KIs sind bessere Ärzte, Superhelden, Musiker — feiern wir unsere Unvollkommenheit

Orchestrierte Frontier-Modelle wohl besser als unsere Hausärzte

Microsoft hat in der Fachzeitschrift Science eine Studie veröffentlicht, wonach das hauseigene Diagnosesystem MAI-DxO komplexe medizinische Fälle mehr als doppelt so oft richtig erkennt wie Allgemeinmediziner. Bei 304 schwierigen Fällen aus dem New England Journal of Medicine erreichte das System eine Treffsicherheit von 83 Prozent. Hausärzte und Internisten kamen mit Nachschlagewerken auf 36 Prozent, ohne Hilfsmittel auf rund 22 Prozent. Bei typischeren Fällen aus der Notaufnahme, entnommen der Datenbank MIMIC-IV-ED des Beth Israel Deaconess Medical Center in Boston, lag das Verhältnis bei 80 zu 47 Prozent. Die Arbeit mit dem Titel „Sequential Diagnosis with Language Models“ war im Vorjahr bereits als nicht begutachteter Preprint erschienen. Microsoft-AI-Chef Mustafa Suleyman nennt das Ergebnis einen Schritt zur „medizinischen Superintelligenz“.

MAI-DxO arbeitet sequenziell. Das System erhält zunächst nur die Hauptbeschwerde und entscheidet selbst, welche Fragen es stellt und welche Tests es anordnet. Mehrere KI-Agenten übernehmen dabei Rollen wie in einem Ärztegremium: Sie schlagen Diagnosen vor, wählen Untersuchungen aus, stellen Annahmen infrage und wägen Kosten ab, während sie über mehrere Runden die Differentialdiagnose anpassen. Die Forscher argumentieren, dass das kognitive Verzerrungen wie das Festhalten an einer ersten Verdachtsdiagnose ausgleichen könne. Für die Tests hat Microsoft einen eigenen Benchmark namens SDBench entwickelt, weil Zulassungsprüfungen wie die US-amerikanischen USMLE alle Informationen vorab liefern und damit den klinischen Alltag nicht abbilden. Teile davon, darunter der Bewertungs- und Kostenschätzungscode, will der Konzern als Open Source freigeben.

Die besten Ergebnisse erzielte das System mit OpenAIs GPT-5 und GPT-5.5. Außerdem wurden Modelle von Google, Anthropic, Meta und DeepSeek getestet. Die Daten der Studie zeigen, dass ein großer Teil der Leistung aus dem zugrunde liegenden Modell stammt. GPT-5 allein erreichte bei komplexen Fällen 78,9 Prozent bei geschätzten Kosten von rund 8.400 Dollar pro Fall. Die Orchestrierung senkte diese Kosten um etwa 3.000 Dollar und erhöhte die Treffsicherheit um rund vier Punkte. Mit GPT-5.5 stieg der Wert bei komplexen Fällen von 72 auf knapp 87 Prozent, bei Notaufnahmefällen lagen beide Varianten bei etwa 85 Prozent. Am stärksten profitierten schwächere Modelle wie Gemini 2.5 Flash, das von 46,4 auf fast 69 Prozent kletterte. Microsoft führt die schrumpfenden Zugewinne darauf zurück, dass sich die Modelle dem theoretischen Maximum nähern. Neuere Modelle wie GPT-6 Astra oder Opus 5.5 sind nicht Teil der Studie.

Die Einschränkungen sind erheblich. Getestet wurde ausschließlich an historischen Fällen. Fachärzte und Ärzteteams, die solche Fälle in der Praxis behandeln, waren nicht Teil des Vergleichs, und die Autoren erwarten selbst, dass der Abstand zu ihnen kleiner ausfiele. Die Angabe, das System komme zu einem Drittel bis der Hälfte der Kosten zur richtigen Diagnose, beruht nach Angaben von Microsoft auf geschätzten Kosten in Simulationen. Mediziner betonen, dass solche Systeme als Assistenz gedacht sind, und verweisen auf offene Haftungsfragen. → TechCrunch, The Verge, Gizmodo, Microsoft AI

Synthszr Take: Vier Punkte mehr Treffsicherheit und 3.000 Dollar weniger pro Fall, das ist der ganze Beitrag der Orchestrierung über GPT-5 hinaus. Den Rest liefert das Modell, und das gehört OpenAI. Microsofts Kapital liegt in SDBench, einem Benchmark, der Fragen und Testbestellungen bewertet und definiert, was klinisch validierbar heißt. Jeder Anbieter, der in Kliniken will, muss sich an dieser Messlatte messen lassen, die Microsoft selbst gebaut hat. Suleymans Superintelligenz ist Marketing, der Standard ist das Produkt.

