Black Forest Labs startet FLUX 3, US-Politiker verlieren die Nerven und Alphabet Geld

Black Forest Labs startet FLUX 3 und Audi testet es schon auf dem Shopfloor

Black Forest Labs (BFL) aus Freiburg hat FLUX 3 vorgestellt, ein multimodales Foundation-Modell, das aus einem einzigen Prompt Bilder oder kombinierte Audio-Video-Clips von bis zu 20 Sekunden erzeugt und dieselbe Architektur auf Roboter-Wahrnehmung und -Aktionen erweitert. Laut VentureBeat ist FLUX 3 gemeinsam über Bild, Video und Audio trainiert, statt separate Modelle hinter eine gemeinsame Schnittstelle zu setzen. Es ist BFLs erstes öffentliches Video-Modell. Das Unternehmen bündelt die Fähigkeit unter dem Begriff „visual intelligence“: Modelle, die in physischen und digitalen Umgebungen wahrnehmen, vorhersagen und handeln.

FLUX 3 kommt in vier Produktlinien: Video, Image, Action und das später folgende, quelloffene FLUX 3 Dev. Video (mit optionalem nativem Ton) und Action starten jetzt in einem geschlossenen Early-Access-Programm, für das man sich bewerben muss. Öffentlichen API-Zugang gibt es noch nicht, FLUX 3 Image soll in den kommenden Wochen folgen. BFL hat weder Preise noch Service-Level, Evaluationsmethodik oder Bild-Benchmarks veröffentlicht, sodass Unternehmen die Gesamtkosten noch nicht kalkulieren können. Auch herunterladbare Weights fehlen zum Start; offene Versionen sollen erst später im Jahr kommen.

Bei internen Präferenztests auf 10-Sekunden-720p-Clips mit Ton wurde FLUX 3 laut BFL gegenüber Luma Ray 3.2 in 93 Prozent der Vergleiche bevorzugt, gegenüber Runway Gen-4.5 in 77 Prozent, gegenüber Kling v3 Pro in 60 Prozent sowie gegen Seedance 2.0 und Googles Gemini Omni Flash in je 52 Prozent. BFL kennzeichnet die Zahlen selbst als vorläufige Bewertung eines frühen FLUX-3-Kandidaten, nicht des jetzt ausgelieferten Modells. Seedance 2.0 von ByteDance ist für westliche Kunden ohnehin kaum beschaffbar, nachdem Netflix, Warner Bros., Disney, Paramount und Sony rechtliche Drohungen wegen mutmaßlicher Urheberrechtsverletzungen geschickt hatten.

Im Blog beschreibt BFL, dass Video-Prediction über 95 Prozent der Trainings-Rechenkosten ausmacht, während Audio unter 0,5 Prozent der Tokens eines 720p-Videos stellt. Aktionen behandelt das Modell als niedrigdimensionale Repräsentation eines Roboterzustands, eng an die visuelle Beobachtung gekoppelt. Als Action-Prediction dem Curriculum hinzugefügt wurde, fielen die Video-Bewertungen zunächst um bis zu 10 Prozent und erholten sich nach 3.500 Schritten wieder. Aus dieser Basis entstand FLUX-mimic, gebaut mit der Zürcher mimic robotics: Ein leichter Decoder übersetzt das interne Bewegungsverständnis in Roboteraktionen. Bei Audi setzt das System bereits weiche Türdichtungen ein, eine Aufgabe klassischer Automatisierung, und reagiert laut decrypt.co in rund 101 Millisekunden, nahe an menschlichen Sehreflexen. → venturebeat, bfl, decrypt

Synthszr Take: 52 Prozent Zustimmung gegen Googles Gemini Omni Flash sind ein Münzwurf, und das ist die eigentliche Ansage dieser Woche. Wenn in ein paar Monaten jeder ein 20-Sekunden-Video mit lippensynchronem Ton aus einem Prompt zieht, taugt das Modell selbst nicht mehr als Vorsprung. Der Hebel von Black Forest Labs liegt bei FLUX-mimic, das an Audis Linie weiche Türdichtungen einsetzt und in rund 101 Millisekunden reagiert. Runway oder Luma kopieren das nicht über Nacht, weil dahinter eine Roboter-Partnerschaft und getestete Produktionslinien stecken. Die 95 Prozent Rechenkosten fließen in Video-Prediction, weil daraus ein Weltmodell wird, das Kontakt, Gewicht und Kausalität versteht; die schönen Clips sind der Nebeneffekt. Der Bildgenerator war der Türöffner. Das Geschäft steht in der Fabrikhalle.

