Chinesische KI-Modelle: US-Labs rufen „Alarmstufe Rot“ aus und Trump erwägt Verbot

Trump-Regierung erwägt Verbot chinesischer KI-Modelle

Die Trump-Regierung zeigt laut Axios Anzeichen, dass sie hochentwickelte chinesische KI-Modelle verbieten könnte. Auslöser ist der Aufstieg des chinesischen Modells Kimi in der vergangenen Woche, das die früheren Verbotspläne innerhalb der Administration wieder anfacht. Der Hintergrund: US-Firmen greifen zunehmend auf offene chinesische Modelle zurück, weil sie billiger und mittlerweile fast so gut sind wie die heimische Technologie.

Konkret hatte das Handelsministerium laut einer regierungsnahen Quelle bereits im vergangenen Jahr erwogen, mehrere chinesische KI-Labore auf die „Entity List“ zu setzen, was den US-Zugang ohne Lizenz praktisch abschneiden würde. NSA und das White House Office of the National Cyber Director prüften eine Warnung vor chinesischen Laboren, das Weiße Haus eine Executive Order, nach der US-Firmen chinesische Modelle nur hosten dürften, wenn sie Sicherheit garantieren und im Fall eines Sicherheitsverstoßes haften. All diese Vorstöße wurden damals von innovationsfreundlichen Beamten gestoppt.

Seither hat sich das Personal verschoben. Schlüsselstimmen wie der frühere Berater Sriram Krishnan haben das Haus verlassen, die nationalen Sicherheitsfalken sind lauter geworden. Eine Quelle beschreibt einen langsameren, aber dauerhafteren Ansatz über Beschaffungsregeln, Entity-List-Drohungen und öffentliche Druckkampagnen gegen US-Firmen, die chinesische Modelle nutzen, statt eines offenen Verbots.

Laut WSJ warnen Führungskräfte von OpenAI und Anthropic vor einer „dystopischen“ KI-Zukunft und inakzeptablen Sicherheitsrisiken ohne Regulierung. Der externe White-House-Berater David Sacks schrieb dagegen auf X, die führenden geschlossenen Labore bildeten beim Modellumsatz bereits ein Duopol und wollten, dass die Regierung ihre Open-Source-Konkurrenz beseitige. Eine regierungsnahe Quelle berichtet, führende Labore oder ihre Verbündeten träten alle drei bis fünf Monate mit einer neuen Idee zum Verbot offener Modelle an die Administration heran. → www.axios.com, www.wsj.com

Synthszr Take: Man sollte genau hinsehen, wem ein Importverbot die Rechnung schreibt. Sicherheit steht auf dem Etikett, profitieren würden zwei Firmen, die Sacks völlig korrekt als Umsatz-Duopol benennt: OpenAI und Anthropic. Ein Bann gegen Kimi und Co. wäre der billigste Burggraben, den es gibt, weil ihn nicht die Ingenieure bauen, sondern die Zollbeamten. Dass dieselben Labore alle drei bis fünf Monate mit einer neuen Verbotsidee anklopfen, ist kein Sicherheitsreflex, das ist Lobbyarbeit im Quartalsrhythmus. Im April war die Meldung noch, dass Washington gegen China und die eigenen Leute kämpft; jetzt haben die Falken die eigenen Leute ersetzt und die Karten liegen offen auf dem Tisch. Ökonomisch ist die Lage eindeutig: Wenn ein offenes Modell für einen Bruchteil des Preises fast dieselbe Leistung bringt, gewinnt man diesen Markt mit besseren Produkten, nicht mit einer Einfuhrsperre. Regulierung, die den billigeren Wettbewerber aussperrt, schützt am Ende die Marge zweier Anbieter und nennt es nationale Sicherheit.

