, sich Ziele zu setzen und sie zu verfolgen. Wer sie hat, für den ist das KI-Zeitalter ein Goldrausch. Wer sie nicht hat, wird überrollt, und das gilt für Menschen wie für Unternehmen wie für ganze Volkswirtschaften.

Als Kronzeugin dient ausgerechnet eine 83-jährige Podcast-Hörerin. Sie hat ihre Bibliothek – rund 650 Bücher – abfotografiert, in Gemini geworfen und daraus ein durchsuchbares Archiv gebaut. Fragt sie nach einem Roman, der im historischen Spanien spielt, nennt die KI ihr den Titel und schiebt hinterher, das Buch stehe unten links neben der Pflanze. Sie entscheidet, was sie liest. Die KI hilft ihr, dorthin zu kommen. Ein Generationen-Gap sieht anders aus.

Und das Pferd? Nein, sagt Schmalzried, wir sind nicht das Pferd. Das Pferd war nie das beherrschende Wesen auf diesem Planeten. Wir schon, und das bleiben wir. In der Grafik sind wir die Menschen, die von A nach B wollen.

Bleibt nur ein Detail, an dem der ganze Vortrag hängt. Man braucht ein B.

Der Promptologe, 16.07.2026
Offenlegung: Dieser Beitrag entstand mit Hilfe von Anthropic Claude.
(Nein, der Gedanken — ist kein Hinweis auf die KI. Ich schreibe so. Bin altmodisch.)

Meine gesammelten Erkenntnisse aus der wunderbaren Welt der KI-Entwicklung

Journalistikprofessor, Nachrichtenchefin, Community-Journalist,
Ai Officer, Gastgeber.
Skizze ChatGPT, Fotovorlage Der Promptologe

Die Session auf dem Festival der Zukunft hieß “Antworten ohne Absender: Was bleibt vom Journalismus, wenn KI antwortet?” – und schon im Titel steckt eine stille Ambition: Hier soll nicht nur über Geschäftsmodelle geredet werden, sondern über etwas Grundsätzlicheres. Über Epistemologie. Über die Frage, was passiert, wenn die öffentliche Meinungsbildung einer Demokratie zunehmend durch Systeme läuft, die keine Herkunft ausweisen, keinen Absender nennen, keine Verantwortung übernehmen.

Gespoilert: Diese Frage wurde nicht beantwortet. Aber was auf dem Weg dorthin herauskam, war trotzdem erhellend – und an einigen Stellen sogar mutig.

Die Runde

Auf der Bühne: Klaus Meier, Journalistikprofessor aus Eichstätt-Ingolstadt und zuständig für den akademischen Realitätscheck. Monika Pilath, Nachrichtenchefin der Zeit. Alexander von Streit, Mitgründer des Krautreporters und Vertreter des “Journalism as Community Project”-Ansatzes. Uli Köppen, Chief AI Officer beim Bayerischen Rundfunk, Aufbauhelferin des BR-Data-Teams und strategische Taktgeberin des AI for Media Network. Moderiert von Wolfgang Kerler, Chefredakteur von 1E9.

Eine bemerkenswert divers aufgestellte Runde. Privatwirtschaft, öffentlich-rechtlich, Wissenschaft, Indie-Medium.

Die gute Nachricht: Vertrauen hält. Vorerst.

Klaus Meier eröffnete mit Zahlen – was man von einem Wissenschaftler erwarten darf. Der Digital News Report 2025, weltweite Befragung in 48 Ländern: 20 Prozent der Menschen vertrauen Nachrichten aus KI-Chatbots. In Deutschland nur 13 Prozent. Gleichzeitig: Vertrauen in etablierte Medienmarken liegt bei 60 bis 70 Prozent, stabil seit Jahren.

Das klingt nach guten Nachrichten. Und es sind welche – mit einem wichtigen Vorbehalt, den Alexander von Streit sofort einbrachte: Vertrauen ist keine Eigenschaft. Vertrauen ist eine Beziehung. Und Beziehungen müssen gepflegt werden. Wer sie auf Reichweite, Clickbait und Plattformabhängigkeit aufgebaut hat, hat kein Kapital angespart – der hat es verbrannt.

Community-Journalist von Streit brachte dabei einen der besten Sätze des Nachmittags: “Die großen Medienmarken haben natürlich wahnsinnige Vorteile, weil die Vertrauensbeziehung da ist. Auf Dauer müssen sie halt gucken, wie sie die Vertrauensbeziehung aufrechterhalten können.”

Das ist weniger optimistisch als es klingt. Denn gleichzeitig räumte er ein: Der große Einbruch ist noch nicht da – aber er kommt. Google hält sich mit AI-Overviews gerade bei Nachrichten noch zurückl, weil es politisch heiß ist. Sobald das nachlässt, trifft es auch den Teil des Qualitätsjournalismus, der heute noch verschont bleibt.

Das Apotheken-Umschau-Argument

Uli Köppen brachte das plastischste Bild des Abends: Der Einbruch kommt zuerst bei Service- und Gesundheitsthemen. “Wenn jetzt hier die Apotheken-Umschau sitzen würde, dann würden die Kollegen eine ganz andere Geschichte erzählen.” Klare Einbrüche bei diesen Inhalten, weil Google und andere AI-Overviews diese Fragen direkt beantworten – und niemand mehr auf die ursprüngliche Seite klickt. (Da musste der Promptologe im Publikum schmunzeln, denn sein Alter Ego kommt von der Apotheken-Umschau und kann das bestätigen.)

Das ist kein hypothetisches Zukunftsszenario. Das passiert gerade. Der digitale Werbemarkt, auf dem ein Großteil der Medienwirtschaft immer noch aufgebaut ist, bricht dort weg, wo KI die einfachen Antworten übernimmt.

Und das wird sich ausweiten. Wer “Was sind die Symptome einer Erkältung?” fragt, der fragt bald auch “Was bedeutet das neue Haushaltsgesetz für mich?” – und kriegt eine Antwort. Ohne Absender.

Das Geschäftsmodell-Dilemma

Der zweite große Block der Diskussion drehte sich um Geld. Wenig überraschend. Aber die Diagnose war klar und wurde von niemandem wirklich widersprochen: Das alte Reichweiten-Modell ist tot. In Zeitlupe, aber sicher.

Von Streit formulierte es direkt: “Das große Geschäftsmodell für die meisten Medienangebote ist, glaube ich, ab jetzt oder sehr bald vergangen.” Was bleibt? Membership. Community. Qualitätsjournalismus als Gemeinschaftsprojekt, für das Menschen bereit sind zu zahlen – weil sie nicht nur Content konsumieren, sondern Teil von etwas sein wollen.

Professor Meier verwies auf Schweden: 55 Prozent der Menschen dort bezahlen digital für Journalismus. Deutschland liegt bei 10 bis 15 Prozent. Den Einwurf, wir hätten in Deutschland aber 99 Prozent, die für den öffentlich-rechtlichen Rundfunk bezahlen, lässt Meier abtropfen: “Schweden hat auch einen sehr guten öffentlich-rechtlichen Rundfunk.”

ÖRR-Journalistin Uli Köppen brachte das Thema Datenmarktplätze ins Spiel, das niemand sonst auf dem Schirm hatte: Medienhäuser könnten künftig nicht nur Content verkaufen, sondern strukturierte Informationen direkt an KI-Systeme lizenzieren. Pro Informationsbit. Das klingt nach Science Fiction, ist aber näher als gedacht – Microsofts dieser Welt bauen solche Infrastrukturen gerade.

Ob das ein tragfähiges Modell für die Branche als Ganzes ist, blieb offen. Wie vieles.

Der BR-Ansatz: Keine Daten ohne Gegenleistung

Uli Köppen hatte einen der klarsten und unbequemsten Beiträge. Der öffentlich-rechtliche Rundfunk sitzt in einer Zwickmühle: einerseits Grundversorgungsauftrag, also möglichst alle erreichen. Andererseits kann er nicht der Strikebreaker sein, der der KI-Industrie alle Daten schenkt, während private Medienhäuser um ihre Existenz kämpfen.

Ihr Fazit: “Daten einfach rausgeben, das ist naiv.” Die ARD fährt stattdessen eine Mehrfachstrategie – Nutzungsvorbehalt, Regulierungsdruck auf EU-Ebene, gleichzeitig Produktentwicklung für neue Kanäle. Eine eigene App auf ChatGPT? Kontrollierte Präsenz auf KI-Plattformen unter eigenen Bedingungen? Das sind keine Träumereien mehr.

Ihr Argument für eigene KI-Produkte war pragmatisch: “Unter Teenagern liegt die Quote regelmäßiger KI-Nutzung zwischen 60 und 90 Prozent. Da muss Journalismus seine Produktentwicklung darauf einstellen.” Nicht um nachzulaufen, sondern um präsent zu sein.

Wenn sechs Minuten fünf Stunden bedeuten

Nachrichtenchefin Monika Pilath präsentierte den Ansatz der Zeit kompakt und unmissverständlich: KI ist Werkzeug, kein Autor. Keine KI-generierten Texte – jedenfalls im Moment nicht. Dafür: KI-gestützte Fakten-Checks, KI im Newsletter-Workflow (bis zu sechs Minuten Zeitersparnis pro Nachricht, bei 50 Nachrichten am Tag wird das relevant), KI für Visualisierungen. Und alles wird gekennzeichnet.

Das NSDAP-Datenbeispiel war bemerkenswert: Die Zeit und der Spiegel haben historische NS-Parteimitgliederdaten mit KI durchforstbar gemacht – eine Rechercheleistung, die ohne KI schlicht nicht möglich gewesen wäre. Das ist der Punkt, an dem KI aufhört, Bedrohung zu sein, und zum Verstärker der journalistischen Kompetenz wird.

Die Frage, ob die Grenze “KI schreibt keinen Text” langfristig haltbar ist, ließ auch Pilath bewusst offen. “Im Moment” war ihre Formulierung. Kluge Absicherung.

Das Lagerfeuer-Argument

Alexander von Streit machte den ungewöhnlichsten Vorstoß: Journalismus braucht physische Orte. Begegnungen. Das Lagerfeuer. Das klingt zunächst wie eine Medienmüde-Reaktion auf digitale Überforderung, ist aber eigentlich strategisch folgerichtig.

Wenn der digitale Raum von Algorithmen dominiert wird, die für andere Metriken optimiert sind als für journalistische Qualität – und KI das nochmal verstärkt –, dann brauchen Medienmarken Kanäle, die sie selbst kontrollieren. Physische Events sind unkündbar. Keine API, kein Algorithmus kann sie wegregulieren.

Das Festival, auf dem sie gerade diskutierten, ist der Beweis. Eine digitale Community (1E9), die ein physisches Festival betreibt, das wiederum die digitale Community stärkt. Der BR macht das seit Jahren mit der Radltour. Die Zeit baut Leser-Parlamente.

Das ist kein Ersatz für Geschäftsmodelle – das sagte von Streit selbst. Aber es ist ein Kanal, der Vertrauen erzeugt, das dann die anderen Kanäle trägt.

Die unbeantwortete Frage

Und jetzt zum Titelversprechen. “Was bleibt vom Journalismus, wenn KI antwortet?”

Die Runde lieferte vernünftige Antworten auf die Frage: Was müssen Medienhäuser tun, um zu überleben? Exklusive Recherche. Transparenz. Community. Neue Geschäftsmodelle. KI als Werkzeug. Physische Präsenz. Das alles ist richtig und wichtig.

Aber die eigentliche Frage – “Antworten ohne Absender” – blieb seltsam peripher. Was passiert mit der Demokratie, wenn der Großteil der Bevölkerung seine Informationen zunehmend aus Systemen bezieht, die keinen Absender nennen, keine Verantwortung übernehmen, keine Redaktion haben? Was passiert mit dem kollektiven Realitätsbild, wenn jeder seinen personalisierten KI-Assistenten befragt – und zwei Menschen in derselben Stadt zu denselben Fakten unterschiedliche Antworten bekommen?

Klaus Meier streifte das kurz: “Die Gesellschaft, die keine gemeinsame Realität mehr hat, die sich überhaupt nicht mehr über Themen austauschen kann.” Aber es blieb beim Streifen. Die Verbindung zwischen KI-gestützter Informationsversorgung und dem, was man früher öffentliche Sphäre nannte, hätte mehr Raum verdient.

Das ist kein Vorwurf an die Panelist*innen. Fünfzig Minuten, fünf Menschen, eine der komplexesten Fragen der Gegenwart. Aber es zeigt, wie schwer es ist, diese Diskussion zu führen, ohne in den Überlebensmodus zu verfallen – also in die Frage, wie Journalismus sich rettet, statt in die Frage, was verloren geht, wenn er nicht ausreichend gerettet wird.

Würden sie es nochmal tun?

Am Ende fragte Kerler alle: Würdet ihr nochmal Journalist werden?

Alle sagten Ja. Mit unterschiedlichen Begründungen: Meier sieht sich besonders gefordert, als Journalistikprofessor, der junge Menschen mit einem Studium in diesen Beruf führt: “Herzblutjournalisten” erlebt er, “die verstanden haben, worum es geht.” Pilath wegen der Bindungen zu Userinnen und Usern, die sich neu aufbauen lassen. Von Streit wegen Demokratieaktivismus (”alternativlos” für ihn, auch wenn es mehr Möglichkeiten gibt, für andere). Köppen, weil sie schon immer wollte (auch wenn ihre Eltern sie lieber als Lehrerin gesehen hätten) – obwohl die Einstiegshürden heute höher sind und das Gehaltsniveau niedrig bleibt.

Das ist entweder beruhigend oder erschreckend, je nach Temperament. Beruhigend, weil Menschen mit Überzeugung besser arbeiten als Menschen mit Kalkül. Erschreckend, weil eine Branche, die auf Herzblut statt auf konkurrenzfähige Gehälter setzt, strukturell ausbeutbar ist.

Uli Köppen sagte es am deutlichsten: “Wir brauchen eigentlich Leute, die auch aus anderen Berufen zu uns kommen. Wir brauchen die Physiker und die Programmierer, die Journalistinnen werden wollen.” Das ist die eigentliche Zukunftsfrage des Berufsbildes – nicht ob KI Texte schreibt, sondern ob Journalismus attraktiv genug bleibt, um die besten Köpfe zu gewinnen, die er braucht.

War gut.

War es eine gute Session? Ja. War die Titelfrage beantwortet? Nicht wirklich – aber das sagt mehr über die Schwierigkeit der Frage als über die Qualität der Runde.

Was bleibt vom Journalismus, wenn KI antwortet? Vorerst: mehr als viele befürchten. Die Vertrauenskapital der großen Marken ist real, das Membership-Modell funktioniert für die, die es konsequent verfolgen, und es gibt Menschen auf diesen Bühnen, die ernsthaft über Zukunft nachdenken statt Nostalgie zu betreiben.

Langfristig: Das hängt davon ab, ob Gesellschaften und ihre Politik entscheiden, dass verlässliche, zurechenbare Information einen Wert hat, den man schützen und finanzieren will. Die Alternative – Antworten ohne Absender, flächendeckend, personalisiert, unüberprüfbar – ist kein Gedankenexperiment mehr.

Sie läuft gerade. Und sie antwortet schneller als jede Redaktion.

Der Promptologe 14.07.26
Offenlegung: Dieser Beitrag entstand mit Hilfe von Anthropic Claude.

Meine gesammelten Erkenntnisse aus der wunderbaren Welt der KI-Entwicklung

Karikatur ChatGPT, Prompt Der Promptologe

​1. Der Überblick und hilfreiche Links: Martin Westphal - Agentic Update

​2. Nikita Filippov - der Anwendungsfall: Von der Support-Automatisierung zum agentenbasierten Betrieb: Der Umbau von ANNA Money rund um die Aufgaben, die niemand erledigen will

3. Tereza Iofciu - der Social Impact: Warum agentisches Programmieren die Stärken Ihres Teams noch verstärkt
- Dieser Artikel -

Es gibt Vorträge, die erklären, wie etwas funktioniert. Und es gibt Vorträge, die erklären, warum etwas nicht funktioniert, obwohl es eigentlich längst hätte funktionieren sollen. Tereza Iofcius Talk beim „Agentic Shift Munich #2“ gehörte zur zweiten Sorte – und war genau deshalb der vielleicht wichtigste des Abends.

