Trump fordert von Anthropic Unmögliches und ein Drama bei SAP

Trump-Regierung verlangt von Anthropic unerfüllbare Sicherheitsgarantien

Beamte der Trump-Regierung haben Anthropic mitgeteilt: Wenn das Unternehmen Claude Fable 5 erneut veröffentlichen will, muss es beweisen, dass die Guardrails des Modells sich nicht umgehen lassen. Unabhängige Security-Experten halten dagegen, dass sich Jailbreaks bei einem großen Sprachmodell wahrscheinlich gar nicht vollständig verhindern lassen. Anthropic hatte bereits Ende März für Schlagzeilen gesorgt, als das Modell intern unter dem Namen „Mythos“ kursierte. Parallel rüstet OpenAI vor dem geplanten Börsengang personell auf und holt mit Noam Shazeer einen der Mitautoren des Transformer-Papiers „Attention Is All You Need“ sowie den früheren Trump-AI-Policy-Mann Dean Ball an Bord. Waymo ruft fast 4.000 Robotaxis zurück, nachdem die Fahrzeuge in mindestens 13 Fällen in gesperrte Baustellenabschnitte gefahren sind. Und Baseten finalisiert eine 1,5-Milliarden-Runde bei einer Bewertung von 11 bis 13 Milliarden Dollar. → StrictlyVC

Synthszr Take: Die Regierung verlangt von Anthropic einen Beweis, den die Informatik nicht liefern kann. Niemand kann garantieren, dass ein Sprachmodell mit Milliarden Parametern unter keinem denkbaren Prompt aus seinen Leitplanken ausbricht; das ist ungefähr so realistisch wie die Zusicherung, dass eine Software fehlerfrei ist. Spannend ist, dass dieselbe Verwaltung im Mai noch das chinesische Tempo bewunderte und jetzt einer ihrer eigenen führenden Labore eine Hürde aufbaut, die das Modell faktisch im Schrank hält. Wer absolute Sicherheit zur Bedingung für die Veröffentlichung macht, verschiebt das Risiko nur: nach China, wo Manus für 2 Milliarden zurückgekauft wird, oder in die Open-Source-Welt, wo gar keine Guardrails greifen. Sinnvoll wäre eine messbare Schwelle statt einer Unmöglichkeitsgarantie, also definierte Angriffsklassen, dokumentierte Erfolgsquoten, regelmäßige externe Audits. Das ließe sich in einer Arbeitswoche operationalisieren, nicht erst nach dem nächsten Strategiepapier aus Washington. Sicherheit entsteht durch ständiges Testen und schnelles Nachbessern, nicht durch ein Versprechen, das schon beim Aussprechen falsch ist.

Gründerdrama bei SAP, Aktienkurs taumelt

André Christ (44) und Gero Decker (44) verlassen in Kürze SAP. Bei 110.000 Beschäftigten wäre das eine Randnotiz, doch die beiden sind keine Sachverwalter, sondern die Gründerstars im Haus: Christ kam mit dem Bonner Start-up LeanIX für 1,2 Milliarden Euro, Decker mit Signavio für 950 Millionen Euro. Beide trieben die Cloud-Transformation des Walldorfer Konzerns voran. CEO Christian Klein (46) verliert damit genau die Gründer-DNA, die SAP im Topmanagement dringend brauchen könnte. Der Abgang fällt in eine heikle Phase: Die Aktie ist abgestürzt, weil viele Investoren nicht mehr an „Software as a Service“ glauben, wonach künstliche Intelligenz viele Kundenaufgaben künftig günstiger lösen werde. In den Meetings kursiert dafür schon das passende Schlagwort: „SaaSpocalypse“. Vergleichsweise geschützt sind laut manager magazin Häuser wie Nemetschek aus dem Bausektor, die sich einen virtuellen Burggraben gegen KI-Angreifer gebaut haben. → manager magazin – Der Tag

Synthszr Take: 2 Milliarden Euro für Gründer-Spirit zu zahlen funktioniert nur, solange die Gründer auch bleiben, und das tun sie selten lange. Christ und Decker haben verkauft, integriert, gewartet bis die Earn-outs durch sind, und gehen jetzt. Das ist das wiederkehrende Muster jeder Konzern-Übernahme von Hidden Champions: Die Technologie wird verdaut, die Menschen werden austauschbar gemacht. Walldorf bekommt die Plattformen LeanIX und Signavio, die DNA der Macher nimmt der Aufzug mit nach unten. Klein hat die richtigen Firmen gekauft, das ist kein Zufall. Die ehrliche Frage für die nächste Akquisition ist nicht der Preis, sondern ob das eigene Immunsystem die fremden Zellen überhaupt arbeiten lässt. Ich kenne das aus eigener Erfahrung: ‘They bought us because we were different. Later, they blamed us for being different.” Wer Velocity einkaufen will, muss sie vor dem eigenen Apparat schützen, sonst zahlt er zwei Milliarden für Software, die er auch hätte lizenzieren können.

