Das große Decoupling: China vs USA vs Europe

Decoupling (1): DeepSeek-V4 braucht keine NVIDIA-Chips mehr

DeepSeek hat nach monatelanger Verzögerung das lang erwartete V4-Modell veröffentlicht, das mit Moonshot's Kimi K2.6 und Xiaomis frisch gelaunchtem Mimo 2.5 konkurriert. Das 1,6 Billionen Parameter große Mixture-of-Experts-Modell wurde auf 32 Billionen Tokens trainiert und erreicht mit neuen Compressed Sparse Attention (CSA) und Heavily Compressed Attention (HCA) Techniken einen Kontext von 1 Million Tokens. DeepSeek liefert sowohl Base- als auch Instruct-Versionen — ein seltener Schritt, der möglicherweise ein künftiges „DeepSeek R2“ ankündigt. Das Modell positioniert sich auf dem Niveau von Gemini 3.1, GPT 5.4 und Opus 4.6. Bemerkenswert: Es läuft vollständig auf Huawei Ascend Chips statt NVIDIA-Hardware. → AINews

Synthszr Take: DeepSeek demonstriert, was passiert, wenn Technologie-Embargos auf Erfindergeist treffen: Man baut die eigene Hardware-Stack. Das Modell auf Huawei Ascend statt NVIDIA-GPUs laufen zu lassen, ist wie der Umstieg von importiertem Weizen auf selbst gezüchtete Reissorten — weniger glamourös, aber überlebenswichtig. Die gleichzeitige Veröffentlichung von Base- und Instruct-Versionen deutet auf eine offenere Entwicklungsstrategie hin, während westliche Anbieter ihre Modelle zunehmend verschließen. Mit 32 Billionen Training-Tokens und 1 Million Token Kontext spielt DeepSeek in derselben Liga wie die großen US-Modelle, nur eben auf komplett anderem Silicon. China kopiert nicht mehr die Architektur, sondern baut parallel ein eigenes KI-Ökosystem auf — inklusive eigener Chips.

Decoupling (2): China will keine Silicon Valley Dollars mehr

China plant, Tech-Unternehmen ohne Regierungserlaubnis von der Annahme amerikanischer Investitionen abzuschneiden. Die National Development and Reform Commission (NDRC) hat laut Bloomberg mehreren Privatunternehmen in den vergangenen Wochen mitgeteilt, US-Finanzierungen in ihren Funding-Runden abzulehnen. Betroffen sind unter anderem die KI-Startups Moonshot AI und Stepfun sowie die TikTok-Mutter ByteDance. Auslöser war Metas 2-Milliarden-Dollar-Übernahme des KI-Startups Manus Ende 2025, die in Peking zu Untersuchungen wegen möglicher illegaler Auslandsinvestitionen und Technologieexporte führte. Obwohl Manus in Singapur registriert war, stammten die Gründer aus China. Kritiker werfen dem Deal vor, wertvolle KI-Technologie an einen geopolitischen Rivalen zu übertragen. Die neuen Regeln könnten Chinas Tech-Sektor weiter von westlichem Risikokapital abschneiden. → Techpresso

Synthszr Take: China aktiviert ein Kapital-Immunsystem gegen westliche Investoren, das an biologische Abstoßungsreaktionen erinnert. Die NDRC fungiert dabei wie eine Blut-Hirn-Schranke, die selektiv filtert, welche Fremdkörper (Dollars) ins System dürfen. Das Manus-Trauma wirkt wie ein Impfstoff: Ein einzelner Fall sensibilisiert das gesamte Ökosystem. Während die USA mit Entity Lists und Chip-Embargos arbeiten, setzt China auf prophylaktische Kapitalkontrollen — beide Seiten bauen ihre eigenen geschlossenen Kreisläufe auf. Die Ironie: Chinesische Startups verlieren Zugang zu den liquidesten Kapitalmärkten der Welt, genau in dem Moment, in dem sie ihn für den globalen KI-Wettlauf am dringendsten bräuchten. Peking setzt darauf, dass technologische Souveränität wichtiger ist als Silicon-Valley-Money.

