Welche Abhängigkeit kaufst du dir gerade ein?

KI wird Infrastruktur. Jetzt zählt, wer sie besitzt.

Vier neue Modelle, ein Käufer für Hugging Face und drei Stunden, in denen bei ChatGPT, Claude und Grok nichts ging

Am Mittwoch um 15:26 war Claude weg. Vier Minuten später Grok, um 16:43 dann ChatGPT und Codex. Rund drei Stunden lang lief bei den drei größten KI-Anbietern wenig oder nichts. Zwei haben bis heute nicht erklärt, warum.

Gleichzeitig kamen vier neue Modelle heraus. Nvidia unterschrieb den Kauf von Hugging Face, ByteDance stellte 29,6 Milliarden Dollar Fremdkapital auf, und Microsoft zeigte einen Weg, große Modelle wieder lokal zu betreiben.

Das sind keine getrennten Geschichten. Sie zeigen, dass KI gerade zur Infrastruktur wird. Und Infrastruktur beurteilst du nicht danach, welche Demo am meisten beeindruckt. Du fragst, wer den Zugang kontrolliert, wie sich Kosten ändern können, wo deine Daten landen und was passiert, wenn ein Anbieter ausfällt.

Die naive Frage lautet: Welches Modell ist das beste?

Die bessere: Welche Aufgabe willst du lösen, und welche Abhängigkeit kaufst du dir dabei ein?

1. Nvidia kauft Hugging Face

Nvidia unterzeichnete am 2. September die Übernahmevereinbarung und machte sie einen Tag später öffentlich. Rund 11,9 Milliarden Dollar gehen an die Anteilseigner, dazu kommt ein aktienbasiertes Bindungsprogramm für Beschäftigte von bis zu 1,0 Milliarden Dollar. Nvidia nennt ein Gesamtvolumen von 12,93 Milliarden Dollar. Der Abschluss wird vorbehaltlich behördlicher Genehmigungen im ersten Halbjahr 2027 erwartet.

Hugging Face ist für Entwickler weit mehr als eine Website: Über 18 Millionen Entwickler nutzen die Plattform, dort liegen mehr als drei Millionen Modelle, und mehr als 200.000 Unternehmen greifen darauf zu. Für viele Firmen ist sie eine zentrale Bezugsquelle für offene Modelle.

Im Börsendokument sagt Nvidia ausdrücklich zu, die Plattform offen zu halten und andere Chip-Anbieter weiterhin zu unterstützen.

Was die Belege nicht zeigen: Die Übernahme ist noch nicht abgeschlossen. Konkrete kartellrechtliche Einwände einer Behörde sind nicht dokumentiert. Die 12,93 Milliarden Dollar sind zudem das Gesamtvolumen, nicht der reine Kaufpreis an die Verkäufer.

Meine Einordnung: Nvidia kauft nicht nur Technologie, sondern die Verbindung zwischen denen, die Modelle bauen, und denen, die sie einsetzen. Entscheidend ist deshalb nicht, ob Hugging Face morgen anders aussieht, sondern ob deine Modellversorgung an einer Plattform hängt, deren Eigentümer gerade wechselt. Offenheitszusagen sind wichtig, aber keine Garantie für immer.

Was zu machen ist:

1. Erfasse, welche Modelle und Datensätze bei dir direkt von Hugging Face abhängen.
2. Spiegle kritische Modelle lokal und teste, ob du sie auch ohne die Plattform wieder in Betrieb nehmen kannst.
3. Prüfe zum Abschluss der Übernahme erneut Preise, Zugangsbedingungen und Schnittstellen.

2. ByteDance stellt 29,6 Milliarden Dollar Fremdkapital auf

ByteDance hat mit knapp 30 Banken ein unbesichertes Kreditpaket über 29,6 Milliarden Dollar arrangiert. Ursprünglich waren 20 Milliarden geplant. Chinesische Institute sollen laut Reuters mehr als 60 Prozent übernehmen. Unterzeichnet ist der Vertrag noch nicht. Offiziell dient das Geld allgemeinen Unternehmenszwecken; laut Reuters-Quellen soll ein großer Teil in KI-Vorhaben und Rechenzentren außerhalb Chinas fließen.

