Österreich will Anthropic nach Europa holen und Chinesische Modelle überholen Claude Mythos

Österreich will Anthropic nach Europa holen

Die USA haben mit Exportkontrollen faktisch den Zugang zu Anthropics neuesten Modellen „Claude 3.5 Opus“ und „Claude 3.5 Sonnet“ für alle Ausländer gesperrt, woraufhin Anthropic mangels Nationalitätsprüfung sämtliche Nutzer aussperren musste. Inzwischen hat das US-Handelsministerium den Zugang zu Claude 3.5 Opus für rund 100 ausgewählte US-Firmen wieder geöffnet, behält sich aber vor, die Liste jederzeit zu ändern. Österreichs Staatssekretär für Digitalisierung, Alexander Pröll, hat in einem offenen Brief an EU-Kommissarin Henna Virkkunen vorgeschlagen, Anthropic mit Rechtssicherheit, Marktzugang und Kapital nach Europa zu locken. OpenAI fährt eine ähnliche Linie und gibt GPT-4o zunächst nur an von der US-Regierung benannte Institutionen aus. Parallel hat die EU-Kommission mit dem Cloud and AI Development Act und einem „Chips Act 2.0“ reagiert: Rechenzentrumskapazität verdreifachen, Halbleiteranteil von unter 10 Prozent bis 2030 verdoppeln. Virkkunen warnte vor einem fremden „Kill Switch“ über europäischen Diensten, räumte aber ein, dass 80 Prozent der Technologie von außerhalb Europas kommen und sichtbare Ergebnisse frühestens 2030 zu erwarten seien. → en.sedaily.com

Synthszr Take: Pröll hat den Finger genau auf die Stelle gelegt, die wehtut: Europa führt fremde Entscheidungen aus, statt eigene zu treffen. Mein Wahl-O-Mat rankt seit Jahren Volt, also kommt hier kein EU-Bashing, sondern eine nüchterne Rechnung. Anthropic mit einer Subvention nach Wien oder Brüssel zu holen, klingt charmant, ändert aber nichts an der harten Realität: 80 Prozent der Technologie kommen von außen, und ein Foundation-Model-Anbieter wandert nicht wegen Rechtssicherheit aus, solange Compute, Kapital und Talent in Kalifornien sitzen. Der Hebel liegt woanders, nämlich bei den Modellen, über die die USA keinen Schalter haben: Mistral, Llama on-prem, europäische Open-Source-Stacks. Genau das adressiert CADA mit Rechenzentren und Chips, nur eben in einem Zeithorizont bis 2030, und das ist verdammt lang in einem Markt, der sich in Monaten dreht. Wer heute eine produktionsreife Agenten-Architektur baut, sollte modellagnostisch entwerfen und einen souveränen Layer einziehen, statt auf einen einzigen US-Anbieter zu setzen, dem Washington morgen die Nutzerliste kürzen kann. Souveränität ist keine Standortförderung, sondern eine Architekturentscheidung, und die lässt sich heute treffen.

Marc Andreessen: GLM-5.2 schlägt Claude Mythos

Sicherheitsforscher melden, dass Zhipu AIs neues Modell GLM-5.2 (auch bekannt als Z.ai) beim Aufspüren von Sicherheitslücken mit den besten US-Modellen mithält, auch wenn es bei anderen Aufgaben hinter Anthropic und OpenAI zurückbleibt. Marc Andreessen sagt, GLM-5.2 sei das erste chinesische Modell, das die amerikanischen Top-Labs einholt und oft schlägt, ohne Kompromisse. In Benchmarks von Semgrep schlug GLM-5.2 Anthropics Claude Opus 4.8, und mit zusätzlichen Instruktionen erreichen beide das Niveau von Mythos. GLM-5.2 zählt laut OpenRouter zu den zehn meistgenutzten Modellen weltweit und ist als Open-Weight-Modell frei herunterladbar und ohne Aufsicht modifizierbar. Parallel hat die Trump-Administration den Zugang zu US-Modellen verschärft: OpenAI limitiert GPT-5.6 wegen Sicherheitsbedenken, ein Anthropic-Modell war über zwei Wochen komplett gesperrt, und selbst die NSA verlor zeitweise Zugriff auf Mythos 5 und Fable 5. Saif Khan vom Institute for Progress nennt die Kombination aus Modell-Sperre und gleichzeitigem Chip-Export nach China ein Geschenk an Peking. 360 Securitys CEO Zhou Hongyi kündigte mit Tulongfeng ein eigenes Werkzeug auf Mythos-Niveau an. Microsoft und andere prüfen bereits, chinesische Modelle auf ihren Plattformen anzubieten. → www.wsj.com

