Verkehrte Welt: Trump macht auf Bernie Sanders und Google, Meta & Co suchen Cash an der Börse

Trump macht auf Bernie Sanders und will Teile von OpenAI & Co verstaatlichen

Laut einem Bericht von NOTUS haben hochrangige US-Beamte vorläufige Gespräche mit den großen KI-Firmen geführt, in denen der Bund Anteile an genau diesen Unternehmen erwirbt, deren Technologie er zugleich regulieren will. Der rote Faden führt über OpenAI: Sam Altman hat die Idee Anfang 2025 direkt bei Donald Trump platziert und sie in den vergangenen Wochen erneut bei Regierungsvertretern angebracht. In den Gesprächen geht es darum, dass die Firmen freiwillig Anteile abtreten, statt dass der Staat sie aufkauft. Eine diskutierte Option: Die Erträge fließen als Dividende an alle amerikanischen Haushalte. Der Kontext ist heikel, denn laut der von NOTUS zitierten Umfrage glauben 55% der Amerikaner, dass KI ihrem Alltag mehr schadet als nützt. Kritiker verweisen sofort auf den strukturellen Konflikt: Ein Staat, der Anteile an einer von ihm regulierten Firma hält, ist Aktionär und Schiedsrichter zugleich. Auch von links kursieren ähnliche Vorschläge, und bislang handelt es sich um Gespräche, nicht um einen politischen Beschluss oder einen Deal. → Techpresso

Synthszr Take: Sam Altman hat das Modell seit Anfang 2025 immer wieder nachgeschoben, und es passt zu seinem Auftritt im April, als er höhere Steuern und ein Grundeinkommen forderte. Jetzt liefert er die Mechanik gleich mit: Der Staat hält Anteile, die Rendite landet als Dividende bei jedem Haushalt. Die Dividende ist vor allem Reputationspflege, wenn die Mehrheit der Amerikaner ohnehin glaubt, dass KI ihrem Alltag schadet. Das eigentliche Problem liegt in der Konstruktion. Wer Anteile an einer Firma hält, die er selbst kontrollieren soll, schützt am Ende den Wert seiner Beteiligung statt die Öffentlichkeit, und das lässt sich mit keiner noch so schönen Dividenden-Erzählung wegmoderieren. Dass die Linke aus demselben Jobverdrängungsargument bei genau derselben Idee landet, zeigt nur, wie offen die Frage ist, wem die Gewinne dieser Technologie eigentlich gehören.

Et tu, Meta? Alle wollen den Aktienmarkt anzapfen

Meta erwägt laut Financial Times eine Aktienemission im zweistelligen Milliardenbereich, um die eigenen KI-Ambitionen zu finanzieren. Der Bericht kommt nur Tage nach Alphabets aufgestockter Emission über 84,75 Milliarden Dollar, mit der auch Google den Bau von Rechenzentren bezahlt. Meta-Führungskräfte suchen den Berichten zufolge nach „kreativen“ Wegen, um Geld aufzubringen, und die Gespräche haben sich nach Alphabets Erfolg verschärft. Schon im Oktober reichte Meta seine größte Anleihe überhaupt ein (bis zu 30 Milliarden Dollar) und vereinbarte ein 27-Milliarden-Dollar-Finanzierungsgeschäft mit Blue Owl Capital. Im April hob der Konzern seine jährliche Investitionsprognose auf 125 bis 145 Milliarden Dollar an. Die Aktie verlor nach dem Bericht 6,6 Prozent. Banken sind noch nicht beauftragt, und laut FT steht eine endgültige Entscheidung aus. → www.reuters.com

