Anthropic will das neue Accenture werden

Anthropic steigt ins Consulting-Geschäft ein und macht Accenture & Co Konkurrenz

Ein neues Unternehmen namens Ode with Anthropic ist diese Woche unter vollem Namen an den Start gegangen, aufgesetzt von Anthropic, Blackstone und Hellman & Friedman als 1,5-Milliarden-Dollar-Venture, wie zuerst TechCrunch berichtete. Ode verkauft KI-Implementierung: kleine Teams aus Senior-Engineers gehen in ein Unternehmen, suchen die Stellen, an denen KI hilft, und bauen dann die Systeme, die das leisten. Der Ansatz ist „Claude-first“, greift also bevorzugt auf Anthropics Modelle zurück und auf Wettbewerber dort, wo nötig. Geschäftsführer Chris Taylor sagte TechCrunch, es sei „ziemlich leicht, sich das eines Tages als Billionen-Dollar-Unternehmen vorzustellen“. Ode läuft mit rund 100 Engineers, von denen über die Hälfte selbst schon Startups gegründet hat; ein Blackstone-Manager nannte sie „special forces“. Basis ist die im Mai gekaufte Applied-AI-Boutique Fractional AI, die dafür eine elfmonatige Partnerschaft mit OpenAI beendete. Mitgründer Eddie Siegel spielt die Modell-Frage herunter: Die Auswahl zähle, aber dort werde nicht der Großteil der Energie verbrannt. → Techpresso

Synthszr Take: Siegel hat recht, und die 1,5 Milliarden sind der Preis dafür, dass er recht hat. Die meisten Enterprise-Piloten erreichen nie die Produktion, weil niemand vorher geklärt hat, was „das Problem lösen“ eigentlich bedeutet. Genau das ist die neue Knappheit: der Intent, präzise zu wissen, was im Betrieb gebaut werden soll und wo es andockt. Ode verkauft diese Klärungsarbeit als Dienstleistung, und dass Anthropic sein eigenes Modell zur austauschbaren Zutat degradiert („matters, but it does not decide the project“), ist die aufrichtigste Marktanalyse, die ein Modellhersteller gerade liefern kann. Die 100 teuren Engineers sind der Beleg, dass diese Arbeit nicht skaliert, jedenfalls noch nicht: Man kann sie nicht per API ausrollen; man muss sie in jedes Unternehmen einzeln hineintragen. Spannend wird, ob OpenAIs The Deployment Company, Deloitte und Accenture dasselbe Handwerk günstiger industrialisieren, bevor Ode seine Sonderkommando-Marge halten kann. Der HubSpot-Datenaufstand zeigt schon, wo die eigentliche Bewährungsprobe liegt: in den Berechtigungs-Hooks und der Frage, ob der Kunde dem Ganzen traut.

Xi warnt bei Shanghai-KI-Konferenz vor „neuen historischen Ungerechtigkeiten“

Präsident Xi Jinping hat auf der World Artificial Intelligence Conference 2026 in Shanghai davor gewarnt, im Zeitalter der künstlichen Intelligenz „neue historische Ungerechtigkeiten“ zu schaffen. In seiner Rede forderte er mehr Unterstützung für den Zugang des Globalen Südens zu KI und einen offeneren, inklusiveren Entwicklungsansatz. Es war Xis erster persönlicher Auftritt bei der Konferenz seit deren Start 2018, was laut South China Morning Post als Signal für Pekings Anspruch gewertet wird, die globale KI-Governance anzuführen. Xi mahnte, KI müsse „sicher und kontrollierbar“ bleiben, und wandte sich gegen die zunehmende Versicherheitlichung der Technologie: Kein Land dürfe seine eigene Sicherheit über die anderer stellen oder den Begriff der nationalen Sicherheit im KI-Feld überdehnen. Die Rede kam kurz nachdem US-Präsident Trump China in einer Prime-Time-Ansprache angegriffen und den „größten Kompromittierungsfall von Wahldaten der Geschichte“ vorgeworfen hatte. Peking positionierte sich damit als Fürsprecher eines offenen Ansatzes, in einer Zeit, in der Exportkontrollen und Blacklists den Zugang zu fortgeschrittener Technologie beschränken. → Techpresso

