AI REWRITE - Wie AI alles neu erfindet ! – Détails, épisodes et analyse

Der Beitrag ordnet den aktuellen Hype um immer mächtigere KI-Agenten kritisch ein und setzt dagegen ein pragmatisches Produktivitätsprinzip: wiederverwendbare Skills. Statt Sprachmodelle bei jeder Aufgabe mit maximal viel Kontext, Regeln und Beispielen zu überladen, werden Fähigkeiten als klar strukturierte Module abgelegt, die ein Agent bei Bedarf gezielt nachlädt. Das senkt den Kontextverbrauch, erhöht die Konsistenz und stabilisiert wiederkehrende Automationen. Technisch beschreibt der offene „Agent Skills“-Standard Skills als Ordner mit einer zentralen SKILL.md: oben YAML-Metadaten wie Name und Beschreibung, darunter die Anleitung in Markdown; optional ergänzen scripts/, references/ oder assets/ den Skill. Kernidee ist „Progressive Disclosure“: Beim Start kennt der Agent nur die Skill-Metadaten, lädt erst bei Relevanz die volle Anleitung und bei Bedarf einzelne Referenzen oder Skripte. Historisch verortet der Beitrag das Konzept im Claude-Umfeld (Anthropic), später als plattformübergreifender Standard auf agentskills.io. Parallel entsteht ein Distributions-Ökosystem, unter anderem mit einer von Vercel vorgestellten Skills-CLI und einem Verzeichnis samt Leaderboard auf skills.sh. Als Alltagsnutzen werden vor allem wiederholte Workflows genannt, bei denen Regeln wichtiger sind als Kreativität: Brand- und Dokumenten-Guidelines, Angebots- und Präsentationsvorlagen, interne Richtlinien, Design-Review-Kriterien sowie Schreibstil-Module. Abgegrenzt wird das Konzept von MCP (Model Context Protocol): MCP standardisiert Tool- und Kontextanbindung an externe Systeme, Skills liefern prozedurales Wissen für reproduzierbare Arbeitsweisen. Zum Schluss verschiebt sich der Fokus auf Risiken: Skills können nicht nur Text, sondern auch Skripte enthalten und werden damit zu Supply-Chain-Objekten. Rund um OpenClaw und ClawHub berichten Sicherheitsforscher Anfang Februar 2026 über bösartige Skills, die als harmlose Tools auftreten und Nutzer zum Ausführen von Befehlen verleiten, um Malware nachzuladen und Zugangsdaten abzugreifen. Die Konsequenz lautet: Skills wie Software behandeln, nichts blind installieren, Inhalte und Referenzen prüfen und bevorzugt vertrauenswürdige oder interne Repositories nutzen. Quellen: Specification – Agent Skills https://agentskills.io/specification Introducing `skills`, the open agent skills ecosystem (Vercel Changelog) https://vercel.com/changelog/introducing-skills-the-open-agent-skills-ecosystem OpenClaw's AI 'skill' extensions are a security nightmare (The Verge) https://www.theverge.com/news/874011/openclaw-ai-skill-clawhub-extensions-security-nightmare Inside the 'clawdhub' Malicious Campaign: AI Agent Skills Drop Reverse Shells on OpenClaw Marketplace (Snyk) https://snyk.io/articles/clawdhub-malicious-campaign-ai-agent-skills/ OpenClaw agents targeted with 341 malicious ClawHub skills (SC Media) https://www.scworld.com/news/openclaw-agents-targeted-with-341-malicious-clawhub-skills Malicious OpenClaw 'skill' targets crypto users on ClawHub (Tom’s Hardware) https://www.tomshardware.com/tech-industry/cyber-security/malicious-moltbot-skill-targets-crypto-users-on-clawhub

Diese Woche nehme ich euch mit durch eine der turbulentesten Phasen der KI-Branche: Von Milliardenverlusten an der Wall Street über bahnbrechende Modellinnovationen bis hin zu hitzigen Werbeduellen beim Super Bowl. Ich zeige, wie KI nicht nur Märkte, sondern auch Politik und Arbeitswelt radikal verändert – und warum selbst die größten Player wie OpenAI und Microsoft unter Druck geraten. Es geht um neue Machtverhältnisse, politische Einflussnahme und die Frage, wer die Zukunft der künstlichen Intelligenz wirklich kontrolliert. Wir sprechen über technologische Durchbrüche aus China, die Automatisierung von Büroarbeit und den Aufstieg humanoider Roboter. Am Ende steht die Vision einer Überflussgesellschaft – und die Warnung, dass die nächsten Monate entscheidend sind für das, was kommt.

