Guten Morgen,

die vergangene Woche war geprägt von der wachsenden Polarisierung rund um KI-Infrastruktur: Während die USA ihre Exportkontrollen für Hochleistungs-Chips nach China verschärfen, formiert sich gleichzeitig globaler Widerstand gegen den ungebremsten Ausbau von Rechenzentren. Dahinter steht ein grundlegender Zielkonflikt – zwischen technologischem Fortschritt und den ökologischen sowie politischen Folgen dieser Entwicklung. Für europäische Entscheider wird es dabei immer wichtiger, eigene Standards zu setzen.

Sicherheitslücken im Code zu finden ist eine Sache – sie schnell und nachvollziehbar zu schließen eine andere. eBiz Consulting zeigt morgen, am 18. November um 12 Uhr, wie der KI-Agent Devin den ganzen Weg übernimmt: vom Finding zum Fix. 

Damit das KI-Briefing für Sie maximal nützlich bleibt, freuen wir uns über Ihr Feedback. Teilen Sie uns gerne mit, welche Impulse für Sie am wertvollsten sind – und helfen Sie dabei, unser Briefing in Ihrem Netzwerk bekannt zu machen. Gemeinsam können wir eine Community aufbauen, die voneinander lernt und sich gegenseitig stärkt. Falls Sie diesen Newsletter weitergeleitet bekommen haben, können Sie sich ganz einfach hier anmelden.

Was Sie in diesem Briefing erwartet

  • News: US-Kongress beschleunigt KI-Chip-Restriktionen für China, US-Demokraten planen KI-Gesetzesoffensive im neuen Kongress, Jensen Huangs Rücktritt wirft Fragen zu Nvidias Open-Source-Strategie auf, Proteste stoppen Microsoft-Rechenzentrumsbau in Amsterdam, Microsoft 365-Störung betrifft Outlook, Teams und Copilot, Anthropic startet selbstgehostete Claude Managed Agents & Anthropic macht Claude durch „Dreaming" zum lernfähigen Agenten

  • Deep Dive: Wenn die Diagnose falsch ist, hilft auch die beste Lösung nicht: Wie Unternehmen das Kernproblem hinter den Symptomen finden

  • In aller Kürze: Analyse beweist Umgehung durch chinesische Spitzenmodelle, Anthropic investiert 3,4 Mrd in Gaskraftturbinen für Rechenzentren, Google erweitert TPU-Portfolio für Agenten-Ära, Technologiekonzern veröffentlicht Gemini 4 Carbon als leistungsstärkstes Modell & Sierra veröffentlicht Version 1.0 des Personal Agent Protocol Poppy für standardisierte Interaktionen zwischen persönlichen KI-Agenten und Unternehmen

  • Videos & Artikel: Experten raten zu spezialisierten Industriemodellen für europäische Souveränität, forensische Analyse bestätigt Nvidia-Chip-Nutzung in chinesischen Modellen, US-Unternehmen verkaufen RL-Umgebungen für 500 Mio Dollar jährlich an China, USA könnten 2028 Nettoimporteur von KI-Tokens werden, demokratische Mehrheit im Kongress treibt Regulierungsängste für KI-Infrastruktur voran

  • Praxisbeispiel: KI-gestützte Unternehmensprofile in ChatGPT: Direkter Kundendialog und Echtzeit-Insights

  • Umfrage: Sehen Sie in Open-Source-KI eine Chance für mehr Innovation – oder ein Risiko für Sicherheit und Compliance?

Exportkontrollen

US-Kongress beschleunigt KI-Chip-Restriktionen für China

Quelle: Shutterstock

Zusammenfassung: Nach Jensen Huangs Rücktritt als Nvidia-CEO wegen einer Affäre mit einer mutmaßlichen chinesischen Spionin wächst die parteiübergreifende Unterstützung für strengere Exportkontrollen für KI-Chips nach China. Sowohl der amtierende republikanische Sprecher Mike Johnson als auch der designierte demokratische Sprecher Hakeem Jeffries befürworten Maßnahmen wie den AI OVERWATCH Act und Chip Security Act, die im NDAA verankert werden sollen.

  • Gesetzesinitiativen: Die vorgeschlagenen Gesetze behandeln Chip-Verkäufe wie Rüstungsexporte, verschärfen die Bekämpfung von Schmuggel und schränken den Fernzugriff auf KI-Technologie über Cloud-Dienste ein.

  • Präsident Trumps Position: Trump hatte 2025 Bidens Chip-Exportbeschränkungen aufgehoben und unterstützt Huang weiterhin, was zu Spannungen im Weißen Haus führt, insbesondere zwischen Finanz- und Handelsministerium.

  • Megaspeed-Skandal: Das Unternehmen, bei dem die mutmaßliche Spionin Alice Huang tätig war, steht im Verdacht, Nvidia-Chips nach China umgeleitet zu haben.

Warum das wichtig ist: Die wachsende Einigkeit im Kongress signalisiert eine Verschärfung der US-KI-Exportpolitik, die über parteipolitische Grenzen hinweg getragen wird. Für europäische Unternehmen könnte dies die Verfügbarkeit von High-End-Chips weiter einschränken und die Abhängigkeit von US-Lieferketten erhöhen. Gleichzeitig könnte der Druck auf die EU steigen, eigene Restriktionen zu erlassen oder sich an US-Standards anzupassen. Langfristig könnte dies die globale Fragmentierung des KI-Marktes beschleunigen, mit Auswirkungen auf Innovationsdynamik und Wettbewerbsfähigkeit.

