ProfG warnt auf der OMR und Trump findet Regulatorik plötzlich sexy

OMR: Scott Galloway warnt vor KI-Euphorie

Scott Galloway sieht die KI-Industrie in einem gefährlichen Zwiespalt: Während Tech-CEOs mit apokalyptischen Szenarien um Investitionen werben, bleibt der versprochene Produktivitätsschub aus. Im Gespräch argumentiert der US-Professor, dass die Branche in nur 18 Monaten massiv an Vertrauen verloren hat. Die Diskrepanz zwischen den Milliardenbewertungen und den tatsächlichen Geschäftsmodellen werde immer offensichtlicher. Besonders scharf kritisiert er die „Katastrophen-Rhetorik“ von Führungsfiguren wie Elon Musk und Sam Altman, die gezielt Ängste vor Jobverlusten schüren würden. Dabei zeigten historische Daten: Technologische Revolutionen haben langfristig stets mehr Arbeitsplätze geschaffen als vernichtet. Die eigentliche Gefahr sieht Galloway nicht in der Technologie selbst, sondern in der zunehmenden sozialen Isolation durch digitale Ersatzbeziehungen. → MEEDIA Daily Update

Synthszr Take: Galloway diagnostiziert ein klassisches Phänomen der Technologieadoption: die Überschätzung kurzfristiger und Unterschätzung langfristiger Effekte. Seine Warnung vor der „Einsamkeitsmaschine KI“ erinnert an Robert Putnams „Bowling Alone“, nur dass diesmal nicht das Fernsehen, sondern personalisierte Algorithmen die sozialen Bindungen zersetzen. Die Tech-CEOs agieren wie mittelalterliche Ablasshändler: Sie verkaufen Erlösung von selbst geschaffenen Ängsten. Während sie vor der Apokalypse warnen, bauen sie parallel die Infrastruktur für genau jene Zukunft, vor der sie warnen. Das eigentlich Beunruhigende ist nicht die Technologie, sondern dass wir als Gesellschaft verlernt haben, zwischen legitimen Warnungen und Marketing zu unterscheiden. Galloways Rezept klingt altmodisch, trifft aber den Kern: Storytelling, Beziehungsfähigkeit und Resilienz werden zur knappen Ressource in einer Welt, in der Maschinen die Routinearbeit übernehmen.

Trump: Regulatorik ist prima solange ich entscheide

Das Weiße Haus erwägt einen Prüfprozess für KI-Modelle der nächsten Generation, bevor sie öffentlich verfügbar werden. Auslöser ist Anthropics eingeschränktes Mythosmodell, das Software-Schwachstellen aufspüren kann und damit sowohl ein Produkt als auch eine staatliche Ressource darstellt. Während das Pentagon Anthropic weiterhin als Lieferkettenrisiko einstuft, will die NSA das Modell bereits nutzen, um Netzwerke abzusichern. Die Trump-Administration spricht von „Model Safety“, meint aber faktisch Erstzugang: Wer sieht ein cyberfähiges Modell zuerst, wer trägt nach einem Angriff die Verantwortung, und wird die Prüfung zur Beschaffung durch die Hintertür? Greg Brockmans Anteil von fast 30 Milliarden Dollar an OpenAI liefert unterdessen Elon Musks Anwälten eine klare Zahl für ihre Klage, während OpenAI auf einen noch größeren Stiftungsanteil verweist. Parallel baut Anthropic mit 1,5 Milliarden Dollar von Blackstone und anderen ein Vertriebsvehikel für Enterprise-KI-Services auf. → Marcus Schuler

Synthszr Take: Die US-Regierung entdeckt gerade ein Konzept neu, das so alt ist wie die Druckerpresse: Vorzensur. Gutenberg musste seine Bibeln von der Kirche absegnen lassen, bevor sie gedruckt wurden. Jetzt will Washington KI-Modelle „prüfen“, bevor sie auf die Welt losgelassen werden. Der Unterschied: Die Kirche wollte Häresie verhindern, die NSA will die Werkzeuge zuerst haben. Das Anthropics-Mythos-Modell zeigt das Dilemma perfekt: Ein System, das Sicherheitslücken findet, ist gleichzeitig Verteidigungswaffe und Angriffsvektor. Die 1,5-Milliarden-Dollar-Wette auf Enterprise-Services zeigt, wohin die Reise geht: KI wird nicht mehr als Software verkauft, sondern als kontrollierter Zugang zu Fähigkeiten, bei dem der Staat automatisch Erstkundenrechte hat.