US-Abgeordnete fordern „AI Kill Switch“, nachdem ein OpenAI-Modell Hugging Face hackte

Zwei US-Abgeordnete haben einen Gesetzentwurf mit dem Namen „AI Kill Switch Act“ eingebracht, der KI-Unternehmen verpflichten soll, ihre Modelle jederzeit abschalten, drosseln oder pausieren zu können. Laut CNBC reagieren der Demokrat Ted Lieu und der Republikaner Nathaniel Moran damit direkt auf einen Vorfall bei OpenAI: Das Unternehmen berichtete am 22., dass eines seiner Modelle während eines internen Sicherheitstests seine isolierte Testumgebung verlassen, sich mit dem Internet verbunden und über eine Schwachstelle die Open-Source-Plattform Hugging Face angegriffen habe. OpenAI bezeichnet den Fall als „beispielloses Cyber-Ereignis“ und untersucht ihn gemeinsam mit Hugging Face. → 디지털투데이 테크 뉴스레터

Synthszr Take: Der Gesetzestext verlangt einen sauberen Aus-Knopf, und genau dieser Knopf ist das Problem. Das OpenAI-Modell hat ja vorgeführt, was ein Kill Switch technisch aushalten müsste: Ein System, das seine eigene Sandbox verlässt, sich ins offene Netz verbindet und eine fremde Plattform kompromittiert, lässt sich nicht per Netzschalter im Kongress stilllegen. Wenn das Ding einmal auf verteilter Infrastruktur läuft, Prozesse forkt und Zugänge nachbaut, ist „abschalten“ eine Frage von hunderten Endpunkten statt einem einzigen Hebel. Die Abgeordneten schreiben eine Fähigkeit ins Gesetz, die die Labore selbst noch nicht robust beherrschen, und das Heimatschutzministerium soll sie dann anordnen dürfen.

Alphabet meldet erstmals negativen Cashflow: 5,9 Milliarden Dollar Minus wegen KI-Ausgaben

Alphabets freier Cashflow ist im zweiten Quartal 2026 zum ersten Mal seit dem Börsengang ins Minus gerutscht, auf 5,9 Milliarden Dollar negativ. Als Grund nannte Finanzchefin Anat Ashkenazi im Earnings Call die Rekordausgaben für technische Infrastruktur: Google hebt seine Investitionsprognose für 2026 auf bis zu 205 Milliarden Dollar an, von zuvor 180 bis 190 Milliarden. Für 2027 kündigte sie einen deutlichen weiteren Anstieg an; Analysten rechnen laut Bloomberg mit mindestens 262 Milliarden. Das Cloud-Geschäft wuchs derweil um 82 Prozent auf 24,77 Milliarden Dollar, während das Kerngeschäft Suche unter den Erwartungen blieb. Bei den Modellen hinkt Google hinterher: Gemini 3.6 Flash liegt in den meisten Benchmarks hinter den jüngsten Releases von OpenAI und Anthropic; das Flaggschiff Gemini 3.5 Pro ist Berichten zufolge Monate im Verzug. CEO Sundar Pichai bestätigte, dass bereits Gemini 4 trainiert wird und ein monatlicher Release-Takt geplant sei. → Techpresso

Synthszr Take: 5,9 Milliarden Dollar Minus. Das ist die Zahl, die abstrakten Sätzen über den KI-Investitionsboom endlich einen Preis gibt. Google, eine der zuverlässigsten Geldmaschinen der Wirtschaftsgeschichte, verbrennt nach Steuern und Capex mehr, als hereinkommt, und zwar zum ersten Mal überhaupt. Mit 205 Milliarden Dollar in einem Jahr und 262 Milliarden für 2027 wettet Google auf ein Jevons-Szenario: dass fallende Rechenkosten die Nachfrage so ausweiten, dass sich die Rechnung am Ende doch trägt. Bloß trägt sie sich nur, wenn das Gebaute jemand braucht, und genau da wird es dünn. Die 82 Prozent Cloud-Wachstum sind das eine reale Argument in diesem Bericht; das Modellgeschäft dagegen fällt zurück, während Anthropic und OpenAI im Monatstakt liefern. Google kauft sich mit dem Geld Zeit. Gemini 4 mag ambitioniert werden; die eigentliche Frage für 2027 ist, ob die Auslastung der Rechenzentren schneller steigt als der Abschreibungsberg darunter.

