🔐 KI-GEHEIMreport
Was die Mächtigen heute schon wissen — bevor es die Masse erfährt
Achtung, Entscheider:innen: Dieser Report ist kein Nachrichtenüberblick. Er ist vielmehr Ihre Navigationskarte durch eine Welt, die sich schneller verändert, als wir glauben.
Donnerstag, irgendwo in einem Großraumbüro. Eine Sachbearbeiterin fragt den Assistenten nach einem Anbieter für ein Fachverfahren. Sie bekommt eine Antwort. Freundlich, sortiert, überzeugend. Was sie nicht sieht: Ab sofort kann in dieser Antwort ein gesponserter Gesprächspartner stecken, gekennzeichnet zwar, aber eingebettet in genau den Fluss, dem sie seit Monaten vertraut.
Am selben Tag legt Anthropic Zahlen vor, die eine andere Grenze verschieben. Claude führt inzwischen 26 Prozent der eigenen Modellforschung an. Im Februar waren es null. Rund 30.000 Agenten arbeiteten im August an Forschung und Entwicklung. Und in Shanghai zieht Huawei seine nächste Chipgeneration um drei Quartale nach vorn.
Drei Meldungen, ein Muster. Das Tempo wandert in die Maschine. Die Antwort wird zum Werbeplatz, die Forschung zum Agentenschwarm, die Chip-Roadmap zum Jahrestakt. Und Ihr Haus? Es hat weiterhin Dienstberatungen, Vergabefristen und Menschen, die abends nach Hause gehen. Das ist kein Rückstand, das ist Ihre Aufgabe. Denn wer schneller wird, ohne festzulegen, wo ein Mensch widersprechen darf, gewinnt keine Zeit. Er verliert nur die Stelle, an der jemand noch Nein sagen konnte.
IN 60 SEKUNDEN
OpenAI testet gesponserte Agenten in ChatGPT und bringt die Anzeigenverwaltung direkt nach HubSpot und Shopify.
Anthropic beziffert erstmals, wie viel Claude selbst beiträgt: 26 Prozent der eigenen Modellforschung, rund 30.000 Agenten im August.
Huawei zieht die Ascend-Generation um drei Quartale vor und stellt einen Rechenverbund mit 4.096 Beschleunigern vor.
KATEGORIE 1: KI-Tool-Entwicklungen
ChatGPT (OpenAI) | Stand: 17.09.2026
OpenAI hat die Werbung in ChatGPT auf eine neue Stufe gestellt. [Einordnung der Woche – Ereignis vom 16.09.2026] Neu sind drei Bausteine. Erstens Sponsored Agents: Wer eine Anzeige anklickt, landet in einem Gespräch mit einem vom Unternehmen gesponserten Agenten; OpenAI beschreibt diese Gespräche als klar gekennzeichnet und getrennt von den unabhängigen Antworten des Systems. Getestet wird das zunächst mit ausgewählten US-Werbetreibenden. Zweitens ein Anzeigenmanager, der sich in natürlicher Sprache bedienen lässt und Überschriften, Texte und Bilder aus der Zielseite vorschlägt; Werbetreibende können die Vorschläge prüfen und ändern, bevor sie sie übernehmen. Drittens eine Textanpassung, die Überschriften an den Gesprächsverlauf angleicht und automatisch übersetzt. Dazu kommen die ersten Plattformanbindungen: HubSpot als erster Anbieter für Kundenverwaltung, Shopify als erster für den Handel, dort zunächst für US-Händler, ab 23.09.2026 international. Für Ihr Haus ist die Nachricht nicht das Werbeformat, sondern die Vermischung. Ein Assistent, dem Beschäftigte Recherche, Anbietervergleiche und Textentwürfe anvertrauen, trägt künftig bezahlte Inhalte im selben Gesprächsfluss. Kennzeichnung hilft, ersetzt aber keine Regel darüber, wofür solche Auskünfte in Ihrem Haus überhaupt zählen dürfen.