OpenAI sammelt vor dem IPO noch einmal 30 Milliarden Dollar ein

OpenAI verhandelt laut CNBC über eine weitere private Finanzierungsrunde von bis zu 30 Milliarden Dollar bei einer Bewertung von 1,25 Billionen Dollar vor dem Geld. Nach Angaben der CNBC-Quellen sollen Coatue und Investoren aus den Vereinigten Arabischen Emiraten die Runde anführen. Bloomberg hatte vor einem Monat von einer Runde über 30 Milliarden Dollar bei 1,4 Billionen Dollar Bewertung berichtet. Beide Medien schreiben, dass die Konditionen noch verhandelt werden und sich ändern können. Laut CNBC könnte das Geld aus den Emiraten an eine Vereinbarung über zusätzliche Rechenkapazität für OpenAI gekoppelt werden. → TechCrunch

Synthszr Take: Der Preis einer Privatrunde entsteht am Tisch mit einer Handvoll Käufer, ohne Prospekt und ohne Quartalszahlen. Wie weich er ist, zeigt ein Monat zwischen zwei Berichten: 1,4 Billionen bei Bloomberg, 1,25 Billionen bei CNBC, und keine veröffentlichte Zahl zum Geschäft hat sich geändert. Geld aus den Emiraten, das an Rechenkapazität gekoppelt ist, macht die Bewertung noch dehnbarer: Der Käufer bezahlt teils in eigener Ware. Solange die IPO-Unterlagen vertraulich bleiben, bleibt die Billion Verhandlungssache.

OpenAI’s Steinberger verbrennt allein 10 Millionen Dollar Token pro Monat

Peter Steinberger, Entwickler des Open-Source-Agenten OpenClaw und inzwischen bei OpenAI angestellt, hat nach eigener Schätzung im vergangenen Monat rund 10 Millionen Dollar für KI-Token ausgegeben. Das berichtet der Newsletter AI Secret. Im Mai hatte Steinberger noch eine Monatsrechnung von 1,3 Millionen Dollar veröffentlicht, die Ausgaben sind seitdem also etwa um das Achtfache gestiegen. Die Kosten trägt sein Arbeitgeber OpenAI. Auf einer Konferenz von Cloudflare merkte der Moderator an, Steinberger verfüge über ein „praktisch unbegrenztes Token-Budget“, das nicht alle im Saal hätten. → AI Secret

Synthszr Take: Zehn Millionen Dollar Token im Monat für einen einzigen Entwickler sind eine Finanzierungsfrage. Hochgerechnet 120 Millionen im Jahr landen in der Runde, die OpenAI vor Anthropics Börsengang einsammeln muss. Jeder verbrannte Dollar erhöht den Kapitalbedarf, jede Runde den Druck, Wachstum mit noch mehr Compute zu zeigen. Steinberger hängt an einem Budget, das ihm außerhalb von OpenAI niemand zahlt, nicht einmal der Saal bei Cloudflare. Compute-Disziplin würde genau die Story schrumpfen, die das Geld einsammelt.

Angreifer nutzten die PHP2Shell-Lücken schon vier Tage vor dem Patch

Softwarehersteller, Sicherheitsfirmen und Behörden haben laut SecurityWeek Warnungen, Erkennungsregeln und Gegenmaßnahmen zu zwei kritischen PHP-Lücken namens PHP2Shell veröffentlicht. Viele Anbieter prüfen noch, ob ihre eigenen Produkte betroffen sind. Die Schwachstellen CVE-2026-109618 und CVE-2026-109619 erlauben Angreifern ohne Anmeldung, Code aus der Ferne auszuführen. Entdeckt haben sie Wiz, OpenAI und Calif im August. PHP veröffentlichte die Korrekturen am 21. Oktober, einen Tag früher als geplant, weil die CVE-Kennungen bereits im Netz kursierten. → SecurityWeek

Synthszr Take: Die Hälfte aller PHP-Systeme bekommt diesen Patch nie, schätzt Cisco Talos, und diese Hälfte sitzt beim Mittelstand, bei Vereinen und Shops auf Hosting-Paketen ohne eigenen Admin. Google Cloud spielte die Updates automatisch ein, cPanel und Plesk lieferten sogar Builds für längst abgekündigte PHP-Versionen. Damit entscheidet der Hoster, wer sicher ist. Für den Markt heißt das: Patch-Automatik wird zum Verkaufsargument, und selbstverwaltete Server verlieren ihre letzte Rechtfertigung: Billig war gestern.