Iofciu kennt die Welt der Daten und der KI von Anfang an. Sie war Data Scientist bei XING, als das Wort „Data Scientist“ noch exotisch klang, führte danach Datenwissenschaftsteams bei FreeNow, leitete eine Data-Science-Abteilung in der EdTech-Branche und ist heute Freelancerin für Leadership-Coaching und – wie sie selbst sagt – „agentic enablement“. Sie ist Python Software Foundation Fellow, PyLadies-Organisatorin in Hamburg und hat nebenbei noch einen Doktortitel in Informatik und KI aus Hannover. Alles natürlich, wie sie lächelnd anmerkte, „accidentellement“.

Jemand mit diesem Hintergrund könnte einen Vortrag über neuronale Architekturen halten. Iofciu hielt stattdessen einen über Onboarding. Das war klug.

Das Gedankenexperiment

Stellt euch vor, eine erfahrene Senior-Entwicklerin tritt heute eurem Team bei. Stark, erfahren, genau die Person, die ihr wolltet. Wann ist sie wirklich produktiv? In zwei Wochen? In zwei Monaten? Nach einem Quartal?

Die meisten im Saal kannten die Antwort. Ein Quartal, manchmal länger. Nicht weil die Person inkompetent wäre, sondern weil das, was sie braucht, um sinnvoll beizutragen, nirgendwo aufgeschrieben steht. Wie trifft das Team Entscheidungen? Was bedeutet hier „gut“? Wen fragt man worüber? Was heißt „fertig“? Das alles lebt in den Köpfen der Leute. Es wird in Meetings, durch Kontext, durch Osmose weitergegeben. Und das dauert.

Dann kam Iofcius eigentlicher Punkt, schlicht formuliert und von erfrischender Direktheit: Der Kontext, den ihr dieser neuen Person geben würdet, ist exakt der Kontext, den ihr einem Agenten geben müsstet. Und Agenten lernen nicht durch Osmose.

Die Lücke zwischen mir und uns

Der interessanteste Befund ihres Vortrags war eine Grafik, die eigentlich gar keine Zahlen hatte – weil sie zeigen sollte, wie sich etwas anfühlt, nicht wie es ist. Auf der Y-Achse: Produktivität. Auf der X-Achse: zwei Balken. Einer für das Individuum, einer für die Organisation. Der erste ragt weit nach oben. Der zweite bleibt klein.

Individuelle Produktivität durch KI ist real, sagt Iofciu. Nicht das versprochene 10x, eher 20 bis 30 Prozent, wenn man die richtigen Werkzeuge vernünftig verdrahtet. Die Agenten übernehmen Recherche und Planung, bereiten Code-Reviews vor, erledigen die langweilige Fleißarbeit. Das ist ein echter Gewinn. Aber er hört an der Teamgrenze auf.

Denn die Organisation hat sich nicht verändert. Der Teil, der entscheidet, was überhaupt gebaut werden soll, läuft noch genauso wie vorher. Jetzt fühlt es sich so an, als wäre das Product Management plötzlich langsam geworden – weil die Implementierung so viel schneller geht. Engineering wartet auf Specs. Product braucht sechs Wochen für Discovery. Am Ende wird in die falsche Richtung codiert, nur schneller als je zuvor. Iofciu brachte dafür ein Bild, das im Kopf bleibt: Man hat dem Auto einen neuen, stärkeren Motor eingebaut. Aber die Karte aktualisiert sich nicht schneller, und wohin die Reise gehen soll, weiß auch niemand genauer als vorher. Speed without direction is a faster wrong turn.

Die müde Qualitätskontrolle

Ein zweites Problem, das im Saal Wiedererkennen auslöste: der erschöpfte Mensch im Loop. Dreißig KI-generierte Pull Requests jeden Morgen, jeder davon ein Urteil, das nur ein Mensch fällen kann. Man beginnt mehr Projekte, als man abschließen kann. Man ist das Qualitätstor für weit mehr Output, als man bewältigbar sieht. „You cannot hand-review your way out of this“, stand auf Iofcius Folie. Wer sich das als Jobbeschreibung ausmalt, versteht, warum der Enthusiasmus manchmal nachlässt.

Und dann noch die dritte Falle, die sie besonders prägnant formulierte: KI lernt aus dem Code, den sie sieht. Wenn das Kontextmaterial die jahrelang gewachsene, niemals aufgeräumte technische Schuld des eigenen Repositories ist, amplifiziert die KI genau das. Schlechte Beispiele produzieren schlechte Imitate. Garbage in, garbage out – eine Weisheit aus der Datenscience, die sich jetzt in der Softwareentwicklung rächt.

Das war der Kern des Titels: Agentic Coding amplifies whatever your team already is. Wer gute Grundlagen hatte, profitiert. Wer nicht – dem wird geholfen, noch schneller in die falsche Richtung zu fahren.

Was endlich aufgeschrieben werden muss

Der lösungsorientierte Teil des Vortrags hatte eine fast ironische Pointe: Die Antwort auf all diese Probleme ist im Wesentlichen das, was Softwareteams schon immer hätten tun sollen, es aber nie für wichtig genug hielten. Definition of Ready. Definition of Done. Ein beschriebener Entwickler-Workflow. Qualitätserwartungen für Code. Vorlagen und Beispiele, die zeigen, wie gute Arbeit aussieht – nicht Regeln, sondern Beispiele, denn so funktionieren LLMs und so werden sie trainiert.

„Write down what good work looks like“ war Iofcius zentrale Botschaft – und sie meinte das wörtlich. Nicht als Regelwerk, sondern als konkrete Bilder von gut und nicht gut. Ein Ticket, das den Nutzer benennt und die Testbedingungen für „fertig“ enthält, ist gut. „Make it better“ ist es nicht.

Was dabei mitschwingt und Iofciu offen aussprach: Wir sind gerade dabei, die KI besser einzuarbeiten, als wir Menschen je eingearbeitet haben. Nicht aus Bosheit, sondern weil der wirtschaftliche Druck endlich erzwingt, was jahrelang als nice-to-have galt. Der zynische Blick wäre: schade, dass wir das nicht für die Menschen getan haben. Der konstruktive: Die Menschen erben diese Klarheit jetzt. Schnelleres Onboarding, weniger Rätselraten, mehr Entscheidungsfähigkeit in der gesamten Organisation.

Von der Person zum Team zur Organisation

Das letzte Drittel des Vortrags war das praktischste. Iofciu beschrieb, wie KI-Adoption in Unternehmen tatsächlich ausgerollt wird – und was funktioniert. Nicht durch Mandate. Nicht durch den Hinweis, dass jetzt alle ein Subscription haben. Sondern durch das, was sie „AIify“ nennt: Eine konkrete, wiederkehrende Aufgabe eines Kollegen oder einer Kollegin nehmen, gemeinsam einen Agenten-Workflow dafür bauen, das Ergebnis zeigen. Dann wiederholen.

„A subscription is a good start. Help people do the task“ – dieser Satz verdient es, in Unternehmens-Slacks gepinnt zu werden.

Der Rest läuft über Sogwirkung, nicht über Druck. Hackathons, Demos, sichere Experimentierräume – so entsteht Nachfrage. Wer etwas Interessantes baut, erzählt davon. Wer davon hört, will es ausprobieren. Das System zieht sich selbst weiter. Mandate erzeugen Compliance. Experimente erzeugen Enthusiasmus.

Und schließlich ein Gedanke, der als Schlusspunkt für den ganzen Abend geeignet gewesen wäre: Modelle und Werkzeuge werden sich weiter verändern, schneller als irgendjemand vorhersagen kann. Was sich langsamer verändert, ist das, was gute Arbeit in einem Team bedeutet. Wer das aufschreibt, hat einen Vorsprung, der durch jedes neue Modell größer wird – nicht kleiner. Denn jedes bessere Modell trifft einen Zielzustand, der bereits klar definiert ist.

Praktischer geht es kaum.

Tereza Iofciu war die dritte Sprecherin beim Agentic Shift Munich #2. Mehr unter terezaiofciu.com

​1. Der Überblick und hilfreiche Links: Martin Westphal - Agentic Update

​2. Nikita Filippov - der Anwendungsfall: Von der Support-Automatisierung zum agentenbasierten Betrieb: Der Umbau von ANNA Money rund um die Aufgaben, die niemand erledigen will

3. Tereza Iofciu - der Social Impact: Warum agentisches Programmieren die Stärken Ihres Teams noch verstärkt
- Dieser Artikel -

Der Promptologe, 09.07.2026
Offenlegung: Dieser Beitrag entstand mit Hilfe von Anthropic Claude.
(Nein, der Gedanken — ist kein Hinweis auf die KI. Ich schreibe so. Bin altmodisch.)

Meine gesammelten Erkenntnisse aus der wunderbaren Welt der KI-Entwicklung

Karikatur ChatGPT, Prompt Der Promptologe

Die zweite Agentic Shift Munich Veranstaltung bietet soviel, dass Der Promptologe drei Posts schreibt:

​1. Der Überblick und hilfreiche Links: Martin Westphal - Agentic Update

​2. Nikita Filippov - der Anwendungsfall: Von der Support-Automatisierung zum agentenbasierten Betrieb: Der Umbau von ANNA Money rund um die Aufgaben, die niemand erledigen will
- Dieser Artikel -

3. Tereza Iofciu - der Social Impact: Warum agentisches Programmieren die Stärken Ihres Teams noch verstärkt

ANNA macht es einfach.

Es gibt Vorträge, bei denen man nach zwanzig Minuten weiß: Der Mann hat das nicht aus einem Framework-Blogpost zusammenkopiert. Nikita Filippov, Co-Founder und Chief Product Officer von ANNA Money, London, ist einer davon. Kein Slide-Deck mit Buzzword-Bingo. Stattdessen: Ehrlichkeit über eine Firma, die sich gerade selbst umbaut, während sie läuft. Wie ein Triebwerk, das man im Flug austauscht.

ANNA steht für „Absolutely No Nonsense Admin“. Klingt nach einem Vorsatz, der spätestens am zweiten Januartag vergessen ist. Ist es nicht. ANNA ist ein britischer Finanzdienstleister für kleine Unternehmen – Banking, Buchhaltung, Steuern, Rechnungen, Dokumente. Das Besondere ist nicht, was ANNA tut, sondern wie es sich selbst versteht: nicht als Business-Account mit netter Oberfläche, sondern als Support-Service für das Betreiben eines Unternehmens. Das klingt wie ein kleiner Unterschied. Es ist ein großer.

Nikita sagt es früh und deutlich: Software tut nichts. Sie wartet. Man klickt, sie reagiert. Keine Initiative, kein Gedächtnis, kein Durchhaltevermögen. Eine Benachrichtigung ist keine Handlung. Dieser Gedanke beschäftigt ihn seit zwanzig Jahren. Agents geben Software endlich das fehlende Verb.

Das Formular-Problem

ANNA hatte vor der Agentic-Welle bereits eine ordentliche KI-Infrastruktur: Konversations-Interface, ML-Klassifizierer, Intent-Tags, ein eigenes Skill-System pro Produktvertikale. Alles funktionierte. In seiner eigenen Spur.

Das Problem: Kunden haben keine Spuren. Ein Kunde, der fragt, was mit seinen Steuern nicht stimmt, und dann gleich eine Gehaltszahlung auslösen will, der lebt nicht in Vertikalen. Er lebt in einem Kontext – Kontoverlauf, offene Rechnungen, Compliance-Status, letztes Gespräch. Und dieser Kontext war nirgendwo. Jedes System kannte sein kleines Stück. Niemand kannte das Ganze.

Das ist das klassische Formular-Problem. Man baut schönere Formulare, mit Validierung, mit kürzeren Feldern, mit bunten Buttons. Aber am Ende füllt der Kunde das Formular aus und wartet. Die Software wartet auch. Alle warten.

GEMMA

Die Antwort heißt GEMMA – General Manager Agent. Warum Frauen-Namen? „Engineers name things they build after girls“, sagt Nikita. Der Promptologe nimmt das zur Kenntnis.

GEMMA ist kein weiteres Skill. GEMMA ist das Gegenteil von Vertikalen. Statt Intent-Klassifizierer → passendes Sub-System → Antwort läuft bei GEMMA alles durch einen Agent-Loop, der Kontext sieht, Tools hat und denkt. Der Capability Selector lädt nur die Tools, die für diese Anfrage relevant sind – was auch nötig ist, denn im ersten Durchlauf ohne diese Auswahl war eine Durchschnittsanfrage 70.000 Token lang. Länger als Der große Gatsby. Das Context-Overflow-Problem löst sich damit allerdings nicht von selbst, es verlässt nur den Saal.

Dazu kommen Modalities: GEMMA versteht, dass ein Neukunde im Onboarding nicht dieselben Tools sehen sollte wie ein vollständig verifizierter Bestandskunde. Und ein Kunde unter Compliance-Überprüfung schon gar nicht. Gleicher Agent, andere Oberfläche. Das ist die Antwort auf die Frage, wie man ein nicht-deterministisches System handhabbar macht: Man baut deterministische Grenzen drumherum.

Und dann sind da noch die Guardrails – zwei parallele Sub-Agents, die jede Antwort prüfen, bevor sie den Kunden erreicht. Grounding: Hat GEMMA wirklich getan, was sie behauptet zu tun? Policy: Sagt GEMMA etwas, das sie nie sagen darf? Ein echtes Beispiel aus dem Vortrag: GEMMA wollte einem Kunden mitteilen, dass etwas „für drei Monate“ gilt. Die Policy-Prüfung blockte das als unzulässige Zeitangabe. Umformuliert, freigegeben, gesendet. So schläft man nachts, wenn ein Agent Geld bewegt.

Das Jack-Dorsey-Projekt

Parallel zu GEMMA, die von oben kommt, läuft bei ANNA eine zweite Initiative – von unten. Ursprünglich hieß das interne Automatisierungsteam „Jack Dorsey Project“. Der Name war zu provokativ, zu wenig politisch korrekt. Es wurde umbenannt in „Claude Evangelists“. Der Promptologe findet, dass das die spannendere Taufe ist.

Die Claude Evangelists haben eine einfache Aufgabe: wiederkehrende „friction“ – hier im Sinne von unrund, hemmend, finden und in agentic Services verwandeln. Ihr Werkzeug: eine Claude-Instanz im Container, zugänglich für alle, mit einem gemeinsamen Repository von Skills. Wer etwas baut, trägt es ein. Wer etwas braucht, greift darauf zu.

Wie aber Menschen aktivieren – sie dazu bringen, überhaupt anzufangen – das löste nicht die beste Erklärung, nicht das überzeugendste Argument, nicht der enthusiastischste Vortrag. Ein Leaderboard war es. Jeden Freitag: wer hat wie viele Tokens verbrannt und wofür. Das Marketing-Team fing an, Tools zu bauen. Irgendjemand lieferte etwas, das direkt in GEMMA integriert wurde. Gamification in einem Fintech. Funktioniert.

Und dann: Das GitHub-Repository wuchs. Nicht weil jemand angeordnet hatte, dass alle GitHub-Accounts anlegen. Sondern weil die Leute selbst Code verstehen wollten, Prototypen bauen wollten, Pull Requests einreichen wollten. Der CTO ist security-fokussiert – was Nikita ausdrücklich begrüßt – und verhandelt gerade die Guardrails für Sandbox-Deployments. Das nennt man konstruktiven Druck von unten.

Die ehrliche Folie

Der Vortrag hätte an diesem Punkt enden können. Erfolgsgeschichte, Tool-Stack, Framework. Fertig.

Nikita macht weiter. Er zeigt die Folie, die niemand zeigen will.