Was die Belege nicht zeigen: ByteDance hat sich nicht geäußert, die Angaben stammen von anonymen Quellen. Wie viel tatsächlich in Chips, Rechenzentren oder einzelne Produkte fließt, ist nicht belegt. Auch ein Kredit dieser Größe sagt noch nichts über den Erfolg der Projekte aus.

Meine Einordnung: Das interessante Wort ist unbesichert. Fast 30 Milliarden Dollar zeigen, wie kapitalintensiv der KI-Wettbewerb inzwischen geworden ist. Für dich ist vor allem wichtig: Die heutigen Preise für Rechenleistung entstehen in einer Phase massiver Wachstumsfinanzierung. Darauf würde ich keinen Fünfjahresplan bauen.

Was zu machen ist:

1. Rechne jeden KI-Geschäftsfall zusätzlich mit dem doppelten Tokenpreis durch. Kippt er dann, ist er zu knapp gebaut.
2. Halte für zentrale Anwendungen eine getestete Alternative bereit, bevor ein Anbieter Preis oder Zugang ändert.

3. Vier Modelle in fünf Tagen, und jedes stellt dir eine andere Bedingung

Zwischen dem 1. und 3. September kamen vier Modelle heraus. Ich behandle sie zusammen, weil nicht entscheidend ist, wer „gewonnen“ hat. Jeder Anbieter stellt dir eine andere Bedingung.

OpenAI GPT-6 Astra. OpenAI stuft erstmals ein eigenes Modell als kritisch für Cybersicherheit ein. Es kostet 10 Dollar je Million Eingabe- und 50 Dollar je Million Ausgabe-Tokens. Die frei verfügbare Version verweigert Angriffscode, für die erweiterten Cyberfähigkeiten brauchst du eine Zulassung.

Anthropic Claude Fable 5.1 und Mythos 5.1. Dasselbe Kernmodell, aber unterschiedliche Schutzmechanismen und Zugänge. Cache-Lesevorgänge kosten 75 Prozent weniger, also 0,25 Dollar je Million Tokens. Mythos, die weniger eingeschränkte Variante, ist derzeit nur für zugelassene US-Organisationen verfügbar.

Meta Muse Spark 1.3. Fokus auf Programmierung und lange Arbeitsketten. Der Standardtarif liegt bei 1,25 Dollar Eingabe und 4,25 Dollar Ausgabe. Ein deutlich günstigerer Tarif von 0,10 beziehungsweise 0,20 Dollar gilt, wenn Training auf deinen Daten akzeptabel ist.

Google Gemini 3.8 Flash. Aktuell kostet das Modell 0,75 Dollar Eingabe und 3,75 Dollar Ausgabe. Ab 1. Januar 2027 verdoppeln sich diese Preise auf 1,50 und 7,50 Dollar.

Was die Belege nicht zeigen: Astras Leistungs- und Risikowerte stammen von OpenAI selbst. Anthropics erwartete Kostensenkungen sind Schätzungen, keine Garantie. Metas Preise sind in der öffentlichen Modelldokumentation nicht vollständig belegt, ebenso fehlen dort Details zu Aufbewahrung und Widerruf beim günstigen Tarif. Google nennt keinen Grund für die Preiserhöhung. Und ein niedriger Tokenpreis sagt noch nichts über die Kosten einer tatsächlich erledigten Aufgabe.

Meine Einordnung: Das sind weniger vier Produktmeldungen als vier Geschäftsbedingungen. Bei OpenAI hängt Leistung an einer Zulassung, bei Anthropic am Zugang, bei Meta am Umgang mit deinen Daten und bei Google am Kalender. Genau deshalb würde ich kein Modell anhand eines Benchmarks auswählen. Der relevante Vergleich lautet: Was kostet eine brauchbar erledigte Aufgabe unter deinen echten Bedingungen?

