OpenAI veröffentlicht GPT-4.5

Willkommen zum KI-Briefing!

In der aktuellen Debatte um AGI und GPT-4.5 auf X zeigt sich eine spannende Dynamik zwischen Fortschrittsoptimismus und methodischer Skepsis. Während einige in der Skalierung bestehender Modelle den Schlüssel zur allgemeinen Intelligenz sehen, mahnen andere, dass fundamentale algorithmische Durchbrüche nötig sind. Besonders diskutiert wird auf der Plattform, ob größere Modelle tatsächlich zu mehr Intelligenz führen – oder ob neue Ansätze wie effizientere Architekturen und verbesserte Schlussfolgerungsfähigkeiten entscheidend sind. Es bleibt auf jeden Fall spannend!

Wenn Sie das KI-Briefing als Bereicherung für Ihren Führungsalltag empfinden, würden wir uns freuen, wenn Sie es an Kollegen, Mitarbeiter oder Vorgesetzte weiterempfehlen. Mit einer wachsenden Leserschaft können wir einzigartigere Inhalte schaffen, die einen direkten Mehrwert für alle bieten. Falls Sie diesen Newsletter weitergeleitet bekommen haben, können Sie sich ganz einfach hier anmelden.

News

OpenAI

Zusammenfassung: OpenAI hat GPT-4.5 als Research-Preview für ChatGPT Pro-Nutzer veröffentlicht. Das Modell soll eine natürlichere Interaktion, ein erweitertes Weltverständnis und eine verbesserte Fähigkeit zur Mustererkennung bieten. Trotz dieser Fortschritte betont OpenAI, dass GPT-4.5 kein sogenanntes Frontier-Modell ist und in vielen Bereichen nicht an reasoning-basierte Modelle wie o1 oder o3-mini heranreicht. Die Einführung erfolgt schrittweise für weitere Nutzergruppen und ist bereits über Microsofts Azure AI Foundry verfügbar.

Warum das wichtig ist: Die Veröffentlichung von GPT-4.5 zeigt, dass OpenAIs Strategie weiterhin auf das schrittweise Hochskalieren von Sprachmodellen setzt, um deren Intelligenz zu steigern. Doch genau dieses Skalierungsprinzip stößt zunehmend auf Herausforderungen. Leopold Aschenbrenners Vorhersagen über exponentielle Fortschritte durch Kombination von mehr Rechenleistung, besseren Algorithmen und optimierter Nutzung von Trainingsdaten bewahrheiten sich nur teilweise. Zwar ist GPT-4.5 in vielerlei Hinsicht leistungsfähiger, doch die erhofften Sprünge in Richtung AGI bleiben derzeit aus.

Technologie

Zusammenfassung: Apple hat angekündigt, in den nächsten vier Jahren über 500 Milliarden US-Dollar in den USA zu investieren. Diese Investition umfasst den Bau einer neuen Produktionsstätte in Houston, Texas, die Verdopplung des US-amerikanischen Advanced Manufacturing Fund auf 10 Milliarden US-Dollar und die Schaffung von 20.000 neuen Arbeitsplätzen, insbesondere in den Bereichen Forschung und Entwicklung, Künstliche Intelligenz und Silizium-Engineering. Diese Maßnahmen zielen darauf ab, die amerikanische Fertigung zu stärken und die technologische Entwicklung voranzutreiben.

Warum das wichtig ist: Apples Investition zeigt, wie die USA gezielt ihre technologische Souveränität stärken. Europa sollte die Chance nutzen und nachzuziehen – mit eigenen Investitionen in Halbleiter, KI und Hochtechnologiefertigung. Durch strategische Industriepartnerschaften und ein innovationsfreundliches Umfeld kann Europa seine Wettbewerbsfähigkeit stärken und technologische Abhängigkeiten reduzieren. Entscheidend ist, jetzt entschlossen zu handeln, um eine starke, eigenständige Digitalwirtschaft zu schaffen.

