Microsoft wirbt mit sauberen KI-Daten, das eigene Paper sagt das Gegenteil
Microsofts Daten-Widerspruch; Apple bringt KI auf hunderte Millionen iPhones; lokale Modelle knacken 71 Prozent
Microsoft zeigt auf der Build 2026 sieben eigene KI-Modelle und wirbt mit sauber lizenzierten Daten, doch das technische Paper erzählt eine andere Geschichte. Parallel bringt Apple seine Intelligenz direkt ins Betriebssystem von hunderten Millionen Geräten, während eine Stanford-Studie belegt, dass lokale Modelle inzwischen 71,3 Prozent aller Alltags-Anfragen korrekt beantworten.
Microsofts Daten-Versprechen widerspricht dem eigenen Paper
Auf der Build 2026 präsentierte Microsoft sieben komplett selbst gebaute KI-Modelle, trainiert auf angeblich enterprise-grade, sauberen und kommerziell lizenzierten Daten. Der Pitch zielte direkt auf Banken, Kliniken, Versicherer und Behörden, die wegen laufender Copyright-Klagen genau wissen müssen, woher ihre Trainingsdaten stammen. Das technische Paper zu MAI-Thinking-1 erzählt eine andere Geschichte: Die Pipeline startet mit 1,2 Billionen aus dem offenen Web gecrawlten Seiten, nach Filterung bleiben 794 Milliarden. Dazu kommen 24,2 Milliarden Seiten aus Common Crawl, einem Archiv ohne Lizenzgarantie, das selbst im Zentrum mehrerer Copyright-Klagen steht. Im Hintergrund zwingt die Trennung von OpenAI im April 2026 Microsoft, eigene Modelle im Eiltempo zu liefern.
Lokale Modelle beantworten 71,3 Prozent aller Alltags-Anfragen korrekt
Eine neue Stanford-Studie zerlegt das Narrativ, dass man für jede Aufgabe ein Frontier-Modell braucht. Lokal laufende Modelle beantworten heute 71,3 Prozent realer Chat- und Reasoning-Anfragen korrekt, 2023 waren es noch magere 23,2 Prozent, und das zu einem Bruchteil der Kosten und des Energieverbrauchs einer Frontier-API. Die Konsequenz ist eine multi-modell-Welt: klein, offen und lokal für den Großteil der Workloads, die teure API nur dann, wenn wirklich kein Weg daran vorbeiführt. Für Unternehmen heißt das Datenhoheit und Kostenkontrolle ohne Qualitätsverlust.
Coding-Agenten teilen jetzt ein kollektives Gedächtnis
Hivemind dreht die Logik um: Statt jedem KI-Agenten einzeln das Arbeiten beizubringen, sammelt das Tool die Traces aus allen Agents, die ein Team einsetzt, von Claude Code über Codex bis Cursor, und destilliert daraus wiederverwendbare Skills. Diese Skills wandern zurück über alle Agents, das geteilte Können wächst mit jeder Aufgabe, alles auf dem eigenen Cloud-Storage. Der eingebaute SkillOpt trainiert die Skills aktiv weiter und liefert harte Zahlen: plus 19,1 Punkte Genauigkeit in Claude Code, plus 24,8 in Codex, in allen 52 getesteten Setups Bestwert oder gleichauf. Open Source, Installation in einer Zeile.
Kimi for Work startet bis zu 300 Agenten lokal auf dem Rechner
Moonshot bringt seinen Agenten als native Desktop-App für macOS und Windows. Bis zu 300 Agenten lassen sich lokal parallel starten, jeder arbeitet eigenständig an seiner Teilaufgabe. Über die WebBridge steuert das System echte Browser, klickt, recherchiert und füllt Formulare wie ein Mensch, ein eigenes Memory-System hält den Kontext über Sessions hinweg. Aus einem Chatfenster wird so eine kleine Belegschaft digitaler Mitarbeiter, die im Hintergrund arbeitet, während man selbst längst beim nächsten Thema ist.