Synthszr Take: Die Idee, ein offenes Modell per Export-Regel einzuhegen, war von Anfang an eine PowerPoint-Illusion. Open Weights laufen lokal, ohne Lizenzserver, ohne Rückrufknopf. Wer GLM-5.2 herunterlädt, fragt niemanden in Washington um Erlaubnis. Im Code-Crash-Framework führen wir DeepSeek R3 bei $2/$8 pro 1M Token mit der Notiz „Compliance-Frage“, und genau hier liegt die eigentliche Aufgabe: nicht das Verbieten, sondern das Einordnen. Spannend ist die Zweischneidigkeit, dass ausgerechnet ein Sicherheits-Use-Case (Bugs finden) zum Maßstab wird, denn dasselbe Modell, das Schwachstellen aufspürt, kann sie auch ausnutzen. Wenn die USA Claude 5 nächste Woche wieder freigeben und gleichzeitig chinesische Open-Source-Modelle frei zirkulieren, ist die Kostenkurve für Sicherheitswerkzeuge nach unten durchgebrochen. Für jeden, der hier Architektur baut: GLM-5.2 oder DeepSeek auf Bedrock oder Azure hosten statt self-hosten, das ist für den Mittelstand der einzig tragfähige Weg, und die Compliance-Frage gehört davor geklärt, nicht danach.

Asiens KI-Startups kontern Trumps Exportverbot mit eigenen Mythos-Klassen

Zwei Wochen nachdem die Trump-Administration Anthropics Sicherheitsmodelle Mythos und die restriktivere Variante Fable 5 für alle Nicht-Amerikaner gesperrt hat, füllen asiatische Anbieter die Lücke. Die chinesische Cybersecurity-Firma 360 stellte am Mittwoch Tulongfeng vor, ein Tool, das laut Reuters mit Mythos mithalten soll, plus Yitianzhen für automatisierte Cyberabwehr. Schon Tage zuvor hatte das Tokioter Startup Sakana AI sein Modell Fugu (japanisch für Kugelfisch) gelauncht, das sich nach eigener Aussage „auf Augenhöhe“ mit Fable 5 und Mythos Preview bewegt und für die Orchestrierung anderer Modelle über deren APIs gebaut ist. Sakana, 2023 von den Google-Alumni David Ha und Llion Jones sowie dem früheren Mercari- und Stability-Manager Ren Ito gegründet, nennt das Timing „rein zufällig“, wirbt auf seiner Website aber bereits mit „Frontier-Leistung ohne das Risiko von Exportkontrollen“. Ha bezeichnet Orchestrierungsmodelle als „die nächste Frontier jenseits größerer Modelle“ und nennt kollektive Intelligenz die praktische Absicherung gegen Machtkonzentration. 360-Gründer Zhou Hongyi wiederum erklärte schwachstellensuchende KI zum nationalen strategischen Gut. Anthropic hatte zuletzt eine Run-Rate von 47 Milliarden Dollar gemeldet, wie viel davon an asiatischen Kunden hängt, ist unbekannt.