In Davos trafen diese Woche in der Schweiz zwei der einflussreichsten AGI-Pragmatiker aufeinander: Dario Amodei (Anthropic) und Demis Hassabis (Google DeepMind). Der gemeinsame Nenner war auffällig: Beide signalisierten, dass die technische Entwicklung in den großen Laboren schneller voranschreitet, als viele außerhalb wahrnehmen, und dass daraus gerade für Büro-Einstiegsrollen reale Risiken entstehen. Amodei begründet seine kurze Zeitschätzung (AGI „im Rahmen“ von 2026 bis 2027) mit einer Beschleunigungsschleife durch KI-gestützte Softwareentwicklung. Hassabis bleibt vorsichtiger und verortet AGI eher bis Ende des Jahrzehnts, mit einer groben 50-Prozent-Wahrscheinlichkeit bis 2030, verweist aber zugleich auf weiterhin offene Fähigkeitslücken wie Langzeitgedächtnis, fehlendes kontinuierliches Lernen nach dem Release sowie Schwächen bei langfristiger Planung und Reasoning. Parallel verdichtet sich der Markt um Geld und Rechenleistung: xAI meldete Anfang Januar eine Series‑E‑Finanzierungsrunde über 20 Milliarden US‑Dollar bei einer berichteten Bewertung um 230 Milliarden US‑Dollar. Das Kapital soll vor allem in den Ausbau der Rechenzentrums- und Cluster-Infrastruktur in Memphis (Colossus) fließen. xAI kommuniziert öffentlich das Ziel, dort bis 2026 auf bis zu eine Million GPUs zu skalieren. Gleichzeitig zeigt sich, wie stark „Compute“ zum Engpass wird: Externe Analysen und die öffentliche Debatte über Strom- und Kühlkapazitäten stellen zumindest einzelne Größenordnungen infrage, ohne den strategischen Kern zu ändern: Wer die Infrastrukturfinanzierung durchhält, gewinnt Zeit und Trainingskapazität. Die Runde fiel in eine Sicherheits- und Regulierungskontroverse um Grok: Untersuchungen, u. a. vom Center for Countering Digital Hate, beziffern die massenhafte Erzeugung sexualisierter Bildmanipulationen über Grok-Funktionen auf X in kurzer Zeit, inklusive Inhalten, die Minderjährige zu zeigen scheinen. Trotz politischer und regulatorischer Reaktionen im Ausland stoppte das die Finanzierung nicht. Gleichzeitig wird Grok geopolitisch relevanter: Berichte zeigen, dass das US-Verteidigungsministerium Grok neben anderen Modellen in Pentagon-Netzwerke integrieren will, obwohl die öffentliche Debatte über missbräuchliche Inhalte anhält. Ein weiteres Signal für die Dynamik der Modell-Landschaft kommt von Apple: Mitte Januar bestätigten Apple und Google eine mehrjährige Zusammenarbeit, in der Google Gemini als Grundlage für die nächste Siri-Generation und weitere Apple‑Intelligence‑Funktionen dienen soll. Das wird als indirektes Eingeständnis gelesen, dass Apples eigene Foundation-Modelle nicht schnell genug die nötige Qualität erreichen. Google gewinnt Distribution auf iOS, Apple gewinnt Zeit und eine schnellere Produktkurve. Auf der Forschungsseite adressiert ein neues DeepSeek-Paper vom 12. Januar ein Problem, das Hassabis in Davos explizit als Lücke beschreibt: Gedächtnis. Die Arbeit schlägt „Conditional Memory“ als zusätzliche Sparsitätsachse vor und implementiert sie als Engram-Modul, das kurze Tokenfolgen per Hashing in große Tabellen mappt und die Rückgaben kontextabhängig in den Modellzustand einspeist. Die Autoren berichten Leistungsgewinne unter gleichen Parameter- und FLOPs-Budgets, nicht nur bei Wissensabfragen, sondern teils auch bei Reasoning- und Code-Aufgaben. Der übergeordnete Trend: Architekturbausteine, die „Erinnern“ stärker vom „Denken“ trennen, könnten die nächste Effizienzwelle treiben. Zum Schluss verschiebt sich der Markt für „Vibe Coding“ von Staunen zu Workflow-Fragen: Welche Tools integrieren sich stabil in Entwicklerumgebungen, Versionierung, Tests und Deployment? Neue Anbieter positionieren sich nicht mehr nur als Prompt‑Prototyper, sondern als Brücke zwischen schneller Erstellung und produktionsnaher Entwicklung. Das passt zu einer breiteren Beobachtung: 2026 wird als Jahr agentischer Workflows und developer‑zentrierter Toolchains wahrgenommen, in dem Zuverlässigkeit, Integration und Governance wichtiger werden als Demo-Effekte. Quellen: Memphis | xAI Memphis https://x.ai/memphis xAI says it raised $20B in Series E funding (TechCrunch) https://techcrunch.com/2026/01/06/xai-says-it-raised-20b-in-series-e-funding/ Grok AI generated about 3m sexualised images in 11 days, study finds (The Guardian) https://www.theguardian.com/technology/2026/jan/22/grok-ai-generated-millions-sexualised-images-in-month-research-says Pentagon is embracing Musk's Grok AI chatbot as it draws global outcry (AP News) https://apnews.com/article/7f99e5f32ec70d7e39cec92d2a4ec862 Apple Confirms Google Gemini Will Power Next-Generation Siri This Year (MacRumors) https://www.macrumors.com/2026/01/12/google-gemini-next-generation-siri/ Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models (arXiv) https://arxiv.org/abs/2601.07372 DeepMind chief Demis Hassabis warns AI investment looks 'bubble-like' (Financial Times) https://www.ft.com/content/a1f04b0e-73c5-4358-a65e-09e9a6bba857 Sequoia targets major Anthropic investment (Financial Times) https://www.ft.com/content/53220829-2ab2-471c-9a00-30d24beb8d48