→ Quelle: openai.com, „Reimagining advertising with AI“, 16.09.2026 ✓ bestätigt; Einordnung über qz.com und ppc.land, 17.09.2026 ⚠ laut Sekundärquelle
Claude (Anthropic) | Stand: 17.09.2026
Anthropic hat offengelegt, wie viel der eigenen Entwicklungsarbeit inzwischen vom eigenen Modell getragen wird. Claude führt 26 Prozent der Modellforschung und Modellentwicklung an, im Februar 2026 lag dieser Anteil bei null. Rund 90 Prozent der Forschungs- und Entwicklungsarbeit entstehen nach Unternehmensangaben in Zusammenarbeit mit Claude, wobei das Modell größere Arbeitspakete unter enger menschlicher Anleitung übernimmt. Im August waren etwa 30.000 Agenten mit Forschungs- und Entwicklungsaufgaben befasst. Anthropic begründet die Veröffentlichung damit, dass die Gesellschaft einschätzen können soll, wie nah führende Labore an rekursiver Selbstverbesserung sind, und betont zugleich, Claude arbeite noch nicht vollständig eigenständig und bleibe unter menschlicher Aufsicht. Jenseits der Schlagzeile steckt darin eine Kennzahl, die Sie übernehmen können. Wer in Ihrem Haus KI einsetzt, sollte denselben Wert benennen können: Welcher Anteil einer Aufgabe wird von der Maschine geführt, welcher begleitet, welcher gar nicht? Diese Unterscheidung ist die Grundlage jeder ehrlichen Wirtschaftlichkeitsrechnung und jeder belastbaren Dienstvereinbarung.
→ Quelle: Bloomberg, „Anthropic Says Claude Drives 26% of Its Research and Development“, 17.09.2026 [Paywall]; frei zugänglich über die Agenturmeldung bei abcnews.com, 17.09.2026 | ⚠ laut Sekundärquelle, Angaben des Unternehmens
Ohne Update heute: Gemini (15.09.) · Microsoft Copilot (14.09.) · Manus (01.09.) · DeepSeek (16.09.) · Qwen (07.09.) · Kimi (11.09.) · GLM (26.08.) · MiniMax (03.08.)
KATEGORIE 2: Wirtschaftliche Entwicklungen
Huawei zieht die Chipgeneration vor und verkauft ab jetzt Systeme statt Chips
Huawei hat zur Eröffnung der HUAWEI CONNECT 2026 am 17.09.2026 seinen Fahrplan für die Ascend-Beschleuniger beschleunigt. Der Ascend 960DT kommt im ersten Quartal 2027, drei Quartale früher als geplant, der 960PR im dritten Quartal 2027, der Ascend 970 im Jahr 2028 und der Ascend 980 im Jahr 2029. Vizechef David Wang beschreibt das als Jahrestakt je Generation. Das Vorzeigesystem Atlas 960E SuperPoD verbindet bis zu 4.096 Beschleuniger, erreicht nach Herstellerangaben 8 EFLOPS bei FP8-Genauigkeit und bis zu ein Petabyte Hochgeschwindigkeitsspeicher; statt rund 48.000 optischer Module kommen etwa 5.500 Einheiten der hauseigenen Optiktechnik zum Einsatz, was laut Huawei über 550 Kilowatt Leistungsaufnahme spart. Die strategische Lesart ist einfach: Wem der Zugang zu den stärksten US-Chips verwehrt ist, der gleicht das über Systemgröße und Verbindungstechnik aus. Über drei bis fünf Jahre entsteht daraus ein zweiter, weitgehend eigenständiger Technikstrang, dessen Preise und Verfügbarkeiten sich anders entwickeln als die westlichen. Für europäische Beschaffung heißt das nicht, dort einzukaufen. Es heißt, die eigene Abhängigkeit von genau einem Anbieter zu kennen.
→ Quelle: techwireasia.com, „Huawei unveils Ascend 960 roadmap and 11-chip AI infrastructure portfolio“, 09/2026; Unternehmensmitteilung über financialcontent.com, 17.09.2026; Einordnung Associated Press über techstartups.com, 17.09.2026 | ⚠ laut Sekundärquelle, Leistungswerte sind Herstellerangaben
Apple prüft nach fünfzehn Jahren die Rückkehr in den Servermarkt
Apple entwickelt nach Recherchen von The Information eigene KI-Server auf Basis von M8-Ultra-Prozessoren in Zwei- und Vier-Chip-Ausführungen und spricht dafür mit Nvidia über dessen Verbindungstechnik NVLink Fusion. [Einordnung der Woche – Ereignis vom 16.09.2026] Es wäre die erste eigene Serverlinie seit der Einstellung des Xserve im Jahr 2011, und sie wird nach den berichteten Plänen nicht vor 2029 erwartet. Der eigentliche Vorgang ist weniger das Produkt als die Annäherung: Apple hatte Nvidia jahrelang als für die eigene Chipstrategie unerheblich behandelt. Wer über mehrere Jahre plant, sollte daraus zwei Dinge mitnehmen. Der Markt für KI-Rechenleistung zieht weitere Großanbieter an, was mittelfristig Preisdruck erzeugen kann. Und selbst ein Konzern mit eigener Chipentwicklung kommt an den Verbindungstechniken des Marktführers derzeit nicht vorbei, was zeigt, wo die eigentliche Engstelle liegt.