Cybersicherheit & Quantumcomputing

Zusammenfassung: Das Schweizer Unternehmen SEALSQ hat mit dem QS7001 den weltweit ersten Chip entwickelt, der Daten vor Angriffen durch Quantencomputer schützt. Durch die Integration von quantenresistenten Verschlüsselungsprotokollen wie Kyber und Dilithium sowie eine verkürzte Datenübertragungszeit bietet der QS7001 eine robuste Sicherheit für sensible Informationen. ​

Warum das wichtig ist: Der QS7001-Chip von SEALSQ setzt einen neuen Standard für IT-Sicherheit in der Ära der Quantencomputer, da herkömmliche Verschlüsselungsmethoden bald nicht mehr sicher sein werden. Mit quantenresistenten Algorithmen und einer drastisch reduzierten Datenübertragungszeit bietet er einen effizienten Schutz für kritische Infrastrukturen, Finanzsysteme und sensible Unternehmensdaten. Unternehmen und Institutionen müssen ihre Sicherheitsarchitektur jetzt anpassen – der QS7001 zeigt, dass praxistaugliche Lösungen bereits verfügbar sind - Made in Europe.

KI-Modelle

Zusammenfassung: Anthropic hat mit Claude 3.7 Sonnet sein bisher fortschrittlichstes KI-Modell präsentiert, das als erstes hybrides Reasoning-Modell auf dem Markt sowohl schnelle Antworten als auch detaillierte, schrittweise Überlegungen bietet. Zusätzlich wurde Claude Code eingeführt, ein Kommandozeilen-Tool, das Entwicklern ermöglicht, umfangreiche Programmieraufgaben direkt vom Terminal aus an die KI zu delegieren. Beide Tools sind ab sofort auf verschiedenen Plattformen verfügbar.

Warum das wichtig ist: Claude 3.7 Sonnet und Claude Code stellen einen Fortschritt in der KI-Nutzung dar, indem sie schnelle Antworten mit tiefgehender Analyse kombinieren und die Softwareentwicklung durch direkte Terminal-Integration beschleunigen. Das hybride Reasoning-Modell verbessert die Flexibilität in Forschung und Unternehmensprozessen, während agentische KI-Tools wie Claude Code Entwicklungszyklen optimieren. Unternehmen, die diese Technologien früh adaptieren, können Effizienz steigern und sich einen Wettbewerbsvorteil sichern.

Diffusionstechnologie

Zusammenfassung: Inception Labs, gegründet von Stanford-Professor Stefano Ermon, hat mit Mercury Coder das erste groß angelegte, diffusionsbasierte Sprachmodell (dLLM) vorgestellt. Im Gegensatz zu herkömmlichen Modellen, die Texte sequenziell erzeugen, generiert Mercury Coder Inhalte parallel mittels Diffusionstechnologie. Dies ermöglicht eine bis zu zehnfach höhere Geschwindigkeit und reduziert die Betriebskosten erheblich. ​

Warum das wichtig ist: Die Einführung von Mercury Coder ist ein Wendepunkt in der KI-gestützten Textgenerierung. Diffusionsbasierte Modelle könnten eine neue Paradigma-Verschiebung einleiten, ähnlich wie es Transformer-Modelle zuvor getan haben. Die parallele Verarbeitung ermöglicht nicht nur eine massive Leistungssteigerung, sondern senkt auch die Betriebskosten – ein entscheidender Faktor für die Skalierung von KI-Anwendungen in der Wirtschaft.

Chat GPT

Zusammenfassung: OpenAI hat sein Deep-Research-Feature, ein KI-gestütztes Recherche-Tool, nun für alle zahlenden ChatGPT-Abonnenten verfügbar gemacht. Zuvor war dieses Tool ausschließlich Pro-Nutzern vorbehalten. Mit dieser Erweiterung erhalten Plus-, Team-, Edu- und Enterprise-Abonnenten monatlich 10 Deep-Research-Anfragen, während Pro-Nutzer nun 120 Anfragen pro Monat nutzen können. Zusätzlich wurden Verbesserungen wie eine optimierte Dateianalyse und eingebettete Bilder mit Quellenangaben implementiert.

Warum das wichtig ist: Der erweiterte Zugang zu Deep Research könnte die Arbeitsweise vieler Fachkräfte nachhaltig verändern. Anstatt Stunden mit manueller Recherche zu verbringen, ermöglicht das Tool eine schnelle, fundierte Analyse großer Datenmengen. Besonders in Wissenschaft, Journalismus und Unternehmensstrategie könnte dies zu einem neuen Standard für datengetriebene Entscheidungen führen. Gleichzeitig verschärft sich der Wettkampf zwischen OpenAI und Google um die beste KI-gestützte Rechercheplattform – mit weitreichenden Folgen für die Zukunft digitaler Wissensarbeit.