Was zu machen ist:

1. Lass alle infrage kommenden Modelle dieselben 20 echten Aufgaben aus deinem Betrieb lösen.
2. Miss Qualität, Tempo, Nacharbeit, Zwischenspeicherung und menschliche Prüfung gemeinsam.
3. Dokumentiere für jedes Modell Preis heute, Preis in zwölf Monaten und Zugangsbedingungen.
4. Prüfe bei Rabatttarifen, was mit deinen Eingaben passiert. Bei Kunden-, Personal- oder Betriebsdaten muss das vor dem Einsatz geklärt sein.

4. Klonen transportiert diese Lücke nicht. Ein kopierter Projektordner schon.

Stell dir vor, ein Kunde schickt dir ein Projekt als ZIP-Datei. Jemand im Team packt es aus und öffnet den Ordner mit einem KI-Coding-Agenten. Genau dort kann der Angriff beginnen.

Manifold Security veröffentlichte am 1. September acht Schwachstellen in sieben KI-Coding-Agenten. Ein Projektordner kann in seiner lokalen Git-Konfiguration hinterlegen, dass beim Prüfen von Änderungen ein Programm gestartet wird. Manche Coding-Agenten führen solche Git-Abfragen automatisch aus, bevor du etwas eingibst oder bestätigst.

Der entscheidende Punkt: Ein normales Klonen transportiert diese lokale Konfiguration nicht. Auch Fetch und Pull übernehmen sie nicht. Das Projekt muss als fertiger Ordner samt .git-Verzeichnis bei dir ankommen, etwa per ZIP, Netzlaufwerk, Sync-Ordner oder USB-Stick. Genau solche Übergaben sind zwischen Kollegen, Dienstleistern und Kunden alltäglich.

Vier Schwachstellen waren bei Veröffentlichung behoben, darunter Claude Code ab Version 2.1.196 und Goose ab 1.44.0. Vier waren noch offen, darunter Qwen Code, Grok Build und Hermes.

Was die Belege nicht zeigen: Manifold nennt einen zweiten ähnlichen Angriffsweg bewusst noch nicht, solange er ungepatcht ist. Ein einzelner Konfigurationsfix löst das Problem deshalb nicht vollständig. Eine tatsächliche Ausnutzung wurde ebenfalls nicht nachgewiesen.

Meine Einordnung: Das Problem ist weniger die Technik als unsere Gewohnheit. Ein Projektordner galt bisher als Material, das man öffnet. Mit einem Agenten kann daraus eine ausführbare Anweisung werden, bevor jemand bewusst zugestimmt hat.

Was zu machen ist:

1. Erfasse alle eingesetzten Coding-Agenten und ihre Versionsstände.
2. Aktualisiere Claude Code auf mindestens 2.1.196 und Goose auf mindestens 1.44.0.
3. Öffne kopierte Projektordner nie direkt mit einem Agenten. Entferne für diesen Angriffsweg das mitgelieferte .git-Verzeichnis oder klone das Projekt aus einer vertrauenswürdigen Originalquelle neu.

5. Deutschland gründet ein eigenes KI-Sicherheitsinstitut

Am 31. August haben Digital- und Innenministerium AISI Deutschland eingerichtet. In der ersten Phase bilden BSI und Bundesnetzagentur einen gemeinsamen virtuellen Kern. Das Institut soll fortgeschrittene KI-Modelle technisch bewerten, unter anderem hinsichtlich Cyberfähigkeiten, Autonomiegraden, Robustheit und Missbrauchspotenzial.

Was die Belege nicht zeigen: AISI ist keine neue Aufsichtsbehörde. Es gibt keine eigenen Anordnungs- oder Bußgeldbefugnisse und keine neue Prüfpflicht für Unternehmen. Budget, Personalstärke und Zeitplan für den weiteren Ausbau sind noch offen. Eigene Prüfergebnisse hat AISI bisher nicht veröffentlicht.

