Deutsches KI-Roboter-Startup sammelt Rekordsumme ein

Deutsches NEURA Robotics sammelt bis zu 1,4 Milliarden Dollar ein

NEURA Robotics aus Metzingen hat eine Series C von bis zu 1,4 Milliarden Dollar abgeschlossen, angeführt vom Stablecoin-Emittenten Tether, mit Amazon, NVIDIA, Qualcomm, Bosch, Schaeffler und der Europäischen Investitionsbank an Bord. Damit ist das 2019 gegründete Unternehmen Europas am höchsten finanzierte Humanoid-Hersteller, ein steiler Sprung von der 120-Millionen-Euro-Runde im Januar 2025. Die Zahl ist eine Obergrenze, kein verbuchter Betrag, und sie ist gegenüber den im März von Bloomberg gemeldeten rund 1,2 Milliarden gestiegen, eine Bewertung nennt die Mitteilung diesmal nicht (im März lag sie bei etwa 4 Milliarden Euro). Das Kapital kommt vor den Robotern: Der Flaggschiff-Roboter 4NE-1, gelistet bei knapp 98.000 Euro, soll erst Ende 2026 in Stückzahlen ausgeliefert werden. Branchenweit flossen 2026 über 18 Milliarden Dollar in Humanoid-Startups, während die größten Anbieter 2025 zusammen geschätzte 340 Millionen Dollar Umsatz erzielten, das meiste aus Piloten und Teilen statt aus arbeitenden Flotten. Tether, das 2024 rund 13,4 Milliarden Dollar Gewinn meldete, will mit seiner QVAC-Edge-Intelligenz und der WDK-Finanzschicht die Ebene liefern, auf der ein Roboter eine Aufgabe erledigt, das Ergebnis protokolliert und eigenständig abrechnet. → Marcus Schuler

Synthszr Take: 1,4 Milliarden für ein Unternehmen, dessen ganze Branche letztes Jahr 340 Millionen umgesetzt hat, das ist das Vierfache des kombinierten Marktumsatzes in eine einzige Kasse. Die Lücke zwischen eingesammeltem Geld und ausgelieferten Maschinen ist hier nicht ein Detail, sie ist die Geschichte. Matic-Präsident Mehul Nariyawala bringt es nüchtern auf den Punkt: Die Hindernisvermeidung, das Ausweichen vor einem Stuhl, ist noch nicht gelöst, sie wird gerade angelernt. Trotzdem würde ich das nicht als bloße Blase abtun, denn die Investorenliste verrät, worum es geht: Amazon braucht die Hände im Lager, NVIDIA und Qualcomm verkaufen die Compute-Ebene darunter, und Tether kauft sich die Maschine, die selbst bezahlt. Das ist vertikale Integration über den europäischen Hidden Champion, finanziert

Von China lernen: Trump will jetzt auch eine zentrale Filtertechnologie fürs Web

Das Weiße Haus und der Kongress verhandeln laut Axios über einen Tauschhandel, der das offene Web umgestalten würde. Die Trump-Administration will den Bundesstaaten die Möglichkeit nehmen, KI eigenständig zu regulieren (genau jetzt, wo progressive State-Regierungen den Bau von Rechenzentren bremsen und Tech-Firmen haftbar machen wollen). Im Gegenzug bietet eine Gruppe um die Republikanerin Marsha Blackburn drei föderale Gesetze an: den Kids Online Safety Act, den NO FAKES Act und eine bundesweite Altersverifikation. Die Bürgerrechtsorganisation FIRE, finanziert unter anderem vom konservativen Milliardär Charles Koch, warnt, diese Pakete würden das Internet grundlegend verändern. KOSA allein würde der von Trump kontrollierten FTC erlauben, Plattformen wie Instagram zu disziplinieren, das rund 71 Prozent der US-Bürger regelmäßig nutzen. Faktisch bedeutet das das Ende des anonymen Surfens und einen Hebel gegen oppositionelle Gruppen. → futurism.com

Synthszr Take: Vor zwei Jahren habe ich an dieser Stelle gefragt, ob das offene Web zum Dark Web wird, weil sich keiner mehr drin bewegt. Diese Frage hat sich erledigt, jetzt geht es um die Kontrolle der Leitungen selbst. Der eigentliche Clou steckt im Tauschgeschäft: KI-Deregulierung gegen eine zentrale Filterinfrastruktur, durchgesetzt über eine FTC, die sich politisch steuern lässt. Das ist der entscheidende Punkt, denn wer 71 Prozent der Nutzer über eine einzige App erreicht, braucht keine breite Zensur, ein Druckpunkt reicht. Im Mai schrieben wir, Trump finde Regulatorik plötzlich sexy; hier sieht man, warum, denn Regulierung wird zum Steuerungsinstrument umfunktioniert. Dass selbst Koch-finanzierte Konservative Sturm laufen, zeigt, dass das nicht links gegen rechts ist, sondern eine Frage, wer am Schalter sitzt. Für europäische Unternehmen heißt das konkret: die eigene Reichweite nicht auf Infrastruktur bauen, die morgen einem politischen Filter unterliegt, sondern auf Kanäle mit echtem Direktzugang zum Kunden.

