Gemini-Agenten sollen Büro-Jobs machen und Amazon investiert mehr in KI als ganze Staaten

Google macht Gemini-Agenten zu Arbeitskollegen

Google Cloud hat auf dem Event Gemini at Work 2026 den „Gemini agent“ vorgestellt, einen einzelnen universellen Agenten für Unternehmensarbeit. Vorgestellt wurde er von Google-Cloud-Chef Thomas Kurian. Das System soll Rechercheaufgaben, Dokumentenerstellung, Code und die Koordination weiterer Agenten übernehmen, wobei Aufgaben über Stunden oder Tage laufen können. Beschäftigte sollen Ziele delegieren, statt einzelne Anweisungen zu geben, der Agent plant die Schritte selbst und liefert ein fertiges Ergebnis zurück. Das Produkt ist derzeit in einer privaten Vorschau für Unternehmenskunden, die breite Verfügbarkeit ist für ausgewählte Business- und Enterprise-Tarife von Workspace geplant.

Der Agent läuft in der Cloud und hält laut Anbieter einen einzigen Speicher- und Kontextstand über alle Geräte und Kanäle hinweg. Zugänglich ist er über Web, iOS, Android, Windows, Mac, Kommandozeile, Google Workspace, Microsoft 365 und Slack, außerdem kann er ohne eigene Oberfläche in Drittanwendungen laufen. Innerhalb von Workspace arbeitet er direkt in Gmail, Drive, Docs, Slides, Sheets, Chat und Calendar. Sein Wissen organisiert er nach Unternehmensangaben in vier Speicherarten: Sitzungsspeicher für laufende Aufgaben, semantischer Speicher aus Dokumenten und Gesprächen, prozeduraler Speicher für Arbeitsweisen und episodischer Speicher für abgeschlossene Aufträge. Für komplexe Aufgaben kann er temporäre Gruppen spezialisierter Unter-Agenten bilden.

Besonders konkret wird die Ankündigung bei der Identität. Eine Führungsperson kann etwa einen „Event Planner Agent“ anlegen, der ein eigenes Workspace-Konto, eine eigene E-Mail-Adresse unter @agents.company.com, einen Kalender, Drive-Speicher und einen Eintrag im Firmenverzeichnis erhält. Beschäftigte sollen ihm Arbeit zuweisen wie einem Kollegen, etwa per Erwähnung in Google Chat. Nach Angaben von Google sieht ein solcher Agent nur die Informationen, die das Team ihm freigibt, und erbt nicht automatisch breitere Organisationsrechte. Zur Absicherung nennt das Unternehmen Identitäts- und Richtlinienverwaltung, Berechtigungskontrollen, abgeschottete Ausführungsumgebungen und Netzwerk-Gateways.

Beim Modell ist die Architektur offen: Neben Googles eigenen Gemini-Modellen nutzt der Agent bereits Claude-Modelle von Anthropic, weitere proprietäre und offene Modelle sollen folgen. Eine Funktion namens Smart Routing bewertet jede Aufgabe und weist sie dem Modell mit dem besten Verhältnis aus Qualität und Kosten zu; Administratoren können Ausgabengrenzen auf Projektebene setzen. Kurian nannte zur Einordnung, dass im vergangenen Jahr knapp 500 Google-Cloud-Kunden jeweils mehr als eine Billion Token verarbeitet haben und rund 90 Prozent der Fortune 100 Gemini Enterprise einsetzen.

Die Ankündigung fällt in eine Reihe ähnlicher Schritte: Microsoft stellte am 25. September einen überarbeiteten Copilot vor, OpenAI vier Tage später seine dauerhaft laufenden „dots“-Agenten, Anthropic am 6. Oktober eine native Claude-Anbindung an Google Docs, Sheets und Slides. xAI hatte seine persistenten Grok-Bot-Agenten im August gestartet und im September um geteilte Team Bots erweitert. → Google Cloud Blog, VentureBeat, The Verge, Quartz

