OpenAI schnappt sich Noam Shazeer und baut riesiges Partnernetzwerk auf

Gemini-Co-Lead verlässt Google und geht zu OpenAI

Noam Shazeer, VP of Engineering bei Google und einer der beiden Köpfe hinter Gemini, hat am 18. Juni 2026 auf X angekündigt, das Unternehmen zu verlassen und zu OpenAI zu wechseln. Seine neue Rolle nannte er nicht, der Schritt wiegt trotzdem schwer: Shazeer leitete Gemini mit und sitzt seit August 2024 als VP of Engineering im Maschinenraum von Googles KI. Seine Vita ist die eines der wichtigsten Köpfe im Feld: von 2000 bis 2021 Software-Engineer bei Google, danach CEO von Character.ai, im August 2024 Rückkehr über einen Lizenzdeal zwischen Google und Character.ai. Google reagierte knapp und zeigte sich „dankbar für Noams bedeutende Beiträge über die Jahre“. Damit verliert das Gemini-Team mitten in der heißen Phase einen seiner zwei Kapitäne an den direkten Wettbewerber. → AI Secret

Synthszr Take: Shazeer ist nicht irgendwer, er ist Miterfinder der Transformer-Architektur, also des „T“ in GPT. Dass ausgerechnet dieser Mann von Google zu OpenAI wechselt, hat eine fast poetische Note: Der Bauplan, den Google 2017 publizierte und dann liegen ließ, kommt über seinen eigenen Architekten beim Konkurrenten an. Im April schrieben wir noch, OpenAI wolle das neue Apple werden, und genau dafür braucht es nicht Rechenzentren, sondern die paar Dutzend Köpfe, die wissen, wie man die nächste Generation baut. Der eigentliche Burggräben in dieser Branche sind weder Patente noch GPUs, sondern eine Handvoll Menschen, die man nicht einfach nachbestellen kann. Google hat Shazeer 2024 teuer zurückgeholt und ihn 22 Monate später wieder verloren, das ist eine teure Drehtür. Wer im KI-Rennen vorne bleiben will, sollte sein Geld weniger in Marketingbudgets stecken und mehr in die Frage investieren, warum die besten Leute bleiben oder gehen.

OpenAI baut sich eine Beratungsarmee aus 300.000 Köpfen

OpenAI startet das Partner Network, ein weltweites Programm, mit dem Systemintegratoren, Strategieberatungen, Tech- und Datenfirmen Lösungen rund um die eigenen Modelle bauen, verkaufen und ausrollen sollen. 150 Millionen Dollar fließen in das Ökosystem, und bis Ende 2026 will OpenAI 300.000 zertifizierte Berater ausbilden. Das Programm hat drei Stufen (Select, Advanced, Elite) mit hohen Hürden bei Vertriebsleistung, technischer Kompetenz und Deployment-Erfahrung. Dazu kommen Spezialisierungen in Codex, Cybersecurity und Agenten sowie ein Pilot namens Forward Deployed Experts, der Partner direkt an OpenAIs eigene Forward-Deployed-Engineering-Teams andockt. Die Begründung von OpenAI: Der Engpass im Unternehmen sind nicht mehr die Modelle, sondern das Identifizieren der richtigen Use Cases, das Umbauen von Workflows und das Change Management. Kein einzelnes Unternehmen könne jede Lösung in jedem Markt liefern, deshalb der Ökosystem-Ansatz. → AI Secret