Unitree inszeniert neue Roboter als Superhelden

Unitree Robotics hat mit dem H2-X einen humanoiden Roboter vorgestellt, den das Unternehmen als „Guardian“ für Notfälle präsentiert. Das Werbevideo zeigt laut Interesting Engineering, wie die Maschine einem Angreifer ein Messer abnimmt, eine Autotür einschlägt, ein Fahrzeug anhebt und einen Fußgänger vor einem heranfahrenden Wagen wegzieht. Unitree hat nicht offengelegt, ob die Szenen autonom, ferngesteuert oder vorab choreografiert entstanden sind. Der H2-X baut auf der bestehenden H2-Plattform auf, die nach Herstellerangaben rund 1,8 Meter groß und 70 Kilogramm schwer ist und 31 Freiheitsgrade besitzt. Ob das neue Modell diese Werte übernimmt, ist nicht bestätigt. → Techpresso

Synthszr Take: Das Video arbeitet für Unitree auch dann, wenn keine Szene autonom entstand. Es setzt die Messlatte für die ganze Branche, bevor ein einziger Feldtest existiert. Jeder Wettbewerber muss nun erklären, warum seine Maschine kein Messer abnimmt, obwohl niemand weiß, ob der H2-X es kann. Der Hinweis am Ende, zwei bis drei Meter Abstand zu halten, verrät den Stand der Technik genauer als die Rettungsszene. Beschaffer, Versicherer und Regulierer kalibrieren trotzdem auf das Bild.

Musks Roboter sollen sich selbst erziehen

Tesla muss laut Elon Musk zwischen 10.000 und 20.000 humanoide Optimus-Roboter bauen, damit diese Aufgaben durch Übung erlernen. Das sagte der Tesla-Chef bei der Telefonkonferenz zum dritten Quartal am 21. Oktober. Die Roboter sollen in einer sogenannten Optimus Academy verschiedenste Tätigkeiten üben. Die dabei per Self-Play erzeugten Daten sollen anschließend die steuernde KI verbessern. Musk vergleicht den Prozess mit der Erziehung eines Kleinkinds, das anfangs wackelig sei und erst durch Spielen lerne. → Techpresso

Synthszr Take: Die ersten 20.000 Optimus sind Teslas Datenfabrik. Bei den Autos zahlen Kunden für Fahrzeuge, die nebenbei die Fahrsoftware trainieren. Den Robotern fehlt dieser Kunde bis Ende 2027, Tesla finanziert die Flotte selbst und bekommt vorerst nur Daten zurück. Das Kapital fließt in Übungshallen und Kamerahelme für Trainer, Umsatz kommt frühestens in zwei Jahren. Für Wettbewerber entscheidet deshalb, wessen Roboter zuerst im Realbetrieb Daten liefern und dabei schon bezahlt werden.

KI-native Unternehmen werden flacher: Führungskräfte bauen wieder selbst

KI-native Unternehmen wie Block, Lovable, Every und Cognizant organisieren ihre Managementstrukturen rund um KI-Agenten neu, berichtet der Substack-Newsletter Growthwise Teams. Der Autor verweist auf eine Gartner-Prognose von Ende 2024: Bis Ende 2026 soll jede fünfte Organisation ihre Hierarchie mithilfe von KI abflachen und dabei mehr als die Hälfte der Stellen im mittleren Management streichen. Als Belege dienen vor allem Selbstbeschreibungen aus den Unternehmen. Block-CEO Jack Dorsey und Roelof Botha schildern den Umbau ihres Konzerns im Text „From Hierarchy to Intelligence“. Die Growth-Managerin Elena Verna berichtet von einem Jahr bei Lovable, Every-CEO Dan Shipper beschreibt in „After Automation“, wie sein Unternehmen nach weitgehender Automatisierung arbeitet. → Substack

Synthszr Take: Jede fünfte Organisation bis Ende 2026 ist eine messbare Wette, und bisher stammen die Belege aus Firmen, deren Geschäft KI ist und die über sich selbst berichten. Der Test findet woanders statt: in Konzernen, deren mittleres Management vor allem Reporting nach oben produziert. Agenten schreiben diese Berichte schneller als jeder Teamleiter. Die Stelle verschwindet erst, wenn der Vorstand aufhört, den Bericht zu bestellen. Daran entscheidet sich, ob Gartner zählt oder nur zitiert wird.