Synthszr Take: Exportkontrollen funktionieren in einer Welt, in der Modellgewichte einen Burggraben von vielleicht sechs Monaten bedeuten. Als die US-Regierung Mitte Juni Mythos und Fable sperrte, war das der Startschuss für genau die Anbieter, die man eigentlich ausbremsen wollte. Sakana hat seit letztem Jahr an Fugu gebaut und die Forschung im Frühjahr auf der ICLR präsentiert, das Verbot lieferte nur die Bühne. Spannender als das Säbelrasseln ist Has Argument: Wer nationale Infrastruktur an einen einzigen Anbieter hängt, hat ein Risiko gekauft, das über Nacht zur Vollbremsung werden kann. Das ist die Logik hinter „Reasonable Sovereignty“, die auch in deutschen Vorstandsetagen ankommen sollte, mit Llama 4 und Mistral Large 3 als Production-grade-Backup statt blindem Vertrauen in ein US-Lab. Ren Ito hat in Evian recht: KI sollte gemeinsam entwickelt werden, nicht gehortet. Wer jetzt auf Multi-Modell-Orchestrierung setzt, baut Optionalität ein, bevor der nächste politische Erlass sie erzwingt.

Wie GLM-5.2 einen neuen DeepSeek-Moment fürs agentische Coding auslöst

GLM-5.2 trifft den Markt im perfekten Sturm: Engineering-Teams ziehen bei geschlossenen Modellen die Reißleine, weil die API-Rechnungen explodieren und die Return-on-Investment-Müdigkeit wächst. Das Modell ist ein 744-Milliarden-Parameter-Mixture-of-Experts unter permissiver MIT-Lizenz, das pro Token nur 40 Milliarden Parameter aktiviert und ein funktionales 1-Million-Token-Kontextfenster liefert (kein Marketing-Versprechen, sondern echt nutzbar). Auf dem Artificial Analysis Intelligence Index führt es mit 51 Punkten alle Open-Weight-Systeme an, direkt hinter Claude Opus 4.8 und GPT-5.5. Coinbase-CEO Brian Armstrong bestätigte, dass sein Team GLM-5.2 und Kimi-K2.7 als Default im internen LLM-Routing-Gateway einsetzt. Unabhängige Produktionstests von Cline und GMI Cloud zeigen, dass GLM-5.2 beim gezielten Bug-Fixing und Refactoring regelmäßig Claude Opus 4.8 übertrifft, mit weniger logischen Fehlern. Die Kostenrechnung ist drastisch: Eine 45-minütige autonome Session verarbeitete 6 Millionen Token für gerade mal 3,36 Dollar. → AlphaSignal

Synthszr Take: 3,36 Dollar für 6 Millionen Token in einer autonomen Bug-Fix-Session, das ist die Zahl, die diese Woche entscheidet. In Code Crash habe ich beschrieben, wie Opus 4.7 über Nacht eine sechsstellige Codebasis um 40 Prozent reduziert hat und einfach deployte. Genau dieselbe Lieferfähigkeit gibt es jetzt unter MIT-Lizenz, lokal lauffähig auf einem Mac Studio mit 256 GB. Das verschiebt die Compute-Disziplin von der Frage „welcher Anbieter“ zur Frage „welcher Workflow“. Wenn Cline dokumentiert, dass GLM toten Code aufräumt und den Build verifiziert, während Opus Type-Errors hinterlässt, die zwar Tests bestehen, aber die Produktion zerlegen, dann ist das Argument der proprietären Überlegenheit erledigt. Die Vendor-Lock-in-Angst nach den Zugangsbeschränkungen bei Frontier-Modellen treibt den Rest. Wer jetzt sein Routing-Gateway öffnet und Open Weights für die Standardaufgaben einsetzt, spart nicht nur Geld, sondern holt sich die Kontrolle zurück. Das lässt sich morgen früh testen, nicht erst nach dem nächsten Architektur-Offsite.