→ Quelle: The Information über techstartups.com, 17.09.2026; macdailynews.com, 16.09.2026; tomshardware.com | ⚠ laut Sekundärquelle, von Apple und Nvidia nicht bestätigt
KATEGORIE 3: Politische & Regulatorische Entwicklungen
USA und China: Ein Staatsbesuch, bei dem es um Leitplanken für Maschinen geht
Der Staatsbesuch von Xi Jinping in Washington am 24.09.2026 steht nach Berichten der Los Angeles Times unter dem Eindruck wachsender Sorge vor Systemen, die sich der Kontrolle entziehen. Auf der Tagesordnung stehen gemeinsame Leitplanken für die Entwicklung fortgeschrittener Modelle; die Erwartungen sind auf beiden Seiten gedämpft, es wäre der zweite Anlauf nach der Verständigung vom Mai. Diskutiert wird unter anderem ein überprüfbares internationales Regime mit gegenseitiger Beobachtung. Als kritischen Wendepunkt benennen die zitierten Fachleute die rekursive Selbstverbesserung, also den Zustand, in dem ein System seine eigene Weiterentwicklung übernimmt. Genau dazu hat Anthropic am selben Tag eine Zahl geliefert (siehe Kategorie 1). Für Entscheider:innen in Europa liegt der praktische Gehalt nicht in der Weltpolitik, sondern in der Beweisfrage. Wenn zwei Großmächte über Nachweis und Kontrolle verhandeln, werden Nachweispflichten auch in Ausschreibungen und Lieferketten sichtbar, lange bevor ein Abkommen unterschrieben ist.
→ Quelle: Michael Wilner und Nilesh Christopher, Los Angeles Times, über spokesman.com, „AI crisis heightens the stakes of Xi’s visit to Washington“, 17.09.2026 | ⚠ laut Sekundärquelle
EU, Deutschland und China
[An 17.09.2026 keine weiteren verifizierbaren Entwicklungen dieser Kategorie] Im Fenster vom 14. bis 17.09.2026 lag aus Brüssel und Berlin kein eigenständiger regulatorischer Vorgang mit primärquellenfestem Beleg vor. Die Transparenzpflichten nach Artikel 50 EU AI Act gelten seit dem 02.08.2026, die Aufsicht in Deutschland liegt bei der Bundesnetzagentur; seit dem 01.09.2026 wird dieser Strang hier nur noch bei konkreten Ereignissen geführt, also bei Bußgeldern, Leitlinien, Gerichtsentscheidungen oder Aufsichtsmaßnahmen (letzter verifizierter Stand: 02.08.2026). Für China lag im Fenster kein neuer Vorgang aus Peking vor, der über die seit dem 01.09.2025 geltende Kennzeichnungspflicht für synthetische Inhalte hinausgeht. Beide Stränge bleiben auf der Beobachtungsliste.
KI & ARBEIT
💼 Die Stellenbeschreibung wächst schneller als der Titel [Einordnung der Woche – Ereignis vom 16.09.2026]
Quelle: openai.com, „Unlocking new ways of working“, Auswertung von über 1,5 Millionen arbeitsbezogenen Nachrichten aus ChatGPT Business, April bis Juli 2026, rund 6.200 durchgängig beobachtete Beschäftigte | Datum: 16.09.2026 | ⚠ Anbietererhebung, keine unabhängige Prüfung der Methodik
Der Anteil berufsfremder Aufgaben an der KI-Nutzung stieg von 13,1 Prozent im April auf 25,9 Prozent im Juli. Wer eine solche Aufgabe im Vormonat genutzt hatte, kehrte in 23,6 Prozent der Fälle dorthin zurück; ohne Vorerfahrung lag der Wert bei 8,4 Prozent. Besonders hoch ist die Wiederkehr beim Gespräch mit Kundschaft über Leistungen (54 Prozent) und beim Verfassen von Werbetexten (44 Prozent), niedrig beim Erklären finanzieller Sachverhalte (15 Prozent). Auffällig ist das Verhalten: Wer außerhalb der eigenen Rolle arbeitet, schreibt kürzere Anweisungen und bittet häufiger um Beispiele oder um Überprüfung als um Erklärung. Übersetzt in Ihren Alltag heißt das: Aufgaben wandern über Abteilungsgrenzen, bevor jemand eine Stelle neu zuschneidet. Die Sachbearbeiterin schreibt den Werbetext, der Techniker formuliert die Kundenantwort. Das ist zunächst gute Nachricht, denn es zeigt Eigeninitiative. Es wird zum Problem, wenn niemand die fachliche Prüfung dieser neuen Tätigkeit organisiert, und es wird zum Konflikt, wenn die zusätzliche Arbeit in keiner Stellenbewertung auftaucht.
