Nervös, Nervöser, OpenAI-Investor

OpenAI werden nervös und schießen gegen chinesische KI-Modelle

Eine von OpenAI-nahen Investoren finanzierte Dark-Money-Gruppe namens Build American AI zahlt Lifestyle-Influencern bis zu 5.000 Dollar pro TikTok-Video, um Angst vor chinesischer KI-Dominanz zu schüren. Die Kampagne, orchestriert durch das 100-Millionen-Dollar-schwere Super PAC „Leading the Future“, arbeitet mit vorgefertigten Botschaften wie „China könnte die persönlichen Daten meiner Kinder bekommen“ und verpackt sie als organische Meinungsäußerungen von Influencern mit Millionenreichweite. Während OpenAI offiziell jede Verbindung zur Initiative leugnet, stammt das Geld nachweislich von OpenAI-Präsident Greg Brockman, Palantir-Mitgründer Joe Lonsdale und Andreessen Horowitz. Die zweistufige Kampagne begann mit harmlosen Pro-KI-Botschaften und schwenkte dann auf aggressive China-Rhetorik um, wobei die Influencer ihre Geldgeber nicht offenlegen müssen. → www.wired.com

Synthszr Take: Die amerikanische KI-Industrie betreibt McCarthyismus als Marketingstrategie. Statt mit besseren Produkten zu konkurrieren, kaufen sich die Technologiekonzerne eine künstliche Bedrohungslage: 5.000 Dollar pro TikTok-Video sind billiger als die Entwicklung von Modellen, die mit DeepSeek oder Alibaba mithalten können. Die Ironie dabei: Während westliche Unternehmen Influencer dafür bezahlen, vor chinesischer Datensammlung zu warnen, sammeln genau diese Plattformen mehr persönliche Daten als jede chinesische KI jemals sammeln könnte. Build American AI funktioniert wie ein umgekehrtes Franchise-System: Die Zentrale liefert die Angst-Narrative, lokale Influencer verpacken sie in authentisch wirkenden Lifestyle-Content. Der wahre Skandal ist nicht die Kampagne selbst, sondern was sie über den Zustand der amerikanischen KI-Innovation aussagt: Wenn deine beste Verteidigung gegen Konkurrenz darin besteht, Panik zu säen statt Produkte zu bauen, hast du bereits verloren.

Musk kämpft nicht nur vor Gericht gegen Altman: Grok 4.3 zum China-Preis

xAI hat Grok 4.3 veröffentlicht und setzt damit neue Maßstäbe bei der Preisgestaltung: Mit 1,25 Dollar pro Million Input-Token und 2,50 Dollar pro Million Output-Token liegt das neue Modell deutlich unter dem Vorgänger Grok 4.2, der anfangs noch 2/6 Dollar kostete. Während Elon Musk vor Gericht gegen OpenAI-Mitgründer Sam Altman kämpft, verlassen alle zehn ursprünglichen Mitgründer sowie Dutzende weitere Forscher xAI. Performance-technisch bleibt Grok 4.3 hinter OpenAI und Anthropic zurück, punktet jedoch mit einer permanenten Reasoning-Funktion und einem Context-Window von einer Million Token. Das Modell kann autonom agieren: Es erstellt komplexe Excel-Dashboards, generiert professionelle PDFs mit SpaceX-Branding und designt PowerPoint-Präsentationen. Zusätzlich launcht xAI ein Voice-Cloning-Tool, das Stimmen klonen kann. → VentureBeat

Synthszr Take: Musk spielt Supermarkt-Strategie im KI-Markt: Verlustführerschaft bei den Preisen, während die Konkurrenz noch ihre Margen optimiert. Das Timing ist kein Zufall. Während OpenAI mit Dark-Money-Kampagnen gegen chinesische KI-Anbieter schießt, unterbietet xAI kurzerhand alle westlichen Wettbewerber und macht die Preisdebatte damit obsolet. Die Flucht der Gründer zeigt: xAI ist längst keine Forschungseinrichtung mehr, sondern eine Preismaschine. Voice-Cloning als Beigabe erinnert an die Rasierklingen-Logik: Erst lockt der günstige Einstieg, dann verdient man am Ökosystem. Musk wettet darauf, dass Marktanteile wichtiger sind als Exzellenz (Grok bleibt hinter dem State of the Art zurück). Die eigentliche Pointe: Während OpenAI Angst vor China schürt, praktiziert xAI genau dessen Playbook.

