Dario Amodei fordert in einem Essay mit 40 Millionen Aufrufen, dass die KI-Industrie langsamer wird, Sam Altman und Elon Musk stimmen zu. Gleichzeitig zeigt L3Harris, dass eigene Daten plus Open-Source-Modell die zugekauften Frontier-Modelle in unter 48 Stunden schlagen. Dazu ein Truhenkühler ohne Kältemittel in rund 10 REWE-Märkten und eine Humanoiden-Fabrik mit zehn Minuten Taktzeit.
Amodei fordert Tempodrosselung, Altman und Musk stimmen zu
„Dario is right”
Mit diesen drei Worten antwortet Elon Musk auf Dario Amodeis neuen Essay, in dem der Anthropic-Chef einen Dreistufenplan zur Tempodrosselung der KI-Industrie vorlegt. Anthropic geht den ersten Schritt einseitig: unabhängige Prüfer bekommen dauerhaften Zugang zu den Systemen, auf dem Niveau eigener Mitarbeiter. Sam Altman stimmt zu, nennt das seit Wochen internes Hauptthema bei OpenAI und zieht nach. Der Essay steht bei 40 Millionen Aufrufen. Bemerkenswert ist nicht die Bremse, sondern ihre Begründung: „Diese Technologie ist auf einer Exponentialkurve”, eine Wand sei nicht in Sicht. Wer am nächsten dransitzt, hält nicht das Tempo für übertrieben, sondern die Vorbereitung für zu langsam.
Die Unterlagen für einen Börsengang liegen vertraulich längst vor, der Gang aufs Parkett fällt 2026 trotzdem aus: Sam Altman nennt ihn im 45-Minuten-Gespräch mit Fortune „unklug”. Offen redet er dort auch über den Hugging-Face-Hack, über rekursive Selbstverbesserung und über die Frage, ob sich ein System bauen lässt, das sich menschlicher Kontrolle entzieht. Seine Antwort darauf: absolut möglich. Wer den Kapitalbedarf dieser Branche kennt, liest darin kein Zögern, sondern Timing. An die Börse geht man, wenn die Zahlen die Geschichte tragen, nicht während die Rechenzentren noch gebaut werden.
Quelle: The Verge
L3Harris schlägt Frontier-Modelle mit eigenen Daten in 48 Stunden
L3Harris hat zusammen mit Palantir die eigenen Daten in Open-Source-Modelle feingetunt. Das Ergebnis ist für jedes Unternehmen mit echten Fachdaten eine Blaupause:
Unter 48 Stunden bis zum besseren Ergebnis als die vorher eingesetzten Frontier-Modelle
95 Prozent niedrigere Kosten gegenüber den zugekauften Spitzenmodellen
Feingetunt wurden Open-Source-Modelle auf dem eigenen institutionellen Wissen
Kernthese: KI ist eine Commodity, entscheidend sind die Daten
Modell, Compute und Vorsprung bleiben im eigenen Haus
Das über Jahrzehnte aufgebaute Wissen gilt damit als Unternehmensvermögen, nicht als Rohstoff für fremde Labs, bei denen man sich die daraus gebaute Intelligenz anschließend zurückmietet.
In dieselbe Richtung zielt AgentsDock: Der quelloffene Arbeitsplatz bündelt Claude Code, Codex und Cursor selbst gehostet an einer Stelle, mit dauerhaften Chatverläufen, Terminals, Medien und geplanten Jobs. Die Beta läuft auf macOS, Windows und Linux in x86 und ARM, dazu iPhone, iPad und Android. Der eigentliche Punkt steckt im letzten Teil: Agenten arbeiten in Läufen von Minuten bis Stunden und binden den Entwickler bisher ans Terminal. Wer sie vom Telefon aus anstößt, prüft und nachsteuert, löst die Arbeit vom Schreibtisch. Dass die Instanz im eigenen Haus steht, ist für Firmen, deren Quellcode das Haus nicht verlassen darf, Bedingung.
Quelle: Agentsdock
Und ein Stück Hardware, das die Compute-Rechnung von der anderen Seite angeht: Statt ein Gas zu komprimieren, nutzt das Darmstädter Startup Magnotherm Metalle, die sich im Magnetfeld erwärmen und beim Abschalten des Felds abkühlen. Nach mehrwöchigem Test im Modellmarkt geht die Plattform ECLIPSE als Truhenkühler in rund 10 REWE-Märkten in Betrieb. Laut Magnotherm arbeitet das System 15 Prozent effizienter als eine Propan-Anlage, ohne Kältemittel und ohne Hochdruck. Auf Klimatisierung ist das Prinzip übertragbar, ein Prototyp fehlt noch. Genau dort wird es für KI spannend: Rechenzentren verbrennen viel Strom nicht fürs Rechnen, sondern fürs Kühlen.
Grok 4.7 verschiebt sich, weil das Modell zu früh aufgibt
Der Release war für diese Woche angekündigt, jetzt braucht das Modell noch ein paar Tage. Die Begründung ist ungewöhnlich technisch: Im Reinforcement Learning wurde die Antwortlänge offenbar zu hart bestraft. Das Modell steigt bei schweren Aufgaben zu früh aus, obwohl es sie lösen könnte, und prüft die eigene Arbeit nicht gründlich genug. Ein Lehrstück darüber, wie empfindlich diese Systeme auf ihre eigenen Belohnungssignale reagieren: Wer kurze Antworten belohnt, bestraft am Ende das Nachdenken. Die zweite Septemberhälfte wird eng, mit OpenAI DevDay und Meta Connect liegt die Latte hoch.