Finanzdienstleistungen

Zusammenfassung: Das in Zürich ansässige KI-Startup Unique hat in einer Series-A-Finanzierungsrunde 30 Millionen Dollar erhalten, um seine KI-gestützte Plattform für Finanzdienstleistungen weiterzuentwickeln. Die Runde wurde von CommerzVentures und DN Capital angeführt, mit Beteiligung von VI Partners und der Pictet-Gruppe. Unique plant, seine Expansion in den USA zu beschleunigen und seine KI-Plattform weiter auszubauen.​

Warum das wichtig ist: Die Finanzierung von Unique zeigt, dass europäische KI-Startups international wettbewerbsfähig sein können – ein wichtiger Schritt für digitale Souveränität. Besonders in der Finanzbranche sind europäische Lösungen entscheidend, um regulatorische Kontrolle und Datensouveränität zu wahren. Doch die Expansion in die USA birgt das Risiko, dass Wachstum und Kontrolle langfristig ins Ausland verlagert werden. Europa muss daher attraktive Rahmenbedingungen schaffen, um innovative KI-Unternehmen im eigenen Markt zu halten und zu stärken.

Deep Dive

Der Hype um KI-Agenten wächst rasant, doch viele erfolgreiche Implementierungen setzen nicht auf komplexe Frameworks oder spezialisierte Bibliotheken. Stattdessen dominieren einfache, modulare Muster, die Effizienz und Flexibilität vereinen. Aber wann lohnt sich der Einsatz agentischer Systeme wirklich – und wann reicht eine simplere Lösung?

Der Begriff "Agent" wird unterschiedlich definiert. Manche verstehen darunter vollautonome Systeme, die unabhängig über längere Zeiträume arbeiten, während andere ihn für festgelegte Abläufe mit vorgegebenen Regeln nutzen. Entscheidend ist der Unterschied zwischen Workflows und Agenten:

Während Workflows für vorhersehbare, klar definierte Aufgaben ideal sind, bieten Agenten mehr Flexibilität und Anpassungsfähigkeit – allerdings mit höheren Kosten und derzeit potenziell hoher Fehleranfälligkeit.

Beim Entwickeln von LLM-basierten Anwendungen gilt: So einfach wie möglich starten und nur dann komplexer werden, wenn es wirklich nötig ist. Viele Aufgaben lassen sich bereits durch optimierte Einmal-Abfragen mit gut strukturiertem Kontext lösen, ohne agentische Systeme einzusetzen.

Agenten bieten Vorteile, wenn eine Aufgabe schwer vorhersagbare Abläufe hat oder umfangreiche Entscheidungsfindung erfordert. Workflows sind dagegen besser geeignet, wenn Konsistenz und Vorhersehbarkeit im Vordergrund stehen. Die zentrale Frage ist: Wann rechtfertigt der Mehrwert eines Agenten die zusätzlichen Kosten und die potenziellen Fehlerquellen?

Erfolgreiche agentische Systeme basieren auf wiederkehrenden Mustern, die von einfachen Strukturen bis hin zu autonomen Agenten reichen:

Diese Muster lassen sich je nach Anwendungsfall kombinieren und anpassen, um die beste Balance zwischen Genauigkeit, Geschwindigkeit und Kosten zu erreichen.

Zwei Anwendungsbereiche haben sich als besonders vielversprechend für agentische Systeme erwiesen:

Diese Beispiele zeigen, dass agentische Systeme vor allem dort sinnvoll sind, wo sie sowohl Handlungsspielraum als auch messbare Erfolgsindikatoren haben.

Ein leistungsfähiger Agent entsteht nicht durch maximale Komplexität, sondern durch das richtige Design für den jeweiligen Anwendungsfall. Die besten Ergebnisse entstehen, wenn Entwickler drei zentrale Prinzipien beachten:

Frameworks können den Einstieg erleichtern, aber langfristig lohnt es sich oft, Abstraktionsebenen zu reduzieren und Agenten auf Basis grundlegender Bausteine zu entwickeln. So entstehen Systeme, die nicht nur leistungsfähig, sondern auch wartbar, zuverlässig und vertrauenswürdig sind.