Kimi K3 und Alibabas Qwen erreichen US-Niveau, Chip-Aktien brechen weltweit ein

Auf Chinas größter KI-Konferenz in Schanghai hat das Pekinger Start-up Moonshot AI sein neues Modell Kimi K3 vorgestellt, das in mehreren Benchmarks nah an Anthropics Fable 5 und OpenAIs GPT-5.6 Sol heranreicht. Zwei Tage später zog Alibaba mit einer Vorschau seines neuen Qwen-Modells nach, das laut eigenen Angaben vergleichbar abschneidet. Beide Modelle sollen als Open-Weight-Systeme frei verfügbar sein; Kimi K3 war laut The New York Times am Wochenende so gefragt, dass es zeitweise nicht erreichbar war und Moonshot die Abo-Pläne anpasste. Xi Jinping bezeichnete China in einer Rede am Freitag als Vorreiter einer neuen globalen KI-Ordnung.

Die Ankündigungen erschütterten die Märkte. Südkoreas Kospi fiel am Montag um fast 4,5 Prozent, SK Hynix verlor 4 Prozent, und der PHLX-Halbleiterindex hatte in der Vorwoche mit einem Minus von 10 Prozent seinen schlechtesten Wochenverlauf seit über einem Jahr. Alphabet legt am Mittwoch Quartalszahlen vor und muss sich laut NYT-DealBook zu den enormen KI-Investitionsplänen der Hyperscaler äußern, deren Logik durch billige chinesische Modelle infrage gestellt wird.

Die USA dominieren die KI weiterhin nach fast jedem Maßstab: die stärksten Systeme, die meisten Rechenzentren und der Großteil der Chips stammen aus Amerika. Die Sorge in Silicon Valley richtet sich laut NYT weniger auf das, was China richtig macht, als auf das, was die USA falsch machen könnten: zu teuer bauen, zu viel verlangen, zu stark regulieren. Anthropic hatte im Vormonat seine zwei stärksten Systeme abgeschaltet, nachdem die Regierung überraschend verlangte, ausländischen Staatsbürgern (auch eigenen Mitarbeitern) den Zugang zu sperren; OpenAI meldete ebenfalls eine Einmischung bei einer Veröffentlichung. Die Auflagen wurden gelockert, doch beide Firmen kontrollieren weiter streng, wer ihre Modelle nutzen darf.

Bei den Entwicklern verschiebt sich das Bild bereits. Auf der Marktplattform OpenRouter belegen laut Axios und IBTimes chinesische Open-Weight-Modelle von Tencent, Xiaomi, DeepSeek, MiniMax und Z.ai die fünf meistgenutzten Plätze nach wöchentlichem Token-Verbrauch. Viele Unternehmen brauchen für Routineaufgaben wie Coding, Zusammenfassungen oder Support keine Spitzenleistung und priorisieren Kosten, Flexibilität und Datenkontrolle. Ein Investor prognostiziert, dass Open-Source-Modelle irgendwann 95 Prozent der Unternehmensanfragen abwickeln; Mozillas Technikchef verglich den Einsatz teurer Frontier-Modelle für Alltagsarbeit mit einer Fahrt „im Ferrari zu Whole Foods“.

Ben Thompson ordnet die Aufregung bei Stratechery ökonomisch ein. Open-Weight-Modelle seien gratis nur im Sinne der Forschungs- und Entwicklungskosten, nicht im Betrieb: Inference verursacht reale COGS, die direkt mit dem Umsatz steigen. Kimi K3 kostet 3 Dollar pro Million Input-Token und 15 pro Million Output-Token, günstiger als Sols 5 und 30, doch Kimi benötige berichteten deutlich mehr Reasoning-Token, was den Preisvorteil relativiere. Token seien deshalb kein austauschbares Gut; fungibel sei allein die aus ihnen konstruierte Intelligenz.