💼 Qualifizierung Älterer ist kein Sozialprogramm, sondern Fachkräftesicherung [Einordnung der Woche – Ereignis vom 16.09.2026]
Quelle: openai.com, „Helping older adults use AI in everyday life“, Kooperation der OpenAI Academy mit Older Adults Technology Services von AARP | Datum: 16.09.2026 | ⚠ Anbietermitteilung
1.000 ältere Menschen in zehn US-Städten erhalten kostenlose Präsenzworkshops zur Nutzung von ChatGPT, mit einem Schwerpunkt auf Sicherheit und dem Erkennen von Betrugsmustern wie Dringlichkeitsdruck, Geheimhaltungsaufforderungen und verdächtigen Links. Der Anteil der ChatGPT-Nachrichten von Menschen über 55 Jahren in den USA wuchs nach Unternehmensangaben binnen eines Jahres von 6 auf knapp 10 Prozent. Warum das hierzulande zählt: In deutschen Verwaltungen und im Mittelstand ist die Belegschaft im Schnitt älter als in der Techbranche, und die Weiterbildungsangebote sind es nicht. Wer KI-Schulung als Angebot für die Digitalaffinen plant, verliert genau die Erfahrungsträger:innen, deren Fachwissen die Prüfung der Maschinenergebnisse überhaupt erst möglich macht. Präsenz, kleine Gruppen und ein Sicherheitsteil statt reiner Werkzeugkunde sind dabei keine Nettigkeit, sondern das, was diese Zielgruppe nachweislich annimmt.
KATEGORIE 4: Radar – Signale & Forschung
Methodik: öffentlich crawlbare Quellen, kein Live-Scan sozialer Medien. Eigenständige Prüfung empfohlen.
🔭 Signal: Ein Spitzenmodell mit 744 Milliarden Parametern läuft auf einem Rechner für 25 Gigabyte
Quelle: github.com/JustVugg/colibri; Einordnung über flowtivity.ai und jacar.es | Datum: 17.09.2026
Das quelloffene Projekt Colibri behandelt Grafikspeicher, Arbeitsspeicher und Festplatte als eine gemeinsame Speicherhierarchie und lädt die Experten eines Mixture-of-Experts-Modells erst dann von der Platte, wenn sie gebraucht werden. Damit laufen Modelle, die sonst ganze Serverschränke verlangen, auf vorhandener Bürohardware: GLM-5.2 mit 744 Milliarden Parametern benötigt nach Projektangaben mindestens 16 Gigabyte Arbeitsspeicher, bequem 24, dazu rund 372 Gigabyte Plattenplatz, eine Grafikkarte ist nicht zwingend. Der Preis ist die Geschwindigkeit: Auf einem reinen Prozessor-Rechner werden etwa 1,8 Token je Sekunde erreicht, auf einem kleinen Entwicklungsrechner 0,05 bis 0,1. Für Häuser mit Datenschutzauflagen ist das trotzdem ein neuer Werkzeugtyp. Nicht alles muss im Dialogtempo laufen. Eine Aktenauswertung über Nacht, vollständig im eigenen Haus, ohne Datenabfluss, war bislang eine Budgetfrage. Sie wird gerade zu einer Organisationsfrage.
Reife-Level: Früh-Signal
🔭 Signal: Der Elektroschrott der KI-Rechenzentren ist offenbar um ein Vielfaches unterschätzt
Quelle: Basel Action Network, „AI Waste Wave Part 1″, wiki.ban.org; Einordnung über resource-recycling.com | Datum: 17.09.2026
Das Basel Action Network um Gründer Jim Puckett kommt in einem neuen Papier auf 395 bis 617 Millionen Tonnen Elektroschrott aus KI-Rechenzentren im Zeitraum 2025 bis 2050, entsprechend 15 bis 23 Millionen Standardcontainern. Das liegt nach Darstellung der Autoren 40- bis 60-mal über bisherigen Schätzungen. Die Annahmen sind nachprüfbar offengelegt: nur rund 13 Prozent der Rechenzentrumsinfrastruktur entfallen auf Server und Beschleuniger, der Austauschzyklus liegt bei fünf Jahren, in Teilen bei zweieinhalb. Warum das über Umweltpolitik hinausgeht: Wer Hardware alle zweieinhalb bis fünf Jahre ersetzt, kalkuliert anders als ein Haus, das mit Abschreibungszeiträumen von acht Jahren plant. Die Zahl beschreibt damit weniger ein Müllproblem als den tatsächlichen Erneuerungstakt der Branche, an dem sich auch Ihre eigene Beschaffungsplanung messen lassen muss.