Hinweis: Sie wollen noch tiefer in das Thema einsteigen und herausfinden, welche agentischen Muster für Ihr Unternehmen den größten Mehrwert bieten? In KI-Briefing Plus analysieren wir, welche Strategien sich in der Praxis bewähren, welche Fehler vermieden werden sollten und wie Sie KI-Agenten gezielt für Ihren Erfolg einsetzen können. Die Pilot-Gruppe ist streng limitiert – antworten Sie mit 'Warteliste' auf diese E-Mail, um sich einen Platz zu sichern.

In aller Kürze

Videos & Artikel

Umfrage

Ihre Meinung interessiert uns

Ergebnisse der vorherigen Umfrage

Sehen Sie die Entwicklungen in den Vereinigten Staaten als Chance oder als Risiko für europäische Souveränität im 21. Jahrhundert?

🟨🟨🟨⬜️⬜️⬜️ 🌍 Einmalige Chance zur Unabhängigkeit
🟩🟩🟩🟩🟩🟩 ⚖️ Überwiegend vorteilhaft
🟨🟨🟨🟨🟨⬜️ ⚠️ Überwiegend riskant
🟨⬜️⬜️⬜️⬜️⬜️ 🚨 Existenzielle Abhängigkeit

Meinung der Redaktion

Persönliche Nachricht unseres Co-Founders: Was ich nicht verstehe ist folgendes: GPT 4,5 ist jetzt vielleicht 10x größer als 4o, aber was genau sind die neuen Daten die ins das Training eingeflossen sind, die davor nicht drinnen waren. Das gesamte Internet, alle wissenschaftlichen Paper (vgl. Antibiotika AI Research am Imperial College letzte Woche), wahrscheinlich YouTube Transkripte mit Millionen Tutorials, Kooperationen mit Fachverlagen und Tageszeitungen (oder X Daten in Grok 3) etc. 

So viel Information, die wir Menschen benötigen um unsere Zivilisation zu managen, die ganze zwischenmenschliche Kommunikation, Intuition, Empathie (persönliche Therapiegespräche, intime Konflikte, echte Verhandlungsprozesse in Boardrooms) sind zwar keine unmittelbar wertschöpfende wirtschaftliche Tätigkeit, aber essenziell z.B wenn Menschen Deals machen oder in der Diplomatie etc. die ja dann doch wieder unfassbar wertvoll sind. Diese Daten werden ja in unseren menschlichen Gehirnen „gehostet“ und sind in keinem KI-Modell oder Rechenzentrum. 

Ich glaube ein riesiger Schritt in Richtung AGI wäre, wenn man private User Daten aus Produkten wie ChatGPT zum Training von z.B. GPT-6 hernehmen dürfte. Was wir bzw. Leute mit denen ich spreche, alles mit ChatGPT besprechen ist verrückt. Unfassbar private Sachen. Der Datensatz ist so unglaublich wertvoll. Der AI Act und die DSGVO verbieten das. Aber wenn ihr mich fragt wäre ich gegen AGI, auch wenn das Tech-Mogule wie Elon Musk im Silicon Valley cool finden würden. Wir sollten die kritischen Jobs wo wichtige Entscheidungen getroffen werden, beim Menschen lassen auch wenn es technisch möglich wäre. 

Der Grund ist, dass wir Menschen fähig sind „Moral-Reasoning“ zu machen. Ich hab Hoffnung, dass wir eines Tages das aktuelle Experiment, das in der Welt läuft die liberale Demokratie gegen autokratische Systeme auszutauschen wieder überwinden werden. Wenn wir alle Entscheidungen in KI-Systeme geben, dann wird das aktuelle Wertesysteme in die Entscheidungsalgorithmen „gefrozen“. Es kann sich selber nicht updaten und wir Menschen haben keine Kontrolle. Ich fände das ein sehr gewagtes Experiment von dem die Menschheit sich eventuell nie erholen wird. Man sollte zumindest erst nachdenken ob wir ein moral-reasoning-fähiges System entwickeln können das mit unseren Wertvorstellungen übereinstimmt.

Auch deine Support Tweets @Anonym deuten darauf hin, dass unsere Daten schon für Modell-Training verwendet werden. Wahrscheinlich ignorieren die US-Tech Konzerne den AI Act einfach. Man muss nur hören was J.D Vance am AI-Summit in Paris gesagt hat.