Synthszr Take: Ein Agent mit eigener Adresse unter @agents.company.com verschickt Mails, die rechtlich jemandem zugerechnet werden müssen, und dieser Jemand ist nicht der Agent. Google baut die Identitätsschicht technisch sauber: eigenes Konto, eigene Rechte, nur die Daten, die das Team freigibt. Die Haftungsfrage beantwortet das nicht, denn geradestehen muss der Mensch, der den Event Planner Agent angelegt hat, und der weiß nach drei Tagen Laufzeit über vier Speicherarten hinweg vermutlich nicht mehr, auf welcher Grundlage entschieden wurde. Zu jedem Agentenkonto gehört deshalb ein namentlich benannter Träger im Firmenverzeichnis und ein Protokoll, das jede Aktion rückverfolgbar macht, bevor der erste Agent produktiv geht.

Amazon investiert 2026 mehr in Rechenzentren als der deutsche Staat insgesamt

Amazon wird in diesem Jahr laut einer Hochrechnung von Bloomberg rund 222 Milliarden Dollar in Rechenzentren für künstliche Intelligenz stecken. Zum Vergleich zieht das Handelsblatt KI-Briefing die staatlichen Bruttoanlageinvestitionen Deutschlands heran, die 2025 bei umgerechnet 170,6 Milliarden Dollar lagen und Straßen, Schulen und Krankenhäuser abdecken. Auch auf der Einnahmenseite rücken die Größenordnungen zusammen: Amazon setzte 2025 etwa 718 Milliarden Dollar um, für dieses Jahr erwarten von Bloomberg erfasste Analysten 829 Milliarden Dollar, während Japan 2024 Steuereinnahmen von 809 Milliarden Dollar verbuchte. Bei der Kreditwürdigkeit steht Microsoft mit Aaa eine Stufe über den USA, die bei Aa1 liegen; Meta rangiert auf dem Niveau Frankreichs und Großbritanniens. → Handelsblatt KI-Briefing

Synthszr Take: 222 Milliarden Dollar in Rechenzentren sind Infrastrukturpolitik ohne Parlament. Wenn ein einzelner Konzern in zwölf Monaten mehr verbaut als ein G7-Staat an Straßen, Schulen und Kliniken, dann entscheidet dieser Konzern, wohin Strom, Netzanschlüsse und Bauflächen fließen, lange bevor ein Haushaltsausschuss davon erfährt. Die Bonitätsnoten machen die Verschiebung noch greifbarer: Microsoft bekommt Kapital zu besseren Konditionen als die Vereinigten Staaten, Amazon kann Investitionszyklen durchhalten, in denen ein Finanzminister längst die Bremse ziehen müsste. Kartellrecht ist der richtige Rahmen, aber ein Rahmen wirkt erst, wenn Brüssel ihn auch gegen Washington durchzieht, und die Signale der vergangenen Monate deuten eher auf Nachgeben.

OpenAI macht deutlich weniger Umsatz als bisher berichtet

OpenAI hat Kapitalgebern gegenüber einen annualisierten Umsatz von knapp 50 Milliarden Dollar ausgewiesen, berichtet The Information. Dieser Wert liegt unter den Zahlen, die zuvor in der Berichterstattung über das Umsatztempo des Unternehmens kursierten. Bei der Größe handelt es sich um eine Annualized Revenue Run Rate: Der zuletzt erreichte Monatsumsatz wird auf zwölf Monate hochgerechnet und entspricht nicht den tatsächlich verbuchten Jahreserlösen. Solche Angaben gehen an bestehende und potenzielle Investoren und sind nicht öffentlich testiert. → The Information

Synthszr Take: Knapp 50 Milliarden annualisiert sind eine gewaltige Zahl, und sie liegt trotzdem unter dem, was monatelang durch die Berichterstattung lief. Diese Lücke entsteht in der Kette aus gestreuten Zielwerten, weitergereichten Prognosen und der Zahl, die am Ende in der Investorenunterlage steht. Für ein Unternehmen, das Finanzierungsrunden und Rechenzentrumszusagen mit erwartetem Wachstum unterlegt, ist die kolportierte Zahl selbst ein Werkzeug: Sie finanziert die Infrastruktur, bevor der Umsatz sie trägt.

