Aus dem Internet-Observatorium #160

KI-Roundup / Ist Sam Altman hinterhältig (und spielt das eine Rolle)? / Textbasiertes Social Media im fortgesetzten Niedergang

Apr. 14, 2026

Hallo zu einer neuen Ausgabe!

Gibt es etwas Schöneres, als seinen freien Montag damit zu verbringen, eines seiner Haustiere zur Zahn-OP zu begleiten und parallel diesen Newsletter zu schreiben? Vielleicht schon, aber das hier ist kein Wunschkonzert…

In dieser Ausgabe: Längere Notizen zu aktuellen KI-Entwicklungen, Überlegungen zur Frage, ob uns Charakterstudien in der KI-Debatte weiterbringen, und ein kurzer Blick auf politische Very-Online-Strategien in den USA und den Niedergang des textbasierten Social Media. Als Bonus: Zwei Buchempfehlungen. Aber zunächst:

Appetizer aus dem Tagesspiegel Background

Ein Großprojekt wirft Fragen auf Das BMDS will den Prototypen der “Deutschland-App” von Telekom und SAP programmieren lassen. Doch was soll die App überhaupt können? Und wie integriert sie sich in Fachverfahren? Und ist die eigentliche Ausschreibung damit schon gelaufen? Viola Heeger, Oliver Voß und Bastian Hosan berichten.

Wie weiter mit dem digitalen Welthandel? Ende März scheiterten die WTO-Verhandlungen zur Verlängerung des E-Commerce-Zollmoratoriums. In meinem Stück beschreibe ich, wie es dazu kam und wie es nun weitergeht.

Datenräume: Warum der Mittelstand noch zögert Datenräume sind das große Versprechen für Datenökonomie und Lieferketten-Transparenz. Der Mittelstand bleibt aber weiter skeptisch. Alexander Ketterer mit den Details.

Regeln für Rechenzentren weiter in der Schwebe Der Referentenentwurf zur Novelle des Energieeffizienzgesetzes ist da. Lisa Oder analysiert, was im Bereich Rechenzentren vorgesehen ist und wo sich BMWE und BMUKN noch uneins sind.

Europa ist nicht Delaware: Die neue Unternehmensform EU Inc. soll besonders Start-ups ermöglichen, sich sehr schnell im europäischen Binnenmarkt auszubreiten. In der Realität aber fehlt es an wichtigen Harmonisierungen. Mein Stück.

KI-Entwicklung, KI-Hype, KI-Blase: Der Stand im Spannungsfeld

“Claude Mythos Preview” macht Schlagzeilen - ein Modell, das eine strukturelle Gefahr für die Cybersicherheit darstellen könnte. So zumindest die Botschaft von Anthropic. Ich habe im Background darüber geschrieben (€, ich werde dazu noch ein bisschen mehr am Donnerstag im Cybersecurity-Background vorlegen), deshalb will ich mich nur auf einen Punkt konzentrieren: Es ist nämlich natürlich derzeit unmöglich, zwischen firmengemachtem Prä-IPO-Hype und wirklichen Fähigkeiten des Modells zu unterscheiden.

Dawid Moczadło zum Beispiel betont, dass man eigentlich schon seit Dezember solche Fähigkeiten bei den Modellen feststellt und es letztlich schon jetzt eine Frage des Token-Investments sei, wie tief im Code man Fehler findet. Neu allerdings scheint die Kette von Handlungen, um entsprechende Exploits auch auszunutzen.

Ich denke, dass die Cybersicherheit unabhängig vom Hype-Faktor von den Debatten über Mythos als Tool profitieren kann. Denn damit kommt die Dringlichkeit von Investitionen und höheren Standards in Software und Software-Lieferketten vielleicht auch mal außerhalb der CISO-Szene an.

Mit “Claude Mythos Preview” stellt sich auch die Frage des Zugriffs: Wer (welche Organisationen oder Firmen aus welchen Ländern) darf ein solches Frontier-Modell nutzen? Die Strategie der KI-Firmen war schon lange, die eigentlichen Spitzenmodelle ihrer Labs erst einmal selbst zu nutzen, um die eigene KI weiterzuentwickeln. Nun scheinen wir an einem Punkt, an dem dieser Backend-Faktor durch fortgesetzte Automatisierung maßgeblich zu werden scheint.