Xiaomis neuer Coding-Agent MiMo übertrifft Claude Code in Benchmark-Tests

Xiaomis MiMo-Team hat MiMo Code V0.1.0 unter MIT-Lizenz auf GitHub veröffentlicht, einen terminalnativen Coding-Agenten, der laut eigenen Benchmarks Anthropic Claude Code schlägt: 82 % gegen 79 % auf SWE-bench Verified, 62 % gegen 55 % auf SWE-bench Pro, 73 % gegen 69 % auf Terminal Bench 2. Das Tool ist ein Fork des Open-Source-Projekts OpenCode, erweitert um eine eigene Memory-Architektur mit vier Ebenen (Projektgedächtnis, Session-Checkpoints, Scratch Notes, Task-Logs), angetrieben von SQLite-Volltextsuche. Der eigentliche Clou: Ein separater Checkpoint-Writer-Subagent schreibt im Hintergrund laufend mit, während der Hauptagent baut, sodass beim vollen Kontextfenster die Arbeitsumgebung aus strukturierten Checkpoints rekonstruiert wird statt verloren zu gehen. In einem doppelt verblindeten A/B-Test mit 576 Entwicklern in 474 echten Repositories lagen beide Systeme unter 200 Schritten bei 50/50, jenseits der 200 Schritte stieg MiMos Gewinnrate über 65 %. Bemerkenswert: Xiaomi vergleicht sich ausschließlich mit Claude Code, nicht mit OpenAIs Codex (GPT-5.5 liegt auf Terminal-Bench 2.0 mit 82,2 % rund neun Punkte höher) oder Googles Gemini CLI. Dazu gibt es zeitlich begrenzten Gratiszugang zum multimodalen Flaggschiff MiMo-V2.5 mit Million-Token-Kontextfenster, ohne Registrierung. → VentureBeat

Synthszr Take: Die interessante Zahl steht nicht in der Benchmark-Tabelle, sondern im A/B-Test: Bei kurzen Aufgaben Gleichstand, ab 200 Schritten plötzlich 65 % Gewinnrate. Genau das ist die These, die Xiaomi hier verkauft, und sie könnte stimmen: Die Harness ums Modell wird so wichtig wie das Modell selbst. Fünf Punkte Vorsprung auf SWE-bench Pro kommen rein aus dem Agentensystem, bei identischem Modell darunter. Das deckt sich mit dem, was wir im März schon zur Cursor-Anthropic-Debatte gesehen haben: Der Wettbewerb verschiebt sich vom rohen Modell auf Orchestrierung, Memory und State-Management. Vorsicht ist trotzdem geboten, das sind selbstberichtete Zahlen, und dass Codex und Gemini im Vergleich konsequent fehlen, sagt mehr über die PR-Auswahl als über die echte Spitze. Für jeden, der einen Coding-Stack baut: MiMo Code ist MIT-lizenziert, mit einem curl-Befehl installiert und damit ein ernstzunehmender Open-Source-Kandidat für regulierte oder Lock-in-sensible Workloads. Ausprobieren kostet einen Nachmittag, und der Memory-Ansatz ist der richtige Hebel an der richtigen Stelle.

Firmen geben bis zu 7.500 Dollar pro Mitarbeiter und Monat für KI aus

Ein Nvidia-Manager sagte kürzlich, die Compute-Kosten lägen inzwischen über den Gehältern seiner Leute. Mercors CEO legte vergangene Woche nach: Sein Startup zahlt mehr für Token interner Agenten als für die Belegschaft. Der frische Ramp AI Index relativiert das aber. Die obersten 1 Prozent der US-Firmen, von Ramp „AI-pilled“ getauft, geben 7.500 Dollar pro Mitarbeiter und Monat aus, das liegt klar unter den rund 16.000 Dollar, die ein durchschnittlicher Software Engineer monatlich kostet. Die oberen 10 Prozent kommen auf etwa 611 Dollar, der Median auf magere 11,38 Dollar, also den Preis eines einzelnen Enterprise-Seats. Trotz aller Kostendebatte stieg der Spend bei den AI-pilled-Firmen im letzten Monat um 14,1 Prozent pro Kopf. Die Spitzenreiter mischen dabei mehrere Frontier-Modelle mit günstigeren Open-Source-Optionen. → Techpresso

