Identitätskrisen bei OpenAI, Palantir und SaaS

Identitätskrisen (1): Sam Altman will OpenAI wieder zum „good citizen“ machen

OpenAI hat am Sonntag ein Fünf-Prinzipien-Framework für die Entwicklung von künstlicher allgemeiner Intelligenz (AGI) veröffentlicht. CEO Sam Altman verspricht darin, der Machtkonzentration durch KI-Technologie zu widerstehen und räumt ein, dass OpenAI heute eine wesentlich größere Kraft darstellt als bei der Veröffentlichung der ursprünglichen Charta 2018. Die Prinzipien umfassen Demokratisierung (KI-Entscheidungen sollen demokratischen Prozessen unterliegen), Empowerment (breite Nutzerfreiheiten mit Vorsicht bei unklaren Risiken), universellen Wohlstand (durch globale Rechenzentren und Kostenreduktion), Resilienz (Zusammenarbeit bei Biowaffen- und Cyberrisiken) und Anpassungsfähigkeit (transparente Positionsänderungen). Altman gibt zu, dass OpenAI möglicherweise „etwas Empowerment für mehr Resilienz opfern“ müsse. Das Timing ist kein Zufall: Kalifornien verabschiedete letztes Jahr das erste bundesstaatliche KI-Sicherheitsgesetz, während OpenAI wegen seiner Pentagon-Kooperation unter Beschuss steht. → www.implicator.ai

Synthszr Take: OpenAI betreibt regulatorische Prophylaxe wie ein Pharmaunternehmen, das seine eigenen Nebenwirkungen in den Beipackzettel schreibt, bevor die Behörden nachfragen. Die fünf Prinzipien lesen sich wie eine Selbstverpflichtung des Monopolisten, der seine Marktmacht bereits zementiert hat: Demokratisierung predigen, während man die Infrastruktur kontrolliert; Empowerment versprechen, aber Resilienz priorisieren, wenn es ernst wird. Das erinnert an die Stadtplanung der 1960er Jahre, als Architekten zunächst Autobahnen durch Innenstädte trieben und anschließend Grünstreifen als Ausgleich pflanzten. Altmans Eingeständnis, dass OpenAI „materiell größer“ geworden ist, klingt wie die nachträgliche Entschuldigung eines Teenagers, der beim Hausparty-Crashen erwischt wurde. Die wahre Botschaft steckt im Timing: Kurz bevor Regulatoren die Spielregeln festlegen, definiert OpenAI schnell seine eigenen moralischen Leitplanken. Wer die Infrastruktur kontrolliert, schreibt die Ethik.

Identitätskrisen (2): Palantir-Mitarbeiter verlieren den Glauben

Palantir-Mitarbeiter beginnen, die Rolle ihres Unternehmens in Trumps zweiter Amtszeit grundlegend zu hinterfragen. Interne Slack-Nachrichten und Interviews zeigen ein Unternehmen in der Identitätskrise: Die Datenanalyse-Software, die einst zum Schutz der Bürgerrechte nach 9/11 entwickelt wurde, wird nun zur technologischen Basis von Trumps Einwanderungspolitik. Nach der tödlichen Schießerei der Krankenschwester Alex Pretti durch Bundesagenten bei Protesten gegen ICE forderten Mitarbeiter Aufklärung über Palantirs Verbindungen zur Einwanderungsbehörde. Die Unternehmensführung reagierte mit philosophischen Ausflüchten und löschte nach 7 Tagen die kritischen Slack-Konversationen. Ein ehemaliger Mitarbeiter bringt es auf den Punkt: „Wir sollten diejenigen sein, die Missbrauch verhindern. Jetzt ermöglichen wir ihn.“ → arstechnica.com

Synthszr Take: Palantir erlebt gerade, was passiert, wenn Infrastruktur ihre eigene Moral entwickelt. Das Unternehmen wurde mit dem Versprechen gegründet, ein technologisches Immunsystem gegen Machtmissbrauch zu sein – benannt nach Tolkiens korrumpierendem Palantír als ironische Warnung vor der eigenen Macht. Jetzt wird aus dem Immunsystem ein Autoimmunprozess: Die gleiche Software, die externe Bedrohungen abwehren sollte, richtet sich gegen die eigene Bevölkerung. Das ist keine Geschichte über böse Technologie, sondern über die Illusion neutraler Infrastruktur. Wenn deine Mitarbeiter fragen „Sind wir die Bösen?“, während die Geschäftsführung Slack-Nachrichten löscht wie ein autoritäres Regime Zeitungsarchive, dann hat sich die Infrastruktur bereits entschieden. Peter Thiels Wette war immer, dass Macht wichtiger ist als Prinzipien – seine Mitarbeiter beginnen gerade zu verstehen, dass sie die Chips in diesem Spiel sind.