Parallel taucht Grok Bot erstmals in der Web-Oberfläche auf. Wer Grok Heavy abonniert hat, legt eigene Bots direkt im Browser an und arbeitet dort mit ihnen, ohne Umweg über ein zweites Interface. Eine offizielle Ankündigung fehlt, der Rollout läuft schrittweise und womöglich regional gestaffelt. Die Richtung ist das Eigentliche: Der Chat wird zur Werkbank, auf der sich jeder seine spezialisierten Assistenten zusammenbaut, statt ein Universalmodell für alles zu befragen.
ComicForge baut aus einer Textgeschichte ein Comicbuch in 29 Sprachen
Eine Geschichte rein, ein fertiges Comicbuch raus. ComicForge zeichnet jede Seite, gestaltet das Cover und schreibt den Text:
29 Sprachen, acht Stile vom europäischen Album bis Manga
Hochgeladene Fotos halten Gesichter über das ganze Buch konsistent
Bücher von 2 bis 40 Seiten, Ausgabe als PDF oder CBZ
Der interessante Teil ist nicht das Zeichnen, sondern die Konsistenz über 40 Seiten hinweg. Genau daran sind Bildmodelle jahrelang gescheitert. Wer Markenwelten, Schulungsmaterial oder Kundengeschichten visuell erzählt, bekommt hier eine Produktionsstrecke, für die vorher ein ganzes Studio nötig war.
Eine Stufe weiter geht DeepMind: Burt und Ethelle haben sich vor Jahrzehnten kennengelernt, von diesem Tag existiert kein einziges Bewegtbild, nur restaurierte Fotos aus dem Familienarchiv. Genau daraus baut DeepMind eine Szene. Pose-Control-Modelle übertragen Haltung, Eigenarten und Mikro-Mimik der beiden auf die Standbilder, bis aus dem Album ein Moment wird, der laufen lernt. Zu sehen im Dokumentarfilm „Love, Rendered”. Der Sprung liegt nicht in der Bildqualität, sondern im Anspruch: Erinnerung wird zu einem Format, das sich rendern lässt.
UBTECH fertigt Humanoide alle zehn Minuten in Liuzhou
In Liuzhou, Guangxi, läuft eine 14.000 Quadratmeter große Halle an, ausgelegt auf 10.000 Einheiten im Jahr. Taktzeit zehn Minuten, alle zehn Minuten verlässt ein Walker-S-Humanoid die Linie. Bemerkenswert ist die Bauweise: kein Fließband. Statt starrer Förderstrecke übernehmen mobile Manipulatoren und fahrerlose Transportsysteme das Kitting und die Logistik zwischen den Stationen. Die Fabrik ist selbst weitgehend robotisiert, und was am Ende rausfällt, sind wieder Roboter. Das ist der Moment, in dem Humanoide aus der Demo-Phase in die Mengenfertigung kippen: nicht Stückzahl 50 im Pilotprojekt, sondern Serienlogik mit Taktzeit.
Wie das am anderen Ende aussieht, zeigt eine Shanghaier Filiale von Dairy Queen: Sharpas Humanoid North macht dort das komplette Eis, füllt Becher, gibt Toppings drauf, reicht die Bestellung an echte, zahlende Kunden raus. Der interessante Teil ist, was nicht passiert ist. Kein Umbau der Filiale, keine Spezialmaschine, keine angepassten Zutaten. Der Roboter bedient das Equipment, das ohnehin im Laden steht. Genau daran sind humanoide Demos bisher gescheitert. Damit verschiebt sich die Frage: nicht mehr, ob ein Humanoid eine Aufgabe kann, sondern ob er sie zu Personalkosten kann.
Chart des Tages: 244 Milliarden für US-Startups, 7 für deutsche
Quelle: Tracxn India Tech Annual Funding Report 2025
2025 floss Wagniskapital in Tech-Startups vor allem in die USA: 244 Milliarden Dollar und damit das 16-Fache des zweitplatzierten Großbritannien mit 15,2 Milliarden. Indien folgt mit 10,5 Milliarden vor China mit 7,3. Deutschland kommt auf 7,0 Milliarden und liegt auf Platz fünf, knapp hinter China und vor Kanada mit 6,3 Milliarden. Der Abstand zur Spitze ist kein Rückstand um Prozente, sondern um den Faktor 35. Große Finanzierungsrunden werden weiterhin überwiegend in den USA vergeben.
Tool-Empfehlung: RelationFlow
RelationFlow ist ein KI-Workspace für Teams im Mittelstand, der alle großen Modelle und selbst gehostete Endpunkte an einem Ort bündelt. Das Wissen jeder Abteilung wird als gemeinsame Quelle eingebunden, Chats, Agenten und Prompts sind im Team teilbar. Für alle in der KI-Bubble, die nicht nur über Modellwahl reden, sondern das Wissen im eigenen Haus nutzbar machen wollen, mehr Infos: relationflow.io.