Synthszr Take: OpenAI hat verstanden, dass die Marge nicht im Modell liegt, sondern in der letzten Meile zum Kunden. Genau das Spiel, das wir Anfang Mai schon beschrieben haben, als OpenAI dem Palantir-Muster mit Forward Deployed Capital folgte. Jetzt kommt die industrialisierte Version davon: 300.000 zertifizierte Berater sind eine Vertriebsmaschine, die Accenture, Deloitte und McKinsey zu Wiederverkäufern macht, ohne dass OpenAI selbst die Beraterstunden bezahlen muss. Das ist der eigentliche Burggraben, nicht GPT-5.3-Codex, denn Modelle commodifizieren sich im Quartalstakt, Kundenbeziehungen und ausgebildete Praktiker nicht. Wer als deutsche Beratung oder Digitalagentur überlegt, ob sich der Aufwand für eine Elite-Zertifizierung lohnt, sollte sich klarmachen, dass der Lock-in hier in beide Richtungen läuft: OpenAI bindet die Berater, und die Berater binden ihre Kunden an OpenAI. Die spannendere Frage ist, was Anthropic und Google jetzt machen, denn ein einmal aufgebautes Partner-Ökosystem lässt sich nicht über Nacht kopieren. Wer das Spielfeld der Implementierung früh besetzt, gewinnt die nächsten fünf Jahre Enterprise-Budgets.

Midjourney baut jetzt Körperscanner

Midjourney, bisher bekannt für Text-zu-Bild, hat eine eigene Sparte für medizinische Bildgebung angekündigt. Man steigt in ein Wasserbecken, Schallwellen durchlaufen den Körper aus allen Winkeln, und nach 60 Sekunden liegt eine 3D-Karte des gesamten Körpers vor: keine Strahlung, kein Magnetfeld, nur Ultraschall. Die Specs sind außergewöhnlich: 500.000 Transducer feuern gleichzeitig, 17 Gigabyte Daten werden pro Sekunde verarbeitet, ein Scan kostet ein paar Dollar statt mehrere hundert. Die erste Location soll 2027 in einem San-Francisco-Spa öffnen, zunächst mit Körperzusammensetzungsdaten, während man auf die FDA-Zulassung für volle Diagnostik hinarbeitet. Parallel dazu hat Anthropic Claude Design aufgebohrt: Es importiert dein echtes Design-System aus einem GitHub-Repo und prüft die eigene Ausgabe anhand deiner Komponenten, bevor du sie siehst. Das Muster ist klar: KI-Labs schlucken angrenzende Branchen ganz, statt sie nur mit Features aufzuhübschen → AlphaSignal

Synthszr Take: Ein Bildgenerator, der ohne je ein physisches Produkt gebaut zu haben, plötzlich einen Ganzkörperscanner für ein paar Dollar verspricht, klingt nach PowerPoint-Illusion. Aber die eigentliche Nachricht steckt im Tempo. Die Forschungstiefe dieser Labs übersetzt sich beschleunigt in Produkt, und sie gravitieren dabei in Märkte, die bisher von wenigen großen Imaging-Konzernen mit Hardware-Burggräben gehalten wurden. Wenn ein Software-Haus den Weg von der Idee zur Industrialisierung so verkürzt, gerät jeder etablierte Hersteller unter Zugzwang, der seine Roadmap noch in Jahren statt Quartalen denkt. Die 2027-Deadline ist der ehrliche Lackmustest, denn Atome verzeihen weniger als Pixel (FDA-Zulassung und Hardware-Skalierung lassen sich nicht in einem Sprint provisorisch kitten). Wer hier zuschaut und auf das nächste Strategie-Offsite wartet, hat die Geschwindigkeit der Gegenseite nicht verstanden. Die Frage ist nicht, ob diese Wetten aufgehen, sondern wer außerhalb der KI-Welt überhaupt noch mithält.

Slack will die Steuerungsschicht für Agenten werden

Slack veröffentlicht ein IDC-White-Paper von Analyst Arnal Dayaratna, das eine simple These verkauft: KI-Agenten sind nur so gut wie der Kontext, den sie haben. Laut der Befragung haben 52 % der Entwickler-Organisationen bereits Agenten eingeführt, 66 % davon in Produktion. Slacks Argument: Die eigene Architektur bündelt Gesprächsverlauf, Workflow-Aktivität, Integrationssignale und rechtebewussten Zugriff am selben Ort, an dem Teams ohnehin kommunizieren und entscheiden. Agenten ohne Sicht auf Geschäftsregeln, frühere Entscheidungen und Kundenkontext erzeugen demnach Risiko statt Wert. Slack positioniert sich explizit als Koordinationsschicht für Multi-Agenten-Arbeit samt menschlicher Aufsicht. Das Paper liefert die Verkaufsargumente gleich mit: weniger Abstimmungsaufwand für Wissensarbeiter und Entwickler. → Techpresso

