Hinweis: Dieser Beitrag wurde mit künstlicher Intelligenz erstellt.
Ob ein Modell Sicherheitslücken findet, eine Rangliste anführt oder Bestellungen auslöst: Seinen Nutzen entschied in dieser Woche kaum die Leistung des Modells selbst. Es kam darauf an, was darum herum organisiert ist, also wie schnell Updates bei den Nutzern ankommen, was eine gelöste Aufgabe kostet, welche Rechte ein Agent hat und wer das Ergebnis prüft. Dieses Muster zieht sich durch Angriff und Verteidigung, Börsenzahlen und Preislisten, Unternehmenssoftware und Kanzleialltag. Die Fähigkeiten der Systeme gelten als belegt. Offen bleibt, wer sie steuert, wer sie bezahlt und wer für ihre Ergebnisse geradesteht.
Schwarzer Oktober: Wie gefährlich sind KI-Modelle für die Cybersicherheit?
Den Anlass für den Begriff lieferte eine Lücke in PHP. Im Blog von KI-Beratung, PHP-Sicherheitslücke: So gelingt die KI-Verteidigung, heißt es, sie erlaube Angreifern, ohne Passwort fremden Code auszuführen. Es handelte sich um eine Zero-Day-Schwachstelle, also um eine Lücke, für die beim Bekanntwerden noch kein Fix existierte. Entdeckt wurde sie demnach vom Modell GPT-5.6 Sol. Institutionen wie die Charité und das BKA nahmen daraufhin vorsorglich Systeme vom Netz. Der Blog betont außerdem ein Gefälle bei der Information: Die US-Regierung wusste fünf Tage vor der Veröffentlichung Bescheid, Europa wurde nach seiner Darstellung unzureichend gewarnt.
Die Gewichtung dieser Ereignisse fällt je nach Quelle unterschiedlich aus. Der Kanal Everlast AI nennt in seinem Video „Schwarzer Oktober hat begonnen“ ebenfalls Charité und mehrere Bundesministerien, relativiert aber: Rund 70 Prozent des Internets seien nicht betroffen gewesen, und viele Organisationen hätten ihre Systeme nur aus Vorsicht abgeschaltet. Beide Quellen verweisen auf reale Angriffe einer chinesischen Hackergruppe. Laut KI-Beratung setzte sie KI-Agenten ein, um Zugangsdaten von mehr als 2.250 Firmenkonten zu stehlen. Der Vorfall zeigt, dass KI nicht nur Lücken findet, sondern auch Angriffe ausführt.
Ein konkretes Beispiel für offene Modelle liefert Epoch AI in Open-weight AI models can exploit the patch gap. Offene Modelle sind solche, deren Gewichte frei heruntergeladen werden können. Das Modell GLM 5.3 nutzte demnach Schwachstellen in sechs aktuellen Firefox-Versionen aus. Es setzte dabei auf den „Patch Gap“, die Zeitspanne zwischen der Veröffentlichung eines Sicherheitsupdates und seiner tatsächlichen Ausspielung bei den Nutzern. Der Angriff las Dateien vom Rechner aus und schickte sie an den Angreifer, ohne dass der Nutzer etwas tun musste. Epoch beziffert die Kosten auf etwa 1.000 Dollar pro Firefox-Version. Zusätzlich fanden die Forscher eine unveröffentlichte Schwachstelle, die sie mit den bekannten Lücken kombinierten. Mozilla hat inzwischen ein Update bereitgestellt. Epoch wertet das Ergebnis als wachsende Bedrohung durch offene Modelle.
Dem steht die Position des Newsletters Interconnects gegenüber. In Was I wrong about open models & cyber risks? ordnet der Autor die Ereignisse unter dem Begriff „Black October“ ein, mit PHP2Shell und GitLab als Beispielen. Sein Befund lautet sinngemäß, die Reaktion der KI-Sicherheitsszene sei übertrieben gewesen. Die heutigen offenen Modelle hätten nicht die befürchteten katastrophalen Folgen. Das größere Risiko gehe von geschlossenen Modellen und von der Cyberindustrie insgesamt aus. Cyberrisiken seien ein gesellschaftliches Problem, das die Technologiebranche nicht allein lösen könne. Epoch und Interconnects widersprechen sich dabei weniger in den Fakten als in der Lesart. Der Firefox-Angriff funktioniert nur, weil Updates verspätet ankommen. Das ist ein Problem der Verteilung und der Disziplin beim Patchen, nicht des Modells allein. Zugleich zeigt er, dass die Einstiegshürde bei offenen Modellen niedrig ist.
Dass selbst Fachleute uneins sind, zeigt auch der Interconnects-Podcast Kimi K3.1 Pro, the new cyber reality, and Muse musings. Dort geht es um die gemischte Aufnahme von Kimi K3.1 Pro, das trotz starker Benchmarks Cybersicherheitsfragen aufwirft. Besprochen werden die unterschiedliche Wahrnehmung von Cyber- und KI-Experten, die Notwendigkeit zu patchen und die Rolle von Nationen bei Cyberkriminalität. Die Verteidigerseite rüstet ebenfalls auf. Laut Latent Space in Gemini 4 Carbon tops leaderboards, launches for cyber defenders meldet Google DeepMind für sein neues Modell 88,2 Prozent bei der Schwachstellenerkennung und 54,8 Prozent beim Ausnutzen. Der Zugang ist zunächst auf vertrauenswürdige Verteidiger im Fairwind-Programm beschränkt, eine breitere Öffnung ist angekündigt. Hier wird die Frage der Kontrolle also konkret: Wer Modelle mit Angriffsfähigkeiten bekommt, entscheidet der Anbieter.
Für Unternehmen bleibt eine praktische Konsequenz. Die Computerwoche weist in Pentests für KI-Systeme darauf hin, dass generative KI längst Code entwirft, Wissensdatenbanken durchsucht und über vernetzte Tools Maßnahmen ausführt. Deshalb seien Penetrationstests, also kontrollierte Angriffe auf das eigene System, auch für KI-Anwendungen unumgänglich. Über die Woche hinaus zählt, dass sich die Debatte von der Frage, ob Modelle Lücken finden können, zur Frage verschiebt, wie schnell Organisationen reagieren. Der Streit um offene und geschlossene Modelle hängt davon ab, ob Patches in Tagen oder in Wochen ankommen.
Anthropic an der Börse: Was die Zahlen über agentische KI verraten
Anthropic hat in den USA den Antrag für einen Börsengang eingereicht, das sogenannte S-1-Dokument, in dem ein Unternehmen vor der Notierung sein Geschäft offenlegen muss. Laut The Batch soll die Aktie an der Nasdaq unter dem Kürzel ANT gehandelt werden. Der Umsatz im ersten Halbjahr 2026 lag demnach bei 16,3 Milliarden Dollar, nach rund 1,2 Milliarden im Vorjahreszeitraum. Das KI-Update von heise fasst das ungefähr so: ein 14-faches Wachstum, womit der Börsengang zu den größten der Geschichte zähle. Latent Space nennt für das zweite Quartal allein ein Plus von 1.368 Prozent gegenüber dem Vorjahr und ein Bewertungsziel von zwei Billionen Dollar.