Synthszr Take: Diese Rede ist ein rhetorisches Manöver, verpackt als moralisches Angebot. „Offen, inklusiv, für den Globalen Süden“ klingt nach Fairness, meint aber Marktzugang: Wo der Westen mit Exportkontrollen und Blacklists den Zugang zu Chips und Modellen verriegelt, verkauft China seine offenen Gewichte als das großzügigere Betriebssystem für alle, die Nvidia nicht bekommen. Xi dreht den Sicherheitsbegriff des Westens gegen ihn selbst, wenn er vor der „Überdehnung nationaler Sicherheit“ warnt, während er dasselbe Vokabular („sicher und kontrollierbar“) für den eigenen Kontrollanspruch reserviert. Das Timing direkt nach Trumps Wahldaten-Vorwurf ist zu präzise für Zufall; hier antwortet Souveränitätsgeste auf Souveränitätsgeste. Der eigentliche Adressat sitzt in Jakarta, Nairobi und São Paulo, wo gerade entschieden wird, auf wessen KI-Stack die nächste Wirtschaftsgeneration aufsetzt. Rhetorik gewinnt keine Rennen, aber sie besetzt die Begriffe, unter denen später abgerechnet wird, und Peking hat sich mit einem Wort gerade das Framing der Fairness gesichert.

Fast jeder zweite Token in US-Entwicklertools kommt inzwischen aus China

Chinesische KI-Modelle sind laut Hello China Tech innerhalb weniger Monate von der günstigen Alternative zur produktiven Infrastruktur in amerikanischen Entwickler-Tools geworden. Auf OpenRouter, einer Routing-Plattform für Entwickler-APIs, machen chinesische Modelle bei US-Firmen seit dem 8. Februar mehr als 30 Prozent des wöchentlichen Token-Volumens aus, mit einem Höchststand von 46 Prozent. Als sichtbarer Treiber gilt die Geschwindigkeit der Einführung. Z.ais GLM-5.2, im Juni veröffentlicht, verzeichnete auf Vercels Plattform die schnellste Anfangsadoption aller Modelle im Jahr 2026. Das tägliche Token-Volumen wuchs dort um rund das 27-Fache, die Zahl der Kunden stieg um etwa 80 Prozent. Der Bericht liest diese Zahlen als Beleg dafür, dass die Modelle im laufenden Betrieb eingesetzt werden. → Hello China Tech

Synthszr Take: 46 Prozent Spitzenanteil bei US-Firmen sind eine Ansage, und zwar eine ohne Fahnen. Kein Entwickler-Team routet fast die Hälfte seines Token-Volumens nach China, weil es eine geopolitische Meinung hat. Es routet dorthin, weil GLM-5.2 die Aufgabe zum Bruchteil des Preises erledigt und der Wechsel eine Konfigurationszeile ist. Im Juni war das noch die Schlagzeile „GLM-5.2 schlägt GPT-5.5 zum Bruchteil des Preises“, jetzt ist es Produktionsrealität in amerikanischen Toolchains. Herkunft ist an dieser API-Schnittstelle unsichtbar geworden, und Unsichtbarkeit ist der stärkste Verkäufer, den es gibt. Wenn Washington die Herkunft der Modelle regulieren will, muss es gegen eine Nachfrage anschreiben, die sich bereits im Token-Log jeder zweiten Anfrage manifestiert. Es dauert nur noch, bis jemand den Traffic zurückdrehen will und feststellt, dass die Umschaltkosten inzwischen bei ihm liegen.