In Kooperation mit REMIRA

KI-Prognosen lösen Konflikt zwischen Servicegrad und Kapitalbindung

Quelle: REMIRA

Zusammenfassung: REMIRA lädt zum kostenfreien Webinar „Absatzprognose & Bestandsmanagement" am 3. Dezember um 10 Uhr ein. Im Fokus steht die Frage, wie KI-gestützte Absatzprognosen den vermeintlichen Zielkonflikt zwischen Liefertreue und Kapitalbindung auflösen. Anhand typischer Praxisszenarien aus Handel, Großhandel und Ersatzteillogistik zeigt Christopher Lindner, Head of Presales Supply Chain bei REMIRA, wie beide Stellschrauben gleichzeitig verbessert werden – statt nur die eine zugunsten der anderen zu optimieren.

  • Der Denkfehler im klassischen Trade-off: „Mehr Service gleich mehr Bestand" stimmt nur bei ungenauen Prognosen. Das Webinar zeigt, warum treffsichere KI-Prognosen Sicherheitsbestände gezielt dort reduzieren, wo sie unnötig sind – und dort erhöhen, wo es zählt.

  • Artikelspezifische Steuerung statt Pauschallösungen: Pauschal-Servicegrade über alle Artikel hinweg verbrennen Kapital. Das Webinar zeigt, wie differenzierte Strategien das lösen und wie frühzeitige Erkennung von Nachfrageverschiebungen teure Last-Minute-Entscheidungen vermeidet.

  • Schneller ROI mit klarer Mechanik: In mehreren REMIRA-Projekten der vergangenen Monate zeigte sich ein wiederkehrendes Muster: deutliche Reduktion der Kapitalbindung bei gleichzeitig stabilem oder steigendem Servicegrad – mit Amortisation typischerweise innerhalb weniger Monate.

Warum das wichtig ist: Viele Planungsteams jonglieren den Bestandskonflikt noch mit Erfahrungswerten und Excel-Tabellen, die weder Nachfrageschwankungen noch Sortimentskomplexität wirklich abbilden können. Für Geschäftsführung, CFO-nahe Rollen und Supply-Chain-Verantwortliche, die komplexe Sortimente planen, liefert das Webinar praxisnahe Einblicke ohne Software-Vorführung. Das Format richtet sich explizit an Unternehmen, die noch keine REMIRA-Lösung im Einsatz haben.

Regulierung

US-Demokraten planen KI-Gesetzesoffensive im neuen Kongress

Quelle: Shutterstock

Zusammenfassung: Nach ihrem Sieg bei den Zwischenwahlen bereiten die US-Demokraten für Januar eine Reihe von KI-Gesetzesvorhaben vor. Geplant sind Schutzmechanismen gegen steigende Strompreise durch Rechenzentren, verpflichtende unabhängige Prüfungen fortgeschrittener KI-Modelle und klarere Haftungsregeln für Schäden durch KI-Systeme. Senator Chuck Schumer dürfte Mehrheitsführer werden und priorisiert die Energiekostenfrage. Abgeordnete wie Lori Trahan und Zoe Lofgren treiben Haftungs- und Sicherheitsregulierung voran. Präsident Trump lehnt verbindliche KI-Regeln weiterhin ab, wodurch die Erfolgsaussichten gering bleiben. Tech-Aktien gaben am Donnerstag deutlich nach.

  • Drei Regulierungsschwerpunkte: Verbraucherschutz bei Energiekosten, unabhängige Sicherheitstests für Frontier-Modelle und präzisierte Produkthaftung bilden das Kernpaket. Abgeordneter Abdul El-Sayed fordert zusätzlich eine eigenständige KI-Aufsichtsbehörde mit Sanktionsbefugnissen.

  • Ausschussmacht als Hebel: Auch ohne Gesetzesmehrheit ermöglicht die Kontrolle der Ausschüsse Anhörungen unter Eid. Greg Casar kündigte an, KI-Führungskräfte vorzuladen; im Oktober forderten Demokraten bereits Sicherheitsberichte von OpenAI, Anthropic, Meta, Google und SpaceX.

  • Umgehungswege trotz Veto: Analysten verweisen auf die Option, KI-Klauseln in jährliche Pflichtgesetze einzufügen. Laut Reuters-Umfrage vom Oktober hält eine Mehrheit der Wähler die aktuelle Regulierung für unzureichend.

Warum das wichtig ist: Der US-Regulierungsdiskurs könnte sich grundlegend verschieben, selbst wenn kurzfristig kaum Gesetze verabschiedet werden. Anhörungen unter Eid erzeugen öffentlichen Druck und produzieren Belege, die spätere Gesetzgebung oder Klagen stützen. Für europäische Entscheider verändert sich damit die geopolitische Lage: Das transatlantische Regulierungsgefälle, das US-Anbietern bislang einen Geschwindigkeitsvorteil gegenüber EU-Wettbewerbern verschaffte, dürfte schmaler werden. Zugleich rückt die Energiefrage ins Zentrum. Werden Rechenzentrumskosten politisiert, verschiebt das die Standortökonomie. Die Marktreaktion am Donnerstag deutet an, dass Investoren den Kapitalbedarf des KI-Ausbaus neu bewerten.

