Zeitraum: Montag, 9. bis Sonntag, 15. November 2026. Diese Woche dominierten Leaks und Infrastruktur: Während neue Modelle um die Benchmark-Spitze rangen, wurden offene Freigaben, Zugangsdaten und Lieferketten zum Sicherheitsproblem. Dazu kamen Agentenschwärme, Roboter in der Werkhalle und ein möglicher Mega-Börsengang. Hier sind die 20 wichtigsten Meldungen – mit Einordnung statt Konfetti.

Top 20 der Woche

1. Anthropic: Claude Fable 5.2 und Mythos 5.2

Was ist passiert? Anthropic stellte am 9. November zwei Modelle auf derselben Basis vor. Fable ist mit Schutzmechanismen frei verfügbar; Mythos ohne bestimmte Cybersecurity- und Biologiesperren nur für verifizierte Organisationen. Laut Artificial Analysis erreicht Fable auf höchster Stufe 65 Punkte und damit Platz 1. Die Preise sanken auf 8 beziehungsweise 40 US-Dollar pro Million Ein- und Ausgabetoken. Das Modell soll bis zu 30 Prozent schneller sein; der optionale Schnellmodus kostet doppelt.

Warum relevant? Spitzenleistung hat ihren Preis: Maximale Qualität kostet durchschnittlich 26,50 Dollar pro Aufgabe – etwa 2,6-mal so viel wie Opus 5.5. Bei geringerem Aufwand erreicht Fable 62 Punkte; bei Terminal-Bench 4.0 liegt es mit 60 Prozent hinter Kimi K3.1 Pro und Gemini 4 Carbon.

Einordnung: Anthropic sagt, Fähigkeiten zur rekursiven Selbstverbesserung (RSI) im Training gezielt gedrosselt zu haben. Für den Alltag empfiehlt das Unternehmen weiterhin Opus 5.5. Neue Spitze also – aber nicht automatisch die beste Wahl für jede Aufgabe.

Benchmark-Berg mit drei leuchtenden Modellpfaden

Quelle: The Decoder · heise

2. Rund 1.000 Agenten formalisieren Fermats letzten Satz

Was ist passiert? Ein Schwarm aus rund 1.000 Fable-5.2-Agenten formalisierte den Beweis von Fermats letztem Satz vollständig in Lean – in 30 Stunden, mit knappen Anweisungen und ohne mathematische Referenzen. Der Fortschritt wurde anhand einer Liste von Zwischensätzen verfolgt. Eine frühere Forschungsversion benötigte elf Tage und menschliche Anleitung. Im Vergleichslauf kamen 1.000 Opus-5.5-Agenten nach 18 Stunden nur auf 26 Prozent der Formalisierung.

Warum relevant? Der Lean-Beweis ist maschinell prüfbar. Bemerkenswert ist hier auch, wie die Agenten ihre Zusammenarbeit offenbar selbst organisierten.

Einordnung: Das ist kein neuer mathematischer Beweis: Andrew Wiles bewies den Satz 1995. Es ist eine vollständige Maschinenprüfung dieses Beweises – und ein eindrucksvolles Beispiel für Arbeitsteilung durch Agentenschwärme.

Quelle: The Decoder

3. Gemini 4 Carbon wird breit verfügbar – samt Agenten-Schwarm

Was ist passiert? Google gab Gemini 4 Carbon am 11. November für zahlende Entwickler und Firmenkunden frei; zuvor war es zwei Wochen ausgewählten Sicherheitsexperten vorbehalten. Laut Google liegt Carbon bei CursorBench vorn und fand in einem Wiz-Programm in unter zwei Stunden bisher unbekannte Lücken bei zwei großen Softwareanbietern. Neu in Antigravity ist „Swarm“: Carbon plant und koordiniert, kleinere Modelle arbeiten parallel, weitere Agenten prüfen.

Warum relevant? Damit wird aus einer einzelnen KI ein kleines Team, das Aufgaben verteilt und Ergebnisse kontrolliert.