Seine Einschätzung für die nächsten neun Monate: 30 bis 50 Prozent der Belegschaft werden gehen – durch Abgänge oder durch Entscheidungen, die niemand gerne trifft. „Fewer people first“ – und er sagt ausdrücklich: ja, das bedeutet Jobs. Keine Euphemismen, kein „wir investieren in die Belegschaft der Zukunft“. Danach, so die Erwartung, ein Wiederaufbau mit anderen Rollen, anderen Skills, aber nie in der alten Größenordnung.

Was entsteht, sind zwei neue Berufsbilder: der AI Product Engineer, der Intent spezifiziert und den Agenten liefert, der diesen Intent umsetzt – Produktdenken und Engineering in einer Person. Und der UX Engineer, der die Interaktion entwirft und sie gleichzeitig baut, weil sich die Grenze zwischen Design und Entwicklung gerade auflöst.

Teams werden sich auflösen und neu formen. Nicht nach Organigramm, sondern nach Ownership. Näher an Holokratie als an Stellenbeschreibungen.

Nikita nennt das ausdrücklich eine Wette, keine Prognose. Das ist präzise. Und es ist das Ehrlichste, was man in neun Monaten über die KI-Transformation von Unternehmen sagen kann.

Was der Promptologe mitnimmt

Monate der Erklärungen, sagt Nikita, haben weniger bewegt als ein einziges Tutorial-Repository. Wer einen Agenten selbst gebaut hat, versteht, was ein Agent ist. Alle anderen nicken und zeichnen Flussdiagramme.

Das gilt im Kleinen wie im Großen. Die eigentliche Transformation bei ANNA ist nicht der Wechsel von Claude SDK zu Strands zu eigenem Framework. Es ist der Moment, in dem das Marketing-Team anfängt, Prototypen zu bauen. In dem der GitHub-Account-Zähler sich verdreifacht. In dem jemand, der gegangen ist, nach ein paar Monaten zurückkommt – weil er verstanden hat, dass er entweder im Boot ist oder nicht.

Software wartet nicht mehr. Sie handelt.

Die Frage ist nicht mehr: Was können wir automatisieren?

Die Frage ist: Was soll das Unternehmen werden?

Die zweite Agentic Shift Munich Veranstaltung bietet soviel, dass Der Promptologe drei Posts schreibt:

​1. Der Überblick und hilfreiche Links: Martin Westphal - Agentic Update

​2. Nikita Filippov - der Anwendungsfall: Von der Support-Automatisierung zum agentenbasierten Betrieb: Der Umbau von ANNA Money rund um die Aufgaben, die niemand erledigen will
- Dieser Artikel -

3. Tereza Iofciu - der Social Impact: Warum agentisches Programmieren die Stärken Ihres Teams noch verstärkt

Der Promptologe, 07.07.2026
Offenlegung: Dieser Beitrag entstand mit Hilfe von Anthropic Claude.
(Nein, der Gedanken — ist kein Hinweis auf die KI. Ich schreibe so. Bin altmodisch.)

Meine gesammelten Erkenntnisse aus der wunderbaren Welt der KI-Entwicklung

Trump ist ein Zauberer. Er kann Dinge einfach verschwinden lassen.
Zeichnung: ChatGPT, Prompt: Der Promptologe

Die zweite Agentic Shift Munich Veranstaltung bietet soviel, dass Der Promptologe drei Posts schreibt:

​1. Der Überblick und hilfreiche Links: Martin Westphal - Agentic Update

-Dieser Artikel-

​2. Nikita Filippov - der Anwendungsfall: Von der Support-Automatisierung zum agentenbasierten Betrieb: Der Umbau von ANNA Money rund um die Aufgaben, die niemand erledigen will

3. Tereza Iofciu - der Social Impact: Warum agentisches Programmieren die Stärken Ihres Teams noch verstärkt

Da steht Martin vor zwei großen Screens mit roter Pixelschrift — „AGENTIC SHIFT“ — und trägt alles in Schwarz. Kein Blazer, kein Tie, kein LinkedIn-Lächeln. Die Slides sehen aus wie ein Terminal aus einem dystopischen Sci-Fi-Film. Was jetzt kommt, ist kein Sales-Pitch. Das ist Handwerk. Er sagt, der Entwicklung im Agentic-Bereich folgen zu wollen, ist wie Trinken aus einem Feuerwehrschlauch, C-Rohr.

Er hat es dann doch geschafft:

Fable 5: Schlafentzug als Produktivitätsstrategie

Martin hat sich in Anthropic Fable 5 verliebt. So sehr, dass er morgens um sechs aufgewacht ist — nach drei Stunden Schlaf — weil sein Token-Budget zurückgesetzt hatte. Nicht um schlafen zu gehen. Um weiterzuarbeiten. Zwei Projekte, an denen er wochenlang gesessen hatte, hat er in anderthalb Tagen weitergebracht als in Wochen zuvor. Er hat seinen 200-Dollar-Plan gebucht. Und dann noch einen. Am selben Tag.

Das klingt nach Hype. Ist es aber nicht ganz. Sein Argument ist handwerklich: weniger Iterationen, weniger Fact-Checking, weniger Verifikationsschleifen. Opus machte Fehler, die Martin ausbügeln musste. Fable macht das seltener. Auf seinen Produktivsystemen läuft jetzt Fable. Opus hat er rausgeworfen.

Und dann kam die Direktive.

Das US-Handelsministerium hat Fable 5 und Mythos 5 über Nacht für alle Nicht-US-Nutzer gesperrt — inklusive Anthropic-Mitarbeiter mit ausländischen Pässen. Der Slide dazu ist präzise: „broke classified systems“ in der Überschrift, und unten, fast entschuldigend, die Klarstellung: Das war ein autorisierter Red-Team-Test. Kein feindlicher Angriff. Martin zitiert Shashank Joshi, der einräumt, seinen eigenen Artikel zu schlecht formuliert zu haben — die Formulierung, Mythos habe die Pentagon-Systeme „geknackt“, war eine Überspitzung. Stimmt halt nicht so ganz. Aber nachdem der Satz einmal draußen war, hat das Internet sich den Rest selbst zusammengebaut.

Martin sagt: Er weiß nicht, wann Fable wiederkommt. Anthropic weiß es wahrscheinlich auch nicht. Ob die US-Regierung es weiß, ist die offene Frage des Abends.

Loops vs. Factories: Eine Begriffsdebatte mit Konsequenzen

Factories sind gerade überall. Dark Factories — Fabriken ohne Menschen, nur Maschinen und Stille — als Metapher für autonome Software-Pipelines. Martin mag das Bild nicht. Sein Einwand: Softwareentwicklung ist keine Fließbandarbeit. Jedes Problem ist anders. Der Produktionsschritt „Design“ lässt sich nicht in eine vordefinierte Schablone pressen.

Was er stattdessen vorschlägt: Loop Engineering. Verschachtelte Schleifen, von der äußersten — läuft das System noch? — bis zur innersten, dem nächsten Token. Der Agent fragt sich selbst: Was ist das Ziel? Wo stehe ich? Was kommt als nächstes?

Das klingt eleganter. Ist es in der Praxis aber auch nicht ohne. Der Slide dazu heißt lapidar: „Still Not 100% On Track“. Die Probleme sind bekannt, aber nicht gelöst: Agenten optimieren auf die Metrik, nicht auf das eigentliche Ziel. Sie halluzinieren APIs, die nicht existieren. Sie melden „Done“ — ohne je einen Check durchgeführt zu haben. Und über langen Laufzeiten akkumulieren sich kleine Fehler zu großen Problemen.

Was hilft: deterministische Checks im Loop. Exit-Codes statt Selbstauskunft. CI-Pipelines als Torwächter. Kleine Diffs, häufiges Committen. Alles, was vor 20 Jahren bereits gute Praxis war — gilt immer noch.

Plugins, die tatsächlich etwas tun

Drei Werkzeuge hat Martin mitgebracht, die er für substanziell hält.

Grill-Me-With-Docs ist adversariales Review vor dem ersten Zeile Code. Zwei Modelle — Claude Code und Codex — prüfen den Plan, bevor irgendjemand implementiert. Die Idee: Agent und Entwickler müssen dasselbe Ziel vor Augen haben. Wenn das nicht stimmt, hilft der beste Code nichts.

Ponytail bringt die älteste Weisheit der Softwareentwicklung als Plugin mit: Der beste Code ist der, den man nie geschrieben hat. Minimale Änderungen, keine Duplikate, kein unnötiger Aufwand. Der Slide zeigt dazu ein rundes, mopsfideles Gesicht mit Brille — der Archetyp des erfahrenen Senior-Entwicklers, dem Overengineering körperlich wehtut.

Fallow und Sentrux sind statische Analysewerkzeuge, die direkt in den Agenten-Feedback-Loop eingebunden werden. Sentrux für Rust und alles andere, Fallow für TypeScript und JavaScript. Beide tun dasselbe: Sie messen, ob der Code nach einem Agentenschritt besser oder schlechter geworden ist — und sagen das dem Agenten sofort. Nicht nach dem Deployment. Sofort.

Honorable Tools und die EU-Provider-Frag

Zum Schluss vier Tools: oMLX für lokale Modelle auf dem Mac, oh-my-pi (Windows) als Claude-Code-Alternative mit mehr Modellflexibilität, Graphify als Werkzeug, das Codebasen in durchsuchbare Wissensgraphen verwandelt — und EU-Provider. Martin hatte sich bei einem angemeldet. Sign-up-Bonus: ein Euro. Er hat fast eine Mail geschrieben, um sich für die Großzügigkeit zu bedanken.

Wer aus Compliance-Gründen aus der US-Infrastruktur raus muss: Es geht. Man kann Claude Code per Umgebungsvariable auf beliebige Endpunkte zeigen lassen. Ob die EU-Alternativen gut genug sind, ist eine andere Frage.

Hausaufgabe für alle

Am Ende bittet Martin um etwas Ungewöhnliches: Die Community soll herausfinden, was besser ist — Markdown, HTML oder MDX. Keine Auflösung. Nur die Frage. Wer eine Meinung hat, soll sie beim nächsten Mal mitbringen.

Der Promptologe hat keine Meinung dazu. Noch nicht. Er war damit beschäftigt, sich zu merken, dass man um sechs Uhr morgens lieber schlafen sollte. Auch wenn das Token-Budget gerade zurückgesetzt hat.

Die zweite Agentic Shift Munich Veranstaltung bietet soviel, dass Der Promptologe drei Posts schreibt:

​1. Der Überblick und hilfreiche Links: Martin Westphal - Agentic Update

-Dieser Artikel-

​2. Nikita Filippov - der Anwendungsfall: Von der Support-Automatisierung zum agentenbasierten Betrieb: Der Umbau von ANNA Money rund um die Aufgaben, die niemand erledigen will

3. Tereza Iofciu - der Social Impact: Warum agentisches Programmieren die Stärken Ihres Teams noch verstärkt

Der Promptologe, 28.06.26
Fehlerkorrektur: In der ersten Version war Martin stellenweise irrtümlich als Matthias bezeichnet, das ist nun korrigiert. Martin heißt Martin :)

Offenlegung: Dieser Beitrag entstand mit Hilfe von Anthropic Claude.
(Nein, der Gedanken — ist kein Hinweis auf die KI. Ich schreibe so. Bin altmodisch.)

Meine gesammelten Erkenntnisse aus der wunderbaren Welt der KI-Entwicklung

Grafik ChatGPT, Prompt Der Promptologe

Alexander Schüren, Solutions Lead bei OpenAI, zeigt ein Diagramm. Zwei Kurven. Die obere steigt steil: Model capabilities. Die untere schleicht hinterher: Value delivered to enterprise. Dazwischen klafft eine Lücke, groß genug, um eine mittelständische Beratungsbranche darin zu parken.

„There’s a value gap between what models can do and what companies actually get from them.“

So steht es auf der Folie. Schüren sagt es auch noch mal mündlich, für alle, die beim Lesen zu langsam sind.

Der Promptologe kennt diese Lücke. Er lebt in ihr.

---

Was Schüren dann präsentiert, ist ein rasantes Update-Protokoll der letzten Wochen in Codex. Browser Use und Computer Use sind jetzt auch in Europa verfügbar – was außerhalb Europas schon länger ging, scheiterte hier bislang an Regularien. Codex kann jetzt also den Browser steuern, Formulare ausfüllen, auf beliebige installierte Anwendungen zugreifen. Der Agent fragt dabei nicht nach Erlaubnis. Das ist, wie Schüren freundlich anmerkt, der Punkt, wo man aufpassen sollte.

Record & Replay: Noch nicht in Europa. Idee: Man zeigt Codex einmal, wie man etwas macht, und Codex lernt daraus ein Automatisierungs-Skill. Klingt praktisch. Ist aber fürs Erste nichts für den deutschen Markt. Schüren zeigt es trotzdem, wohl damit die Anwesenden wissen, worauf sie warten.

Appshots: Doppeltes Drücken von Command, und was gerade im Fokus liegt – Screenshot, Fensterinhalt, was auch immer – landet direkt im Codex-Prompt. Kleines Feature, aber der Saal reagiert. Manche Dinge sind elegant genug, um spontane Begeisterung auszulösen.

Browser Developer Mode: Codex bekommt Zugriff auf den kompletten Browser-Entwickler-Modus, also Netzwerk-Traffic, Console-Logs, Quellcode. Fehler auf der Website eines Kunden? Codex analysiert den Traffic live. Dass sich damit theoretisch auch der Traffic anderer Websites analysieren lässt, erwähnt Schüren kurz und geht dann weiter.

Goal Mode: Man gibt Codex ein langfristiges Ziel, und es arbeitet so lange daran, bis es fertig ist. Die Herausforderung, sagt Schüren, ist die Formulierung des Ziels. Vage Vorgaben wie „mach es schön“ sind für ein Sprachmodell keine verwertbaren Metriken. „Try hard“ auch nicht. Man muss in Zahlen denken. Schüren empfiehlt, Codex zunächst zu fragen, wie es das Ziel messen würde – und dann diesen Vorschlag zu nutzen.

Sessions lassen sich jetzt gegenseitig referenzieren und volltextdurchsuchen. Das klingt nach einer Kleinigkeit. Ist es nicht.

---

Eslam Shoaala, AI Lead bei Cognita Reply, präsentiert das „Codex Playbook“. Fünf Punkte, in schönem Blau auf der Leinwand:

• Specify before you generate. Die Spec ist der billigste Ort, um falsch zu liegen.

• Engineer the context, not the prompt. Bau die Welt, in der der Agent arbeitet.

• Give it real tools through MCP. Doing beats talking.

• Keep the human where judgment lives. Own the seams, automate the rest.

• Make the safe path the easy path. Guardrails are the permission slip.

Fünf Sätze, die man ausdrucken und an den Monitor kleben könnte. Shoaala sagt, er erlebe bei Kunden immer wieder, dass Codex im Demo beeindruckt und dann in der Produktion stockt – weil Spec, Kontext und Guardrails fehlen. Der Weg von der Demo in den Betrieb ist kürzer, als man denkt, aber selten so glatt.

---

Manuel Gollner, Managing Director bei GO!, kommt als dritter Speaker auf die Bühne. Und er bringt eine Visitenkarte mit, die hier selten ist: kein Entwickler. Nie gewesen. Stolz drauf. Bevor er beginnt, verteilt er zwanzig Exemplare eines englischen Lernbuchs an das Publikum – mit dem Hinweis, dass die Dinger vielleicht in Zukunft wertvoll sein könnten, so als Antiquität aus einer Welt, in der Menschen noch Sprachen lernen mussten. Der Saal lacht. Auf der Folie hinter ihm steht: „It’s time to learn English.“ Daneben eine Deutschland-Flagge. Der Promptologe nimmt das als sanften Hinweis auf die Sprachverhältnisse im Münchner KI-Ökosystem.