Meine Einordnung: Für dich ändert sich heute nichts. Relevant wird AISI, wenn Deutschland beginnt, Modelle unabhängig von den Herstellern zu bewerten. Dann könnten erstmals technische Einschätzungen entstehen, die nicht aus der Sicherheits- oder Marketingdokumentation der Anbieter selbst stammen. Deshalb: beobachten, aber noch kein neues Compliance-Projekt daraus machen.

Was zu machen ist:

1. Nimm die BSI-Veröffentlichungen zu KI-Sicherheit auf deine Beobachtungsliste.
2. Trenne AISI klar von der Marktaufsicht nach der KI-Verordnung. Das sind unterschiedliche Aufgaben.

6. Die EU behandelt ChatGPT jetzt wie eine sehr große Suchmaschine

Die EU-Kommission hat ChatGPT am 31. August unter dem Digital Services Act als sehr große Online-Suchmaschine eingestuft. Grundlage ist die Schwelle von mindestens 45 Millionen durchschnittlichen monatlichen Nutzern in der EU. Die zusätzlichen Pflichten greifen innerhalb von vier Monaten nach der förmlichen Mitteilung. Dazu gehören unter anderem strengere Vorgaben zu systemischen Risiken und Transparenz.

Was die Belege nicht zeigen: Das ist eine Einstufung, kein Verfahren, kein Vorwurf und kein Bußgeld. Sie verpflichtet auch nicht automatisch jedes Unternehmen, das ChatGPT nutzt.

Meine Einordnung: ChatGPT wird regulatorisch nicht mehr nur als KI-Werkzeug betrachtet, sondern als Zugangsschicht zu Informationen. Damit bekommt OpenAI zusätzliche Pflichten aus dem Plattformrecht.

Ein zweiter Punkt ist für Unternehmen unmittelbarer: Seit dem 2. August gelten die Transparenzpflichten aus Artikel 50 der EU-KI-Verordnung. Bei KI-Systemen, die direkt mit Menschen interagieren, muss grundsätzlich erkennbar sein, dass es sich um KI handelt — sofern das nicht ohnehin offensichtlich ist. Für KI-generierte Inhalte gelten je nach Art und Nutzung unterschiedliche Regeln.

Was zu machen ist:

1. Prüfe deine Website und Kundenprozesse darauf, ob Nutzer bei direkten KI-Interaktionen korrekt informiert werden.
2. Prüfe, wo ChatGPT kundenseitig eingesetzt wird und wer intern für Beschwerden oder Fehlmeldungen aus diesen KI-Prozessen zuständig ist.
3. Beobachte in den kommenden vier Monaten, welche neuen DSA-Prozesse OpenAI einführt und ob sie deine Kundenprozesse betreffen.

7. Die SPD bringt KI-Gewinne und Mitbestimmung auf die politische Agenda

Die SPD-Bundestagsfraktion hat am 3. und 4. September Leitlinien für gute Arbeit im KI-Zeitalter beschlossen. Gefordert werden mehr Weiterbildung, Unterstützung für kleine und mittlere Unternehmen und stärkere Mitbestimmung beim KI-Einsatz. Produktivitätsgewinne aus KI sollen breiter zur Finanzierung des Gemeinwesens beitragen.

Konkret nennt das Papier Rechenzentren. Deren Standorte sollen stärker an den Gewinnen beteiligt werden; dafür strebt die SPD eine Änderung der Gewerbesteuer an. Der eco-Verband warnt vor zusätzlichen Kosten und Bürokratie.

Was die Belege nicht zeigen: Es gibt keinen Steuersatz, keine fertige Bemessungsgrundlage und keinen Gesetzentwurf. Der Fraktionsbeschluss ist eine politische Position, kein geltendes Recht. Auch für die Gewerbesteuer nennt das Papier noch keinen konkreten Mechanismus.

Meine Einordnung: Entscheidend ist heute weniger eine mögliche Steuer als die Richtung der Debatte. KI-Produktivität wird zunehmend zur Verteilungs- und Mitbestimmungsfrage. Wer Rollen oder Abläufe durch KI verändert, kann das immer weniger als reines IT-Projekt behandeln. Unternehmen mit Betriebsrat sollten nicht warten, bis ein politischer Rahmen vorgegeben wird.