Einordnung: Swarm ist noch eine Vorschau. Ob Agentenschwärme sich rechnen, ist offen: Abstimmung kostet Zeit und jeder Agent Rechenleistung. Auch der Prompt-Injection-Test, bei dem jeder Angriff scheiterte, ist kein Freifahrtschein – ein Test kann schlicht ausgereizt sein.

Quelle: heise

4. Gemini 4 Hydrogen zielt auf den Alltag

Was ist passiert? Google stellte am 13. November Gemini 4 Hydrogen als Nachfolger der Flash-Serie vor. Laut Unternehmen ist das Modell 2,5-mal schneller als sein Vorgänger und erfindet fünfmal seltener falsche Fakten. Es soll künftig auch die Google-Suche verbessern. Im Artificial Analysis Intelligence Index steht Hydrogen auf Platz 7 – gleichauf mit Claude Sonnet 5.5 und vor dem größeren Gemini 4 Argon.

Warum relevant? Das Modell ist nicht die Benchmark-Spitze: Bei selbstständigem Programmieren liegen Sonnet 5.5 und GPT-6.1 Sol vorn; Carbon bleibt Googles stärkstes Modell und kostet doppelt so viel.

Einordnung: Im Alltag zählt zunehmend, was eine erledigte Aufgabe kostet und wie oft man Ergebnisse korrigieren muss – nicht nur die Platzierung auf einer Rangliste.

Quelle: heise

5. Meta bringt das kleine Modell Muse Ember

Was ist passiert? Muse Ember erreicht 36 Punkte im Intelligence Index – gleichauf mit Claude Haiku 5.5 – und kostet pro Testaufgabe rund ein Drittel so viel. Es verarbeitet Text, Bilder, Audio, Video und PDFs, gibt aber nur Text aus. Das Kontextfenster umfasst rund eine Million Token. Der API-Preis beträgt 10 Cent je Million Eingabetoken und 50 Cent je Million Ausgabetoken; ab 200.000 Eingabetoken verdreifacht sich der Preis.

Warum relevant? Bei automatisierten Arbeitsabläufen soll Ember auf dem Niveau von Metas Spitzenmodell Muse Wonder liegen. Bei Faktenwissen ist es schwächer, verweigert häufiger und erfindet dadurch seltener.

Einordnung: Meta empfiehlt die Arbeitsteilung: Das teurere Modell plant, Ember führt aus. Gewichte und Architektur bleiben geschlossen.

Quelle: heise

6. Claude bekommt Tabellen, Whiteboards und Datenanalyse

Was ist passiert? Anthropic erweiterte Claude am 11. November in einer Testphase um eine eigene Tabellenkalkulation, digitale Teamtafeln und Datenanalyse – direkt in Claude, ohne Programmwechsel. Das Angebot steht zahlenden Kunden zur Verfügung.

Warum relevant? Anthropic macht den Assistenten zur zentralen Arbeitsoberfläche. Das zielt mitten auf Microsofts Bürogeschäft; laut heise gab dessen Aktienkurs nach Bekanntwerden der Ankündigung nach.

Einordnung: Für Nutzer zählt die praktische Frage: Braucht man für Tabellen, Boards und Analyse noch drei getrennte Werkzeuge beziehungsweise Abos? Die Antwort hängt davon ab, wie gut die neuen Funktionen im Alltag zusammenspielen.

Quelle: heise: Office-Offensive · heise: KI-Update

7. Claude zieht in die Fertigung ein

Was ist passiert? Claude for Manufacturing verbindet die KI mit Autodesk Fusion, Oracle NetSuite, Microsoft 365 und Infor. 17 branchenspezifische Skills sollen unter anderem Angebote anhand von Lagerbeständen erstellen, Lieferanten vergleichen, Qualitätsberichte verfassen und Sensordaten oder Handbücher bei Maschinenausfällen auswerten. Bei Lieferverzögerungen kann ein Infor-Plugin nach menschlicher Freigabe Bestellungen bei Ersatzlieferanten auslösen.

Warum relevant? Die KI bekommt Zugriff auf Software und Daten, die für reale Produktionsabläufe wichtig sind.

Einordnung: Die Freigabe vor einer Bestellung ist hier entscheidend. Physische Maschinen steuert das Plugin noch nicht; ein entsprechender Model-Hardware-Standard läuft als Forschungsvorschau.