Peter Thiels Geheimclub: Jens Spahn war 5x dabei

Eine falsch konfigurierte Website und eine geleakte Anmeldeliste haben Dialog enttarnt, ein privates Netzwerk, das PayPal-Mitgründer Peter Thiel 2006 zusammen mit Data-Broker-Manager Auren Hoffman aufgebaut hat. Zwei Jahrzehnte lang lief das Ding ohne öffentliche Mitgliederliste und ohne erreichbare Website, bis die Schweizer Hacktivistin Maia Arson Crimew (bekannt für den Leak der US-No-Fly-List) ein offenes Verzeichnis fand. WIRED verifizierte den Leak und beschaffte sich zusätzlich die Anmeldeliste für das geplante Retreat im August 2026 nahe Dublin: 222 Mitglieder, sortiert nach Status. Auf der Liste stehen Jens Spahn aus Deutschland, NATO-Oberbefehlshaber Alexus Grynkewich, Treasury Secretary Scott Bessent, die Senatoren Ted Cruz und Cory Booker sowie Palantir-Mitgründer Joe Lonsdale, dazu Schauspieler wie Josh Brolin und Joseph Gordon-Levitt. Interne Dokumente zeigen, dass jedes Mitglied vorab einen Buchstaben-Score (A, B oder C) bekommt, bewertet nach Vermögen, Bekanntheit und Einfluss, inklusive Assets under Management und Instagram-Follower-Zahl. Niedriger eingestufte Gäste zahlen über 10.000 Dollar pro Retreat, höher bewertete kriegen Rabatt, und nach jedem Event gibt es ein „Post-Retreat Code Review“. Auf der Agenda in Dublin: Kernenergie, Battlefield-Technologie, Vorbereitung auf den Dritten Weltkrieg und Taiwans Rolle im KI-Rennen. → Techpresso

Synthszr Take: Der eigentliche Treppenwitz ist der Buchstaben-Score. Eine Runde, die sich als intellektuelles Salon-Ideal inszeniert, bewertet ihre Gäste nach Instagram-Followern und Assets under Management und führt nach jedem Treffen einen „Code Review“ durch, wie in einer schlecht gemanagten Produktentwicklungsabteilung. Das ist Palantir-Logik aufs soziale Leben übertragen: alles wird zum Datenpunkt, jeder Mensch bekommt einen Confidence-Score, und wer unter dem Schwellwert landet, kriegt keine Einladung mehr. Pikant wird's bei den 222 Namen, denn keiner der Regierungsleute hat eine Behörden-Mailadresse benutzt, womit die Teilnahme elegant aus den Offenlegungspflichten rutscht. Genau hier liegt der Punkt, den ich an dieser Casualness störe: ein NATO-Oberbefehlshaber und ein Finanzminister diskutieren Kriegsvorbereitung und Taiwan in einem Format, das per Konstruktion keine Aktenspur hinterlässt. Im Mai schrieben wir, dass die VAE Entscheidungen an KI übergeben wollen; hier sieht man die andere Seite derselben Medaille, nämlich Macht, die sich aus der öffentlichen Nachvollziehbarkeit herausoperiert. Transparenz lässt sich nicht durch eine zweite, private E-Mail-Adresse aushebeln, ohne dass irgendwann jemand das offene Verzeichnis findet.