Identitätskrisen (3): Malus.sh klont jede Software

Ein neues Tool namens Malus.sh nutzt KI, um Software von bestehenden Copyright-Lizenzen zu „befreien“ und technisch saubere Klone zu erstellen, die nicht gegen das Urheberrecht verstoßen. Die Methode basiert auf dem historischen „Clean Room“-Designprozess, bei dem IBMs Konkurrenten in den 80ern dessen BIOS nachbauten: Ein Team analysierte die Spezifikationen, ein zweites „sauberes“ Team programmierte ohne Kenntnis des Originalcodes. Was früher Monate dauerte und zwei Teams erforderte, schafft heute ein KI-Modell in Tagen. Das Projekt ist als satirischer Kommentar zur Open-Source-Community gedacht, hat aber echte zahlende Kunden. Die Webseite wirbt mit „Keine Attribution. Kein Copyleft. Keine Probleme.“ und trifft damit einen wunden Punkt: Software-as-a-Service-Unternehmen fürchten, dass Konkurrenten ihre teuren Angebote einfach nachbauen könnten, was bereits zu massiven Kursverlusten bei Firmen wie Oracle führte. → futurism.com

Synthszr Take: Malus.sh macht aus dem Urheberrecht ein reines Optimierungsproblem: Wer günstiger klont als lizenziert, gewinnt. Das erinnert an die Spieltheorie des Gefangenendilemmas, nur dass hier die Kooperationsoption (Lizenzierung) durch asymmetrische Kostenstrukturen ausgehebelt wird. Historisch gesehen ist das nichts Neues: Die Textilindustrie des 19. Jahrhunderts basierte auf gestohlenen Bauplänen britischer Webstühle, nur brauchte man damals noch Industriespione statt Claude. Der Unterschied heute: Die Grenzkosten für Clean-Room-Reverse-Engineering tendieren gegen null, während die Transaktionskosten für Lizenzverhandlungen konstant bleiben. Software-Unternehmen stehen vor derselben Herausforderung wie Musikverlage nach Napster: Ihr Geschäftsmodell basiert auf künstlicher Verknappung durch rechtliche Konstrukte, die technisch obsolet werden. Die Ironie dabei: Open Source wollte Software befreien, jetzt befreit KI die Software von Open Source.

Snap: unsere Designer schreiben jetzt den Code

Evan Spiegel, CEO von Snap, hat in einem Podcast mit Lenny Rachitsky eine alte Wahrheit ausgesprochen: In 15 Jahren sind nur zwei Consumer Apps wirklich durchgebrochen. Snapchat selbst überlebte nur, weil jedes seiner wichtigsten Features kopiert wurde – Stories, AR-Filter, Swipe-Navigation. Spiegels Schlussfolgerung: Reine Software ist kein Burggraben mehr. Hardware sei der einzige echte Wettbewerbsvorteil, Distribution sei wichtiger als das Produkt selbst. Sein 9- bis 12-köpfiges Designteam arbeitet ohne Titel und Hierarchie, reviewt hunderte Ideen pro Woche direkt mit dem CEO. Designer schreiben bei Snap inzwischen Code, AI verändert ihre Arbeitsweise fundamental. → Lenny's Newsletter

Synthszr Take: Spiegel beschreibt die Umkehrung eines Silicon-Valley-Glaubenssatzes. Früher galt: Bau das bessere Produkt, die Nutzer kommen von allein. Heute kontrollieren Meta, Google und Apple die Verteilungskanäle wie mittelalterliche Zollstationen an Handelsrouten. Wer keine eigene Hardware besitzt (Spectacles, Pixy), ist nur Mieter im fremden Ökosystem. Die Ironie: Snapchat erfand die wichtigsten Social-Media-Features der letzten Dekade, aber Instagram kopierte sie schneller, als Snap sie verbreiten konnte. Distribution schlägt Produkt – außer man besitzt die Infrastruktur, auf der die Distribution läuft.