→ stratechery.com, www.nytimes.com, www.ibtimes.com, www.wsj.com

Synthszr Take: Die alte Ökonomie kommt durch die Hintertür zurück. Software lief zwei Jahrzehnte auf Grenzkosten nahe null, jetzt kostet jeder Inference-Lauf echtes Geld, und das ordnet die Kräfteverhältnisse neu. Ein offenes Modell ist gratis in der Entwicklung, nicht im Betrieb: Kimi K3 verlangt 3 Dollar pro Million Input-Token und 15 für Output, günstiger als Sols 5 und 30, aber die Zahl täuscht, sobald Kimi für dieselbe Antwort deutlich mehr Reasoning-Token verbrennt. Ein Token aus dem einen Modell gleicht dem aus dem anderen nicht, austauschbar ist am Ende nur die Intelligenz, die herauskommt. Die Benchmark-Aufregung und Washingtons Zugangssperren lenken von der Kennzahl ab, die zählt: wie viele Token ein Anbieter braucht, um eine Aufgabe korrekt zu lösen. Am Kellogg-Prinzip gemessen ist das die schlichte Rückkehr der Knappheit, und sie belohnt den Betreiber mit der besten Token-Disziplin. Die lauteste Pressekonferenz in Schanghai gewinnt hier nichts.

Googles AI Mode: Websites verlieren massiv an Traffic

Google baut immer mehr künstliche Intelligenz in seine Suche ein und beantwortet Anfragen zunehmend selbst, statt Nutzer über blaue Links auf andere Websites zu schicken. Der seit letztem Jahr eingeführte AI Mode ersetzt die klassische Trefferliste durch von Gemini geschriebene Antworten im Dialogformat, zuletzt kam die Möglichkeit dazu, Fotos, Videos und KI-„Agenten“ in Suchanfragen einzubinden. Laut den von der New York Times gesichteten Studien verbringen Nutzer ein bis neun Minuten länger im AI Mode als in der klassischen Suche, und eine Untersuchung des Newsletters Growth Memo fand, dass in rund 75 Prozent der Sitzungen niemand den AI Mode mehr für einen Website-Besuch verlässt. Verlage, Händler und Banken berichten von deutlich sinkendem Suchtraffic; The-Verge-Chefredakteur Nilay Patel spricht vom bereits eingetretenen „Google Zero“. → www.nytimes.com

Synthszr Take: Die Rechnung für diese Umstellung zahlen die Website-Betreiber. Zwei Jahrzehnte lang lief ein stiller Handel: Verlage, Händler und Universitäten liefern die Inhalte, Google schickt dafür Nutzer auf ihre Seiten. In 75 Prozent der AI-Mode-Sitzungen klickt heute niemand mehr auf eine dieser Seiten. Google hat die zweite Hälfte des Handels aufgekündigt und behält den Traffic, während Gemini seine Antworten aus genau den Texten baut, die die Verlage weiterhin kostenlos ins Netz stellen.

Chinas KI-Firmen sammeln Milliarden ein, DeepSeek zielt auf 71 Milliarden Bewertung

Innerhalb weniger Tage im Juli 2026 haben mehrere chinesische KI- und Chipfirmen frisches Kapital am Markt aufgenommen, berichtet Hello China Tech. Der Shanghaier GPU-Designer Biren Technology, im Januar in Hongkong gelistet, platzierte Aktien im Wert von 900 Millionen Dollar, nachdem über 70 Prozent der für Betriebskapital vorgesehenen IPO-Erlöse bereits verbraucht waren. Iluvatar CoreX folgte mit 902 Millionen Dollar, etwa dem Doppelten dessen, was der eigene Börsengang ein halbes Jahr zuvor einbrachte. Das Pekinger Modellunternehmen Zhipu verkaufte Aktien für 4 Milliarden Dollar, und DeepSeek begann Gespräche über eine neue Runde bei einer Pre-Money-Bewertung von 71 Milliarden Dollar, kaum einen Monat nach einer ersten Runde von über 7 Milliarden, von der rund 3 Milliarden vom Gründer Liang Wenfeng selbst kamen. CXMT, Chinas nationaler DRAM-Champion, bepreiste einen IPO auf dem STAR Board über bis zu 9,8 Milliarden Dollar. In der humanoiden Robotik erreichte das Quartalsinvestment im zweiten Quartal 6,95 Milliarden Dollar, mehr als eine Verdopplung gegenüber dem Vorquartal. → Hello China Tech