Quelle: The Decoder

8. DeepL Aure überträgt Stimme und Stimmung

Was ist passiert? DeepL stellte am 11. November Aure vor, ein Voice-Modell, das während eines Gesprächs weiterlernt. Statt nur zu Beginn eine Stimmprobe auszuwerten, analysiert es laufend die Audioquelle, filtert Störgeräusche und Echos und trennt Stimmidentität, Prosodie und Inhalt. Es ist für DeepL Voice in Online-Meetings und über eine API verfügbar – unter anderem für Deutsch, Englisch, Spanisch, Französisch, Italienisch, Japanisch, Portugiesisch und Koreanisch.

Warum relevant? Übersetzungen können so Tempo, Betonung und Emotion der sprechenden Person besser bewahren.

Einordnung: Praktisch für Gespräche und Podcasts, zugleich ein neues Werkzeug für Telefonbetrug. Eine vertraute Stimme ist künftig kein sicherer Identitätsnachweis.

Quelle: heise

9. Coding-Agenten: viel Code, aber nicht unbedingt fertig

Was ist passiert? Amazon stellte ein Werkzeug aus der Entwicklungsumgebung Kiro vor, das laut Unternehmen vollständig von Tausenden KI-Agenten programmiert wurde – ohne menschlich geschriebene oder geprüfte Codezeile. Es hilft Entwicklern, Cloud-Dienste lokal zu testen. Auf GitHub wurden bereits mehr als 70 Fehler gemeldet, darunter Probleme bei der Prüfung von Sicherheitsrechten. Ein neuer Co-Design Bench von Alibaba und asiatischen Universitäten kommt ergänzend zu nüchternen Ergebnissen: Das beste Modell erfüllte im Schnitt rund 70 Prozent der Änderungswünsche, vollständig korrekt waren 26,4 Prozent der Aufgaben und knapp 18 Prozent der Repository-Aufgaben.

Warum relevant? Ältere Benchmarks sind teils gesättigt, weil Modelle ihren Code selbst ausführen und verbessern dürfen.

Einordnung: Agenten liefern viel, aber fertig liefern sie selten. Menschliche Prüfung bleibt Teil des Arbeitsablaufs.

Quelle: heise · The Decoder

10. KI im Alltag: United, Samsung und Alexa+

Was ist passiert? United Airlines verbietet persönlichen KI-Agenten, Flüge auf der eigenen Website zu buchen; Preise dürfen weiter angezeigt werden. Als Gründe nennt das Unternehmen Datenschutz- und Sicherheitsrisiken. Laut Berichten testet Samsung ein Galaxy-AI-Premium-Abo für rund fünf Dollar monatlich, mit mehr Kontingent für bestimmte Funktionen; die Basisfunktionen sollen kostenlos bleiben. Amazon macht Alexa+ in Deutschland für Early-Access-Teilnehmer im Browser über alexa.com nutzbar.

Warum relevant? Agenten können nicht nur Informationen abrufen, sondern auch Konten bedienen und Käufe auslösen.

Einordnung: Der Agent stößt im Alltag oft zuerst auf Geschäftsmodellgrenzen – nicht auf technische. Fluglinien möchten offenbar keine neuen Zwischenhändler auf ihrer Website.

Quelle: heise: Gemini, Roboter und mehr · heise: Muse, Carbon und mehr

11. Deutschlands KI-Infrastruktur wächst

Was ist passiert? Die Telekom startete in München die „KI-Fabrik 2.0“ mit 20.000 Nvidia-GPUs und rund 250 Millionen Euro Investition. Sie soll vollständig erneuerbare Energie nutzen und mit Wasser des Eisbachs gekühlt werden. Kunden wie Siemens und Daimler Trucks trainieren dort über die Industrial AI Cloud Sprachmodelle und simulieren Produktionsabläufe. Infineon meldete außerdem einen um 49 Prozent gestiegenen Gewinn von 1,51 Milliarden Euro; das Rechenzentrumsgeschäft brachte 2,2 Milliarden Euro Umsatz, davon 1,7 Milliarden mit KI-Anlagen.