Synthszr Take: Slack hat verstanden, wo das eigentliche Geld liegt, und es liegt nicht im nächsten Copilot-Fenster. Wer die Control Plane besitzt, also die Schicht, die Orchestrierung, Rechte und menschliche Freigabe zusammenführt, der hat den Burggraben. Genau das beanspruchen sie hier: nicht ein Agent, der neben der Arbeit sitzt, sondern die Umgebung, in der die Agenten-Flotte läuft und der Mensch gegenzeichnet. Das passt zu dem, was wir im Mai schon notiert haben, als die KI-Labs anfingen, Agenten statt reiner Modelle zu bauen. Die 66%-Produktionsquote im Paper sollte man trotzdem mit Distanz lesen, das ist Slacks eigene Befragung und kein neutraler Marktreport. Spannend wird, ob Slack diese Position wirklich hält oder ob Notion, Microsoft und die nativen Agenten-Plattformen die Koordinationsschicht selbst belegen; wer dort verliert, verkauft am Ende nur noch ein teures Chat-Tool.

Google und Microsoft schließen sich gegen Anthropic und OpenAI zusammen

Ein neues Backend-Protokoll klingt nach dem langweiligsten Thema, das eine IT-Abteilung kennt. Trotzdem lohnt der Blick: Google, Microsoft, Salesforce, Snowflake, ServiceNow, dazu Hugging Face und Databricks, haben sich am Mittwoch auf einen Standard namens Agentic Resource Discovery (ARD) geeinigt. Die Idee: Ein Mitarbeiter fragt GitHub Copilot, Gemini oder Salesforce, und die App findet selbstständig jede KI-Funktion, die das Unternehmen ohnehin bezahlt, vorausgesetzt der jeweilige Anbieter macht bei ARD mit. Es ist die Verlängerung des Model Context Protocol, das Anthropic letztes Jahr erfunden hat. Anthropic und OpenAI stehen nicht auf der Liste der Erstunterstützer, weil sie selbst Claude und ChatGPT als zentrale Schaltzentrale im Kopf des Mitarbeiters verankern wollen. Microsoft verspricht, dass ARD GitHub Copilot deutlich günstiger macht, weil das Tool weniger Rechenleistung verschwendet, um passende Apps zu finden. Parallel bestätigt Cursor mit seinem geplanten Code-Hosting-Produkt Origin genau das, wovor Microsoft gewarnt hatte: GitHubs Kerngeschäft als Repository-Anbieter wackelt. → Applied AI

Synthszr Take: Wer den Zugang besitzt, besitzt das Geschäft, und genau darum geht es hier. Die etablierten Anbieter haben einen einzigen echten Burggraben, nämlich ihre installierte Basis aus Millionen Office-, Salesforce- und ServiceNow-Sitzen, und ARD ist der Versuch, diesen Burggraben in die KI-Ära zu retten, bevor Claude und ChatGPT zur ersten App des Arbeitstags werden. Das Kostenargument ist der eigentliche Hebel: cost-weary IT-Leute springen nicht auf Visionen an, sie springen an, wenn Copilot weniger Compute verbrennt. Spannend ist, dass derselbe Microsoft, der ARD mitträgt, laut unserer Notiz von Mitte Juni über DeepSeek für Copilot nachdenkt und auf nutzungsbasierte Preise umstellt: Compute-Disziplin ist überall das Thema. Ob ARD sich durchsetzt, hängt nicht am Protokoll, sondern daran, ob die Insurgenten mitspielen, und die haben keinen Grund dazu. Die Cursor-Origin-Sache zeigt derweil, wie schnell ein Lock-in kippt, sobald das eigene Produkt ständig ausfällt und ein Wettbewerber den Umzug bequem macht. Standards gewinnt am Ende, wer das günstigste und stabilste Erlebnis liefert, und genau da hat GitHub gerade ein Problem.