Jefferies warnt: Speicherpreise gehen weiterhin durch die Decke

Jefferies Equity Research rechnet für Q3 2026 mit einem Preissprung von 40 bis 50 Prozent gegenüber dem Vorquartal, gefolgt von weiteren 30 bis 40 Prozent in Q4. Für 2027 stehen 40 bis 45 Prozent im Jahresvergleich an, eine erste Korrektur der Durchschnittspreise wird frühestens 2028 erwartet, wenn 15 bis 20 Prozent neue Kapazität ins Spiel kommen. Die großen Drei Samsung, SK Hynix und Micron liefern keine Entwarnung, und die Hoffnung auf billigen Speicher aus China entpuppt sich als Mythos: CXMT und YMTC verkaufen zu ähnlichen Preisen wie alle anderen, ihr Vorteil ist Menge, primär für den heimischen Markt. Aktuell sind 50 Prozent der Kapazität in Langfristverträgen gebunden, Micron allein hat 16 Strategic Customer Agreements unterschrieben, und dieser Anteil könnte auf 70 Prozent steigen. Damit bleibt für Consumer-Produkte wie PCs, Laptops, Konsolen und Smartphones immer weniger übrig, die Endkundenpreise ziehen flächendeckend an. Apple lobbyiert bereits dafür, CXMT als zusätzliche Bezugsquelle ins Boot zu holen. Treiber des Ganzen ist die KI-Nachfrage der Hyperscaler, die den Markt umverteilt. → wccftech.com

Synthszr Take: Der eigentliche Hebel steckt in einer Zahl: 50 Prozent der Speicherkapazität sind schon weg, gebunden in Langfristverträgen der Hyperscaler, und das Ziel sind 70 Prozent. Wer KI-Compute zuerst kauft, lässt für alle anderen die Regale leerer werden, und genau das landet auf der Rechnung für jedes Notebook und jedes Smartphone. Die China-Hoffnung war ein Wunschtraum, wir haben Ende Mai über die explodierenden Token-Kosten geschrieben, jetzt wandert der Druck eine Ebene tiefer in die Hardware. Für die Produktplanung heißt das: Die Bill of Materials für 2026 und 2027 muss jetzt durchgerechnet werden, nicht erst, wenn der Einkauf im Q3 die erste 50-Prozent-Rechnung auf den Tisch legt. Wer auf speicherhungrige On-Device-KI setzt, sollte sich Lieferzusagen vertraglich sichern, solange noch etwas zu sichern ist. Apple lobbyiert nicht aus Spaß bei CXMT, das ist die Vorschau auf die Beschaffungsrealität der nächsten zwei Jahre. Die gute Nachricht steckt in der Disziplin, die so ein Engpass erzwingt: Knappe Ressourcen machen aus Featuritis wieder echte Priorisierung.

Santander veröffentlicht KI-Governance-Stack als Open Source

Banco Santander hat am 21. Juni als erste große Bank der Welt seinen kompletten KI-Governance-Stack als Open Source veröffentlicht: 14 Repositories auf GitHub, alle unter Apache 2.0. Drin steckt Guardrail-Optimierung, mechanische Durchsetzung von Entscheidungen, Fairness-Tests und die Generierung synthetischer Betrugsgraphen. Der Code steht jedem Wettbewerber, jeder FinTech und jedem Regulierer zum Forken offen. Weder JPMorgan noch Goldman noch HSBC haben Vergleichbares gemacht. Parallel dazu drehen genau diese Wall-Street-Häuser in die andere Richtung: JPMorgan und Goldman Sachs haben Claude-Modelle aus den Werkzeugkästen ihrer Mitarbeiter gezogen und werden so zu einer Art Grenzkontrolle für den KI-Einsatz in Amerikas Finanzsektor. Zwei Banken, zwei Philosophien, derselbe Monat. → Linas from Linas's Newsletter

Synthszr Take: Santander gibt seine Compliance-Rezeptur gratis raus, und das ist strategisch klüger, als es auf den ersten Blick wirkt. Wer den Standard setzt, unter dem alle anderen prüfen, definiert die Spielregeln für den ganzen Markt. Der EU AI Act zwingt jede Bank in Europa ohnehin zu derselben Hausaufgabe, und Santander hat sie jetzt geschrieben und an die Wand gehängt. Wenn Regulierer und Konkurrenten denselben Code forken, wird die Santander-Logik zur faktischen Norm – ein Burggraben, der nach Großzügigkeit aussieht. Auf der anderen Seite des Atlantiks sperren JPMorgan und Goldman ein fremdes Modell aus, was kurzfristig nach Vorsicht riecht und mittelfristig nach Kontrollverlust über die eigenen Leute (die nutzen Claude dann eben privat). Offenheit als Governance schlägt Abschottung als Governance, weil Vertrauen sich prüfen lassen muss, nicht verstecken. Wer 2026 seine KI-Leitplanken noch als firmeneigenes Geheimnis behandelt, reitet ein totes Pferd.

