AI-Powerhouses in der Sackgasse und die neue Weltunordnung

Altmann, Musk, Zuckerberg: „Sorry, wir sind falsch abgebogen“

OpenAI-Chef Sam Altman hat eingeräumt, dass reine Skalierung nicht zu künstlicher Allgemeiner Intelligenz (AGI) führt und die Branche „mega breakthroughs“ jenseits bisheriger Transformer-Architekturen braucht. Noch vor 14 Monaten behauptete Altman, sein Unternehmen wisse bereits, „wie man AGI baut“. Parallel ziehen sich weitere Tech-Größen von der reinen Scaling-These zurück: Elon Musk räumte ein, xAI sei „not built right“, Mark Zuckerberg verschob Metas neuestes Modell, und auch DeepMinds Demis Hassabis sowie die KI-Pioniere Yann LeCun und Ilya Sutskever zweifeln öffentlich an der bisherigen Strategie. Gary Marcus, der bereits 2022 vor den Grenzen des Scalings warnte, sieht sich bestätigt. Trotz dieser Einsichten planen die Konzerne weiterhin Billionen-Investitionen in Rechenzentren — eine Strategie, die Marcus als „bad bargain“ bezeichnet. → Gary Marcus from Marcus on AI

Synthszr Take: Altman korrigiert sich um 180 Grad binnen 14 Monaten — das ist keine kleine Justierung, sondern ein kompletter Strategieschwenk. Der Mann, der AGI als gelöst verkaufte, sucht jetzt nach „mega breakthroughs“ und neuen Architekturen. Wenn selbst die lautesten Scaling-Evangelisten kapitulieren, ist das Geschäftsmodell der KI-Industrie fundamental kaputt. Die Billionen-Dollar-Rechenzentren werden zu Betongräbern für eine Wette, die nicht aufgeht. Unternehmen sollten ihre KI-Budgets sofort überdenken — wer heute noch auf reine Rechenpower setzt, investiert in ein totes Pferd.

Europa: „Prima, wir versuchen etwas radikal anderes“

AMI Labs von KI-Pionier Yann LeCun sammelt 1,1 Milliarden Dollar ein — die größte Seed-Runde, die je ein europäisches Start-up erhalten hat. Das schwedische Legal-AI-Unternehmen Legora holt weitere 550 Millionen Dollar ein und erreicht eine Bewertung von 5,5 Milliarden Dollar. Beide Deals markieren einen Wendepunkt: Europa bringt endlich Einhörner im Wochenrhythmus hervor, von Wayve (8,6 Milliarden Dollar) bis hin zu Black Forest Labs (3,25 Milliarden Dollar). Gleichzeitig kehrt sich der Talentabfluss um — mehr Tech-Experten wechseln von den USA nach Europa als umgekehrt. Die Exits funktionieren auch: 2025 wurden KI-Firmen in Europa für 14,35 Milliarden Dollar verkauft, der Cognigy-Deal für 955 Millionen Dollar war nur der Anfang. → Handelsblatt KI-Briefing

Synthszr Take: Spannend ist gerade nicht nur, dass das alte Scaling-Narrativ bröckelt, sondern dass Europas Gegenwette erstmals echtes Gewicht bekommt. Yann LeCuns AMI Labs startet mit Europas bislang größter Seed-Runde, operiert unter anderem aus Paris und baut bewusst keine weitere LLM-Variante, sondern world-model-basierte Systeme mit persistentem Gedächtnis, Schlussfolgern, Planung, Kontrollierbarkeit und Sicherheit.  Das ist kein akademisches Nebenprojekt, sondern eine ernsthaft kapitalisierte Alternative zum Silicon-Valley-Reflex, jedes Problem mit mehr GPUs und mehr Tokens zu erschlagen; Reuters beschreibt AMI ausdrücklich als Test von LeCuns These, dass heutige LLMs für menschliches Reasoning und autonome Agenten nicht ausreichen.  Ob LeCun am Ende recht behält, ist offen. Aber je sichtbarer die Grenzen von purem Scaling werden, desto relevanter wird AMI: als europäische Gegenwette auf einen AGI-Pfad jenseits des LLM-Scalings und als Signal dafür, dass der nächste Sprung eher aus neuer Architektur als aus noch größeren Rechenzentren kommen könnte. 