Decouling (3): Europa baut seine eigene Infrastruktur

Das finnische Unternehmen Verda (ehemals Datacrunch) hat 100 Millionen Euro in einer Finanzierungsrunde eingesammelt, angeführt von Lifeline Ventures, mit Beteiligung von byFounders, Tesi, Varma und weiteren Investoren. Das Kapital stammt aus Eigenkapital und Fremdfinanzierung durch nordische Finanzinstitute. Verda betreibt bereits Rechenzentren in Finnland und auf Island und plant den Ausbau nach Schweden, in die USA und nach Asien. CEO Ruben Bryon positioniert sein Unternehmen als europäische Alternative zu den amerikanischen Hyperscalern AWS, Microsoft und Google, mit dem expliziten Versprechen, die Firmenzentrale nicht in die USA zu verlegen. Das Unternehmen ist nach eigenen Angaben cashflow-positiv und erwartet im ersten Quartal 2026 eine Verdopplung des Umsatzes auf über 60 Millionen Dollar. Die starke Nachfrage nach Computing-Ressourcen für KI-Training und -Inference hat dazu geführt, dass das im September 2024 eingesammelte Kapital von 55 Millionen Euro bereits im Januar aufgebraucht war. → StrictlyVC

Synthszr Take: Verda verkauft nicht primär Rechenleistung, sondern europäische Unabhängigkeit als Premiumprodukt. Das Geschäftsmodell erinnert an Schweizer Privatbanken: Neutralität als Differenzierungsmerkmal in einem von geopolitischen Spannungen geprägten Markt. Die Ironie dabei: Um mit AWS, Azure und Google zu konkurrieren, mietet Verda selbst Rechenzentrumskapazitäten an, statt eigene zu bauen — eine Art Franchise-Modell für Cloud-Infrastruktur. Die Nachfrage explodiert offenbar so stark, dass 55 Millionen Euro in vier Monaten verbrannt wurden, was entweder auf extreme Ineffizienz oder auf einen echten Marktbedarf hindeutet. Bryons Wette ist klar: In einer Welt, in der Daten das neue Öl sind, zahlen europäische Unternehmen gerne einen Aufpreis für die Garantie, dass ihre Daten nicht dem CLOUD Act unterliegen.

Claude-Agenten handeln besser als Menschen: eBay-Aktie verliert 5%

Anthropic ließ 69 Mitarbeiter eine Woche lang über Claude-Agenten auf einem internen Marktplatz handeln. Das Experiment „Project Deal“ funktionierte vollständig über Slack: Die KI-Agenten führten nach einem kurzen Interview eigenständig alle Verhandlungen, von der Anzeigenschaltung bis zum Preisabschluss. Die Menschen griffen nur am Ende ein, um die physischen Gegenstände zu tauschen — von Snowboards bis hin zu Tischtennisbällen. Der eigentliche Test lief parallel: In zwei von vier Marktplätzen bekamen die Teilnehmer zufällig entweder Claude Opus 4.5 (das stärkste Modell) oder Claude Haiku 4.5 (das schwächste Modell) zugeteilt. Opus-Agenten schlossen im Schnitt zwei Deals mehr ab und erzielten bei identischen Produkten um 3,64 Dollar höhere Preise. Ein gebrauchtes Faltrad brachte mit Opus 65 Dollar, mit Haiku nur 38 Dollar. → Techpresso

Synthszr Take: Anthropic hat versehentlich das digitale Äquivalent zu Platons Höhlengleichnis nachgebaut. Menschen sitzen vor unterschiedlich scharfen Schatten derselben Realität und halten ihre Version für fair, während messbare Unterschiede ihre Geldbörsen belasten. Das Experiment zeigt nicht nur, dass stärkere KI bessere Deals macht – es offenbart die kommende Zwei-Klassen-Gesellschaft der Algorithmen, in der Modellstärke zu einer unsichtbaren Steuer wird. Die 11 von 28 Teilnehmern, die ihre Haiku-Erfahrung bevorzugten, erinnern an Studien zur kognitiven Dissonanz: Menschen rationalisieren schlechte Ergebnisse als persönliche Präferenz. In einer Welt, wo 46% der Teilnehmer für so einen Service zahlen würden, wird der Zugang zu besseren Modellen zur neuen Form sozialer Ungleichheit – unsichtbar, messbar und von den Betroffenen akzeptiert.