ASML fährt Produktion drastisch hoch

ASML baut die weltweit einzigen Maschinen, mit denen hochmoderne KI-Chips in großem Maßstab produziert werden können. Diese Chips treiben ChatGPT und Gemini an, ohne sie keine KI-Revolution. Jetzt explodiert die Nachfrage: Microsoft, Meta, Amazon und Google planen allein dieses Jahr über 600 Milliarden Dollar Investitionen in KI-Infrastruktur. ASML reagiert mit einem massiven Ausbau: 60 ihrer Standard-EUV-Maschinen will das niederländische Unternehmen 2026 bauen, 36% mehr als 2025. Die nächste Generation ihrer Maschinen kostet über 400 Millionen Dollar pro Stück. Diese schulbusgroßen Geräte schießen mit Lasern auf geschmolzene Zinntropfen, um extrem ultraviolettes Licht zu erzeugen, das mikroskopische Muster auf Siliziumscheiben druckt. CEO Christophe Fouquet sagt: „Wir wollen nicht der Flaschenhals für unsere Kunden sein.“ → Wall Street Journal

Synthszr Take: ASML ist das perfekte Beispiel für Gall's Law in Aktion: Ein funktionierendes einfaches System (Lithografie) wurde über Jahrzehnte zu etwas unfassbar Komplexem ausgebaut, das niemand mehr kopieren kann. Die Maschinen sind wie gotische Kathedralen der Halbleiterfertigung, deren Baumeister in Reinräumen statt auf Gerüsten arbeiten. Ein einziges Staubkörnchen kann die Produktion lahmlegen, trotzdem müssen sie jetzt von 44 auf 80 Maschinen pro Jahr hochfahren. ASML hat aus der Pandemie gelernt und baut Reinräume auf Vorrat, bevor sie gebraucht werden (das Gegenteil von Just-in-Time). Die wahre Macht liegt nicht bei den KI-Modellen, sondern bei dem, der die physische Realität kontrolliert: Ohne ASMLs Maschinen keine Chips, ohne Chips keine Rechenzentren, ohne Rechenzentren kein ChatGPT.

Google kontrolliert jetzt 25% der globalen KI-Rechenkapazität

Google hat sich still und heimlich zum dominanten Infrastruktur-Anbieter der KI-Ära entwickelt: Nach Berechnungen von Epoch AI kontrolliert der Konzern etwa 25 Prozent der globalen KI-Rechenkapazität mit rund 3,8 Millionen TPUs (Tensor Processing Units) und 1,3 Millionen GPUs. Google Cloud-CEO Thomas Kurian rechtfertigt die massiven Investitionen mit steigender Nachfrage und den entsprechenden Umsätzen. Die schiere Größe der Google-Rechenflotte übersteigt damit die kombinierte Kapazität vieler nationaler KI-Initiativen. Während die Aufmerksamkeit auf OpenAI und Anthropic liegt, baut Google im Hintergrund die physische Infrastruktur auf, ohne die moderne KI-Modelle trainieren zu können. → techmeme.us14.list-manage.com

Synthszr Take: Google verwandelt sich in das TSMC der KI-Ära: unsichtbar für Endnutzer, aber systemrelevant für jeden, der im Spiel bleiben will. Die 5,1 Millionen Prozessoren sind keine technische Spielerei, sondern eine neue Form von Marktmacht, die sich in Rechenzyklen statt in Marktanteilen misst. Historisch gesehen erinnert das an die Eisenbahnbarone des 19. Jahrhunderts, die kontrollierten, wer seine Waren wohin transportieren konnte. Der Unterschied: Googles TPUs sind proprietäre Hardware, die nur in der eigenen Cloud läuft, während Nvidia seine GPUs an jeden verkauft. Diese asymmetrische Verfügbarkeit schafft eine Zweiklassengesellschaft in der KI-Entwicklung: Wer bei Google trainiert, bekommt Zugang zu spezialisierter Hardware, alle anderen müssen sich um knappe Nvidia-Chips prügeln. Kurians Verweis auf steigende Umsätze zeigt, dass Google die Infrastrukturdividende bereits einstreicht.

