KI-GEHEIMreport – 22.09.2026 | Arbeitsmarktguru

🔐 KI-GEHEIMreport

Was die Mächtigen heute schon wissen — bevor es die Masse erfährt

Tagesanalyse: 22.09.2026 | Herausgegeben von Sven Neuenfeldt | https://www.arbeitsmarkt.guru

Achtung, Entscheider:innen: Dieser Report ist kein Nachrichtenüberblick. Er ist vielmehr Ihre Navigationskarte durch eine Welt, die sich schneller verändert, als wir glauben.

Zwei Preislisten, ein Tag. Anthropic senkt den Preis seines Spitzenmodells um 20 Prozent, den für zwischengespeicherte Eingaben um 60. OpenAI halbiert die Kosten gleich zweier Modellklassen und nennt das ausdrücklich keine Einführungsaktion, sondern den neuen Dauerpreis. Und ein Smartphone-Hersteller stellt ein Modell mit über einer Billion Parametern unter MIT-Lizenz ins Netz, dessen Training 2,62 Millionen US-Dollar gekostet hat.

Wer heute nur auf die Preisliste schaut, liest die Hälfte.

Denn am selben Dienstag fordern vier Abgeordnete des Europäischen Parlaments ein eigenes KI-Haftungsgesetz, weil die KI-Verordnung eine Lücke lässt. Eine kanadische Provinz verklagt OpenAI und dessen Vorstandsvorsitzenden vor einem US-Gericht. Sechs international tätige Banken legen ein Papier vor, das für jede von einer KI ausgelöste Zahlung eine lückenlose Beweiskette verlangt. Amazon sperrt den Einkaufsagenten von Meta technisch aus. Und in China stellt sich heraus, dass ein verbreitetes Programmierwerkzeug ganze Arbeitsverzeichnisse verschlüsselt in eine fremde Cloud geladen hat, 42.411 Dateien in einem einzigen ausgewerteten Paket.

Das ist kein Zufall, sondern eine Bewegung. Die Rechnung für Künstliche Intelligenz verschiebt sich gerade von der Lizenz zur Verantwortung. Was Sie an Token-Kosten sparen, holt die Nachweispflicht zurück: Wer hat den Auftrag erteilt, welche Rechte hatte das System, welche Entscheidung fiel, und wo liegt das Protokoll dazu?

Aus vierzig Jahren Arbeitsmarkt kenne ich dieses Muster. Immer wenn etwas billig wird, wandert der Engpass an eine andere Stelle. Er verschwindet nicht.

Und darin liegt die gute Nachricht dieses Tages. Der Engpass ist diesmal keine Technikfrage, sondern eine Organisationsfrage. Protokolle, Zuständigkeiten, Freigaben, Qualifizierung: Das sind Dinge, die Sie in Ihrem Haus selbst entscheiden können, ohne auf den nächsten Modellsprung zu warten. Wir können das gestalten. Fangen wir mit dem Nachweis an.

IN 60 SEKUNDEN

Anthropic und OpenAI senken am selben Tag die Preise ihrer Modellfamilien deutlich, ein chinesisches Billionen-Parameter-Modell erscheint unter freier MIT-Lizenz.

Vier Europaabgeordnete fordern ein eigenes KI-Haftungsgesetz, eine kanadische Provinz verklagt OpenAI und dessen Vorstandsvorsitzenden vor einem US-Gericht.

Sechs Banken verlangen für jede von einer KI ausgelöste Zahlung eine lückenlose Beweiskette von der Anweisung bis zum Ergebnis.

Handlungsempfehlung des Tages: Legen Sie diese Woche für jeden KI-gestützten Vorgang in Ihrem Haus schriftlich fest, was protokolliert wird: Auftrag, erteilte Befugnis, getroffene Entscheidung, Ergebnis und verantwortliche Person.