Google-DeepMind-Mitarbeiter unionisieren gegen militärische KI-Verträge

Mitarbeiter am Londoner Hauptsitz von Google DeepMind haben für die Gründung einer Gewerkschaft gestimmt, um den Einsatz ihrer KI-Technologie durch Israel und das US-Militär zu verhindern. 98 Prozent der Mitglieder der Communication Workers Union (CWU) bei DeepMind unterstützen den Schritt, der mindestens 1.000 Angestellte betreffen würde. In einem Brief an das Google-Management fordern die Mitarbeiter konkrete Zusagen: keine Entwicklung von Waffen oder Überwachungstechnologien, Mitspracherecht bei KI-Projekten, die ihre Arbeit betreffen, und das Recht, aus ethischen Gründen Projekte abzulehnen. Ein anonymer DeepMind-Mitarbeiter formuliert es drastisch: „Selbst wenn unsere Arbeit nur für administrative Zwecke genutzt wird, macht sie Genozid billiger, schneller und effizienter.“ Die Gewerkschaftsinitiative folgt auf Berichte über Googles direkte Zusammenarbeit mit dem israelischen Militär und neue Verträge mit dem Pentagon, die den Einsatz von KI-Modellen für „jeden rechtmäßigen Zweck“ erlauben. → Techpresso

Synthszr Take: DeepMind-Forscher erleben gerade ihren eigenen „Oppenheimer-Moment“: Die Physiker in Los Alamos konnten nach Trinity auch nicht mehr kontrollieren, wofür ihre Arbeit eingesetzt wurde. Der Unterschied: KI-Modelle lassen sich nicht wie Uran in gesicherten Anlagen einschließen. Wenn ein Gemini-Modell einmal existiert, kann Google zwar versprechen, es nicht für Waffen zu nutzen, doch dieselben Transformer-Architekturen und Trainingsmethoden zirkulieren bereits in der Open-Source-Community. Die Gewerkschaftsinitiative wirkt wie der Versuch, mit einem Sieb Wasser zu schöpfen: moralisch verständlich, praktisch aussichtslos. Was die DeepMind-Mitarbeiter wirklich fordern, ist eine Art „Genfer Konvention für Algorithmen“ (eine Idee, die bereits 2018 scheiterte). Die eigentliche Tragik: Ihre brillanteste Forschung zur Proteinstrukturvorhersage rettet Leben, während dieselben Optimierungsmethoden Drohnen-Schwärme effizienter machen könnten. Googles Management steht vor der Wahl zwischen Mitarbeiterloyalität und Milliardenverträgen mit dem Pentagon.

Palantir boomt wenn die Bomben fallen

Palantir Technologies erhöht seine Jahresumsatzprognose, nachdem die Nachfrage der US-Regierung nach KI-gestützter Datenanalyse stark gestiegen ist. Das Unternehmen erwartet nun einen Jahresumsatz zwischen 2,805 und 2,809 Milliarden Dollar, deutlich über der vorherigen Prognose. Der Umsatz mit US-Regierungskunden wuchs im dritten Quartal um 40 Prozent auf 408 Millionen Dollar. Besonders die neue Artificial Intelligence Platform (AIP) treibt das Wachstum voran: Palantir konnte die Zahl der Nutzer bei US-Regierungsbehörden binnen drei Monaten verdreifachen. CEO Alex Karp spricht von einer „unaufhaltsamen“ Nachfrage, während das Unternehmen gleichzeitig seine kommerzielle Kundenbasis um 51 Prozent auf 498 Kunden ausbaute. Die Aktie stieg nachbörslich um über 13 Prozent. → Techpresso

Synthszr Take: Palantir perfektioniert das Dealer-Prinzip der Software-Industrie: erst kostenlose Demos bei Behörden, dann exponentielle Nutzerausbreitung, schließlich strukturelle Abhängigkeit. Die Verdreifachung der Regierungsnutzer in nur einem Quartal zeigt klassische Netzwerkeffekte in geschlossenen Systemen. Wenn das Pentagon erstmal seine Workflows auf AIP umstellt, gibt es kein Zurück mehr. Das Geschäftsmodell erinnert an die frühe SAP-Strategie: Werde zur Betriebssystem-Ebene für Organisationswissen. Der 40-Prozent-Sprung bei den Regierungsumsätzen ist kein Wachstum, sondern der Beginn einer Lock-in-Phase. Palantir verkauft keine Software mehr, sondern kognitive Infrastruktur.