Mit dem Schwenk zu Wirtschaftskunden erscheint es mir realistisch, dass wir auch die aktuell besten offiziell verfügbaren Modelle gar nicht mehr “öffentlich” im Einsatz sehen, sondern sie nur noch Teil der teuren Groß-Abos von Firmen und staatlichen Organisationen sein werden. Damit wiederum stellt sich aber erneut die Grundsatzfrage: Sollten wirklich Firmen über das Deployment entscheiden, oder handelt es sich nicht vielmehr um eine Regulierungsfrage?

Mit Blick auf die Zahlen konnte Anthropic einen annualisierten Umsatz von 30 Milliarden US-Dollar verkünden. Damit dürfte man in diesem Bereich an OpenAI vorbeiziehen, obwohl man vier Mal weniger ausgegeben hat. Hier eine Grafik dazu (Zahlen Ruben Dominguez, Grafik Noah Smith) :

Der Fokus auf agentische KI und Geschäftskunden hat sich also ausgezahlt, der Streit mit dem Pentagon dürfte in diesem Falle auch nicht geschadet haben.

Auf Modellebene geben OpenAI, Google und Anthropic bei den Frontier-Modellen den Takt vor. xAI ist zurückgefallen und hat darauf mit Personalveränderungen im Führungsteam reagiert (alle 11 Mitgründer außer Elon Musk haben die Firma inzwischen verlassen). Der französische Anbieter Mistral dürfte auch aus der Frontier-Riege herausgefallen sein.

Meta hat ein neues Modell veröffentlicht (“Muse Spark”), das erste seit der teuren Umstrukturierung seiner KI-Abteilung. Das Modell ist closed-weight/closed-source und in Sachen Benchmarks nicht auf der Frontier-Ebene. In China veröffentlichten Alibaba (Qwen) und Xiaomi (MiMo) zuletzt ihre neuen Modelle closed-source - dabei ist noch unklar, ob dies ein permanenter Strategiewechsel ist. Unterdessen scheint der Deepseek-Hype (auch wegen interner Querelen und Verzögerungen) abgeflaut, stattdessen macht das Kimi-Modell von Moonshot ähnliche Schlagzeilen. Insgesamt liegen die chinesischen Modelle Schätzungen zufolge mindestens sechs Monate hinter den US-Modellen.

Blase oder nicht? KI-Kritiker Ed Zitron hat eine lange Analyse vorgelegt, in der er noch einmal dezidiert die KI-Blase mit der Hypotheken-Blase 2008 vergleicht.

Seine Argumentation: Die KI-Branche basiert auf massiv subventionierten Preisen, die eine künstliche Nachfrage erzeugen und Startups ohne eigenes geistiges Eigentum in eine gefährliche Abhängigkeit von billiger Rechenleistung treiben. Diese Illusion wird durch ein komplexes Geflecht aus riskanten Schulden für Rechenzentren und Infrastruktur finanziert, das auf der fragwürdigen Annahme eines ewigen Wachstums beruht. Sobald die Anbieter gezwungen sind, kostendeckende Preise zu verlangen oder die Leistung drastisch zu drosseln, bricht dieses finanzielle Kartenhaus zusammen, da die Kunden die realen Kosten nicht rechtfertigen können.

Wie immer habe ich bei Ed Zitron das grundsätzliche Problem, dass er keine Gegenargumente anführt, die er nicht als Strohmann präparieren kann. Da wäre das Thema Compute: Caching, Modell-Auswahl im Backend je nach Komplexität, Komprimierungsalgorithmen wie Googles TurboQuant spielen keine Rolle. Alles wird nur immer mehr und immer teurer und ist ein Multimilliardengrab. Ja, es gibt eine gewisse Grenze für die “Effizienz” von Transformer-Modellen, aber Zitron tut so, als würden die KI-Firmen alle blind hochskalieren und daran gar nicht arbeiten.

Profitabilität ist natürlich angesichts dessen, dass sich die Technologie weiterentwickelt und Transformermodelle diese Verbesserung vor allem durch pure Rechenkraft erreichen, die Achillesferse. Hier gibt es aber Unterschiede zwischen OpenAI und Anthropic, wie diese Grafik aus dem Wall Street Journal zeigt:

Anthropic steht hier deutlich besser als OpenAI da, aber die Inferenzkosten steigen ja mit der Komplexität der Modellberechnungen und der Zahl der Kunden (entsprechend beschränkt man ja bereits Zugriffe). Deshalb sieht die Profitabilitätsprognose der beiden Firmen so aus:

Wir werden sehen, wie nahe solche Prä-IPO-Prognosen an der Realität sind. Mich erinnert das Ganze aber an Uber: Auch da war einerseits das luftige Versprechen, einen Billionen-Dollar-Markt zu bedienen, weil Menschen keine Autos mehr besitzen müssen. Dann kam die Skepsis, dass man ohne die VC-Subventionen für jede Fahrt kein wirklich profitables Geschäftsmodell aufbauen kann. Am Ende dauerte es nach dem Börsengang 2019 noch mehrere Jahre, bis man durch Kostenkürzungen und höhere Preise profitabel wurde. Aber natürlich ist die Problemstellung, ob man Fahrer und Fahrerinnen findet, die ihre privaten Autos verschleißen, um Privattaxi-Einnahmen zu generieren, eine andere als die Frage, ob man für Milliarden Großrechenzentren mit unsicheren Auslastungsprognosen und regelmäßiger Inventar-Erneuerung baut.

Prinzipiell ist Zitron schon auf der richtigen Fährte, der Ausbau ist in dieser Form eine Fehlallokation von Kapital. Zwei Prognosen sind definitiv realistisch: Firmen, die de facto nur Middleware/Wrapper für fremde Modelle anbieten, haben einen ganz schweren Stand. Und das Privatkredit-Geschäft rund um den Aufbau von Hochleistungsrechenzentren (vgl. Ausgabe #154) ist hochriskant und führt auch zu systemischen Risiken (siehe Ausgabe #146).

Eine neuere Entwicklung allerdings ist, dass derzeit viele der Projekte in Q1 verschoben oder auf “unklaren Zeithorizont” gesetzt werden. Das hat unter anderem damit zu tun, dass die Nachfrage Equipment teurer macht (mit Spillover-Effekten für alles, was RAM benötigt), zudem gibt es in den USA lokal wachsenden politischen Widerstand gegen KI-Rechenzentren. Hier eine Grafik von Bloomberg:

Eventuell werden viele der wackeligen Projekte gar nicht verwirklicht? Interessant dürfte hier auch die Zinsentwicklung im Zuge der Golfkrisen-Inflation werden.

Und noch eine weitere Grafik: Der riskante KI-Schwenk und die Folgen für die inner- und außerbilanzielle Schuldenlast vieler Tech-Konzerne werden an der Börse inzwischen eingepreist. Konkret: Am Kurs-Gewinn-Verhältnis gemessen sind Tech-Werte zurück auf dem Level von 2022. Eine Grafik von Apollo Global:

Bin ich naiv, bereits leichte Zeichen für eine Selbstkorrektur in einigen Bereichen zu sehen?

Ist Sam Altman hinterhältig (und spielt das eine Rolle)?

Ich bin mit dem langen Sam-Altman-Porträt im New Yorker noch nicht fertig, habe aber auch nicht das Gefühl, dass ich es zu Ende lesen müsste. Denn ja, das ist ein sehr gutes journalistisches Psychogramm. Aber es bedient wieder die “Great Man of History”-Narrative, die die klassische Tech-Berichterstattung so prägen (und mich ermüden).

Das heißt nicht, dass ein solches Psychogramm wertlos ist und es sich nicht lohnt, nochmal zu recherchieren, welche Geschäftspraktiken Altman pflegt und wie vertrauenswürdig er ist. Aber die drängenden Fragen stellen sich für mich weniger entlang von Charakterfragen als entlang ökonomischer und politischer Strukturen, die Altmans Aufstieg und den KI-Boom ermöglicht haben. Und diese Analyse muss die Grundlage für Korrekturen sein. Mal abgesehen davon, dass sich auch regulatorisch gerade einige interessante Fragen stellen.

Aber die Diskussion ist eine andere: Wir reden über gut und böse, als wäre das ein Kinofilm. Statt einer Analyse von Machtstrukturen blicken wir auf Charakterfehler. Statt differenziert über KI als Technologie zu sprechen, reden wir über Superintelligenz und KI als Unterjochungstechnologie. Auch die Rhetorik von Altman selbst trägt dazu bei.

Am Freitag wurde ein 20-Jähriger verhaftet, der versucht hatte, mit einem Molotow-Cocktail Altmans Anwesen in Brand zu setzen. Das hat nichts mit dem Porträt im New Yorker zu tun. Wohl aber mit dem Diskurs, den wir führen.