Washington behauptet ASMLs wichtigste Maschine sei in China

US-Handelsminister Howard Lutnick hat laut Bloomberg in mehreren Gesprächen führenden ASML-Managern gesagt, er sei besorgt, dass eine der EUV-Lithografiemaschinen des niederländischen Konzerns in China gelandet sein könnte. EUV-Systeme sind die einzigen Werkzeuge weltweit, die die feinsten Schaltkreismuster für modernste Chips drucken können, und für China sind sie seit der ersten Trump-Regierung gesperrt. Die Administration behauptet, Belege für gelieferte EUV-Komponenten und Transportausrüstung zu haben, hat diese aber weder Bloomberg noch ASML gezeigt. ASML widerspricht klar: So eine Maschine existiere in China nicht und habe dort nie existiert. Der Konzern verfolgt nach eigenen Angaben jede je ausgelieferte Maschine, hat eine interne Firewall um die EUV-Technologie gebaut und rechnet für 2026 mit rund 20 % Umsatz aus bereits genehmigten China-Verkäufen älterer Technik. ASML ist mit rund 700 Milliarden Dollar Börsenwert das wertvollste börsennotierte Unternehmen Europas und faktisch ein Monopolist; jeder Spitzenchip von TSMC für Nvidia und Apple hängt an diesen Maschinen. Pikant: Lutnicks Ministerium hat Ende letzten Jahres bis zu 150 Millionen Dollar Steuergeld in das Startup xLight gesteckt, das an der Kerntechnologie von ASMLs Monopol arbeitet. → Techpresso

Synthszr Take: Eine Maschine, die zwei Jahrzehnte Entwicklung und Milliarden gekostet hat, lässt sich nicht im Container verschwinden lassen, ohne dass es jemand merkt. ASMLs Argument ist nüchtern und überzeugend: Man kann nichts nachbauen, das man nie in der Hand hatte, und 80 % der Maschine basieren auf jahrzehntealtem gesammeltem Wissen; das wirklich neue Problem, EUV-Licht zu erzeugen, hat allein 20 Jahre gebraucht. Wirtschaftlich ergibt der Vorwurf wenig Sinn, weil ASML für eine einzige illegale Lieferung 20 % des Jahresumsatzes und seinen Status als profitabelster Monopolist Europas aufs Spiel setzen würde. Was den Vorgang interessant macht, ist die andere Hand des Ministers: Während Lutnick öffentlich Druck auf das Monopol macht, hat seine Behörde Geld in xLight liegen, einen Herausforderer für genau dessen Kerntechnologie. Nichts Öffentliches verbindet beides, und ohne vorgelegte Belege bleibt der Vorwurf eine Behauptung. Festhalten lässt sich trotzdem etwas Handfestes: Wer ein Monopol regulatorisch unter Druck setzt und gleichzeitig auf den Wettbewerber wettet, sollte seine Beweise auf den Tisch legen, bevor 700 Milliarden Börsenwert an einem Gerücht zittern.

Google kopiert Nvidias Finanztrick, um Nvidias-Festung zu knacken

Google greift im Wettbewerb um KI-Chips zu genau den Finanzmechaniken, mit denen Nvidia seine Nachfrage über Jahre selbst angeheizt hat. Laut einer Recherche des Wall Street Journal stellt Google am Standort Lake Mariner im Westen von New York eine Finanzgarantie über 3,2 Mrd. Dollar bereit, damit die Entwickler TeraWulf und FluidStack Rechenleistung aus tausenden Google-TPUs an Anthropic vermieten können. Dazu kommt klassisches Circular Financing: Geld fließt in Projekte wie das 7-Mrd.-Dollar-Rechenzentrum River Bend bei Baton Rouge und 1,4 Mrd. Dollar an Garantien in Colorado City, Texas, und kommt als Chip-Käufe zurück. Obendrauf liegt ein rund 35 Mrd. Dollar schwerer Private-Credit-Deal von Apollo und Blackstone, der Google-TPUs kauft und an Anthropic verleast. Google verkauft seine TPUs seit Mai direkt, hat einen 5-Mrd.-Dollar-Deal mit Blackstone gegen CoreWeave und Nebius geschlossen und will 85 Mrd. Dollar Eigenkapital für KI-Infrastruktur einsammeln. Citadel Securities, früher Anwender, fährt Workloads zu 30 Prozent günstiger und bis zu viermal schneller auf TPUs. Jensen Huang bleibt entspannt und verweist auf CUDA und über 90 Prozent Marktanteil. → Techpresso