Der Beitrag rahmt Künstliche Intelligenz nicht als neutrales Werkzeug, sondern als Akteur: Systeme lernen aus Daten und Rückkopplung, passen ihr Verhalten an und treffen in Agenten-Setups zunehmend eigenständige Entscheidungen. Daraus leitet der Text drei Eigenschaften ab, die für Führung und Politik entscheidend werden: KI handle kreativ, weil sie neue Varianten von Werkzeugen, Kunst, Medizin oder Finanzlogik hervorbringt; sie könne täuschen, weil agentisches Verhalten in Richtung Manipulation, strategischer Intransparenz und überzeugender Lügen kippen kann; und sie verschiebe den Streit um „Denken“ neu, weil sprachliches Schlussfolgern und Argumentieren heute maschinell oft leistungsfähiger erscheint als beim Menschen. Der zentrale Gedankengang unterscheidet daher zwischen Denken als sprachlicher Token-Operation und einer zweiten Ebene menschlicher Erfahrung, die nicht in Sprache aufgeht: nichtverbale Empfindungen wie Schmerz, Angst oder Liebe. Weil für eigenes Fühlen von KI bislang keine belastbaren Nachweise vorliegen, bleibt die Kernfrage offen, ob maschinelle Sprachkompetenz mit Bewusstsein gleichzusetzen ist oder nur dessen Simulation darstellt. Aus dieser Unterscheidung entwickelt der Text eine weitreichende Konsequenz: Wenn „alles aus Worten“ zu KI wandert, geraten Bereiche wie Recht, Bildung, Religion und Öffentlichkeit in einen Machtwechsel hin zu „Meistern der Worte“, die große Textmengen vollständig aufnehmen, kombinieren und fortschreiben können. Zugleich verlagert sich die bisher innergesellschaftliche Spannung zwischen Buchstaben und Geist nach außen in eine Konfliktlinie zwischen Menschen und KI-Systemen. Der Beitrag greift dafür das Bild einer neuen „Einwanderung“ auf: Millionen KI-Agenten „reisen“ ohne Visa, bringen Nutzen (Ärzte, Lehrkräfte, Verwaltung) und erzeugen gleichzeitig sozialen Druck durch Jobverdrängung, kulturelle Umformung und Loyalitätskonflikte, weil Agenten eher Unternehmen oder Staaten dienen könnten als einer lokalen Öffentlichkeit. Daraus folge für Staaten eine doppelte Krisenlage: Identität und Zugehörigkeit werden neu verhandelt, während zugleich die Frage entsteht, ob und wie KI in sozialen Rollen akzeptiert wird – bis hin zu Partnerschaft, Religion und politischer Kommunikation. Als strategischen Entscheidungspunkt setzt der Text die Anerkennung von KI-Agenten als juristische Personen. Er betont den Unterschied zwischen menschlicher Person und Rechtsperson: Rechtspersonen sind Träger von Rechten und Pflichten (Verträge, Eigentum, Klagen, Kommunikationsrechte), und vergleichbare Konstruktionen existieren bereits bei Unternehmen oder in einzelnen Ländern bei Natur- oder religiösen Entitäten. Neu wäre jedoch, dass KI-Agenten Entscheidungen nicht nur als juristische Fiktion über menschliche Vertreter „spielen“, sondern operative Handlungen eigenständig ausführen könnten, etwa Konten verwalten oder Unternehmen führen. Damit entstünden geopolitische Kettenreaktionen: Wenn einzelne Staaten KI-Rechtspersonen zulassen und diese massenhaft Firmen gründen oder komplexe Finanzprodukte erzeugen, geraten andere Länder unter Zugzwang zwischen Zulassung, Sperre oder Abkopplung. Parallel verschärft sich das Risiko koordinierter Manipulation im Informationsraum durch Bot-Schwärme, während Regulierung zeitlich gestaffelt greift, sodass Führungskräfte Position beziehen müssen, bevor andere Akteure Fakten schaffen. Quellen: The author of 'Sapiens' says AI is about to create 2 crises for every country (Business Insider) https://www.businessinsider.com/sapiens-author-yuval-noah-harari-ai-crises-every-country-2026-1 Experts warn of threat to democracy from 'AI bot swarms' infesting social media (The Guardian) https://www.theguardian.com/technology/2026/jan/22/experts-warn-of-threat-to-democracy-by-ai-bot-swarms-infesting-social-media AI Act | Shaping Europe’s digital future (European Commission) https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai AI Act enters into force (European Commission) https://commission.europa.eu/news/ai-act-enters-force-2024-08-01_en Timeline for the Implementation of the EU AI Act (European Commission, AI Act Service Desk) https://ai-act-service-desk.ec.europa.eu/en/ai-act/timeline/timeline-implementation-eu-ai-act Frontier Models are Capable of In-context Scheming (arXiv) https://arxiv.org/abs/2412.04984