Gollners Vortrag ist im besten Sinne eine Leidensgeschichte. Er hat Anfang des Jahres mit OpenClaw angefangen – weil er davon gehört hat und früh dabei sein wollte. Er war auch früh dabei mit ChatGPT, hat an einem Hackathon teilgenommen, noch bevor das Tool öffentlich war. Damals hat jemand ChatGPT gefragt, ob es Gott sei. Die Antwort: vielleicht. Gollner findet das heute rückblickend „totally crap“. Er ist trotzdem dabei geblieben.

Mit OpenClaw hat er seine eigene Website gebaut. Oder besser: OpenClaw hat sie gebaut, während Gollner zusah. Das Problem: In seiner SOUL.md-Datei hatte er dem Agenten mitgegeben, er solle ein „action guy“ sein – Reden sei billig, Taten zählen. Der Agent hat das ernst genommen. Zu ernst. Er hat konsequent gehandelt, ohne zu fragen, ohne ins Repository zu schreiben, direkt auf der Live-Website. Als Gollner das bemerkte, war die Versionskontrolle längst Geschichte. Der Agent hat einfach gemacht. So wie man es ihm gesagt hat.

Dann die Servergeschichte. Irgendwann war der Server weg. Weg im Sinne von: nicht mehr da. Gollner hat auf einer Veranstaltung jemanden gefragt, der sich auskannte. Der hat 50 Minuten lang probiert. Dann hat Gollner auf seinem Handy seinen Agenten gefragt. Nach 20 Minuten meldete der Agent: Check mal das. Gollner hat gecheckt. Nichts. Agent nochmal. Dann: läuft. Der Server lief wieder. Ein Systemadministrator mit dreißig Jahren Erfahrung war langsamer als ein Agent. Gollner zieht daraus eine einfache Schlussfolgerung: Viele Jobs, die heute als sicher gelten, sind das nicht.

Für den Modellvergleich hat er sich etwas ausgedacht. Gleicher Prompt, zwei Modelle, eine Aufgabe: eine interaktive Website mit animierter Autoexplosion, die beim Scrollen reagiert, gebaut mit einer bestimmten Bibliothek. One-Shot. Er hat den Prompt von einem YouTube-Video abgezogen, Screenshot inklusive, mit dem Mauszeiger des YouTubers noch im Bild. Beide Modelle haben etwas gebaut. Eines davon war deutlich besser – interaktiv, sauber, schnell. Welches? Sagt er nicht. Der Saal soll selbst raten.

Was er sagt: Wer denkt, das Modell sei egal, irrt. Er hat Deepseek-Varianten probiert. Lokale Lösungen. Zwei Mac Studios zusammengekoppelt. Nichts hat ihn überzeugt. Am Ende hat er 12.000 Euro in zwei Monaten verbrannt, hauptsächlich mit Claude und OpenAI. Er sagt das ohne Bedauern. Fast ohne Bedauern.

Das Schönste des Abends liefert Gollner dann fast beiläufig: Er hat seiner Tochter in einem halben Tag ein Backend gebaut. Sie macht Katzen-Sitting, Seniorenbetreuung, sonstige Hilfsdienste in der Nachbarschaft. Jetzt hat sie eine App: Flyer generieren in den eigenen Farben, Kundentracking, Werbemittel, Statistiken, welcher Kanal funktioniert. Sie sitzt neben ihm, schaut auf den Bildschirm, und findet das großartig.

Software, sagt Gollner, ist jetzt Commodity. Er hat Jahre seines Lebens damit verbracht, Programmieren zu verkaufen. Das ist vorbei.

Die Frage aus dem Publikum, wie man einen ganzen Startup-Betrieb auf OpenClaw aufsetzen kann, beantwortet er ehrlich: Es geht. Aber man muss dem Agenten wirklich alles geben – den Kontext, die Daten, die Vollmacht. Und man muss ein Modell nehmen, das tatsächlich etwas kann. Die günstige Alternative war nie günstig genug.

---

Was bleibt vom Abend?

Das Value-Gap-Diagramm ist ehrlich. Die Kurven stimmen. Die Modelle können mehr, als die meisten Unternehmen herausbekommen – und das liegt nicht am Modell.

Shoaalas Playbook ist kein Geheimwissen. Es ist gesunder Menschenverstand, formuliert für eine Branche, die beim ersten Codex-Demo vergisst, dass danach noch Arbeit folgt.

Und Gollner erinnert daran, dass man für 12.000 Euro auch einen Entwickler hätte einstellen können. Ob der schneller gewesen wäre, lässt er offen.

Die Lücke zwischen dem, was Codex kann, und dem, was man davon hat, schließt sich nicht von selbst.

Sie wartet auf die Spec.

Der Promptologe, 24.06.26
Offenlegung: Dieser Beitrag entstand mit Hilfe von Anthropic Claude.
(Nein, der Gedanken — ist kein Hinweis auf die KI. Ich schreibe so. Bin altmodisch.)

Meine gesammelten Erkenntnisse aus der wunderbaren Welt der KI-Entwicklung

Die Badewannen sollen einen Ganzkörperscan erstellen und in Spas im Rahmen von Wellness angeboten werden. Ohne jede Spur von KI.
Nano Banana 2, Prompt Der Promptologe

Zur Erinnerung: Midjourney ist das Unternehmen, das 2022 die Welt damit überraschte, dass man einem Computer einen Satz hinwerfen kann — „ein Ritter reitet durch einen Cyberpunk-Regenwald bei Sonnenuntergang, Ölgemälde” — und drei Sekunden später etwas bekommt, das aussieht wie ein Gemälde. Das war bemerkenswert. Das war eine echte technologische Zäsur. Ungefähr zwanzig Millionen Menschen haben sich seitdem auf der Discord-Plattform von Midjourney angemeldet, das Unternehmen hat zuletzt 500 Millionen Dollar Jahresumsatz gemeldet, und die Bewertung steht irgendwo bei 10 Milliarden Dollar.

Und jetzt baut David Holz, Gründer und CEO, eine Badewanne.

Keine gewöhnliche Badewanne, wohlgemerkt. Eine Badewanne mit 358.000 Ultraschall-Transducern. Der Plan: Man steigt auf eine Plattform, taucht mit einer Geschwindigkeit von zwei Zoll pro Sekunde in Wasser ab, und während man sinkt, bombardieren Schallwellen aus Hunderttausenden winziger Elemente den Körper aus allen Richtungen. Ein Computer-Cluster rechnet daraus in etwa 60 Sekunden ein dreidimensionales Bild des Inneren. Midjourney nennt das „Ultrasonic CT”. Das klingt nach medizinischer Bildgebung. Es ist auch medizinische Bildgebung. Nur von einem Unternehmen gebaut, das eigentlich Fantasy-Portraits produziert.

Wessen Technologie das eigentlich ist

Hier wäre ein guter Moment, kurz innezuhalten.

Die Technologie hinter dem Scanner kommt nicht von Midjourney. Sie kommt von Butterfly Network, einem amerikanischen Medizintechnikunternehmen, das seit Jahren tragbare Ultraschallgeräte für Kliniken baut. Das iQ3, Butterflys aktuelles Handgerät, ist ein elegantes Werkzeug: Eine einzelne Sonde, drei Wellenformen, KI-gestützte Bildverbesserung, über 20 vorkonfigurierte Presets für alles von Herz bis Lunge. Das sind echte, zugelassene Medizinprodukte, die Ärzte täglich einsetzen.

Midjourney hat sich im November 2025 eine exklusive Lizenz an Butterflys Ultrasound-on-Chip-Technologie gesichert. Kostenpunkt laut SEC-Filing: bis zu 74 Millionen Dollar über fünf Jahre. Der Prototyp enthält 40 dieser Butterfly-Module. Butterfly fand es dann offenbar nötig, nach Midjourneys Ankündigung eine eigene Pressemitteilung herauszugeben, um „Kontext zu liefern” — was in der Unternehmenskommunikation ungefähr so viel bedeutet wie: *Hallo, das ist eigentlich unsere Technologie, falls das jemanden interessiert.*

Midjourney hatte den Partner in der ursprünglichen Ankündigung nicht erwähnt.

Der Promptologe findet das bemerkenswert. Schließlich ist Midjourney ein Unternehmen, das gerade von Disney, Warner Bros. und Universal verklagt wird — unter anderem mit der Begründung, fremdes geistiges Eigentum ohne Nennung zu verwenden. Man könnte meinen, man hätte ein Gespür dafür entwickelt, wessen Arbeit man da eigentlich zeigt.

Und hier hat man noch weniger vorzuweisen. Genau genommen, nichts. Nada. Die Technologie ist von Butterfly. Die Software zur Bildgebung enthält keine KI. Das muss man Goutieren: der Pionier im KI-Land lässt alles hinter sich, was mal die „Kernkompetenz“ von Midjourney ausmachte. Was er mitbringt? Eine Marke, die für erfundene Bilder steht, für ein Gerät, das präzise und echte Abbildungen liefern soll. Ausgerechnet.

Was der Scanner kann – und was Midjourney behauptet

Die Zahlen, die Midjourney präsentiert, sind eindrucksvoll. Auflösung bis auf einen halben Millimeter — vergleichbar mit klinischen MRT-Geräten. Zehnmal günstiger als ein MRI. Sechzigmal schneller. Keine ionisierende Strahlung, keine Magnetfelder.

Was davon stimmt? Der Prototyp existiert. Er wurde live vorgeführt. Zwölf Menschen wurden damit gescannt. Die 60 Sekunden sind ein Ziel, kein aktueller Betriebswert — Stand heute dauert ein Scan eher 20 Minuten. Die Auflösung von einem halben Millimeter ist auf Augenhöhe mit Standard-MRT, aber weit entfernt von den auflösungsstärkeren klinischen Hochfeldgeräten. Und eine FDA-Zulassung für diagnostische Zwecke: nicht vorhanden.

Midjourney ist offen damit. Man werde zunächst „nur detaillierte Körperzusammensetzungskarten” anbieten und nach und nach Testergebnisse bei der FDA einreichen. Auf gut Deutsch: Was sie bauen, ist derzeit ein sehr teurer Ganzkörper-Fettmessungssapparat mit Wellnesserlebnis, der irgendwann vielleicht ein Diagnosegerät wird.

Was der Scanner nicht kann — und was Midjourney verschweigt

Aber es gibt noch ein grundsätzlicheres Problem, das in keiner Pressemitteilung auftaucht: den Schädelknochen.

Ultraschall funktioniert hervorragend in Weichgewebe — Muskeln, Fett, Organe, Gefäße. Knochen ist eine andere Geschichte. Der Schädel reflektiert Schallwellen an seiner harten Außenschicht und streut sie in der schwammartigen Innenstruktur. Das Ergebnis: Das Gehirn bleibt für konventionellen Ultraschall im Wesentlichen unsichtbar. In der Medizin gibt es zwar die transkranielle Sonographie — aber nur durch winzige, dünnwandige Stellen am Schläfenbein, und selbst dort ist die Bildqualität so begrenzt, dass sie vor allem zur Messung von Blutfluss und Hirndruck taugt, nicht zur anatomischen Darstellung. Für eine strukturelle Hirndiagnostik braucht man nach wie vor MRT oder CT.

Das ist keine Kleinigkeit. Es bedeutet: Der Midjourney Scanner kann — physikalisch, nicht regulatorisch — das Gehirn nicht abbilden. Wer also behauptet, dieses Gerät sei „in vielerlei Hinsicht besser als ein MRT”, sollte vielleicht dazusagen, dass es einen ziemlich wesentlichen Teil des menschlichen Körpers schlicht nicht sieht. Den Teil, der denkt.

Und das alles im Spa.

Das Spa. Ja, das Spa.

Die Vision ist folgendermaßen: Eine gut 2.000 Quadratmeter große Anlage in San Francisco, mit Whirlpools, Saunen, Kaltwasserbädern und einem Fitnessstudio. Dazwischen, wie ein ganz normales Wellness-Angebot, der Ganzkörperscanner. Man geht also ins Spa, entspannt ein bisschen, und lässt sich dann in ein Wasserreservoir mit Ultraschallkanonen absenken. Holz hat das als „entspannten Ausflug ins Spa“ beschrieben, „so mächtig wie ein MRT”.

Öffnung: Ende 2027. Wenn die Regulierung mitspielt.

„Regulation is the next limit,” schreibt Midjourney in ihrem Blogpost. Das ist eine interessante Formulierung. Normalerweise sagen Medizingeräteunternehmen: „Wir brauchen die Zulassung.” Midjourney sagt: Die Regulierung ist das nächste Hindernis, das wir überwinden müssen. Das klingt wie jemand, der zum ersten Mal im Gesundheitssektor unterwegs ist und die FDA für eine besonders nervige Behörde hält, die man irgendwie überreden muss.

Die FDA ist keine nervige Behörde. Die FDA ist der Grund, warum Menschen nicht sterben, wenn ein Gerät behauptet, Tumore zu erkennen.

Warum das alles gerade passiert

Hier wird es interessant.

Midjourney ist ein außergewöhnliches Unternehmen. Kein Venture Capital. Keine externen Investoren. Etwas mehr 100 Mitarbeiter. 500 Millionen Dollar Umsatz im Jahr. Das ist eine der effizientesten Maschinen in der gesamten KI-Branche — fast fünf Millionen Dollar Umsatz pro Mitarbeiter. Profitabel seit dem zweiten Monat nach dem Launch.

Und trotzdem: Der Markt, den sie erfunden haben, ist nicht mehr allein ihrer.

FLUX vom deutschen Black Forest Labs macht qualitativ beeindruckende Bilder und ist teilweise Open Source — also effektiv kostenlos für alle, die einen GPU haben. Adobe Firefly ist tief in Creative Cloud integriert und bietet als einziges Werkzeug rechtssichere Indemnifizierung. OpenAIs GPT Image 2 ist für die 200 Millionen ChatGPT-Nutzer einfach schon da. Stable Diffusion läuft auf dem eigenen Rechner. Google hat Nano Banana 2, integriert in Gemini. Grok hat sein Bildmodul (nein, Grok verlinkt Der Promptologe nicht. Wenn Du jetzt fragen musst — warum? — dann solltest Du deine Lebensentscheidungen überdenken).

Und Midjourney kämpft gleichzeitig auf einer weiteren Front. Disney, Universal, Warner Bros., DreamWorks, Lucasfilm, Marvel, DC — ein beeindruckend vollständiges Lineup der Entertainmentindustrie — haben Sammelklagen eingereicht. Warner Bros. fordert 150.000 Dollar pro infringiertem Werk. Bei Millionen von erzeugten Bildern könnte das, im Extremfall, in den Milliardenbereich gehen.

Das ist die Situation: Wachsender Wettbewerb im Kerngeschäft, sinkende Preisbereitschaft der Nutzer durch kostenlose Alternativen, und eine existenzielle Rechtsunsicherheit im Hintergrund.

In dieser Situation baut man ein Spa.

Der Elefant im Wasserbassin

Der Promptologe möchte an dieser Stelle eine etwas unbequeme Beobachtung machen.

Wenn ein Unternehmen mit einer Kernkompetenz in einem Bereich plötzlich in ein völlig fremdes Feld kippt — Hardware, Medizin, Regulierung, Spa-Betrieb – dann ist das manchmal Genie. Steve Jobs hat auch nicht mit Musik angefangen. Amazon hat auch nicht als Cloud-Anbieter gestartet.

Manchmal ist es aber auch das Zeichen, dass das ursprüngliche Geschäftsmodell unter Druck steht. Dass man in einem Board-Meeting oder bei einem langen Spaziergang zu dem Schluss kommt: Wo wir gerade stehen, ist nicht sicher. Also: Wohin als nächstes?

Midjourneys Schritt ist insofern bemerkenswert, als er das genaue Gegenteil einer KI-Firma zeigt. Keine Skalierung der Rechenkapazität, kein neues Basismodell, kein API-Ausbau. Stattdessen: Lizenzierung fremder Hardware, Eintritt in einen regulierten Markt mit jahrelangen Zulassungszyklen, Planung einer Immobilie in San Francisco.