Wahlkampf & Politik Online First

David Plouffe hat 2008 die Online-Wahlkampfstrategie Barack Obamas entwickelt (allerdings auch Kamala Harris im Wahlkampf 2024 beraten). In der New York Times formuliert er Vorschläge für einen zeitgemäßen Wahlkampf: Kampagnen müssten de facto ein “Production Studio” sein und so viel Content wie möglich liefern. Termine und Auftritte? Nur nach dem Wert für die digitale Content-Strategie auswählen. Wahlkampfspots? Keine polierten Marketing-Videos, sondern ungeskriptete Geschichten von echten Bürgerinnen und Bürgern.

Wir sind in den USA schon mittendrin und hier auf dem Weg in eine Very-Online-Welt, die auf den Logiken der Neo-Oralität (siehe Ausgabe #155) fußt - Authentizität, Emotionalität und vor allem Code-Sprech. Der New Yorker hat in einer langen Reportage nachgezeichnet, wie es in diesem Koordinatensystem der neuen Online-Rechten gelang, die republikanische Partei zu übernehmen. Ich empfehle die Lektüre auch, damit sich niemand wundert, wenn die republikanischen Präsidentschaftsbewerber sich 2028 darin überbieten, der authentischste Neonazi zu sein.

Text-Social-Media im fortgesetzten Niedergang

Apropos Neonazis: Nate Silver hat noch einmal den Twitter-Niedergang nachvollzogen (der längst vor X begann) und auch die erfolgreichsten Accounts bei X.com getrackt. Das Ergebnis in dieser Grafik:

Trolle und extremrechte Influencer dominieren das Bild. Besser also zu Bluesky gehen? Nicht ganz: James Ball argumentiert, dass Bluesky gerade in sich zusammenfällt. Er macht das an der Zahl von Accounts, die Content liken, fest:

Wenn wir realistisch sind: Bluesky hatte zwar Anschlussfähigkeit im Mainstream, aber zu einer Zeit, als textbasiertes Social Media schon seine besten Zeiten hinter sich hatte. Als Nische in der Nische wurde es schnell zu einem progressiven Refugium und hat damit einige der Eigenschaften übernommen, die Twitter Mitte der 2010er-Jahre dominierten und die ich mal als “Schulhof-Kultur” bezeichnen würde (Rechthaberei, wer hat etwas gesagt ist wichtiger als das, was die Person gesagt hat, etc.). Und der fehlende Algorithmus macht den Einstieg auch nicht besonders leicht, da wir (anders als beim Pre-Algo-Twitter) ziemlich schnell das Interesse verlieren, wenn wir nicht etwas Aufregendes sehen.

Kurz: Das öffentliche, textbasierte Social Media ist weiter auf dem absteigenden Ast. Für Freaks gibt es die Möglichkeit, zu bloggen, aber insgesamt verschiebt sich das Ganze dann doch eher in die privaten Kanäle.

Zwei Bücher

Anna-Verena Nosthoffs “Kybernetik und Kritik - eine Theorie digitaler Regierungskunst” liegt bei mir auf dem Lesetisch. Ich ahne zwar schon, dass ich das Buch angesichts seines Umfangs nicht vollständig schaffen werde, aber die Passagen, die ich gelesen habe, sind äußerst vielversprechend.

Letztlich hat Nosthoff, so mein Eindruck, ein Standardwerk geschrieben, das Kybernetik quasi als Luft, die uns umgibt, sichtbar machen möchte und dabei auch die Genese der Kybernetik als Versuch eines lenkenden Systems nacherzählt. Damit ist es ein hochpolitisches Buch.

Ben Rechts Werk “The Irrational Decision: How We Gave Computers the Power to Choose for Us” wird von Menschen, die ich sehr schätze (Henry Farrell, Dan Davies), als Meilenstein gewürdigt. Recht erzählt - ähnlich wie Nosthoff - eine Geschichte des Denkens entlang maschinenbasierter Entscheidungen, das allerdings auch eine Geschichte des “rationalen Vertrauens in das Messbare” ist. Dan Davies beschreibt den Kern von Rechts These so (übersetzt und gefettet):

“Wie er (in Anlehnung an Paul Meehl) sagt, wird die algorithmische Entscheidungsfindung immer die Fakten auf ihrer Seite haben. Denn sobald man das Problem in messbare Größen gefasst und eine konkrete Erfolgskennzahl definiert hat – sobald es also einen Maßstab gibt, anhand dessen die Ergebnisse beurteilt werden können –, bedeutet „Optimierung“ genau das, was das Wort sagt. Alles, was man anders macht als das Ergebnis eines Optimierers, ist … suboptimal.”

Das klingt sehr vielversprechend und die Leseprobe liest sich schon einmal weniger geekig, als das Thema klingt.