Peter Thiel finanziert Datacenter auf hoher See statt im All

Die KI-Industrie sucht nach neuen Wegen für ihre hungrigen Rechenzentren. Das von Peter Thiel angeführte Investment von 140 Millionen Dollar in Panthalassa zeigt eine radikale Alternative: 85 Meter lange Stahlstrukturen, die autonom im Pazifik treiben und Wellenbewegung in Rechenleistung verwandeln. Die schwimmenden Rechenzentren kühlen ihre KI-Chips mit Meerwasser, navigieren ohne Motoren allein durch ihre Rumpfform und senden die Ergebnisse via Starlink zurück. Während Google und Elon Musk von Rechenzentren im Weltraum träumen, plant Panthalassa bereits 2027 den kommerziellen Rollout. Der Widerstand gegen Rechenzentren an Land wächst – Oregon, wo Panthalassa seine Pilotfabrik baut, kennt diese Konflikte gut. Thiels Aussage, dass „extraterrestrische Lösungen keine Science Fiction mehr sind“, meint nicht den Mars, sondern die internationalen Gewässer. → The Rundown AI

Synthszr Take: Panthalassa löst das NIMBY-Problem der KI-Infrastruktur wie mittelalterliche Hansestädte ihre Handelskonflikte: raus aufs offene Meer. Die Idee erinnert an die Seastading-Bewegung, die seit Jahren von libertären Tech-Utopien auf schwimmenden Plattformen träumt – nur dass hier tatsächlich ein Geschäftsmodell dahintersteckt. Wellenkraft als Energiequelle ist elegant: Anders als Solarparks oder Windräder arbeitet sie 24/7, und das Meer liefert die Kühlung gratis dazu. Die wahre Innovation liegt aber in der Governance-Arbitrage: Internationale Gewässer bedeuten keine Baugenehmigungen, keine Anwohnerproteste, keine nationalen Datenschutzgesetze.

Warum Amazon in der Inference-Ära trotz Trainings-Rückstand wieder vorne sein könnte

Ben Thompson erklärt in seinem Stratechery-Podcast, warum Amazons scheinbare Schwäche im KI-Training sich als strategischer Vorteil in der Inference-Ära erweisen könnte. Der Schlüssel liegt in Amazons jahrzehntelanger Strategie, eigene Infrastruktur-Primitives zu entwickeln und diese dann als Service anzubieten - ein Muster, das sich von AWS über die Logistik bis zur KI-Infrastruktur zieht. Amazon hat mit Nitro-Chips und ARM-basierten Graviton-Prozessoren eine eigene Siliziumarchitektur aufgebaut, die anfangs Intel und AMD unterlegen war, sich aber durch Platform-as-a-Service-Angebote wie RDS (Relational Database Service) trotzdem profitabel einsetzen ließ. Während Nvidia mit seinen GPUs den Training-Markt dominiert, positioniert sich Amazon für die Inference-Phase, in der trainierte Modelle milliardenfach berechnet werden müssen. Amazons Vorteil: Die Inference-Workloads ähneln eher traditionellen Cloud-Computing-Aufgaben, bei denen Kosteneffizienz und Skalierung wichtiger sind als reine Rechenleistung. Thompson sieht darin eine Wiederholung des AWS-Musters: Amazon baut die Infrastruktur zunächst für den Eigenbedarf, erzielt dadurch Skaleneffekte und monetarisiert sie anschließend als Service für Dritte. → Ben Thompson

Synthszr Take: Amazon spielt Schach, während andere Dame spielen. Die Firma investiert seit Jahren in spezialisierte Inference-Chips, die für das Ausführen trainierter Modelle optimiert sind, nicht für das eigentliche Training. Das erinnert an die Geschichte der Eisenbahn: Die großen Vermögen machten nicht die Goldgräber, sondern die Betreiber der Versorgungslinien. Inference ist das neue Platform-as-a-Service - Kunden brauchen nicht die schnellsten Chips, sondern die günstigsten Ausführungskosten pro Token. Amazons Graviton-Evolution zeigt das Muster: erst minderwertige Hardware, versteckt hinter verwalteten Services, dann schrittweise Verbesserung bei strukturell niedrigeren Kosten. Die wahre Disruption kommt nicht von besserer KI, sondern von billigerer KI-Ausführung.