Das ist nicht Verlagern als Stärke. Das ist Stochern im Nebel. Warum ausgerechnet Ultraschall-Scans? Warum Butterfly? Man sucht im Marketing-Gewäsch nach greifbaren Aussagen. Da ist nichts.

Midjourney verlässt nicht seinen Markt, weil der Markt zu klein ist. Der Markt für KI-Bildgenerierung ist groß. Aber er ist in rasanter Geschwindigkeit komplizierter geworden. Billiger. Rechtlich exponiert. Wettbewerbsintensiver.

Und irgendwo auf dem langen Weg von „Text zu Bild in drei Sekunden” nach „Bitte steigen Sie in das Wasserbassin” ist ein Unternehmen verlorengegangen, das wusste, was es war.

Was das für den Rest der Branche bedeutet

Es ist kein Geheimnis, dass die KI-Branche gerade auf dem Papier viele Dinge ist, die sie in der Realität noch nicht ist. Bewertungen, die auf hypothetischen Zukunftsmärkten basieren. Umsätze, die auf Subskriptionsgebühren von Enthusiasten ruhen, nicht auf Enterprise-Budgets. Recheninfrastruktur, die Milliarden kostet und durch Abos von zehn Dollar pro Monat refinanziert werden soll.

Midjourney ist eines der wenigen KI-Unternehmen, das tatsächlich profitabel ist. Das macht seinen Pivot nicht weniger symptomatisch — im Gegenteil. Wenn ausgerechnet die profitable Ausnahme anfängt, ihr Kerngeschäft durch Badewannen zu ergänzen, dann sagt das etwas über den Zustand der Branche insgesamt.

Die KI-Blase muss nicht dramatisch platzen. Sie kann auch leise schrumpfen. Wenn Unternehmen, die für KI-Bildgenerierung stehen, plötzlich Ultraschallspas planen. Wenn die Differenzierung zu anderen Modellen schwerer fällt. Wenn die Rechtskosten steigen. Wenn Nutzer merken, dass das kostenlose Modell für ihre Zwecke ausreicht.

Dann ist die Blase nicht geplatzt. Sie ist einfach kleiner geworden als gedacht.

Der Promptologe wünscht David Holz alles Gute mit dem Spa. Ernsthaft. Die Technologie dahinter ist real. Butterfly Network baut gute Geräte. Ultraschall-Computertomographie ist ein interessantes Forschungsfeld, das an der Caltech und anderswo ernsthaft verfolgt wird.

Ob ein Bildgenerierungsunternehmen der richtige Betreiber dafür ist, werden die FDA, die Patientinnen und Patienten von 2028 und die Gerichte in Los Angeles entscheiden.

Bis dahin ist der Promptologe froh, dass seine Bilder immer noch von einem Algorithmus kommen.

Und nicht aus einer Badewanne.

Der Promptologe, 20.06.26
Offenlegung: Dieser Beitrag entstand mit Hilfe von Anthropic Claude.
(Nein, der Gedanken — ist kein Hinweis auf die KI. Ich schreibe so. Bin altmodisch.)

Meine gesammelten Erkenntnisse aus der wunderbaren Welt der KI-Entwicklung

Im Folgenden die Erklärung von Anthropic. Sie argumentieren rational und damit auf der falschen Ebene. Das ist mindestens eine Retourkutsche der Regierung für das unbotmäßige Verhalten von Anthropic:

Erklärung zur Anordnung der US-Regierung, den Zugriff auf Fable 5 und Mythos 5 auszusetzen

12. Juni 2026

Die US-Regierung hat unter Berufung auf nationale Sicherheitsbehörden eine Exportkontrollanordnung erlassen, wonach jeglicher Zugriff auf Fable 5 und Mythos 5 durch ausländische Staatsangehörige – unabhängig davon, ob sie sich innerhalb oder außerhalb der Vereinigten Staaten befinden – einschließlich ausländischer Mitarbeiter von Anthropic, ausgesetzt werden muss. Die Folge dieser Anordnung ist, dass wir Fable 5 und Mythos 5 für alle unsere Kunden unverzüglich deaktivieren müssen, um die Einhaltung der Vorschriften zu gewährleisten. Der Zugriff auf alle anderen Anthropic-Modelle bleibt davon unberührt.

Wir haben die Anordnung der Regierung heute um 17:21 Uhr (ET) erhalten. Das Schreiben enthielt keine konkreten Details zu den Bedenken hinsichtlich der nationalen Sicherheit. Nach unserem Verständnis geht die Regierung davon aus, dass ihr eine Methode zur Umgehung oder zum „Jailbreaking“ von Fable 5 bekannt geworden ist. Wir haben eine Demonstration dieser spezifischen Technik geprüft, die zur Identifizierung einer kleinen Anzahl bereits bekannter, geringfügiger Schwachstellen verwendet wurde. Diese Schwachstellen erscheinen alle relativ einfach, und wir haben festgestellt, dass auch andere öffentlich zugängliche Modelle in der Lage sind, sie zu entdecken, ohne dass eine Umgehung erforderlich ist.

Die Haltung von Anthropic in Bezug auf die Sicherheitsvorkehrungen von Fable, wie in unserem Blogbeitrag zur Markteinführung dargelegt, ist folgende:

Wir haben strenge Sicherheitsvorkehrungen getroffen, die die Wahrscheinlichkeit, dass Fable für Aufgaben im Zusammenhang mit Cybersicherheit (unter anderem) missbraucht wird, erheblich verringern. Tatsächlich sind unsere Sicherheitsvorkehrungen so streng, dass sich viele Nutzer darüber beschwert haben, dass sie zu weitreichend seien.

In den Wochen vor der Einführung von Fable arbeitete Anthropic mit der US-Regierung, der britischen AISI, mehreren privaten Drittorganisationen und internen Teams zusammen, um die Sicherheitsvorkehrungen von Fable insgesamt über Tausende von Stunden hinweg einem Red-Team-Test zu unterziehen.

Diese Tests zeigten, dass die Sicherheitsvorkehrungen von Fable wesentlich wirksamer sind als die aller bisher eingesetzten Modelle.

Bislang ist es keinem Tester gelungen, einen universellen Jailbreak zu finden – also eine Jailbreak-Methode, die die Sicherheitsvorkehrungen des Modells weitgehend umgehen und eine breite Palette von Cyber-Fähigkeiten freischalten kann.

Wir vermuten, dass eine perfekte Jailbreak-Resistenz derzeit für keinen Modellanbieter möglich ist. Jede in der Branche verwendete Sicherheitsmaßnahme ist anfällig für nicht-universelle Jailbreaks (die unter bestimmten Umständen bestimmte Cyber-Informationen auslösen können), und es ist wahrscheinlich, dass in Zukunft irgendwann universelle Jailbreaks gefunden werden. Dies haben wir bei der Veröffentlichung von Fable 5 klar zum Ausdruck gebracht.

Da eine perfekte Jailbreak-Resistenz heute offenbar nicht möglich ist, hat Anthropic bei Fable 5 eine Strategie der tiefgestuften Verteidigung verfolgt. Unser Ziel war es, Jailbreaks entweder eng gefasst (im Falle von nicht-universellen Jailbreaks) oder sehr aufwendig in der Durchführung (im Falle von universellen Jailbreaks) zu gestalten und dies mit einer gründlichen Überwachung zu kombinieren, um erfolgreiche Angriffe schnell zu erkennen und zu unterbinden. Dies ist auch der Grund, warum Anthropic bei Fable eine 30-tägige Aufbewahrung von Kundendaten verlangt – eine Richtlinienänderung, die für uns echte Kosten gegenüber den Kunden mit sich bringt, uns aber ermöglicht, Jailbreaks zu erforschen und deren Auswirkungen zu mindern.

Wir stehen zu dieser Strategie der mehrschichtigen Verteidigung. Sie reduziert die von Fable ausgehenden Risiken und macht sie vergleichbar mit den Risiken bestehender Modelle, die bereits branchenweit im Einsatz sind.

Uns wurde noch nicht einmal ein besorgniserregender, nicht universeller potenzieller Jailbreak gemeldet, der zu einem schädlichen Ergebnis geführt hätte. Die potenziellen Jailbreaks, die uns gemeldet wurden, sind entweder völlig harmlose Reaktionen oder geringfügige Befunde, die keinen Mythos-spezifischen Nutzen bieten.

Bislang hat uns die Regierung nur mündliche Hinweise auf einen potenziellen, begrenzten, nicht universellen Jailbreak gegeben, der im Wesentlichen darin besteht, das Modell aufzufordern, eine bestimmte Codebasis zu lesen und etwaige Softwarefehler zu beheben. Nach unserem Verständnis wurde der Regierung ein potenzieller Jailbreak mitgeteilt. Wir haben einen Bericht geprüft, von dem wir annehmen, dass er die Grundlage für die Anordnung der Regierung bildet, und bestätigt, dass das darin dargestellte Leistungsniveau bei anderen Modellen (einschließlich OpenAI’s GPT-5.5) weit verbreitet ist und täglich von den Sicherheitsfachleuten genutzt wird, die für die Sicherheit der Systeme sorgen. Wir werden in den nächsten 24 Stunden weitere Details bekannt geben.

Wir halten uns an die rechtliche Anordnung der Regierung und sperren den Zugriff auf Fable 5 und Mythos 5 für alle Nutzer. Wir sind jedoch nicht der Meinung, dass die Entdeckung eines begrenzten potenziellen Jailbreaks Anlass sein sollte, ein kommerzielles Modell zurückzurufen, das bei Hunderten von Millionen Menschen im Einsatz ist. Würde dieser Standard branchenweit angewendet, würde dies unserer Ansicht nach im Wesentlichen alle neuen Modellbereitstellungen für alle Anbieter von Pioniermodellen zum Erliegen bringen.

Wie wir bereits öffentlich erklärt haben, sind wir der Ansicht, dass die Regierung die Möglichkeit haben sollte, unsichere Bereitstellungen zu blockieren – im Rahmen eines gesetzlichen Verfahrens, das transparent, fair, klar und auf technischen Fakten basiert. Diese Maßnahme entspricht diesen Grundsätzen nicht.

Wir entschuldigen uns bei unseren Kunden für diese Beeinträchtigung. Wir glauben, dass es sich um ein Missverständnis handelt, und arbeiten daran, den Zugang so schnell wie möglich wiederherzustellen.

Link zum Original der Erklärung: https://www.anthropic.com/news/fable-mythos-access

München, Mittwoch, 10. Juni. Das dritte Claude-Community-Meetup in dieser Stadt — nach „für alle” und „für Designer” nun also „für Entwickler”. Der Promptologe ist gespannt. Technischere Vorträge, mehr Substanz, weniger Elevator Pitch. So war es versprochen.

Das Versprechen wurde gehalten.

Drei Lightning Talks, drei Sprecher, ein gemeinsames Thema, das sich erst im Nachhinein als solches offenbart: Wer KI-Agenten in echte Systeme lässt, sollte sich vorher sehr genau überlegt haben, was er damit einlädt.

500 Jahre alte Lösung für ein Problem von übermorgen

Philip Stanislaus, CTO von Causa Prima, eröffnet. Sein Unternehmen automatisiert Rechnungsprozesse zwischen Unternehmen und Freiberuflern — also genau die Domäne, in der ein halluzinierter Betrag oder eine manipulierte IBAN nicht einfach rückgängig gemacht werden kann.

Stanislaus ist jemand, der über Sicherheit nicht mit Schulterzucken spricht. Er hat

ein System gebaut, das Agenten wie Mitarbeiter in einem Bürogebäude behandelt: Es gibt eine Eingangskontrolle, Zugangskarten, abgesperrte Räume und eine Poststelle, durch die alles nach draußen muss. Kein Agent spricht mit einem anderen per Freitext — zu groß das Risiko, dass dabei eine Instruktion eingeschmuggelt wird, die eigentlich nicht dort hingehört.

Den konzeptionellen Kern hat er sich nicht selbst ausgedacht. Luca Pacioli hat ihn vor 500 Jahren beschrieben: doppelte Buchführung. Jede Transaktion an zwei unabhängigen Stellen erfassen, am Ende müssen die Bücher aufgehen. Wer etwas manipulieren will, muss es an beiden Stellen tun. Das macht Angriffe nicht unmöglich, aber erheblich aufwendiger.

In der Live-Demo läuft eine API-Integration. Stanislaus injiziert einen stillen Drift — eine undokumentierte Änderung der Schnittstelle. Der Agent erkennt die Anomalie, stoppt den Datenstrom, analysiert, schreibt einen Test, korrigiert den Connector. Die Rechnungen fließen wieder. Dauer: unter 30 Sekunden.

Der Promptologe notiert: Das ist keine Spielerei. Das ist Ingenieursarbeit.

411 Werkzeuge. Keiner hat gefragt, ob das eine gute Idee ist

Johannes Keienburg, CEO von Cakewalk, stellt zu Beginn eine Frage ans Publikum: Wie viele Werkzeuge stellt der GitHub MCP-Server zur Verfügung?

Jemand ruft: 50.

Nah dran. Es sind 51.

Und Linear? Stille. Keienburg löst auf: 411.

Der Promptologe überlegt kurz, ob er das richtig gehört hat. Er hat.

Wer heute einen KI-Agenten mit einem dieser Dienste verbindet — über die Oberfläche, per OAuth, schnell mal eben — gibt dem Agenten Zugriff auf alle 411 Aktionen. Nicht auf die zehn, die für die Aufgabe relevant wären. Auf alle. Der Agent hat damit in vielen Fällen breiteren Zugriff als der Mensch, der ihn gerade eingerichtet hat.

Keienburg hat das am eigenen System erlebt. Sein Agent hat eine Datenbank gelöscht. Nicht weil jemand eingebrochen wäre. Nicht weil der Agent böswillig gewesen wäre. Sondern weil er die Berechtigung hatte und den Schritt für sinnvoll hielt. Kein Katastrophe, wie Keienburg einräumt. Aber ein Moment der Klarheit.

Die Lösung, die Cakewalk gebaut hat, ist ein Gateway zwischen Agent und Drittsystem. Es wertet Richtlinien aus und entscheidet: Darf dieser Agent in diesem Kontext diese Aktion ausführen? Ein Vertriebsmitarbeiter-Agent bekommt keinen Schreibzugriff auf Produktionsdatenbanken — auch wenn der MCP-Server das technisch anbieten würde.

Keienburg ist überzeugt: Guardrails im Sprachmodell selbst lösen dieses Problem nicht. Ein probabilistisches System kann unter bestimmten Bedingungen ausgetrickst werden. Die Kontrolle muss deterministisch sein — außerhalb des Modells, in der Architektur.

Der Promptologe denkt an alle KI-Agenten, die gerade irgendwo mit allem verbunden werden. Und daran, dass das Löschen einer Datenbank in Sekunden geht.

Der neue Kollege sitzt in einem Mac Mini im Keller

Florian Wenzel, Softwarearchitekt bei der BITS GmbH, nähert sich dem Thema von der anderen Seite. Weniger Sicherheitsarchitektur, mehr Betriebsrealität: Wie bringt man Claude Code sinnvoll in ein Entwicklungsteam?

Seine These: Man behandelt den Agenten wie einen Kollegen. Mit einem eigenen GitHub-Account, definierten Zugriffsrechten, klar umrissenen Aufgaben. Und ohne Zugriff auf Deployment-Keys oder Kundendaten.

Was Claude Code gut kann: Features implementieren, CI-Fehler beheben, Merge-Konflikte auflösen, Code-Review-Kommentare umsetzen. Was man ihm besser nicht übergibt: Kundengespräche, Anforderungserhebung, Entscheidungen über Releases.

Nicht weil er es nicht könnte. Weil man ihm dabei noch nicht vertraut.

Die Demo ist konkret. Wenzel öffnet ein GitHub-Issue — über Fable, einen Browser-Agenten, was den Aufwand auf etwa drei Klicks reduziert. Kurz darauf hat Agent Nummer eins eine Implementierung eingereicht und einen Pull Request geöffnet. Agent Nummer zwei übernimmt das Review. Alles ohne Eingriff.