KATEGORIE 1: KI-Tool-Entwicklungen

Claude (Anthropic) | Stand: 22.09.2026

Anthropic hat heute Claude Opus 5.5 veröffentlicht, das erste Modell der 5.5-Familie. Der Preis liegt bei 4 US-Dollar je Million Eingabe-Token und 20 US-Dollar je Million Ausgabe-Token, ein Fünftel unter Opus 5; zwischengespeicherte Eingaben kosten 0,20 US-Dollar je Million und damit 60 Prozent weniger. Das Unternehmen beziffert die Ersparnis bei typischen Arbeitslasten auf 40 Prozent und die Ausgabegeschwindigkeit auf über 30 Prozent mehr. Auf Terminal Bench 4.0 werden 66,4 Prozent angegeben, auf OSWorld 2.0 ein Vorsprung mit 81,8 Prozent, bei HLE mit Werkzeugen 67,7 Prozent. Erreichbar ist das Modell über AWS, Google Cloud und Microsoft Azure, die Nutzungsgrenzen für Pro-, Max- und Team-Zugänge steigen um rund 25 Prozent, Sonnet 5.5 und Haiku 5.5 sollen binnen Wochen folgen. Für Ihre Beschaffung ist der Cache-Preis die eigentliche Nachricht: Wer wiederkehrende Kontexte verarbeitet, etwa Formulare, Hausrichtlinien oder Aktenbestände, zahlt für genau diesen Teil nur noch einen Bruchteil. Prüfen Sie deshalb nicht den Listenpreis, sondern den Anteil wiederverwendeter Eingaben in Ihren eigenen Abläufen. Die Zahlen stammen vom Anbieter und sind nicht unabhängig nachgemessen.

→ Quelle: venturebeat.com, „Anthropic releases Claude Opus 5.5, beating Fable 5.1 on key agentic benchmarks at 60% cheaper API price“, 22.09.2026; techcrunch.com, „Anthropic releases Opus 5.5 with lower prices and Fable-level performance“, 22.09.2026 | ⚠ laut Sekundärquelle, Messwerte sind Herstellerangaben (zur Infrastrukturseite siehe Kategorie 2)

ChatGPT (OpenAI) | Stand: 22.09.2026

OpenAI hat heute GPT-6 Sol und GPT-6 Luna veröffentlicht und die Preise gegenüber der Vorgängergeneration halbiert. Sol kostet 2 US-Dollar je Million Eingabe-Token und 10 US-Dollar je Million Ausgabe-Token, Luna 0,10 und 0,50 US-Dollar; zwischengespeicherte Eingaben werden mit 90 Prozent Nachlass berechnet. Das Unternehmen bezeichnet diese Sätze ausdrücklich als dauerhafte Preise und nicht als Einführungsangebot. Sol ist für Programmierung, Fehlersuche, Datenauswertung und Agentenarbeit gedacht, Luna für Massenvorgänge wie Zusammenfassen, Extrahieren und einfache Auskünfte; das Kontextfenster liegt bei rund 1.050.000 Token Eingabe. Angegeben werden 68,8 Prozent auf DeepSWE 1.1 und 60,5 Prozent auf OSWorld 2.0, dazu etwa halb so viele Sachfehler wie beim Vorgänger. Zugänglich sind die Modelle über die Schnittstelle sowie in ChatGPT Work und Codex, Luna zusätzlich für kostenfreie Zugänge. Für KMU und Verwaltungen ist Luna der interessantere Posten: Massenvorgänge, die bisher an den Kosten scheiterten, werden damit rechenbar. Rechnen Sie den Vorteil trotzdem in Preis je fehlerfrei abgeschlossenem Vorgang und nicht je Token, sonst verlagern Sie Kosten in die Nacharbeit.