Musk gegen Altman vor Gericht — ein Gründerstreit wird Industriepolitik

Ab Montag verhandelt ein kalifornisches Gericht die Klage von Elon Musk gegen Sam Altman und OpenAI. Musk, Mitgründer und früher Geldgeber von OpenAI, wirft Altman und Präsident Greg Brockman vor, ihr Versprechen gebrochen zu haben, OpenAI als gemeinnützige Organisation zu führen. Er fordert über 100 Milliarden Dollar an Schadensersatz, die Absetzung von Altman und Brockman sowie die Rücknahme der kürzlich erfolgten Umwandlung in ein profitorientiertes Unternehmen. OpenAI kontert, Musks Vorwürfe seien „haltlos“ und von Eifersucht motiviert — er bereue seinen Ausstieg 2018 und wolle nun einen Konkurrenten sabotieren. Damals hatte Musk vergeblich versucht, OpenAI in Tesla zu integrieren, 2023 gründete er dann sein eigenes KI-Unternehmen xAI. Als Zeugen sind neben Musk und Altman auch Microsoft-CEO Satya Nadella sowie mehrere OpenAI-Insider geladen. → Morning Brew

Synthszr Take: Dieser Prozess ist ein Stellvertreterkampf darum, wer die Bedingungen der KI-Revolution diktiert. Musk inszeniert sich als betrogener Idealist, der die Kommerzialisierung einer ursprünglich gemeinnützigen Mission anprangert — dabei betreibt er mit xAI selbst ein profitorientiertes KI-Unternehmen. Die Ironie: Beide Seiten berufen sich auf dieselbe Ursprungsvision von „sicherer KI“, interpretieren sie jedoch diametral unterschiedlich. OpenAI argumentiert, nur mit Milliardeninvestments könne man mit Google und China mithalten; Musk sieht darin einen Verrat am Gründungsversprechen. Was hier verhandelt wird, ist weniger eine juristische als eine industriepolitische Frage: Kann KI-Entwicklung überhaupt noch außerhalb des Venture-Capital-Kreislaufs stattfinden? Der Ausgang könnte entscheiden, ob die nächste KI-Generation von gemeinnützigen Stiftungen oder börsenotierten Konzernen entwickelt wird.

Claude wird zum Mega-Aggregator

Anthropic hat diese Woche 15 neue App-Integrationen für Claude angekündigt, darunter Tripadvisor, Booking.com, Instacart, Spotify, TurboTax, Uber und Thumbtack. Der gemeinsame Nenner: Jedes dieser Unternehmen hat sein Geschäft auf der Aggregation von Angeboten aufgebaut. Thumbtack gibt Claude Zugriff auf über 300.000 Dienstleister, Intuit verbindet TurboTax direkt mit dem KI-Assistenten. Das sind keine einfachen API-Partnerschaften, sondern Übertragungen von Kundenbeziehungen. Die Aggregatoren der letzten Dekade werden selbst aggregiert und stellen sich dafür in die Schlange. → Aakash Gupta

Synthszr Take: Claude wird zum Meta-Aggregator, der die Gewinner der Plattform-Ökonomie in austauschbare Datenquellen verwandelt. Das Muster erinnert an biologische Nahrungsketten: Primärproduzenten (Hotels, Fahrer) werden von Sekundärkonsumenten (Booking, Uber) aggregiert, die wiederum von einem Apex-Prädator verschluckt werden. Die Ironie: Venture Capital hat Milliarden in den Aufbau dieser Aggregatoren investiert, nur um zu sehen, wie sie ihre mühsam erkämpfte Marktposition freiwillig an KI-Assistenten abtreten. Was als „Partnerschaft“ verkauft wird, ist die schrittweise Entwertung ihrer Kernkompetenz: der direkten Kundenbeziehung. Claude braucht keine 300 Millionen Dollar für Marketing wie Booking.com, wenn Nutzer ohnehin zuerst mit der KI sprechen.

Grok Voice Think Fast 1.0 — die Sprachagentin mit Denkzeit

xAI hat mit Grok Voice Think Fast 1.0 eine Sprachagentin veröffentlicht, die erstmals Reasoning-Fähigkeiten in Echtzeitgespräche integriert, ohne die Antwortlatenz zu erhöhen. Das Modell führt die τ-voice-Bench-Rangliste an und übertrifft Googles Gemini 3.1 Flash Live und OpenAIs GPT Realtime 1.5 in realistischen Szenarien mit Störgeräuschen, Akzenten und Unterbrechungen. Bei Starlink bewältigt die Agentin bereits den gesamten Telefon-Support mit 28 verschiedenen Tools und erreicht dabei eine Conversion-Rate von 20% bei Verkaufsgesprächen sowie eine autonome Lösungsquote von 70% bei Support-Anfragen. Die Besonderheit: Während das Modell spricht, denkt es parallel über komplexe Anfragen nach, ohne dass Nutzer Wartezeiten bemerken. xAI demonstriert das mit einem simplen Test: Auf die Frage „Welche Monate enthalten den Buchstaben X?“ antwortet Grok korrekt mit „keiner“, während andere Modelle selbstbewusst „Februar“ nennen. → Techpresso