GPT-5.5 kann besser hacken als Mythos Preview

OpenAIs GPT-5.5 hat gerade 71% bei AISIs Cyber-Sicherheitstests erreicht und damit Anthropics Mythos Preview (68,6%) knapp übertroffen. Beide Modelle schafften es, AISIs 32-stufigen Unternehmensangriff „The Last Ones“ zu absolvieren - GPT-5.5 in 2 von 10 Versuchen, Mythos in 3 von 10. Das Bemerkenswerte: AISI testete die Basismodelle, nicht speziell für Cyberangriffe trainierte Varianten. Eine virtuelle Maschine, die ein menschlicher Experte in 12 Stunden reverse-engineerte, knackte GPT-5.5 in 10 Minuten und 22 Sekunden. Noam Brown von OpenAI merkte an: Nach 100 Millionen Token stieg die Performance weiter – keine Obergrenze in Sicht. Industrielle Kontrollsysteme bleiben die Achillesferse: Im Cooling-Tower-Szenario versagte GPT-5.5 vollständig. → Dev.to Security

Synthszr Take: Cyber-Offensive als emergente Eigenschaft von Reasoning-Modellen folgt dem gleichen Muster wie die Entstehung von Bewusstsein in der Biologie: Niemand hat Neuronen beigebracht zu denken, sie vernetzten sich nur immer komplexer. Die Sicherheitsindustrie steht vor einem Phasenübergang wie Wasser bei 100 Grad - der Aggregatzustand ändert sich schlagartig. Junior-Pentester werden zu teuren Luxusgütern in einer Welt, in der Modelle ihre Tagesaufgaben in Minuten erledigen. Das erinnert an die Einführung von Taschenrechnern: Kopfrechnen wurde nicht wertlos, aber die Definition von mathematischer Grundkompetenz verschob sich radikal nach oben. OpenAI und Anthropic liefern sich ein Rennen, bei dem beide gewinnen und die Verteidiger verlieren.

Google und Amazon feiern massive Buch-Gewinne dank Anthropic

Google und Amazon haben im ersten Quartal 2026 Rekordgewinne vermeldet – Alphabet steigerte seinen Profit um 81% auf 62,6 Milliarden Dollar, während Amazon Web Services das stärkste Wachstum seit 15 Quartalen verzeichnete. Doch fast die Hälfte von Alphabets Gewinn (28,7 Milliarden) und mehr als die Hälfte von Amazons Vorsteuergewinn (16,8 Milliarden) stammen nicht aus operativen Geschäften, sondern aus der Neubewertung ihrer Anteile an Anthropic. Die vier größten US-Tech-Konzerne investierten zusammen 130,65 Milliarden Dollar in Infrastruktur – mehr als das Dreifache der inflationsbereinigten Kosten des Manhattan-Projekts in nur einem Quartal. Amazons 8-Milliarden-Investment in Anthropic ist mittlerweile über 70 Milliarden wert, ausgelöst durch Anthropics Series-G-Finanzierungsrunde. Der Mechanismus ist simpel: Je mehr die Tech-Riesen in Anthropic investieren, desto höher steigt dessen Bewertung – und damit ihre eigenen Buchgewinne. → Fortune

Synthszr Take: Die KI-Industrie hat das perfekte Perpetuum Mobile der Finanzmärkte erfunden: Man pumpt Milliarden in ein Startup, das dadurch an Wert gewinnt, was wiederum die eigenen Bilanzen aufbläht – ohne dass je ein Dollar zurückfließen muss. Das erinnert an die Selbstreferenzialität von Eschers Treppenhäusern, nur dass hier reale Kapitalströme in einer Endlosschleife zirkulieren. Während das Manhattan-Projekt immerhin eine Atombombe produzierte, produziert diese Billionen-Dollar-Maschine vor allem eines: Buchgewinne aus Bewertungen, die sie selbst in die Höhe treiben. Die Ironie: Dieselben Unternehmen, die uns vor KI-Halluzinationen warnen, halluzinieren ihre eigenen Profite herbei.