Benedict Evans: OpenAI hat die Technologie, aber keine Strategie

OpenAI steht vor einem strategischen Dilemma: Die Technologie ist nicht mehr einzigartig, die Nutzerengagement bleibt schwach und Netzwerkeffekte fehlen komplett. Während Konkurrenten wie Google und Microsoft dieselbe KI-Leistung mit überlegener Produktintegration und Vertriebskanälen bieten, kämpft OpenAI um eine nachhaltige Marktposition. Die wertvollsten Anwendungen werden vermutlich völlig neue Nutzererfahrungen sein, die OpenAI nicht alle selbst entwickeln kann. Benedict Evans vergleicht die Situation mit der Desktop-Linux-Problematik: Technisch beeindruckend für Entwickler, aber seit 25 Jahren „fast bereit“ für Endverbraucher. Die eigentliche Frage ist nicht mehr, wer die beste KI entwickelt, sondern wer sie am effektivsten in bestehende Workflows integriert und skaliert. → Benedict Evans

Synthszr Take: OpenAI hat zwar eine große Nutzerbasis aufgebaut, aber ohne Netzwerkeffekte oder starke Kundenbindung wird das zur Kostenfalle statt zum Burggraben. Google und Microsoft können ihre KI-Modelle direkt in Milliarden bestehende Nutzerkonten einbetten (Gmail, Office, Search) und Anthropic hat seine „Nische“ bei Entwicklern und im Enterprise-Markt gefunden. OpenAI muss weiterhin jeden Nutzer einzeln überzeugen. Die wertvollsten KI-Anwendungen entstehen dort, wo Unternehmen ihre spezifischen Daten und Workflows integrieren können — genau das, was Cloud-Anbieter mit ihrer Enterprise-Infrastruktur besser lösen. OpenAIs einzige Chance liegt in der Entwicklung von Anwendungen, die so revolutionär sind, dass Nutzer bereit sind, ihre gewohnten Tools zu verlassen. Die Zeit läuft ab: Je länger die Differenzierung ausbleibt, desto mehr wird OpenAI zum austauschbaren API-Anbieter auf einem Markt mit sinkenden Margen.

Quadratische Skalierung trifft auf exponentiellen Hunger nach Context

Das Problem der Token-Explosion wird 2026 zum kritischen Engpass für KI-Systeme. Denkende Modelle produzieren Tausende von Tokens allein für interne Berechnungen, während Agent-KI riesige Kontextfenster benötigt, um komplexe Prozesse zu orchestrieren. Ein 64k-Kontextfenster galt 2024 noch als Luxus — heute ist es für echte Anwendungen praktisch unbrauchbar. Das Kernproblem liegt in der quadratischen Skalierung der Standard-Attention: Verdoppelt sich das Kontextfenster, vervierfacht sich der Rechenaufwand. Bei jeder weiteren Verdopplung steigt der Bedarf erneut um das Vierfache — ein Teufelskreis, der Kontextfenster irgendwann unbezahlbar macht. Die Mathematik arbeitet gegen unbegrenztes Wachstum, während die KI-Anwendungen genau das verlangen. → dravian

Synthszr Take: 64k Token waren vor zwei Jahren ein Durchbruch, heute reichen sie kaum für ernsthafte Arbeit. Quadratische Skalierung bedeutet: doppelte Kontextlänge kostet viermal mehr Compute — das addiert sich schnell zu astronomischen Beträgen. KI-Labs stehen vor einer Physik-Wand: Mehr Kontext braucht exponentiell mehr Energie, aber komplexe Tasks verlangen genau diesen Kontext. Agentensysteme sind besonders betroffen, weil sie lange Ketten von Aktionen und Entscheidungen im Speicher halten müssen. Das zwingt die Branche zu grundlegenden Architekturänderungen — lineare Attention, State-Space-Modelle oder komplett neue Ansätze werden überlebenswichtig. Wer diese Effizienz-Revolution verschläft, wird vom Markt gedrängt.

Silicon Valley kämpft um chinesische KI-Talente

Elon Musks xAI zeigt das neue Gesicht des Silicon Valley: 80 % der Gesichter im Teamfoto sind chinesisch, fünf der zwölf Gründern sind chinesische Wissenschaftler. Meta zahlt chinesischen KI-Experten 300 Millionen Dollar über vier Jahre — auf dem Niveau von NBA-Stars oder Fortune-500-CEOs. Mark Zuckerberg führt persönlich ein Projekt namens „Super-intelligent Laboratory“, das die weltweit besten 50 KI-Experten abwerben soll, acht von 14 Namen auf der Liste sind Chinesen. Während diese Talentschlacht tobt, entwickelt China parallel eigene KI-Champions: DeepSeek erreicht ChatGPT-Niveau zu einem Dreißigstel der Kosten, und Huaweis Ascend 910C schlägt Nvidias H20-Chip bei halben Kosten. Die Ironie ist perfekt — Jensen Huang trägt einen Tang-Anzug in Peking und hält seine erste Rede auf Chinesisch, während chinesische Unternehmer wie Scott Wu (Cognition, 2 Milliarden Dollar Bewertung) und Wang Tao (Scale AI, 14,3 Milliarden Dollar Übernahme) die Regeln in Silicon Valley neu schreiben. → Last Week in AI