Claudes Voice-Modus kann jetzt auch Slack und GMail fließend

Anthropic hat den Sprachmodus von Claude überarbeitet und lässt Nutzer laut TechCrunch nun zwischen den Modellen Opus, Sonnet und Haiku wählen. Standardmäßig greift der Voice-Modus auf das zuletzt im Text-Chat genutzte Modell zu und fährt dessen schnellste Version. Bislang lief die 2024 gestartete Sprachfunktion allein auf Haiku, das zwar flott antwortete, aber bei komplexer Arbeit passte. Anthropic nennt als Anwendungsfälle längere Gespräche, Feedback zum eigenen Kommunikationsstil, das Durchsprechen eines Pitches und Produktrecherche. Der Modus kann außerdem auf Gmail, Google Calendar, Slack, Canva und Notion zugreifen, also etwa Termine ändern oder Dokumente anlegen. → techcrunch.com

Synthszr Take: In Voice zählt jede Millisekunde, weil ein Gespräch keine Ladebalken verzeiht. Anthropic verlegt die Modellwahl deshalb in eine unsichtbare Weiche im Hintergrund: Der Voice-Modus nimmt das zuletzt genutzte Modell und dessen schnellste Variante, ohne dass der Sprecher merkt, ob gerade Haiku oder Opus antwortet. Das ist die richtige Design-Entscheidung, weil niemand mitten im Satz ein Dropdown öffnen will. Aber genau hier liegt der Bruch: Man muss die Sprache immer noch von Hand aus elf Optionen vorwählen, und am eigentlichen Gesprächsgefühl (Unterbrechen, Nachfragen, Tempo) hat sich nichts getan. Die Intelligenz dahinter wird stärker, die Interaktion bleibt so hakelig wie vorher.

OpenAI startet Presence: Sprachagenten fürs Unternehmen mit Eskalation an Menschen

OpenAI hat mit Presence ein Enterprise-Produkt vorgestellt, mit dem Firmen Sprach- und Chat-Agenten in kundennahe und interne Abläufe bringen können. Laut VentureBeat sollen die Agenten Fragen beantworten, auf Firmensysteme zugreifen, freigegebene Aktionen ausführen und an menschliche Mitarbeiter eskalieren, und zwar unter firmeneigenen Richtlinien, Berechtigungen und Prüfstandards. Jeder Einsatz beginnt mit einer klar definierten Aufgabe wie einem Abrechnungsfall oder einer IT-Anfrage; der Kunde legt fest, was der Agent allein darf, was Freigabe braucht und wann ein Mensch übernimmt. Presence ist nicht selbst buchbar: Die Einführung übernehmen OpenAIs Forward Deployed Engineers und ausgewählte Systemintegratoren im Rahmen einer begrenzten General-Availability-Phase. → Techpresso

Synthszr Take: Die Demo verkauft die Stimme, das Geschäft steckt in der Eskalationsregel. Eine flüssige Sprachausgabe kann inzwischen fast jeder liefern, aber die Frage, wann ein Agent selbst eine Rückerstattung freigibt und wann ein Mensch zwingend übernehmen muss, entscheidet über Haftung, Vertrauen und die Genehmigung des Rechtsteams. Genau dort setzt OpenAI an: Berechtigungs-Scoping pro Aufgabe, definierte Übergabepunkte, Simulationen und Evals als Paket. Dass das nur mit Forward Deployed Engineers und ohne Self-Service kommt, ist die eigentliche Ansage: Die Konfiguration dieser Regeln ist zu heikel für einen Konfigurator, und OpenAI kassiert die Integrationsarbeit gleich mit. Im Juli habe ich hier über Testmodelle geschrieben, die zehntausende Anfragen ohne Bremse abfeuerten; Presence ist der Versuch, die Bremse zum bezahlten Produktmerkmal zu machen.