OpenAI verbrennt 21 Milliarden Dollar und gibt für jeden Umsatz-Dollar fast drei aus

Die von Scott Galloway zitierten geleakten Finanzzahlen zeigen: OpenAI hat 2025 einen Verlust von 21 Milliarden Dollar eingefahren. Laut Galloway steht die Kostenstruktur in keinem Verhältnis zum Umsatz, denn für jeden Dollar, den ein Abonnent für ChatGPT ausgibt, gibt das Unternehmen fast drei Dollar aus. Dazu kommen ein Abgang mehrerer Top-Manager, eine Klage von Apple und Berichte, wonach OpenAI den Börsengang womöglich bis 2027 verschiebt. Galloway zieht ausdrücklich die Parallele zum Zusammenbruch der Dotcom- und Telekom-Blasen um 1999. Als Beleg für die aus seiner Sicht unrealistische Planung nennt er die Prognose, mit Werbung 100 Milliarden Dollar einzuspielen. Sein Urteil: Das Geschäftsmodell erinnere an die Halluzination eines großen Sprachmodells. → Scott Galloway

Synthszr Take: Ein Modell, das drei Dollar ausgibt, um einen einzunehmen, hat ein Rechenproblem. Bei physischen Produkten sinken die Stückkosten mit dem Volumen, hier steigen sie, weil jeder neue Nutzer echte Compute-Kosten auslöst. Die 100-Milliarden-Werbeprognose ist der Punkt, an dem der Plan kippt: Ein Unternehmen, das seine Nutzer heute mit werbefreier Intelligenz ködert, will sie morgen zur Werbefläche machen, in einer Größenordnung, die selbst Meta erst nach zwanzig Jahren erreicht hat. Das ist die Postrationalisierung eines Defizits, in eine Umsatzfolie gegossen. Die 1999-Parallele trägt nur halb, denn damals verbrannten die Firmen Risikokapital, heute hängt an OpenAI eine ganze Compute-Lieferkette von Nvidia bis zu den Rechenzentrumsbetreibern. Wenn die Diskrepanz zwischen einem Dollar Umsatz und drei Dollar Kosten bis 2027 nicht auf ein tragfähiges Verhältnis fällt, wird der verschobene Börsengang zur zweiten Halluzination in derselben Bilanz.

Meta will Anthropic Rechenpower für rund 10 Milliarden Dollar vermieten

Meta verhandelt laut New York Times darüber, Rechenkapazität aus seinen eigenen Rechenzentren an Anthropic zu vermieten. Der Deal könnte über zwei Jahre rund 10 Milliarden Dollar wert sein. Beobachter wie Mike Isaac lesen den Schritt so, dass Meta seine Rechenzentren derzeit für eine künftige Nachfrage überbaut, die intern noch nicht existiert, während Anthropic diese Nachfrage bereits hat. Passend dazu wechselt Dave Brown, bisher SVP für Compute und AI bei AWS, in den kommenden Wochen zu Meta, um am Ausbau der Rechenzentren mitzuarbeiten (Wall Street Journal). Gary Marcus deutet die Bewegung als Verschiebung von der Frontier-Modellentwicklung hin zur Cloud-Bereitstellung, ähnlich wie bei xAI. Patrick Moorhead verweist auf Metas lange Liste gescheiterter B2B-Versuche und den Unmut vieler Unternehmen nach dem Llama-Kurswechsel. → us.list-manage.com

Synthszr Take: Meta baut Kapazität für eine Nachfrage, die der Konzern selbst noch nicht produziert, und macht aus dieser Lücke ein Mietgeschäft. Das ist der eigentliche Trick an dieser Meldung: Überkapazität wird zum Produkt, solange die eigene Auslastung fehlt. Zuckerberg hat Milliarden in Compute versenkt, ohne ein Frontier-Modell zu haben, das diese Rechenzentren füllt, also verwandelt er die leeren Racks in einen Ankermieter namens Anthropic. Riskant ist das trotzdem, denn wer 10 Milliarden auf zwei Jahre einnimmt, verheiratet seine Infrastruktur-Wette mit dem Wachstum eines direkten KI-Konkurrenten, und die Kapazität, die heute vermietet wird, fehlt genau dann, wenn Metas eigene Nachfrage endlich anzieht. SpaceX zieht mit dem DOD gerade dasselbe Muster auf, xAI ohnehin. Die spannende Kennzahl kommt erst 2027: ob Meta die vermieteten Cluster zurückholen kann oder ob der Vermieter am Ende zum Gefangenen seiner besten Kunden wird.