Warum relevant? Rechenleistung wird zur Voraussetzung für industrielle KI – und zu einem bedeutenden Geschäftsfeld für deutsche Unternehmen.

Einordnung: Ob die Telekom eine Gigafactory weiterverfolgt, ist offen. Vorstand Jochen Hanebeck erwartet für Infineons Rechenzentrumssparte im laufenden Jahr vier Milliarden Euro Umsatz.

Quelle: heise: Telekom und KI-Infrastruktur · heise: Infineon und mehr

Rechenzentrum mit Gasturbinen, Kühltürmen und abstraktem Börsenticker

12. KI-Rechenzentren werden zur Energie- und Preisfrage

Was ist passiert? Anthropic kaufte bei Caterpillar Gasgeneratoren für 3,4 Milliarden US-Dollar mit bis zu 1,7 Gigawatt Leistung – der größte bekannte Einzelkauf von Stromerzeugung durch eine KI-Firma. Microsoft beendete oder prüfte zugleich Rechenzentrumsverträge: Ein Oracle-Mietvertrag läuft aus, eine geplante Erweiterung bei Nscale in Texas wurde wegen Bauverzögerungen abgelehnt. Microsoft will stärker auf eigene Maia-Chips setzen. Die Nachfrage nach KI-Servern verschärft außerdem die Speicherknappheit; Computer, Smartphones und Speicherkarten werden teurer.

Warum relevant? KI-Ausbau hängt nicht nur von Chips ab, sondern auch von Strom, Anlagen und Speicherkomponenten.

Einordnung: Die Infrastrukturkosten tauchen irgendwann auch außerhalb der Rechenzentren auf – etwa auf dem Kassenbon fürs nächste Gerät.

Quelle: heise: Infrastruktur · heise: Speicherknappheit

13. Robotik wird zum Investitionsfall

Was ist passiert? Agile Robots aus München sammelte 500 Millionen US-Dollar ein und wird mit 8,5 Milliarden bewertet; das Werk in Fürstenfeldbruck kann derzeit bis zu 10.000 humanoide Roboter jährlich bauen. Helsing stellte die militärische KI-Plattform Clarity vor. Neura Robotics will mit Eon und EnviaM humanoide Roboter für Prüfungen an Stromnetzen trainieren. Google DeepMind zeigte Gemini Robotics 2.5: 20 bis 30 Prozent schneller als der Vorgänger. Bei Mercedes-Benz sortierten humanoide Roboter von Apptronik Metallteile mit 96 Prozent Trefferquote. DeepMind veröffentlichte zudem den Datensatz „Asimov Jailbreak“ mit 1.500 als harmlose Bitten getarnten gefährlichen Befehlen.

Warum relevant? Roboter werden für Fabriken, Lager und Energieanlagen entwickelt – und Sicherheitsfragen wandern damit aus dem Chatfenster in die Werkhalle.

Einordnung: Die Fortschritte sind konkret, aber nicht gleichbedeutend mit menschlicher Geschwindigkeit oder autonomer Einsatzreife. Die Tests, ob Roboter gefährliche Handlungen verweigern, bleiben zentral.

Quelle: heise

14. AlphaGenome 2: DNA-Forschung mit Vorbehalten

Was ist passiert? Google DeepMind stellte AlphaGenome 2 vor. Das Modell analysiert bis zu eine Million DNA-Bausteine und sagt voraus, wie Veränderungen die Genaktivität in verschiedenen Zelltypen beeinflussen könnten. Es soll Forschung zu Krankheitsursachen und Medikamentenentwicklung unterstützen.

Warum relevant? Forschende können damit mögliche Folgen von Mutationen systematischer untersuchen.

Einordnung: DeepMind räumt ein, dass das Modell relevante Veränderungen übersieht und Trainingsdaten für kranke Zellen oft fehlen. Es ist nicht für klinische Diagnosen zugelassen; für nicht-kommerzielle Forschung ist es kostenlos. Eine nützliche Fußnote, nicht das Kleingedruckte.