Interessanter als das Wachstum ist die Kostenseite. Latent Space meldet für das zweite Quartal einen operativen Gewinn von 974 Millionen Dollar. Zugleich steht für das Halbjahr ein Gesamtverlust von 80,7 Milliarden Dollar in den Büchern, der laut dieser Quelle vor allem auf nicht zahlungswirksame Aufwendungen zurückgeht, also auf Posten, bei denen kein Geld abfließt. Der Kassenbestand liegt bei 134 Milliarden Dollar, die bisher tatsächlich verbrannte Summe bei etwa 9,7 Milliarden. The Batch ergänzt den Hebel dahinter: Die Ausgaben für Rechenleistung und Infrastruktur lagen 2024 noch beim etwa 6,5-Fachen des Umsatzes und sind im ersten Halbjahr 2026 auf rund die Hälfte gesunken. Die bereinigte operative Marge beträgt dadurch etwa 10 Prozent. Der Verlust von 80,7 Milliarden sagt also wenig über das laufende Geschäft aus, die Rechenkosten pro Umsatzdollar dagegen viel.
Womit Anthropic sein Geld verdient, beleuchten die Quellen aus verschiedenen Winkeln. The Batch führt das Wachstum auf agentische Produkte zurück, also auf Software, die Aufgaben selbstständig über mehrere Schritte erledigt, namentlich Claude Code und Claude Cowork. Als Beleg dient eine Kundenbindung im Unternehmensbereich von etwa 900 Prozent. Gemeint ist offenbar eine Kennzahl, die den Umsatz mit bestehenden Firmenkunden über die Zeit misst; die genaue Definition steht im Material nicht. Heise hebt dagegen hervor, dass rund 80 Prozent der Erlöse aus Gebühren für die Nutzung der KI-Modelle stammen. Das ist kein Widerspruch, sondern eine andere Perspektive: Die Produkte treiben den Verbrauch, abgerechnet wird aber im Kern das Modell. Latent Space schneidet die Zahlen noch einmal anders und weist aus, dass 48 Prozent des Umsatzes über Cloud-Partner laufen. Knapp die Hälfte des Geschäfts erreicht die Kunden also über fremde Plattformen.
Zur Frage, wohin Anthropic als Nächstes will, geben die Quellen mehrere Hinweise. Latent Space zufolge formuliert das Unternehmen im Antrag das Ziel, bis 2028 mehr als eine Milliarde Wissensarbeiter mit „virtuellen Mitarbeitern“ zu erreichen, die komplexe Aufgaben übernehmen. Dazu passt Claude Duet, das The Batch als neuen Agenten zur Aufgabenautomatisierung für Fachleute und kleine Unternehmen beschreibt. Einen weiteren Schritt skizziert Heise: Anthropic berät sich demnach angeblich mit Anwaltskanzleien, wie Agenten künftig Preise, Gehälter und Verträge für ihre Nutzer aushandeln sollten. Das ist bislang eine Meldung ohne bestätigte Details, zeigt aber die Richtung, nämlich Agenten, die nicht nur arbeiten, sondern im Namen von Menschen verbindlich verhandeln.
Über die Woche hinaus zählt der Antrag, weil er zum ersten Mal belastbare Zahlen dazu liefert, wie viel Umsatz agentische KI trägt und wie schnell die Rechenkosten pro Umsatzdollar fallen können. Ob die Marge von zehn Prozent hält, wenn die Nutzung weiter so steil wächst und der Anteil der Cloud-Partner hoch bleibt, werden die ersten Quartalsberichte als börsennotiertes Unternehmen zeigen.
Wer vorne liegt, ist nur die halbe Antwort
Das Analysehaus Artificial Analysis hat die Spitze der Modellrangliste innerhalb von zwei Tagen neu sortiert. Am 27. Oktober stellte es in Announcing Artificial Analysis Intelligence Index v5 die fünfte Version seines Intelligence Index vor. Neu sind zwei Benchmarks, also standardisierte Testaufgabensammlungen: FrontierCode 2.0 mit realen Programmieraufgaben und Terminal-Bench-Science mit 70 Forschungsaufgaben in einer Terminalumgebung. Außerdem stützt sich der Index jetzt zu 60 Prozent auf private Datensätze, deren Aufgaben nicht öffentlich sind und die Modelle daher nicht vorab kennen sollen. Hinzu kommt ein Progress Index, der Modelle aus verschiedenen Veröffentlichungszeiträumen vergleichbar machen soll. In dieser ersten Fassung führte Claude Opus 5.5, gefolgt von GPT-6 Astra und GPT-6.1 Sol.
Einen Tag später meldete Artificial Analysis in Gemini 4 Carbon is the new #1 einen Wechsel. Googles Modell erreicht demnach 59 Punkte, vor allem dank starker Ergebnisse bei komplexem Schlussfolgern und wissenschaftlichen Aufgaben. In Programmierung und Wissen bleibt es teils hinter anderen Modellen zurück. In der Messung AA-Omniscience v1.1, die auch Halluzinationen erfasst, liegt es mit 54 Punkten vorn und weist eine niedrige Halluzinationsrate auf. Die Einschränkung: Gemini 4 Carbon steht bisher nur ausgewählten Nutzern offen, und es gilt ein Einführungspreis mit 50 Prozent Nachlass. Der Hinweis auf geringere Kosten pro Aufgabe gegenüber Opus 5.5 gilt also womöglich nur für diese Einführungsphase. Ob der Vorteil danach bestehen bleibt, sagt das Material nicht.
Wie dünn der Vorsprung ist, zeigt der Blick in The Batch. Der Newsletter nennt am 29. Oktober noch Opus 5.5 mit 58 und GPT-6 Astra mit 57 Punkten an der Spitze, obwohl Gemini mit 59 bereits vorbeigezogen war. Ein Leaderboard ist also eine Momentaufnahme, und man muss auf Indexversion und Datum achten. Ein Punkt Abstand ist zudem kaum ein belastbares Urteil über den Alltagsnutzen. Das gilt auch für Kimi K3.1 Pro. Latent Space berichtet am 24. Oktober, also vor Erscheinen von Version 5, von unabhängigen Bewertungen mit 55 Punkten und Platz vier. Das Modell hat offene Gewichte, rund 2,8 Billionen Parameter und 104 Milliarden aktive Parameter. Die Highspeed-Variante erzeugt Ausgaben zwei- bis dreimal schneller und kostet doppelt so viel. Laut Latent Space fielen die Reaktionen gemischt aus, weil einige die Wirtschaftlichkeit und die Darstellung der Benchmarks bemängelten. Welche Indexversion hinter den 55 Punkten steckt, nennt der Bericht nicht.