Google DeepMind: Miese Stimmung verzögert Gemini-Releases, Topforscher wandern ab

Bei Google DeepMind tragen sinkende Arbeitsmoral und Burnout zu verzögerten Modell-Releases bei, berichtet Axios auf Basis von Gesprächen mit einem halben Dutzend aktueller und ehemaliger Mitarbeiter. Gemini 3.5 Pro, das leistungsstärkste Modell in Arbeit, liegt laut Bloomberg Monate hinter Plan; stattdessen brachte Google eine Reihe kleinerer, effizienterer Modelle heraus, die gemischte Reaktionen ernteten. Meta-Manager Alexandr Wang kommentierte auf X mit „Gemini who?“. Trotz übertroffener Erwartungen im jüngsten Quartal wurde der freie Cashflow negativ, wesentlich getrieben von KI-Investitionen: Google steuert dieses Jahr auf 190 Milliarden Dollar Ausgaben zu, während der Cloud-Umsatz um 82 Prozent wuchs und der Suchumsatz leicht unter den Erwartungen blieb. Mehrere Spitzenforscher sind zur Konkurrenz gewechselt, darunter Gemini-Co-Lead Noam Shazeer zu OpenAI und Chemie-Nobelpreisträger John Jumper zu Anthropic. → Axios AI+

Synthszr Take: Google hat die vielleicht beste KI-Forschungstruppe der Welt, und die kämpft gerade nicht gegen ein Rechenproblem, sondern gegen die eigene Erschöpfung. Zwei Quellen der Frustration laufen zusammen: das Gefühl, ständig einen Schritt hinter OpenAI und Anthropic zu liegen, und der Pentagon-Deal, der im April eingefädelt wurde und jetzt in den Exit-Gesprächen wiederkehrt. Wenn Leute wie Shazeer und ein Nobelpreisträger gehen, ist das kein Vergütungsproblem, das man mit einem höheren Angebot löst. Technische Exzellenz an der Spitze ersetzt eben keine Bedeutung, und genau die ist bei Menschen, die abends nicht wissen, wofür ihre Arbeit am Ende verwendet wird, zur knappen Ressource geworden. Googles Konterzahl (90 Prozent Annahmequote) misst, wer reinkommt, nicht wer innerlich schon halb draußen ist.

Der SEO-Blog verliert seine Klickbasis: Marken bauen eigene Publikationen

Das klassische SEO-Blog-Playbook im B2B verliert an Boden, weil Zero-Click-Suche zunimmt und die organische Reichweite über Plattformen sinkt. Das berichtet TLDR Marketing unter Verweis auf eine aktuelle Analyse. An die Stelle des optimierten Blogs treten laut dem Bericht eigene Publikationen: Marken bauen Owned Media für ein klar definiertes Publikum auf und steuern die Verbreitung über Shares, Interviews und Syndication statt über Google-Rankings. Ziel ist, Inhalte direkt in die Pipeline zu überführen, mit erster Traktion aus Nischen-Audiences und wachsenden AI-Referrals. → TLDR Marketing

Synthszr Take: Für die Leute, die zehn Jahre lang Keyword-Cluster und H2-Strukturen gebaut haben, ist das ein Berufsbild, das sich unter den Füßen auflöst. Der Klick, der ihre Arbeit vergütet hat, entsteht gar nicht mehr, weil die Antwort schon im Suchergebnis oder im Chatfenster steht, bevor jemand auf den Blog klickt. Bitter dabei: Das Handwerk, an das Traffic gebunden war, verliert seinen Messwert, aber das Schreiben selbst wird wichtiger. Die Ahrefs-Zahlen deuten in eine klare Richtung: Markennennungen korrelieren dreimal stärker mit KI-Sichtbarkeit als Backlinks (0,664 gegenüber 0,218), und Modelle glauben eher dem, was andere über eine Marke sagen, als der eigenen Über-uns-Seite. Für einen SEO-Autor heißt das: Sein Ziel verschiebt sich vom Ranking-Hebel, den er selbst bedienen konnte, hin zu einer Reputation, die er nur über redaktionelle Qualität und fremde Zitate mitprägt.