Synthszr Take: xAI löst das Grundproblem von Sprachagenten auf überraschend elegante Weise: Statt zwischen schneller Antwort und tiefem Nachdenken wählen zu müssen, macht Grok beides gleichzeitig. Das erinnert an Daniel Kahnemans System-1- und System-2-Denken, nur dass hier beide Systeme parallel statt sequenziell laufen. Die Starlink-Zahlen sind der eigentliche Augenöffner: Ein einzelnes Modell ersetzt eine komplette Call-Center-Infrastruktur und konvertiert dabei jeden fünften Anrufer in einen Kunden. Während OpenAI und Anthropic ihre Modelle für Entwickler optimieren, baut xAI direkt für Endnutzer-Telefonie. Musk setzt wieder auf vertikale Integration: Starlink als hauseigenes Testlabor, Tesla-Daten für das Training, X für die Distribution. Die Ironie: Ausgerechnet der Mann, der vor KI-Risiken warnt, demokratisiert gerade die gefährlichste Anwendung — überzeugende Stimmen, die niemals müde werden.

Token-Ausgaben laufen aus dem Ruder: Unternehmen entdecken erst jetzt, dass Inference teurer wird als Training

Eine Umfrage unter 15 Tech-Unternehmen zeigt ein Muster, das CFOs nachts wach halten dürfte: Die Token-Ausgaben haben sich in den letzten sechs Monaten verzehnfacht, ohne Anzeichen einer Verlangsamung. Ein Engineering Director eines börsennotierten Unternehmens mit 5.000 Mitarbeitern berichtet von mehrfachen Budgeterhöhungen allein im April, nachdem Teams auf Claude's neuen „high-effort“ -Modus umgestellt haben. Die Kosten pro Pull Request explodierten, während Entwickler selbst für triviale Aufgaben die teuersten Modelle nutzen. Bei einer anderen Firma mit 10.000+ Mitarbeitern wurde Sonnet als Standardmodell festgelegt, um Kosten zu senken, doch die Entwickler wählen bei jedem Start manuell das teurere Opus. Ein Director of Engineering warnt: „Wir geben Hunderte von Dollar pro Tag pro aktivem Entwickler aus“ — Budgetdisziplin weicht der Angst, technologisch abgehängt zu werden. → The Pragmatic Engineer

Synthszr Take: Token-Ausgaben folgen demselben Muster wie Stadtautobahnen in den 1960ern: Je mehr Spuren gebaut wurden, desto mehr Verkehr entstand. It's the Jevon's Paradox, stupid. Unternehmen bauen gerade ihre eigene induzierte Nachfrage, indem sie unbegrenzte Token-Budgets als Zeichen ihrer Innovationsfreude ausgeben. Die Ironie: Während alle von „AI-nativen“ Workflows sprechen, optimiert niemand die Kosten — ein 10x-Anstieg in sechs Monaten ist keine Adoption-Kurve, sondern eine Ausgaben-Explosion ohne ROI-Messung. Das erinnert an die frühen Cloud-Migrationen, als AWS-Rechnungen plötzlich siebenstellig wurden und niemand wusste, warum. Der Unterschied: Cloud-Kosten konnte man durch Reserved Instances und Spot-Nutzung optimieren, aber bei Token-Ausgaben gibt es nur eine Richtung. Die Branche lernt gerade, dass Inference-Kosten nicht wie Training-Kosten einmalig anfallen, sondern wie eine Dauermiete skalieren.