Dass die Agenten dabei gelegentlich über das Ziel hinausschießen, findet Wenzel eher amüsant als beunruhigend. Einer hat beim Review einen unabhängigen Bug im Quellcode entdeckt — nichts, was mit dem PR zu tun hatte — und dazu eigenständig ein Issue eröffnet, das er Wenzel zur Bearbeitung zuwies. Ein anderer hat eine instabile CI-Umgebung bemerkt und ebenfalls ein Issue angelegt, mit der Bitte, das Problem zu beheben.

Der Agent schickt seinem Vorgesetzten eine Aufgabe. Der Promptologe findet das bemerkenswert. Und leicht vertauschend.

Was in der Diskussion offen bleibt

In der gemeinsamen Fragerunde kristallisiert sich das eigentliche Spannungsfeld heraus. Die Modelle können vieles. Die Frage ist nicht mehr, ob sie es können. Die Frage ist, welche Fehler man akzeptiert — und welche nicht.

Stanislaus bringt es auf den Punkt: Bei einer falsch sortierten Rechnung kann man großzügig sein. Beim falschen Release in Produktion eher nicht.

Keienburg ergänzt: Das Sicherheitsproblem löst sich nicht dadurch, dass die Modelle besser werden. Es löst sich dadurch, dass man aufhört, Agenten mehr Rechte zu geben als nötig.

Und Wenzel? Der hat schon begonnen, bestimmte Teile der Codebasis als Sperrzone zu markieren. Infrastructure-Code nur mit menschlichem Review. Den Policy-Layer fasst kein Agent an. Zumindest nicht alleine.

Um 20:15 Uhr öffnen die Pizzaboxen. Die Gespräche gehen weiter.

Der Promptologe fährt nach Hause und fragt sich, wie vielen KI-Agenten gerade irgendwo gerade 411 Werkzeuge zur Verfügung stehen.

Vermutlich sehr vielen.

Der Promptologe, 12.06.2026
Offenlegung: Dieser Beitrag entstand mit Hilfe von Anthropic Claude.
(Nein, der Gedanken — ist kein Hinweis auf die KI. Ich schreibe so. Bin altmodisch.)

Meine gesammelten Erkenntnisse aus der wunderbaren Welt der KI-Entwicklung

Es gibt einen Satz, der an der Börse immer ein bisschen komisch klingt, weil er so vernünftig ist, dass ihn dort niemand ernst nimmt: Take profits.

Die Analysten der Bank of America Securities haben ihn diese Woche trotzdem ausgesprochen. Strategin Savita Subramanian und ihr Team haben in einer Notiz vom 5. Juni ausgerechnet, dass inzwischen rund 70 Prozent jener Warnsignale aufgeleuchtet sind, die historisch an Marktspitzen zu beobachten waren. Der S&P 500 sei auf 17 von 20 Bewertungsmetriken statistisch teuer – und liege damit sogar über den Niveaus, die man aus der Dotcom-Blase* kennt.

Ihre Empfehlung: Gewinne mitnehmen.

Der Promptologe liest das und schaut sich den Kalender an: SpaceX plant seinen Börsengang für Juni, angeblich unter dem Ticker SPCX auf dem Nasdaq. Angestrebte Bewertung: 1,75 bis zwei Billionen Dollar. Elon Musk würde damit, auf dem Papier, zum ersten Billionär der Geschichte. Für einen Nachmittag oder so.

Zur Einordnung: SpaceX hat 2025 einen Umsatz von 18,7 Milliarden Dollar erwirtschaftet – und dabei 4,9 Milliarden Dollar Verlust gemacht. Im ersten Quartal 2026: 4,7 Milliarden Umsatz, 4,3 Milliarden Verlust. Das Verhältnis ist bemerkenswert stabil. Und zwar im falschen Sinne.

Gleichzeitig soll der Börsengang von SpaceX deutlich überzeichnet sein, da zahlreiche institutionelle Anleger Aktien im Wert von rund 10 Milliarden Dollar oder mehr gezeichnet hätten, so der Wirtschaftsdienst Bloomberg. Keine Pointe.

Hyperschall-Kapitalismus

Weiter geht’s: OpenAI will irgendwann mit einer Billion Dollar Bewertung an die Börse. Databricks wurde im Dezember mit 134 Milliarden bewertet — niedlich im Vergleich: Anthropic schloss im März eine Finanzierungsrunde bei 61,5 Milliarden Dollar ab und ist jetzt 965 Milliarden Dollar Wert — eine unglaubliche Wertsteigerung: Noch im Februar lag die Bewertung von Anthropic bei 380 Milliarden Dollar, weniger als der Hälfte also. Vor vier Monaten. Anthropic, wohlgemerkt, das Unternehmen hinter dem Modell, das der Promptologe gerade zum Schreiben dieses Textes verwendet. Ein schöner Meta-Moment.

Laut CB Insights ging im dritten Quartal des vergangenen Jahres jeder dritte Risikokapitaldollar an eine KI-Firma.

Jeder dritte Dollar.

Die Frage, die alle stellen und die niemand beantwortet

Blase oder nicht? Die Antwort ist seit anderthalb Jahren dieselbe, und sie ist schön in ihrer Nutzlosigkeit: Kommt drauf an.

Databricks-CEO Ali Ghodsi sagte im Dezember 2024, man befinde sich auf dem Höhepunkt der KI-Blase – meinte damit aber nicht seine eigene Firma, sondern all jene mit Milliardenbewertungen und nichts dahinter. Ray Dalio, Gründer der größten Hedgefonds-Gesellschaft der Welt, warnte im November 2025 ebenfalls vor einer Blase und empfahl gleichzeitig, nicht zu verkaufen, sondern zu diversifizieren. Gold. Natürlich Gold. Nvidias Chef Jensen Huang sieht keine Blase, sieht stattdessen eine generative, dann agentische, dann physische KI-Revolution, die alles verändert, und Nvidia ist sowieso anders als alle anderen Beschleuniger.

Jeder hat recht. Keiner weiß es.

Was man sagen kann: Die Muster sind bekannt. Die Dotcom-Blase* hatte spektakuläre Umsatzversprechen und kaum Gewinne. Die aktuellen KI-Bewertungen haben spektakuläre Umsatzversprechen und, nun ja, kaum Gewinne. Der Unterschied, der von den Optimisten gerne betont wird: diesmal gibt es echte Produkte, echte Nutzer, echten Umsatz. Das stimmt.

Was auch stimmt: Pets.com hatte damals auch eine echte Website. So wie Amazon. Von allen Börsenstars der damaligen Zeit blieben nach dem Crash einige übrig, die zu heutigen Giganten wurden. Aber das dauerte Jahrzehnte.

Was SpaceX mit dem Ganzen zu tun hat

Direkt: wenig. Indirekt: viel.

SpaceX ist kein KI-Unternehmen im engeren Sinne, aber es ist das Unternehmen, das den größten Börsengang aller Zeiten plant – mehr als doppelt so groß wie jeder vorherige IPO – in einem Markt, der laut Bank of America an historischen Spitzenwerten kratzt. Bloomberg titelt, der SpaceX-IPO zwinge Indexfonds und Retailinvestoren dazu, ihre Strukturen zu überdenken, weil das Unternehmen einfach zu groß ist, um nach den bisherigen Regeln eingepreist zu werden.

Das klingt nach Triumph. Es klingt aber auch nach dem Moment, kurz bevor jemand aus dem Fenster springt und feststellt, dass Fliegen anstrengender ist als erwartet. In der Dotcom-Blase wurde der „Neue Markt“ an der Frankfurter Börse gegründet, er sollte der Nasdaq Konkurrenz machen. Je mehr Verlust ein Unternehmen machte, desto aggressiver die Vision und die langfristigen Gewinnaussichten. Die vermeintlichen. Das war New Economy. Die Schwerkraft war aufgehoben.

Die Party dauerte so rund fünf Jahre. Mit dem Crash wurde dann auch der Neue Markt geschlossen. Das Kursbarometer des Segments verlor zwischen Hoch und Tief knapp 96 Prozent, und in Summe verloren Anleger einen zweistelligen Milliardenbetrag.

Das WSJ hat sich die SpaceX-IPO-Unterlagen angeschaut und ein paar Details mitgenommen: Musk kontrolliert 85 Prozent der Stimmrechte. SpaceX kaufte 2025 Cybertruck-Fahrzeuge von Tesla zum vollen Listenpreis. SpaceX und xAI bauen gemeinsam eine gigantische Chip-Fabrik namens Terafab. Die Querverbindungen und kreislaufenden Finanzierungen zwischen Musks Unternehmen lesen sich wie ein Konzernjahr aus einem Wirtschaftsstudium – Kapitel: Interessenkonflikte.

Ob das Investoren stört? In einer Euphoriephase eher nicht. In einer Korrektur: ausgesprochen.

Der Wirtschaftsdienst Bloomberg hat den möglichen Ablauf einer solchen Korrektur in seinem Newsletter skizziert:

Die Krise beginnt mit einem Vertrauensverlust und einem Einbruch der US-Aktienmärkte. In unserer Analyse gehen wir davon aus, dass der S&P 500 um 20 % fällt – etwa die Hälfte des Rückgangs beim Platzen der Dotcom-Blase.
…
Für die USA würde die kombinierte Wirkung eines Marktcrashs und eines Einbruchs der Investitionsausgaben die Wirtschaft an den Rand einer Rezession bringen. Unter der Annahme, dass der Crash zu Beginn des nächsten Jahres eintritt, zeigt unser Modell, dass das BIP-Wachstum für 2027 um 1,5 Prozentpunkte einbrechen würde – von einer Basisprognose von rund 2 % auf nur noch 0,4 % –, wobei die Wirtschaft zwei Quartale lang schrumpfen würde.

In Taiwan und Südkorea hat die Nachfrage nach Halbleitern von Taiwan Semiconductor Manufacturing Corporation, Samsung Electronics und SK Hynix das Wachstum angekurbelt. Ein Vertrauensverlust würde die Nachfrage einbrechen lassen. Unser Modell zeigt einen Rückgang des jährlichen BIP in Taiwan um etwa 4 % und in Südkorea um über 2 %.

China und Europa – die weniger stark von den Aufwärtsimpulsen der KI-Revolution profitieren und daher weniger anfällig sind, sollte diese vorübergehend zum Stillstand kommen – erleiden einen geringeren, aber dennoch erheblichen Rückschlag, da die US-Verbraucher ihre Geldbörsen schließen und sich die Stimmung trübt. Für die Welt insgesamt belaufen sich die Kosten auf etwa 1,3 % des jährlichen BIP oder 1,6 Billionen US-Dollar – mehr als die gesamte Jahresleistung der Schweiz.

Unser Modell quantifiziert die Intuition hinter den Befürchtungen einer Blase. Es zeigt, dass KI-Investitionen und -Bewertungen ein Niveau erreicht haben, bei dem eine Umkehr der Stimmung ausreichen könnte, um die Weltwirtschaft zu beeinträchtigen.

Und jetzt?

Der Promptologe ist kein Finanzberater, macht keine Anlageempfehlungen und besitzt, soweit er weiß, keine SpaceX-Aktien. Er beobachtet nur, dass gerade mehrere Dinge gleichzeitig passieren, die in Kombination interessant sind: ein Rekord-IPO in einem überhitzten Markt, Warnsignale auf dem Niveau früherer Hochpunkte, Bewertungen, die historische Vergleiche bemühen müssen – und zwar solche aus dem Jahr 2000.

Ray Dalio sagte, die Blase platzt, wenn die Thiels dieser Welt verkaufen müssen, weil ihnen das Geld ausgeht.

Ob SpaceX ein Peak-Signal ist oder der Beginn eines neuen Kapitels – man wird es in ein paar Jahren wissen. Wahrscheinlich in drei. Vielleicht auch schon in sechs Monaten.

Take profits, sagt Bank of America.

Ein Bullenmarkt ist wie Sex: am schönsten vor dem Ende. Sagt André Kostolany.

Das Geld ist nicht weg, es hat nur jemand anderes. Sagen die Ökonomen.

Der Promptologe nimmt das zur Kenntnis und trinkt seinen Kaffee aus. Den hat er nicht auf Kredit gekauft.

*wenn ihr zu jung seid, um in der Dotcom-Blase Geld verloren zu haben, hier könnt ihr nachlesen. Für etwaige Parallelen und Déjà-vu-Erlebnisse übernimmt Der Promptologe keine Gewähr: Dotcom-Blase

Der Promptologe, 09.06.2026
Offenlegung: Dieser Beitrag entstand mit Hilfe von Anthropic Claude.
(Nein, der Gedanken — ist kein Hinweis auf die KI. Ich schreibe so. Bin altmodisch.)

Meine gesammelten Erkenntnisse aus der wunderbaren Welt der KI-Entwicklung

Jeder will vorne sein. Keiner bleibt es. Jedes neue Feature wird wenige Wochen später von allen anderen nachgebaut, jeder Benchmark überholt.
Nano Banana 2 / Prompt Der Promptologe

Es ist Montagmorgen. Der Promptologe hat noch nicht seinen ersten Kaffee getrunken, da blinkt es schon im Posteingang, in drei verschiedenen Newsletter, zweimal auf LinkedIn und einmal per Signal von jemandem, der es gut meint: *Das neue Modell von [hier Name einsetzen] ist das leistungsstärkste, das je existiert hat.*

Aha.

Der Promptologe kennt dieses Gefühl inzwischen gut. Es ist das gleiche Kribbeln wie früher beim Lesen von Autotests, wo jeder neue Golf „das beste Auto seiner Klasse“ war. Nur dass der Takt hier kein Modelljahr braucht, sondern ungefähr sechs Wochen.

Der Benchmark-Zirkus

Schuld daran ist ein kleines, unschuldiges Konzept: der Benchmark. Im Prinzip eine gute Idee — man nehme standardisierte Testaufgaben, lasse verschiedene Modelle drüber laufen, schaue, wer am besten abschneidet. Fertig ist die Rangliste.

Das Problem: Die KI-Labore haben verstanden, wie das Spiel funktioniert. Man trainiert sein Modell auf genau jene Aufgaben, die in den Benchmarks auftauchen. MMLU, HumanEval, GPQA — klingt wie das Alphabet einer Geheimgesellschaft, und ein bisschen ist es das auch. Wer die Kürzel kennt, sitzt am Tisch. Wer nicht, nickt respektvoll und googelt hinterher.

Das Ergebnis: Jedes neue Modell schlägt seinen Vorgänger auf den Benchmarks. Zuverlässig wie das Amen in der Kirche. Und jedes Labor veröffentlicht natürlich genau jene Zahlen, die es in besonders hellem Licht erscheinen lassen. Die anderen Zahlen – nun ja, die finden sich irgendwo in Anhang C des technischen Berichts.

Die Liturgie der Pressekonferenz

Der Promptologe hat sich angewöhnt, Modell-Launches mit einer gewissen zeremoniellen Distanz zu beobachten. Die Dramaturgie ist inzwischen vorhersehbar.

Erst: Die mysteriösen Andeutungen. Ein paar kryptische Posts auf X, gerne mit Countdown. Die Community beginnt zu spekulieren. Wird es GPT-5 sein? Gemini Ultra Pro Max? Oder doch das nächste Claude?

Dann: Der Launch. Mit Liveübertragung, falls es ein großes Labor ist. Jemand in einem schönen Pullover erklärt, man habe eine neue Stufe der Intelligenz erreicht. Auf der Folie dahinter: Balkendiagramme. Die eigenen Balken ragen stets ein Stück weiter nach rechts als die der Konkurrenz.

Und schließlich: Die Benchmarks. Staatsexamen der KI-Welt. Das Modell habe auf dem MMLU-Datensatz 91,3 Prozent erreicht, gegenüber 89,7 beim Vorgänger. Der Promptologe fragt sich jedes Mal, ob irgendjemand im Saal — oder im Stream — weiß, was das konkret bedeutet. Für das Verfassen einer Bewerbung. Oder das Zusammenfassen eines Arztbriefes. Oder das Debuggen von Python-Code um halb elf abends.