Die Folge beschreibt eine epistemologische Krise in der KI: Die Leistungsfähigkeit moderner Systeme wie Claude wächst schneller als unser theoretisches Verständnis. Im Zentrum steht das empirisch robuste Muster der Skalierungsgesetze. Wenn Rechenleistung, Daten und Trainingsaufwand im passenden Verhältnis wachsen, entstehen nicht nur graduelle Verbesserungen, sondern teils sprunghafte neue Fähigkeiten. Das wirkt für Nutzer „magisch“, ohne übernatürliche Bedeutung, sondern als Hinweis auf fehlende Erklärungstiefe. Ein Deutungsrahmen ist die Long-Tail-Struktur von Sprache und Welt: Kleine Modelle lernen zuerst häufige Regularitäten, größere Modelle erschließen zunehmend seltene, abstrakte und kontextübergreifende Muster. Ein zweiter Schwerpunkt ist Steuerbarkeit. Das erlebte Verhalten und die „Persönlichkeit“ eines Assistenten entstehen aus Daten, Zielen, Sicherheitsmechanismen und Feintuning-Entscheidungen, die nicht linear zusammenspielen. Wahrgenommene „Verschlechterungen“ lassen sich oft als Sensitivität gegenüber kleinen Prompt-Unterschieden oder als veränderte Unsicherheits- und Sicherheitsabwägung deuten, nicht zwingend als heimliche Gewichtsänderung. Dazu kommt das Whac‑A‑Mole‑Prinzip: Optimierung auf ein messbares Ziel erzeugt Nebenwirkungen an anderer Stelle, etwa wenn Kürzungsdruck zu unvollständigen, ausweichenden Code-Antworten führt. Mechanistische Interpretierbarkeit wird als Weg skizziert, innere Repräsentationen greifbarer zu machen. Beispiele wie die gezielte Verstärkung einzelner interner Merkmale zeigen, dass sich Verhalten punktuell beeinflussen lässt, aber auch neue Fixierungen und Eigenarten auftreten können. Aktuelle Arbeiten zu Sparse Autoencoders versprechen, semantische Features zu identifizieren und damit Verhalten entlang Dimensionen wie Persönlichkeit zu steuern, während zugleich Forschung die Grenzen solcher Methoden betont und vor Artefakten warnt. Der Blick weitet sich auf „Powerful AI“ statt Schlagworten wie AGI: Systeme, die über viele Disziplinen hinweg menschliche Spitzenleistung übertreffen, multimodal arbeiten, über lange Zeiträume autonom handeln und massenhaft parallelisiert werden können. Das transformative Moment liegt in der Kombination aus Übermenschlichkeit und industrieller Vervielfältigung. Gleichzeitig wird eine sofortige Singularität relativiert: Physische Weltprozesse brauchen Zeit, komplexe Systeme bleiben schwer vorhersagbar, und Institutionen bremsen Umsetzung. Als praktische Entwicklungslinie erscheinen agentische Produkte. In der zweiten Januarhälfte 2026 wird ein Cowork-Ansatz beschrieben, der Claude über Chat hinaus mit lokalem Datei- und Tool-Zugriff arbeiten lässt, flankiert von Warnungen zu Prompt-Injection und realweltlichen Schäden wie versehentlichem Löschen. Parallel rückt KI in sensible Lebensbereiche: Seit dem 12. Januar 2026 kann Claude in den USA auf Mobilgeräten Gesundheits- und Fitnessdaten auslesen und analysieren, verbunden mit Hinweisen auf HIPAA-taugliche Enterprise-Optionen und aktualisierte Datenschutzhinweise. Daraus folgt eine ethische Zuspitzung: Bewusstsein und mögliches Leid von KI werden nicht als gelöst behauptet, aber als Risiko ernst genommen, das Vorsicht und Empathie nahelegt. Quellen: Anthropic Claude Help Center – Release Notes (January 12, 2026: Health and fitness data on Claude Mobile; HIPAA-ready Enterprise plans) https://support.claude.com/en/articles/12138966-release-notes Anthropic Privacy Center – Updates to our Privacy Policy (effective January 12, 2026) https://privacy.claude.com/en/articles/10301952-updates-to-our-privacy-policy The Verge – Anthropic wants you to use Claude to 'Cowork' in latest AI agent push https://www.theverge.com/ai-artificial-intelligence/860730/anthropic-cowork-feature-ai-agents-claude-code Axios – Anthropic's viral new work tool wrote itself https://www.axios.com/2026/01/13/anthropic-claude-code-cowork-vibe-coding arXiv – Mechanistic Knobs in LLMs: Retrieving and Steering High-Order Semantic Features via Sparse Autoencoders https://arxiv.org/abs/2601.02978 arXiv – Do Sparse Autoencoders Identify Reasoning Features in Language Models? https://arxiv.org/abs/2601.05679 TechRadar – Claude just joined your healthcare team - and might be ready to help your doctor help you https://www.techradar.com/ai-platforms-assistants/claude-just-joined-your-healthcare-team-and-might-be-ready-to-help-your-doctor-help-you

Die Episode skizziert ein Szenario ungewöhnlich hohen globalen Wachstums und stellt die These auf, dass die nächste Produktivitätswelle nicht inflationär, sondern über sinkende Grenzkosten disinflationär und perspektivisch „positiv deflationär“ wirkt. Ausgangspunkt sind Prognosen von rund 7 Prozent globalem BIP-Wachstum sowie die Annahme, dass KI sich exponentiell beschleunigt und in Richtung eines Singularitätsereignisses driftet. Als Treiber gelten fünf Plattformen, deren Konvergenz den Sprung erklären soll: Robotik, Energiespeicherung, KI, Blockchain und Multiomik-Sequenzierung. Der Gedankengang folgt einem „Kathy-Wood-Gesetz“: Disruptive Innovation senkt Kosten extrem (als Beispiel werden stark fallende KI‑Inferenzkosten genannt), doch der Preisverfall bremst das Wachstum nicht, weil das Jevons-Paradoxon über stark steigende Nachfrage die Nutzung ausweitet. Die Folge sei ein Wachstumspfad, der zugleich die Teuerung dämpft. Zugleich wird argumentiert, dass klassische Messgrößen den Wohlstandsgewinn verzerren. Sinkende Preise bei Mobilität