Was uns bleibt: Unvollkommenheit

Musiker setzen zunehmend auf schiefe Töne, unkonventionelle Melodien gegen ungerade Taktarten und neue Genre-Mischungen wie Celtic EDM, um sich von KI-generierter Musik abzugrenzen. Ausgangspunkt ist die Fähigkeit von KI-Systemen, Songs im Stil von Taylor Swift, Fleetwood Mac oder Frank Sinatra zu erzeugen. In Teilen der Szene gelten Unvollkommenheiten inzwischen als Nachweis menschlicher Urheberschaft. David Das, Vizepräsident der Society of Composers and Lyricists, verweist darauf, dass sich Musik schon vor KI perfekt produzieren ließ, mit exakt sitzenden Drums und nachgestimmten Vocals. KI treibe diese Glätte nach seiner Einschätzung noch weiter.

Cecil Coleman, Schlagzeugerin der australischen Band Body Type, beobachtet eine Hinwendung zu bewusst unsauberem Spiel. Unter Musikern herrscht weitgehend Konsens, dass KI-Musik überproduziert und zu poliert klingt. Viele Künstler, die sie schätzt, wählen deshalb einen erdigen, rauen Sound zur Abgrenzung. Das selbst nimmt inzwischen ohne Click-Track und ohne Samples auf. Er beschreibt das als psychologische Rebellion gegen makellose Produktionen: Musik solle sich wieder menschlich anfühlen.

Für die typische Glätte von KI-Musik nennen Fachleute technische Ursachen. Robert Rowe, Professor für Musikinnovation an der New York University, erklärt, die Modelle seien darauf ausgelegt, das jeweils nächste Element vorherzusagen, statt ein Stück als Ganzes zu planen. Von Phrase zu Phrase klinge das Ergebnis überzeugend, über einen ganzen Song hinweg ergebe es oft keinen Sinn, wiederhole sich merkwürdig oder ähnle zu stark bestehenden Werken. Carmine-Emanuele Cella, Komponist und Co-Direktor des Center for New Music and Audio Technologies an der UC Berkeley, führt das auf Autophagie zurück: Werden Modelle mit maschinengenerierten Daten trainiert, entsteht eine Rückkopplung. Daraus resultieren Muster, die sich ähnlich erkennen lassen wie bei KI-generiertem Text.

Als typische Erkennungsmerkmale gelten laut Cella übermäßige Wiederholungen in Texten, Refrains und harmonischen Abfolgen. Der Toningenieur Liam Weiland nennt als weiteres Merkmal ein Rauschen im Hochtonbereich. Nach seiner Einschätzung bemerken durchschnittliche Hörer solche Merkmale meist nicht oder fragen nicht nach deren Ursache. Weiland erwartet, dass diese Indizien mit besseren Modellen bald verschwinden. Als historische Parallele wird die Fotografie im 19. Jahrhundert angeführt: Sie löste bei Malern Existenzängste aus und mündete in Impressionismus und abstrakte Kunst. → The Deep View, The Deep View

Synthszr Take: Ein schiefer Ton ist nur so lange ein Echtheitssignal, wie er teuer bleibt. KI macht Perfektion kostenlos, also honoriert der Markt den Beleg menschlicher Herkunft, und Musiker liefern ihn: ohne Click-Track und ohne Samples. Der Haken sitzt im Trainingskreislauf: Jede Unsauberkeit wird zum nächsten Muster, das die Modelle lernen (das Rauschen im Hochtonbereich verschwindet laut Weiland bald). Labels und Plattformen brauchen den Herkunftsnachweis in den Metadaten, denn der Klang trägt ihn höchstens eine Modellgeneration lang.