OpenAI und Anthropic lieben jetzt präzise Prompts

OpenAI und Anthropic haben ihre Prompting-Guides diesen Monat still und heimlich aktualisiert. Die Claude-Dokumentation, die GPT-5.5-Anleitung und das GPT-5.5-Migrationsdokument zeigen eine bemerkenswerte Gemeinsamkeit: Vage Prompts funktionieren bei beiden Modellen schlechter als noch vor sechs Monaten. Alex Prompter hat dabei das kuriose Detail entdeckt: Derselbe schwammige Prompt-Stil wird jetzt von beiden Anbietern bestraft, allerdings aus entgegengesetzten Richtungen. Was bei Claude zu ausufernden Antworten führt, führt bei GPT-5.5 zu knappen Ergebnissen. Die synchrone Veröffentlichung der Guides wirkt wie eine koordinierte Erziehungsmaßnahme für Nutzer, die immer noch prompten wie vor einem halben Jahr. → The Neuron

Synthszr Take: Die gleichzeitige Änderung des Guides ist kein Zufall, sondern erinnert an Preisabsprachen in oligopolistischen Märkten. OpenAI und Anthropic nutzen ihre Marktposition, um neue Standards durchzusetzen: Präzises Prompting wird zur Eintrittskarte für gute Ergebnisse. Das Geschäftsmodell dahinter ist clever: Vage Prompts produzieren schlechte Outputs, was mehr API-Calls bedeutet (teuer) oder Nutzer zu Premium-Features wie Custom Instructions treibt (noch teurer). Die unterschiedliche Bestrafungsrichtung wirkt wie ein A/B-Test auf Industrieebene: Welche Frustration treibt mehr Umsatz? Wer die Infrastruktur kontrolliert, definiert die Spielregeln.

SaaScalapyse: KI-Agenten machen die API zum Produkt

Die klassische SaaS-Welt stirbt an ihrer eigenen Benutzeroberfläche. Greg Isenberg sieht in Salesforce's Headless API den Anfang einer Welle: Software-Anbieter verwandeln sich in reine API-Infrastruktur, während KI-Agenten zur eigentlichen Produktschicht werden. Statt schönere Dashboards zu bauen, können spezialisierte Anbieter Agenten in Salesforce, HubSpot oder Workday aufsetzen, die Berater ersetzen und Workflows automatisch abschließen. Der entscheidende Shift: Die Abrechnung erfolgt nicht mehr nach Nutzerlizenzen, sondern nach erzielten Ergebnissen. Parallel dazu zeigen erste Unfälle wie der Cursor-Vorfall bei PocketOS (Produktionsdatenbank in neun Sekunden gelöscht) und Geminis neue Agentic Trading API die beiden Pole der Entwicklung: rasante Produktivitätssteigerung bei gleichzeitig fehlenden Sicherheitsmechanismen. → MyClaw Newsletter

Synthszr Take: SaaS-Unternehmen werden zu Coral Reefs der digitalen Wirtschaft: Sie bilden das Fundament, auf dem sich ein komplexes Ökosystem spezialisierter Agenten ansiedelt. Das Geschäftsmodell kippt von „Miete pro Kopf“ zu „Provision pro Transaktion“, was die Machtverhältnisse grundlegend verschiebt. Oracle baut bereits Agent-Skills für NetSuite, während Gemini Agenten direkt an die Trading-APIs anbindet. Die eigentliche Innovation liegt nicht in besseren Interfaces, sondern darin, dass Agenten die Komplexität von Enterprise-Software verstehen und darin navigieren können, ohne dass Menschen jemals einen Button anklicken müssen. Wer heute noch an hübscheren Dashboards feilt, baut Kutschenlampen für selbstfahrende Autos.

86-DOS: Ein archäologischer Fund aus der PC-Steinzeit

Microsoft hat diese Woche den bisher ältesten je entdeckten DOS-Quellcode veröffentlicht. Die Veröffentlichung umfasst den 86-DOS 1.00-Kernel, mehrere Entwicklungs-Snapshots des PC-DOS 1.00-Kernels sowie bekannte Utilities wie CHKDSK. Dieser Code ist so alt, dass er noch vor der Markierung MS-DOS entstand. Tim Paterson hatte 86-DOS (ursprünglich QDOS für „quick and dirty operating system“) für einen Intel-8086-basierten Computer-Bausatz von Seattle Computer Products entwickelt. Microsoft lizenzierte das System, stellte Paterson ein und kaufte später die Rechte vollständig. Das Unternehmen lizenzierte es dann als PC-DOS an IBM, behielt aber das Recht, es als MS-DOS an andere Firmen zu verkaufen – eine Entscheidung, die Microsofts jahrzehntelange Dominanz im PC-Markt begründete. → Ars Technica