Synthszr Take: 7.500 Dollar im Monat klingen brutal, bis man sie gegen die 16.000 Dollar Engineer-Gehalt hält. Dann ist es eine Rechnung, die sich morgen früh entscheiden lässt, nicht erst nach dem nächsten Strategie-Offsite. Das eigentliche Signal steckt im Verhalten der Spitzengruppe: Sie springt zwischen Frontier-Modellen und billigen Open-Source-Varianten, weil sie verstanden hat, dass die Modellwahl fluide ist und die Compute-Disziplin der eigentliche Hebel. Im Mai haben wir noch über den Token-Schock geschrieben, jetzt sieht man, wer ihn produktiv verarbeitet und wer nur die Rechnung anstarrt. Wer Token-Verbrauch auf Use-Case-Ebene aggregiert statt auf eine Black-Box-Cloud-Bill zu warten, fährt einen TCO um die 2.730 Euro pro Engineer und Jahr bei einem ROI von acht- bis fünfzehnfach. Die 14,1 Prozent Wachstum sind kein Alarm, sie sind Jevons in Reinform: Je günstiger die Inference, desto mehr verbraucht man. Der Trennstrich verläuft zwischen Firmen, die jeden Call sehen, und Firmen, die hoffen, dass es schon irgendwie passt.

lange bevor ein einziger 4NE-1 sich rechnet. Für Europa ist die eigentliche Frage nicht, ob NEURA die Bewertung verdient, sondern ob Metzingen die Velocity hält, wenn der erste Lieferzeitpunkt Ende 2026 zur Bewährungsprobe wird. Wer Geld vor dem Produkt einsammelt, hat genau eine Aufgabe: liefern, bevor der Schwung kippt.

Datacenter: China setzt auf große Reaktoren

Während die USA seit Jahren nur zwei neue Reaktoren ans Netz gebracht haben (Block 3 und 4 im Kraftwerk Vogtle in Georgia), baut China im Akkord: Sechs neue Reaktoren wurden 2025 begonnen, zwei weitere in den ersten fünf Monaten 2026. Das Land überholt bis 2030 bei der installierten Atomkapazität sowohl die USA als auch die EU. Der Geschwindigkeitsvorsprung ist gewaltig: Ein chinesischer Reaktor steht in fünf bis sieben Jahren, der globale Schnitt liegt bei neun, die letzten US-Reaktoren brauchten rund 15 Jahre. Der Hebel heißt Standardisierung, einheitliches Projektmanagement und Bau in Serien von sechs oder mehr Anlagen für Skaleneffekte. Im Westen setzt man derweil auf kleine Reaktoren: Antares aus Kalifornien erreichte mit dem Mark-0 gerade die Kritikalität im Pilotprogramm des US-Energieministeriums, das bis zum 4. Juli 2026 drei Testreaktoren am Laufen sehen will. Big Tech wie Google steckt Geld in solche Mini-Reaktoren, um Rechenzentren zu versorgen, doch große Anlagen liefern Strom pro Kilowattstunde günstiger. → The Download from MIT Technology Review

Synthszr Take: China gewinnt hier mit der langweiligsten Idee der Welt: dasselbe sechsmal bauen statt jedes Mal von vorn. Standardisierung schlägt Genialität, und genau das fällt dem Westen so schwer, weil dort jedes Projekt zum Einzelstück wird, mit eigenem Genehmigungsverfahren (Kosten in den Milliarden, Amortisation in Jahrzehnten). Die Velocity ist die eigentliche Geschichte. Antares hat mit dem Mark-0 gerade Kritikalität erreicht, aber die Anlage hat weder Wärmeabfuhr noch Stromwandlung, erste Kilowattstunden kommen frühestens Ende 2027. Das ist ein ehrlicher Prototyp und kein Stromlieferant, während in China der Linglong-1 dieses Jahr ans Netz geht und gleichzeitig acht Großreaktoren entstehen. Die Wette auf kleine Reaktoren kann aufgehen, wenn sie wirklich aus der Fabrik kommen und nicht jede Anlage neu erfunden wird. Bis dahin gilt nüchtern: Wer Elektronen aufs Netz bringen will, baut, was er schon beherrscht, und zwar in Serie.