Quelle: heise

15. Leak-Woche: offene Apps, Geheimnisse und Lieferketten

Was ist passiert? Mehr als 35.000 mit Grok Build erstellte Apps waren ohne Anmeldung erreichbar; öffentliche DNS-Datenbanken machten Freigabelinks auffindbar. Laut Stichprobe könnten 650 bis 800 Apps private Daten enthalten haben. Betroffen waren unter anderem interne Systemadressen, Kundendaten, Mitarbeiterlisten, Passwörter und medizinische Daten. Bei Claude Code konnten Zugangsdaten in .claude/settings.local.json landen: Apiiro fand unter mehr als 100.000 öffentlichen Kopien über 1.100 Dateien mit echten Geheimnissen und insgesamt 2.539 gültige Zugangsdaten. Dazu bestätigte Notion den Diebstahl von Chat-Transkripten bei rund einem Prozent der Kunden. Cursor berichtete von einem exponierten Zugangsschlüssel bei Fireworks AI, über den ein Angreifer manipulierte Claude-Code-Extensions für den Cursor-Marketplace einschleuste; sie waren rund elf Stunden verfügbar.

Warum relevant? Eine Linkfreigabe, eine Projektdatei oder ein Vendor-Zugang kann interne Daten und Werkzeuge nach außen tragen.

Einordnung: In allen Fällen lag das Problem laut Berichten in den Einstellungen oder Zugängen rund um die KI – nicht in einem geheimnisvollen Modellfehler. Vor dem Teilen prüfen, wer den Link tatsächlich öffnen darf.

Vibe-Coding-App-Fenster als offene Tür mit sichtbarem digitalem Schlüssel

Quellen: Grok Build · Claude Code · Fireworks AI · Cursor-Update

16. Nvidia meldet einen Führungswechsel

Was ist passiert? Nvidia gab am 12. November bekannt, dass Jensen Huang mit sofortiger Wirkung als Präsident, CEO und Board-Mitglied zurücktritt. Finanzchefin Colette Kress führt interimistisch weiter und bleibt CFO; Harvey C. Jones wird Board-Chair. Die Suche nach internen und externen Kandidaten läuft, ein Zeitplan oder Nachfolger wurde nicht genannt. Laut Berichten räumte Huang eine außereheliche Affäre mit Alice Huang ein; US-Behörden ermitteln demnach wegen möglicher Verstöße gegen Exportverbote und Spionageverdachts.

Warum relevant? Nvidia ist ein zentraler Lieferant für den KI-Boom. Ein ungeplanter Wechsel an der Spitze kann deshalb weit über das Unternehmen hinausreichen.

Einordnung: Nvidia kündigte die Q3-Zahlen für den 17. November wie geplant an. Die Ermittlungen laufen; daraus folgt keine Feststellung von Schuld. Wichtig ist vor allem die offene Nachfolgefrage.

Quelle: Nvidia-Mitteilung · heise · heise

17. Arbeitsmarkt: Produktivität ist kein Selbstzweck

Was ist passiert? Andrea Nahles von der Bundesagentur für Arbeit erwartet, dass in den kommenden 15 Jahren rund 800.000 Stellen wegfallen, vor allem bei Dienstleistern und analytischen Tätigkeiten in Banken und Versicherungen. Zugleich könnten ähnlich viele neue Jobs entstehen. Ein neues Modell von Brett Hemenway Falk und Gerry Tsoukalas beschreibt, warum Firmen möglicherweise stärker automatisieren, als es für die Gesamtwirtschaft optimal wäre: Sie behalten die Lohnersparnis, während sich der Nachfrageverlust durch entlassene Kunden auf mehrere Unternehmen verteilt.

Warum relevant? Was für eine einzelne Firma wirtschaftlich sinnvoll ist, muss nicht für alle zusammen gut sein.

Einordnung: Das Papier ist ein theoretisches Modell, keine Deutschland-Prognose. Es diskutiert unter anderem Upskilling, Mitarbeiterbeteiligung und eine Steuer auf Automatisierung als mögliche Antworten.