Synthszr Take: Metas 300-Millionen-Dollar-Verträge für chinesische KI-Forscher sind Panikgeld. Silicon Valley hat ein strukturelles Problem: 65 der weltweit Top-100-KI-Experten sind Chinesen, aber nur 15 arbeiten in US-Forschungszentren. Die Arbitrage funktioniert nicht mehr, wenn DeepSeek bei einem Dreißigstel der Kosten die ChatGPT-Performance erreicht (und nebenbei 110 Millionen Downloads ohne Marketing schafft). Chinesische Wissenschaftler kehren zunehmend nach China zurück, wo sie akademische Posten mit Unternehmertum kombinieren können. Die wahre Verschiebung liegt nicht in den Gehältern, sondern im Markt: Wer die Kosten-Leistungs-Standards setzt, kontrolliert den Markt.

Petrochemische Weltordnung trifft auf Halbleiter-Geopolitik

Mehr als 100 Schiffe durchqueren täglich die Straße von Hormus und transportieren ein Fünftel der weltweiten Öl- und Gasproduktion. Iran nutzt diese Kontrolle als Druckmittel gegen die USA und Israel, nachdem deren Bombardements die religiösen Führer in Teheran in die Defensive gedrängt haben. Die Blockade folgt einem bekannten Muster aus den 80er-Jahren, doch diesmal erweitert der Iran seine Angriffe auf die digitale Infrastruktur: AWS-Rechenzentren in Bahrain und den Emiraten sowie US-Technologiekonzerne wie Google, Microsoft, Nvidia, Oracle und Palantir werden zu legitimen Zielen erklärt. China baut parallel seine Energieabhängigkeit durch massive Investitionen in erneuerbare Energien und Elektrofahrzeuge ab, um im Falle einer Taiwan-Krise nicht mehr erpressbar zu sein. Trumps Kontrolle über 70 Prozent der venezolanischen und 90 Prozent der iranischen Ölexporte schafft Verhandlungsmasse gegenüber Peking. Iran selbst bleibt verwundbar, da das Land trotz Ölreichtums Benzin und Diesel importieren muss. → Philipp Kloeckner

Synthszr Take: Iran erklärt Nvidia, Google und Oracle zu legitimen Drohnenzielen und macht damit Technologiekonzerne zu Kriegsparteien. Chinas 5-Jahres-Plan zielt auf energetische Unabhängigkeit ab, um sich aus dem petrochemischen Würgegriff zu befreien (70 Prozent des venezolanischen und 90 Prozent des iranischen Öls fließen nach China). Wer Taiwans Chips kontrolliert und gleichzeitig energieautark ist, gewinnt den Systemwettbewerb zwischen Autokratie und Demokratie. Die Straße von Hormus wird zum Flaschenhals für drei Millionen Tonnen Öl täglich, während Rechenzentren in Bahrain die neue Front der Kriegsführung bilden. Energie und Halbleiter verschmelzen zu einem geopolitischen Doppelwerkzeug.

KI-Fakes über Iran-Krieg sorgen für Chaos — und das war erst der Anfang

Die New York Times hat über 110 KI-generierte Videos und Bilder zum Iran-Krieg identifiziert, die millionenfach auf X, TikTok und Facebook verbreitet wurden. Die Fakes zeigen erfundene Explosionen in Tel Aviv, brennende US-Kriegsschiffe und weinende Soldaten — eine digitale Parallelwelt, die dramatischer wirkt als echte Kriegsaufnahmen. Ein besonders verbreitetes Video simuliert Raketenangriffe auf Tel Aviv vom Balkon aus, komplett mit israelischer Flagge im Vordergrund (ein typisches KI-Artefakt). Seit der Veröffentlichung von OpenAI Sora lassen sich praktisch alle realistischen Kriegsvideos per einfache Texteingabe erstellen. Die Mehrheit der KI-Inhalte unterstützt proiranische Narrative und soll die öffentliche Kriegsmüdigkeit verstärken. Social-Media-Plattformen unternehmen kaum etwas gegen die Flut von KI-Videos, die sie überflutet. → Last Week in AI