Code Crash: Anthropic sucht jetzt Product Manager für bessere Intents

Anthropic hat sein Growth-Team angewiesen, mehr Product Manager einzustellen, nicht weniger. Der Grund: Claude Code hat die Engineering-Organisation auf etwa das Dreifache ihrer eigentlichen Mannstärke gehoben, und der Engpass ist von der Entwicklungsumgebung zu den Leuten gewandert, die entscheiden, was überhaupt entstehen soll. Die Zahlen untermauern das. Neue monatliche Fragen auf Stack Overflow sind seit dem ChatGPT-Start im November 2022 um rund 77 Prozent eingebrochen, Amazons Kiro-Team komprimierte Feature-Builds von zwei Wochen auf zwei Tage, und ein AWS-Team erledigte eine ursprünglich für 30 Entwickler über 18 Monate geplante Rearchitektur mit 6 Leuten in 76 Tagen. Das klassische Verhältnis von einem PM auf acht Entwickler liegt effektiv eher bei 1:20, weil jeder Entwickler mehr pro Tag ausliefert. LinkedIn hat seinen Associate-PM-Track durch ein „Product Builder“-Programm ersetzt, das Generalisten über Produkt, Design und Engineering hinweg ausbildet. Laut Stack-Overflow-Survey 2025 nutzen 84 Prozent der Entwickler KI-Tools, aber 46 Prozent vertrauen dem Output nicht – ein deutlicher Anstieg von zuvor 31 Prozent. → Synthszr

Synthszr Take: Genau das ist der Punkt, den ich in Code Crash als Product Engineer beschrieben habe, jetzt belegt mit Hiring-Entscheidungen statt Thesen. Die Velocity ist da, das Coden ist gelöst, der Flaschenhals sitzt eine Etage höher: beim Intent. Wer präzise beschreiben kann, was „richtig“ heißt, ist plötzlich der wertvollste Mensch im Raum, und das hat wenig mit Prompting-Tricks zu tun. Die Fundamentals werden dabei wichtiger, nicht obsolet, denn wenn um 3 Uhr nachts ein Memory Leak die Produktion lahmlegt, schließt kein Agent diese Schleife allein. Spannend ist die Rekursion: Anthropic baut 80 Prozent seiner Codebasis mit dem eigenen Werkzeug und stellt trotzdem mehr Product-Köpfe ein, weil die Maschine schneller Features produziert als das Team Entscheidungen darüber trifft. Wer seine Organisation jetzt umbaut, sollte nicht das Engineering verdreifachen, sondern die Fähigkeit, gute Was-Fragen zu stellen. Das lässt sich beim nächsten Quartalsplan entscheiden, nicht erst nach dem übernächsten Offsite.

Der wahre Engpass heißt Verifikation

Gennaro Cuofano argumentiert in seinem Newsletter, dass die Kluft zwischen Wahrnehmung und Realität in der KI-Branche nie größer war. Während draußen über das Platzen der Blase und stagnierenden Token-Verbrauch geredet wird, beschleunigt die Technik unter der Oberfläche weiter. Das Token-Maxxing endet, Token-Routing wird zur Norm, und die Governance-Ebene schiebt sich als eigene strukturelle Schicht in die KI-Landkarte. Cuofano zerlegt das vertraute Paradox (großartige Demos, enttäuschender Betrieb) in drei Symptome desselben Problems: Agenten, die an echten Aufgaben noch scheitern; Nutzer, die das Chat-Fenster nicht verlassen; und ein Markt, der weiter klassische Software finanziert statt agenten-nativer Ersatzlösungen. Sein Kern: zwei Kurven werden verwechselt. Peak Capability, also was das beste Modell an seinem besten Tag auf einer prüfbaren Aufgabe leistet, rast davon. Reliability at Scale, also was das typische Modell im langen Schwanz der unscharfen Aufgaben tut, bewegt sich kaum. Software führt, weil sie der prüfbarste Bereich der Welt ist: Code kompiliert oder eben nicht, und man kann tausend identische Kopien parallel durchlaufen lassen. → The Business Engineer