Synthszr Take: Nvidias Burggraben war nie nur CUDA, er war die Fähigkeit, Nachfrage über Bilanzen zu fabrizieren. Genau dieses Schwungrad baut Google jetzt nach, und Google hat die dickere Bilanz: 85 Mrd. Dollar frisches Eigenkapital, 35 Mrd. Dollar Private Credit, 3,2 Mrd. Dollar Garantie für ein einziges Cluster am Ontariosee. Der Haken steckt im Wort „Circular“: Wenn das Geld, das Google investiert, als TPU-Käufe zurückkommt und Anthropic der eine große Außenkunde bleibt (Huang hat da einen Punkt), dann finanziert sich die Nachfrage zu einem guten Teil selbst. Das funktioniert brillant, solange Inference-Workloads exponentiell wachsen und die 30-Prozent-Kostenvorteile real bleiben. Es kippt brutal, sobald der Superzyklus eine Verschnaufpause einlegt und die schuldenfinanzierten Rechenzentren leerstehen. Wer heute zwischen TPU und GPU plant, sollte die Performance-Zahlen von Citadel ernst nehmen und die Finanzierungskette dahinter genauso ernst, denn beide hängen am selben Faden.

Amazon will Nvidia mit dem Verkauf eigener AI-Chips direkt herausfordern

AWS verhandelt laut AI-Chef Peter DeSantis mit Bloomberg darüber, seinen selbst entwickelten Trainium-Chip an andere Rechenzentrumsbetreiber zu verkaufen. Der Gedanke stammt aus Andy Jassys Aktionärsbrief von Anfang April: Wäre das Chip-Geschäft eigenständig, läge der Jahresumsatz bei rund 50 Milliarden Dollar. Das wäre etwa die Größe von Intel, würde Nvidia mit seinem Umsatz-Run-Rate von 326 Milliarden aber kaum erschüttern. Bisher hat AWS den Verkauf verweigert, weil der eigentliche Ertrag im Wasserfall dahinter steckt: Storage, Security, Networking und Monitoring rund um die verarbeiteten AI-Token. Hinzu kommt, dass die Trainium-Kapazität fast sofort ausverkauft war, ebenso die der erst in über einem Jahr verfügbaren Trainium4. Wer fremd verkaufen will, müsste eigene Kunden auf Warteliste setzen oder bei TSMC mehr Volumen erkämpfen, wo Nvidia gerade Apple als größten Kunden abgelöst hat. Parallel hat Jensen Huang einen neuen 200-Milliarden-Markt für CPUs ausgerufen und drängt seinerseits in Intel- und AMD-Gebiet. → Techpresso

Synthszr Take: Der eigentliche Hebel liegt nicht im Chip, sondern in dem, was AWS drumherum verkauft. Genau deshalb war Amazon jahrelang zögerlich: Wer Trainium als Hardware-Box rausgibt, gibt den lukrativen Service Layer auf, der jeden verarbeiteten Token nochmal monetarisiert. Dass Jassy jetzt trotzdem laut über Direktverkauf nachdenkt, sagt mehr über die Knappheit bei TSMC als über Amazons Ambition. Die Foundry-Kapazität ist der echte Burggraben, und da sitzt Nvidia inzwischen auf dem größten Stuhl. 50 Milliarden klingen nach Intel-Format, sind im Vergleich zu Nvidias 326 aber eher ein Signal als eine Bedrohung. Spannender ist die Richtung: Amazon will raus aus der reinen Cloud-Abhängigkeit und Trainium zum eigenständigen Geschäft machen, während es eigene Kunden auf Wartelisten hält. Wer Chips verkaufen will, die er selbst nicht in ausreichender Stückzahl bekommt, sollte erst die Fertigung sichern und dann den Markt aufmachen.

CATL will die Batterie der Rechenzentren werden

CATL kopiert für Energiespeicher das Muster, mit dem der Konzern schon die Lithium-Batterie beherrscht: kritische Glieder der Wertschöpfungskette sichern, Produkte über eigene Kanäle leiten und einen größeren Teil der Marge im Haus behalten. Gründer und Chairman Robin Zeng hat die Absicht im November 2024 in einem Reuters-Interview offen ausgesprochen. CATL plane eigenständige Energiesysteme für Rechenzentren und ganze Städte, und Zeng schätzte den Markt auf das „Zehnfache“ des Geschäfts mit EV-Batterien. Im Juni 2026 hat CATL diesen Kurs gegenüber Branchenvertretern bestätigt. Der Hebel ist klar: Der Stromhunger der KI-Infrastruktur braucht Speicher in einer Größenordnung, die das Auto-Geschäft klein erscheinen lässt. Wer Zellen, Systeme und Vertrieb in einer Hand hält, kontrolliert mehr als nur ein Bauteil. → Hello China Tech