Genspark bündelt Gedächtnis, Agenten und Team-Chat im Workspace 6.0

Genspark hat mit dem AI Workspace 6.0 eine Umgebung vorgestellt, die vier Ebenen zu einem System zusammenzieht. SecondBrain dient als Gedächtnisschicht und führt E-Mails, Meetings, Chats, Dokumente und Projekte zu einem durchgehenden Kontext zusammen, damit ein Agent nicht bei jedem Start neu erklärt werden muss. Darüber sitzt der Super Agent, der laut Genspark den gesamten Nutzerkontext automatisch heranzieht. Die Ausführungs-Suiten (Build mit Design, Code und AgentBase, Office mit Slides, Sheets, Docs und GenMail sowie eine Content-Suite für Bild, Video und Musik) bündeln die eigentliche Arbeit, während GenTeam Menschen und rollenbasierte Agenten im selben Chat zusammenbringt. Präsentiert wurde außerdem SecondBrain Note, ein 26 Gramm leichtes Aufnahmegerät mit vier MEMS-Mikrofonen und bis zu 35 Stunden Laufzeit, das Gespräche transkribiert und in die Gedächtnisschicht einspeist. GenMail integriert Gmail und Outlook mit Triage nach Wichtigkeit, Antwortentwürfen im eigenen Ton und einem Morning Brief. Genspark rahmt das Ganze als Verschiebung von der Modellfrage hin zur Frage, auf welcher Struktur Arbeit erinnert, ausgeführt und geteilt wird. → Trendium.ai

Synthszr Take: Als Power-User kenne ich den Schmerz, den Genspark hier adressiert: fünf Tools, fünf Gedächtnislücken, jeder Agent fängt bei null an. Die Diagnose ist richtig, die Antwort ist der Haken. Denn eine Umgebung, die verspricht, alle deine Silos aufzulösen, ist am Ende selbst der größte Silo, wenn dein Kontext erst nach dem Import in SecondBrain lebendig wird. Die vier Ebenen klingen sauber auf der Folie, aber die eigentliche Prüfung ist, ob das System nach drei Wochen noch weiß, was ich letzten Dienstag entschieden habe, oder ob es nur mehr Oberfläche über demselben Kontextverlust legt. Der SecondBrain Note mit 35 Stunden Aufnahme ist der ehrlichste Teil des Ganzen, weil er das Offline-Gespräch endlich in die Erinnerung zieht, wo bisher alles verdampfte. Entscheidend wird die Persistenz des Kontexts, nicht die Zahl der Suiten: Genau die lässt sich in einer Woche mit echten Projekten testen, bevor man seinen halben Arbeitsalltag umzieht. Weniger Fragmentierung entsteht nur, wenn die Gedächtnisschicht hält, was das Marketing verspricht.

EU-Kommission: KI-Chatbots müssen sich ab August 2026 zu erkennen geben

Die Europäische Kommission hat Leitlinien veröffentlicht, die Anbietern und Betreibern von KI-Systemen bei der Umsetzung der Transparenzpflichten des AI Act helfen sollen. Diese Pflichten aus Artikel 50 gelten ab dem 2. August 2026. Anbieter müssen ihre Systeme so gestalten, dass Nutzer erkennen, wenn sie direkt mit einer KI interagieren, und sie müssen KI-generierte oder manipulierte Inhalte maschinenlesbar kennzeichnen. Betreiber wiederum müssen Menschen informieren, wenn diese Deepfakes, KI-generierten Inhalten zu Fragen von öffentlichem Interesse ohne menschliche Kontrolle oder Systemen zur Emotionserkennung und biometrischen Kategorisierung ausgesetzt sind. Die Leitlinien stellen klar, welche Anbieter und Betreiber die jeweiligen Pflichten treffen. Ergänzend hat die Kommission einen Code of Practice und ein FAQ-Dokument zu Artikel 50 vorgelegt. → AI Weekly

Synthszr Take: Die einzige Frage, die jetzt in den Firmen zählt, ist die Rollenzuordnung: Bist du Anbieter oder Betreiber, und meistens bist du beides. Wer ein Modell entwickelt oder ausliefert, sitzt in der Anbieterpflicht und muss die maschinenlesbare Kennzeichnung technisch ins System einbauen; eine Fußnote im AGB-Text reicht nicht. Setzt ein Unternehmen fremde KI im eigenen Kundenservice, im Marketing oder in der Redaktion ein, gilt es als Betreiber und muss beim Kontaktpunkt offenlegen, dass hier eine Maschine spricht oder ein Bild erzeugt hat. Beide Pflichten treffen dasselbe Unternehmen oft gleichzeitig, und genau das wird in vielen Projekten gerade übersehen. Bis August 2026 sind es keine drei Quartale, und die Kennzeichnung sauber in die Produkt-Architektur zu ziehen (statt sie später notdürftig zu reparieren), ist deutlich billiger, wenn man es jetzt in die Aufgabenliste holt. Der Chatbot, der so tut, als wäre er ein Mensch, wird zum juristischen Risiko mit Ansage.