Oder wir seht ihr das?

Und was ist Ihre Meinung? Hier gibt es kein richtig oder falsch sondern die Frage ist “In was für einer Welt wollen wir leben?”. Wollen Sie Ihre Meinung hier veröffentlichen? Schreiben Sie uns gerne eine E-Mail, indem Sie einfach auf diese Mail antworten.

Praxisbeispiel

Der effektive Einsatz von Künstlicher Intelligenz in Unternehmen entscheidet sich nicht an der Technologie selbst, sondern an der Kompetenz der Anwender, sie richtig zu orchestrieren. Während KI-Modelle einzelne Aufgaben mit hoher Präzision ausführen, bleibt das Meta-Verständnis des gesamten Workflows eine menschliche Verantwortung.

KI kann isolierte Aufgaben übernehmen – die Definition des Problems, die strategische Steuerung und die Einordnung der Ergebnisse erfordern jedoch eine übergeordnete Perspektive, die KI derzeit nicht beherrscht:

Unternehmen, die KI lediglich unstrukturiert hier und da als Tool für einzelne Arbeitsschritte einsetzen, schöpfen deren Potenzial nicht aus. Erst durch die bewusste Steuerung aller Prozesskomponenten entsteht ein durchgängiger, zielgerichteter Workflow.

Ein Strategieberater eines mittelständischen Unternehmens soll eine Marktanalyse für nachhaltige Verpackungen erstellen. Ziel ist es, in kurzer Zeit ein belastbares Bild über Marktgröße, Wettbewerber und Branchentrends zu erhalten – und die Ergebnisse in einer Management-Präsentation aufzubereiten.

1. Problemstrukturierung und Zielsetzung
Bevor KI eingesetzt wird, definiert der Berater die Rahmenbedingungen:

Bereits hier zeigt sich die Rolle des Menschen: KI kann keine Zieldefinition übernehmen, sondern nur innerhalb der gesetzten Parameter arbeiten.

2. Effektives Prompting zur Steuerung der KI
Anstatt eine vage Anfrage wie „Gib mir eine Marktanalyse für nachhaltige Verpackungen“ zu stellen, wird eine präzise, strukturierte Formulierung genutzt:

"Erstelle eine Marktanalyse für nachhaltige Verpackungen in Europa. Identifiziere 1) Marktgröße und Wachstum 2020-2025, 2) die fünf größten Wettbewerber mit Marktanteilen, 3) aktuelle regulatorische Trends. Format: Detaillierte Ausarbeitung für eine Management Summary."

Die Qualität der KI-Antwort hängt maßgeblich von der Klarheit des Prompts ab und kann aus mehreren Teil-Anfragen bestehen, die dann zusammengefügt werden müssen.

3. Auswahl des passenden Modells für die jeweilige Aufgabe
Je nach Fragestellung wählt der Berater unterschiedliche KI-Modelle:

Diese bewusste Differenzierung vermindert ineffiziente oder fehlerhafte Ergebnisse.

4. Nutzung spezifischer KI-Funktionalitäten zur Effizienzsteigerung
Während des Arbeitsprozesses erkennt der Berater spezifische Anforderungen:

KI ist in der Lage, diese spezialisierten Aufgaben präzise auszuführen – doch die Entscheidung, wann welche Funktion zum Einsatz kommt, erfordert menschliches Prozessverständnis.

5. Validierung und Interpretation der KI-Ergebnisse
Die gesammelten Daten werden daraufhin überprüft:

KI kann Fakten liefern, aber keine kritische Einordnung vornehmen. Hier beobachten wir in unseren Workshops oft eine Art KI-Fatigue nach dem Motto “wird schon stimmen”.

6. Automatische Formatierung und Ausgabe der Analyse
Abschließend könnte ein Custom GPT genutzt werden, um den Bericht effizient in verschiedene Ausgabeformate zu überführen:

Anstatt diese Formate manuell zu erstellen, übernimmt KI die Strukturierung und spart wertvolle Zeit.

Die Marktrecherche konnte in einem Bruchteil der Zeit erstellt werden – nicht, weil KI allein die Arbeit übernahm, sondern weil sie gezielt orchestriert wurde.