Drohnen töten jetzt auch völlig autonom an der Front

Ein hochrangiger Vertreter der ukrainischen Verteidigungsindustrie hat bestätigt, was bisher nur vermutet wurde: Vollautonome Drohnen ohne jede menschliche Kontrolle haben auf dem Schlachtfeld Soldaten getötet. Drohnenbauer Alexander Kokhanovskyy beschrieb gegenüber New Scientist einen Test vor rund zwei Jahren mit zehn KI-gesteuerten Quadrocoptern nahe Bakhmut und Tschassiw Jar. Die Geräte flogen 3 bis 5 Kilometer in etwa zehn Minuten zur Frontlinie und schalteten dann den „Terminator-Modus“ ein, in dem ein KI-Modell selbstständig Ziele sucht und angreift. Es gab keine Funkverbindung, kein Videobild, keine Möglichkeit einzugreifen: „Alles, was es sieht, wird getötet.“ Erst danach schickten menschliche Piloten Drohnen ins Gebiet, um die Resultate zu prüfen, ein paar Soldaten und ein Lkw. Die Ukraine verbietet KI offiziell noch im letzten Schritt der Zielerfassung, verhandelt aber laut Kokhanovskyy bereits über lockerere Regeln. → The Download from MIT Technology Review

Synthszr Take: Die „Human-in-the-Loop“-Doktrin, auf die sich alle Militärs der Welt seit Jahren berufen, ist mit diesem einen Test still gestorben. Zehn Drohnen, kein Mensch in der Schleife, ein Knopfdruck und das System entscheidet danach allein über jedes Ziel im Areal. Technisch ist das kein Sprung, sondern Komponenten, die jeder zusammenstecken kann: ein Quadrocopter für ein paar hundert Dollar, ein Bilderkennungsmodell und etwas Steuerungslogik. Genau das macht es so schwer einzufangen. 2023 hieß es noch, KI-Drohnen griffen nur Panzer an und keine Menschen; jetzt redet die Regierung offen über das Aufweichen der eigenen Leitplanken, weil der Gegner sich nicht an Leitplanken hält. Wer glaubt, das bleibe ein ukrainischer Sonderfall, hat die letzten zwei Jahre verschlafen.

Instagram lässt dich dem Algorithmus jetzt sagen, was du willst

Instagram öffnet seinen Hauptfeed für Nutzersteuerung. Mit dem Feature „Your Algorithm“ zeigt die App die Themen an, von denen sie glaubt, sie würden dich interessieren, und lässt dich diese ändern, über alle wichtigen Bereiche hinweg. Bisher sind es nur Themen, aber laut Instagram-Chef Adam Mosseri kommen Anfragen nach Personen, Stimmungen und Content-Typen dazu. Die Funktion lief vorher schon für den Reels-Feed und die Explore-Seite. Mosseri wird philosophisch: „Das ist der Anfang von etwas Größerem als einem Feature“, es liege im Geschäftsinteresse, Menschen mehr Handlungsspielraum über die Produkte zu geben, in denen sie so viel Zeit verbringen. Der entscheidende technische Punkt: Erst große Sprachmodelle können Content-Cluster in verständlicher Sprache beschreiben, sodass das System dir zeigt, was es über dich denkt, und du ihm sagen kannst, was du wirklich willst. → Techpresso

Synthszr Take: Mosseri hat eine ehrliche Diagnose geliefert, und das ist selten genug. Das Unbehagen an Social Media kommt nicht vom Content, sondern vom Gefühl, dass einem das Erlebnis passiert, statt dass man es gestaltet. Der Feed war jahrelang eine Blackbox, die aus deinen Taps lernte, ohne dass du zurücksprechen konntest. Jetzt machen LLMs die Ranking-Logik lesbar, und das verschiebt etwas Grundsätzliches: Wer einem Akteur an der Kante mehr Entscheidungsbefugnis gibt, der gibt Kontrolle ab. Mattes' Punkt aus Code Crash gilt hier doppelt: Sichtbarkeit ist der Hebel, nicht das Modell. Spannend wird, ob Meta die neue Transparenz wirklich nutzerzentriert auslegt oder ob die Themen-Tags am Ende nur ein hübscheres Steuerpult für dieselbe Verweildauer-Maschine werden. Wir hatten Ende Februar geschrieben, dass Personalisierung manchmal Mist ist; ihr endlich eine Hand ans Steuer zu geben, ist der richtige Zug, solange das Steuer auch mit der Lenkung verbunden ist.