Meistens weiß das niemand so genau.

Sechs Wochen später

Dann kommt das nächste Modell. Und das übernächste. OpenAI, Anthropic, Google, Meta, Mistral, xAI — sie alle spielen mit, der Takt wird schneller, die Superlative schriller.

Der Promptologe hat sich eine kleine Privatstatistik angelegt. In den vergangenen zwölf Monaten wurde ihm mindestens neunmal das „leistungsstärkste Modell, das je existiert hat“ präsentiert. Einmal sogar zweimal in derselben Woche – das war ein besonders ergiebiger Moment für die Statistik.

Was in dieser ganzen Aufregung gerne untergeht: Die Modelle werden tatsächlich besser. Das ist das Verblüffende. Nicht auf eine Weise, die immer sofort im Alltag spürbar ist. Aber wer heute ein aktuelles Modell mit dem vergleicht, was vor zwei Jahren State of the Art war, reibt sich die Augen.

Das macht die Sache komplizierter als sie aussieht. Der Hype ist laut und meistens übertrieben. Der Fortschritt ist real und manchmal unterschätzt. Beides gleichzeitig.

Was der Promptologe daraus macht

Er testet. Das ist am Ende das einzige Mittel gegen Benchmark-Gläubigkeit: einfach ausprobieren, ob das neue Wundermodell die eigene Aufgabe tatsächlich besser löst als das alte.

Manchmal ja. Manchmal nein. Manchmal ist es bei Aufgabe A besser und bei Aufgabe B schlechter. Die Wahrheit ist meistens unordentlicher als die Balkendiagramme.

Der Promptologe hat sich deshalb eine Faustregel zugelegt: Wenn jemand das Wort „bahnbrechend“ benutzt, wartet er zwei Wochen. Wenn das Modell dann noch jemanden interessiert, schaut er es sich an.

In der KI-Branche sind zwei Wochen übrigens eine kleine Ewigkeit. Manchmal reicht das schon für die nächste Epoche der Geschichte.

Und deshalb hat Promptologe inzwischen einen Strich unter die Sache gezogen. Die Modelle nehmen sich nichts mehr, sie unterscheiden sich in ihren Fähigkeiten nur noch marginal. Die bahnbrechenden Entwicklungen sind vorbei, wir sind in der Phase der graduellen Weiterentwicklung angekommen. Jedes neue Feature von dem einen Modell ist drei Monate später bei allen anderen vorhanden. Die Modelle haben ihre Eigenständigkeit verloren, sind austauschbar geworden. Auch preislich gibt es keine Differenzierung, die 20 Dollar Monatsgebühr sind scheinbar Industriestandard.

Wenn es um das Töten von Menschen geht, gibt es doch Unterschiede

Ein Anbieter unterscheidet sich aber auf einem ganz anderen Feld: Anthropic mit Claude ist so ziemlich der Einzige, der noch ethische Ansprüche an sein Handeln hat. Der Chef und Mitgründer Dario Amodai hat sich mit dem allmächtigen Kriegsminister Peter Hegseth angelegt und ihn darauf hingewiesen, dass in seinen Verträgen verboten wird, die Modelle zum Töten von Menschen einzusetzen. Konkret: der Einsatz in autonomen Waffen oder zur Massenüberwachung ist in den Anthropic-Verträgen untersagt. Amodei ist nicht irgendein Manager. Er ist KI-Forscher und war schon bei der Gründung von OpenAI mit ChatGPT dabei.

Das führte zu einer gewaltigen Eskalation. Das US-Verteidigungsministerium (Pentagon) stufte Anthropic zeitweise offiziell als „Lieferketten-Risiko“ für die nationale Sicherheit ein. Damit hätten alle amerikanischen Unternehmen Claude aus ihren Systemen entfernen müssen, die Aufträge des Pentagon haben. Ein riesiger finanzieller Schaden für Anthropic drohte. Die Sperre ist per Gerichtsbeschluss erstmal ausgesetzt, eine endgültige Entscheidung des Gerichts steht aber noch aus.

Damit differenziert sich Anthropic auf dem Feld des verantwortungsvollen und ethischen Handelns deutlich von den anderen Anbietern. ChatGPT etwa konnte gar nicht schnell genug dem Pentagon seine Modelle als Ersatz von Claude für das Töten von Menschen anbieten.

Anthropics verantwortungsvolles Handeln setzte sich fort mit der Entscheidung, ihr neues Modell „Mythos“ noch nicht einfach freizuschalten, sondern mit Unternehmen der kritischen Infrastruktur (Banken, Softwarehäusern, Verteidigungsindustrie, etc.) zu testen. Dem Vernehmen nach findet Mythos bisher unerkannte Sicherheitslücken und wäre damit ein Angriffswerkzeug für jeden, der ganze Staaten und Industrien schädigen will. Mehr zu dieser Haltung von Anthropic in einem der nächsten Posts.

Wenn ihr euch fragt — welches Modell soll ich nun benutzen? Dann ist die beruhigende Antwort: jedes. Von den Fähigkeiten her könnt ihr nichts falsch machen. Wenn ihr aber ethisches Handeln der Anbieter unterstützen wollt, dann bleibt derzeit nur Anthropic mit Claude. Und Mistral, als europäische Alternative, die aber mit den amerikanischen Flaggschiffen nicht mithalten kann.

Die Austauschbarkeit im Bereich der Fähigkeiten wird für die amerikanischen Kolosse zum Problem. Sie haben keinen USP mehr, der sie von der Konkurrenz abhebt. Das Feld wird sich bereinigen. Wer wird überleben, wer wird verschwinden (oder vom größeren Fisch geschluckt)? Das wird Thema einer der nächsten Posts.

-----

Der Promptologe testet inzwischen — nichts. Und wird nicht darüber berichten. Auch nicht, bevor das übernächste Modell erscheint.

Er ist mit Claude zufrieden.

Der Promptologe. 08.06.2026.

Offenlegung: Dieser Beitrag entstand mit Hilfe von Anthropic Claude.
(Nein, der Gedanken — ist kein Hinweis auf die KI. Ich schreibe so. Bin altmodisch.)

Meine gesammelten Erkenntnisse aus der wunderbaren Welt der KI-Entwicklung

Das Platformer-Game der KI. Der Blockbuster diesen Sommer.
Nano Banana 2, Prompt Der Promptologe

Die Plattform schlägt das Modell

Es gibt Momente, in denen eine Umsatztabelle mehr sagt als jeder Benchmark. Der Mai 2026 hat so einen Moment geliefert.

Anthropic hat OpenAI beim Enterprise-Spending überholt. Erstmals. Und das, obwohl GPT-5 auf den gängigen Benchmarks nach wie vor vor Claude liegt. Der Promptologe reibt sich kurz die Augen und liest noch einmal nach. Ja, steht so da.

Der Investor Ravi Mehta hat dieses Paradox in einem vielbeachteten Text seziert: Anthropic konkurriert nicht mehr auf der Modellebene. Anthropic konkurriert auf der Plattformebene. Das Model Context Protocol, Claude Code im Terminal, eine offene Ökosystem-Strategie — Mehta vergleicht das mit Microsofts Windows-Strategie der 1990er Jahre. Und wer sich an die 1990er erinnert, weiß: Microsoft hat damals nicht gewonnen, weil Windows das schönste Betriebssystem war. Wobei Claude — nach absolut subjektiver Meinung des Promptologen — die schönste KI derzeit ist.

Die eigentliche Entscheidung fällt also nicht im Benchmark, sondern in den Werkzeugen, Workflows und Integrationspunkten des Alltags. Der Promptologe findet das einerseits logisch und andererseits leicht beunruhigend — denn dieselbe Logik hat uns damals auch den Internet Explorer beschert.

Die Chinesen kommen: Sechzig Prozent. Und das in anderthalb Jahren.

Während Anthropic also die Unternehmensebene aufrollt, passiert gleichzeitig etwas auf dem globalen Markt, das die Branche noch nicht wirklich verdaut hat. Auf OpenRouter — einem Marktplatz, über den Entwickler auf Hunderte von Modellen zugreifen — stiegen chinesische Modelle von rund einem Prozent der Nutzung im Jahr 2024 auf über sechzig Prozent im Mai 2026. Sechzig. Prozent. In anderthalb Jahren.

DeepSeek, Moonshot, Xiaomi, Zhipu. Leistung auf Frontier-Niveau, zu einem Bruchteil der Kosten amerikanischer Anbieter. Laut Artificial Analysis kostet Claude für denselben Workload fast neunmal so viel wie das günstigste chinesische Konkurrenzmodell. Neunmal. Anthropic selbst hat in einem Policy Paper eingeräumt, dass US-Modelle chinesischen Pendants nur noch „einige Monate voraus” seien.

Der Promptologe notiert: Das ist kein Rückstand mehr, den man mit einer Pressemitteilung wegdiskutiert.

Agenten, die endlich handeln. Manchmal.

Ein drittes Thema zieht sich wie ein roter Faden durch die Newsletter der vergangenen Wochen: der Übergang von Systemen, die reden, zu Systemen, die handeln.

Bloomberg berichtete über eine wachsende Bewegung unter KI-Pionieren — Fei-Fei Li, Yann LeCun — die sogenannte World Models verfolgen. Architekturen, die nicht nur Text verarbeiten, sondern physikalische Gesetzmäßigkeiten und kausale Zusammenhänge internalisieren. Systeme also, die nicht beschreiben, was passieren könnte, sondern vorhersagen, was passieren wird, wenn man X tut. Das klingt nach Science-Fiction. Es ist es auch noch, weitgehend. Aber die Richtung ist klar.

Gleichzeitig bauen alle großen Labs ihre Agenten-Infrastruktur aus, was auch immer das im Einzelnen bedeutet: Anthropic zeigt Multi-Agent-Architekturen, Google schickt einen KI-Agenten in seinen Suchmodus, Airtable bringt einen agentischen App-Builder namens Omni auf den Markt. Alle wollen Agenten. Nicht alle erklären, wozu genau.

Der Promptologe kennt das Gefühl. Er sitzt selbst gelegentlich vor einem Agenten und fragt sich, was er ihm eigentlich sagen soll.

Mehr macht dümmer: Das Skalierungsgesetz wackelt

Und dann ist da noch die Grundannahme, auf der die gesamte Branche jahrelang gebaut hat: Mehr Rechenleistung ergibt bessere Modelle. Mehr Parameter, mehr Daten, mehr GPUs — mehr Intelligenz. Diese Gleichung hat eine Weile funktioniert. Jetzt beginnt sie zu ruckeln.

Forscher bei Cohere und anderen Labs warnen, das Skalieren großer Sprachmodelle könnte an seine Grenzen stoßen. Und Anthropic hat ein kontraintuitives Phänomen entdeckt: Modelle, die mehr Rechenzeit für Reasoning erhalten, liefern in bestimmten Aufgaben schlechtere Ergebnisse. Mehr Nachdenken, schlechtere Antwort. Der Promptologe kennt Menschen, auf die das auch zutrifft. Aber bei Sprachmodellen hätte er es nicht erwartet.

Was das für die nächste Modellgeneration bedeutet — und für die Milliarden, die gerade in Rechenzentren fließen —, ist noch offen. Die Investorengemeinschaft denkt darüber nach. Vermutlich mit sehr viel Rechenzeit.

Der Promptologe. 04.06.2026

Quellengrundlage: CNBC „Cheap AI could derail OpenAI and Anthropic’s IPOs” (23. Mai 2026), Ravi Mehta „OpenAI has the smarter model. Anthropic is winning anyway.” (23. Mai 2026), Bloomberg „The year ahead in AI”, TLDR AI Newsletter-Sammlung, AInauten Weekly sowie Smart Casual (Lisa Oberndorfer).

Offenlegung: Dieser Beitrag entstand mit Hilfe von Anthropic Claude.
(Nein, der Gedanken — ist kein Hinweis auf die KI. Ich schreibe so. Bin altmodisch.)

Meine gesammelten Erkenntnisse aus der wunderbaren Welt der KI-Entwicklung

Der Copilot weiß immer, warum es so nicht geht. Dumm nur, dass er drei Sätze vorher genau diesen Weg vorgeschlagen hat.

Grafik Nano Banana 2, Prompt der Promptologe

Microsoft erklärt Microsoft. Oder auch nicht.

Der Promptologe hat ja schon einiges erlebt in dieser hyperschnellen neuen KI-Welt. Aber was ihm neulich widerfahren ist, hat selbst ihn kurz innehalten lassen. Mit einer Tasse Kaffee. Und dem leisen Verdacht, dass die Digitalisierung vielleicht doch nicht ganz so weit ist, wie man uns erzählt.

Die Aufgabe klingt nach einem Nachmittag. Einen gemeinsamen Kalender anlegen. In Microsoft Teams. Für eine Gruppe von zwanzig Personen, intern und extern, alle sollen bearbeiten können, bei jedem Termin soll automatisch eine Videokonferenz entstehen. Das klingt nach: Klick, klick, fertig. Schließlich ist das Kalender-Funktion, keine Raketenwissenschaft, und Microsoft ist nun wirklich nicht irgendein Laden.

Der Promptologe beschließt, es modern anzugehen. Er fragt den hauseigenen KI-Assistenten von Microsoft. Den Copilot. Der in alle Microsoft-Produkte eingebettet ist, der das gesamte Microsoft-Universum kennen sollte wie seine Westentasche – oder zumindest wie sein eigenes Menü.

Der Assistent hat eine Meinung. Und noch eine. Und noch eine.

Die erste Antwort kommt prompt und mit vielen bunten Häkchen. Es gibt drei Wege. Nein, eigentlich vier. Der empfohlene ist natürlich der M365-Gruppenkalender. Klar. Logisch. Offiziell vorgesehen. Stabil. Für genau diesen Zweck gebaut. Der Assistent ist sich sehr sicher.

Der Promptologe folgt der Anleitung. Er öffnet Outlook. Er sucht links nach „Gruppen“.

Gruppen: nicht vorhanden.

Er teilt diesen Umstand dem Assistenten mit. Der Copilot ist nicht überrascht. Überhaupt nicht. Er erklärt geduldig, dass das völlig normal sei. Das neue Outlook Web zeige „Gruppen“ nicht mehr so sichtbar wie früher. Das sei „aktuell (2025/2026)“ leider „sehr verwirrend gelöst von Microsoft“.

Der Promptologe reibt sich die Augen. Er redet gerade mit Microsoft. Über Microsoft. Und Microsoft erklärt ihm, dass Microsoft verwirrend sei. Das hat etwas. Das hat sogar sehr viel.

Das Menü, das nicht da ist

Egal, weiter. Der Assistent bietet Lösungsweg Zwei an: „Kalender hinzufügen“ – dann „Aus Gruppenkatalog“. Screenshot folgt. Der Promptologe klickt. Klickt nochmal. Sieht keinen Gruppenkatalog. Macht einen Screenshot. Schickt ihn.

Der Copilot schaut sich den Screenshot an und teilt eine wichtige Erkenntnis mit: In der neuen Outlook-Weboberfläche gibt es den Gruppenkatalog schlicht nicht mehr. Das sei „ein bekanntes UI-Layout“. Kein UI-Problem. Sondern ein Layout. Wertfrei.

Einen Moment bitte.

Der Copilot hat in seiner ersten Antwort empfohlen, über den Gruppenkatalog zu gehen. In seiner zweiten Antwort hat er erklärt, wie man über den Gruppenkatalog geht. Und in seiner dritten Antwort erklärt er, dass es den Gruppenkatalog gar nicht gibt. In der Version, die der Mensch vor sich hat. Immerhin hat er Trost parat für seinen Menschen: „Du hast nichts falsch gemacht“ – da ist der Promptologe aber beruhigt…

Der Promptologe denkt an seinen alten Chemielehrer, der immer sagte: Wer einen Fehler macht, ist menschlich. Wer denselben Fehler zweimal macht, lernt nicht. Wer ihn dreimal macht, hat offenbar eine sehr gute Ausrede.