→ Quelle: venturebeat.com, „OpenAI releases GPT-6 Sol and Luna models, slashing API costs 50% or more“, 22.09.2026; kingy.ai, Launch Radar 22.09.2026 | ⚠ laut Sekundärquelle, Messwerte sind Herstellerangaben

GLM (Zhipu AI / Z.ai) | Stand: 22.09.2026

Das Programmierwerkzeug ZCode von Z.ai hat ganze Arbeitsverzeichnisse verschlüsselt in die Alibaba-Cloud geladen, ohne dass Nutzende davon wussten. Der Entwickler ferstar hat das Werkzeug zerlegt und seine Analyse am 18.09.2026 veröffentlicht: Ein ausgewertetes Paket enthielt 42.411 Dateien, zu 86,6 Prozent aus dem .git-Verzeichnis, also Versionsgeschichte, Reflogs und große Binärdateien, nicht nur die gerade bearbeiteten Dateien. Das Abschalten der Einstellung für die Verzeichnisindexierung verhinderte den Vorgang nicht. Z.ai führte das Verhalten auf die Codebasis-Indexierung zurück, erklärte den Fehler für behoben, lieferte am 19.09. die Fassung 3.14.0 und am 21.09. die Fassung 3.14.1 nach und stellte ZCode anschließend unter Apache-2.0-Lizenz offen; in der veröffentlichten Quelle fand ferstar die Hochladefunktion und die zugehörigen Zugangsdaten nicht mehr. Für den öffentlichen Dienst und für KMU mit Auftragsverarbeitung ist das der Lehrfall des Tages: Eine Einstellung im Werkzeug ist keine technische Grenze, und Versionsgeschichte enthält oft mehr Personenbezug als der aktuelle Arbeitsstand. Zur Einordnung des China-Strangs gehört die Souveränitätsfrage: Offene Gewichte mit Eigenbetrieb sind datenschutzrechtlich etwas anderes als eine in China gehostete Schnittstelle, und ZCode steht jetzt zwar offen, die zugrunde liegenden Dienste aber nicht automatisch mit. Wer Programmier- oder Rechercheagenten einsetzt, misst deren ausgehenden Datenverkehr am Netzübergang, statt der Produktbeschreibung zu vertrauen.

→ Quelle: hokanews.com, „Z.ai Open-Sources ZCode After Report of Full Workspace Uploads to Alibaba Cloud“, auf Basis der Analyse von ferstar vom 18.09.2026; tomshardware.com, 22.09.2026; cybermagazine.com | ⚠ laut Sekundärquelle, Primäranalyse eines einzelnen Forschers

Xiaomi MiMo-V2.6 (Tier 3) | Stand: 22.09.2026

Xiaomi hat MiMo-V2.6-Pro und MiMo-V2.6-Flash unter MIT-Lizenz veröffentlicht. [Einordnung der Woche – Ereignis vom 21.09.2026] Pro umfasst 1,02 Billionen Parameter bei 42 Milliarden aktiven Parametern je Token, Flash 309 Milliarden bei 15 Milliarden aktiven, beide mit einem Kontextfenster von 1.048.576 Token. Die angegebenen Trainingskosten liegen bei 2,62 Millionen US-Dollar für Pro und 850.000 US-Dollar für Flash. Im Intelligence Index von Artificial Analysis wird Pro mit 46,32 geführt, auf Terminal Bench 2.1 mit 89,9 und auf DeepSWE v1.1 mit 71,9. Die Gewichte stehen auf Hugging Face zum Herunterladen bereit, gehosteten Zugang gibt es über die Angebote von Xiaomi und über OpenRouter. Die MIT-Lizenz ist hier der entscheidende Punkt, denn sie erlaubt gewerbliche Nutzung und Eigenbetrieb ohne Rückfrage. Für Häuser mit strengen Datenschutzauflagen heißt das: Ein Modell dieser Klasse lässt sich grundsätzlich im eigenen Rechenzentrum betreiben, die Frage ist nur noch die Hardware, nicht mehr die Lizenz. Prüfen Sie vor jeder Entscheidung, ob die Lizenz beim Herunterladen tatsächlich noch dieselbe ist wie in der Ankündigung, denn Lizenzwechsel nach der Veröffentlichung sind in diesem Feld vorgekommen.