EU zwingt Google, Android und Search für ChatGPT, Claude und Perplexity zu öffnen

Die Europäische Kommission hat Google am Donnerstag per DMA-Beschluss verpflichtet, konkurrierenden KI-Assistenten und Suchmaschinen deutlich mehr Zugang zu Android und Google Search zu gewähren. Konkret muss Google fremden Assistenten dieselben Systemfunktionen und Datenzugriffe geben wie dem eigenen Gemini: Nutzer sollen künftig entscheiden können, ob ChatGPT, Claude oder Perplexity auf App-Interaktion, Sprachbefehle wie „Hey Google“ und Gerätehardware zugreifen dürfen. Ein zweites Verfahren zwingt Google, Suchdaten mit Wettbewerbern zu teilen, wobei die Kommission ausdrücklich auch KI-Chatbots einbezieht, die faktisch als Suchmaschinen funktionieren. Google hat bis Januar 2027 Zeit für die Datenteilung und bis Juli 2027 für die Android-Änderungen; bei Nichteinhaltung drohen Bußgelder von bis zu 10 Prozent des weltweiten Jahresumsatzes. Google-Manager Kent Walker warf Brüssel vor, mit den Entscheidungen Datenschutz- und Sicherheits-Leitplanken für Millionen Europäer zu untergraben. Die Rulings gelten auch als Signal für ähnliche Fragen bei Apple, das Siri AI in Europa unter Verweis auf den DMA zurückhält. → AI Secret

Synthszr Take: Brüssel sagt „Wettbewerb und Vielfalt“ und meint in der Praxis vor allem ein Unternehmen, das schon 800 Millionen Wochennutzer hat. Durch den geöffneten Zaun marschieren ChatGPT, Claude und Perplexity, allesamt aus dem Silicon Valley. Ein europäisches Such-Startup, das davon profitieren könnte, gibt es kaum. Die Kommission verordnet Offenheit, doch der einzige Akteur mit Marke, Reichweite und Kapital, um sich morgen als System-Assistent auf jedem Android-Gerät einzunisten, sitzt in San Francisco. Das ist Industriepolitik für OpenAI, verpackt als Antitrust gegen Google. Und der alte Widerspruch bleibt ungelöst: Derselbe Regulierer, der Datenschutz maximal festzurrt, verlangt gleichzeitig, dass fremde Assistenten tief an Hardware und Nutzerdaten dürfen. Google wird an Sicherheitsprüfungen gebunden und trägt die Haftung; den Zugang liefern die Wettbewerber. Bis 2027 entscheidet sich damit vor allem, welcher US-Assistent den nächsten Standard-Slot auf dem Homescreen bekommt. Die Machtfrage zwischen Europa und den GAFA rückt dabei in den Hintergrund.

Philipp Pausder pitcht sein Start-up Arken Labs als „deutsches Palantir“

Der frühere Thermondo-Gründer Philipp Pausder ist zurück im Gründermodus und arbeitet an Arken Labs, einer Software zur Auswertung von Infrastrukturdaten. Laut einer gemeinsamen Recherche von Sarah Heuberger und Caspar Schlenk im Tech Update des manager magazins soll die Anwendung drohende Schäden an Brücken, Straßen und Energienetzen früher sichtbar machen, eine Art Frühwarnsystem für Behörden und Betreiber. Bei Investoren geht Pausder dem Bericht zufolge mit dem Pitch „deutsches Palantir“ hausieren. Pausder ist bestens vernetzt in Digitalszene und Politik; seine Frau Verena Pausder führt den Startup-Verband und wird immer wieder mit politischen Ambitionen in Verbindung gebracht. Details zu Produktidee, Team und Finanzierung stehen hinter der Bezahlschranke des manager magazins. Wie die angesprochenen Geldgeber auf den Vergleich reagieren, lässt der Bericht offen. → Tech Update – manager magazin