Synthszr Take: Microsoft betreibt hier Paläontologie in eigener Sache und gräbt den Ursprungscode seiner Macht aus. 86-DOS war der Zufallsfund, der Microsoft zum Betriebssystemmonopolisten machte – wie ein Fossil, das eine ganze Evolutionslinie erklärt. Der Code zeigt: Microsofts Erfolg basierte nicht auf technischer Überlegenheit, sondern auf perfektem Timing und geschicktem Lizenzpoker. IBM brauchte dringend ein OS für den PC 5150, Microsoft hatte keins, kaufte kurzerhand Patersons „quick-and-dirty“-Lösung und verwandelte sie in eine Gelddruckmaschine. Die Veröffentlichung wirkt wie eine Geste der Großzügigkeit eines Imperiums, das seine Gründungsmythen musealisiert. Microsoft kann es sich heute leisten, die Blaupausen seiner einstigen Macht zu verschenken – sie sind ohnehin nur noch von historischem Wert.

Kommt jetzt die große KI-Müdigkeit?

Mario Zechner, Schöpfer des Pi-Projekts, und Armin Ronacher, der Mann hinter dem Flask-Webframework, haben sich 90 Minuten lang mit The Pragmatic Engineer unterhalten. Was dabei herauskam, war keine typische Tech-Euphorie, sondern eine erfrischend nüchterne Abrechnung mit dem aktuellen KI-Hype. Beide Entwickler, deren Code große Teile des Internets am Laufen hält, zeigen sich zunehmend skeptisch gegenüber der Flut an KI-Tools, die den Markt überschwemmen. Zechner spricht offen über eine Art „KI-Müdigkeit“ - das Gefühl, dass zwischen echtem technischen Fortschritt und Marketing-Getöse kaum noch zu unterscheiden ist. Die Diskussion wirft fundamentale Fragen auf: Was passiert, wenn die Entwickler, die unsere digitale Infrastruktur bauen, den Glauben an die nächste große Technologiewelle verlieren? → The Neuron

Synthszr Take: Zechner und Ronacher sind keine Kulturpessimisten, sondern Ingenieure mit zusammen 40 Jahren Erfahrung im Bau kritischer Software-Infrastruktur. Ihre KI-Skepsis erinnert an die Reaktion erfahrener Architekten auf den Wolkenkratzer-Boom der 1920er-Jahre: Ja, die Technologie ist beeindruckend, aber braucht wirklich jede Kleinstadt einen Turm? Flask läuft heute auf Millionen von Servern, ohne dass Machine Learning jemals nötig war - ein Punkt, den Ronacher wahrscheinlich nicht müde wird zu betonen. Die beiden repräsentieren eine wachsende Gruppe von Senior-Entwicklern, die den Unterschied zwischen „kann KI machen“ und „sollte KI machen“ verstehen. Wenn die Leute, die wissen, wie man robuste Systeme baut, anfangen, die Augen zu verdrehen, ist das ein Signal, das die Industrie ernst nehmen sollte.

Intent: Die Living Spec als Quelle der Wahrheit statt Grab der Intentionen

Augment Code hat eine Mac-basierte Entwicklungsumgebung veröffentlicht, die das klassische Problem verrottender Spezifikationen löst. Die Kernidee sind Living Specs, die automatisch aktuell bleiben, weil KI-Agenten sie bei jeder Codeänderung anpassen. Ein Coordinator-Agent zerlegt die Spec in Aufgaben, delegiert sie an spezialisierte Implementor-Agenten und lässt einen Verifier die Ergebnisse prüfen. Die Workspace-Umgebung integriert Code-Editor, Browser, Terminal und Git in einem Fenster mit persistentem Zustand über Sessions hinweg. Entwickler können eigene Agenten (Claude Code, Codex, OpenCode) einbinden oder die Augment Context Engine nutzen, die jedem Agenten Zugriff auf die gesamte Codebase gewährt. → Every

Synthszr Take: Intent macht aus der babylonischen Sprachverwirrung zwischen Spezifikation und Implementierung einen selbstregulierenden Kreislauf. Das erinnert an biologische Systeme, bei denen DNA sowohl Bauplan als auch Ergebnis der Evolution ist: Die Spec mutiert mit dem Code; der Code folgt der Spec. Augment wettet darauf, dass Entwickler bereit sind, die Kontrolle über die Dokumentation an Agenten abzugeben, wenn diese dafür Konsistenz garantieren. Der wahre Test kommt, wenn Legacy-Code auf Living Specs trifft. Vermutlich werden Unternehmen Intent zunächst für Greenfield-Projekte nutzen, während die Altlasten weiterhin in Confluence verstauben. Kurz: Intent ist der neue Code.