Zuckerbergs Kontrolle zementiert: Meta finanziert KI mit stimmrechtslosen Aktien

Meta führt eine neue Aktienklasse ohne Stimmrecht ein, um Mitarbeitervergütung, Übernahmen und Kapitalaufnahme zu finanzieren, ohne dass Mark Zuckerberg seine Stimmenmehrheit verliert. Die Class-C-Aktien werden technisch als Sonderdividende im Verhältnis eins zu eins an alle Aktionäre ausgegeben. Angekündigt hat Meta den Schritt am Mittwoch zusammen mit den Zahlen zum dritten Quartal 2026. Vorausgegangen waren monatelange, zeitweise angespannte Verhandlungen zwischen Zuckerberg und einem Board-Ausschuss mit DoorDash-CEO Tony Xu, Ex-Botschafter Robert Kimmitt und dem früheren Microsoft-Manager Charles Songhurst. Der Ausschuss erwog zwischenzeitlich sogar den Rücktritt. Xu legte seine persönliche Freundschaft mit Zuckerberg offen, sieht sein Urteil dadurch aber nach eigener Aussage nicht beeinträchtigt.

Laut der Einreichung bei der SEC verfolgte Zuckerberg drei Ziele: den Erhalt seiner Stimmkontrolle, die Erfüllung seiner Zusagen an die Chan Zuckerberg Initiative und die Vorbereitung auf eine mögliche kalifornische Vermögensteuer. Über diese Steuer, Proposition 40, wird am 3. November abgestimmt. Parallel hatte Meta Ende 2025 entschieden, für den KI-Ausbau externes Kapital aufzunehmen. Zuckerberg hält rund 13,4 Prozent der Anteile, kontrolliert über die Dual-Class-Aktienstruktur aber 60,6 Prozent der Stimmen. Seine Class-B-Aktien tragen zehn Stimmen je Aktie und wandeln sich bei einem Verkauf in einfache Class-A-Aktien um.

Bisher glich Meta die Verwässerung durch neu ausgegebene A-Aktien mit Rückkäufen aus, wodurch Zuckerbergs Stimmanteil seit 2013 von 53,7 auf 60,6 Prozent stieg. 2025 kaufte Meta noch A-Aktien für 26,3 Milliarden Dollar zurück, seit vier Quartalen jedoch keine einzige mehr. In den ersten neun Monaten dieses Jahres summierte sich die aktienbasierte Vergütung auf 21 Milliarden Dollar. Die neuen C-Aktien darf Zuckerberg zu 20 Prozent sofort verkaufen. Die übrigen 80 Prozent sind an seine Stimmrechtsaktien gekoppelt und nur veräußerbar, wenn er gleichzeitig eine gleiche Zahl an B-Aktien verkauft oder umwandelt.

Die Quartalszahlen zeigen den finanziellen Hintergrund. Der Umsatz stieg um 26 Prozent auf 64,6 Milliarden Dollar, die Investitionsausgaben erreichten 34,9 Milliarden Dollar. Der Free Cash Flow fiel auf minus 2,1 Milliarden Dollar, nach plus 10,6 Milliarden im Vorjahresquartal. Für 2026 hebt Meta die Untergrenze der Investitionsplanung von 130 auf 135 Milliarden Dollar an und kündigt auch für 2027 weiter hohe Ausgaben an. Für das vierte Quartal erwartet der Konzern 73 bis 76 Milliarden Dollar Umsatz.

Belastet wurde das Ergebnis durch einen Vergleich über rund 18 Milliarden Dollar mit 52 Generalstaatsanwälten wegen der psychischen Gesundheit Jugendlicher. Im dritten Quartal schlugen dafür 9,89 Milliarden Dollar zu Buche. Der Gewinn je Aktie lag bei 3,83 Dollar, ohne die Sonderbelastung wären es 7,40 Dollar gewesen. Die Aktie stieg nachbörslich dennoch um vier bis fünf Prozent. → Variety, The Information, Fortune, Constellation Research, Shacknews, Coinpedia Fintech News

Synthszr Take: Vier Quartale ohne Rückkäufe, der Free Cash Flow bei minus 2,1 Milliarden Dollar. Der alte Mechanismus, mit dem Meta Zuckerbergs Stimmanteil pflegte, ist dem KI-Ausbau zum Opfer gefallen. Die stimmrechtslosen C-Aktien ersetzen ihn. Mitarbeiter und Übernahmeziele werden künftig in Papier bezahlt, das nichts mitzuentscheiden hat, und Zuckerberg darf 20 Prozent davon sofort verkaufen, praktischerweise vor der Vermögensteuer-Abstimmung am 3. November. Die Aktionäre finanzieren 135 Milliarden Dollar Capex und bekommen dafür weniger Stimme pro Dollar.