Mindestens so aufschlussreich ist die Kostenseite. Artificial Analysis nennt in der Index-Meldung GPT-6.1 Terra das günstigste Modell. Der Beitrag GPT-6.1 Terra pushes the cost efficiency frontier beziffert: Die Preise pro Token (die kleinste abgerechnete Texteinheit) liegen bei der Hälfte oder darunter im Vergleich zum Vorgänger GPT-5.6. Die Halluzinationsrate halbiert sich bei gleichzeitig höherer Genauigkeit. Im Terminal-Bench 4.0 gewinnt Terra rund 20 Punkte und erreicht ähnliche Werte wie GPT-6.1 Sol. Im Coding Agent Index kommt es auf 48 Punkte, über GPT-6 Luna und unter Sol. Dass ein Modell nicht auf Platz eins steht, schließt es für viele Aufgaben also nicht aus.
Dass nicht nur der Modellpreis zählt, belegt GitHub Copilot Fusion. Das System verteilt Aufgaben auf Modelle von Anthropic und OpenAI, um Leistung, Kosten und Antwortzeit auszubalancieren. Laut Artificial Analysis erreicht es 71 Punkte im Terminal-Bench 4.0 bei 5,59 US-Dollar pro Aufgabe. Claude Code mit Opus 5.5 kostet 11,42 US-Dollar. Fusion braucht 7,2 Millionen Tokens je Aufgabe, etwa halb so viele wie Opus 5.5. Im Coding Agent Index v2.0 liegt es mit 51 Punkten in der FrontierCode-Wertung auf Platz drei, hinter Claude Code und Devin Fusion. Man zahlt hier also einen Teil der Spitzenleistung, spart dafür aber etwa die Hälfte. Auch die Sprache spielt eine Rolle: The Batch verweist auf die sogenannte Tokenizer Tax, nach der manche Sprachen für denselben Inhalt deutlich mehr Tokens verbrauchen und damit mehr kosten. Die Computerwoche beschreibt in 5 Hebel, um KI-Kosten zu senken den Kostenblock als noch undurchsichtiger als die Cloud-Rechnungen, für die Firmen in den vergangenen zehn Jahren FinOps-Abteilungen aufgebaut haben.
Über die Woche hinaus zählt, dass sich die Frage von „Welches Modell ist am besten?“ zu „Was kostet eine gelöste Aufgabe?“ verschiebt. Ein Spitzenplatz mit einem Punkt Vorsprung und befristetem Einführungspreis taugt dafür weniger als die Rechnung pro Aufgabe, die Artificial Analysis nun systematisch mitführt.
Das Ende von ERP und Bürojob? Was KI in Unternehmen ersetzt
Die schärfste Prognose der Woche stammt von Emanuel Böminghaus, dem CEO von AvenDATA. Laut der Zusammenfassung im Blog von KI-Beratung hält er es für möglich, SAP als zentrales ERP-System durch KI-gestützte Software zu ersetzen. ERP steht für Enterprise Resource Planning, also die Software, in der ein Unternehmen Finanzen, Einkauf, Produktion und Personal verwaltet. Sein Argument: Viele Unternehmen nutzen nur einen Bruchteil des Funktionsumfangs, ein selbst gebautes System müsste also nicht alles können. Eine ernsthafte Bedrohung für SAP sieht er dann, wenn Handelsketten wie Lidl oder Aldi auf Eigenlösungen umsteigen. Er rahmt das mit einem Befund zur deutschen Wirtschaft: Sie stagniere, wegen hoher Steuern und teurer Energie, und die Arbeitskosten lägen deutlich über denen in China. Dazu passt seine Voraussage, Callcenter würden durch KI-Assistenten ersetzt und in zehn Jahren bleibe nur etwa ein Zehntel der heutigen Bürojobs übrig.
Die Anbieter selbst erzählen die Geschichte anders. Die Computerwoche berichtet von der SAP TechEd, auf der Technikvorstand Phillip Herzig das „Autonomous Enterprise“ konkretisierte. Das ist die Vision, die SAP Anfang des Jahres formuliert hat: jeden Geschäftsprozess mit KI von Anfang bis Ende neu zu denken. Herzig zog den Vergleich zum Wandel vor dreißig Jahren, als sich der gesamte Technologie-Stack veränderte. Im Zentrum steht „Joule Work“, das er als grundlegend neue Art beschrieb, Software zu nutzen, dazu kommen fünf autonome SAP-Domänen. SAP beschreibt den Umbruch also als etwas, das im eigenen Haus stattfindet. Böminghaus hingegen spricht davon, dass das Haus überflüssig werden könnte. Auch Oracle gibt sich offensiv: Die Computerwoche überschreibt ihren Bericht von der Oracle AI World mit der Prognose vom Ende des ERP. CEO Mike Sicilia sagte vor dem Publikum der Konferenz, die jedes Jahr rund 25.000 Menschen anzieht, KI müsse den Menschen mehr Zeit geben, Mensch zu sein. Wie das Ende des ERP konkret aussehen soll, lässt der Bericht in dem hier vorliegenden Teil offen.
Ein praktisches Gegenstück zur Rhetorik liefert The Decoder. Novabit bringt mit Nuclos 5 einen KI-Agenten namens Nuclosian in seine Open-Source-Low-Code-Plattform, also eine Umgebung, in der Anwendungen überwiegend konfiguriert statt programmiert werden. Der Agent nimmt ERP-Anforderungen per Chat entgegen und konfiguriert die Anwendung direkt, laut Hersteller fünf- bis zehnmal schneller als bisher. Bemerkenswert ist die Einschränkung: Alle erzeugten Konfigurationen bleiben manuell editierbar und lassen sich auch ohne KI nutzen. Das ist näher an Böminghaus’ Eigenbau-These als an SAPs Plattformversprechen, aber es ersetzt nicht das ERP, sondern beschleunigt dessen Einrichtung und lässt den Menschen im Prozess. Die Geschwindigkeitsangabe stammt vom Hersteller und ist bislang nicht unabhängig belegt.
Bei den Bürojobs ist die Lage nüchterner, wenn man den Podcast KI verstehen des Deutschlandfunks danebenlegt. Er nennt 57 Prozent der großen Unternehmen in Deutschland, die KI bereits nutzen, aber nur 3 Prozent, die ihr Potenzial stark ausschöpfen. Wer das Tempo des Umbaus einschätzen will, muss also zuerst diese Lücke betrachten. Die Folge für die Beschäftigung ist umstritten: Nvidia-Chef Jensen Huang betont, KI schaffe Arbeitsplätze, doch Journalisten reagierten skeptisch, auch mit Blick auf Microsofts angekündigten Abbau von 6000 Stellen. Der Podcast verweist auf neue Arbeit etwa in Rechenzentren und auf die verbreitete Angst vor Jobverlusten, und er hält fest, dass der Einsatz sorgfältig erfolgen muss.