DeepSeek/Kimi: Open Source passt sich besser an

Während alle Blicke auf Claude Opus 4.7 und GPT-5.5 gerichtet waren, haben zwei Open-Source-Modelle die Spielregeln für agentenbasierte KI neu definiert. DeepSeek-v4 und Kimi-K2.6 markieren eine Zeitenwende: Sie zeigen, dass offene Modelle nicht mehr nur Derivate der großen proprietären Systeme sind, sondern eigenständige Architekturen mit spezifischen Stärken entwickeln. DeepSeek-v4 löst mit seiner Compressed Sparse Attention (CSA) und Heavily Compressed Attention (HCA) das Speicherproblem bei 1-Million-Token-Kontexten — eine technische Meisterleistung, die zeigt, wie Ressourcenknappheit zu Innovation führt. Kimi-K2.6 geht einen anderen Weg: Mit 1 Million Parametern, von denen nur 32 Milliarden aktiv sind, optimiert es für die Orchestrierung statt für reine Leistung. Das Modell verwaltet Agenten-Schwärme über 13 Stunden und 1.000 Tool-Aufrufe hinweg, ohne die Orientierung zu verlieren. Beide Modelle sind unter der MIT-Lizenz verfügbar, was kommerzielle Nutzung ohne Einschränkungen erlaubt. → AlphaSignal

Synthszr Take: DeepSeek und Kimi folgen dem Muster biologischer Evolution: Wenn die dominante Spezies (hier: Claude, GPT) alle Ressourcen monopolisiert, entstehen spezialisierte Nischen. Die Compressed Sparse Attention erinnert an die Informationskompression in neuronalen Netzen von Insekten — weniger Neuronen, aber hochoptimiert für spezifische Aufgaben. Während OpenAI und Anthropic um die absolute Spitzenleistung konkurrieren, entstehen im Open-Source-Bereich Modelle, die für 90% der realen Anwendungsfälle ausreichen. Das erinnert an die Geschichte der Mikrocomputer: IBM und DEC kämpften um die Dominanz im Mainframe-Bereich, während Apple und Commodore den Massenmarkt erschlossen. Der Clou bei Kimi-K2.6 ist die Orchestrierung von Agenten-Schwärmen — statt eines monolithischen Modells koordiniert es spezialisierte Subsysteme, ähnlich wie ein Betriebssystem Prozesse verwaltet. Open Source gewinnt nicht durch Überlegenheit in jedem Benchmark, sondern durch Anpassungsfähigkeit an konkrete Bedürfnisse.

Amateur beweist mit ChatGPT eine 60 Jahre alte mathematische Vermutung

Ein Hobbymathematiker namens Ryan Greenblatt hat mithilfe von ChatGPT (o1-preview) eine seit 1964 offene Vermutung aus der Kombinatorik gelöst. Die Vermutung besagte, dass in speziellen Kachelsystemen immer periodische Muster entstehen, wenn bestimmte mathematische Eigenschaften erfüllt sind. Greenblatt, der weder Mathematiker noch KI-Spezialist ist, führte mit dem Sprachmodell über mehrere Wochen hinweg einen iterativen Dialog: Er stellte Fragen, ließ sich Beweise generieren, identifizierte Lücken und verfeinerte gemeinsam mit der KI die Argumentation. Nach 120 Gesprächsrunden hatte er einen vollständigen Beweis, den die Fachexperten als korrekt bestätigten. Die Lösung nutzt Techniken aus verschiedenen mathematischen Teilgebieten, die ein einzelner Mensch kaum überblicken könnte. Greenblatt betont, dass ohne seine gezielten Nachfragen und sein mathematisches Grundverständnis kein Durchbruch möglich gewesen wäre. → Lenny's Newsletter

Synthszr Take: Greenblatt hat das Erfolgsrezept der polynesischer Navigation auf KI übertragen: Statt mit Instrumenten navigierten pazifische Seefahrer jahrhundertelang mithilfe der Beobachtung von Wellenmustern, Vogelflug und Wolkenformationen. Genau diese Art von verteilter Intelligenz – menschliche Intuition gekoppelt mit maschineller Rechenkraft – löst jetzt mathematische Probleme, an denen sich Generationen von Spezialisten die Zähne ausgebissen haben. ChatGPT wurde hier nicht als Orakel benutzt, sondern als intellektueller Sparringspartner, der Hypothesen generiert und verwirft. Die eigentliche Innovation liegt in Greenblatts Fragetechnik: Er hat die KI wie einen brillanten, aber manchmal verwirrten Doktoranden behandelt, dessen Ideen man ernst nimmt, aber kritisch hinterfragt. Amateur-Wissenschaft kehrt zurück, nur dass der Assistent diesmal keine menschliche Geduld braucht.