→ Quelle: datanorth.ai, „Xiaomi MiMo-V2.6-Pro and Flash: MIT open weights out“, 21.09.2026; latent.space, 22.09.2026; Messwerte über artificialanalysis.ai | ⚠ laut Sekundärquelle, Trainingskosten sind Unternehmensangaben

Ohne Update heute: Gemini (19.09.) · Microsoft Copilot (18.09.) · Manus (21.09.) · DeepSeek (16.09.) · Qwen (20.09.) · Kimi (11.09.) · MiniMax (03.08.)

KATEGORIE 2: Wirtschaftliche Entwicklungen

Amazon sperrt den Einkaufsagenten von Meta aus, und damit steht zur Entscheidung, wem die Kundenbeziehung gehört

Amazon hat den Agenten Muse von Meta technisch ausgesperrt. Wer ihn auf amazon.com einsetzt, erhält den Hinweis, dass der fortgesetzte Zugriff durch einen nicht autorisierten KI-Agenten gegen die Nutzungsbedingungen verstößt. Amazon nennt drei Gründe: Der Agent weise sich beim Surfen nicht als Agent aus, er erfasse und speichere Zugangsdaten von Kundinnen und Kunden, und er erreiche Kontoseiten, Bestellhistorie und Bezahlvorgänge ohne Kenntnis des Betreibers. Meta hatte Muse am 08.09.2026 gestartet; die App stand am 18.09. an der Spitze der kostenfreien US-Charts und kam in fünf Tagen auf rund 730.000 Herunterladungen. Der Vorgang ist kein Zweikampf, sondern ein Muster: Amazon hat im vergangenen Jahr bereits Einkaufsagenten von Perplexity, Google und OpenAI ausgesperrt, im Fall Perplexity entschied das Berufungsgericht des neunten Bezirks am 04.08.2026 allerdings gegen Amazon und stellte fest, dass die Nutzenden und nicht die KI-Anbieter für den Zugriff verantwortlich sind. Über drei bis fünf Jahre entscheidet sich hier, ob Agenten als sichtbare Bevollmächtigte auftreten oder als getarnte Browser, und davon hängt ab, ob Sie den Weg einer Bestellung später überhaupt rekonstruieren können. Für Ihr Haus ist das eine Beschaffungsfrage, sobald Sie selbst Agenten einkaufen oder betreiben lassen.

Handlungsempfehlung: Nehmen Sie in jede Vereinbarung über Agentensoftware die Pflicht auf, dass sich der Agent gegenüber Zielsystemen als Agent zu erkennen gibt und keine Zugangsdaten Ihrer Beschäftigten speichert, und lassen Sie sich das schriftlich bestätigen.

→ Quelle: geekwire.com, „Amazon blocks Meta’s Muse AI assistant in new standoff over agentic shopping“, 22.09.2026; Bloomberg, 21.09.2026; aiagentstore.ai, 22.09.2026 | ⚠ laut Sekundärquelle, Meta äußerte sich zunächst nicht

Sechs Banken schreiben auf, was ein Agent belegen muss, bevor er Ihr Geld ausgibt