Vercel stellt mit Eve ein Open-Source-Agenten-Netzwerk vor

Vercel hat Eve vorgestellt, ein Open-Source-Framework zum Bauen, Betreiben und Skalieren von Agenten. Der Anbieter, bisher vor allem für sein Frontend-Deployment und das Next.js-Ökosystem bekannt, stößt damit tiefer in den Agenten-Stack vor. Eve deckt den gesamten Lebenszyklus ab: vom ersten Prototyping über den produktiven Betrieb bis zur Skalierung. Dass es als Open Source kommt, ist die eigentliche Ansage, denn Vercel verschenkt das Framework und verdient an der darunterliegenden Infrastruktur. Damit reiht sich Vercel in eine Reihe ein, die wir seit Monaten beobachten: von Cloudflare-Agenten-Tooling bis zu den Labs, die längst Agenten statt reiner Modelle bauen. Der Markt für Agenten-Frameworks füllt sich schnell. → The Deep View

Synthszr Take: Vercel macht hier genau das Richtige, und zwar aus eigenem Interesse. Das Framework ist gratis, die Rechenzentren darunter sind es nicht. Wer Eve nutzt, baut seine Agenten auf einer Logik, die fast zwangsläufig auf Vercels Infrastruktur läuft, und genau dort entsteht die Kundenbindung. Im Mai schrieben wir, dass Agenten wichtiger werden als Modelle. Jetzt sehen wir die nächste Ebene: die Schicht, die Agenten orchestriert, betreibt und skaliert, wird zur eigentlichen Burggraben-Frage. Spannend ist, dass ein Frontend-Unternehmen diese Position besetzt und nicht eines der großen Labs. Wer heute ernsthaft Agenten baut, sollte Eve in den nächsten zwei Wochen ausprobieren, bevor der Stack-Entscheid für die nächsten drei Jahre fällt.

Databricks setzt auf offene Ökosysteme gegen das Agenten-Chaos

Fast alle großen Technologiekonzerne rennen gerade in dieselbe Richtung: den KI-Agenten ins Unternehmen bringen. The Deep View hat die Versuche von Microsoft, Snowflake, AWS, Anthropic, OpenAI und Perplexity dokumentiert, und überall tauchen dieselben Probleme auf: Datenabfluss, Compliance-Lücken, Datenschutz, Sicherheitslücken, Ungenauigkeit und ausufernde Token-Kosten. Das eigentliche Problem aber ist, dass die Agenten den versprochenen Wert noch nicht liefern, der diese Kosten rechtfertigen würde. Dazu kommt ein neuer Ärger: Jeder Software-Dienst drängt seinen eigenen Agenten, seinen eigenen Builder, seinen eigenen MCP-Server auf, und das erzeugt Kundenbindung ohne Kompatibilität. Databricks-CEO Ali Ghodsi nannte das auf dem Data + AI Summit am Dienstag schlicht ein komplettes Durcheinander. Die Antwort von Databricks ist einerseits ein eigener Agent namens Genie (mit Genie One, Ontology, App Builder, Agent und Code), andererseits das Prinzip offener Ökosysteme. Chief AI Scientist Jonathan Frankle bringt es auf den Punkt: Kunden können ihre Daten jederzeit komplett aus Databricks herausziehen, weil es kaum Lock-in gibt, und genau das ist der Plan. → The Deep View

Synthszr Take: Der spannende Move hier ist nicht Genie, sondern das offene Versprechen drumherum. Ghodsi verkauft Offenheit als Feature, während alle anderen am Walled Garden bauen, und in einer Welt voller proprietärer Agenten-Silos ist genau das der Burggraben. Frankles Satz, er müsse sich das Geschäft jeden Tag neu verdienen, ist die ehrlichste Verkaufsstrategie seit Langem (und gleichzeitig die klügste, weil sie das Immunsystem großer Unternehmen mit ihren Altlasten ernst nimmt). Aber Vorsicht vor zu viel Begeisterung: Das eigentliche Problem mit Agenten liegt nicht im Tool-Layer, sondern in der Frage, wer auf die Antwort eines Agenten hin handeln darf und wer haftet, wenn er danebenliegt. Gartner rechnet damit, dass rund 30 Prozent der generativen KI-Projekte nach dem Proof of Concept sterben, fast nie wegen der Technik, fast immer wegen fehlender Entscheidungsrechte. Offene Datenportabilität löst das Interpretationsproblem nicht, sie macht es nur billiger, den Anbieter zu wechseln, wenn man merkt, dass der Engpass woanders sitzt. Wer Agenten produktiv haben will, sollte zuerst die Governance bauen und dann das Tool wählen, und für letzteres ist Lock-in-Freiheit ein verdammt gutes Auswahlkriterium.