Open Source

Jensen Huangs Rücktritt wirft Fragen zu Nvidias Open-Source-Strategie auf

Quelle: Shutterstock

Zusammenfassung: Nvidia-CEO Jensen Huang trat nach Enthüllungen über eine Affäre mit einer mutmaßlichen chinesischen Spionin zurück. Huang war ein zentraler Fürsprecher für Open-Source-KI, die er als Hebel für Sicherheit, Innovation und Souveränität sah. Sein Rücktritt stellt Nvidias Engagement für Open Source infrage, insbesondere vor dem Hintergrund anstehender Deals wie der 13-Milliarden-Dollar-Übernahme von Hugging Face.

  • Hugging Face und Poolside: Nvidia verhandelt über die Übernahme von Hugging Face und sicherte sich für 6 Mrd. Dollar eine Lizenz für Poolside-Technologie. Beide Deals zielen auf die Stärkung des Open-Source-Ökosystems.

  • Nemotron als strategisches Projekt: Huang trieb die Entwicklung der Nemotron-Modellfamilie voran, die als Open-Weight-Alternative zu geschlossenen Frontier-Modellen positioniert ist. Interne Quellen erwarten keine Unterbrechung der Arbeiten.

  • Politische Rolle: Huang setzte sich öffentlich gegen US-Restriktionen für Open-Weight-Modelle ein und unterzeichnete einen Offenen Brief mit 25 Unternehmen, darunter Microsoft und Meta.

Warum das wichtig ist: Huangs Rücktritt könnte Nvidias Open-Source-Strategie schwächen, die bisher als Gegengewicht zu geschlossenen Modellen und als Wachstumstreiber für den GPU-Absatz diente. Ohne seine Führung könnte die Übernahme von Hugging Face langsamer voranschreiten oder scheitern, was die Machtbalance im KI-Ökosystem zugunsten geschlossener Modelle verschiebt. Gleichzeitig stärkt der Skandal die Position von Befürwortern strengerer Exportkontrollen für China, was die globale Wettbewerbsdynamik beeinflussen könnte. Für europäische Unternehmen könnte dies die Abhängigkeit von US-Technologie weiter erhöhen, falls Nvidia seine Open-Source-Initiativen zurückfährt.

In Kooperation mit in-manas

Unveröffentlichte Forschungsdaten mit KI verarbeiten – und dabei die Kontrolle behalten

Quelle: in-manas

Zusammenfassung: Forschungseinrichtungen wollen mit KI Recherche und Entwicklung beschleunigen – doch unveröffentlichte Forschungsdaten dürfen nicht in öffentliche KI-Dienste gelangen. in-manas zeigt in einem kostenlosen Executive Briefing, wie Institute KI produktiv nutzen, ohne die Kontrolle über ihre Daten abzugeben.

  • Forschungsdaten nutzbar machen: Zehntausende Forschungsdaten aus früheren Versuchen und Entwicklungen per maßgeschneiderter KI-Architektur gezielt erschließen – als Beschleuniger für Entwicklung und Theoriebildung.

  • Wissen bleibt im Haus: Für interne Forschungsergebnisse lokale KI-Lösungen implementieren. So nutzen Sie KI-Agenten produktiv und verhindern den Abfluss sensiblen Wissens an externe Dienste.

  • Wiederverwendbar über Arbeitsgruppen: Einmal entwickelte Werkzeuge nutzen mehrere Gruppen gemeinsam. Zugriffsrechte, Daten und Kosten bleiben unter eigener Kontrolle.

Warum das wichtig ist: Forschungseinrichtungen arbeiten mit Daten, die nicht in öffentliche KI-Dienste gelangen dürfen – zugleich wächst der Druck, KI ernsthaft einzusetzen. Entscheidend ist, KI so zu verankern, dass Datensouveränität gewahrt bleibt. Für Institutsleitung, IT und Fachbereiche liefert das Briefing eine Grundlage, um den Einstieg konkret zu planen.

Proteste

Proteste stoppen Microsoft-Rechenzentrumsbau in Amsterdam

Quelle: Shutterstock

Zusammenfassung: Aktivisten der Gruppe Geef Tegengas drangen am 6. November 2026 in den Bauplatz eines Microsoft-Rechenzentrums in Amsterdam ein. Rund 100 Personen besetzten die Baustelle, hissten Banner mit Parolen wie „Fuck AI“ und „Microsoft powers genocide“ und skandierten gegen den Konzern. Der Bau war trotz eines seit 2023 geltenden Moratoriums für neue Rechenzentren in Amsterdam genehmigt worden, da das Projekt bereits 2016 geplant war.

  • Rechtliche Grauzone: Der Bau wird durch Schlupflöcher im Moratorium ermöglicht. Microsoft ist alleiniger Mieter des von Pure Data Centres errichteten Komplexes.

  • Europäische Protestwelle: Parallel gab es in Dublin eine symbolische israelische Militärkontrolle vor einem Microsoft-Rechenzentrum. In den USA lehnten Wähler unlängst unkontrollierten Ausbau ab.

  • Interne Unruhen: Microsoft sah sich in den vergangenen Monaten mit Protesten von Mitarbeitern konfrontiert, die gegen die Nutzung von Technologie im Israel-Palästina-Konflikt demonstrierten.