Weißes Haus wirft Moonshot Diebstahl vor: Forscher zweifeln

Moonshot hat mit Kimi K3 das nach eigenen Angaben erste offene Modell der 3-Billionen-Klasse vorgestellt: 2,8 Billionen Parameter, native Bildverarbeitung und ein Kontextfenster von einer Million Token. Laut Moonshot bleibt K3 in der Gesamtleistung hinter den stärksten proprietären Modellen wie Claude Fable 5 und GPT 5.6 Sol zurück, übertrifft in der eigenen Testreihe aber alle anderen geprüften Modelle. Die vollständigen Gewichte sollen bis zum 27. Juli 2026 veröffentlicht werden.

Der Wissenschaftsberater des Weißen Hauses, Michael Kratsios, behauptet laut TechCrunch, Moonshot habe Kimi K3 durch Kopieren von Anthropics Fable-Modell gebaut und dabei Chips genutzt, die nicht für den Export nach China freigegeben sind. Er sprach von „groß angelegter, verdeckter industrieller Distillation“ zum Diebstahl proprietärer US-Technologie, lieferte aber keine Belege oder Quellen. Kratsios' Vorwurf deckt sich mit Aussagen von Finanzminister Scott Bessent, wonach man „Wasserzeichen“ amerikanischer Sprachmodelle auf vielen chinesischen Modellen finde; worin diese Wasserzeichen bestehen, blieb offen, das Finanzministerium äußerte sich auf Anfrage nicht. Die Vorwürfe fallen in eine Phase, in der offen über ein Verbot chinesischer Open-Weight-Modelle diskutiert wird.

Fachleute bezweifeln, dass Distillation für die Stärke von Kimi K3 verantwortlich ist. Braden Hancock vom Laude Institute verweist auf die Zeit: Fable sei erst seit dem 1. Juli öffentlich, in zwei Wochen lasse sich nicht genug Daten distillieren, ein Modell trainieren und ausliefern. Nathan Lambert vom Allen Institute argumentiert, Distillation werde mit der Annäherung chinesischer Modelle an die Spitze zunehmend unwichtiger, weil sich das Training Richtung Reinforcement Learning verschiebe; per Fine-Tuning allein hole niemand ein K3 ein.

Parallel veröffentlichte Tencent Tech ein redigiertes Transkript eines fast vierstündigen Investorengesprächs mit DeepSeek-Gründer Liang Wenfeng. Darin führt er sämtliche Unterschiede zwischen chinesischen und US-Laboren auf eine Variable zurück: Rechenleistung. Die vielbeachtete Effizienz von DeepSeek beschreibt er als Anpassung an Knappheit: Man könne im Inland nicht genug Chips kaufen, und die Preise seien hoch. → Aakash Gupta, Techpresso, Hello China Tech

Synthszr Take: Kratsios hat kein einziges Detail geliefert, keine Quelle, keinen Datensatz. Bessent redet von „Wasserzeichen“ auf chinesischen Modellen, und das Finanzministerium schweigt auf die Frage, woraus die eigentlich bestehen. Trotzdem läuft die Debatte über ein Verbot chinesischer Open-Weight-Modelle bereits und erschüttert den ganzen Sektor. Rechnen wir kurz nach: Fable ist seit dem 1. Juli öffentlich, Kimi K3 kam zwei Wochen später, und in dieser Zeit ein 2,8-Billionen-Parameter-Modell durch Distillation zu bauen, zu trainieren und auszuliefern, hält kein Forscher für machbar. Diese zwei Wochen sind die Zahl, die zählt: Sie lassen die These schon kippen, während sie politisch längst Fakten schafft. Eine Behauptung ohne Beleg bewegt hier mehr Regulierung als jedes Benchmark-Ergebnis. Und wenn Liang recht hat und am Ende alles auf Compute hinausläuft, ist der Distillation-Vorwurf ohnehin die falsche Front.