Synthszr Take: Die 3 Milliarden von Liang Wenfeng sind die eigentliche Governance-Ansage in diesem Zahlenhaufen. Wer bei einer 7-Milliarden-Runde fast die Hälfte selbst nachschießt, kauft sich Stimmrechte, die er nicht verwässert. Das ist die Antwort eines Gründers auf die Frage, was passiert, wenn Staatsfonds und Placement-Investoren im Wochentakt Kapital reinschieben: Er sitzt mit eigenem Risiko am Tisch, während alle anderen nur Anteile halten. Bei Biren mit über 70 Prozent verbranntem IPO-Geld läuft das Gegenmodell: Dort diktiert der nächste Kapitalgeber die Bedingungen, weil die Kasse leer ist. Kontrolle bemisst sich in diesem Zyklus an der Frage, wer den nächsten Wachstumsschub aus eigener Tasche zünden kann und wer betteln muss. Chinas Modellführer haben das offenbar verstanden, ihre westlichen Pendants mit ihren Cloud-Abhängigkeiten weniger. Spannend wird, ob Liangs Selbstfinanzierung zum Standard wird oder die Ausnahme eines Gründers bleibt, der sich seine Unabhängigkeit schlicht leisten kann.

Chinas Chip-Newcomer Biren und Iluvatar sichern sich je 900 Millionen nach Börsengang

Anfang Juli 2026 sind zwei frisch notierte chinesische KI-Chip-Firmen an den Markt zurückgekehrt, um weiteres Kapital einzusammeln. Biren Technology, ein GPU-Entwickler aus Shanghai, der im Januar in Hongkong an die Börse ging, nahm über eine Aktienplatzierung 900 Millionen Dollar auf. Laut Hello China Tech waren zu diesem Zeitpunkt bereits über 70 Prozent der IPO-Erlöse verbraucht, die für Betriebskapital und allgemeine Unternehmenszwecke vorgesehen waren. Nur wenige Tage später platzierte Iluvatar CoreX eigene Anteile und sammelte 902 Millionen Dollar ein. Das ist ungefähr das Doppelte dessen, was der eigene Börsengang sechs Monate zuvor gebracht hatte. Beide Unternehmen designen GPUs als heimische Alternative zu den unter Exportkontrolle stehenden Nvidia-Chips. → Hello China Tech

Synthszr Take: Wer sechs Monate nach dem IPO schon wieder die Hand aufhält, sendet ein Signal, das kein Pressetext kaschiert. Bei Biren waren über 70 Prozent des Börsenkapitals für Betriebskosten weg, bevor das Jahr halb vorbei war. Chip-Design ist ein Fass ohne Boden: Tape-Outs bei den Foundries, Wafer-Verträge, ein Software-Stack, der gegen CUDA erst noch aufholen muss. Diese 900 Millionen sind Sauerstoff, um den Betrieb am Laufen zu halten. Die spannende Frage ist, ob hinter dem Cash echte Auslieferungen und Design-Wins stehen oder nur eine Burn-Rate, die schneller läuft als die Umsätze. Chinas Halbleiter-Ambition entscheidet sich an der Frage, wie oft diese Firmen 2027 noch zurück an den Markt müssen, bevor jemand nach der Marge fragt.

285 Milliarden Dollar KI-Kapital in den USA, und die Wertschöpfung verpufft in der Marge

Linas argumentiert, dass die derzeitige KI-Welle die grösste Wertschöpfung der Technikgeschichte auslöst, während die meisten, die sie bauen, davon nichts abbekommen. Als Beleg führt er die Zahlen des Stanford HAI AI Index 2026 und von Menlo Ventures an: Die privaten KI-Investitionen in den USA erreichten 2025 rund 285,9 Milliarden Dollar, mehr als das 23-Fache Chinas, bei 1.953 neu finanzierten KI-Startups allein in den USA. Gleichzeitig verdreifachten sich die Unternehmensausgaben für generative KI von 11,5 auf 37 Milliarden Dollar. Parallel dazu kollabieren die Kosten für Intelligenz: Anthropics Opus-Flaggschiff kostet laut dem Text nur noch 5 Dollar pro Million Input-Token statt 15 in der Opus-4.1-Ära, und der Aufwand für ein festes Leistungsniveau falle um bis zu zwei Grössenordnungen pro Jahr. Open-Weight-Modelle wie GLM-5.2 lägen nur noch etwa vier Monate hinter der geschlossenen Spitze. Die Schlussfolgerung des Autors: Wenn jeder an einem Wochenende ein beeindruckendes KI-Produkt bauen kann, ist ein solches Produkt fast nichts mehr wert, und er verweist auf ein zehn Jahre altes Stanford-Framework zur Frage, wie man Wert nicht nur schafft, sondern behält. → Linas from Linas's Newsletter