Was zu machen ist:

1. Dokumentiere bei größeren KI-Projekten, welche Tätigkeiten, Rollen und Kennzahlen sich verändern.
2. Wenn du einen Betriebsrat hast, kläre frühzeitig, ob und wie der KI-Einsatz in einer Betriebsvereinbarung geregelt werden sollte.
3. Beobachte die steuerpolitische Debatte, ändere aber keinen Business Case, solange kein konkreter Gesetzentwurf vorliegt.

8. Deutschland fehlen 79.000 IT-Fachkräfte und KI spielt laut Bitkom bisher nur eine Nebenrolle

Bitkom meldet 79.000 unbesetzte IT-Stellen in Deutschland. 2025 waren es 109.000, 2023 noch 149.000. Trotzdem nehmen 78 Prozent der Unternehmen weiterhin einen Fachkräftemangel wahr. Von den Unternehmen mit offenen IT-Stellen haben 97 Prozent Schwierigkeiten bei der Besetzung.

Beim Einfluss von KI ist Bitkom zurückhaltend: Künstliche Intelligenz beeinflusse den IT-Arbeitsmarkt bislang nur am Rande. Von den Unternehmen, die KI bereits in ihrer IT einsetzen, haben 85 Prozent dadurch keine Stellen abgebaut, 10 Prozent vereinzelt. Einen verstärkten Abbau meldete keines.

Was die Belege nicht zeigen: Weniger offene Stellen bedeuten weder automatisch mehr verfügbare Fachkräfte noch eine Entspannung. Bitkom nennt keine Ursache für den Rückgang. Die Angaben zum Stellenabbau beziehen sich außerdem nur auf Unternehmen, die KI bereits in der IT einsetzen.

Meine Einordnung: Weder ist der Fachkräftemangel vorbei, noch ersetzt KI gerade massenhaft IT-Jobs. Der Engpass verändert sich. 33 Prozent der Unternehmen nennen fehlendes Technologiewissen bei Bewerbern, 49 Prozent erwarten eine steigende Nachfrage nach IT-Fachkräften mit KI-Kenntnissen. Damit wird Qualifizierung mindestens genauso wichtig wie Recruiting.

Was zu machen ist:

1. Prüfe bei offenen IT-Stellen, ob wirklich zusätzliche Köpfe fehlen oder vor allem bestimmte KI-Kompetenzen.
2. Investiere bei bestehenden Mitarbeitern gezielt in fehlende Fähigkeiten, bevor du jede Lücke extern besetzen willst.
3. Nimm relevante KI-Kenntnisse in Stellenprofile und Entwicklungsgespräche auf.

9. Microsoft holt große Modelle zurück auf den eigenen Rechner

Microsoft hat am 4. September Project Zenith vorgestellt, eine vorkonfigurierte Windows-11-Umgebung für Entwicklergeräte. Microsoft zufolge sollen dort Modelle mit mehr als 30 Milliarden Parametern lokal laufen ohne Abrechnung pro Aufruf. Voraussetzung sind mindestens 64 Gigabyte gemeinsam genutzter Speicher und mehr als 250 Gigabyte pro Sekunde Speicherbandbreite. Den Anfang machen Geräte mit AMD Ryzen AI Halo.

Was die Belege nicht zeigen: Microsoft hat weder Preis noch Startdatum genannt. Project Zenith ist keine neue Windows-Edition, sondern eine Windows-11-Konfiguration plus Hardware-Zertifizierung. Ohne Tokenabrechnung heißt außerdem nicht kostenlos. Die 30 Milliarden Parameter sagen nur, welche Modellgröße die Hardware tragen kann, nicht, wie gut sie dort läuft.

Meine Einordnung: Zusammen mit der Gemini-Preiserhöhung zeigt das zwei gegensätzliche Richtungen: mehr variable Cloudkosten auf der einen, lokale Ausführung ohne Tokenrechnung auf der anderen. Die Cloud verschwindet deshalb nicht. Aber lokale Modelle werden für sensible oder sehr häufige Abläufe interessanter. Im Gegenzug übernimmt das Unternehmen Hardware, Updates, Sicherheit und Betrieb selbst.