Atlassian stellt neue KI-Funktionen für Jira & Co vor

Atlassian hat auf der Team 26 Europe neue KI-Funktionen für Jira, Confluence, Loom, DX und Jira Service Management vorgestellt, die Agenten-Arbeit an den hauseigenen Teamwork Graph koppeln. Grundlage ist ein zuvor veröffentlichtes Playbook für einen KI-nativen SDLC, das Planung, Design, Entwicklung, Review und Wartung neu zuschneidet, statt KI auf den alten Prozess zu legen. Den Anlass liefert Atlassians eigene 2026er-Studie: 94 Prozent der befragten Engineering-Verantwortlichen sagen, ihre Teams setzen bereits KI ein, nur 6 Prozent sehen sich mit Systemen ausgestattet, um das zu vergrößern und zu steuern. Der Teamwork Graph verbindet Code, Dokumente, Entscheidungen und über 80 Drittquellen in einer Schicht, die Berechtigungen kennt. Nach Angaben des Anbieters brachten interne Tests mit dieser Kontextschicht bis zu 44 Prozent bessere Antwortqualität bei bis zu 48 Prozent weniger Token. → AI Secret

Synthszr Take: 94 Prozent nutzen, 6 Prozent steuern: Diese Spanne von 88 Punkten ist der interessanteste Befund des ganzen Releases. Agenten, die Pull Requests prüfen und bei Incidents mitarbeiten, treffen Entscheidungen, für die bisher jemand mit Namen geradestand, und das Tempo dieser Entscheidungen hängt an keinem Freigabeprozess mehr. Atlassians Antwort darauf ist eine Kontextschicht, die Berechtigungen kennt, und das ist der vernünftige Hebel: Eine Zugriffsregel kann ein Agent nicht wegargumentieren, eine Guideline in Confluence schon. Die 44 Prozent bessere Antwortqualität stammen aus internen Tests des Anbieters und sagen nichts darüber, welche Entscheidung ein Agent allein treffen darf und wo ein Mensch gegenzeichnen muss.

OpenBot lässt Codex, Claude und Gemini als Agenten-Team auf dem eigenen Rechner arbeiten

OpenBot ist eine kostenlose Desktop-Anwendung, die mehrere KI-Agenten parallel auf dem eigenen Computer laufen lässt und sie untereinander Aufgaben übergeben lässt. Jeder Agent bekommt einen eigenen Namen, eigene Anweisungen und einen eigenen Arbeitsbereich; Nachrichten, Dateien und Übergaben laufen zwischen ihnen in geteilten Kanälen. Als Unterbau dienen vorhandene Abos und Werkzeuge: Codex über den ChatGPT-Plan, Claude Code über den Claude-Plan, Gemini über Google AI Pro oder Ultra, dazu Grok, OpenCode, Cursor und Cline. Alternativ lässt sich ein beliebiger OpenAI-kompatibler Endpunkt oder ein lokales Modell über Ollama und LM Studio anbinden. Nach Angaben des Anbieters bleiben Arbeitsbereiche, Konversationen, Dateien und Browserdaten auf dem Rechner, der OpenBot ausführt. → Techpresso

Synthszr Take: Null Dollar für die Schicht, die Agenten koordiniert und Aufgaben zwischen ihnen übergibt. Vor einem Jahr war genau das ein Produktversprechen, für das Startups Finanzierungsrunden eingesammelt haben, heute liegt es als Download für macOS, Windows und Linux herum und verdient selbst gar nichts. Wenn sieben Anbieter von Codex bis Cline austauschbar hinter demselben Agentenfenster hängen, verschiebt sich die Knappheit auf die Formulierung des Auftrags: Was soll der Agent tun, und woran erkennt jemand, dass er es falsch getan hat?