Die Skepsis sitzt im reichen Westen, der Optimismus in den aufstrebenden Märkten

Salesforce und YouGov haben 1.500 Büroangestellte auf vier Kontinenten befragt, und das Ergebnis dreht die übliche Erwartung. Amerikaner bezeichnen sich mit 43 Prozent höherer Wahrscheinlichkeit als KI-Skeptiker denn der globale Durchschnitt; über die Hälfte der US-Beschäftigten ordnet sich selbst so ein. In Indien liegen Vertrauen und tägliche Nutzung beide über 80 Prozent, in den USA pendeln beide Werte um die 50-Prozent-Marke. In den aufstrebenden Volkswirtschaften erwarten durchgängig Zuwächse, 90 Prozent rechnen mit einem Karriereschub durch die Technologie. Der Befund: Wo die Modelle gebaut werden, wächst die Distanz, und wo der Nachholbedarf am größten ist, wächst der Appetit. → AI Secret

Synthszr Take: Diese Zahlen passen verdächtig gut zu dem, was wir aus Europa kennen. Deutschland kommt bei der Unternehmens-Adoption auf 26 Prozent, das EU-Mittel liegt bei 20, während die US-Adoption über 85 Prozent rangiert (Eurostat 2025, Stanford HAI 2026). Und trotzdem sind ausgerechnet die US-Beschäftigten die lautesten Zweifler, während Indien mit über 80 Prozent täglicher Nutzung einfach macht. Die Erklärung ist unbequem: Wer schon viel hat, schützt seine Identität, seine Hierarchie und seine Position; wer aufholen will, hat nichts zu verlieren und alles zu gewinnen. Skepsis ist hier kein Wissensproblem, sie ist ein Wohlstandsprivileg, und das frisst Zeit. Im Mai schrieben wir, dass Zuckerberg, Musk und Co das öffentliche Vertrauen in KI zertrümmern; diese Umfrage zeigt, wer dafür die Rechnung zahlt. Wer 2026 die Belegschaft mitnehmen will, kuriert nicht das Tool-Wissen, sondern die Angst vor dem Umbau der eigenen Rolle, und das lässt sich in der nächsten Teamrunde anfangen, nicht erst nach dem nächsten Strategie-Offsite.

GEO: Selbst Shopify macht in Listicles

Shopify hat auf seinem Blog mindestens 60 Listicles veröffentlicht, von „10 Best Ecommerce Platforms for Small Business in 2026“ bis „Best Ecommerce Software 2026“. Die Konkurrenten auf den hinteren Plätzen wechseln, der Spitzenplatz gehört immer Shopify. Das Publikum ist nicht Menschen, sondern Chatbots: Wer ChatGPT nach dem besten Weg zum eigenen Onlineshop fragt, bekommt Shopify genannt, mit Shopifys eigenen Rankings als Quelle. Figma hat mindestens sechs solcher Listen, ClickUp fast 300. Tom Critchlow von Raptive berichtet, dass eine Google-Suche mit AI-Antwort den anderen Seiten nur noch die Hälfte des Traffics lässt, und dass ChatGPT-Links unter 0,5 Prozent liegen. Die SEO-Branche tauft die neue Disziplin GEO, Generative Engine Optimization, und füttert die Modelle mit selbstgeschriebenen Bestenlisten, die kein Mensch je liest. → The Download from MIT Technology Review

Synthszr Take: Das Problem ist nicht die Dreistigkeit, sondern die Naivität der Modelle. Ein Chatbot, der eine Über-uns-Liste von Shopify nicht von einem unabhängigen Test unterscheiden kann, ist als Gatekeeper noch unfertig. Genau hier liegt der Denkfehler der ganzen Branche. Wer glaubt, er könne sich mit 300 eigenen Listicles wie ClickUp dauerhaft nach vorne schreiben, reitet ein totes Pferd, denn die Studienlage zeigt längst, dass Erwähnungen auf Reddit, in Fachpublikationen und auf Bewertungsplattformen stärker mit KI-Sichtbarkeit korrelieren als alles, was eine Marke über sich selbst sagt (Ahrefs misst 0,664 gegenüber 0,218). Im B2B taucht ohnehin nur jede achte SaaS-Marke überhaupt auf, wenn Käufer ihre Kategorie abfragen, die anderen 88 Prozent existieren im Modell schlicht nicht. Die Selbstbeweihräucherung funktioniert nur so lange, wie OpenAI und Google ihre Modelle nicht abdichten, und dieses Fenster schließt sich schneller, als die Sloptimierer ihre Listen tippen können. Die produktive Frage lautet darum nicht „Wie ranke ich mich selbst hoch?“, sondern „Welches Wort hat in meiner Kategorie noch niemand besetzt?“. Diese Übung lässt sich morgen früh starten, lange bevor die nächste Listicle-Fabrik anläuft.