|
|
|
In dieser Ausgabe
Diese Woche zeigt: AI wird produktiv – und die Foundation entscheidet, ob sie im Alltag trägt.
Guten Morgen KI Freunde, der AI-Markt liefert diese Woche gleich mehrere Reality Checks. In der EU gelten neue Transparenzpflichten, Microsoft macht mit Copilot und Azure messbares Geschäft und Anthropic zeigt, wie schnell eine falsch konfigurierte Testumgebung reale Systeme gefährden kann.
Die gemeinsame Lektion: Das Modell allein entscheidet nicht. Klare Regeln, saubere Daten und kontrollierter Betrieb machen aus einer starken Demo ein produktives System. Genau darum geht es auch in der heutigen KI-Notiz – plus drei Maßnahmen, mit denen ihr die richtige Foundation legt.
Heute in Vorsprung mit KI:
- EU-Transparenzpflichten für AI gelten jetzt
- Microsoft zählt mehr als 30 Mio. bezahlte Copilot-Plätze
- Claude-Modelle erreichten in Tests reale Systeme
- Warum „KI-first“ der falsche Ansatz ist
- Community-Erfolg: Marcos BuildMyDiscord wächst auf über 1.500 Euro MRR
|
|
|
|
|
Regulierung & Transparenz
Bildquelle: Europäische Kommission
Kurz gesagt: Seit dem 2. August gelten die Transparenzpflichten aus Artikel 50 des EU AI Act. Anbieter und Betreiber bestimmter AI-Systeme müssen Nutzern nun klarer zeigen, wann AI im Spiel ist.
Details:
- Menschen müssen informiert werden, wenn sie direkt mit einem AI-System interagieren – sofern das nicht ohnehin offensichtlich ist.
- AI-generierte oder manipulierte Bild-, Audio-, Video- und Textinhalte brauchen maschinenlesbare Kennzeichnungen.
- Für Deepfakes, bestimmte Inhalte von öffentlichem Interesse sowie Emotions- und biometrische Kategorisierung gelten zusätzliche Offenlegungspflichten.
Warum das wichtig ist: AI-Transparenz wird in Europa vom freiwilligen Hinweis zur Produktanforderung. Teams müssen Kennzeichnung, Nutzerhinweise und Dokumentation jetzt direkt in ihre Workflows einbauen. Wer das erst nach dem Launch ergänzt, produziert vermeidbare Compliance- und Umbaukosten.
|
|
|
Business & Adoption
Bildquelle: AP Photo / Lindsey Wasson
Kurz gesagt: Microsoft meldet 90 Mrd. US-Dollar Quartalsumsatz. Besonders deutlich wird die AI-Nachfrage bei Azure und Microsoft 365 Copilot.
Details:
- Microsoft Cloud erreichte 59,3 Mrd. US-Dollar Umsatz im Quartal; Azure wuchs um 43 Prozent.
- Azure überschritt erstmals 100 Mrd. US-Dollar Jahresumsatz.
- Microsoft 365 Copilot kommt inzwischen auf mehr als 30 Mio. bezahlte Plätze.
Warum das wichtig ist: AI-Umsatz entsteht nicht nur durch Modellzugang, sondern durch Distribution in bestehende Arbeitsabläufe und die Infrastruktur dahinter. Für Anbieter ist das ein Hinweis: Der wertvollste Platz liegt oft dort, wo Nutzer bereits arbeiten und Daten bereits fließen.
|
|
|
Cybersecurity & Kontrolle
Bildquelle: AP Photo / Patrick Sison
Kurz gesagt: Anthropic hat 141.006 Cybersecurity-Evaluationen untersucht. In sechs Runs erreichten Claude-Modelle wegen einer falsch konfigurierten Testumgebung reale Systeme von drei Organisationen.
Details:
- In einem Fall griff ein Modell auf eine echte Datenbank zu; in einem anderen landete ein schädliches Python-Paket auf 15 realen Systemen.
- Ein weiterer Run scannte rund 9.000 Ziele im Internet.
- Die üblichen Schutzmaßnahmen aus Anthropics Produktivsystemen waren in der Evaluation nicht aktiv. Das Unternehmen beschreibt die Vorfälle primär als Harness- und Betriebsfehler.