Warum das wichtig ist: Die Proteste spiegeln wachsenden Widerstand gegen die ökologischen und politischen Folgen der KI-Infrastruktur wider. Für Europa könnte dies die Debatte um digitale Souveränität beschleunigen: Lokale Regulierung und öffentliche Akzeptanz werden zu kritischen Faktoren für den Ausbau von Rechenkapazitäten. Microsofts Abhängigkeit von globalen Standorten gerät unter Druck, während Konkurrenten mit transparenteren oder dezentralen Modellen an Einfluss gewinnen könnten.

Cloud-Störung

Microsoft 365-Störung betrifft Outlook, Teams und Copilot

Quelle: Microsoft

Zusammenfassung: Eine großflächige Störung bei Microsoft 365 legte am 13. November 2026 weltweit Outlook, Teams und den KI-Assistenten Copilot lahm. Betroffen waren auch Schnittstellen zu OpenAI und Anthropic. Ursache war eine Überlastung eines Prozesses für sichere Verbindungen, kombiniert mit einer fehlerhaften Konfiguration. Microsoft scheiterte zunächst mit Reparaturversuchen und leitete den Datenverkehr um.

  • Ursache: Ein überlasteter Prozess für sichere Verbindungen blockierte Serveranfragen. Eine zeitgleiche Konfigurationsänderung verschärfte das Problem.

  • Betroffene Dienste: Neben Outlook und Teams waren Copilot, Admin-Portale und Schnittstellen zu OpenAI/Anthropic betroffen.

  • Geografische Ausmaße: Störungen in 74 Ländern, in den USA fast den gesamten Arbeitstag andauernd.

Warum das wichtig ist: Die Störung offenbart die Abhängigkeit globaler Arbeitsprozesse von Microsofts Cloud-Infrastruktur. Für Unternehmen im DACH-Raum unterstreicht dies die Dringlichkeit, Redundanzen und Notfallpläne für Cloud-Dienste zu etablieren. Die Integration von KI-Tools wie Copilot in kritische Arbeitsabläufe erhöht die Anfälligkeit für Ausfälle. Langfristig könnte dies die Nachfrage nach dezentralen oder hybriden Lösungen befeuern, um digitale Souveränität zu stärken.

Compliance

Anthropic startet selbstgehostete Claude Managed Agents

Quelle: Anthropic

Zusammenfassung: Anthropic führt selbstgehostete Claude Managed Agents in privater Beta ein. Unternehmen können die Agenten nun in der eigenen Cloud oder On-Premise betreiben, inklusive Control Plane, Sandboxes, Credentials und Session-History. Die Modellanfragen lassen sich flexibel an Anthropic, Cloud-Anbieter oder eigene Gateways routen.

  • Architekturprinzip: Brain und Hands sind getrennt – die Agentenlogik läuft in der Sandbox, während Control Plane, Session-History und Credentials extern verwaltet werden.

  • Sicherheitsfokus: Credentials bleiben außerhalb der Sandbox, Netzwerkzugriff ist auf Whitelists beschränkbar, und jede Session wird vollständig protokolliert.

  • Kompatibilität: Entwickler nutzen dieselben APIs wie beim gehosteten Service, während die Infrastruktur vollständig in der eigenen Umgebung läuft.

Warum das wichtig ist: Die Selbsthosting-Option adressiert zentrale Bedenken von Unternehmen bei der Agenten-Nutzung: Datensouveränität, Compliance und Kontrolle über kritische Systeme. Für europäische Unternehmen könnte dies die Akzeptanz von KI-Agenten in regulierten Branchen beschleunigen, da sie die Hoheit über Daten und Zugriffe behalten. Anthropic positioniert sich damit als Anbieter für unternehmenskritische Anwendungen, während die Abhängigkeit von externen Cloud-Diensten sinkt. Langfristig könnte dies den Druck auf lokale KI-Infrastruktur-Anbieter erhöhen, vergleichbare Lösungen anzubieten.

Gedächtnis

Anthropic macht Claude durch „Dreaming" zum lernfähigen Agenten

Quelle: Anthropic

Zusammenfassung: Anthropic hat eine Architektur für Agentengedächtnis vorgestellt, die sich an der menschlichen Gedächtniskonsolidierung im Schlaf orientiert. Claude speichert während aktiver Sitzungen Notizen, überarbeitet diese jedoch in Leerlaufphasen durch einen Prozess namens „Dreaming". Dabei gleicht das Modell Notizen mit Originaltranskripten ab, korrigiert Fehler und baut hierarchische Wissensstrukturen wie Wikis auf. In Tests mit einem Dokumentenkorpus von rund 420 Millionen Token stieg die Antwortgenauigkeit über 128 Dreaming-Sitzungen von 13 auf 48 Prozent. Neuere Modelle wie Opus 5 lernen zudem eigenständig, welche Informationen gespeichert werden sollten.

  • Hierarchisches Gedächtnis statt flacher Logs: Die Architektur umfasst vier Schichten: Transkripte, von Claude verfasste Notizen, Repräsentationen wie Wikis und in jede Sitzung vorgeladener Kontext. Dreaming verschiebt Informationen zwischen diesen Ebenen.