Fast jeder zweite US-Beschäftigte übertreibt seine KI-Nutzung

Das Belegschaftsanalyse-Unternehmen Visier hat in einer Befragung von US-Beschäftigten erhoben, dass knapp die Hälfte angibt, die eigene KI-Nutzung oder die eigene Kompetenz im Umgang damit gegenüber Kollegen oder der Leitungsebene übertrieben zu haben. Visier nennt das Muster „performative AI“. 45 Prozent der Befragten sagten, sie verspürten Druck, künstliche Intelligenz einzusetzen, auch wenn sie unsicher sind, wie sie das wirksam tun sollen. Andrea Derler, bei Visier für Forschung und Wertanalyse zuständig, führt das Verhalten auf diesen Erwartungsdruck im Arbeitsalltag zurück. → Business Insider

Synthszr Take: Sobald KI-Nutzung im Dashboard auftaucht, wird sie zu einer Zahl, die Beschäftigte bedienen, und die 45 Prozent Druckgefühl sind das Protokoll davon. Eine Organisation bekommt, was sie zählt: ein paar Prompts vor dem Statusmeeting, ein Screenshot im Teamkanal, und die Adoptionsquote sieht wunderbar aus. Damit ruiniert man die eigene Datengrundlage, denn wenn fast die Hälfte der Belegschaft die eigene Kompetenz hochredet, taugt keine dieser Zahlen mehr für eine Investitionsentscheidung über Lizenzen, Schulung oder Personalplanung.

OpenAI meldet unter 15 Minuten ChatGPT pro Tag bei Teenagern

OpenAI hat nach eigenen Angaben erhoben, dass Jugendliche ChatGPT im Schnitt weniger als 15 Minuten pro Tag verwenden. Reuters berichtet über die Mitteilung vor dem Hintergrund wachsender Sorge über die Risiken, die der Chatbot für Minderjährige mit sich bringt. Das Unternehmen steht wegen des Umgangs mit jugendlichen Nutzern unter Druck, unter anderem durch juristische Auseinandersetzungen und Nachfragen von Aufsichtsbehörden. Die Nutzungsdauer ist eine Selbstauskunft des Anbieters, eine unabhängige Überprüfung der Erhebungsmethode liegt nicht vor. → Reuters

Synthszr Take: Fünfzehn Minuten am Tag ist eine Zahl, die außerhalb von OpenAI niemand nachrechnen kann. Sie kommt aus den eigenen Logs, mit eigener Definition davon, wer als Teenager zählt, eigener Zählweise einer Sitzung und ohne Dritten, der die Methodik gegenliest. Ein Unternehmen, das seine Nutzer beim Alter bisher nur schätzen kann, liefert plötzlich einen präzisen Mittelwert für genau diese Altersgruppe: Der Widerspruch steckt schon im ersten Satz der Mitteilung. Durchschnittswerte sind das freundlichste Instrument der Statistik, weil sie die kleine Gruppe unsichtbar machen, um die es in den Klagen und Anhörungen überhaupt geht, nämlich die Jugendlichen mit stundenlangen nächtlichen Gesprächen.

Mathocalypse: Mathematiker-Verband ruft zum Bruch mit OpenAI auf nach 722 KI-Beweisen auf einmal

OpenAI hat am 6. Oktober 722 Papers mit maschinell erzeugten mathematischen Ergebnissen in ein öffentliches GitHub-Repository gestellt, gruppiert in 372 Resultate. Erzeugt wurden sie von einem internen Modell, das Außenstehenden nicht zur Verfügung steht; es hat nach Angaben des Unternehmens rund 4.000 Probleme bearbeitet, im Schnitt mit dem Gegenwert von etwa drei Stunden ChatGPT-Pro-Denkzeit pro Ergebnis. Die Sammlung reicht von Zahlentheorie bis algebraische Geometrie, und Berichten zufolge betreffen einzelne Resultate drei der noch ungelösten Millennium-Probleme, darunter die Riemann-Hypothese. Viele Beweise sind mit Lean-Formalisierungen versehen, dazu kommen zehn Zusammenfassungen der Gedankenkette und Daten zum Rechenaufwand. OpenAI räumt ein, dass nicht formal verifizierte Beweise Fehler enthalten können, und sagt zu, gemeldete Probleme zu beheben.

Die Veröffentlichung entstand in Abstimmung mit der Advisory Group on Mathematics and Artificial Intelligence am Institute for Advanced Study, der unter anderem Timothy Gowers und Edward Witten angehören und deren Leitlinien auf Rückmeldungen von über 600 Mathematikern beruhen. OpenAI erklärte, es folge diesen Empfehlungen mit einer Ausnahme: Die Gruppe hatte gefordert, keine mathematischen Spitzenprobleme mehr an internen Modellen zu testen, und genau das will das Unternehmen fortsetzen.