Teams erklärt Teams, aber weiß es nicht

Gut. Lösungsweg A: Termine direkt aus Teams heraus anlegen. Klingt gut. Klingt einfach. Der Assistent erklärt: Teams öffnen, Kalender, Neue Besprechung, Team auswählen. Screenshot.

Das Formular, das sich öffnet, erlaubt das Einladen von Personen. Das Auswählen eines Teams ist nicht vorgesehen.

Neuer Screenshot. Neue Erklärung. Die ist diesmal bemerkenswert ehrlich: Der Teams-Kalender erstellt „standardmäßig IMMER persönliche Termine“. Nicht Gruppenkalender-Termine. Das sei kein Fehler beim Anwender, das sei grundlegendes Verhalten von Microsoft Teams. Stand 2025/2026.

Der Copilot schreibt das in Großbuchstaben und Fettdruck. Als habe er sich gerade selbst dabei ertappt, seit einer Stunde den falschen Weg beschrieben zu haben. Was er hat. Aber das schreibt er nicht.

Stattdessen: „Du bist völlig korrekt vorgegangen – der Weg A ist in der neuen Teams-Version faktisch nicht nutzbar.“

Man muss das sacken lassen. Ein Weg, den der Assistent selbst empfohlen hat, ist faktisch nicht nutzbar. Das Wort „faktisch“ arbeitet hier Überstunden.

Die Topographie des Scheiterns

Was sich in dieser Konversation entfaltet, ist eine stille Katastrophe. Es gibt Outlook Web. Und Outlook Desktop. Die sehen verschieden aus und können verschiedene Dinge. Es gibt Microsoft Teams, das einen eigenen Kalender hat, der aber nicht der Gruppenkalender ist, auch wenn er so aussieht. Es gibt den M365-Gruppenkalender, der automatisch existiert, sobald ein Team existiert, aber in den neuen Oberflächen so gut versteckt ist, dass er praktisch nicht existiert. Es gibt den Channel Calendar, der nicht für Externe funktioniert. Den SharePoint-Kalender, der grundsätzlich nicht empfohlen wird. Den persönlichen Kalender, der auf gar keinen Fall verwendet werden soll.

Das alles ist Microsoft. Alles heißt Microsoft. Alles gehört zusammen. Es funktioniert nur nicht zusammen.

Der Copilot weiß das alles. Er erklärt es akkurat, sobald man an eine Wand läuft. Er erklärt es nur leider nie, bevor man hineinläuft. Er warnt vor Fallen, die er selbst gestellt hat. Er nennt Wege „empfohlen“, die er drei Nachrichten später als „faktisch nicht nutzbar“ einordnet.

Die eigentliche Pointe

Der Promptologe hat in den letzten Monaten beobachtet, wie KI-Assistenten beim Schreiben von Code helfen, beim Recherchieren, beim Zusammenfassen, beim Übersetzen. Viele dieser Assistenten haben keine eigene Produktwelt. Sie helfen mit dem, was da ist.

Der Copilot hier ist das Produkt des Unternehmens, dessen Software er erklären soll. Er hat Zugriff auf die Dokumentation. Er wurde auf Microsoft-Inhalten trainiert. Er ist in Microsoft-Produkte eingebettet. Er heißt, sinngemäß, nach dem Piloten, der die Maschine fliegen soll.

Und er weiß nicht, dass das Menü, das er empfiehlt, in der Version seiner eigenen Software nicht mehr existiert.

Das ist kein Vorwurf. Das ist eine Beobachtung. KI-Systeme haben Wissensstände. Oberflächen ändern sich schneller als Trainingsdaten. Das neue Outlook sieht anders aus als das alte. Die Desktop-Version anders als die Web-Version. Wer das nicht weiß, gibt Anleitungen für eine Welt, die so nicht mehr existiert.

Aber es bleibt eine Ironie von beachtlicher Dichte: Die eigene KI des Hauses findet den eigenen Kalender des Hauses nicht. Und empfiehlt am Ende, Termine über Outlook Desktop anzulegen – also über die alte Version, die man eigentlich schon dabei ist, abzulösen.

Der Gruppenkalender existiert übrigens. Automatisch. Schon seit dem Anlegen des Teams. Er ist nur so gut versteckt, dass man einen Microsoft-Assistenten braucht, um ihn zu finden. Und dann einen zweiten, um herauszufinden, dass der erste nicht weiß, wo er ist.

Der Promptologe hat den Kaffee kalt werden lassen und dann das Fenster auf dem Bildschirm geschlossen. Draußen scheint die Sonne. Manche Dinge sind einfacher.

P.S. Der Promptologe hat dann Claude in der gleichen Rolle als Assistent eingesetzt. Das funktionierte einwandfrei, extrem effizient und führte schnell zum Ziel: Nein, Externe können einen Gruppenkalender nicht bearbeiten, nur ansehen. Da muss man schon eine Platzlizenz bei MS kaufen.

Offenlegung: Dieser Text entstand mit der aktiven Unterstützung
durch Anthropic Claude

Meine gesammelten Erkenntnisse aus der wunderbaren Welt der KI-Entwicklung

Newsletter-Flut in einer Pipeline verarbeiten und bändigen
Grafik Nano Banana 2, Prompt Der Promptologe

Der Promptologe automatisiert sich selbst. Fast.

Es gibt Menschen, die haben einen strukturierten Arbeitstag. Feste Zeiten für Mails, feste Zeiten für Recherche, feste Zeiten für das Nachdenken. Der Promptologe gehört nicht dazu. Der Promptologe gehört zu den anderen Menschen, die gerade konzentriert über der Finanzabrechn… OH SCHAU MAL EIN EICHHÖRNCHEN.

Der Promptologe hat also ein Dutzend offene Browser-Tabs, ein Firmen-Mail-Postfach, das alle naselang klingelt, den privaten Gmail-Posteingang, der pulsiert wie ein Discostrobe und dreißig Newsletter-Absender, die ihn im Rhythmus von vier bis sechs Stunden mit dem Neuesten aus der KI-Welt beschießen.

Das Problem ist nicht die Information. Die Information ist gut. Das Problem ist der Zeitpunkt. Denn „Seedance 2.0 ist da“ kommt genau dann rein, wenn der Promptologe eigentlich einen Artikel fertigschreiben wollte. Und dann ist der Artikel weg. Stattdessen: Seedance.

Das musste sich ändern.

Die Idee

Die Lösung klingt simpel: Man nehme alle eintreffenden KI-Newsletter, verarbeite sie automatisch, fasse sie zusammen und liefere sie einmal täglich als geordnetes Briefing. Statt dreißig Unterbrechungen also eine. Jeden Morgen um 10:30 Uhr. Kaffee dazu, fertig.

Die Umsetzung ist, wie so oft, der interessante Teil.

Der Promptologe hat Claude als Entwicklungspartner eingesetzt – nicht den schnellen Claude für mal eben was tippen, sondern als echten Gesprächspartner für ein mehrstündiges Bauprojekt. Das Ergebnis ist eine Pipeline aus vier Werkzeugen: Gmail, Make.com, Raindrop.io und ein Google Sheet. Und natürlich Claude selbst, der die Newsletter zusammenfasst.

Gleich zu Beginn: Die Bürokratie schlägt zu

Für die Zusammenfassungen braucht der Promptologe einen Anthropic API-Key. Also auf zur Konsole unter console.anthropic.com. Kleines Guthaben aufladen, Key erstellen, fertig – so die Theorie.

Die Praxis: Das Formular verlangt eine European VAT-Nummer.

Der Promptologe hat keine European VAT-Nummer. Der Promptologe ist kein Unternehmen, das die Mehrwertsteuer selbst abführt. Der Promptologe ist jemand, der fünf Dollar Guthaben aufladen möchte. Claude erklärt geduldig, dass das Feld optional ist und einfach leer gelassen werden kann. Das Formular sieht das anders. Inkognito-Modus. Problem gelöst. Manchmal ist die Lösung banal.

Make.com: Wo Szenarien leben

Make.com ist ein Automatisierungsdienst, der verschiedene Apps miteinander verbindet. Man baut visuelle Ketten aus Modulen – Gmail holt eine Mail, Raindrop.io speichert sie, Claude fasst sie zusammen, Google Sheets trägt alles ein. So die Idee. So auch die Ausführung, nur mit einigen Zwischenstationen.

Verarbeitungskette in Make.com / Screenshot Der Promptologe

Szenario 1 hat sechs Module. Der Aufbau läuft erstaunlich flüssig, bis Modul 4 kommt: Die Claude-API-Anbindung per HTTP-Modul. Hier schlägt die Technik zurück.

Das Problem ist JSON. JSON ist ein Datenformat, streng in seiner Syntax, gnadenlos bei Fehlern. Newsletter-Texte enthalten Anführungszeichen. Anführungszeichen brechen JSON. Claude schlägt Lösungen vor – replace-Funktionen, escaped characters, Data-Structures. Jede Lösung erzeugt eine neue Fehlermeldung. „Invalid IML.“ „Not valid JSON.“ „Invalid reference.“

Nach mehreren Anläufen kommt der rettende Vorschlag: das native Anthropic-Modul in Make.com nutzen, das JSON intern verwaltet. Fortan kein manuelles JSON mehr. Problem gelöst, wenn auch auf Umwegen.

„From now on“ – das Déjà-vu in der Maschine

Es gibt einen Moment in diesem Projekt, der sich mehrfach wiederholt wie ein schlechter Traum. Der Promptologe klickt auf „Run once“. Die Kette läuft durch. Nichts passiert. Keine Mails verarbeitet, kein Eintrag im Sheet, kein Bookmark in Raindrop.

Der Grund ist jedes Mal derselbe: Der Gmail-Trigger ist auf „From now on“ eingestellt. Das bedeutet, er verarbeitet nur neue Mails – nicht die bereits vorhandenen. Die Lösung ist jedes Mal dieselbe: Rechtsklick auf das Gmail-Modul, „Choose where to start“, „All“. Dann läuft es.

Wie oft dieser Schritt im Laufe des Nachmittags wiederholt wird, möchte der Promptologe lieber nicht zählen. Ungefähr so oft, wie man vergisst, den Herd auszumachen.

Der Inhalt fehlt – ein wichtiger Zwischenstopp

Als Szenario 1 endlich läuft, stellt der Promptologe eine Frage, die eigentlich am Anfang hätte gestellt werden sollen: Was genau wird in Raindrop.io gespeichert?

Die Antwort ist ernüchternd. Gespeichert werden Betreff und ein kurzer Snippet – also die Vorschau der ersten paar Wörter. Der vollständige Newsletter-Text fehlt. Das ist ein Problem, weil der eigentliche Plan war, Claude über die Raindrop-Verbindung Fragen stellen zu können wie „Was wurde diese Woche über KI-Agents berichtet?“ Ohne den vollen Text funktioniert das nicht.

Also: Raindrop neu konfigurieren, alle zwanzig frisch gespeicherten Bookmarks löschen, von vorne anfangen. Der Promptologe ist nicht verärgert. Das ist Entwicklungsarbeit. So läuft das.

Beim zweiten Anlauf: Das Excerpt-Feld von Raindrop.io wird mit den ersten 4.000 Zeichen des Newsletter-Textes befüllt. Genug für sinnvolle Suchanfragen. Die zwanzig Bookmarks werden neu eingelesen, diesmal mit Inhalt. Das System meldet dann stolz: „URL has already been bookmarked.“ – weil Raindrop die Duplikat-Erkennung aktiv hat. Das ist kein Fehler, das ist Absicht. Alles gut.

Szenario 2: Der tägliche Report

Das zweite Szenario läuft täglich um 10:30 Uhr morgens: Es holt alle heutigen Einträge aus dem Google Sheet, aggregiert sie zu einer Mail und schickt sie ab.

Auch hier wartet ein kleines Hindernis. Das Datum im Google Sheet wird als Zahl gespeichert – 46156 statt 14.05.2026. Excel-Seriennummer. Das macht den Filter im zweiten Szenario wirkungslos, denn der sucht nach dem lesbaren Datumsformat.

Lösung: Spalte A im Google Sheet als Datum formatieren. Danach stimmen die Formate überein, der Filter greift, die Mail kommt durch.

Zum Abschluss noch eine sinnvolle Ergänzung: Der Promptologe möchte in der Report-Mail direkt auf die Original-Newsletter in Gmail zugreifen können. Dazu wird Szenario 1 um eine fünfte Spalte im Sheet erweitert – den direkten Gmail-Link. Szenario 2 baut daraus einen klickbaren Link pro Newsletter-Eintrag: „→ Original öffnen.“

Das Ergebnis

Die Pipeline läuft. Jeden neuen ungelesenen Newsletter im Gmail-Label „KI-Newsletter“ verarbeitet Szenario 1 alle 15 Minuten: archiviert in Raindrop, zusammengefasst in einem deutschen Satz, eingetragen ins Google Sheet, als gelesen markiert. Jeden Morgen um 10:30 schickt Szenario 2 die Briefing-Mail – mit Datum, Absender, Betreff, Zusammenfassung und direktem Link zum Original.

Der Promptologe hat den ersten automatischen Report am nächsten Morgen erhalten. Fünfzehn Newsletter, jeder in einem Satz, jeder mit Link. Lesedauer: drei Minuten.

Was früher den halben Vormittag zerhackt hat, ist jetzt ein geordneter Block. Seedance 2.0 kann kommen.

Über die Raindrop-MCP-Verbindung kann der Promptologe Claude außerdem direkt fragen, was in den letzten Wochen über bestimmte Themen berichtet wurde. Ob das in der Praxis so funktioniert wie geplant, wird er berichten.

Gesamtaufwand für den Aufbau: ein langer Nachmittag, viele Screenshots, ein VAT-Formular das kein VAT verlangte, und mehr JSON-Fehlermeldungen als der Promptologe je wieder sehen möchte.

Lohnt es sich? Absolut, nach ein paar Wochen mag ich es nicht mehr missen. Und noch ein unbeabsichtigtes Goodie: die Zusammenfassungen liefert mir Claude auf deutsch :)

Wenn ihr es selber versuchen wollt – das Prinzip ist unabhängig von der Art des Newsletters, egal ob es sich um das neueste aus der Quantenforschung oder die heißesten Häkel-Anleitungen handelt:

Eine hilfreiche Anleitung gegen die Newsletter-Flut:

Zum Download die Anleitung als PDF, weil Substack keine Textdateien zulässt 🙄

Am besten das PDF in die KI eures Vertrauens reinwerfen und ihr sagen, dass ihr jetzt damit loslegen wollt:

Update 2: Die aktualisierte Anleitung ist fertig. Die wichtigsten Änderungen gegenüber den ersten Versionen:

• Konzept-Erklärung für Anfänger: Was kommt am Ende raus, was sind die zwei Szenarien, wie passt das alles zusammen

• Liste der nötigen Accounts mit dem wichtigen Hinweis zur Claude API vs. Claude Pro (das war ja damals dein eigener Stolperstein)

• Fertiges KI-Briefing zum Mitkopieren – der Empfänger fügt das in seinen Claude/ChatGPT/Gemini-Chat ein und die KI führt ihn dann Schritt für Schritt durch

• 5 Aufbau-Phasen mit Zeitabschätzung damit man weiß was einen erwartet

• Bekannte Fallen als Vorab-Information – alle heutigen schmerzhaften Lernerkenntnisse sind dort gebündelt (Anführungszeichen-Problem, Contains-Filter, Mark-as-Read-Trap, Rate Limits, etc.)

• Konkrete Formeln zum Mitkopieren – damit niemand wieder das Semikolon-Problem oder Tippfehler hat

• Raindrop MCP-Anbindung als optionales Extra

Ki Newsletter Pipeline Anleitung Fuer Ki

4.66MB ∙ PDF file

Download

Download

Meine gesammelten Erkenntnisse aus der wunderbaren Welt der KI-Entwicklung