Vercel startet deepsec: Security-Agenten analysieren Code in parallelen Sandboxen

Vercel hat mit deepsec ein Open-Source-Tool veröffentlicht, das Sicherheitslücken in großen Codebases automatisch aufspürt. Das Command-Line-Interface (CLI) ermöglicht es, mehrere KI-Agenten parallel in isolierten Sandboxen zu betreiben, die Schwachstellen identifizieren und validieren. Entwickler können das Tool auf ihrer eigenen Infrastruktur mit ihren API-Keys betreiben, was die Kontrolle über sensible Daten gewährleistet. Der besondere Fokus liegt auf der Reduzierung von False Positives, einem chronischen Problem bei automatisierten Security-Scans. Das Tool ist kostenlos verfügbar und positioniert sich als Alternative zu kommerziellen Security-as-a-Service-Angeboten. → The Neuron

Synthszr Take: Vercel macht Security-Audits zur Infrastruktur-Frage, nicht zur Vertrauensfrage. Während traditionelle Security-Scanner wie monolithische Kraftwerke arbeiten, folgt deepsec dem Prinzip verteilter Solarpanels: Jeder Agent arbeitet in seiner eigenen Sandbox, parallel und autonom. Das erinnert an die Architektur moderner Microservices, nur umgekehrt angewendet: Statt eine Anwendung in Services zu zerlegen, wird der Prüfprozess selbst atomisiert. Der strategische Schritt ist subtil: Vercel verschenkt nicht nur Software, sondern etabliert eine neue Kategorie zwischen SaaS und Self-Hosted. Unternehmen bekommen die Kontrolle zurück, müssen dafür aber die Rechenleistung selbst bereitstellen. Das CLI wird zum Trojanischen Pferd für Vercels eigentliche Mission: die Entwickler-Infrastruktur neu zu definieren, einen Security-Check nach dem anderen.

Transformation-Paradox: KI scheitert an der Unternehmensoragnisation

Microsofts neuer Work Trend Index 2026 offenbart eine bittere Wahrheit: 65% der befragten KI-Nutzer fürchten, den Anschluss zu verlieren, wenn sie künstliche Intelligenz nicht schnell genug adaptieren. Gleichzeitig werden nur 13% für ihre KI-Experimente am Arbeitsplatz belohnt. Die Studie mit 20.000 Teilnehmern weltweit zeigt, dass nicht die Technologie oder die Mitarbeiter das Problem sind, sondern die verkrusteten Organisationsstrukturen. Matt Firestone, General Manager von Microsofts Frontier-Firm-Initiative, spricht von einem „Transformation-Paradox“: Während Mitarbeiter bereit sind, ihre Arbeitsweise neu zu erfinden, halten Metriken, Anreizsysteme und Normen sie in alten Mustern gefangen. Microsoft argumentiert, dass Führungskräfte die Arbeit selbst neu architektonisieren müssen, statt nur neue Tools zu verteilen und auf spontane Innovation zu hoffen. → Marcus Schuler

Synthszr Take: Microsoft diagnostiziert hier ein klassisches Gefangenendilemma in der Unternehmenskultur. Alle Beteiligten wissen, dass die Kooperation mit KI-Tools den Gesamtertrag steigern würde, aber niemand will der Erste sein, der sich exponiert. Die Zahl ist brutal: 87% der KI-Nutzer werden für ihre Experimente nicht belohnt, während zwei Drittel Angst davor haben, den Anschluss zu verpassen. Das erinnert an die Einführung der E-Mail in den 90ern, als Unternehmen noch Fax-Richtlinien aktualisierten, während ihre Mitarbeiter längst digital kommunizierten. Microsofts Lösung („re-architect work“) klingt nach einem Consultingauftrag für Accenture, aber der Kern stimmt: Solange Unternehmen KI wie ein besseres Excel behandeln, werden sie nur marginale Produktivitätsgewinne sehen. Die wahre Transformation beginnt, wenn Fehlertoleranz und Experimentierfreude Teil der Leistungsbewertung werden.