Synthszr Take: 285,9 Milliarden Dollar fliessen rein, und der Preis für ein Opus-Token fällt im selben Jahr von 15 auf 5 Dollar. Verhandlungsmacht hat in dieser Rechnung nur, wer etwas besitzt, das sich am Wochenende nicht nachbauen lässt. Das Modell ist es nicht, das trailt vier Monate hinter der Spitze und ist morgen als GLM-5.2 gratis verfügbar. Macht behält, wer den Kunden, die Domänendaten oder das messbare Ergebnis kontrolliert: die Airline zahlt Rolls-Royce für die Flugstunde, nicht für das Triebwerk, und der Burggraben sitzt im Wissen über das Verhalten der Maschine, nicht im Metall. Für Deutschlands 1.600 Hidden Champions ist das die eigentliche Ansage: Die Skaleneffekte fressen die Software-Erstellung, aber nicht die dreissig Jahre Wissen darüber, wie eine Verpackungsanlage oder ein Hafenkran im Feld tatsächlich läuft. Genau dieses Wissen wird verhandelbar, wenn du es in eine Ergebnisgarantie giesst statt in eine weitere Demo. Die 1.953 Startups, die gerade auf ein feingetuntes Modell in einer überfüllten Kategorie setzen, werden das teuer lernen.

Meta stemmt 30-Milliarden-Rechenzentrum über eine Zweckgesellschaft an der Bilanz vorbei

Der KI-Ausbau erzeugt laut The Information eine der größten Finanzierungsaufgaben der jüngeren Technologiegeschichte. Weil die Infrastrukturkosten in den zweistelligen Milliardenbereich klettern, entwickeln Banken, Private-Credit-Fonds, Versicherer und Chiphersteller neue Wege, um den Rechenboom zu finanzieren. Als Paradebeispiel nennt das Magazin Metas Hyperion-Rechenzentrum: Ein Jahr lang habe der Konzern eine 30-Milliarden-Dollar-Struktur konstruiert, die die Schulden über eine Zweckgesellschaft von der eigenen Bilanz fernhält und Blue Owl als Eigenkapitalpartner einbindet. Am 22. Juli 2026 diskutieren dazu John Greenwood (Goldman Sachs), Matthew A'Hearn (Blue Owl Digital Infrastructure) und Steven Messina (Skadden) in einer Abonnenten-Runde, moderiert von Finanzreporter Dakin Campbell. Die Runde soll klären, wie sich diese Deals gegenüber Aufsicht, Ratingagenturen und renditehungrigen Investoren strukturieren lassen. Offen bleibt die Frage, ob das Financial Engineering mit einem Ausbau Schritt halten kann, der keine Anzeichen einer Verlangsamung zeigt. Die öffentlichen Kapitalmärkte könnten dafür laut The Information zunehmend an Bedeutung gewinnen. → The Information

Synthszr Take: Ein Jahr Konstruktionsarbeit für eine einzige Finanzierung, das ist die eigentliche Nachricht. Der klassische Konzernkredit ist für 30 Milliarden Dollar Compute schlicht zu klein dimensioniert, also baut Meta eine Zweckgesellschaft, holt Blue Owl als Eigenkapitalgeber und schiebt die Schuld aus der eigenen Bilanz. Das Instrument dahinter ist alt (Projektfinanzierung kennt man aus dem Bau von Kraftwerken und Mautstraßen), nur wandert es jetzt in ein Feld, wo der zugrunde liegende Vermögenswert nach drei Jahren technisch veraltet sein kann. Genau das ist die Bruchstelle: Eine Pipeline oder ein Flughafen sichert die Anleihe über Jahrzehnte, ein Cluster aus GPUs womöglich nur über einen Abschreibungszyklus, den niemand zuverlässig kennt. Wenn die Summen die Bankbilanz sprengen, verschiebt sich die knappe Kompetenz von der Kreditvergabe zum Strukturieren des Risikos, und die Kanzleien und Fonds, die das beherrschen, sitzen an einem sehr fetten Hebel. Spannend wird der Moment, in dem die ersten dieser Zweckgesellschaften refinanziert werden müssen und der Markt zum ersten Mal einen realen Restwert für gebrauchte KI-Hardware festlegt.