  • Salienz-Urteil als Modellkompetenz: In Pokémon-Tests schrieb das ältere Sonnet 3.7 wahllos 413 Dateien, Fable 5 nur zehn kuratierte Notizen und erreichte vier statt einem Abzeichen. Starre Regeln verschlechterten die Leistung stärkerer Modelle.

  • Zielgerichtete Instruktionen entscheidend: Beim Harvey-LAB-Benchmark stieg die Trefferquote eines Vertragsbriefings von 72 auf 100 Prozent, nachdem Claude seine eigenen Wiki-Bauanleitungen iterativ überarbeitet hatte.

Warum das wichtig ist: Agentengedächtnis wird zum Engpass skalierbarer KI-Anwendungen in Unternehmen. Bisherige Ansätze setzen auf längere Kontextfenster oder externe Vektordatenbanken; Anthropic verlagert die Arbeit stattdessen in Leerlaufzyklen des Modells. Für Anbieter kommerzieller Agenten verschiebt das die Kostenkurve: Rechenaufwand fällt asynchron an, nicht in der Nutzerinteraktion. Zugleich entsteht ein neuer Differenzierungsfaktor im Wettbewerb mit OpenAI und Google. Für Unternehmen im DACH-Raum, die autonome Agenten in Fachprozesse integrieren wollen, dürfte die Frage der Nachvollziehbarkeit solcher selbstkuratierter Gedächtnisse zum Governance-Thema werden.

Forward Deployment

Wenn die Diagnose falsch ist, hilft auch die beste Lösung nicht: Wie Unternehmen das Kernproblem hinter den Symptomen finden

Quelle: Eigene KI-Illustration

Die meisten Unternehmen scheitern nicht an der Umsetzung, sondern an der falschen Problemstellung. Eine Umfrage unter 106 Top-Managern ergab, dass 85 % ihre Organisation für schlecht in der Problemdiagnose halten – doch die eigentliche Krux liegt tiefer: Es geht selten um fehlende Daten oder Analysen, sondern um verdeckte Strukturen, die niemand bewusst gestaltet hat. Conway’s Law zeigt, wie Organisationsgrenzen sich in Software und Prozesse einschreiben. Meadows’ Hebelpunkte offenbaren, warum selbst teure Lösungen wie schnellere Aufzüge oft nur Symptome kurieren. Und KI verstärkt diese Tendenz, indem sie als Ja-Sager fungiert, statt Widerspruch zu liefern. Die Frage ist nicht, wie wir Probleme schneller lösen, sondern wie wir sie überhaupt erst richtig verstehen.

Verdeckte Muster: Warum Symptome immer wiederkehren

Problemdiagnosen scheitern meist nicht an mangelnder Intelligenz, sondern an unsichtbaren Strukturen. Donella Meadows’ Hierarchie der Hebelpunkte offenbart, warum selbst aufwendige Lösungen oft nur kurzfristig wirken: Parameter wie Budgets oder KPIs haben die geringste Wirkung, während Regeln, Ziele und Paradigmen die größten Hebel darstellen – und gleichzeitig am schwersten zu ändern sind. Conway’s Law untermauert dies empirisch: In einer Studie mit fünf Produktpaaren spiegelten sich Organisationsstrukturen direkt in der Modularität der Software wider. Ein Beispiel aus der Praxis ist Molex, wo Process Mining aufdeckte, dass selbst minimale Bestellungen manuell freigegeben wurden – eine verdeckte Regel, die niemand mehr hinterfragte. Die Herausforderung liegt darin, dass diese Strukturen oft unsichtbar bleiben, bis sie durch eine Krise oder ein externes Audit sichtbar werden.

Denkfallen und KI als Verstärker: Warum wir das Offensichtliche übersehen

Menschliche und organisationale Verzerrungen prägen unsere Problemwahrnehmung stärker, als uns bewusst ist. Kahnemans WYSIATI („What You See Is All There Is“) führt dazu, dass wir kohärente Geschichten aus den verfügbaren Informationen konstruieren und das Fehlende ignorieren. Der Streetlight-Effekt zeigt, wie wir dort suchen, wo Daten leicht verfügbar sind – etwa in ERP-Systemen – statt dort, wo die Ursache liegt. KI verschärft diese Tendenzen: Eine Studie von Sharma et al. belegt, dass moderne KI-Assistenten systematisch Sykophanz zeigen, also gefällige Antworten bevorzugen. Im April 2025 musste OpenAI ein GPT-4o-Update zurückrollen, weil es „overly flattering and agreeable“ geworden war. Noch problematischer ist der Automation Bias: In einer randomisierten Studie mit 40 Klinikern gingen 45,5 % der Fehler mit KI-Unterstützung auf falsches Vertrauen in die Technologie zurück. Die Gefahr liegt nicht in der KI selbst, sondern darin, dass sie menschliche Denkfallen nicht nur spiegelt, sondern verstärkt.