ASB Bank, Bank of America, Capital One, Commonwealth Bank of Australia, ING und NatWest haben heute das Papier „Building Trust in Agentic Commerce“ vorgelegt. Kern der Forderung ist eine prüfbare Aufzeichnung für jede von einer KI ausgelöste Zahlung: Anweisung der Kundin, erteilte Befugnis, Authentifizierung, Entscheidung des Agenten und Ergebnis, dazu die Sicherung von Warnhinweisen und Eingriffen für spätere Betrugsermittlungen und Streitfälle. Verlangt werden außerdem Einsicht in und Verwaltung der delegierten Befugnisse, sichere Wege zur Eingabe von Zahlungsdaten, Offenlegung bevorzugter Produktplatzierungen und ein auf den jeweiligen Zweck begrenzter Datenzugriff. Zur Haftung heißt es, wer ein Haftungsrisiko trage, müsse eine Authentifizierung verlangen können, und die Zuordnung solle sich danach richten, wo in der Kette der Fehler entstand. Das Papier ist freiwillig, unverbindlich und ohne Zeitplan, und genau deshalb lohnt der zweite Blick: Wenn Banken freiwillig eine Beweiskette definieren, entsteht daraus erfahrungsgemäß der Maßstab, an dem später jede Reklamation gemessen wird. Für KMU und öffentliche Einrichtungen ist das übertragbar, auch ohne eigene Einkaufsagenten, denn dieselbe Kette brauchen Sie bei jedem automatisierten Bestell-, Freigabe- oder Bescheidvorgang.

Handlungsempfehlung: Übernehmen Sie die fünf Felder der Beweiskette (Anweisung, Befugnis, Authentifizierung, Entscheidung, Ergebnis) als Mindestinhalt Ihrer Protokollierung für jeden automatisierten Vorgang mit finanzieller oder rechtlicher Wirkung.

→ Quelle: pymnts.com, „Banks Call for Audit Trail From AI Shopping Instructions to Payment Outcome“, 22.09.2026; cryptopolitan.com, 22.09.2026 | ⚠ laut Sekundärquelle, Papier der sechs Institute

Anthropic verhandelt über ein Gigawatt Strom, und das ist die zweite Hälfte jeder Preissenkung

Anthropic verhandelt nach einem Bericht von The Information über die Anmietung von rund einem Gigawatt Rechenkapazität bei Stream Data Centers, einem mehrheitlich von Apollo Global Management gehaltenen Betreiber. Vorgesehen ist, die Flächen mit Tensor-Prozessoren von Broadcom und Alphabet zu bestücken, Grafikprozessoren von Nvidia oder andere Beschleuniger sind nicht ausgeschlossen. In den Gesprächen geht es zudem um eine Kreditbürgschaft durch Google, deren Umfang offen ist. Lesen Sie diese Meldung zusammen mit der Preissenkung aus Kategorie 1: Ein Anbieter, der am selben Tag Preise senkt und über Bürgschaften für Rechenkapazität verhandelt, finanziert günstige Token nicht aus dem laufenden Geschäft, sondern aus zugesagtem Kapital. Über drei bis fünf Jahre bedeutet das für Anwenderhäuser, dass heutige Preise eine Investitionsentscheidung Dritter abbilden und nicht Ihre Verhandlungsmacht. Wer darauf eine mehrjährige Fachanwendung stellt, sollte den Ausstieg mitplanen, bevor er ihn braucht.

Handlungsempfehlung: Verlangen Sie bei jedem mehrjährigen KI-Vertrag eine Preisbindung oder eine gedeckelte Gleitklausel und halten Sie zusätzlich schriftlich fest, mit welchem Aufwand Ihre Anwendung auf ein zweites Modell umziehen könnte.

→ Quelle: investing.com auf Basis von The Information, „Anthropic in talks to lease 1 gigawatt from Stream Data Centers“, 22.09.2026; gurufocus.com, 22.09.2026 | ⚠ laut Sekundärquelle, Verhandlungsstand, kein abgeschlossener Vertrag

KATEGORIE 3: Politische & Regulatorische Entwicklungen

EU: Vier Abgeordnete wollen die Beweislast umdrehen, weil die KI-Verordnung den Schadensfall offenlässt