Apple bringt KI direkt ins Betriebssystem von hunderten Millionen iPhones
Mit OS 27 bringt Apple seine KI auf die Geräte von hunderten Millionen Nutzern, und die ersten Demos deuten an, dass diesmal Substanz hinter dem Namen steckt. Statt eines weiteren Chatbots wandert Intelligenz direkt ins Betriebssystem: kontextbewusst, on-device, eng mit den Apps verzahnt, die ohnehin täglich offen sind. Genau dieser Weg, KI unsichtbar im Alltag statt in einem separaten Fenster, könnte der breiten Masse den ersten echten Zugang verschaffen. Niemand muss eine neue App lernen, das vertraute iPhone wird einfach klüger.
NVIDIA überträgt das Foundation-Model-Prinzip auf jede Banküberweisung
Was Sprachmodelle mit Text machen, sollen Transaction Foundation Models mit Geldströmen tun: aus Milliarden einzelner Finanzereignisse, Zahlungen, Überweisungen und Verhaltenssignale ein trainiertes Verständnis bauen statt starrer Regeln. Revolut und Mastercard fahren das bereits auf NVIDIAs Beschleuniger-Stack, trainiert auf den eigenen, proprietären Daten. Das Ergebnis laut NVIDIA: bessere Betrugserkennung, präziseres Credit Scoring, gezieltere Personalisierung als mit klassischen Verfahren. Für jeden, der mit Transaktionsdaten arbeitet, ist das die Ansage, dass das nächste Rennen im Banking nicht über Features läuft, sondern über das Modell, das die Daten wirklich versteht.
Chart des Tages: Copilot führt, Claude Code ist der schnellste Aufsteiger
GitHub Copilot bleibt mit 29 Prozent das meistgenutzte KI-Coding-Tool am Arbeitsplatz. Dahinter wird es eng: Claude Code und Cursor liegen mit jeweils 18 Prozent gleichauf auf Rang zwei. Bemerkenswert ist das Tempo. Claude Code ist in rund einem Jahr von 3 auf 18 Prozent gesprungen, eine Versechsfachung, in den USA und Kanada nutzen es bereits 24 Prozent der Entwickler bei der Arbeit. Dahinter folgen JetBrains AI Assistant mit 9 Prozent, Google Antigravity mit 6, Junie mit 5 und OpenAI Codex mit 3 Prozent.
Humanoide arbeiten jetzt für 1,70 Euro die Stunde
In einem Sonderpreis-Baumarkt läuft Schotti, ein humanoider Roboter auf Basis des Unitree G1, als Verkaufsberater. Kunden fragen, wo ein Produkt liegt, und Schotti führt sie persönlich zum richtigen Regal. Die eigentliche Zäsur steckt in der Rechnung: 1,70 Euro pro Stunde Betriebskosten. Zu dem Preis verschiebt sich die Frage, wo Servicearbeit künftig von Menschen und wo von Maschinen erledigt wird. Erst Tanzdemos auf der Bühne, dann echte Kunden durch den Gang lotsen, als Nächstes Produkte greifen und ausliefern, so sickern Humanoide Schritt für Schritt in die Dienstleistung.
In Shanghai zeigt Matrix Robotics mit MATRIX-3 einen Humanoiden mit weicher Kunsthaut und integrierten Drucksensoren über die gesamte Oberfläche. Berührung wird messbar, Kollisionen werden zur Information statt zum Risiko. Seine Hände greifen Werkzeug genauso sicher wie zerbrechliche Objekte, präzise dosiert. Das ist der Schritt von der Maschine, die nur Kraft kennt, zur Maschine, die Feingefühl entwickelt. Genau hier entscheidet sich, ob Roboter in Fabrik und Haushalt wirklich neben Menschen arbeiten können.
Tool-Empfehlung: CorporateLLM
CorporateLLM ist eine DSGVO-konforme Unternehmens-KI-Plattform, die OpenRouter, Ollama oder jeden OpenAI-kompatiblen Provider in unter einer Minute anbindet und sicher mit dem eigenen Wissen chatten lässt, ab sofort im Free-Plan. Für alle in der KI-Bubble, die lokale Modelle nicht nur diskutieren, sondern im Unternehmen ohne Vendor-Lock-in produktiv einsetzen wollen, ist das ein passender Werkzeugkasten-Eintrag, mehr Infos: corporatellm.de.