Synthszr Take: Wenn das reichste Werbeunternehmen der Welt beginnt, sich am Aktienmarkt Geld zu leihen, hat sich etwas verschoben. Meta hat seine Investitionen über Jahre aus dem laufenden Cashflow bezahlt, jetzt kommen zweistellige Milliarden aus einer Emission dazu, plus 30 Milliarden Anleihe und 27 Milliarden von Blue Owl. Die 6,6-Prozent-Kursabschläge zeigen, wie nervös die Börse wird: 125 bis 145 Milliarden Capex pro Jahr sind eine Wette darauf, dass sich all die Rechenzentren auch auszahlen. Wie wir Anfang Juni zu Googles Rekordemissionen schrieben, sind die Kapitalmärkte zum Tempomacher in diesem Rennen geworden, Wer am billigsten an Sauerstoff kommt, baut am schnellsten. Mein Eindruck: Kapital fließt gerade reichlich; die offene Frage ist, ob Meta aus der Rechenleistung auch nutzenstiftende Produkte macht und nicht nur teure Hardware in Hallen stapelt. Genau diesen Beweis schuldet das Unternehmen seit der KI-Reorg im Mai noch. Geschwindigkeit beim Kapital nützt wenig, wenn die Produkte hinterherhinken.

Die AI Boys schädigen das Image von AI immer mehr

Jeff Jarvis beschreibt auf Medium ein Paradox: 57 Prozent der Amerikaner halten die Risiken von KI für größer als ihren Nutzen, womit die Technologie unbeliebter ist als die Grenzbehörde ICE. Die Hälfte sorgt sich um Folgen für Kreativität, Beziehungen und Wahlen, und Republikaner wie Demokraten blockieren gemeinsam neue Rechenzentren von New Jersey bis quer durchs Land. Auf der re:publica gibt's einen Workshop zum Vergiften von KI-Trainingsdaten, die FT ruft eine neue Ludditen-Bewegung aus, und Redner auf Abschlussfeiern werden ausgebuht, sobald sie die Buchstaben A und I in den Mund nehmen. Gleichzeitig steigt die reale Nutzung: über die Hälfte recherchiert mittlerweile mit den Tools, ein Plus von 38 Prozent in einem Jahr. Jarvis macht weniger die Technik verantwortlich als die „AI boys“, Musk gegen Altman im gerade beendeten OpenAI-Prozess, dazu Thiel, Andreessen, Karp, Zuck, Ellison und Bezos, die Menschen schon mal als „meat computers“ abtun. Seine Hoffnung: In Jensen Huang und Yann LeCun habe die Branche immerhin zwei begnadete Kommunikatoren. → Medium Weekly Digest

Synthszr Take: Da klafft eine Lücke, die jeder Produktmensch sofort erkennt. 57 Prozent sagen, die Risiken überwiegen, und im selben Jahr steigt die Nutzung um 38 Prozent. Die Leute reden schlecht über KI und tippen trotzdem täglich ihre Fragen in ChatGPT. Das Produkt überzeugt, seine Verkäufer ruinieren den Ruf. Wer Menschen als „meat computers“ abkanzelt und parallel Milliarden in Rechenzentren steckt, die Anwohner von New Jersey bis Bayern blockieren, muss sich über die schlechte Stimmung nicht wundern. Vertrauen entsteht im Alltag, wenn das Tool morgen früh die Arbeit erleichtert, und nicht im nächsten Manifest über Superintelligenz. Jarvis setzt auf Huang und LeCun als bessere Erzähler; ich würde eher darauf wetten, dass der spürbare Nutzen die lautesten Podcasts überstimmt.