Microsoft verkauft OpenAI-Modelle nach China und macht damit das große Geschäft

Microsoft hat mitten in der wachsenden Rivalität zwischen den USA und China ein erhebliches Geschäft aufgebaut: den Verkauf von KI-Modellen an chinesische Konzerne. Größter Abnehmer ist laut Bloomberg ausgerechnet ByteDance, der TikTok-Mutterkonzern aus Peking, der überwiegend OpenAI-Modelle nutzt. Die Pekinger sind auf Kurs, mehr als eine Milliarde Dollar pro Jahr für Microsofts KI- und Cloud-Dienste auszugeben. Das alles passiert, während Washington und Peking sich beim Thema künstliche Intelligenz immer schärfer gegenüberstehen und Exportkontrollen den Ton bestimmen. Die Personen, die das bestätigen, wollten anonym bleiben, weil es sich um eine vertrauliche Angelegenheit handelt. ByteDance bezieht die Modelle über Microsofts Azure-Infrastruktur, nicht direkt von OpenAI. → Marcus Schuler

Synthszr Take: Während Politiker in Washington von Entkopplung reden, kassiert Microsoft eine Milliarde Dollar im Jahr von der TikTok-Mutter. Das ist der Burggraben des Cloud-Geschäfts in Reinform: Die Modelle sind austauschbar, die Infrastruktur und die Vertragsbeziehung sind es nicht. Im April schrieb ich noch, Microsoft untergrabe mit eigenen Modellen seinen Partner OpenAI. Jetzt sehen wir die andere Seite derselben Rechnung, denn dieselben OpenAI-Modelle finanzieren Microsofts China-Wachstum, während OpenAI selbst keinen direkten Zugang zu diesem Markt hat. Die spannende Frage ist, wie lange Redmond diesen Spagat halten kann, bevor eine neue Runde Exportkontrollen die Pipeline kappt. Solange Compute knapp und Marge fett ist, wird Microsoft jeden geopolitischen Widerspruch geräuschlos verbuchen. Wer Infrastruktur besitzt, verkauft an beide Seiten, und die Modelle sind dabei nur das Pulver, das durch die Leitung fließt.

Bernie Sanders will 7 Billionen Dollar aus der KI-Industrie ans Volk umverteilen

Bernie Sanders hat einen Gesetzentwurf vorgelegt, der einen Staatsfonds nach norwegischem Vorbild schaffen würde, finanziert durch eine einmalige Steuer von 50 Prozent auf die Aktien der größten KI-Unternehmen. Betroffen wäre jede Firma ab 200 Millionen Dollar Jahresumsatz mit KI, neue Unternehmen automatisch beim Erreichen dieser Schwelle. Sanders schätzt das Volumen auf 7 Billionen Dollar, woraus jeder Amerikaner jährlich über 1.000 Dollar als 5-Prozent-Dividende erhalten soll, plus Mittel für Gesundheit, Bildung und Wohnen. Eine siebenköpfige, vom Senat bestätigte Kommission soll den Fonds über Stimmrechtsaktien steuern und Unternehmensentscheidungen blockieren können, die der Öffentlichkeit schaden. In einem Gespräch mit Sanders blieb Sam Altman weit von dessen Vorstellungen entfernt, und Trumps früherer KI-Berater David Sacks nannte den Entwurf eine „glatte Enteignung“. Besonders heikel ist die Pflicht, das Nicht-KI-Geschäft vom KI-Geschäft abzuspalten, was Elon Musks verschachteltes Konstrukt aus xAI, X, SpaceX und womöglich Tesla treffen würde. Im republikanisch dominierten Kongress gilt das Gesetz ohne Trumps Zustimmung als chancenlos. → Ars Technica