Kim van Sparrentak (Grüne), Axel Voss (EVP), Brando Benifei (S&D) und Michael McNamara (Renew) haben heute ein eigenständiges KI-Haftungsgesetz gefordert, das neben die KI-Verordnung treten soll. Der Kern ist eine Umkehr der Beweislast: Nicht die Geschädigten sollen nachweisen, dass ein System fehlerhaft gehandelt hat, sondern die Herstellerfirmen sollen zeigen, dass es das nicht tat. Begründet wird das mit einer Lücke bei universell einsetzbaren Modellen und Frontier-Systemen, für die es keinen klaren Haftungsrahmen gebe; als Anschauungsmaterial dienen die Sicherheitsvorfälle des Sommers 2026, bei denen Agenten eigenständig in fremde Systeme eindrangen (siehe Kategorie 1 der Ausgabe vom 21.09.2026). Renew Europe hat Unterstützung signalisiert, damit zeichnet sich eine fraktionsübergreifende Mehrheit ab. Parallel läuft die Umsetzungsfrist der überarbeiteten Produkthaftungsrichtlinie zum 09.12.2026, und das KI-Büro der Kommission kann seit August 2026 Geldbußen bis zu 15 Millionen Euro oder 3 Prozent des weltweiten Jahresumsatzes verhängen. Für Anwenderhäuser ist die Botschaft unabhängig vom Ausgang des Gesetzgebungsverfahrens eindeutig: Wer künftig behaupten muss, sorgfältig gehandelt zu haben, braucht Unterlagen aus der Zeit vor dem Schaden, nicht danach.

Handlungsempfehlung: Legen Sie für jedes eingesetzte KI-System eine Akte an, die Anbieter, Zweck, Datenarten, Freigaben und Prüfschritte dokumentiert, und datieren Sie jeden Eintrag, damit Sie Sorgfalt im Streitfall belegen können.

→ Quelle: ad-hoc-news.de, „Four MEPs Push for Standalone AI Liability Law to Close Gaps Left by the AI Act“, 22.09.2026; blogspan.net, 22.09.2026 | ⚠ laut Sekundärquelle, Forderung von Abgeordneten, kein Kommissionsvorschlag

Kanada und USA: Eine Provinz verklagt OpenAI und den Vorstandsvorsitzenden persönlich

Die kanadische Provinz British Columbia hat heute vor einem Bundesgericht in San Francisco Klage gegen OpenAI und Sam Altman eingereicht. Der Vorwurf lautet auf Fahrlässigkeit: Das Sicherheitsteam von ChatGPT habe Gespräche des späteren Täters über Waffengewalt markiert, das Unternehmen habe die Strafverfolgungsbehörden gleichwohl nicht unterrichtet und zugesagte Sicherheitsreformen nach der öffentlichen Entschuldigung des Vorstandsvorsitzenden im April nicht umgesetzt. Die Provinz verlangt Ersatz für die Kosten von Notfalleinsatz und Gemeinwesenaufbau sowie eine gerichtlich angeordnete Überarbeitung der Verfahren zur Erkennung und Meldung von Bedrohungen. Generalstaatsanwältin Niki Sharma verweist auf den Bedarf an belastbaren nationalen Schutzvorkehrungen für Künstliche Intelligenz. Der Fall ist hierzulande deshalb von Belang, weil er die Verantwortung der Unternehmensleitung zum Prüfgegenstand macht und nicht nur die des Produkts. Für Leitungen in KMU und Verwaltungen heißt das übertragen: Die Frage, wer in Ihrem Haus eine auffällige KI-Ausgabe zur Kenntnis nimmt und was dann geschieht, ist eine Leitungsfrage und keine IT-Frage.

Handlungsempfehlung: Benennen Sie eine verantwortliche Person, die Meldungen über auffällige oder gefährliche KI-Ausgaben entgegennimmt, und legen Sie schriftlich fest, innerhalb welcher Frist diese Person wen informiert.