Synthszr Take: „Deutsches Palantir“ ist ein cleverer Etikett-Trick, weil er ein Milliardending als Referenz einblendet, bevor die erste Zeile Code steht. Das Problem: Ein Name ist ein Versprechen, kein Nutzenversprechen. Palantirs eigentlicher Burggraben liegt nicht im Datenmodell, sondern in zwanzig Jahren eingebettetem Behörden- und Sicherheitswissen, das kein Investor über Nacht kauft. Genau darin liegt aber auch die echte Chance für Arken Labs: Brücken, Straßen und Energienetze sind ein tief regulierter Domänenmarkt, den Silicon Valley zu klein und zu deutsch ist, um ihn zu penetrieren. Wenn Pausder das Warum der deutschen Infrastruktur wirklich durchdringt, die Prüfzyklen, die Haftungslogik, die Aufsichtsregeln, braucht er den Palantir-Vergleich in zwei Jahren nicht mehr. Braucht er ihn dagegen weiter, um zu erklären, was er baut, war es von Anfang an mehr Pressefoto als Produkt. Der Markt entscheidet das an den ersten drei Behördenverträgen, nicht am Pitch Deck.

xAI bringt Grok Build, einen Terminal-Coding-Agenten in Rust

xAI hat mit Grok Build einen terminalbasierten Coding-Agenten veröffentlicht. Das Tool läuft als Vollbild-TUI, versteht die Codebasis, editiert Dateien, führt Shell-Befehle aus, durchsucht das Web und verwaltet langlaufende Aufgaben. Es arbeitet interaktiv, headless für Scripting und CI oder eingebettet in Editoren über das Agent Client Protocol (ACP). Geschrieben ist es in Rust; der Quellcode wird periodisch aus dem SpaceXAI-Monorepo synchronisiert. Vorgebaute Binaries gibt es für macOS, Linux und Windows. Die Installation läuft über einen einzelnen curl-Befehl von x.ai/cli. Simon Willison hat den Release in seinem Newsletter dokumentiert. → Simon Willison

Synthszr Take: Noch ein Agent-Harness, und aus Entwicklersicht sieht Grok Build aus wie alle anderen: Terminal-TUI, Datei-Edits, Shell-Zugriff, ACP-Anbindung an den Editor. Genau diese Form haben Claude Code, Codex und die Gemini CLI längst; die Feature-Liste ist zwischen den Anbietern kaum noch unterscheidbar. Der eigentliche Wettbewerb entscheidet sich woanders, nämlich an Grok-Latenz, Token-Preis und der Frage, ob das Modell im Agent-Loop stundenlang durchhält, ohne die Rechnung explodieren zu lassen. Die Wechselkosten sind praktisch null, ein curl-Befehl, und schon läuft der vierte Agent parallel im Terminal. Was xAI hier fehlt, ist ein Grund zu bleiben: Die Rust-Performance ist nett, aber kein Burggraben, und die X-Web-Suche wird nur dann zum einzigartigen Vorteil, wenn die Antwortqualität pro Token die Konkurrenz schlägt. Die spannendere Wette liegt im ACP-Standard, denn wer sich früh in die Editor-Integrationen einklinkt, sitzt am Kontaktpunkt, an dem Entwickler ihre Agenten täglich aufrufen. Bis dahin bleibt Grok Build ein weiteres Terminal-Icon in einem Feld, das sich in Wochen füllt.

Anthropic gibt Claude ein Web-Fetch-Tool, aber nur für vorab bekannte URLs

Anthropic hat der Claude API ein neues Werkzeug spendiert: Mit dem Beta-Header web-fetch-2025-09-10 lässt sich ein web_fetch-Tool in die Tool-Liste eintragen, und Claude kann dann während der Antwort selbst Inhalte von URLs abrufen. Laut Anthropics Dokumentation extrahiert das Tool den vollständigen Textinhalt einer Seite und liest auch Text aus PDFs aus, standardmäßig begrenzt auf fünf Abrufe pro Anfrage. Die Sicherheitslogik ist dabei bewusst eng gezogen: Claude darf keine URLs dynamisch konstruieren, sondern nur solche abrufen, die schon vorher im Gesprächskontext auftauchten, also in User-Nachrichten, in clientseitigen Tool-Ergebnissen oder aus vorherigen Web-Search- und Web-Fetch-Resultaten. URLs, die Claude selbst generiert, oder solche aus containerbasierten Tools wie Code Execution und Bash, sind ausgeschlossen. Simon Willison ordnet das als Schutz gegen Prompt-Injection-Exfiltration ein, weist aber darauf hin, dass URLs in User-Nachrichten dennoch befolgt werden, was in vielen Anwendungen die Stelle ist, an der untrusted Content landet. Als stärkeren Mechanismus nennt er den Parameter allowed_domains, mit dem sich der Zugriff auf eine Allow-List fester Domains beschränken lässt. → Simon Willison from Simon Willison's Newsletter