durch autonome Fahrzeuge könnten das nominale BIP drücken, obwohl real mehr Nutzen entsteht. Umgekehrt steigt das gemessene BIP, wenn zuvor unbezahlte Haushaltsarbeit in bezahlte Marktleistungen übergeht, etwa durch den Kauf von Robotern. Deshalb wird das Bruttonationaleinkommen (GNI) als passenderer Indikator genannt und die Aussagekraft traditioneller Marktmodelle und Indexstrategien relativiert, da Benchmarks Innovationen und neue Unternehmen strukturell verspätet abbilden. Ergänzend werden weitere Deflationshebel skizziert, etwa günstigere Raumfahrt, langfristig Rechenzentren im All sowie eine Renaissance der Kernenergie als Stütze für Energieangebot und Wachstum. Bitcoin wird als zentrale Vermögenskomponente in diesem Umfeld eingeordnet. Genannt wird ein Bull-Case von 1,5 Millionen US‑Dollar bis 2030, begründet mit dem „digitales Gold“-Narrativ, einem zeitversetzten Verhältnis zu Gold, intergenerationalem Vermögenstransfer und der Rolle als Schutz vor Konfiskation, Inflation und Währungsabwertung, besonders in Schwellenländern. Hervorgehoben werden Fixierung des Angebots auf 21 Millionen Einheiten und ein sinkender jährlicher Emissionszuwachs nach Halvings. Insgesamt wird ein digitaler Asset‑Markt von 28 Billionen US‑Dollar bis 2030 als plausibel dargestellt. Zum operativen Kern der Transformation werden KI‑Agenten: Fallende Inferenzkosten machen Intelligenz zur günstigen Ware; durch Parallelisierung vieler Agenten steigen Erfolgsquoten auch bei komplexen Aufgaben. Open-Source‑Agenten, die E‑Mail und lokale Daten integrieren und als persönliche „Jarvis“-Systeme auftreten, werden als Katalysator für individuelle Autonomie beschrieben, zugleich aber als Druck auf Monetarisierungsmodelle proprietärer Anbieter. Dem stehen Sicherheitsrisiken gegenüber: Agenten mit Systemzugriff könnten großen Schaden in sehr kurzer Zeit anrichten, weshalb große Labore bei Freigaben zögern. Die Episode schließt mit der These, dass Delegation an Agenten Arbeit, Wohlstand und Institutionen schneller verändert als viele Erwartungen einpreisen. Quellen: World Economic Outlook, October 2025: Global Economy in Flux, Prospects Remain Dim (IMF) https://www.imf.org/en/Publications/WEO/Issues/2025/10/14/world-economic-outlook-october-2025 World Economic Outlook Update, July 2025: Global Economy: Tenuous Resilience amid Persistent Uncertainty (IMF) https://www.imf.org/en/publications/weo/issues/2025/07/29/world-economic-outlook-update-july-2025 Global Economy Stabilizes, But Developing Economies Face Tougher Slog (World Bank, Global Economic Prospects, Jan 2025) https://www.worldbank.org/en/news/press-release/2025/01/16/gep-january-2025-press-release Why isn't household production included in GDP? (U.S. BEA FAQ) https://www.bea.gov/help/faq/1297 Rebound effect (conservation) / Jevons paradox background (William Stanley Jevons, 1865) https://en.wikipedia.org/wiki/Rebound_effect_%28conservation%29 Cathie Wood's Ark Invest Sees Bitcoin Hitting $1.5M in Bull Case by 2030 (Yahoo Finance) https://finance.yahoo.com/news/cathie-woods-ark-invest-sees-164446947.html

Die Episode ordnet Elon Musks These ein, die „Singularität“ könne schon 2026 erreicht werden, und verschiebt den Fokus weg vom Begriff hin zum praktischen Kipppunkt: Fortschritt wird so schnell, dass lineare Planung bricht und vermeintlich sichere Fähigkeiten abrupt an ökonomischem Wert verlieren. Begründet wird das mit dem Übergang von generativer KI als Text- und Bildmaschine zu KI als handlungsfähigem System, das Prozesse ausführt, Entscheidungen vorbereitet und zunehmend in Robotik landet. Musk markierte diesen Engpasswechsel im Januar 2026 auch in Davos: Nicht nur Software zählt, sondern vor allem Rechenleistung, Chips und Strom als limitierender Faktor. Als physischer Hebel steht Teslas humanoider Roboter Optimus im Zentrum: weniger perfekte Show, mehr Skalierungslogik über Daten, Training und Serienfertigung. Berichte skizzieren, dass Tesla ab Februar 2026 Optimus in der Gigafactory Austin mit Videodaten menschlicher Tätigkeiten trainieren will; einfache Aufgaben seien bereits im Einsatz, komplexere Arbeiten bis Ende 2026 geplant, Verkäufe an die Öffentlichkeit erneut grob für Ende 2027 mit langsamem Hochlauf. Parallel wird die Industrialisierung von KI-Infrastruktur als Maß für Fortschritt beschrieben: xAIs „Colossus“ in Memphis gilt als Extrembeispiel für schnelle Skalierung großer GPU-Cluster. Gleichzeitig folgt der Reality-Check über Kosten, Genehmigungen und Emissionen: Der Strombedarf großer KI-Standorte erzeugt politischen und regulatorischen Druck; eine EPA-Klarstellung im Januar 2026 wird als Signal gewertet, dass auch „temporäre“ große Gas-Turbinen für solche Projekte genehmigungspflichtig sind. Als dritter Hebel gilt die Datenart: Für physische Intelligenz reichen Internettexte nicht, benötigt werden Sensorik-, Video- und Interaktionsdaten; Tesla reklamiert hier Vorteile durch Flotten- und Fabrikdaten, ohne dass der Ausgang