China stoppt KI-Liebespartner per Gesetz und meint damit die Geburtenrate

Chinas Regierung hat zum 16. Juli 2026 strenge Regeln für sogenannte Companion-AI-Dienste in Kraft gesetzt und die großen Plattformen dazu gebracht, ihre „AI-Persona“-Funktionen abzuschalten, darunter ByteDances Doubao, Alibaba und Tencents Yuanbao. Die Vorgaben verbieten Chatbots, gezielt emotionale Abhängigkeit zu erzeugen, untersagen virtuelle Romanzen mit Minderjährigen und verlangen bei akuten seelischen Krisen die Benachrichtigung von Notfallkontakten. Vor dem Start müssen Dienste eine Sicherheitsprüfung durchlaufen, der Staat behält sich ein Abschaltrecht vor, und Nutzer müssen fortlaufend darauf hingewiesen werden, dass ihr Gegenüber eine künstliche Intelligenz ist. Offiziell begründet Peking das mit Suchtprävention. Laut einem Bericht des Wall Street Journal sehen Analysten den eigentlichen Grund aber in der Demografie: 2025 kamen mit 7,92 Millionen Geburten so wenige Kinder zur Welt wie nie; die Bevölkerung schrumpft im vierten Jahr in Folge auf rund 1,405 Milliarden. Eine Tencent-Studie zeigt, dass über 70 Prozent junger chinesischer Internetnutzer emotionale Abhängigkeit von KI erlebt haben, 23 Prozent regelmäßig; allein auf Doubao wurden über 8 Millionen KI-Charaktere erstellt. → Trendium.ai

Synthszr Take: Wer hier nur den Sittenwächter sieht, hat die Bilanz nicht gelesen. Bei einer Fertilitätsrate von 0,9 bis 1,0 pro Frau ist jede junge Bindung, die in einer App statt in einer Ehe endet, ein volkswirtschaftliches Leck, und Peking rechnet in Jahrgängen, nicht in Moral. Der eigene „AI Safety Governance Framework“ sagt es unverblümt: KI könne „Werthaltungen zu Beschäftigung, Geburt und Bildung verändern“ und so Instabilität auslösen. Damit wird der digitale Freund zur staatstragenden Größe, und die Abschaltung ist ein demografischer Eingriff mit technischen Mitteln. Ob das wirkt, bezweifle ich. Kinderbetreuungsprämien haben die Kurve nicht gedreht, und ein Verbot der Ausweichoption produziert keinen einzigen zusätzlichen Säugling; es macht nur sichtbar, dass 7,92 Millionen Geburten der wahre Alarmknopf sind, nicht der einsame Chatbot-Nutzer. Spannend wird, welches Land als Nächstes merkt, dass seine Bevölkerungspyramide gegen die Attraktivität synthetischer Beziehungen antritt.

KI baut komplette Programme allein aus deren Verhalten nach

Ein Forschungsteam von Epoch hat mit MirrorCode einen Benchmark vorgestellt, in dem KI-Agenten ganze Softwareprojekte nachbauen sollen, ohne Zugriff auf den Quellcode. Die Systeme bekommen nur das laufende Programm und müssen dessen Ausgaben in End-to-End-Tests exakt treffen, inklusive zurückgehaltener Testfälle. Der Benchmark umfasst 25 Zielprogramme aus verschiedenen Bereichen, von Unix-Werkzeugen über Datenserialisierung und Kryptografie bis zur Bioinformatik. Das stärkste getestete Modell erreicht laut Paper 56 Prozent über den gesamten Benchmark. In einem Beispiel rekonstruierte die KI gotree, ein Bioinformatik-Toolkit mit rund 16.000 Zeilen Code, wofür ein menschlicher Entwickler nach Einschätzung der Autoren Wochen bräuchte. Die Spitzenleistung ist allerdings teuer: Ein einzelner Versuch an einer großen Aufgabe kostete 2.600 Dollar an Inferenz-Budget über 19 Tage. → Techpresso