Synthszr Take: 110 identifizierte KI-Fakes in zwei Wochen zeigen, wie schnell generative Tools zur Kriegswaffe werden. Iran nutzt die Hollywood-Ästhetik von KI-Videos strategisch — übertriebene Explosionen und Pilzwolken wirken überzeugender als echte Handy-Aufnahmen aus der Ferne. OpenAI hat mit Sora praktisch jedem eine Propagandafabrik in die Hand gegeben, ohne nennenswerte Safeguards für Konfliktszenarien. Die Plattformen reagieren erwartbar hilflos: X bestraft KI-Kriegscontent erst seit letzter Woche finanziell, während Millionen bereits manipuliert wurden. Der Iran-Krieg ist der erste Konflikt der Sora-Ära — und zeigt, dass KI-Desinformation nicht mehr nachgelagerte Meinungsmache ist, sondern ein integraler Bestandteil der Kriegsführung selbst.

Journalismus in der Post-Truth-Ära: Wenn niemand mehr den Medien traut

Das Vertrauen in nationale Nachrichtenorganisationen ist in den USA auf 56% gefallen – ein Rückgang um 20 Prozentpunkte binnen zehn Jahren, wie das Pew Research Center berichtet. In der Ära der „Post-Truth“ kämpfen Medien mit täglich lügenden Politikern, ignorierten Menschenrechtsverletzungen und KI-generierten Deepfakes, die visuelle Narrative ohne Spuren manipulieren können. Der Editor-in-Chief des Oakland Posts beschreibt seine persönliche Transformation vom scheuen Studenten zum Journalisten trotz anhaltender Vorurteile gegen das Gewerbe. Er betont, dass authentischer und akkurater Journalismus selbst in Zeiten weit verbreiteter Skepsis möglich bleibt. Die Redaktion soll weiterhin als Lernlabor und Zuflucht für Studierende dienen, die in einer polarisierten Welt nach Objektivität und Empathie suchen. → Oakland Post

Synthszr Take: 20 Prozentpunkte Vertrauensverlust in einem Jahrzehnt zeigen die Geschwindigkeit des Systemversagens. Lokale Redaktionen werden zu den letzten funktionierenden Institutionen, während die großen Medienmarken in Glaubwürdigkeitsspiralen gefangen sind. Der Oakland Post-Editor beschreibt unbewusst das Rezept gegen die Vertrauenskrise: direkte Beziehungen zur Community, transparente Lernprozesse, echte Namen statt Corporate Speak. Während Meta und Google Milliarden in Fact-Checking verbrennen, löst eine Campusredaktion das Problem durch schlichte Authentizität. Das ist kein Idealismus, sondern Marktlogik: Vertrauen skaliert nicht, es entsteht nur durch persönliche Rechenschaft.

Uber Eats setzt auf Dynamic Pricing zur Margenoptimierung

Business Insider hat ein Experiment durchgeführt: Mehrere Redakteure bestellten zeitgleich dasselbe McDonald's-Menü über Uber Eats. Die Preise variierten deutlich zwischen den Nutzern, obwohl sie identische Bestellungen aufgaben. Der Test zeigt, wie Lieferdienste zunehmend eine variable Preisgestaltung einsetzen — eine Praxis, die bei physischen Produkten normalerweise undenkbar wäre. Unternehmen nutzen Technologie immer geschickter, um Preise situativ anzupassen und höhere Margen zu erzielen. Das Problem: Kunden merken oft nicht einmal, dass sie unterschiedlich viel zahlen. Die Autoren kommen zu dem Schluss, dass dies zwar in bestimmten Situationen Sinn machen kann, aber grundsätzlich fragwürdig ist — jeder sollte für ein Produkt den angegebenen Preis bezahlen. → Business Insider

Synthszr Take: Business Insider hat dokumentiert, was Amazon seit Jahren perfektioniert: algorithmische Preisdiskriminierung. Uber Eats testet unterschiedliche Preise für identische McDonald's-Menüs bei verschiedenen Nutzern — ein Mechanismus, der in der physischen Welt inakzeptabel wäre. Plattformen können das, weil sie den Preisfindungsprozess kontrollieren und gleichzeitig die Preistransparenz eliminieren (im Supermarkt siehst du, was andere zahlen). Die Technologie ermöglicht perfekte Preisdiskriminierung: Kaufkraft, Standort, Bestellhistorie, sogar der Akkustand des Handys können in Echtzeit ausgewertet werden. Wer häufig bestellt, zahlt mehr; wer selten bestellt, erhält Lockangebote. Das ist aus der Plattformansicht effizient, aber ein fundamentaler Bruch mit dem Grundsatz gleicher Preise für gleiche Leistungen.