Wie realistisch ist also die These vom Ende des ERP und des Bürojobs? Die Quellen stützen eher eine Verschiebung als eine Ablösung. Dass Systeme sich per Chat konfigurieren lassen und Anbieter ihre Produkte um Agenten herum neu bauen, ist belegt. Die Zahl von zehn Prozent verbleibender Bürojobs ist dagegen eine Schätzung eines einzelnen Unternehmenschefs, für die im Material keine Herleitung steht. Und die Anbieter, die das Ende ausrufen, haben ein Interesse, es als eigenes Produkt zu verkaufen. Über die Woche hinaus zählt vor allem die Frage, wem die Prozesslogik eines Unternehmens künftig gehört: dem Softwarehaus, das sie liefert, oder dem Betrieb, der sie sich per KI selbst baut.
Agenten im Regelbetrieb: Führen, absichern, richtig bauen
Der Pilot mit einer Handvoll Anwendern läuft meist reibungslos. Die eigentliche Prüfung beginnt im Regelbetrieb. Das beschreibt die Computerwoche in ihrem Beitrag KI-Agenten im Regelbetrieb: Governance darf nicht warten. Arbeiten Tausende Beschäftigte mit unterschiedlichen Endgeräten, bestehen Zugriffe auf produktive Systeme und liefern Agenten nicht mehr nur Antworten, sondern lösen selbst Bestellungen aus oder versenden E-Mails, zeigt sich, ob Verantwortlichkeiten, Berechtigungen und Datenflüsse geklärt sind. Fehlt die Governance, also der verbindliche Rahmen aus Zuständigkeiten und Regeln, entstehen laut dem Beitrag isolierte KI-Inseln. Sie lassen sich kaum steuern und treiben Kosten und Compliance-Risiken in die Höhe. Die Frage, wer führt, steuert und haftet, steht damit am Anfang des Regelbetriebs und nicht an seinem Ende.
Beim Führen setzt Christoph Magnussen in seinem Video KI braucht Führung: Warum du nicht jeden Schritt vorgeben solltest an. Seine Beobachtung: Viele behandeln KI wie einen herkömmlichen Computer und geben Schritt für Schritt Anweisungen. Sinnvoller sei der Umgang mit einem menschlichen Mitarbeiter. Man definiert das Ziel klar und überlässt der KI den Lösungsweg. Führungskräfte müssten lernen, Agenten zu leiten, statt sie mit Detailvorgaben zu überfrachten. Das steht in Spannung zur Governance-Sicht der Computerwoche. Magnussen plädiert für Freiraum beim Wie, die Governance-Perspektive für harte Grenzen bei der Frage, worauf ein Agent zugreifen darf. Man kann beides zusammenlesen: Das Ziel wird offen gesteckt, der Handlungsraum bleibt technisch begrenzt. Das ist allerdings eine Einordnung, die sich aus den beiden Quellen ergibt. Keine der beiden formuliert sie so.
Auch beim Aufbau gibt es eine klare Empfehlung. Laut The Decoder rät Anthropic Unternehmen, Multi-Agent-Architekturen aufzugeben. Gemeint sind Aufbauten, in denen viele spezialisierte Subagenten Teilaufgaben übernehmen. Stattdessen soll ein einzelner Hauptagent arbeiten, der Kontext nur bei Bedarf lädt. In einem Kundenfall habe sich so die Geschwindigkeit verdoppelt, für den Umbau stellt Anthropic ein Migrations-Kit auf GitHub bereit. Das ist ein einzelner Fall und keine allgemeine Messreihe. Ein zweiter Gedanke stammt aus dem Podcast How Anthropic ships Claude with Claude von Latent Space. Dort geht es um die Trennung von Gehirn und Händen eines Agenten. Die Logik und die Ausführung laufen in verschiedenen Umgebungen, was Sicherheit und Effizienz dienen soll. Außerdem betont die Folge den Wert von Evaluierungen, also systematischen Tests, mit denen die Leistung laufend überprüft wird. Wenige Agenten und eine saubere Trennlinie zwischen Denken und Handeln folgen damit demselben Prinzip: weniger bewegliche Teile, die man absichern muss.
Die Anbieter reagieren mit Verwaltungswerkzeugen. Auf dem ServiceNow AI Summit für die DACH-Region in München stand laut IT-Business der Übergang aus der Experimentierphase in produktive Abläufe im Mittelpunkt. ServiceNow will Unternehmen helfen, ihre Agenten und Anwendungen zu erfassen, zu überwachen und zu steuern. IBM hat auf der TechXchange ein ganzes Bündel an Tools vorgestellt, wie die Computerwoche in So will IBM den KI-Agenten-Wildwuchs bändigen berichtet. Der Beitrag verweist auf eine Gartner-Analyse, nach der ein durchschnittliches Fortune-500-Unternehmen bis 2028 mehr als 150.000 KI-Agenten im Einsatz haben wird. Als Schwachstelle nennt er unter anderem dauerhafte Zugangsdaten, also statische, langfristig gültige oder überprivilegierte Zugänge. Wo so viele Agenten laufen, wird zuerst ein Überblick gebraucht, welche Agenten überhaupt existieren und welche Rechte sie haben.
Wie früh der Markt dabei noch ist, sagt die Gartner-Analystin Annette Zimmermann im Gespräch mit der Computerwoche, das unter dem Titel KI-Agenten – was Gartner CIOs empfiehlt erschienen ist. Ihrer Einschätzung nach experimentieren Unternehmen noch viel und loten teils vorsichtig aus, was möglich ist. Das Gespräch behandelt auch, wie sich Kosten und Kontrolle im Griff behalten lassen. Über die Woche hinaus zählt, dass Führung, Architektur und Berechtigungen nicht nacheinander, sondern gemeinsam entschieden werden müssen. Wer den Agenten ein Ziel gibt, braucht zugleich ein Inventar, begrenzte Rechte und Tests, bevor aus dem Pilot ein Alltagswerkzeug wird.
Wem Kanzlei und Praxis die Antwort glauben dürfen
Wer in einem Beruf mit hoher Haftung arbeitet, fragt bei KI weniger nach Tempo als nach Verlässlichkeit. Diese Spannung zieht sich durch das Material der Woche. Auf der einen Seite stehen Produkte, die Routinearbeit in Kanzleien und Praxen verkürzen sollen. Laut Anthropic erweitert Claude for Legal um vorgefertigte Vorlagen für Kanzleien bei The Decoder hat Anthropic sein Rechtsangebot um interaktive Übersichten und Tabellen ergänzt. Sie sollen Rechtsteams die Einrichtung erleichtern und Routineaufgaben wie Vertragsprüfungen beschleunigen. Außerdem lassen sich über mehr als 60 Schnittstellen eigene Datenbanken direkt anbinden. Der Schwerpunkt liegt also weniger auf einem klügeren Modell als darauf, wie schnell ein Team arbeitsfähig wird.