KI ist unschlagbar in den Einzelschritten:

Doch der Mensch bleibt der Architekt:

Die Unternehmen, die KI heute nur als isoliertes Tool sehen, nutzen nur einen Bruchteil ihres Potenzials. Der wahre Produktivitätsgewinn entsteht erst, wenn Führungskräfte lernen, sie strategisch zu steuern und Ihre Mitarbeiter auf diesem Niveau weiterbilden.

Während viele KI heute nur für operative Tätigkeiten nutzen, wird der entscheidende Wettbewerbsvorteil darin liegen, die Technologie als integrierten Bestandteil des strategischen Arbeitsprozesses zu verstehen.

Der Unterschied liegt nicht in der KI selbst – sondern in der Fähigkeit, sie gezielt und durchdacht zu orchestrieren.

Wir geben in ausgewählten Unternehmen Workshops, um Teams im präzisen Einsatz von KI auf das nächste Level zu heben. Kontaktieren Sie uns, um Möglichkeiten einer Zusammenarbeit zu besprechen.

Hinweis: Sie wollen KI nicht nur nutzen, sondern strategisch steuern? In KI-Briefing Plus zeigen wir, wie Unternehmen KI gezielt orchestrieren, um Effizienz und Entscheidungsqualität zu maximieren – mit praxisnahen Analysen, konkreten Anwendungsfällen und Best Practices. Die Pilot-Gruppe ist streng limitiert – antworten Sie mit "Warteliste" auf diese E-Mail, um sich einen der begehrten Plätze zu sichern.

YouTube

Europa, einst die Wiege wegweisender Innovationen wie der Druckerpresse und der Dampfmaschine, hinkt heute im Technologiebereich hinterher. Während die USA mit Google, Apple und Microsoft dominieren und Asien Unternehmen wie Tencent und Samsung hervorbringt, fehlt Europa ein vergleichbarer Tech-Riese. Selbst Erfolgsgeschichten wie Spotify verlegen ihre Unternehmenssitze in die USA, wo bessere Wachstumsbedingungen herrschen.

Ein Hauptproblem ist die strenge Regulierung und die hohe Steuerlast in Europa. In Ländern wie Deutschland oder Frankreich zahlen Tech-Fachkräfte nahezu 50 % Steuern, während es in den USA nur etwa 37 % sind. Dies führt dazu, dass hochqualifizierte Talente ins Silicon Valley oder Austin abwandern, um dort bessere Karrierechancen und höhere Einkommen zu erzielen. Der Brain Drain schwächt die europäische Tech-Branche zusätzlich und macht es für Start-ups nahezu unmöglich, mit den finanziell überlegenen US-Unternehmen zu konkurrieren.

Doch es ist nicht nur die Politik – auch die Kultur spielt eine entscheidende Rolle. In den USA werden Unternehmer gefeiert, Start-ups gelten als Motor für Fortschritt. In Europa hingegen herrscht oft Skepsis gegenüber Gründern, was Innovationen bremst. Statt eine eigene Tech-Industrie aufzubauen, konzentriert sich die EU zunehmend darauf, amerikanische Konzerne durch Regulierung in Schach zu halten.

Um aufzuholen, müsste Europa grundlegende Veränderungen vornehmen: Weniger Bürokratie, niedrigere Steuern und eine Kultur, die Unternehmertum fördert. Ohne diesen Wandel bleibt der Kontinent ein Zuschauer, während andere Regionen die digitale Zukunft gestalten.

Cartoon

... werfen wir einen Blick auf die wichtigsten AI-Hubs in Europa: Wo entstehen die innovativsten KI-Startups? Welche Städte und Regionen treiben die Forschung und Entwicklung maßgeblich voran? Und was macht diese Standorte besonders attraktiv für Talente und Investitionen?

Wir freuen uns, dass Sie das KI-Briefing regelmäßig lesen. Falls Sie Vorschläge haben, wie wir es noch wertvoller für Sie machen können, spezifische Themenwünsche haben, zögern Sie nicht, auf diese E-Mail zu antworten. Bis zum nächsten mal mit vielen neuen spannenden Insights.

Schreiben Sie uns auf WhatsApp! Wir nehmen dort Feedback und Fragen entgegen - klicken Sie auf das Icon und Sie sind direkt mit uns im Gespräch.