OpenAI nimmt keine neuen Pro-Kunden mehr an, weil GPT-6 Astra die Kapazität sprengt. Oracle lässt sich seine Rechenzentren von Kunden vorfinanzieren, Nvidia plant 70 Prozent Wachstum. Dazu kommen ChatGPT für die Finanzbranche, Gemini auf Windows und ein Anthropic-Report über Einzeltäter, die mit KI wie ganze Staatsteams angreifen.
Rechenleistung wird knapp: OpenAI stoppt Pro-Abos, Oracle und Nvidia wachsen
OpenAI nimmt vorerst keine neuen Kunden mehr für das 200-Dollar-Abo an, über das GPT-6 Astra läuft. Codex-Chef Thibault Sottiaux nennt die Nachfrage beispiellos, so etwas habe er selbst in früheren Phasen steilsten Wachstums nicht gesehen. Die Systeme laufen am Anschlag, bestehende Nutzer haben Vorrang.
Sam Altman räumt ein, das sei bitter, aber guter Service für zahlende Kunden gehe vor, bis die Kapazität wieder im Griff sei. Für die Blasen-Debatte ist das ein deutliches Signal: Es fehlt nicht an Nachfrage, sondern an Strom und Chips. Das stärkste Modell ist gerade schlicht nicht zu kaufen.
Quelle: The Information
Oracle wächst im Quartal bis Ende August um 30 Prozent und liegt leicht über der eigenen Prognose. Die eigentliche Geschichte steckt im Cashflow: Kunden finanzieren die Rechenzentren gleich mit, der Engpass liegt bei Beton, Chips und Strom.
Umsatzplus von 30 Prozent, Aktie nachbörslich 4,4 Prozent im Plus
11,4 Milliarden Dollar Vorauszahlungen für gemietete Rechenkapazität
Der operative Cashflow verdoppelt sich durch die Vorauszahlungen
Von 28,5 Milliarden Dollar Quartalsinvestitionen stammen nur 5 Milliarden aus eigener Tasche
Quelle: The Information
Nvidia erwartet im laufenden Geschäftsjahr rund 400 Milliarden Dollar Umsatz. Im nächsten will Jensen Huang noch einmal 70 Prozent drauflegen, das wären etwa 680 Milliarden. Ein System aus 36 Grace-CPUs und 72 Blackwell-GPUs wächst im Verkauf gerade um 27 Prozent pro Monat.
Auf einer Goldman-Sachs-Konferenz begründet Huang das damit, dass Nvidia jedes Rechenzentrumsprojekt der Welt überblickt und jedes Lab beliefert, von OpenAI bis Anthropic. Den Vorwurf der Zirkeldeals kontert er trocken: Ein Dollar rein, hundert kommen zurück, echte Umsatzverträge stünden vor jeder Beteiligung. Eine GPU koste eben nicht mehr 399 Dollar, sondern 8,5 Millionen.
Quelle: TechCrunch
ChatGPT für Finanzteams, Gemini auf Windows, Cursor mit Koordinator-Agent
OpenAI schneidet ChatGPT Work auf die Finanzbranche zu. GPT-6 Astra arbeitet dort nicht mehr nur mit hochgeladenen Dateien, sondern greift auf eingebaute Premium-Finanzdaten zu: Unternehmenskennzahlen von Daloopa, Private-Markets-Deals von PitchBook und den Nachrichtenfluss von LSEG News, alles in einer Oberfläche. Teams sollen darin Research erstellen, Finanzmodelle bauen und maßgeschneiderte Kundenunterlagen erzeugen.
Der wichtigere Teil ist die Prüfbarkeit: Jede Kennzahl und jede Behauptung lässt sich auf den konkreten Absatz oder die Tabelle der Quelle zurückverfolgen, ein Klick auf die Zitation öffnet die Belegstelle als Vorschau. Genau daran hing KI im Finanzbereich bisher fest. Wer ein Modell vor dem Investmentkomitee verteidigt, braucht die Fundstelle, nicht nur die Antwort.
Google hat die Gemini-App für Windows veröffentlicht. Das Tastenkürzel Alt + Space ruft Gemini direkt auf dem Desktop auf, neben den Programmen, in denen ohnehin gearbeitet wird. Entwürfe polieren, lange Dokumente zusammenfassen, Ideen sammeln sowie Bilder und Videos erzeugen, ohne den Browser-Tab zu wechseln. Der Assistent wandert damit vom Webfenster ins Betriebssystem, und genau dort entscheidet sich, welche KI im Arbeitsalltag tatsächlich genutzt wird: die, die nur einen Griff entfernt ist.
Cursor startet Projects und verabschiedet sich vom Chat pro Aufgabe. Stattdessen arbeitet ein einziger Koordinator-Agent in einem dauerhaften Thread. Er ist immer aktiv, verteilt Arbeit proaktiv an Subagenten und verbessert sich mit der Zeit. Die Rolle des Entwicklers verschiebt sich damit weiter: weg vom Prompten einzelner Tasks, hin zum Führen eines kleinen Agenten-Teams, das den Kontext eines ganzen Projekts im Gedächtnis behält.
Anthropic-Report: Einzeltäter greifen mit KI an wie ganze Staatsteams
Anthropic hat seinen Threat-Intelligence-Report vorgelegt: acht Monate, sieben Schadensfelder, von Cyberangriffen über Einflussoperationen bis zu Biologie und Waffen. Der Kernbefund: KI schließt die Lücke zwischen Geheimdienst und Einzeltäter, Kampagnen für ganze Teams fährt heute eine Person.