Der Podcast Claude for Legal und Gemini 4 Carbon sind da! von „Prompt mich mal“ ordnet das größer ein. KI werde vom reinen Textgenerator zum Problemlöser, der juristische Dokumente analysiert und selbstständig Antworten erzeugt. Als Beispiel nennt der Podcast das Model Context Protocol (MCP), einen Standard, über den Sprachmodelle auf externe Datenquellen und Werkzeuge zugreifen. Damit könne die KI lokal in Kanzleidatenbanken arbeiten, ohne dass sensible Daten gefährdet würden. Das ist die Einschätzung der Sendung. Im Material fehlt ein Beleg dafür, wie dieser Schutz technisch umgesetzt ist, und gerade das müsste eine Kanzlei vor dem Einsatz klären. Für Berufsgeheimnisträger entscheidet sich der Nutzen eines Werkzeugs oft an der Frage, wohin die Daten fließen, noch bevor es um die Qualität der Antwort geht.
Zugleich wird die Auswahl unübersichtlicher. Die FAZ beziffert in ihrem Überblick Die 25 beliebtesten KI-Tools für Anwälte und Kanzleien die Zahl der juristischen KI-Angebote auf 1400, doppelt so viele wie vor einem Jahr. Nun stiegen auch Microsoft, OpenAI, Google und Anthropic ein. Für Kanzleien heißt das: Neben spezialisierten Anbietern drängen die großen Plattformen in einen Markt, in dem bisher viele kleine Anbieter um Vertrauen warben. Wer einkauft, muss deshalb prüfen, ob ein Werkzeug zur eigenen Arbeitsweise passt, und kann sich nicht allein auf Bekanntheit verlassen.
Beim Vertrauen in die Ergebnisse hilft die Woche nur teilweise weiter. Auf Hacker News wurde der Beitrag Dayjob: Tax diskutiert, der KI-Agenten an 50 professionellen Steueraufgaben misst. Er erhielt 198 Punkte und 124 Kommentare. Im vorliegenden Material stehen allerdings nur Titel und Resonanz, keine Ergebnisse. Welche Aufgaben die Agenten bewältigten und wo sie scheiterten, lässt sich hier daher nicht sagen. Interessant ist die Anlage: Geprüft wird an realistischen Berufsaufgaben und nicht an Prüfungsfragen, und diese Art von Test braucht der Fachbereich, wenn er Herstellerversprechen einordnen will.
Die Frage, wann man der Maschine glauben darf, behandelt das Manager Magazin in Wann Teams KI-Antworten wirklich trauen können eher allgemein. KI liefere Antworten in Sekundenschnelle und klinge dabei oft erstaunlich sicher. Teams müssten daher herausfinden, wann sie der Technologie vertrauen können und wann ihr eigenes Urteil zählt. Der Hinweis trifft den Kern: Die Gefahr liegt weniger im offensichtlichen Fehler als im selbstsicheren Ton, der eine Prüfung überflüssig erscheinen lässt. Anders als der Podcast, der vor allem die Effizienz betont, verlagert das Manager Magazin die Verantwortung auf die Organisation des Teams.
Der Gegenpol zur juristischen Auswertung ist die Medizin, wo es um Dokumentation geht. Das Handelsblatt berichtet in Diese Firma entlastet Ärzte mit KI bei der Dokumentation, dass mehr als 10.000 Gesundheitseinrichtungen den KI-Assistenten von Tandem Health nutzen. Nun beteilige sich die Deutsche Telekom, und Firmenchef Lukas Saari wolle einen europäischen Champion aufbauen. Das Versprechen lautet, Ärzten sehr viel Zeit zurückzugeben. Dokumentation ist ein Feld, auf dem ein Mensch das Ergebnis prüfen kann, bevor es zählt. Das unterscheidet es von einer Diagnose, bei der das Urteil selbst auf dem Spiel steht.
Über die Woche hinaus zählt, dass sich in den Fachberufen die Frage von „Kann die KI das?“ zu „Wer prüft, was sie liefert?“ verschiebt. Je tiefer Werkzeuge in Kanzleidatenbanken und Praxisabläufe eingebunden sind, desto wichtiger werden nachvollziehbare Tests an echten Berufsaufgaben und eine klare Aufgabenteilung zwischen Maschine und Fachperson.
Am längsten tragen dürfte die Rechnung pro Aufgabe. Der halbierte Einführungspreis von Gemini 4 Carbon und die bereinigte Marge von rund zehn Prozent bei Anthropic zeigen erst im Dauerbetrieb, was die Systeme wirklich kosten. Bei der Sicherheit lohnt der Blick darauf, ob Patches in Tagen statt in Wochen ankommen und ob sich der Zugang zu Gemini 4 Carbon wie angekündigt über die Verteidiger hinaus öffnet. Wer Agenten einführt, sollte klären, ob Inventar, Berechtigungen und Tests stehen, bevor aus dem Pilot ein Alltagswerkzeug wird. Ranglisten wechseln binnen Tagen, diese Fragen bleiben.
Zum Hören
Transkript dieser Folge
Sprecherin: Ein Hinweis vorab: Dieser Rückblick wurde mit künstlicher Intelligenz erstellt und mit synthetischen Stimmen gesprochen. Willkommen zum Wochenrückblick. Diesmal zieht sich ein Muster durch alle Themen: Den Nutzen bestimmt nicht das Modell allein, sondern das Drumherum. Also Updates, Kosten pro Aufgabe, Rechte von Agenten und die Frage, wer am Ende prüft. Wir beginnen mit dem Schwarzen Oktober.
Sprecher: Den Namen gibt es wegen einer Lücke in PHP. Laut dem Blog von KI-Beratung konnte man damit ohne Passwort fremden Code ausführen. Es war eine Zero-Day-Schwachstelle, zum Bekanntwerden gab es also noch keinen Fix. Entdeckt hat sie angeblich das Modell GPT-5.6 Sol. Charité und Bundeskriminalamt nahmen vorsorglich Systeme vom Netz.
Sprecherin: Klingt nach Totalausfall. War es das?
Sprecher: Everlast AI sieht es nüchterner: Rund siebzig Prozent des Internets waren gar nicht betroffen, vieles wurde nur aus Vorsicht abgeschaltet. KI-Beratung hebt dafür ein Gefälle hervor. Die US-Regierung wusste fünf Tage früher Bescheid, Europa wurde nach Darstellung des Blogs kaum gewarnt.
Sprecherin: Fünf Tage Vorsprung, das ist enorm. Gab es denn echte Angriffe, oder blieb es bei den Lücken?
Sprecher: Echte. Eine chinesische Hackergruppe hat laut KI-Beratung KI-Agenten eingesetzt und von mehr als zweitausendzweihundertfünfzig Firmenkonten die Zugangsdaten gestohlen. Die Systeme finden also nicht nur Lücken, sie führen auch den Angriff aus.