Synthszr Take: Drei Zeilen JSON in der Tool-Liste, und aus dem Chatmodell wird ein Agent, der den Loop zwischen Suchen, Lesen und Antworten selbst schließt. So sehen die Sprünge in der agentischen Fähigkeit aus: keine neue Modellgeneration, sondern eine kleine API-Erweiterung, die das Verhalten grundlegend verändert. Interessant für die Entwicklerpraxis ist, dass Anthropic die Leitplanke nicht ins Modell packt, sondern in die Harness: Claude kann keine URLs erfinden, und damit fällt der klassische Exfiltrations-Vektor weg, bei dem man dem Modell einredet, private Daten kodiert an evil.com/log?... zu schicken. Das ist saubere Ingenieursarbeit. Die Lücke bleibt aber, dass User-Nachrichten und Tool-Ergebnisse als vertrauenswürdig gelten, obwohl genau dort in realen Anwendungen fremder Text hereinkommt. Der eigentliche Hebel liegt in allowed_domains: Produktiv bauen kann darauf nur, wer die erlaubten Domains hart auf Ziele einschränkt, über die sich nachweislich nichts abfließen lässt. Diese Domain-Auswahl ist trickreicher, als sie klingt, weil selbst harmlose Doku-Server manchmal Query-Parameter durchreichen. Baut die Allow-List jetzt eng und testet sie gegen echte Injection-Payloads, bevor ihr das Tool an sensible Kontexte lasst.

In der Biologie schlägt Rechenkraft das Expertenwissen bei der Wirkstoffsuche

Der Semafor-Autor beschreibt nach einer Woche mit Biotech-Denkern in Boston, wie sich die Methode der Wissenschaft selbst verschiebt. Die „Bitter Lesson“, die die KI-Forschung seit Richard Suttons Text von 2019 gelernt hat – dass skalierende Rechenkraft menschliches Expertenwissen schlägt –, erreicht jetzt die Biologie. Eine neue Generation von Medikamenten entsteht laut dem Bericht aus der Brute-Force-Analyse riesiger Datensätze. Nanotechnologie und KI messen inzwischen Tausende Proteine im menschlichen Blut, und bessere Rechenmethoden finden darin Muster, ohne dass ein Mensch die Wirkmechanik versteht. Humanoide Roboter sollen künftig Laborarbeit wie das Handhaben von Mäusen oder das Schneiden von Gewebe automatisieren, sodass Labore rund um die Uhr laufen. In sogenannten Cloud-Laboren könne ein KI-Chatbot eine Studie konzipieren und sie per Knopfdruck real ausführen lassen, in agentischen Schleifen, die Experimente durchführen, auswerten und neue Versuche ableiten. → Semafor Technology

Synthszr Take: Sutton hat 2019 recht behalten, und für die Sprache war das ein Segen. Skalierung schlägt Expertenwissen, weil ein falsch geratenes Token nichts kostet außer einer Korrektur im nächsten Durchlauf. In der Biologie sieht die Rechnung anders aus. Wenn Maschinen Tausende Bluteiweiße durchmustern und daraus Wirkstoffe ableiten, ohne dass irgendjemand versteht, warum ein Muster greift, dann steht am Ende ein Eingriff in einen lebenden Körper. Ein falsch geratenes Muster wird hier zur Nebenwirkung im Patienten. Das Tempo ist verlockend: Cloud-Labore rund um die Uhr, Roboterhände am Gewebe, Experimente in agentischen Schleifen, nur läuft die Rückkopplung über Biologie statt über Rechenzeit. Der knappe Rohstoff bleibt derselbe wie in jeder Domäne: die Klarheit über die Frage, die man der Maschine stellt, und die Disziplin, ihre Treffer zu validieren, bevor sie am Patienten landen. Brute Force findet Korrelationen im Zeitraffer; ob daraus eine Kausalität wird, entscheidet weiterhin die Biologie.