Eine chinesische Gruppe lieferte in einem Monat mehr als 12 Zero-Day-Funde gegen Sicherheitsprodukte
ShinyHunters-Ableger scannten 1,8 Millionen Android-Apps nach Zugangsdaten
In einem Fall hatten die Angreifer nach 3 Stunden volle Admin-Kontrolle
Alle Operationen sind gestoppt, die Erkenntnisse gingen an Behörden und andere KI-Labs
Quelle: Anthropic
Coding-Agenten: DeepSeek hält stundenlang durch, Token-Sparen bringt kaum etwas
DeepSeek V4.1-Flash bekam in Claude Code einen einzigen Befehl: mit Three.js die realistischste Boeing 747 bauen, das Ergebnis mit eigenen Augen prüfen und erst aufhören, wenn es zu 100 Prozent zufrieden ist. Das Open-Source-Modell läuft daraufhin über Stunden im Loop: ansehen, Defekt finden, heranzoomen, diagnostizieren, reparieren, von vorn.
Genau hier stagnieren viele Modelle schon nach wenigen Runden. V4.1-Flash wird weiter besser und erkennt selbst, woran es als Nächstes arbeiten muss, das mit Abstand stärkste Open-Source-Ergebnis in diesem inoffiziellen Boeing-Benchmark. Die Währung von Agenten ist Ausdauer über den langen Horizont, nicht der einzelne Geistesblitz.
RTK komprimiert Terminal-Ausgaben, bevor der Coding-Agent sie liest, und verspricht bei 79.000 GitHub-Sternen bis zu 60 Prozent weniger Tokens in Claude Code. Quesma hat mit 1.740 Läufen auf Terminal-Bench 2.1 nachgemessen, mit Fable 5.0 in Claude Code und DeepSeek V4 Pro in OpenCode, und findet die Kosten woanders: in den Denkschritten, nicht im Output.
Kosten pro gelöster Aufgabe: Fable 3 Prozent günstiger, DeepSeek 7 Prozent teurer
Terminal-Output macht bei Fable nur 11 Prozent der Input-Tokens aus
Wiederholte Reads laufen als Cache für ein Zehntel des Preises
DeepSeek brauchte mit RTK 18 Prozent mehr Agentenrunden, das frisst die Ersparnis
Quelle: Quesma
Robotik verdient Geld: Skild AI knackt 100 Millionen Dollar Run-Rate
Skild AI kommt zehn Monate nach dem ersten kommerziellen Einsatz auf einen hochgerechneten Jahresumsatz von 100 Millionen Dollar. Über 60 zahlende Kunden, Anfang des Jahres waren es acht. Roboter mit Skild-Hirn montieren Nvidia-Blackwell-Racks und richten Essen an. Fortbewegung macht nur 10 Prozent des Umsatzes aus, der Rest ist Greifarbeit.
Mitgründer Deepak Pathak zielt auf die Demo-Kultur der Branche: Ein glatter Clip verrät nicht, ob ein Roboter die letzten 5 Prozent Zuverlässigkeit im Produktionstakt schafft. Genau dort wird das Geld verdient.
Boston Dynamics hängt Spot mit Orbit 5.2 an Wartungs- und Produktionssysteme (CMMS, MES, EAM), an SPS-Sensorik und Überwachungskameras. Agentische Workflows werten diese Datenströme aus und schicken den Roboter gezielt dorthin, wo gerade etwas auffällt. Die Daten sind neu um Anlagen organisiert statt um Inspektionsrunden.
Die visuelle Inspektion läuft jetzt über Google Gemini, dazu kommen Video-Checks für tropfende Leitungen und rutschende Förderbänder, Gasdetektion für über 20 Gasarten und Teilentladungsmessung. Aus dem Patrouillenhund wird ein Sensor, der selbst entscheidet, wohin er schaut.
Quelle: Bostondynamics
Chart des Tages: Deutschland auf Platz vier bei KI-Tool-Besuchen
Quelle: AITools.xyz, Webtraffic-Daten von Semrush und Ahrefs
Die USA stehen 2025 für 21,4 Prozent aller Besuche auf KI-Tool-Websites, rund 26,9 Milliarden Aufrufe. Dahinter folgen Indien mit 9,5 und Brasilien mit 5,6 Prozent. Deutschland kommt mit 3,6 Prozent und 4,6 Milliarden Besuchen auf Platz vier, noch vor Großbritannien, Frankreich und Japan. China liegt mit 1,9 Prozent nur auf Platz 15. Gezählt wurde Webtraffic, Nutzung über Apps ist nicht enthalten. Für Anbieter von KI-Produkten und KI-Services heißt das: Der deutsche Markt gehört zu den aktivsten Nutzern weltweit.
Tool-Empfehlung: RelationFlow
RelationFlow ist ein KI-Workspace für Teams im Mittelstand: alle KI-Modelle, das eigene Wissen, ein Ort. Er bündelt alle großen Modelle und selbst gehostete Endpunkte, bindet das Wissen jeder Abteilung als gemeinsame Quelle ein und macht Chats, Agenten und Prompts im Team teilbar. Relevant für Unternehmen, die KI nicht länger über verstreute Einzel-Accounts nutzen, sondern als gemeinsames Werkzeug im Team aufbauen wollen, mehr Infos: relationflow.io.