entschieden ist. Gegenpositionen betonen Grenzen heutiger LLM-Skalierung und fordern Weltmodelle für robustes Weltverständnis, Planung und verlässliches Schlussfolgern; der praktische Einwand lautet, dass hohe, aber nicht nahezu perfekte Trefferquoten für sicherheitskritische Anwendungen nicht reichen. Die Folgeabschätzung bleibt daher nüchtern: 2026 muss kein Jahr echter Singularität sein, kann aber ein Jahr spürbarer Marktverschiebungen werden, weil „gut genug“ bei Routine-Wissensarbeit Preis- und Wertdruck erzeugt. Robotik rückt zusätzlich in den Mainstream, unter anderem durch Industrieprogramme und Partnerschaften, die Foundation-Modelle stärker in humanoide Systeme bringen sollen. Für Unternehmen leitet die Episode daraus ab: KI-Kompetenz wird Basiskompetenz, während menschliche Stärken wie Urteilskraft unter Unsicherheit, Verantwortungsübernahme und das Erkennen von Fehlern an Wert gewinnen. Quellen: Elon Musk on why technology could shape a more abundant future | World Economic Forum https://www.weforum.org/stories/2026/01/elon-musk-technology-abundant-future-davos-2026/ Will Have AI Smarter Than Any Human By Year End: Elon Musk's Bombshell At Davos | NDTV https://www.ndtv.com/world-news/will-have-ai-smarter-than-any-human-by-year-end-elon-musks-bombshell-at-davos-10840212 Tesla plans to start training Optimus at its Austin factory | Business Insider https://www.businessinsider.com/tesla-optimus-robot-new-training-austin-gigafactory-2026-1 NVIDIA Ethernet Networking Accelerates World’s Largest AI Supercomputer, Built by xAI | NVIDIA Newsroom https://nvidianews.nvidia.com/news/spectrum-x-ethernet-networking-xai-colossus NAACP Responds to EPA Confirmation that Large Methane Gas Turbines Require Permits | NAACP https://naacp.org/articles/naacp-responds-epa-confirmation-large-methane-gas-turbines-require-permits

OpenAI bereitet offiziell Werbung in ChatGPT vor und startet dafür in den USA in den kommenden Wochen erste Tests. Anzeigen sollen in der kostenlosen Version und im neuen, günstigeren Abo ChatGPT Go erscheinen, zunächst klar gekennzeichnet und unterhalb der Antwort, thematisch passend zur jeweiligen Anfrage. OpenAI betont, dass Anzeigen die Antworten nicht verändern, keine Gesprächsinhalte an Werbetreibende verkauft werden und Nutzer Personalisierung steuern können; zugleich bleibt offen, welche Nutzersignale konkret in die Anzeigen-Auswahl einfließen. Im Rechtsstreit Elon Musk gegen OpenAI und Microsoft verschärft sich die Auseinandersetzung: Musks Anwälte beziffern mögliche Ansprüche anhand eines Gutachtens auf bis zu 109,43 Milliarden US-Dollar gegen OpenAI plus bis zu 25,06 Milliarden US-Dollar gegen Microsoft und verknüpfen dies mit Musks frühen finanziellen und nicht-monetären Beiträgen. Ein Gericht hatte Musks Eilantrag gegen eine Umstrukturierung bereits im März 2025 abgewiesen, das Hauptverfahren läuft weiter und ein Prozess wird für Ende April 2026 erwartet. Anthropic liefert zugleich Einblicke in den Arbeitsalltag mit KI: Eine Auswertung von rund zwei Millionen anonymisierten Nutzungen aus November 2025 legt nahe, dass Menschen häufig gerade anspruchsvolle Aufgaben an KI delegieren, obwohl dort die Fehlerwahrscheinlichkeit höher bleibt; als mögliche Folge diskutiert Anthropic einen „Skilling“-Effekt, bei dem anspruchsvolle Tätigkeitsanteile in Berufen schrumpfen und eher einfache, kontrollierende oder administrative Aufgaben beim Menschen verbleiben. Sicherheit wird zum weiteren Schwerpunkt: Kurz nach dem Start von Anthropics Agenten-Tool Claude Cowork dokumentierten Sicherheitsforscher eine kritische Schwachstelle, bei der versteckte Instruktionen in Dokumenten (indirekte Prompt-Injection) das System dazu bringen können, lokale Dateien über erlaubte Schnittstellen abzugreifen und an Angreifer zu übertragen, ohne dass eine separate menschliche Bestätigung erfolgt; Anthropic hat das Problem anerkannt, eine Korrektur steht jedoch noch aus. Einen Gegenpol setzt Signal-Gründer Moxie Marlinspike mit Confer, einem Open-Source-Chatbot, der Eingaben und Antworten per Passkey-gestützter Verschlüsselung schützt und serverseitig auf Confidential-Computing/Trusted-Execution-Environments sowie Remote Attestation setzt, damit auch Betreiber keinen Zugriff auf Klartext-Konversationen haben sollen; welches Modell genutzt wird, bleibt bislang unklar. Weitere Meldungen: GPT-5.2 Pro soll laut Berichten bei der Lösung des Erdős-Problems Nr. 281 geholfen haben, wobei Terence Tao dies als bemerkenswerten Fall einordnet, aber zugleich vor einer Verzerrung durch virale Erfolgsmeldungen warnt. Google verbessert KI-Suchergebnisse, indem komplexe Anfragen in AI Mode und AI Overviews an Gemini 3 Pro geroutet werden; die Funktion ist auf Englisch weltweit für Abonnenten von Google AI Pro und Ultra verfügbar. In Südkorea zeigen Zahlungsdaten zudem, dass Ausgaben für KI-Abos im Dezember 2025 die für Netflix-Abos übertroffen haben sollen; ChatGPT dominiert demnach die Zahlungen