Synthszr Take: CATL hat in Batterien gelernt, dass man die Kette beherrscht, ohne jeden Knoten zu besitzen. Genau dieses Muster läuft jetzt im Zeitraffer durch die Energieversorgung von KI-Rechenzentren. Strom ist der knappe Rohstoff der Inference, und wer die Gleichstromsysteme, die Megawatt-Kapazität und gleich noch das Modell finanziert, sitzt an den Einrastpunkten, an denen sich Kosten und Verfügbarkeit entscheiden. Im Mai stand DeepSeek noch bei Verhandlungen über 45 Mrd. Dollar Bewertung, jetzt sind es über 50, und CATL ist mittendrin statt nur dabei. Das Spannende ist die Sparsamkeit der Konstruktion: Minderheitsbeteiligungen, gebundene Stimmrechte, kein operativer Ballast. So baut man einen Burggraben, der nicht nach Kontrolle aussieht und es trotzdem ist. Für jeden, der in Europa über Souveränität bei KI redet, ist das die unbequeme Lektion: Die Datenebene gehört dir, aber den Sauerstoff, also Strom und Kapazität, kauft sich gerade jemand anders zusammen.

Ein Startup behauptet, den Rechenengpass der LLMs geknackt zu haben

Das KI-Startup Subquadratic ist letzten Monat aus dem Stealth-Modus gekommen, mit einer großen Ansage: Man habe einen mathematischen Engpass gelöst, der große Sprachmodelle seit fast einem Jahrzehnt ausbremst. Der angebliche Durchbruch besteht darin, die Zahl der Berechnungen, die ein Transformer für eine Antwort durchführen muss, drastisch zu senken. Das Ergebnis sei ein schnelleres und billigeres LLM, das weit weniger Energie verbraucht als alles, was bisher auf dem Markt ist. Viele Fachleute blieben skeptisch, doch Subquadratic legt inzwischen erste Belege vor, die nahelegen, dass sich ein genauerer Blick lohnen könnte. Passend dazu meldet die NYT, dass Tech-Arbeiter, die ihre KI-Nutzung erst maximiert haben, jetzt wieder aufs Sparen umschwenken: aus „Tokenmaxxing“ ist „Tokenminning“ geworden. Die Compute-Frage ist also nicht akademisch, sie schlägt direkt auf die Stromrechnung durch. → The Download from MIT Technology Review

Synthszr Take: Wenn der Claim hält, ist das eine ziemliche Sache, denn der Transformer hat seine quadratische Rechenlast seit dem Attention-Paper von 2017 mitgeschleppt. Jede längere Eingabe kostet überproportional, und genau das treibt die absurden Inferenzkosten, über die gerade alle stöhnen. Skepsis ist trotzdem angebracht. Wir haben schon einige „wir haben den Transformer ersetzt“-Versprechen gesehen, die bei echten Modellgrößen zerbröselten, und Subquadratic teilt zwar Belege, aber noch kein Modell, das man selbst quälen kann. Der eigentliche Punkt ist die Richtung: Billigere Inference ist der Hebel, der KI von der teuren Cloud-Demo in die Routineprozesse von Verwaltung, Schule und Gesundheitswesen bringt, dort wo der Multiplikatoreffekt zählt. Das Jevons-Paradoxon sagt uns ohnehin, dass billiger nicht weniger Nachfrage bedeutet, sondern mehr Anwendungsfälle. Subquadratic sollte jetzt ein offenes Modell auf den Tisch legen; dann reden wir weiter.

Deutsche Bank zeigt, was AI-Investitionen wirklich abwerfen

Denis Roux, CIO des Investmentbankings bei der Deutschen Bank, sagte am 18. Juni, dass AI die Bearbeitungszeit mancher Tech-Projekte von zwei Jahren auf drei Monate drückt. Die Bank nutzt für Routineaufgaben bewusst einfachere Modelle und baut aktuell Werkzeuge, die Finanzdaten automatisch extrahieren und externe Ereignisse mit dem Portfolio verknüpfen. Spannend ist das Kostenmodell: Engineers bekommen ein Token-Kontingent zugeteilt und dürfen mehr anfordern, wenn sie den Mehrwert belegen können. Laut PYMNTS Intelligence wollen 85 Prozent der Finanz- und Versicherungsfirmen mit über einer Milliarde Dollar Umsatz ihre AI-Budgets in den nächsten zwölf Monaten erhöhen. Begründet wird das mit Produktivität (65 Prozent), strategischer Positionierung (65 Prozent) und Risikoreduktion (55 Prozent). Die meistgenutzten Anwendungsfälle sitzen im strukturierten, prüfbaren Backoffice: Abschlussbuchungen, Kreditrisiko-Scoring, Sales-Forecasting. Nvidia meldet, dass fast 90 Prozent der Finanzinstitute AI einsetzen oder prüfen, KPMG sieht 70 Prozent der Banken-CEOs mit 10 bis 20 Prozent AI-Budget. → MyClaw Newsletter