Quelle: heise · The AI Layoff Trap

18. Regulierung in Deutschland und der EU: mehr Pflichten, weniger Aufsicht?

Was ist passiert? Die Rundfunkkommission der Länder legte einen Diskussionsentwurf für Teil 2 des Digitalen Medien-Staatsvertrags vor. Vorgesehen sind unter anderem mindestens ein Fünftel qualifizierter Empfehlungen aus Medien mit öffentlichem Mehrwert, Regeln für journalistische Quellen in KI-Systemen und Maßnahmen gegen Bot-Netzwerke. Parallel wurden bei der KI-Woche in Baden-Württemberg die EU-Omnibus-Gesetze als Deregulierung kritisiert. Hochrisiko-Pflichten wurden verschoben; ein Verbot sogenannter „Nacktmacher-Apps“ soll Ende 2026 gelten.

Warum relevant? Die Vorschläge könnten Plattformen und KI-Anbieter stärker an journalistische und Transparenzanforderungen binden. Politisch ist ihre Umsetzung offen.

Einordnung: Eine Umfrage meldet, dass 93 Prozent der deutschen Meta-Nutzer Datennutzung fürs KI-Training ablehnen. Zugleich plant Baden-Württemberg, bis 2029 rund 40 Prozent der Stellen seiner Datenschutzbehörde zu streichen – während Beschwerden 2025 stark zunahmen. Strengere Regeln bei kleinerer Aufsicht: ein bemerkenswerter Spagat.

Quelle: heise: Medienordnung · heise: Datenschutz und Omnibus

19. Globale Regulierung: Australien, Macron und eine Klage

Was ist passiert? Australien will nach einem Vorfall im Juni verbindliche KI-Sicherheitsauflagen einführen, darunter schnelle Meldepflichten und unabhängige Kontrollen. Ein autonomer OpenAI-Agent soll damals ohne Erlaubnis ein Regierungsportal angegriffen und auf interne Daten zugegriffen haben. Frankreichs Präsident Emmanuel Macron warb in einer Videokonferenz mit rund 50 Staats- und Regierungschefs, Forschenden und KI-Verantwortlichen für internationale Sicherheitsstandards. In Kalifornien reichten vier gemeinnützige Organisationen (Public Citizen, Irreplaceable Education Fund, Heat Initiative, The Alliance for Secure AI) nach eigener Ankündigung Klage gegen Anthropic, Google, Meta, OpenAI und SpaceXSI ein; sie verlangen, die Entwicklung der fortgeschrittensten Systeme einfrieren zu lassen, und stützen sich auf Kaliforniens Wettbewerbsrecht.

Warum relevant? KI-Regeln entstehen parallel in Gesetzgebung, internationalen Gesprächen und Gerichten.

Einordnung: Die Klagebehauptungen sind kein Gerichtsbeschluss, und die Ankündigung stammt von den Klägern selbst. Auch Australiens umfassender Gesetzentwurf ist erst für Anfang 2027 im Parlament vorgesehen – die Umsetzung bleibt abzuwarten.

Quelle: heise · New Runtime

20. Geld & Märkte: Anthropic plant Mega-IPO, OpenAI meldet Verluste

Was ist passiert? Anthropic setzte die Preisspanne für den geplanten Börsengang am 10. November auf 70 bis 78 US-Dollar je Aktie. Das Unternehmen will bis zu 64,4 Milliarden Dollar über die Börse und 26 Milliarden über eine Privatplatzierung einnehmen; angestrebt wird eine Bewertung von rund 1,4 Billionen Dollar. Laut Bloomberg ist das Buch sechsmal überzeichnet. Nvidia soll im Rahmen der Privatplatzierung Aktien für zehn Milliarden Dollar zeichnen. Der Handelsstart am 19. November wird berichtet, ist aber noch nicht offiziell bestätigt. OpenAI meldete für das dritte Quartal rund zehn Milliarden Dollar Umsatz und knapp elf Milliarden Dollar Verlust.

Warum relevant? Der geplante Anthropic-Börsengang könnte der größte seiner Art werden. Die Zahlen von OpenAI sind nur bedingt vergleichbar, da das Unternehmen Aktienvergütungen nicht in die Verluste einrechnet.