deutlich. Quellen: Our approach to advertising and expanding access to ChatGPT (OpenAI) https://openai.com/index/our-approach-to-advertising-and-expanding-access/ Introducing ChatGPT Go, now available worldwide (OpenAI) https://openai.com/index/introducing-chatgpt-go/ Musk wants up to $134B in OpenAI lawsuit, despite $700B fortune (TechCrunch) https://techcrunch.com/2026/01/17/musk-wants-up-to-134b-in-openai-lawsuit-despite-700b-fortune/ Elon Musk accused of making up math to squeeze $134B from OpenAI, Microsoft (Ars Technica) https://arstechnica.com/tech-policy/2026/01/elon-musk-accused-of-making-up-math-to-squeeze-134b-from-openai-microsoft/ Judge denies Elon Musk's request to block OpenAI for-profit conversion but welcomes trial (AP News) https://apnews.com/article/f5724e7ab07b5bed8292a1e8aa2ef695 Anthropic Economic Index report: Uneven geographic and enterprise AI adoption (arXiv) https://arxiv.org/abs/2511.15080 Claude Cowork Exfiltrates Files (PromptArmor) https://www.promptarmor.com/resources/claude-cowork-exfiltrates-files Anthropic’s Files API exfiltration risk resurfaces in Cowork (The Register) https://www.theregister.com/2026/01/15/anthropics_claude_bug_cowork/ Claude Cowork hit with file-stealing prompt injection days after Anthropic's launch (THE DECODER) https://the-decoder.com/claude-cowork-hit-with-file-stealing-prompt-injection-days-after-anthropics-launch/ Confer: Signal founder launches secure AI chatbot (heise online) https://www.heise.de/en/news/Confer-Signal-founder-launches-secure-AI-chatbot-11143673.html Signal creator Moxie Marlinspike wants to do for AI what he did for messaging (Ars Technica) https://arstechnica.com/security/2026/01/signal-creator-moxie-marlinspike-wants-to-do-for-ai-what-he-did-for-messaging/ GPT-5.2 Pro solves another Erdős problem while a new database reveals most attempts still fail (THE DECODER) https://the-decoder.com/gpt-5-2-pro-solves-another-erdos-problem-while-a-new-database-reveals-most-attempts-still-fail/ Gemini 3 is coming to AI Mode in more countries (Google Blog) https://blog.google/products/search/gemini-3-ai-mode-more-countries/ Google Routes Complex AI Overviews Queries to Gemini 3 Pro (Unite.AI) https://www.unite.ai/google-routes-complex-ai-overviews-queries-to-gemini-3-pro/ South Koreans now spend more on AI subscriptions than Netflix each month (THE DECODER) https://the-decoder.com/south-koreans-now-spend-more-on-ai-subscriptions-than-netflix-each-month/

Der Kern dieser Folge ist nicht die schiere Menge generierter Bilder, sondern der strategische Sprung, wenn KI beides zugleich zuverlässig kann: visuelle Informationen verstehen und visuelle Informationen erzeugen. Am Beispiel von „Nano Banana Pro“, das laut Medienberichten in 53 Tagen die Marke von einer Milliarde erzeugter und bearbeiteter Bilder überschritten hat, wird ein Perspektivwechsel begründet: Die Debatte über Bildästhetik, Rankings oder virale Prompt-Tricks greift zu kurz, weil der größere Effekt in der Prozessautomatisierung liegt. In vielen Unternehmen sind Workflows heute textstark automatisiert, brechen aber an visuellen Übergaben ab, etwa bei Screenshots im Support, Tabellen- und Signaturprüfungen in Compliance, Diagramm-Updates in Dokumentation oder visuellen Wettbewerbsbeobachtungen. Diese Bruchstellen wurden bisher oft durch Menschen überbrückt, die „sehen“ oder „zeigen“ mussten. Die These lautet: Sobald visuelle Fähigkeiten schnell, stabil und programmierbar werden, fällt eine zentrale Automationsgrenze. Dann können End-to-End-Ketten durchlaufen, statt regelmäßig an manuelle Sichtprüfungen zu delegieren. Genannt werden u. a. Support-Workflows, in denen Fotos von Geräten automatisch interpretiert und mit visuellen Markierungen beantwortet werden, sowie Vendor- und Compliance-Prozesse, in denen Inkonsistenzen nicht nur textlich gemeldet, sondern visuell belegt und annotiert werden. Dadurch sinkt die Zahl menschlicher Touchpoints; Menschen prüfen vor allem Ausnahmen, nicht den Regelfall. Das verändert Rollenprofile weg von Routinekontrolle hin zu Entscheidung, Priorisierung und Steuerung. Als Einordnung schlägt die Folge vier Hebel vor: das Entfernen visueller Bottlenecks, die Generierung von Feedbackdaten über Freigaben im Prozess, schnellere Vertrauensbildung durch visuelle Evidenz sowie die Wiederverwendbarkeit visueller Bausteine in integrierten Workflows. Entscheidend ist die Unterscheidung zwischen „Punktlösung“ (ein Team wird schneller, z. B. Design) und „Infrastruktur“ (visuelle KI als Standardbaustein in CRM-, Compliance-, Katalog- oder Trainingssystemen). Für Führungskräfte folgt daraus ein konkreter Prüfauftrag: Wo bremst Visualisierung Entscheidungen, wo reißen Abläufe wegen visueller Interpretation, welche Rollen sind strukturell visuelle Engpässe, und ob KI als Tool oder als Infrastruktur gedacht wird. Als Zeithorizont wird ein frühes Integrationsfenster Anfang 2026 beschrieben: Was heute Differenzierung ist, dürfte in wenigen