Sprecherin: Das greifbarste Beispiel für offene Modelle kommt von Epoch AI. Offen heißt, die Gewichte kann jeder herunterladen. GLM 5.3 hat Schwachstellen in sechs aktuellen Firefox-Versionen ausgenutzt. Der Trick ist der Patch Gap, die Zeit zwischen Sicherheitsupdate und Ankunft beim Nutzer. Der Angriff las Dateien aus und schickte sie weg, ohne dass jemand etwas anklicken musste.
Sprecher: Was kostet so etwas den Angreifer?
Sprecherin: Rund tausend Dollar pro Firefox-Version. Die Forscher fanden außerdem eine unveröffentlichte Lücke und kombinierten sie mit den bekannten. Mozilla hat inzwischen ein Update ausgeliefert. Epoch liest das als wachsende Bedrohung durch offene Modelle.
Sprecher: Dagegen steht der Newsletter Interconnects. Der Autor spricht von Black October, nennt PHP2Shell und GitLab und findet, die Sicherheitsszene habe überreagiert. Offene Modelle hätten keine katastrophalen Folgen gehabt. Das größere Risiko sieht er bei geschlossenen Modellen und bei der Cyberindustrie selbst.
Sprecherin: Moment, der Firefox-Fall zeigt doch, wie niedrig die Einstiegshürde ist. Tausend Dollar kann fast jeder aufbringen.
Sprecher: Stimmt. Nur funktioniert der Angriff überhaupt bloß, weil Updates verspätet ankommen. Das ist ein Problem der Verteilung und der Patch-Disziplin, nicht des Modells allein. Die beiden streiten weniger über Fakten als über deren Lesart.
Sprecherin: Und die Verteidiger rüsten auf: Google DeepMind meldet für Gemini 4 Carbon achtundachtzig Komma zwei Prozent bei der Schwachstellenerkennung.
Sprecher: Wer darf es denn nutzen?
Sprecherin: Zunächst nur vertrauenswürdige Verteidiger im Fairwind-Programm, eine breitere Öffnung ist angekündigt. Beim Ausnutzen von Lücken liegt es übrigens bei vierundfünfzig Komma acht Prozent. Der Anbieter entscheidet also, wer Modelle mit Angriffsfähigkeit bekommt.
Sprecher: Für Firmen heißt das praktisch: Wenn du eigene KI-Anwendungen betreibst, gehören Penetrationstests dazu, also kontrollierte Angriffe auf das eigene System. Die Computerwoche erinnert daran, dass generative KI längst Code entwirft und über Werkzeuge selbst handelt. Entscheidend wird, ob Patches in Tagen oder erst in Wochen ankommen.
Sprecherin: Dann zu Anthropic. Der Börsengang ist beantragt, das S-1-Dokument liegt vor, also die Pflichtauskunft vor der Notierung. Kürzel an der Nasdaq: ANT. Der Umsatz im ersten Halbjahr 2026 betrug sechzehn Komma drei Milliarden Dollar, nach rund einer Komma zwei Milliarden im Vorjahreszeitraum.
Sprecher: Heise rechnet das auf ein rund vierzehnfaches Wachstum um. Latent Space nennt für das zweite Quartal allein ein Plus von eintausenddreihundertachtundsechzig Prozent und ein Bewertungsziel von zwei Billionen Dollar.
Sprecherin: Aber dann steht da ein Verlust von achtzig Komma sieben Milliarden. Wie passt das zusammen?
Sprecher: Der Verlust stammt laut Latent Space vor allem aus Posten, bei denen kein Geld abfließt. Im zweiten Quartal gab es sogar einen operativen Gewinn von neunhundertvierundsiebzig Millionen. Real verbrannt sind bisher etwa neun Komma sieben Milliarden, bei einem Kassenbestand von hundertvierunddreißig Milliarden.
Sprecherin: Und was steckt dahinter?
Sprecher: Die Rechenkosten. The Batch zeigt: 2024 lagen die Ausgaben für Rechenleistung noch beim Sechseinhalbfachen des Umsatzes, im ersten Halbjahr 2026 nur noch bei etwa der Hälfte. Daraus ergibt sich eine bereinigte operative Marge von rund zehn Prozent. Die Kosten pro Umsatzdollar sagen also mehr als der Buchverlust.
Sprecherin: Verdient Anthropic sein Geld mit den Produkten oder mit dem Modell?
Sprecher: Beides, je nach Blickwinkel. The Batch führt das Wachstum auf agentische Produkte zurück, Claude Code und Claude Cowork, mit rund neunhundert Prozent Kundenbindung bei Firmenkunden. Was die Kennzahl genau misst, steht nicht im Material. Heise sagt: Etwa achtzig Prozent der Erlöse sind Nutzungsgebühren für die Modelle. Die Produkte treiben den Verbrauch, abgerechnet wird im Kern das Modell.
Sprecherin: Und laut Latent Space laufen achtundvierzig Prozent des Umsatzes über Cloud-Partner. Das ist fast die Hälfte über fremde Plattformen.
Sprecher: Hält die Marge von zehn Prozent, wenn dieser Anteil so hoch bleibt?
Sprecherin: Das zeigen erst die ersten Quartalsberichte als börsennotierte Firma. Spannend ist auch die Richtung: Im Antrag steht das Ziel, bis 2028 mehr als eine Milliarde Wissensarbeiter mit virtuellen Mitarbeitern zu erreichen. Dazu passt Claude Duet, ein neuer Agent für Fachleute und kleine Unternehmen.
Sprecher: Und bei Heise steht eine Meldung, die allerdings unbestätigt ist. Anthropic soll sich angeblich mit Anwaltskanzleien beraten, wie Agenten für ihre Nutzer Preise, Gehälter und Verträge aushandeln könnten.
Sprecherin: Agenten, die verbindlich verhandeln, statt nur zu arbeiten. Wer haftet eigentlich, wenn sich so ein Agent verhandelt?
Sprecher: Dazu sagt die Meldung nichts. Aber es ist genau die Frage, die später im Kanzleiblock wiederkehrt.
Sprecherin: Jetzt zur Rangliste. Artificial Analysis hat am 27. Oktober die fünfte Version seines Intelligence Index vorgestellt. Neu sind FrontierCode 2.0 mit echten Programmieraufgaben und Terminal-Bench-Science mit siebzig Forschungsaufgaben. Außerdem stammen sechzig Prozent der Aufgaben aus privaten Datensätzen, die Modelle vorab nicht kennen sollen.
Sprecher: Wer führte danach?
Sprecherin: Claude Opus 5.5, dahinter GPT-6 Astra und GPT-6.1 Sol. Einen Tag später wechselte die Spitze: Gemini 4 Carbon mit neunundfünfzig Punkten, stark beim Schlussfolgern und bei Wissenschaftsaufgaben, schwächer in Programmierung und Wissen. Bei der Halluzinationsmessung AA-Omniscience liegt es mit vierundfünfzig vorn.
Sprecher: Und der Haken? Bei so einem Sprung gibt es immer einen.
Sprecherin: Gleich zwei. Zugang haben nur ausgewählte Nutzer, und es gilt ein Einführungspreis mit fünfzig Prozent Nachlass. Dass es pro Aufgabe billiger ist als Opus 5.5, gilt womöglich nur in dieser Phase.