Was zu machen ist:

1. Wähle einen sensiblen oder häufig laufenden Ablauf und vergleiche lokale, hybride und reine Cloud-Ausführung.
2. Rechne Hardware, Energie, Wartung und Personal gegen Nutzungsgebühren, Datenschutzrisiko und Antwortzeiten

10. Drei Anbieter, stundenlange Störungen, keine gemeinsame Erklärung

Am Mittwoch waren drei große KI-Dienste am selben Nachmittag in engem zeitlichen Abstand gestört. Claude von 15:26 bis 18:16 Uhr MESZ, Grok von 15:30 bis 19:07 Uhr. ChatGPT und Codex meldeten von 16:43 bis 18:55 Uhr erhöhte Fehlerraten. SpaceXAI bestätigte am selben Tag einen rund dreieinhalbstündigen Ausfall seines Rechenzentrums in Memphis und entschuldigte sich auch bei nicht genannten Compute-Partnern.

Was die Belege nicht zeigen: Weder Anthropic noch OpenAI haben eine Ursache genannt oder einen Zusammenhang mit Memphis bestätigt. Eine gemeinsame Ursache der drei Störungen ist nicht belegt.

Meine Einordnung: Ein einzelner Ausfall wäre kaum bemerkenswert. Drei am selben Tag zeigen aber, dass mehrere Anbieter allein noch keine belastbare Ausfallsicherheit garantieren. Wenn dein Kundenservice, deine Entwicklung oder ein interner Prozess von KI abhängt, wird aus einem Modellausfall schnell ein Betriebsproblem. Eine öffentliche Ursachenanalyse gibt es zudem nicht zwingend.

Was zu machen ist:

1. Schreib auf, welche Prozesse ohne einen bestimmten KI-Anbieter wirklich stehen bleiben.
2. Definiere dafür einen Rückfallweg: zweiter Anbieter, Warteschlange oder manueller Ablauf.
3. Teste ihn praktisch. Eine Alternative, die nur auf dem Papier existiert, ist keine.Was diese Woche wirklich zu entscheiden ist

Zehn Meldungen verlangen keine zehn neuen Projekte.

Vielleicht musst du prüfen, ob ein kritisches Modell nur über Hugging Face zu dir kommt. Vielleicht solltest du die vier neuen Modelle an zwanzig echten Aufgaben messen statt an Benchmarks. Vielleicht liegt dein größtes Risiko in einem Projektordner, den ein Kunde als ZIP geschickt hat. Oder schlicht im fehlenden Rückfallweg, wenn dein KI-Anbieter ausfällt.

Der gemeinsame Punkt ist einfach: KI wird zur Infrastruktur. Infrastruktur braucht klare Verantwortliche, Grenzen, Kostenmodelle und einen Plan B.

Der Vorteil entsteht nicht dadurch, dass du jedes neue Modell sofort einsetzt. Er entsteht, wenn du deine Abhängigkeiten bewusst wählst und trotzdem wechselbar bleibst.

Hör auf, ChatGPT wie Google zu benutzen

Du brauchst nicht das nächste KI-Tool. Der erste Hebel ist, mehr aus dem herauszuholen, was du ohnehin schon nutzt.

Bekommst du oft Antworten, die gut klingen, dir aber kaum Arbeit abnehmen? Meist fehlt schlicht ein klarer Arbeitsauftrag.

Genau dafür habe ich den kostenlosen Guide „ChatGPT-Durchbruch“ gemacht. Auf 14 Seiten zeige ich dir in etwa zehn Minuten, wie du bessere Arbeitsaufträge formulierst, Antworten gezielt nachschärfst und ChatGPT für Texte, Recherche, Planung und wiederkehrende Aufgaben einsetzt.

Dazu bekommst du fünf Prompts zum Kopieren, acht erklärte Funktionen und einen Spickzettel zum Speichern.

KOSTENLOSEN 10-MINUTEN-GUIDE SICHERN

Julian