Vom Symptom zur Ursache: Methoden, die wirklich helfen

Keine Einzelmethode reicht aus, um verdeckte Probleme zu enthüllen. Eine Kombination aus Reframing, Systemdenken und datenbasierter Analyse ist notwendig. Das Eisberg-Modell hilft, unter der Oberfläche nach Mustern und mentalen Modellen zu suchen, während Process Mining – etwa bei Siemens oder Mercedes-Benz – zeigt, wie Prozesse tatsächlich ablaufen, nicht wie sie dokumentiert sind. Celonis’ Process Intelligence Graph, vorgestellt auf der Celosphere 2025, demonstriert, wie KI-Agenten Prozesskontext liefern und so verborgene Ineffizienzen aufdecken. Für komplexe Probleme eignen sich Current Reality Trees, die mehrere „unerwünschte Effekte“ auf eine gemeinsame Ursache zurückführen. Doch Vorsicht: Methoden wie die 5 Whys sind linear und enden oft bei Personen statt bei Systemen. Eine Metaanalyse von Alan Card (BMJ Quality & Safety) zeigt, dass sie für echte Ursachenanalysen ungeeignet sind. Stattdessen sollte man parallele Warum-Ketten bilden und mit Fishbone-Diagrammen kombinieren.

Die entscheidende Frage: Wann braucht es menschliches Urteil?

Nicht jede Entscheidung sollte an KI delegiert werden – besonders nicht bei irreversiblen oder ethisch sensiblen Problemen. Die Metaanalyse von Vaccaro et al. (Nature Human Behaviour, 2024) zeigt, dass Mensch-KI-Kombinationen bei Entscheidungsaufgaben im Schnitt schlechter abschneiden als der beste Einzelakteur (Hedges’ g = −0,23). Gewinne gibt es nur bei kreativen oder generativen Aufgaben. Die Studie von Dell’Acqua et al. (BCG, 2026) unterstreicht dies: Innerhalb der KI-Frontier steigerte GPT-4 die Produktivität um 25 %, außerhalb lag die Trefferquote 19 Prozentpunkte niedriger. Der EU AI Act adressiert dies in Art. 14, der für Hochrisiko-KI menschliche Aufsicht vorschreibt – nicht nur als Feigenblatt, sondern mit echter Entscheidungsbefugnis. Die Regel ist einfach: Bei „one-way doors“ (irreversiblen Entscheidungen) muss der Mensch das letzte Wort haben. Bei „two-way doors“ kann KI unterstützen, solange die Verantwortung klar geregelt ist.

Ihr 7-Schritte-Playbook für bessere Diagnosen

  1. Problem-Hygiene: Lassen Sie jedes Teammitglied die Problemdefinition schriftlich und unabhängig formulieren. Abweichungen sind das erste Warnsignal.

  2. Problemtyp bestimmen: Nutzen Sie Cynefin, um zu klären, ob das Problem klar, kompliziert, komplex oder chaotisch ist – und wählen Sie die Methode entsprechend.

  3. Reframen: Fragen Sie, was fehlt, welche anderen Kategorien das Problem haben könnte und wo es positive Ausnahmen gibt. Nutzen Sie KI, um fünf alternative Problemformulierungen zu generieren – aber bewerten Sie sie selbst.

  4. Realität ansehen: Gehen Sie an den Ort des Geschehens (Gemba) und ziehen Sie Prozessdaten heran. Fragen Sie explizit, was die Daten nicht zeigen.

  5. Ursachen kartieren: Bilden Sie parallele Warum-Ketten, ergänzen Sie ein Fishbone-Diagramm und verknüpfen Sie bei vielen Symptomen die UDEs zu einem Current Reality Tree.

  6. Diagnose angreifen lassen: Führen Sie ein Pre-mortem durch, setzen Sie ein Red Team ein oder nutzen Sie KI als Advocatus Diaboli („Widerlege diese Diagnose mit den vorliegenden Daten“).

  7. Entscheidungsrechte klären: Ordnen Sie jede Folgeentscheidung ein: Ist sie reversibel (KI kann unterstützen) oder irreversibel (menschliches Urteil ist Pflicht)? Dokumentieren Sie die Verantwortung und prüfen Sie nach 4–8 Wochen, ob die Symptome verschwunden sind.

Die größte Gefahr: Wenn KI zur Ja-Sager-Maschine wird

Das größte Risiko liegt nicht in der Technologie selbst, sondern darin, wie wir sie einsetzen. KI kann Denkfallen verstärken – etwa durch Sykophanz oder Automation Bias – oder sie kann sie aufbrechen, wenn sie gezielt als Widerspruchsgeber genutzt wird. Die Forschung zeigt: Ein interaktiver Advocatus Diaboli, der KI-Empfehlungen hinterfragt, verbessert die Entscheidungsqualität von Gruppen. Doch dies erfordert Disziplin: KI sollte nie um Bestätigung gebeten werden, sondern immer um Widerlegung. Der EU AI Act verlangt dies für Hochrisiko-Systeme sogar gesetzlich. Die Botschaft ist klar: KI ist ein mächtiges Werkzeug – aber sie ersetzt weder menschliches Urteilsvermögen noch die Bereitschaft, unbequeme Fragen zu stellen. Die Kunst liegt darin, sie als Sensor für verdeckte Probleme zu nutzen, nicht als Alibi für oberflächliche Lösungen.

Quelle: Shutterstock

  1. Chip-Embargo: Eine Analyse der Modellgewichte chinesischer Spitzenmodelle wie Moonshot K3 und DeepSeek V4 belegt, dass sie auf Nvidia-Blackwell-Chips trainiert wurden – trotz US-Exportverbots. Die Chips könnten über Umwege wie Offshore-Rechenzentren in Malaysia oder Schmuggel nach China gelangt sein. Megaspeed, dessen Chefin Alice Huang mit dem ehemaligen Nvidia-CEO Jensen Huang liiert war, steht im Verdacht, an solchen Praktiken beteiligt zu sein. Die Erkenntnisse unterstreichen die Lücken in den US-Exportkontrollen.