Sprecher: Wie dünn der Vorsprung ist, sieht man bei The Batch. Am 29. Oktober standen dort noch Opus 5.5 mit achtundfünfzig und Astra mit siebenundfünfzig Punkten vorn, obwohl Gemini längst vorbeigezogen war. Ein Leaderboard ist eine Momentaufnahme, auf Indexversion und Datum kommt es an. Und ein Punkt Abstand sagt kaum etwas über den Alltag.
Sprecherin: Und Kimi K3.1 Pro? Die fünfundfünfzig Punkte kann man ja schlecht einordnen.
Sprecher: Eben. Latent Space berichtete das am 24. Oktober, vor Version fünf, welche Indexversion dahintersteckt, bleibt offen. Das Modell hat offene Gewichte, rund 2,8 Billionen Parameter, davon 104 Milliarden aktiv. Die Highspeed-Variante ist zwei- bis dreimal schneller und kostet doppelt. Die Reaktionen waren gemischt, wegen Wirtschaftlichkeit und Darstellung der Benchmarks.
Sprecherin: Ich finde die Kostenseite interessanter. GPT-6.1 Terra liegt bei den Preisen pro Token bei der Hälfte oder darunter im Vergleich zu GPT-5.6, die Halluzinationsrate halbiert sich, und im Terminal-Bench 4.0 gewinnt es rund zwanzig Punkte. Ein Token ist die kleinste abgerechnete Texteinheit.
Sprecher: Lohnt sich dann auch Platz zwei oder drei?
Sprecherin: Oft ja. Im Coding Agent Index kommt Terra auf achtundvierzig Punkte, über GPT-6 Luna, unter Sol. Wer nicht Erster ist, fällt für viele Aufgaben nicht raus.
Sprecher: Noch deutlicher wird es bei GitHub Copilot Fusion. Das System verteilt Aufgaben auf Modelle von Anthropic und OpenAI. Einundsiebzig Punkte im Terminal-Bench 4.0, bei fünf Dollar neunundfünfzig pro Aufgabe. Claude Code mit Opus 5.5 kostet elf Dollar zweiundvierzig. Fusion braucht sieben Komma zwei Millionen Tokens, etwa halb so viele.
Sprecherin: Und was zahlt man dafür?
Sprecher: Im Coding Agent Index v2.0 liegt Fusion mit einundfünfzig Punkten in der FrontierCode-Wertung auf Platz drei, hinter Claude Code und Devin Fusion. Man gibt einen Teil der Spitzenleistung ab und spart ungefähr die Hälfte.
Sprecherin: Dazu kommt die Sprache. The Batch spricht von der Tokenizer Tax: Manche Sprachen verbrauchen für denselben Inhalt deutlich mehr Tokens. Du merkst das auf der Rechnung, wenn du viel in so einer Sprache arbeitest. Die Computerwoche hält den Kostenblock sogar für undurchsichtiger als die Cloud-Rechnungen, für die Firmen FinOps-Abteilungen aufgebaut haben.
Sprecher: Die Frage heißt also nicht mehr, welches Modell das beste ist, sondern was eine gelöste Aufgabe kostet. Und genau diese Rechnung führt Artificial Analysis jetzt systematisch mit.
Sprecherin: Die schärfste Prognose der Woche stammt von Emanuel Böminghaus, dem Chef von AvenDATA. Laut KI-Beratung hält er es für möglich, SAP als zentrales ERP-System durch KI-Software zu ersetzen. ERP heißt Enterprise Resource Planning, das ist die Software für Finanzen, Einkauf, Produktion und Personal.
Sprecher: Sein Argument: Viele Firmen nutzen nur einen Bruchteil des Funktionsumfangs, ein Eigenbau müsste nicht alles können. Gefährlich werde es für SAP, wenn Handelsketten wie Lidl oder Aldi umsteigen. Dazu sagt er voraus, Callcenter würden durch KI-Assistenten ersetzt, und in zehn Jahren bleibe nur ein Zehntel der Bürojobs.
Sprecherin: Ein Zehntel? Woher kommt die Zahl?
Sprecher: Aus dem Material jedenfalls nicht. Es ist die Schätzung eines einzelnen Firmenchefs, eine Herleitung fehlt. Er rahmt es mit einer stagnierenden deutschen Wirtschaft, hohen Steuern, teurer Energie und Arbeitskosten weit über denen in China.
Sprecherin: SAP erzählt es anders. Auf der TechEd hat Technikvorstand Phillip Herzig das Autonomous Enterprise konkretisiert, also jeden Geschäftsprozess mit KI von Anfang bis Ende neu zu denken. Im Zentrum steht Joule Work, dazu kommen fünf autonome Domänen. Der Umbruch findet im eigenen Haus statt, während Böminghaus das ganze Haus überflüssig sieht.
Sprecher: Und Oracle?
Sprecherin: Die Computerwoche titelt dort mit dem Ende des ERP. Konzernchef Mike Sicilia sagte vor rund fünfundzwanzigtausend Konferenzgästen, KI solle den Menschen Zeit geben, Mensch zu sein. Wie das Ende konkret aussieht, bleibt im Bericht offen.
Sprecher: Konkreter ist Nuclos 5 von Novabit, berichtet The Decoder. Das ist eine Open-Source-Low-Code-Plattform, auf der man Anwendungen eher konfiguriert als programmiert. Der Agent Nuclosian nimmt ERP-Wünsche per Chat auf und konfiguriert direkt, laut Hersteller fünf- bis zehnmal schneller.
Sprecherin: Unabhängig belegt?
Sprecher: Nein, das ist eine Herstellerangabe. Und alles Erzeugte bleibt manuell editierbar, auch ohne KI nutzbar. Das ersetzt das ERP nicht, es beschleunigt die Einrichtung und lässt den Menschen im Prozess.
Sprecherin: Bei den Bürojobs ist der Deutschlandfunk-Podcast KI verstehen nüchterner: Siebenundfünfzig Prozent der großen Unternehmen in Deutschland nutzen KI, aber nur drei Prozent schöpfen das Potenzial stark aus. Nvidia-Chef Jensen Huang sagt, KI schaffe Arbeitsplätze, Journalisten bleiben skeptisch, auch wegen Microsofts angekündigtem Abbau von sechstausend Stellen.
Sprecher: Ist dann die Lücke zwischen siebenundfünfzig und drei Prozent das eigentliche Maß für das Tempo?
Sprecherin: So lese ich es. Die Quellen stützen eher eine Verschiebung als eine Ablösung. Belegt ist, dass sich Systeme per Chat konfigurieren lassen und Anbieter ihre Produkte um Agenten herum neu bauen. Und wer das Ende ausruft, will es meist als eigenes Produkt verkaufen. Offen bleibt, wem die Prozesslogik künftig gehört: dem Softwarehaus oder dem Betrieb, der sie sich selbst baut.