Synthszr Take: Clean-Room-Reimplementation war jahrzehntelang die saubere juristische Verteidigung. Man beschreibt das Verhalten, ein zweites Team baut nach, ohne je den Originalcode gesehen zu haben, und die Lizenz greift nicht. Genau dieser Prozess wird hier automatisiert, und die 56 Prozent zeigen, dass er für nicht-triviale Programme schon funktioniert. Was das für proprietäre Software heißt, ist unbequem: Der Schutz sitzt im Copyright auf konkreten Zeilen, nicht auf der Funktion, und wenn sich die Funktion aus dem beobachtbaren Verhalten replizieren lässt, wird dieser Schutz dünn. Die 2.600 Dollar pro Versuch sind heute noch die Bremse, aber Inferenzpreise fallen bekanntlich schnell, und was 2026 einen Monat und ein kleines Budget kostet, ist 2028 ein Nachmittag. Der reale Burggraben verschiebt sich zu den Dingen, die MirrorCode gerade nicht erfasst: Betriebsdaten, laufende Integrationen, Support-Verträge und der Vertrieb. Die Verschwiegenheit des Binärcodes schützt das API-Verhalten längst nicht mehr, und dieser Benchmark ist die Frühwarnung dazu.

Studie: Nur 11 Prozent der S&P-500-Konzerne haben KI 2025 tief integriert

Ein Arbeitspapier auf arXiv untersucht die KI-Adoption der S&P-500-Unternehmen über den Zeitraum 2016 bis 2025 und misst dabei nicht das Marketing, sondern die tatsächliche Verankerung in den Geschäftsprozessen. Die Autoren stützen sich auf die SEC-10-K-Berichte, in denen Firmen gesetzlich keine materiell falschen oder irreführenden Angaben machen dürfen, und trennen so die tiefe Integration vom bloßen KI-Hype. Das Ergebnis: 2025 hatten 11 Prozent der Konzerne KI tief in ihre Abläufe integriert, weitere 10 Prozent setzten sie in Produktion und Dienstleistung ein. Gegenüber 5 Prozent im Jahr 2022 hat sich die tiefe Adoption mehr als vervierfacht, getrieben vor allem vom Technologiesektor, der zwei Drittel dieser tiefen Integration stellt. Die Profitabilität folgt einer J-Kurve, wenn Firmen von keiner zu tiefer Adoption übergehen, doch bei Investitionen und Produktivität zeigen sich keine messbaren Unterschiede. Bei Nicht-Tech-Firmen beschleunigt sich die Aufnahme nur langsam. → AI Weekly

Synthszr Take: Elf Prozent nach zehn Jahren, und das bei den kapitalstärksten Unternehmen der Welt. Genau diese Lücke zwischen dem Tempo der Schlagzeilen und dem Tempo der Betriebe ist die eigentliche Geschichte des Papiers. Der Trick der Autoren ist der 10-K-Filter: Im Pflichtbericht an die SEC kann man nicht zuckerwattieren, dort wird aus jeder KI-Pressemitteilung schnell ein sehr kleiner Satz. Und die J-Kurve bei der Profitabilität ohne jeden Produktivitätsvorsprung bestätigt, was jeder ahnt, der schon mal ein Tool eingekauft hat, ohne die Prozesse anzufassen: Das Werkzeug allein bringt nichts, teuer wird zuerst der Umbau der Organisation. Zwei Drittel der tiefen Adoption liegen im Tech-Sektor, also bei Firmen, die KI verkaufen und nicht bloß benutzen. Der Rest der Wirtschaft sieht die Technologie überall, nur nicht in der eigenen Bilanz. Das ist ein Argument gegen die Illusion, Adoption sei eine Kaufentscheidung. Sie ist Organisationsarbeit, und die dauert eben Jahre statt Quartale.