Claude schreibt 80% von Anthropics Code und macht ihn 52x schneller

Anthropic hat einen Report veröffentlicht, dessen Zahlen schwer zu ignorieren sind. Beim immer gleichen Test, ein kleines KI-Modell schneller zu trainieren, schaffte Claude Opus 4 einen 3-fachen Speedup, das neue Modell Mythos Preview einen 52-fachen. Über 80 Prozent des Codes, der in Anthropics Produktionscodebasis einfließt, stammen inzwischen von Claude statt von Menschen. In Forschungssessions, in denen Menschen falsch abgebogen waren, schlug Mythos Preview in 64 Prozent der Fälle den besseren nächsten Schritt vor, ein halbes Jahr zuvor waren es noch 51 Prozent. Die Länge der Aufgaben, die die KI eigenständig bewältigt, verdoppelt sich etwa alle vier Monate: von Vier-Minuten-Tasks bei Opus 3 auf Zwölf-Stunden-Tasks bei Opus 4.6. Anthropic betont, dass echte recursive self-improvement noch nicht unausweichlich sei, aber früher eintreten könnte als viele erwarten. Parallel verdoppelt OpenAI mit dem Dreaming-V3-System das Gedächtnis von ChatGPT für Plus- und Pro-Nutzer und hebt die Faktentreue von 41,5 auf 82,8 Prozent. → AlphaSignal

Synthszr Take: Die Zahl, die hängen bleibt, ist die 80. Vier von fünf Code-Zeilen in Anthropic’s Produktion schreibt mittlerweile Claude selbst, und der Sprung von Opus 4 (3x) auf Mythos Preview (52x) zeigt, wie steil die Kurve geworden ist. Anthropic formuliert vorsichtig, recursive self-improvement sei noch nicht zwangsläufig. Aber wenn sich die Aufgabenhorizonte alle vier Monate verdoppeln, von Vier-Minuten-Tasks bei Opus 3 zu Zwölf-Stunden-Tasks bei Opus 4.6, dann verschiebt sich der Engpass weg vom Modell hin zur Frage, wer das Tempo überhaupt noch sinnvoll dirigiert. Im April schrieben wir, die Mythos-Benchmarks würden den Wettbewerb schocken; jetzt schockiert die Geschwindigkeit, mit der sich die Schleife schließt. Dass OpenAI in derselben Woche ChatGPTs Gedächtnis verdoppelt (Faktentreue rauf von 41,5 auf 82,8 Prozent), passt ins Bild: alle bauen gerade das Gerüst, bevor die Decke verschwindet. Hört auf, einzelne Benchmarks zu feiern, und fang an zu fragen, welche Teile deiner eigenen Code-Pipeline du in den nächsten zwölf Monaten an Modelle abgibst, die heute schon in 64 Prozent der Fälle den besseren nächsten Schritt vorschlagen.

Gary Marcus hält Anthropic’s Rhetorik für Quatsch

Gary Marcus zerlegt auf seinem Substack Marcus on AI eine Welle von Schlagzeilen, die behaupten, Anthropic habe zu einer Pause in der KI-Entwicklung aufgerufen. Sein Befund nach genauem Lesen: nichts dergleichen. Anthropic spricht von einer Option, die das Unternehmen weder jetzt noch absehbar zu nutzen plant. Stattdessen will man weiter beschleunigen und verweist zur Rechtfertigung auf die „unvorsichtigsten Akteure“, sprich China. Marcus nennt das ein kostenloses Stück Rhetorik, perfekt getaktet für den anstehenden Börsengang. Sein Schluss an die Leserschaft: Caveat emptor, caveat lector, Käufer und Leser sollen aufpassen. → Gary Marcus from Marcus on AI

Synthszr Take: Gary Marcus liest den Pressetext genauer als die meisten Redaktionen, und das lohnt sich. Anthropic redet über eine Pause, die es selbst nie ziehen will. Diese Rhetorik kostet nichts und bringt viel: Man wirkt verantwortungsbewusst, während man weiter Vollgas gibt und bei Bedarf auf die „unvorsichtigsten Akteure“ oder gleich auf China zeigt. Im März lag der Anthropic-Umsatz bei fast 20 Milliarden Dollar, jetzt steht der Börsengang an, und genau in diesem Moment taucht das Wort Pause auf. Wer ein über 20.000 Wörter langes Manifest über Claudes Tugendethik schreibt und parallel Modelle fürs US-Militär auf einer anderen Verfassung trainieren lässt, hat gelernt, beides zu wollen. Lies die Überschrift, dann lies den Absatz darunter. Die Differenz zwischen beiden ist das eigentliche Geschäftsmodell.