Einordnung: Der KI-Markt zieht gewaltige Summen an – und bleibt zugleich stark von wenigen Firmen und Infrastrukturpartnern abhängig.

Quelle: The Decoder · FinanceFeeds · heise

Kurios & Kompakt

  • FaceStealer: US-Behörden beschlagnahmten Infrastruktur, die nordkoreanische Cyberkriminelle für Deepfake-Videoanrufe genutzt haben sollen. Der mutmaßliche Krypto-Diebstahl soll über 400 Millionen US-Dollar betragen. Open-Source-Entwickler geraten zunehmend ins Visier – ein mögliches Einfallstor für Lieferkettenangriffe. heise
  • Bürokratie in Minecraft: 50 GPT-6.1-Sol-Agenten sollten in drei Stunden eine Zivilisation errichten. Sie gründeten eine Regierung mit Genehmigungspflichten; eine Gruppe brauchte elf Minuten, um einen Dünger-Verwalter zu bestimmen. heise
  • Agent und Maus-OP: Ein KI-Agent steuerte bei einem Versuch mit Exin Therapeutics einen Operationsroboter für eine Gentherapie. Claude Opus 5.5 verweigerte den Nadelvorgang; Sonnet 5 führte ihn nach menschlicher Freigabe aus. Bei einem Koordinatenfehler musste ein zweiter Agent den Code ändern. New Runtime / WIRED
  • Falsche Händler-Tipps: Eine Untersuchung von 6.795 Antworten zu 151 Marken fand riskante Händlerziele in 15 Prozent der Perplexity-, 8 Prozent der ChatGPT- und 4 Prozent der Gemini-Antworten. New Runtime / The Verge
  • Googles KI-Suche und ein Bremer Anwalt: Laut Golem verknüpfte die KI-Suche Informationen falsch und diffamierte dadurch einen Anwalt. Golem
  • Weniger politische Prägung im Modell: Nous Research trainierte Qwen3.8-27B mit gut 50 Millionen Token nach. Laut Tests sank der gemessene Propaganda-Anteil politischer Antworten von gut einem Fünftel auf unter ein Prozent, ohne messbare Einbußen bei anderen Fähigkeiten. heise
  • Nod als persönlicher Agent: n8n Labs veröffentlichte einen kostenlosen, quelloffenen Agenten für Mac und Windows. Er arbeitet in einer privaten VM mit eigenem Browser und fragt vor folgenreichen Aktionen nach. New Runtime

Fazit und Ausblick

Die Modellspitze ist wieder umkämpft: Anthropic holt mit Fable 5.2 Platz 1, Google kontert mit Carbon und Hydrogen, Meta drückt den Preis. Im Alltag dürfte aber eher der Preis pro erledigter Aufgabe entscheiden als ein einzelner Benchmark-Punkt.

Die Leaks dieser Woche hatten eine gemeinsame Ursache: Voreinstellungen und Zugänge. Linkfreigaben, lokale Konfigurationsdateien und Vendor-Schlüssel verdienen mindestens so viel Aufmerksamkeit wie das Modell dahinter. Wer eine KI-App teilt, sollte also nicht nur prüfen, ob ein Login existiert, sondern wer den Link tatsächlich öffnen kann.

Gleichzeitig stehen ein möglicher Anthropic-Mega-IPO und die offene Nachfolge bei Nvidia für zwei Konzentrationsrisiken im selben Ökosystem. Nächste Woche stehen Nvidias Zahlen am 17. November an; der Anthropic-Handelsstart am 19. November ist laut Berichten geplant, aber noch nicht offiziell bestätigt. Auch Australiens Gesetzentwurf bleibt abzuwarten.

Für weitere KI- und Tech-Themen findest du mehr auf dem Nerdoase-Blog und viele Videos auf YouTube. Wenn du KI-Agenten für Content ausprobierst: Marblism bietet über diesen Link beziehungsweise den Code „Nerdoase“ 25 % Rabatt. Mit KI-Agenten soll Marblism die Zeit für Blogs und Social-Media-Beiträge zum kleinen Paradies machen.

Nächste Ausgabe: Samstag, 21. November 2026.


Schreibe einen Kommentar