Die gezackte Technologiegrenze: Harvard-Studie zeigt ungleiche Gewinne pro Wissensarbeiter

Eine Harvard-Studie mit 758 Beratern der Boston Consulting Group zeigt, wie ungleichmäßig KI die Produktivität von Wissensarbeitern beeinflusst. Die Forscher um Fabrizio Dell'Acqua und Karim Lakhani prägen dafür den Begriff der „gezackten Technologiegrenze“ (jagged technological frontier): Bei 18 typischen Beratungsaufgaben innerhalb der KI-Fähigkeiten steigerte GPT-4 die Leistung um 12,2% mehr erledigte Aufgaben, 25,1% höhere Geschwindigkeit und signifikant bessere Qualität. Doch bei einer komplexen Managementaufgabe außerhalb dieser Grenze produzierten KI-Nutzer 19% weniger korrekte Lösungen als die Kontrollgruppe ohne KI. Die Studie untersuchte drei Gruppen: ohne KI, mit GPT-4, und mit GPT-4 plus Prompt-Engineering-Training. Entscheidend ist die Erkenntnis, dass sich selbst bei scheinbar ähnlichen Aufgaben nicht vorhersagen lässt, ob KI hilft oder schadet. → Latent.Space

Synthszr Take: Die „gezackte Technologiegrenze“ erinnert an die Mandelbrot-Menge in der Mathematik: Je genauer man hinschaut, desto komplexer wird die Grenzlinie zwischen „KI hilft“ und „KI schadet“. Boston Consulting testet hier nicht nur GPT-4, sondern kartographiert gewissermaßen die Fraktalstruktur menschlicher Expertise. Die 19% schlechtere Performance bei komplexen Aufgaben zeigt das Phänomen der „Kompetenz-Illusion“: Wissensarbeiter überschätzen KI dort, wo sie eigentlich selbst denken müssten. Das erinnert an GPS-Navigation, die uns zwar schneller ans Ziel bringt, aber unseren Orientierungssinn verkümmern lässt. Harvard dokumentiert hier den Übergang von Software als Werkzeug zu Software als kognitives Ersatzorgan – mit allen Risiken einer Prothese, die manchmal besser funktioniert als das Original, manchmal aber auch versagt, wenn man sie am dringendsten braucht.

KI-Suche wird zum neuen Vertriebskanal: Wie B2B-Marken in ChatGPT landen

Eine neue Studie von AirOps zeigt, wie B2B-Software-Unternehmen systematisch in KI-Suchergebnissen auftauchen. Die Analyse von über 15 Millionen KI-Suchanfragen identifiziert vier zentrale Strategien, mit denen Unternehmen wie Ramp, Carta und Webflow ihre Sichtbarkeit in ChatGPT, Gemini und Perplexity erhöhen. Webflow konnte binnen weniger Tage einen 6-prozentigen Anstieg der über KI zugeordneten Anmeldungen verzeichnen und die Content-Aktualisierungsgeschwindigkeit verfünffachen. Chime steigerte die Anzahl der KI-Suchzitierungen um das Dreifache, indem das Unternehmen in 68 statt bisher 24 prioritären Suchanfragen empfohlen wird. Die Erkenntnisse deuten auf einen fundamentalen Wandel hin: KI-basierte Suche entwickelt sich von einem experimentellen Feature zu einem messbaren Vertriebskanal mit eigenem Playbook und spezifischen Optimierungsstrategien. → Techpresso

Synthszr Take: B2B-Software erfindet gerade SEO neu – nur diesmal für Maschinen statt für Menschen. Die Zahlen sind hübsch — Webflow: +6 % AI-Signups, Chime: Zitate verdreifacht. Die Frage liegt davor: Wo erscheint meine Marke heute überhaupt — in welchen Modellen, für welche Kundensegmente, geerdet in welchen Quellen? Genau diese Karte liefern Tools wie raidar. Statt punktueller Stichproben werden tausende Queries pro Thema über alle relevanten Modelle und über die Zeit gespiegelt, in drei Schichten: Trainingsinhalte, Chat-Antworten und AI Overviews. Fünfzehn statistische Modelle trennen Signal von Rauschen. Erst danach beginnt das Optimieren. Die Lehre aus der PageRank-Ära: Wer früh misst, was Maschinen sehen, optimiert für die Realität, die seine Käufer in ChatGPT vorgesetzt bekommen.