Huaweis Chip-Queen erklärt Moores Gesetz für tot

He Tingbo führt seit 2003 Huaweis interne Chip-Einheit, mit einem Jahresbudget von rund 400 Millionen Dollar. Diesen Monat hat sie das sogenannte Tao-Scaling-Law vorgestellt, ein Bewertungsmodell für Halbleiter, das den Wettlauf um immer kleinere Transistoren aufgibt und stattdessen misst, wie schnell Daten durch einen Chip fließen. Jensen Huang, CEO von Nvidia, hat den chinesischen Markt für AI-Chips öffentlich an Huawei abgegeben, das dort 2026 rund 50 Prozent hält. Laut Morgan Stanley wächst dieser Markt von 21 Milliarden Dollar in diesem Jahr auf 67 Milliarden Dollar bis 2030. Huaweis Plan: Ohne Zugang zu Nvidias Blackwell-Chips stapelt und clustert He Tingbos Team einheimische Chips und koppelt die Rechenleistung an billigen Solarstrom aus Rechenzentren nahe der Wüste Gobi. Die Lücke bleibt real, die besten US-Chips sind nach Schätzung des Council on Foreign Relations noch rund fünfmal leistungsfähiger, und im optimistischen Szenario liefert Huawei nur etwa 4 Prozent der Rechenleistung, die Nvidia produziert. → Alice Han & James Kynge

Synthszr Take: Die 5x-Lücke und die 4 Prozent sind die Zahlen, an denen sich jeder orientiert. Sie beantworten die falsche Frage. Es reicht, genug Rechenleistung für den heimischen Bedarf zusammenzubringen, und genau das organisiert He Tingbo über Stapeln und Clustern, gekoppelt an billigen Solarstrom aus der Gobi. Wenn die Physik der Miniaturisierung an die Wand läuft (Transistoren sind heute kleiner als ein Virus), wandert der Hebel von der Transistorgröße hin zu Architektur und Energie. Das ist Leapfrog im Lehrbuch: Wer wenig etablierte Infrastruktur hat, muss wenig migrieren, und Strom aus der Wüste skaliert billiger als ein 3D-TSMC-Prozess. Schon Ende Mai haben wir notiert, dass Trumps Exportkontrollen Chinas AI eher anheizen als bremsen, und das Tao-Scaling-Law ist der nächste Beleg dafür. Ob das Modell jemals der Industriestandard fürs Benchmarking wird, bleibt offen; das dahinterliegende Selbstvertrauen ist schon real, und die plus 40 Prozent bei chinesischen Halbleiter-Aktien seit Jahresbeginn sind die Picks-and-Shovels-Wette auf genau diese Haltung.

Metas Brille ist mit versteckter Face-Recognition ausgestattet

Wired hat im Quellcode der Meta-AI-App eine bisher unveröffentlichte Gesichtserkennungsfunktion gefunden, die intern „NameTag“ heißt und auf Metas Smart Glasses laufen soll. Die Funktion kann laut Bericht Gesichter erfassen und den Brillenträger später benachrichtigen, wenn sie ein zuvor gespeichertes Gesicht wiedererkennt. Aktuell ist nichts davon aktiv, und ein Sicherheitsforscher bestätigt, dass keine biometrischen Daten an Metas Server gehen; frühere App-Versionen enthielten jedoch bereits ein „Connections“-Menü mit dem Hinweis „remember the people you met“. Die New York Times hatte das Tool bereits im Februar unter demselben Namen „Name Tag“ beschrieben. Aus einem internen Memo geht hervor, dass Meta die Funktion gezielt in einem „dynamischen politischen Umfeld“ starten wollte, weil kritische Organisationen dann anderweitig gebunden wären. Meta selbst hatte die Facebook-Gesichtserkennung 2021 aus Datenschutzgründen abgeschaltet und 2024 als Anti-Betrugs-Werkzeug wieder eingeführt. Sprecher Ryan Daniels betont, es sei nichts an Kunden ausgeliefert worden und man baue keine zentrale Gesichtsdatenbank. → Techpresso