Warum das wichtig ist: Leistungsfähige Agents verstärken jede Fehlkonfiguration. Sandboxes, Netzwerkgrenzen, Berechtigungen und Monitoring sind deshalb keine Details nach dem Modelltest, sondern Teil des Produkts. Der Vorfall ist kein Beleg für ein eigenes Angriffsziel der Modelle – aber ein deutlicher Beleg für die Risiken schlecht kontrollierter Umgebungen.
|
|
|
Tool-Radar
Qwen3.8-Max – Alibaba hat am 3. August sein bisher leistungsfähigstes Qwen-Flaggschiff veröffentlicht. Das multimodale MoE-Modell hat 2,4 Billionen Parameter, 1 Mio. Token Kontext und unterstützt Thinking, Function Calling sowie eingebaute Tools.
Microsoft Project Perception – spezialisierte Red-, Blue- und Green-Team-Agents prüfen, verteidigen und überwachen AI-Systeme. Die öffentliche Vorschau startet heute.
GitHub Copilot Code Review – Agent Skills und MCP sind allgemein verfügbar. Teams können Reviews damit um eigene Regeln, Tools und Repository-Kontext erweitern.
GPT-5.6 wird günstiger und schneller – OpenAI senkt den API-Preis von Luna um 80 Prozent und von Terra um 20 Prozent. Für Sol liefert der neue Fast Mode laut OpenAI bis zu 2,5-mal schnellere Antworten.
|
|
|
Was auffällt
Open-Weight Agents holen weiter auf – DeepSeek veröffentlicht die finale Version von V4 Flash unter MIT-Lizenz. Das deutlich kleinere Modell liegt in mehreren vom Hersteller veröffentlichten Agent-Benchmarks sogar vor der größeren V4-Pro-Preview.
AI-Security wird offener – NVIDIA und Partner starten eine Allianz für offene defensive Tools, Testumgebungen und Forschungsstandards. Schutz soll damit schneller zwischen Unternehmen übertragbar werden.
Europa plant sieben AI-Gigafactories – 10 Mrd. Euro öffentliche Finanzierung sollen weitere 20 Mrd. Euro privates Kapital mobilisieren. Jede Anlage ist für mehr als 100.000 AI-Chips ausgelegt.
|
|
|
GitHub Repo der Woche
Bildquelle: GitHub
Buzz ist ein selbst hostbarer Workspace, in dem Menschen und AI Agents gemeinsam in Räumen arbeiten. Agents können Repositories öffnen, Patches erstellen, Code prüfen, Workflows ausführen und ihre Aktionen in einem signierten Event Log dokumentieren.
Warum beliebt: Das Repo verbindet Zusammenarbeit mit Nachvollziehbarkeit. Codex, Claude Code und Goose lassen sich über ACP oder MCP anbinden, während ein gemeinsamer Audit Trail sichtbar macht, welcher Mensch oder Agent was verändert hat.
|
|
|
KI-Notizen
Warum „KI-first“ der falsche Ansatz ist
Notiz: Viele Unternehmen starten ihre AI-Initiative mit der falschen Frage: Welches Modell sollen wir einsetzen? Dann entstehen Chatbots, Copilots und Agents, bevor geklärt ist, welches Problem sie lösen, welche Daten sie brauchen und wer das Ergebnis verantwortet.
Das Resultat ist fast immer dasselbe: Die Demo sieht gut aus, doch im Alltag fehlen aktuelle Daten, eindeutige Begriffe, saubere Zugriffsrechte und ein messbares Ziel. Bei Daten gilt weiter: Shit in, shit out. Ein leistungsfähigeres Modell macht schlechte Eingaben nicht verlässlich gut – es formuliert das falsche Ergebnis höchstens überzeugender.
Die Zahlen passen dazu. Gartner erwartet, dass mindestens die Hälfte der GenAI-Projekte nach dem Proof of Concept aufgegeben wird. Als Gründe nennt Gartner unter anderem schlechte Datenqualität, unklare Business Value, fehlende Risk Controls und steigende Kosten. Google Cloud kommt aus der Datenperspektive zum gleichen Punkt: Agents brauchen nicht einfach mehr Daten, sondern verlässliche Datenprodukte mit Ownern, Kontext, SLAs und Governance.