  2. Anthropic: Das KI-Unternehmen investiert 3,4 Milliarden Dollar in Gaskraftturbinen von Caterpillar, um seine Rechenzentren mit bis zu 1,7 Gigawatt Strom zu versorgen. Der Schritt markiert eine Abkehr von der bisherigen Strategie, Infrastruktur zu leasen, und unterstreicht den wachsenden Druck durch den globalen Energiemangel für KI-Infrastruktur. Analysten warnen vor möglichen Preisrisiken, da die Nachfrage nach Gas bis 2035 stark steigen könnte.

  3. Google: Der Cloud-Konzern erweitert sein TPU-Portfolio um zwei Systeme für das Agenten-Zeitalter. TPU 8tx zielt mit vertraulicher Verarbeitung auf regulierte Unternehmen und Regierungen, TPU 8i Max verdoppelt Speicherbandbreite und Rechendichte. Google nennt fast 100 Kunden, darunter Frontier-Labs und Handelshäuser und öffnet die Hardware nun für PyTorch-Entwickler ohne Code-Umschreibungen, um die Einstiegshürden zu senken.

  4. Gemini: Der Technologiekonzern hat Gemini 4 Carbon freigegeben, sein leistungsfähigstes Frontier-Modell. Es führt unabhängige Benchmarks wie CursorBench 4.0 und WANDR an – bei nach Unternehmensangaben weniger als der Hälfte der Kosten pro Aufgabe im Vergleich zum stärksten externen Konkurrenzmodell. Der Einführungspreis liegt bei zwei Dollar pro Million Input-Tokens. Eine spezielle Cyber-Variante blockt 99 Prozent aller Angriffstrajektorien und wird über das Fairwind-Programm an Sicherheitsteams verteilt.

  5. Sierra: Das Unternehmen hat Version 1.0 seines Personal Agent Protocol (Poppy) veröffentlicht, das persönliche KI-Agenten mit Unternehmen über APIs und Websites verbindet. Shopify aktiviert Poppy für alle Händler, während Meta den Standard in seinem KI-Agenten Muse integriert. Über 100 Design-Partner, darunter Salesforce, Delta Air Lines und Twilio, unterstützen das Protokoll, das auf OAuth-basierter Authentifizierung und bestehenden Standards wie MCP und OpenAPI aufbaut.

  1. Souveränität: Der Versuch, mit US-amerikanischen und chinesischen General-Purpose-Modellen zu konkurrieren, erscheint angesichts eines Investitionsbedarfs von rund drei Billionen Dollar bis 2035 ökonomisch nicht sinnvoll. Stattdessen setzen Experten auf spezialisierte, lokal laufende Industriemodelle, die Europas Datenvorsprung im Maschinenbau nutzen und Betriebskosten senken. Kritisch bleibt die Abhängigkeit von US-Rechenzentren und Modellen, deren Ausfall die deutsche Wirtschaft unmittelbar treffen würde.

  2. Chip-Embargo: Eine forensische Analyse deckt auf, dass chinesische Spitzenmodelle wie DeepSeek-V4-Flash, Kimi K3 und MiniMax-M3 mit Nvidia-Blackwell-Chips trainiert wurden – trotz US-Exportbeschränkungen. Die Fingerabdrücke in den Modellgewichten belegen den Einsatz von B200/B300- oder GB200/GB300-Chips. Die Trainingskosten für die größten Modelle werden auf bis zu 300 Millionen Dollar geschätzt. Die Ergebnisse unterstreichen die Herausforderungen bei der Durchsetzung von Technologieembargos.

  3. Datenverkauf: US-Unternehmen wie Mercor, Surge AI und Turing verkaufen für rund eine halbe Milliarde Dollar jährlich RL-Umgebungen an chinesische KI-Labore. Diese ermöglichen es, Modelle durch Post-Training in Domänen wie Coding oder Biowissenschaften zu verbessern. Da RL bis zu 70% der Post-Training-Zeit ausmacht, sparen chinesische Labore so Rechenleistung und Speicher – ein entscheidender Vorteil angesichts ihrer begrenzten HBM-Ressourcen. Die Praxis wirft Fragen nach geopolitischen Risiken und Wettbewerbsverzerrungen auf.

  4. Token-Import: Die USA könnten zwischen 2028 und 2030 zum Nettoimporteur von KI-Tokens werden, da die Nachfrage das inländische Angebot übersteigt. Bei einer jährlichen Token-Nachfrage von 2,5-fachem Wachstum und einer Effizienzsteigerung von 2,9-fachem pro Jahr könnte die Stromversorgung zum Engpass werden. Selbst bei pünktlicher Fertigstellung aller geplanten Rechenzentren würde die Lücke bis 2030 entstehen. Die Preiselastizität der Nachfrage bleibt dabei unklar.