Synthszr Take: Meta wollte die Gesichtserkennung laut internem Memo in einem „dynamischen politischen Umfeld“ starten, weil die kritischen Bürgerrechtsgruppen dann mit anderen Sorgen beschäftigt wären. Eine bemerkenswert ehrliche Strategie-Notiz: Man wartet, bis die Torwächter wegschauen. 2021 begrub Meta die Gesichtserkennung auf Facebook aus Datenschutzgründen, 2024 kehrte sie als Anti-Betrugs-Werkzeug zurück, und jetzt liegt derselbe Code unter dem Namen NameTag in der Smart-Glasses-App. Mitte März haben wir geschrieben, dass Metas Brille alles sieht; NameTag würde aus „alles sehen“ ein „jeden erkennen“ machen, inklusive der freundlichen Erinnerung „remember the people you met“. Ryan Daniels behauptet, man baue keine zentrale Gesichtsdatenbank, und vielleicht stimmt das sogar. Aber wenn ein Feature dreimal in den Logs auftaucht, dann kommt es; die einzige offene Frage ist, unter welchen Leitplanken. Die sollten wir festzurren, solange der Code noch im Backlog liegt und nicht auf der Nase von Millionen Menschen sitzt.

47 Sekunden, dann ist die Aufmerksamkeit weg

Gloria Mark, Psychologin an der University of California in Irvine, erforscht seit 30 Jahren, wie Menschen mit digitaler Technik umgehen, und zog auf der SXSW London eine ernüchternde Bilanz. In ihren „Living Laboratories“ maß sie 2003 eine durchschnittliche Aufmerksamkeitsspanne von rund zweieinhalb Minuten. 2012 waren es nur noch 75 Sekunden; zwischen 2014 und 2020 sank der Wert auf 47 Sekunden. Herzfrequenzmesser zeigten eine direkte Korrelation zwischen dem schnellen Wechseln der Aufmerksamkeit und steigendem Stress bei sinkender Leistung. Parallel mehren sich die Klagen: Meta und Googles YouTube wurden zu Millionenzahlungen an eine 20-Jährige verurteilt, die eine in der Kindheit entstandene Abhängigkeit geltend machte, ein ländlicher Schulbezirk in Kentucky forderte über 60 Millionen Dollar, rund 1.200 weitere Bezirke ziehen nach. Mark betont aber auch, dass Social Media gerade für marginalisierte Gruppen Räume der Zugehörigkeit schaffen kann; eine LGBTQ+-Befragung von 2024 beschreibt Plattformen für manche als Orte der Ablehnung, für andere als Orte der Freundschaft. → The Download from MIT Technology Review

Synthszr Take: 47 Sekunden. So lange hält ein durchschnittlicher Mensch die Aufmerksamkeit auf einer Sache, bevor er abspringt, und das war von 2014 bis 2020, also lange vor den AI-Chatbots. Was Mark beschreibt, ist die Vorgeschichte; ChatGPT und Gemini legen jetzt eine Schicht obendrauf, weil sie das Denken selbst bequem outsourcen. Ich hab das an mir gemerkt: Seit die AI meine Antworten vorformuliert, frage ich mich seltener, ob ich die Sache eigentlich verstanden hab. Für jeden, der Produkte baut, steckt hier die Lektion. Die Bindungskraft durch ständige Unterbrechung ist eine Sackgasse, die 1.200 Schulbezirke vor Gericht bringt und Meta Millionen kostet. Wer Software entwickelt, kann morgen früh entscheiden, ob er Aufmerksamkeit zerhackt oder schützt, und Tools, die uns konzentriert halten, werden zum wertvollsten Teil des Marktes. Aufmerksamkeit ist die letzte wirklich knappe Ressource, und wer sie respektiert, gewinnt.