Synthszr Take: Sanders weiß selbst, dass dieser Entwurf nicht durch den Kongress kommt, und genau deshalb ist er interessant. Er verschiebt den Korridor des Denkbaren. Im Juni schrieb Trump selbst noch mit der Idee, Staatsanteile an KI-Firmen zu nehmen, und plötzlich klingt Sanders' 50-Prozent-Hammer wie das radikale Ende einer Debatte, die ohne ihn gar nicht stattfände. Die spannende Zahl ist nicht die 7-Billionen-Schätzung (die ist Kaffeesatz), sondern die 5 Prozent, die Altman dem Volk freiwillig zurückgeben würde. Sanders nennt das treffend ein Abkaufen, und er hat recht: Wer Millionen Jobs umpflügt und gleichzeitig ein Trinkgeld an die Gesellschaft verteilt, kauft sich Ruhe, keine Legitimität. Für Europa steckt darin eine Lehre, die nichts mit Verstaatlichung zu tun hat: Wer beim Compute, beim Kapital und bei den eigenen Modellen abhängig bleibt, hat am Ende nicht mal die 5 Prozent zu verhandeln. Eigene Fähigkeit aufbauen schlägt jeden Umverteilungsplan, weil man nur teilen kann, was man besitzt.

Unreal Engine 5.8 verdrahtet das Sprachmodell direkt in die Spiele-Engine

Epic Games hat Unreal Engine 5.8 ausgeliefert, das letzte geplante Major-Release der UE5-Linie. Mit an Bord: ein experimentelles Plugin auf Basis des Model Context Protocol (MCP), das ein beliebiges LLM direkt an die Kernsysteme der Engine anbindet, also an Blueprints, Assets, Levels, Materialien und Meshes. In einem Demo-Video zeigt Epic, wie Anthropics Claude Code über das Plugin Objekte aus einer Asset-Bibliothek zieht, in einer Szene anordnet und die Beleuchtung an reale Referenzbilder angleicht. Dazu kommen Mesh Terrain für komplexere Welten, MegaLights mit 60fps-Ziel auf aktuellen Konsolen und MetaHuman Animator mit Full-Body-Capture aus einer einzelnen Kamera. Epic rahmt das Plugin als Vorarbeit für Unreal Engine 6, wo LLM-Integration zum zentralen Bestandteil der Erstellungs-Pipeline werden soll. Erklärtes Ziel für UE6: stupides Content-Authoring reduzieren, mehr Zeit für kreative Iteration. Early Access ist für Ende 2027 angepeilt, der volle Launch 12 bis 18 Monate danach. → Techpresso

Synthszr Take: MCP frisst sich durch die ganze Werkzeugkette, und zwar schneller als die meisten erwartet haben. Im Februar war das WebMCP für Browser-Agenten die Schlagzeile, jetzt steckt dasselbe Protokoll in der Engine, mit der ein Gutteil aller AAA-Titel entwickelt wird. Was Claude Code für die Codebasis vorgemacht hat (lesen, schreiben, ausführen, in Schleifen korrigieren), passiert hier mit der 3D-Szene: das Sprachmodell wird Teil des Workflows, nicht ein Chat-Fenster daneben. Spannend ist die Zeitachse. Epic legt 5.8 als Fundament und verschiebt die ernsthafte Integration auf UE6 mit Early Access Ende 2027, das ist in dieser Geschwindigkeit eine Ewigkeit. Wer Asset-Pipelines oder Level-Design baut, sollte das MCP-Plugin jetzt anfassen und die eigene Toolbox darauf ausrichten, statt 2027 abzuwarten. Die Engine wird zum Aggregator für jedes anbindbare LLM, und der Burggraben verschiebt sich vom Rendering hin zur Frage, wer den Erstellungs-Loop am natürlichsten orchestriert.