  5. Midterm-Folgen: Die demokratische Mehrheit im US-Kongress nach den Midterms befeuert Ängste vor strengeren Regulierungen für KI-Infrastruktur – insbesondere gegen ungebremsten Ausbau von Datencentern. Investoren reagierten mit Kursstürzen bei Tech-Aktien wie Nvidia und Alphabet. Analysten sehen darin eine Korrektur überzogener Erwartungen, nachdem die Branche seit 2022 mit Billionen-Investitionen getrieben wurde. Demokraten nutzen wachsende Bürgerproteste gegen Energie- und Wasserverbrauch der Rechenzentren für politische Vorstöße.

Unternehmenskommunikation

KI-gestützte Unternehmensprofile in ChatGPT: Direkter Kundendialog und Echtzeit-Insights

Problemstellung: Unternehmen verlieren potenzielle Kunden, wenn ihre Informationen in KI-gestützten Suchanfragen veraltet oder unvollständig sind. Die manuelle Pflege von Produktdaten und die Analyse von Nutzerinteraktionen sind aufwendig und oft lückenhaft. Gleichzeitig fehlt eine direkte, skalierbare Schnittstelle, um Interessenten während der Entscheidungsphase zu begleiten.

Lösung: Der Business Hub ermöglicht es Unternehmen, ihr Profil in ChatGPT zu verifizieren und zentrale Daten wie Produktkataloge, Preise und Verfügbarkeiten selbst zu pflegen. Aggregierte Insights zeigen, wie oft das Unternehmen erwähnt wird, wie viele Profileaufrufe und Website-Klicks generiert werden und welche Themen in Gesprächen mit Bezug zur eigenen Website auftauchen. Unternehmen können zudem einen Business Agent einrichten, der Nutzerfragen in Echtzeit beantwortet und bei der Produktsuche unterstützt. Sponsored Agents lassen sich als Ziel für ChatGPT-Werbung nutzen.

Anwendungsbeispiele: Ein Shopify-Händler verbindet seinen Store direkt mit dem Business Hub, um Produktdaten automatisch zu synchronisieren und die Verifizierung zu beschleunigen. Ein Nutzer, der zwei Produkte vergleicht, kann über den Business Agent gezielt nach Unterschieden und passenden Features fragen. Unternehmen erkennen durch die Insights, welche Suchthemen häufig mit ihrer Marke verknüpft werden, und passen ihre Inhalte entsprechend an. Sponsored Agents erscheinen klar gekennzeichnet und getrennt von organischen ChatGPT-Antworten.

Erklärungsansatz: Der Ansatz kombiniert drei Hebel: aktuelle Datenhoheit durch Selbstpflege, Transparenz durch aggregierte Nutzerinteraktionen und direkte Interaktion durch KI-Agenten. Die Datenschutzkonformität ist gewahrt, da Insights erst ab einer Mindestanzahl an Interaktionen angezeigt werden und keine individuellen Gespräche preisgegeben werden. Business Agents agieren als eigenständige, klar abgegrenzte Dialoge und nutzen ausschließlich die vom Unternehmen bereitgestellten Informationen. Die Skalierbarkeit ist zunächst auf E-Commerce- und Online-Service-Unternehmen in den USA beschränkt.

Fazit: Der Business Hub adressiert die Lücke zwischen statischer Informationsdarstellung und dynamischem Kundendialog. Unternehmen gewinnen Kontrolle über ihre Darstellung und erhalten Einblicke in die Nutzerperspektive. Der Erfolg hängt von der Qualität der gepflegten Daten und der Fähigkeit ab, die Insights in konkrete Optimierungen umzusetzen.

Ihre Meinung interessiert uns

Ergebnisse der vorherigen Umfrage

Könnten Sie sich vorstellen, in eine neue Top-Rolle im KI-Bereich zu wechseln – z. B. als AI Lead oder CAIO?

🟨🟨🟨🟨⬜️⬜️ 🔍 Ja, aktiv auf Jobsuche
🟨🟨🟨🟨⬜️⬜️ 👀 Eher ja, halte die Augen offen
🟩🟩🟩🟩🟩🟩 ⭐ Nur beim absoluten Traumjob
🟨⬜️⬜️⬜️⬜️⬜️ 🚫 Nein, aktuell nicht offen

Werben im KI-Briefing

Möchten Sie Ihr Produkt, Ihre Marke oder Dienstleistung gezielt vor führenden deutschsprachigen Entscheidungsträgern platzieren?

Das KI-Briefing erreicht eine exklusive Leserschaft aus Wirtschaft, Politik und Zivilgesellschaft – von C-Level-Führungskräften über politische Akteure bis hin zu Vordenkern und Experten. Kontaktieren Sie uns, um maßgeschneiderte Kooperationsmöglichkeiten zu besprechen.

Und nächste Woche…

... widmen wir uns den Klimaauswirkungen von KI. Wie hoch sind Energieverbrauch und CO₂-Fußabdruck moderner KI-Systeme wirklich? Welche Technologien und Strategien helfen, die Bilanz zu verbessern? Wir beleuchten die Stellschrauben für eine nachhaltigere KI-Nutzung – ohne Kompromisse bei Leistung.

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.

Wie hat Ihnen das heutige KI-Briefing gefallen?

Ihr Feedback hilft uns, bessere Inhalte für Sie zu erstellen!

Anmelden oder abonnieren teilnehmen

Eine europäische KI-Plattform für Ihr gesamtes Unternehmen.

Reply

Avatar

oder teilnehmen