Synthszr Take: Cuofano beschreibt aus der Modellperspektive, was ich in Code Crash aus der Organisationsperspektive den Interpretation Gap nenne. Wo die Welt ein sauberes Signal liefert (kompiliert, beweist sich, gewinnt das Spiel), lernt das Modell zuverlässig dazu. Wo niemand schnell sagen kann, ob eine Strategie gut oder ein Vertrag fair war, lernt es, gefällig zu sein statt korrekt. Genau dort, an jeder Schnittstelle zwischen Vorschlag und Entscheidung, sitzt der eigentliche Engpass, und keine Plattform löst ihn für dich. Gartner rechnet damit, dass rund 30 Prozent aller GenAI-Projekte nach dem Proof of Concept wieder eingestellt werden, fast nie wegen der Technik, sondern weil die Verifikation und die Haftungsfrage ungeklärt bleiben. Wer jetzt Geld in den nächsten Modell-Benchmark steckt statt in prüfbare Feedbackschleifen für die eigenen, unscharfen Aufgaben, finanziert die falsche Kurve. Die Compute-Disziplin der nächsten zwei Jahre entscheidet sich daran, ob man sich einen eigenen Antwortschlüssel baut, dort wo die Welt keinen gratis mitliefert.

davaidavai 180

Gerald Hensel kuratiert in Ausgabe 180 seines Marketing-Link-Mix die zwei großen Strömungen nach Cannes: Auf der einen Seite die neuen Superpipelines von Meta & Co, die immer mehr Teile der Kreativarbeit übernehmen. Auf der anderen Seite formiert sich ein Gegenmodell, das er „Human Premium“ nennt. „Garantiert ohne AI“ wird laut dem zitierten State-of-Brand-Report zur Marktposition, ein „human-made premium“, an das AI-first-Marken per Definition nicht herankommen sollen. Polaroid stellt sich demonstrativ „an den Strand gegen die Rechenzentren“, andere Cases wie Ikea Canadas WM-Flaggen aus dem eigenen Sortiment oder Ouras Ring-Kampagne zeigen, dass clevere Kommunikation auch ohne Maschinen-Slop funktioniert. Daneben Texte über den Wandel des Creative Brief vom Überzeungs- zum Erinnerungswerkzeug und über die Frage, was eine Idee eigentlich ist. Hensels Fazit: Wer Mensch gegen Maschine gewinnt, entscheiden wir nicht in Terminator-Manier, sondern in einer Zukunft unserer Wahl. → Gerald Hensel

Synthszr Take: „Garantiert ohne AI“ als Geschäftsmodell ist die elegante Kapitulation, hübsch verpackt als Haltung. Marken, die jetzt auf „Human Premium“ setzen, machen aus ihrer eigenen Trägheit eine Tugend, und der Markt wird das ungefähr so lange honorieren, wie Bio-Siegel an Joghurtbechern halten. Das eigentliche Spiel läuft woanders: Drucker hat schon vor Jahrzehnten gesagt, dass ein Unternehmen nur zwei Funktionen hat – Marketing und Innovation –, und beide bedeuten Kundenzentrierung. KI ist der Hebel, um genau das zu vergrößern, nicht der Feind, gegen den man sich an den Strand stellt. Polaroid darf gern analog bleiben, aber die spannenden Cases aus dieser Ausgabe (Ikea, das aus dem eigenen Regal WM-Flaggen baut) zeigen den besseren Weg: nah am Menschen, mit dem arbeiten, was schon da ist, und die Maschine als Ermöglicher nutzen. Die Branche sollte aufhören, sich auf Werbung zu verzwergen und stattdessen die Großchance greifen, Marketing wieder zur zentralen Steuerungsfunktion zu machen. Wer KI nur als Bedrohung liest, hat den Job falsch verstanden.