SpaceX räumt ein: KI-Rechenzentren im All könnten eine wirklich schlechte Idee sein

SpaceX-Chef Elon Musk preist orbitale KI-Rechenzentren als „No-Brainer“ an. Auf dem Weltwirtschaftsforum in Davos behauptete er, die unbegrenzte Solarenergie jenseits der Erdatmosphäre mache den Weltraum innerhalb von zwei bis drei Jahren zum „kostengünstigsten Ort für KI“. Die Vision: Bis zu einer Million Satelliten, jeder größer als die ISS, sollen als Rechenzentren im Orbit kreisen. Doch in den Pre-IPO-Unterlagen, die Reuters vorliegen, klingt SpaceX selbst deutlich skeptischer. Das Unternehmen räumt ein, dass die „Initiativen zur Entwicklung orbitaler KI-Berechnungen sich in frühen Stadien befinden, erhebliche technische Komplexität und unbewiesene Technologien beinhalten und möglicherweise keine kommerzielle Tragfähigkeit erreichen.“ Die empfindlichen KI-Chips könnten in der „harten und unvorhersehbaren Umgebung des Weltraums“ schneller verschleißen. Zudem hängt das gesamte Konzept vom Erfolg der Starship-Rakete ab, die bisher keinen vollständigen Testflug ohne Explosion absolviert hat. Während SpaceX auf eine Bewertung von 1,75 Billionen Dollar beim bevorstehenden Börsengang zusteuert, warnen Experten vor den ökologischen Folgen: Millionen verglühender Satelliten könnten die Ozonschicht schädigen. → futurism.com

Synthszr Take: Musk verwandelt SpaceX in eine kosmische Serverfarm, während die Mars-Mission in der Warteschleife verharrt. Das Muster kennt man aus der Biologie: Parasiten kapern oft das Nervensystem ihrer Wirte und zwingen sie zu selbstzerstörerischem Verhalten. Hier übernimmt der KI-Hype die Rolle des Parasiten, der SpaceX von seiner ursprünglichen Mission abbringt. Die Physik des Weltraums ist brutal für Elektronik: kosmische Strahlung, extreme Temperaturen, keine Möglichkeit zur Wartung. Jeder Chip-Ingenieur weiß, dass Halbleiter im All schneller altern als auf der Erde. Die eigenen Ingenieure scheinen das auch zu wissen, während der CEO von Solarenergie-Utopien träumt. SpaceX riskiert, zum Opfer seiner eigenen Größe zu werden: Aus dem Raumfahrtpionier wird ein überdimensionierter Cloud-Anbieter mit Weltraum-Gimmick.

Das AI-Absorptionsproblem in Organisationen bleibt hartnäckig

Die Behauptung klingt provokant, aber Will Schenk von TheFocus.AI hat gerade einen 300.000-Dollar-Beratervertrag unterschrieben, der genau diese These untermauert. In seiner Analyse für die Turing Post-Serie „The Org Age of AI“ zeigt er: Unternehmen implementieren zwar fleißig KI-Technologie in ihre Produkte (AI in the business), aber die eigentliche Unternehmensorganisation bleibt davon unberührt (AI on the business). Eine Bank kann KI-gestützte Betrugserkennung einführen und dennoch ihre Quartalsplanung weiterhin mithilfe von PowerPoint-Slides zwischen den Assistenten koordinieren. Ein Hersteller automatisiert seine Lagerhaltung mithilfe von Computer Vision, budgetiert aber weiterhin in starren FTE-Einheiten. Das Problem liegt tiefer: Großunternehmen sind keine einheitlichen Akteure, sondern interne Ökonomien mit eigener Physik. Information wird zur Währung, Abteilungen zu Stämmen, die ihr Territorium verteidigen. Jede Organisation erreicht einen Gleichgewichtszustand, der Veränderungen widersteht — weil die Menschen im Inneren genau darauf optimiert sind. → Turing Post

Synthszr Take: Schenk beschreibt ein Phänomen, das an die Doppelagenten der Biologie erinnert: Enzyme, die je nach Umgebung sowohl Katalysator als auch Inhibitor sein können. KI in Unternehmen funktioniert genauso — sie beschleunigt Produktprozesse, während sie gleichzeitig die organisatorischen Strukturen versteinert, weil niemand die Machtverteilung antasten will. Andrew Bosworths „Career Cold Start“-Algorithmus (30 Minuten mit jedem Teammitglied, drei gezielte Fragen) zeigt den Weg: Die wahre Organisation liegt in den Schattenstrukturen, nicht im Organigramm. Aber genau diese Strukturen maschinell lesbar zu machen, würde ihre Macht untergraben. Wir erleben keine KI-Transformation, sondern eine KI-Schichtablagerung auf alten Machtstrukturen; die Leseempfehlung hierfür: