Anthropic zielt auf Figma und der G7-Gipfel bleibt bei KI ziellos

Anthropic: Claude Design will den Figma-Workflow besitzen

Als Anthropic Claude Design im April als „Research Preview“ still veröffentlicht wurde, kamen in der ersten Woche über eine Million Nutzer. Dazu kam ein Problem: Ein PCWorld-Tester verbrauchte 80 Prozent seines wöchentlichen Claude-Pro-Kontingents in rund 25 Minuten für ganze drei Varianten eines einzigen Webseiten-Prototyps. Zwei Monate später liefert das Unternehmen eine überarbeitete Version, die den Verbrauch drückt und das Werkzeug vom hübschen Demo zur Serviceebene für Marken-Compliance umbaut. Kern ist der neue Design-System-Import: Firmen ziehen ihre eigenen Komponenten, Typografie und Color-Tokens aus einem GitHub-Repository in Claude, das Tool baut damit, prüft gegen das Regelwerk und korrigiert, bevor der Nutzer das Ergebnis sieht. Eine Admin-Rolle kann ein Standardsystem freigeben und Änderungen sperren. Dazu kommt die bidirektionale Anbindung an Claude Code per /design-sync und /design, die den Bruch zwischen Entwurf und Engineering schließen soll. Das Ganze reiht sich in zehn Wochen aggressiver Produktausweitung ein: Opus 4.8, die DXC-Allianz für Banken und Airlines, Claude for Small Business mit QuickBooks und PayPal, dazu eine Studie über 400.000 Claude-Code-Sessions, wonach Domänenwissen wichtiger ist als Coding-Skill. → venturebeat.com

Synthszr Take: Der eigentliche Hebel liegt nicht im Drag-and-Resize-Editor, sondern im Lockdown. Eine Firma mit 200-seitigem Brand-Manual hat mit einer KI, die nach eigenem Geschmack hübsche Slides baut, nichts gewonnen. Sobald Claude die echten Buttons, Spacing-Regeln und Tokens kennt und jeden Output dagegen validiert, beantwortet Anthropic die erste Frage jedes Enterprise-Einkaufs: Können wir kontrollieren, was rauskommt? Die Round-Trip-Integration zu Claude Code ist der zweite Schlag, weil hier dasselbe System entwirft und programmiert; die alte „so sah das Mockup aber nicht aus“-Schleife zwischen Design und Engineering verschwindet, wenn niemand mehr fremde Intention interpretieren muss. Im April (siehe „Claude Design greift Figma an“) war das ein Frontalangriff aufs Tool, jetzt ist es ein Angriff auf den gesamten Workflow dahinter. Dass Anthropic gleichzeitig das Token-Problem entschärft, zeigt Compute-Disziplin: Ein Werkzeug, das man nach 25 Minuten nicht mehr bezahlen kann, skaliert nicht in die Procurement-Abteilung. Anthropic ist auf dem Weg, Workflow für Workflow zu erobern, und gräbt sich von seiner Bastion Coding durch die Enterprise-Landschaft.

G7 wird zum KI-Gipfel ohne Ergebnisse

Nur Tage nachdem die US-Regierung ausländischen Staatsbürgern den Zugriff auf Anthropics stärkste Modelle Fable und Mythos untersagt hat, trafen die Chefs der führenden Labore beim G7-Gipfel im französischen Évian-les-Bains auf die Spitzen der westlichen Demokratien. Anthropic-CEO Dario Amodei warb bei einem Arbeitsmittagessen dafür, den Nutzen der KI unter demokratischen Nationen zu teilen und den Handel mit den mächtigen Modellen zu koordinieren, China ausgeschlossen. Auslöser der Exportkontrollen war die Sorge, dass Fable und Mythos so gut Software-Schwachstellen aufspüren, dass Angreifer sie missbrauchen könnten; Anthropic musste den Zugang für sämtliche Nutzer abschalten, auch für die eigenen Mitarbeiter ohne US-Pass. Macron nannte die Entscheidung „in mancher Hinsicht strikt nationalistisch“, Kanadas Premier Carney warnte vor der „Überabhängigkeit von bestimmten Modellen“. Trump, beim Essen flankiert von Sam Altman und Demis Hassabis, sprach die Sperre nicht an und betonte stattdessen den Vorsprung der US-Industrie vor China und seinen Kraftwerksbau für den KI-Boom. Hassabis forderte eine internationale Standard-Behörde, die KI-Entwicklung sicher und zugleich innovationsfreundlich regelt. → www.washingtonpost.com

Synthszr Take: Wir haben das Anthropic-Beben hier schon am 14. Juni als geopolitischen Bruch beschrieben, und Évian zeigt jetzt die Rechnung. Wenn Washington ein funktionierendes Produkt über Nacht abschalten kann, ohne öffentliche Begründung, dann ist KI-Kapazität keine Ware mehr, die man planbar einkauft, sondern ein Hebel in fremder Hand. Carney hat den einzig brauchbaren Satz des Gipfels gesagt: Niemand hat etwas falsch gemacht, falsch wäre nur, die Lektion nicht zu ziehen und nichts aufzubauen. Für Europa heißt das: eigene Modelle, eigene Rechenzentren, eigene Diffusionskraft, und zwar als Investition, nicht als Förderdeck-Folklore. Estland hat 99 % seiner Verwaltung digitalisiert, weil jemand angefangen hat, nicht weil ein Gipfel es beschlossen hat. Die Abhängigkeit lässt sich nicht in Évian wegverhandeln, sie lässt sich nur durch eigenes Bauen verkleinern. Wer jetzt auf den nächsten Standard-Gremiumsbeschluss wartet, hat die Kontrolle über die wichtigste Infrastruktur des Jahrzehnts bereits abgegeben.

Microsoft liebäugelt mit Chinas DeepSeek für Copilot

Microsoft prüft laut Axios, eine selbst gehostete, fein abgestimmte Version von DeepSeek V4 (oder ein anderes Open-Source-Modell) unter Copilot Cowork zu schieben, den agentischen Assistenten in Microsoft 365. Der Grund ist Geld. Parallel stellt Microsoft Copilot Cowork auf nutzungsbasierte Abrechnung um und verlangt künftig für den tatsächlich verbrauchten Compute statt einer Pauschale. Charles Lamanna, EVP für Copilot, sagt offen: Es gebe Nutzer, die Hunderte Tasks pro Woche abarbeiten, sehr produktiv, aber die Kosten schießen hoch. Aktuell läuft Cowork auf Anthropic- und OpenAI-Modellen, beide haben die Preise erhöht und ihre Flatrate-Pläne zurückgezogen. Politisch ist das Timing heikel: Washington hat ein DeepSeek-Verbot ins Spiel gebracht und Anthropic gerade gezwungen, Top-Modelle für Nicht-US-Nutzer zu kappen. Microsoft betont, jede DeepSeek-Option sei optional und vollständig auf Azure gehostet, mit Fine-Tuning und Leitplanken. → Techpresso

Synthszr Take: Wenn selbst Microsoft die Rechnung für seine eigenen Agenten nicht mehr schluckt, ist das die ehrlichste Aussage über die Ökonomie der Agenten-Ökonomie, die wir dieses Jahr bekommen haben. Ein Agent ruft das Modell nicht einmal auf, er ruft es dutzende Male pro Task, und genau da kippt jede Pauschale ins Minus. Schon Ende Mai haben wir über die explodierenden Token-Kosten geschrieben und wie China die Lücke besetzt; jetzt steht der billigste Kandidat auf der Shortlist von Redmond, und er heißt DeepSeek. Bemerkenswert ist nicht die geopolitische Pikanterie, sondern dass Microsoft sich von der engen OpenAI-Exklusivität freikauft und Modelle unter dem eigenen Dach mischt wie ein Einkäufer, der nie wieder von einem Lieferanten abhängig sein will. Wer Agenten produktiv betreiben will, braucht Cost-Telemetry auf Use-Case-Ebene und einen Modell-Tausch-Hebel, kein Black-Box-Cloud-Bill am Monatsende. Das lässt sich heute aufsetzen, nicht erst wenn der CFO die erste sechsstellige Token-Rechnung auf den Tisch legt. Compute-Disziplin wird gerade vom Nice-to-have zur Kernkompetenz.

Adyen und Stripe kämpfen um den Check-out, während OpenAI scheitert

Zwei der größten Zahlungsabwickler der Welt haben innerhalb weniger Tage ihre Wetten auf den agentischen Handel erhöht. Adyen hat eine komplette API-Suite für Transaktionen von KI-Agenten gestartet, Stripe baut seine eigene Infrastruktur über die AWS-Cloud von Amazon aus. Beide Schritte kamen drei Monate, nachdem OpenAIs Instant Checkout zusammengebrochen war: Walmart sah dreimal so schlechte Conversion-Raten, und weniger als 30 Shopify-Händler gingen je live. Wenige Wochen zuvor trat Stripe Googles Universal Commerce Protocol bei, ein leises Eingeständnis, dass der gemeinsam mit OpenAI gebaute Standard das Rennen verloren hat. Das aufschlussreichste Detail: Keiner der Anbieter kann reales Transaktionsvolumen aus dem Kanal vorweisen, für den er baut. → Linas from Linas's Newsletter

Synthszr Take: Hier baut die ganze Branche eine Autobahn, auf der noch kein Auto fährt. OpenAIs Instant Checkout hat geliefert, was passiert, wenn man den Funnel automatisiert, bevor die Nutzer ihn überhaupt wollen: dreifach schlechtere Conversion und 30 Händler, die mitmachen (von Millionen). Adyen und Stripe sind clever genug, nicht auf einen proprietären Standard zu setzen, sondern auf die Lieferlogik dahinter, also die API-Schicht, die jeder Agent ansteuern kann. Das ist die richtige Wette, denn der Tool-Layer wird Commodity, die Pipeline-Logik bleibt der Burggraben. Was mich stutzig macht: Niemand kann Transaktionsvolumen zeigen, und ein Bezahlsystem ohne Bezahlvorgänge ist eine PowerPoint-Illusion mit Quartalszahlen. Wer hier baut, sollte das Geld in die Infrastruktur stecken und gleichzeitig brutal ehrlich messen, ab wann echte Menschen echte Käufe an Agenten delegieren. Die Geschwindigkeit beim Bauen ist beeindruckend, der Beweis der Nachfrage steht noch aus.

CFOs haben Token-Panik und holen die Rasenmäher raus

Auf dem Data + AI Summit von Databricks erzählten Enterprise-Manager dem Reporter der Deep View dieselbe Geschichte: Die Inference-Kosten sind so weit über Budget gelaufen, dass es zur Krise wird. „Letztes Jahr ließen die Vorstände jede Blume blühen, jetzt kommen sie mit dem Rasenmäher“, so ein Zitat. Databricks-CEO Ali Ghodsi nannte die Lage „völlig unhaltbar“ und sagte, die Nummer-eins-Frage seiner Kunden laute: Wie senken wir Kosten, ohne KI-Investitionen abzuwürgen? Zwei Antworten kristallisieren sich heraus: Model Selection (nicht jede simple Anfrage braucht ein Frontier-Modell) und Hybrid Compute (Open Models lokal auf eigener Hardware). Databricks liefert prompt das passende Werkzeug, das Unity AI Gateway, das Token-Verbrauch sichtbar macht und Anfragen an das passende Modell routet. Für OpenAI und besonders Anthropic, deren Umsätze durch unbegrenzten Token-Zugang der Mitarbeiter explodiert sind, sind das schlechte Nachrichten. Databricks} → The Deep View

Synthszr Take: Vor einem Jahr bettelten CEOs ihre Leute an, KI doch endlich zu nutzen, jetzt fressen die Coding-Agents die Rechnung auf. Schöner kann ein Markt kaum zeigen, dass er erwachsen wird. Wir haben im März über das „Tokenmaxxing“ geschrieben, als Tech-Firmen noch um die höchste Token-Nutzung wetteiferten; im Mai kam der Budget-Schock, und China lieferte Modelle mit bis zu 99 Prozent Rabatt. Jetzt zahlt sich Architektur-Disziplin aus: Wer den Model-Layer austauschbar hält (via Adapter) und Anfragen sauber routet, statt eine Kettensäge für jedes Gänseblümchen anzuwerfen, spart sofort, ohne die KI-Strategie zu beerdigen. Das Jevons-Paradoxon schlägt hier voll durch, je effizienter und billiger das Token wird, desto mehr verbrauchen wir, und genau deshalb ist Compute-Disziplin keine Sparmaßnahme, sondern Voraussetzung fürs Skalieren. Die Liste der Anbieter, die beim Agenten-Zähmen helfen wollen, wird lang, und Databricks ist nur einer davon. Beobachtungsfähigkeit über das, was die Agents tun und kosten, gehört ab sofort in jede Pilot-Architektur, das lässt sich morgen früh entscheiden, nicht erst nach dem nächsten Strategie-Offsite.

Vercel löschte 80 % der Agent-Tools, und der Agent wurde besser

Nate beschreibt in seinem Substack einen Fall, der die ganze Agenten-Euphorie auf den Boden holt: Vercel hat einen Sales-Agenten auf einen seiner besten Vertriebler trainiert, ihn Inbound-Anfragen filtern, Leads qualifizieren, Firmen recherchieren und Antworten entwerfen lassen, und das Inbound-Team von zehn auf eine Person verkleinert, die den Agenten in Slack überwacht. Business Insider erzählte das als Personalgeschichte. Die nützlichere Geschichte liegt woanders: Der Agent funktioniert, weil um ihn herum eine Werkbank gebaut wurde, mit Quellen, definierten Aufgaben, Übergabepunkten und einem Menschen, der mitliest. Nate nennt zwei Arten, wie Agenten kaputtgehen: Die Welt um sie herum driftet weg, oder, seltsamer, das Modell darunter wird besser und der Aufbau, der seine alten Schwächen kompensieren sollte, wird zu totem Ballast. Genau das passierte bei Vercel: 80 % der Tools raus, Leistung rauf. Sein Kern: „More“ fühlt sich nach Fürsorge an, ist aber meist das, was den Agenten von innen verfaulen lässt. → Nate from Nate's Substack

Synthszr Take: Das deckt sich brutal genau mit dem, was wir in Code Crash über verwaisende Agenten geschrieben haben: Sich selbst überlassen, veralten sie und verlieren das Vertrauen ihrer Nutzer. Der Reflex, mehr Tools, mehr Kontext, mehr Memory draufzupacken, ist kein Ausdruck von Sorgfalt, sondern von Faulheit beim Nachdenken über den eigentlichen Intent. Wartung ist die unsexy Disziplin, die in keinem Pitch-Deck vorkommt, und sie wird zu einer der wertvollsten KI-Fähigkeiten überhaupt, weil ein Agent weiterproduziert, lange nachdem er aufgehört hat, richtig zu liegen. Vercels Lektion lässt sich morgen früh anwenden, nicht erst nach dem nächsten KI-Offsite: Geh durch deine Agenten, frag bei jedem Tool, ob es noch ein Problem löst, das das Modell heute nicht schon selbst löst, und lösch gnadenlos. Die Control Plane, über die alle reden, ist wertlos ohne eine menschliche Trägerschicht, die kuratiert und korrigiert. Wer glaubt, mit dem Ausrollen sei die Arbeit getan, hat den teuersten Teil noch vor sich.

Der Burggraben heißt jetzt Megawatt

Das KI-Wettrennen ist in seiner absurden Phase angekommen: Es geht nicht mehr darum, wer das beste Modell trainiert, sondern wer am schnellsten Turbinen kauft, wer sich am elegantesten durch Umweltgenehmigungen klagt und wer ein Rechenzentrum am überzeugendsten als nationale Infrastruktur umetikettiert. Der neue Wettbewerbsvorteil liegt laut AI Secret in Megawatt, Gas, Anwälten und einem DOJ-Memo. Frontier-KI konkurriert über Logistik und juristische Deckung, und xAI hat gerade vorgeführt, dass die US-Bundesregierung diese Deckung liefert: Elon Musks Firma bekommt offenbar Rückendeckung dafür, ihre Gasturbinen-Anlage in Memphis als verteidigungsrelevant einzustufen. Damit verschiebt sich der gesamte Engpass weg vom Algorithmus, hin zur physischen Welt aus Strom und Genehmigungen. Wer keinen Zugang zu Energie und politischer Deckung hat, baut keine Modelle mehr, egal wie gut sein Team ist. → AI Secret

Synthszr Take: Bauen-Können war nie ein Burggraben, und jetzt ist es Compute-Können auch nicht mehr allein. Der eigentliche Engpass sitzt in der Stromleitung und im Genehmigungsstapel der Umweltbehörde. Das ist Cornered Resource im reinsten Sinn von Hamilton Helmer: Wer sich Turbinen, Gaslieferverträge und eine wohlwollende DOJ-Einordnung sichert, hält etwas, das ein cleverer Konkurrent nicht in sechs Monaten nachbaut. Im Juni schrieb ich hier noch über Metas Zelt-Datacenter im Mad-Max-Stil; die Fortsetzung ist, dass die physische Infrastruktur nun zur juristischen wird. Spannend ist die Kehrseite: Genau diese Abhängigkeit von Genehmigungen und Politik macht die großen Anbieter angreifbar für jeden, der mit weniger Strom auskommt, also für effiziente Open-Source-Modelle und schlankere Architekturen. Wer heute eine KI-Strategie baut, sollte die Frage nach dem Strom genauso ernst nehmen wie die nach dem Modell. Und sich nicht einreden lassen, dass der teuerste Stack automatisch der überlegene ist.

Das AI Product Operating Model: Wie KI-native Firmen gewinnen

Marty Cagan hat das Product Operating Model berühmt gemacht, doch die führenden KI-Firmen arbeiten heute nach einer anderen Rezeptur. Bei Anthropic prototypen Engineers hunderte Lösungen und shippen, ohne je einen Product Manager oder Designer zu fragen. OpenAIs neues Produkt Codex startete mit zwei PMs, einem Designer und rund 40 Engineers, gemeinsam verantwortlich für 10 bis 12 Produktoberflächen, von denen jede in einem klassischen Unternehmen ihr eigenes Team aus 15 bis 20 Leuten bekäme. Cursor fährt mit 40 Engineers und genau einem PM und hat 4 Milliarden Dollar ARR schneller geknackt als fast jede Firma der Geschichte. Aakash Gupta nennt das Muster das „AI product operating model“ und prognostiziert, dass die meisten Unternehmen im kommenden Jahrzehnt dorthin wandern. Erarbeitet hat er die Analyse mit Rohan Varma, PM bei Codex und früher erster PM bei Cursor. → Aakash Gupta from Product Growth

Synthszr Take: Die spannende Zahl ist nicht der Umsatz, sondern der Teiler. Ein PM auf 40 Engineers bei Cursor, das ist eine Verzehnfachung der Produkt-Velocity pro Kopf, und Velocity ist die Lösung so gut wie aller Softwareprobleme. Was hier verschwindet, ist die Abstimmungsschicht: die Stakeholder-Runden, die Handoffs, die Squad-Logik, die ein einzelnes Feature durch fünf Hände schickt, bis es niemandem mehr gehört. Engineers, die selbst prototypen und shippen, holen sich den Produktinstinkt zurück, den klassische Organisationen jahrelang in Prozesse externalisiert haben. Das deutsche Mittelstands-Problem ist genau hier verortet: 20 Prozent KI-Adoption bringen wenig, wenn das Betriebsmodell darunter byzantinisch bleibt und jede Entscheidung durch sechs Gremien gehen muss. Den Teiler zu verändern lässt sich morgen früh entscheiden, nicht erst nach dem nächsten Strategie-Offsite. Wer kleine, tiefe Teams mit echtem Skin in the Game ausstattet und sie shippen lässt, gewinnt die Dekade.

60 Prozent der US-Verbraucher finden „KI“ in Markenbotschaften abstoßend

Eine neue Studie von WordPress VIP, dem Enterprise-Arm von Automattic, zeigt eine Kluft zwischen Maschinensichtbarkeit und Menschenvertrauen. 60 Prozent der befragten US-Konsumenten empfinden Marken, die mit „KI“ werben, als Abturner, und 86 Prozent misstrauen KI-Antworten so weit, dass sie weiter zur Originalquelle wollen. Besonders bitter: 42 Prozent vertrauen KI-Antworten ohne klare Quellenangabe weniger als Airline-Gebühren, verworrenen Datenschutzerklärungen oder Arztrechnungen. Fast drei von vier Befragten finden, dass das Internet sich „weniger menschlich“ anfühlt als vor zehn Jahren. Gleichzeitig wächst der Druck von der anderen Seite: 60 Prozent der Unternehmen melden steigenden Traffic aus KI-Suchmaschinen, und 74 Prozent der Entscheider nennen KI-Auffindbarkeit eine zentrale Priorität. Die Befragung umfasst 2.000 Personen, davon 800 Entscheider und CMOs sowie 1.200 erwachsene US-Verbraucher, die im April erhoben wurden. 80 Prozent wollen, dass Web-Informationen offen zugänglich bleiben, statt von einer Handvoll großer Konzerne kontrolliert zu werden. → Techpresso

Synthszr Take: Die Marke lebt jetzt an zwei Orten, und beide ziehen in entgegengesetzte Richtungen. Im Modell musst du maschinenlesbar sein, sonst kommst du gar nicht erst vor (im B2B taucht nur jede achte SaaS-Marke in den KI-Antworten auf). Beim Menschen, der hinter dem Agenten sitzt, kippt genau dieselbe KI-Prominenz ins Negative, sobald sie als Werbeversprechen auftritt. „KI“ im Claim war 2024 ein Bewertungstreiber, 2026 ist es ein 60-Prozent-Abturner. Wer das auflösen will, baut Inhalte, die für die Maschine zitierfähig und für den Menschen glaubwürdig sind, mit echter Quellenangabe statt zuckerwattiertem KI-Marketing. Das lässt sich morgen früh entscheiden: das Wort „KI“ aus der Headline streichen und die Substanz dahinter sichtbar machen. Vertrauen ist die knappe Ressource in der Agenten-Ökonomie, nicht die Sichtbarkeit.