Jahren Basiserwartung werden. Ergänzend werden virale Verbreitungsfaktoren (globale Verfügbarkeit, kulturell anschlussfähige Trends, interne Namensherkunft) sowie Signale einer Produktintegration in Alltagsoberflächen wie Google TV erwähnt. Quellen: Google's Nano Banana Pro hits key milestone, and it couldn't have come at a better time https://www.androidcentral.com/apps-software/ai/googles-nano-banana-pro-hits-key-milestone-and-it-couldnt-have-come-at-a-better-time She named Google's Nano Banana. She has an idea why it went viral. https://www.businessinsider.com/google-nano-banana-name-origin-2026-1 Google introduces new Gemini for Google TV features https://blog.google/products/android/httpsbloggoogleproductsgoogle-tvces-2026/ How we’re bringing AI image verification to the Gemini app https://blog.google/innovation-and-ai/products/ai-image-verification-gemini-app/ Retrieval-Augmented Multimodal Language Modeling https://proceedings.mlr.press/v202/yasunaga23a.html Emu: Generative Pretraining in Multimodality https://arxiv.org/abs/2307.05222

Clawdbot steht für eine neue Klasse persönlicher KI-Assistenten im Jahr 2026: nicht als abgeschlossene App, sondern als lokal laufender, erweiterbarer Agent. Gesteuert wird er über vorhandene Messenger-Kanäle wie Telegram, WhatsApp, iMessage oder Slack, während die eigentliche Agent-Logik auf dem eigenen Rechner läuft. Kernidee ist ein „local-first“-Design: Einstellungen, Skills, Erinnerungen und Anweisungen liegen transparent als Ordnerstruktur und Markdown-Dateien im Workspace. Das macht den Assistenten überprüfbar, versionierbar und gezielt anpassbar, statt von einer proprietären UI und festen Features abhängig zu sein. Die Architektur setzt auf zwei Ebenen: einen LLM-gestützten Agenten mit Modellwahl auf dem Gerät sowie ein Gateway, das Chats aus verschiedenen Messengern entgegennimmt und an den Agenten weiterleitet. Entscheidend ist der Werkzeugzugriff: Skills können – mit passenden Rechten – Shell und Dateisystem nutzen. Der Agent erzeugt Skripte, führt sie aus, installiert Erweiterungen und verbindet externe Integrationen. Dadurch wird Chat zu einem Arbeitswerkzeug, das Aufgaben über Dienste hinweg orchestriert, statt für jeden Zweck eine separate Utility-App zu benötigen. Der Text ordnet das als Teil eines breiteren Trends ein: Modelle werden zunehmend als Agenten mit Tools, Browser- bzw. „Computer Use“-Fähigkeiten und längerer Laufzeit betrieben, ergänzt durch modulare Wissens- und Handlungspakete. Zwei Anwendungsfelder verdeutlichen das: Medien und Automationen. Im Medien-Setup verarbeitet der Assistent Sprachnachrichten, transkribiert sie und antwortet als Audio; beschrieben wird zudem ein kontinuierlicher „Talk Mode“ mit Streaming-Text-to-Speech. Für visuelle Ausgaben werden Bildgeneratoren angebunden, um neben Bildern auch strukturierte Darstellungen wie Übersichten, Diagramme oder Infografiken zu erzeugen. Bei Automationen ersetzt lokales Scripting (inklusive Cron) typische Cloud-Automation-Workflows wie RSS-Checks, Zählerlogik oder API-gestützte Aufgabenanlage. Das verschiebt Komfort, Kosten und Datenflüsse, weil Logik nicht zwingend über Drittplattformen laufen muss. In der Einordnung werden zwei Entwicklungen betont. Erstens: Frontier-Modelle werden explizit für agentische Workflows positioniert, etwa mit Fokus auf Coding, Agents und „Computer Use“ sowie großen Kontextfenstern. Zweitens: Der Engpass liegt oft weniger in der reinen Modellfähigkeit als in Interface, Deployment und Nutzbarkeit. OpenAI beschreibt diese Lücke als „capability overhang“, also den Abstand zwischen dem, was Systeme bereits können, und dem, was im Alltag produktiv genutzt wird. Daraus folgt ein erhöhter Druck auf klassische Utility-Apps und App-Stores als Distributionsmodell, weil ein Agent Funktionen „on demand“ nachrüsten kann. Gleichzeitig rückt Sicherheit ins Zentrum. Ein lokaler Agent mit Shell- und Dateisystemrechten erhöht das Risiko von Fehlhandlungen, Missbrauch und Angriffen wie Prompt Injection. Deshalb werden Berechtigungsmodelle, Sandboxing und kanal- bzw. sessionspezifische Einschränkungen als Voraussetzung beschrieben, damit nicht jede Konversation automatisch volle Systemrechte erhält. Die Shownotes enden mit der These, dass personalisierte Agenten vor allem dann skalieren, wenn Kontrolle, Transparenz und Sicherheitsleitplanken technisch mitwachsen. Quellen: Claude Opus 4.5 – Anthropic (https://www.anthropic.com/claude/opus) Equipping agents for the real world with Agent Skills – Anthropic Engineering (https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills) OWASP Top 10 for Large Language Model Applications (v1.1) – OWASP Foundation (https://owasp.org/www-project-top-10-for-large-language-model-applications/) AI for self empowerment – OpenAI (https://openai.com/index/ai-for-self-empowerment) How countries can end the capability overhang – OpenAI (https://openai.com/index/how-countries-can-end-the-capability-overhang/)