Drei Tipps, die das Problem lösen:
- 1. Vom Geschäftsproblem rückwärts planen: Definiert zuerst eine konkrete Entscheidung oder Aufgabe, den aktuellen Aufwand und eine Erfolgsmetrik. Beispiel: nicht „Wir brauchen einen Support-Agent“, sondern „Wir wollen die Erstlösungsquote erhöhen, ohne die Eskalationsrate zu verschlechtern.“ Erst danach werden Modell und Workflow ausgewählt.
- 2. Datenqualität als Produkt behandeln: Legt für jede wichtige Datenquelle einen Owner fest. Messt Aktualität, Vollständigkeit, Eindeutigkeit und Zugriffsrechte. Dokumentiert, welche Quelle bei Widersprüchen gilt. Ohne diese Verantwortung wird aus einem Datenproblem später ein AI-Problem, obwohl das Modell gar nicht die Ursache ist.
- 3. Einen kontrollierten Production Loop bauen: Testet den Workflow mit echten Grenzfällen, protokolliert Ein- und Ausgaben, überwacht Qualität, Kosten und Fehler und definiert klare menschliche Freigaben. NIST betont, dass Monitoring nach dem Deployment nötig ist, weil Drift, Logging-Lücken und Feedback-Loops erst im laufenden Betrieb sichtbar werden.
Ein einfacher Test: Kann das Team erklären, welche Daten eine Antwort tragen, wer diese Daten verantwortet, wie Fehler erkannt werden und wann ein Mensch übernimmt? Wenn nicht, ist das Projekt noch nicht bereit für Production – unabhängig davon, wie gut die Demo wirkt.
Takeaway: Nicht KI-first, sondern Problem-, Daten- und Betriebs-first. Wer diese Foundation legt, kann Modelle später austauschen und schneller skalieren. Wer sie überspringt, baut eine teure Demo.
|
|
|
Community-Erfolg
Bildquelle: Marco / Community
Story: Marco aus der Nähe von Zürich war einer meiner ersten Follower. Nebenbei hat er als Solo-Founder BuildMyDiscord aufgebaut. Im letzten Monat lag das Business noch bei rund 600 Euro Monatsumsatz, inzwischen sind es etwa 1.500 Euro – mit starkem Wachstum über SEO und GEO, also Sichtbarkeit in Suchmaschinen und AI-Antworten.
Das Produkt löst ein klares Problem: Wer keine Erfahrung mit Discord-Servern hat, beschreibt den gewünschten Server in einem Satz. Die AI baut in rund drei Minuten Channels, Rollen, Rechte und Bot. Danach bleibt ein AI-Editor als Chat im Server und setzt Änderungen auf Zuruf live um. Das hilft also nicht nur beim ersten Aufbau, sondern auch bei der laufenden Verwaltung.
Laut Marco haben 9.500 Nutzer bereits mehr als 10.000 Server gebaut. Auf der Plattform stehen über 1.600 verifizierte Reviews mit durchschnittlich 4,8 von 5 Punkten. Das Tool unterstützt 12 Sprachen, der Bot ist offiziell von Discord verifiziert und im Hintergrund laufen rund 2.400 automatische Tests.
BuildMyDiscord ist kostenlos und ohne Kreditkarte testbar. Pro kostet 9,99 US-Dollar, Business 24,99 US-Dollar pro Monat. Dass sogar ChatGPT das Tool Nutzern empfiehlt, zeigt, wie gut Marcos GEO-Strategie inzwischen funktioniert.
Lerneffekt: Marco hat das Produkt über Monate nebenbei verbessert und ist drangeblieben, als der erste Verkauf im März noch der einzige des Monats war. Jetzt zahlt sich die Arbeit aus. Ein enger Use Case, echte Nutzerbelege und kontinuierliche Sichtbarkeit können stärker wachsen als ein lauter Launch.
|
|
|
Abschluss
Das war's für diese Woche.
Wenn du eine spannende Tool-Entdeckung, eine Frage oder eine eigene Erfolgsgeschichte hast, schick sie mir gern direkt zu.
Wenn du bei einem KI-Thema Unterstützung suchst oder eine Zusammenarbeit im Kopf hast, melde dich gern. Aktuell sind kaum Kapazitäten frei; wenn es passt, komme ich auf dich zurück.
|
|
|