Synthszr Take: Der eigentliche Lerneffekt steckt nicht in den zwei Jahren auf drei Monate, sondern im Token-Kontingent. Die Deutsche Bank betreibt Compute-Disziplin: Wer mehr Rechenleistung will, muss den Return belegen. Genau das ist der erwachsene Umgang, den wir Ende Dezember angekündigt haben, als wir vom Effizienz-Tool zur Geschäftsrevolution schrieben. Dass die Bank mit den Abschlussbuchungen und dem Kreditrisiko-Scoring anfängt, ist klug, weil diese Funktionen auditierbar sind und der Erfolg sich in Stunden und Euro messen lässt (kein Vorstandsmärchen, sondern eine Rechnung). Die 85 Prozent, die ihre Budgets hochfahren, jagen aber alle denselben Backoffice-Hebel, und damit kommodifizieren sie sich gegenseitig. Der wirkliche Burggraben für eine deutsche Bank liegt im Branchenwissen über Mittelstandskredite und Risikomodelle, das keine Plattform aus dem Valley replizieren kann. Wer dieses Domänen-Wissen jetzt in agentenfähige Produkte gießt, gewinnt das Rennen, das offen ist; wer nur seinen Monatsabschluss beschleunigt, hat morgen denselben Vorsprung wie alle anderen.

Agentopia: Wenn 100 Agenten zehn Jahre lang ein Leben simulieren

Ein Team um Xintao Wang hat mit Agentopia ein Framework gebaut, in dem 100 LLM-Agenten über zehn simulierte Jahre autonom leben: persönliches Wachstum verfolgen, soziale Beziehungen aufbauen, Bedürfnisse und Ziele erfüllen. Bisherige Gesellschaftssimulationen liefen meist über Tage, was die Tiefe der Interaktionen und jedes langfristige Wachstum begrenzte. Die Forscher definieren eine „Life Reward“, die menschliches Wohlbefinden abbildet, und trainieren damit das zugrunde liegende LLM per Rejection Sampling. Aus der Langzeit-Simulation entstehen reichhaltige emergente Sozialverhalten, und das Reward-Training verbessert das Modell messbar. Der Effekt überträgt sich auf nachgelagerte Role-Playing-Benchmarks mit plus 15,6 Prozent. Das Paper umfasst 79 Seiten und 19 Abbildungen, eingereicht am 5. Juni 2026. → Techpresso

Synthszr Take: Zehn simulierte Jahre statt ein paar Tage, das ist der eigentliche Hebel hier. Die spannende These steckt im Reward-Design: Wer ein Modell auf „Wohlbefinden“ über eine Lebensspanne optimiert statt auf den nächsten Token, bekommt offenbar bessere soziale Intelligenz fast gratis dazu (plus 15,6 Prozent auf Role-Playing-Benchmarks sind kein Rauschen). Im Januar feierte Moltbook noch Agenten, die sich ihr eigenes Social Network bauen, hier geht es eine Ebene tiefer, nämlich um die Frage, ob synthetische Sozialerfahrung als Trainingssignal taugt. Die Antwort scheint ja zu sein, und das hat eine unbequeme Konsequenz: Hochwertige menschliche Daten sind teuer und werden knapp, simulierte Lebensläufe skalieren beliebig. Wer GenAI-Produkte mit Charakter und Beziehungsgedächtnis baut, sollte sich Rejection Sampling auf Lebenszeit-Rewards genau anschauen, bevor das nächste teure Fine-Tuning-Budget verbrannt wird. Die offene Flanke bleibt die Validierung: Eine Simulation belohnt, was sie selbst definiert, und ob „Life Reward“ wirklich menschliches Wohlbefinden trifft oder nur einen plausiblen Schatten davon, das entscheidet sich erst am echten Nutzer.