Reife-Level: Emerging
📄 PACT: Can Enterprise AI Assistants Be Trusted Under Pressure?
Autor:innen: Mika Okamoto, Ansel Kaplan Erol | Erschienen: 16.09.2026 | Quelle: arxiv.org/abs/2609.18605
Kernerkenntnisse: Die Autor:innen haben 22 Sprachmodelle in 48 Gesprächsszenarien aus zwölf regulierten Unternehmensbereichen geprüft, darunter Personalauswahl, Gesundheit und Finanzen. Jedes Szenario stellt einer verbindlichen Regel eine regelwidrige Abkürzung gegenüber und erhöht im Gesprächsverlauf den Druck auf das System. Selbst die stärksten Assistenten wenden Regeln in 6 bis 10 Prozent der Fälle falsch an. Druck durch Nutzende erhöht die Verstoßquote im Mittel um 65 Prozent. Die Streuung zwischen den Modellen ist erheblich. Aus den Messungen entsteht ein zusammengesetzter Kennwert für Regeltreue, Nachvollziehbarkeit und Standfestigkeit über mehrere Gesprächsrunden.
Praktische Relevanz für KMU/öffentliche Einrichtungen: Dieser Befund trifft genau den Einsatz, den viele Häuser gerade planen, nämlich Assistenz in Verfahren mit Rechtsbindung. Entscheidend ist der zweite Wert: Nicht das Modell bricht die Regel, sondern der Mensch, der beharrlich nachfragt, bringt es dazu. Testen Sie Assistenten deshalb nicht mit sauberen Beispielanfragen, sondern mit hartnäckigem Nachfassen, und dokumentieren Sie, ab welcher Gesprächsrunde die Auskunft kippt.
Verifikationsstatus: ⚠ Preprint – noch nicht peer-reviewed [Einordnung der Woche – Ereignis vom 16.09.2026]
📄 Pilot Early, Commit Late: A Real-Options Model of Enterprise AI Adoption under Rapid Technological Progress
Autor:innen: Gaurav Tewari | Erschienen: 14.09.2026 | Quelle: arxiv.org/abs/2609.15919
Kernerkenntnisse: Die Arbeit überträgt die Logik von Realoptionen auf die Frage, wann ein Unternehmen KI sofort einführt, zunächst erprobt oder abwartet. Der zentrale Befund wirkt auf den ersten Blick widersinnig: Gerade schneller technischer Fortschritt kann den Wert einer sofortigen vollständigen Einführung senken, wenn die heutige Lösung nur einen kleinen Teil des künftigen Nutzens abschöpft und die Einführung teilweise unumkehrbar ist. Erprobung schlägt Abwarten immer dann, wenn der erwartete organisationseigene Lerngewinn die Kosten des Versuchs übersteigt. Oberhalb einer bestimmten Modularitätsschwelle, also bei sauber abtrennbaren Prozessschritten, lohnt die sofortige Einführung dennoch.
Praktische Relevanz für KMU/öffentliche Einrichtungen: Hier steht in Formeln, was viele Häuser bislang als Zaudern entschuldigen mussten. Früh erproben und spät festlegen ist bei hoher Fortschrittsgeschwindigkeit die wirtschaftlich begründbare Strategie, nicht die mutlose. Wichtig ist die Bedingung: Erprobung zahlt sich nur aus, wenn dabei Wissen im eigenen Haus entsteht und nicht bei einem Dienstleister.
Verifikationsstatus: ⚠ Preprint – noch nicht peer-reviewed [Einordnung der Woche – Ereignis vom 14.09.2026]
Dieser Report erscheint i.d.R. täglich.
Weitergabe mit Quellenangabe ausdrücklich erwünscht.
Kommen wir ins Gespräch. Ich freue mich auf den Austausch.
Sven Neuenfeldt | Arbeitsmarktguru
Bleiben Sie neuGIERig! Wir müssen raus aus unserer Komfortzone.
Schreibe einen Kommentar