Sprecher: Zum Regelbetrieb. Der Pilot mit wenigen Anwendern läuft meist glatt, sagt die Computerwoche. Die echte Prüfung kommt, wenn Tausende mit verschiedenen Geräten arbeiten und Agenten selbst Bestellungen auslösen oder Mails verschicken.
Sprecherin: Was heißt Governance hier konkret?
Sprecher: Ein verbindlicher Rahmen aus Zuständigkeiten und Regeln. Ohne ihn entstehen isolierte KI-Inseln, schwer steuerbar, mit steigenden Kosten und Compliance-Risiken. Wer führt, steuert und haftet, muss am Anfang geklärt sein.
Sprecherin: Dagegen setzt Christoph Magnussen an: Viele behandeln KI wie einen klassischen Computer und geben jeden Schritt vor. Besser sei es wie bei einem Mitarbeiter. Das Ziel klar definieren, den Lösungsweg offen lassen.
Sprecher: Das beißt sich mit der Governance-Sicht. Hier Freiraum beim Wie, dort harte Grenzen beim Zugriff. Geht das zusammen?
Sprecherin: Man kann es zusammenlesen: Ziel offen stecken, Handlungsraum technisch begrenzen. Aber das ist unsere Einordnung, keine der beiden Quellen sagt es so.
Sprecher: Beim Aufbau rät Anthropic laut The Decoder von Multi-Agent-Architekturen ab, in denen viele Subagenten Teilaufgaben übernehmen. Besser sei ein Hauptagent, der Kontext nur bei Bedarf lädt. Bei einem Kunden verdoppelte sich die Geschwindigkeit, ein Migrations-Kit liegt auf GitHub.
Sprecherin: Reicht ein Kundenfall als Beleg?
Sprecher: Nein, das ist ein Einzelfall. Dazu passt der Latent-Space-Podcast: Gehirn und Hände des Agenten trennen, Logik und Ausführung in verschiedenen Umgebungen, dazu laufend Evaluierungen, also systematische Tests. Wenige Agenten, klare Trennlinie: weniger bewegliche Teile, die man absichern muss.
Sprecherin: Die Anbieter bauen Verwaltung dazu. ServiceNow will auf dem AI Summit in München Agenten erfassen, überwachen und steuern. IBM hat auf der TechXchange ein ganzes Tool-Bündel gezeigt und verweist auf Gartner: Ein durchschnittliches Fortune-500-Unternehmen hat bis 2028 mehr als hundertfünfzigtausend Agenten.
Sprecher: Und wo klemmt es dabei?
Sprecherin: Bei dauerhaften Zugangsdaten, also langfristig gültigen oder überprivilegierten Zugängen. Zuerst braucht es ein Inventar: Welche Agenten gibt es überhaupt, und welche Rechte haben sie?
Sprecher: Gartner-Analystin Annette Zimmermann sagt, der Markt sei noch früh, viele experimentierten und lotteten vorsichtig aus. Führung, Architektur und Berechtigungen müssen also zusammen entschieden werden, nicht nacheinander.
Sprecherin: Letzter Block: Kanzlei und Praxis, wo Verlässlichkeit mehr zählt als Tempo. Anthropic hat Claude for Legal um interaktive Übersichten und Tabellen erweitert. Sie sollen Rechtsteams den Start erleichtern und Vertragsprüfungen beschleunigen. Über mehr als sechzig Schnittstellen lassen sich eigene Datenbanken anbinden.
Sprecher: Also weniger ein klügeres Modell als ein schnellerer Start?
Sprecherin: So sehe ich es. Der Podcast Prompt mich mal geht weiter: KI werde vom Textgenerator zum Problemlöser. Als Beispiel nennt er das Model Context Protocol, einen Standard für den Zugriff auf Datenquellen und Werkzeuge. Damit könne KI lokal in Kanzleidatenbanken arbeiten, ohne dass sensible Daten gefährdet werden.
Sprecher: Wie ist dieser Schutz technisch umgesetzt?
Sprecherin: Das sagt das Material nicht, und eine Kanzlei müsste es vor dem Einsatz klären. Für Berufsgeheimnisträger zählt die Frage, wohin die Daten fließen, oft mehr als die Qualität der Antwort.
Sprecher: Dazu wird die Auswahl unübersichtlicher. Die FAZ zählt vierzehnhundert juristische KI-Angebote, doppelt so viele wie vor einem Jahr. Microsoft, OpenAI, Google und Anthropic steigen ein, und die kleinen Anbieter, die bisher um Vertrauen warben, bekommen mächtige Konkurrenz.
Sprecherin: Dann reicht Bekanntheit als Kriterium nicht. Woran prüft man, ob ein Tool taugt?
Sprecher: An Tests mit echten Berufsaufgaben. Auf Hacker News lief Dayjob: Tax, fünfzig professionelle Steueraufgaben für KI-Agenten, hundertachtundneunzig Punkte, hundertvierundzwanzig Kommentare. Ergebnisse stehen im Material nicht, wir wissen also nicht, wo die Agenten scheiterten. Überzeugend ist die Anlage: Berufsaufgaben statt Prüfungsfragen.
Sprecherin: Und im Alltag warnt das Manager Magazin vor dem selbstsicheren Ton. KI antwortet in Sekunden und klingt dabei sicher. Teams müssen wissen, wann sie vertrauen und wann ihr eigenes Urteil gilt. Gefährlich ist weniger der offensichtliche Fehler als ein Ton, der die Prüfung überflüssig wirken lässt. Die Verantwortung liegt hier bei der Organisation des Teams.
Sprecher: Wo lässt sich denn leichter prüfen?
Sprecherin: Bei der Dokumentation in der Medizin. Laut Handelsblatt nutzen mehr als zehntausend Gesundheitseinrichtungen den Assistenten von Tandem Health, die Deutsche Telekom steigt ein, Firmenchef Lukas Saari will einen europäischen Champion bauen. Ein Mensch kann das Ergebnis prüfen, bevor es zählt. Bei einer Diagnose steht das Urteil selbst auf dem Spiel.
Sprecher: Die Frage wandert damit von der Fähigkeit der KI hin zur Prüfung ihrer Ergebnisse. Für die kommende Woche lohnt der Blick auf drei Dinge: ob Patches in Tagen statt Wochen ankommen, ob sich Gemini 4 Carbon über die Verteidiger hinaus öffnet und was die Rechnung pro Aufgabe nach dem halbierten Einführungspreis zeigt. Und wenn du Agenten einführst, kläre zuerst Inventar, Rechte und Tests, bevor aus dem Pilot ein Alltagswerkzeug wird.
Sprecherin: Das war die KI-Woche. Wenn du nicht nur zuhören, sondern selbst bauen willst: Auf foundic.org stehen unter KI-Projekte Schritt-für-Schritt-Anleitungen – auch dazu, wie dieser Podcast gebaut ist.
Sprecher: Nächsten Samstag sind wir wieder da. Bis dahin.