Die Association for Human Mathematics fordert Mathematiker in einer Stellungnahme auf, die Zusammenarbeit mit OpenAI einzustellen. Sie verweist auf laufende Verfahren gegen das Unternehmen wegen Plagiats, Urheberrechtsverletzung und Markenverwässerung und schreibt, niemand aus dem Fach habe um diese Arbeit gebeten. Die gleichzeitige Freigabe von über 700 Dateien sei keine wissenschaftliche Leistung, sondern eine Demonstration von Macht.

Der Komplexitätstheoretiker Scott Aaronson berichtet, dass unter den Ergebnissen ein Beweis der Unique Games Conjecture von Subhash Khot ist, an der seine Frau Dana Moshkovitz über Jahre gearbeitet hat. Weitere Resultate betreffen L=BPL sowie Fourier-Transformation und Multiplikation unterhalb der seit den 1960ern geltenden Schranke von O(n log n). Für einen Teil der Beweise existiert ein Lean-Zertifikat, für andere nicht, und nach Aaronsons Darstellung hat bislang kein Mensch die Argumente wirklich verstanden. Moshkovitz beschreibt die Texte als kaum lesbar, mit irrelevanten Zitaten und einer neuartigen, rekursiven Code-Konstruktion. Einen Monat zuvor hatte OpenAI die Navier-Stokes-Gleichung mit 10.000 parallel arbeitenden Agenten in 88 Stunden bearbeitet.

Parallel löste die Veröffentlichung eine Sicherheitsdebatte in der Kryptobranche aus. Ethereum-Forscher Justin Drake rief am 7. Oktober dazu auf, einen „bunker mode“ vorzubereiten und Guthaben kontrolliert auf frische Adressen zu verschieben, deren öffentliche Schlüssel noch hinter einem Hash liegen. Im schlimmsten Fall könne ECDSA „in Monaten, nicht Jahren“ fallen, wobei er unter einem Bruch die Rekonstruktion eines privaten Schlüssels binnen etwa einer Woche auf einem großen GPU-Cluster versteht. Vitalik Buterin stützte die Sorge, riet aber von überstürzten Umzügen ab und erklärte, verpatzte Migrationen hätten ihn mehr Geld gekostet als sämtliche Hacks zusammen. Er erweiterte die Warnung auf gitterbasierte Verfahren wie ML-DSA und homomorphe Verschlüsselung und nannte dies einen Grund für Ethereums Kurs in Richtung hashbasierter Signaturen. Yehuda Lindell, Kryptographie-Chef bei Coinbase, widersprach und sagte, es gebe keinen Beleg dafür, dass die jahrzehntealten Annahmen hinter elliptischen Kurven kurz vor dem Fall stünden. → The Block, AHM, Cointelegraph, The Crypto Times, CryptoPotato, CryptoSlate, Decrypt, Bitcoin Insider, Shtetl-Optimized, Quartz

Synthszr Take: Ein Beweis galt bislang als Beweis, wenn genug Fachleute ihn nachvollzogen und für richtig befunden haben. OpenAI stellt an diese Stelle ein Lean-Zertifikat und 372 Ergebnisgruppen, die noch niemand gelesen hat: Die Maschine prüft die Maschine, und das Fach darf hinterherlesen. Die Beratergruppe um Gowers und Witten hat genau eine rote Linie gezogen, das Testen an internen Modellen, und OpenAI hat angekündigt, sie weiter zu überschreiten. Darin steckt die eigentliche Machtaussage, nicht in der Zahl der Papers. Der Boykottaufruf der Association for Human Mathematics ist das einzige Druckmittel, das eine Gemeinschaft ohne eigenes Rechenzentrum noch besitzt, und er verpufft, solange die Resultate halten. Falls Moshkovitz' Urteil über die Lesbarkeit Bestand hat, entsteht ein Fach, in dem Korrektheit maschinell belegbar ist und Verständnis zur Kür wird. Die Spielregeln dafür schreibt ein Labor mit einem Modell, das niemand von außen anfassen darf.