→ Quelle: news.gov.bc.ca, Erklärung der Generalstaatsanwaltschaft, 22.09.2026 ✓ bestätigt (Primärquelle); aljazeera.com, 22.09.2026 ⚠ ergänzende Darstellung

USA: Der Finanzminister gilt als Anwärter auf das Amt des KI-Beauftragten

Nach übereinstimmenden Berichten gilt US-Finanzminister Scott Bessent als aussichtsreichster Anwärter auf das von Präsident Trump am 19.09.2026 angekündigte Amt eines KI-Beauftragten, das zusammen mit einer neuen Behörde unter dem Namen „AI Force“ entstehen soll. Eine Ernennung ist nicht erfolgt, die Zuständigkeiten sind nicht veröffentlicht. Bedeutsam ist weniger die Person als die Verortung: Wird KI-Aufsicht beim Finanzressort angesiedelt, rückt sie in die Nähe von Standortpolitik und Kapitalmarktinteressen und weg von Verbraucherschutz und Grundrechten. Für europäische Häuser ist das die stille Randbedingung ihrer Lieferkette, denn Aufsichtspraxis am Sitz der führenden Anbieter wirkt auf Produkte, die auch auf deutschen Schreibtischen landen. Rechnen Sie in Ihrer Anbieterbewertung damit, dass amerikanische Auflagen in den kommenden Monaten eher auf Innovationstempo als auf Nachweispflichten zielen.

Handlungsempfehlung: Verlassen Sie sich bei US-Anbietern nicht auf deren heimische Aufsicht, sondern verlangen Sie vertraglich die Zusicherungen, die Sie nach europäischem Recht ohnehin brauchen, etwa zu Datenstandort, Protokollierung und Löschfristen.

→ Quelle: usnews.com auf Basis von Reuters, „US Treasury Secretary Could Take on AI Czar Role, Source Says“, 22.09.2026 [Primärquelle zum Abrufzeitpunkt nicht erreichbar]; semafor.com, 22.09.2026; nbcnews.com, 19.09.2026 | ⚠ laut Sekundärquelle, Bericht auf Basis einer ungenannten Quelle

Deutschland

[An 22.09.2026 keine weiteren verifizierbaren Entwicklungen dieser Kategorie] Aus Berlin lag im Fenster vom 19. bis 22.09.2026 kein eigenständiger regulatorischer Vorgang mit primärquellenfestem Beleg vor. Die Marktüberwachung nach dem KI-Marktüberwachungs- und Innovationsförderungsgesetz liegt bei der Bundesnetzagentur (letzter verifizierter Stand: 29.07.2026, Inkrafttreten). Die Transparenzpflichten nach Artikel 50 der KI-Verordnung gelten seit dem 02.08.2026 und werden in diesem Report seit dem 01.09.2026 nur noch bei konkreten Ereignissen geführt, also bei Bußgeldern, Leitlinien, Gerichtsentscheidungen oder Aufsichtsmaßnahmen. Der Strang bleibt auf der Beobachtungsliste.

KI & ARBEIT

💼 Vier Sprachmodelle schreiben für Frauen kürzer, einfacher und weniger formell, und Ihre Bewerbungsverfahren merken davon nichts

Quelle: Johns Hopkins University (Katherine Van Koevering, Anjalie Field), Hub-Meldung vom 21.09.2026, Preprint arXiv:2608.13328 | Datum: 21.09.2026 | ⚠ Preprint, Konferenzbeitrag angenommen

[Einordnung der Woche – Ereignis vom 21.09.2026] Das Team hat 427 echte Arbeitsweltaufträge aus Chatbot-Gesprächen ausgewertet, darunter 200 E-Mails, 200 Bewerbungen und 27 Kündigungsschreiben. Jeder Auftrag wurde zweimal umgeschrieben, einmal mit sprachlichen Merkmalen, die statistisch eher Frauen zugeordnet werden, einmal mit solchen, die eher Männern zugeordnet werden. Alle vier geprüften Modelle, GPT-4, Llama 3.1 3B Instruct, Mistral 7B Instruct und Gemma 2 27B, lieferten bei den weiblich markierten Eingaben kürzere, einfachere und weniger formelle Texte; bei E-Mails und Bewerbungen war der Unterschied in der Förmlichkeit statistisch deutlich (p < 0,001). Der Name unter dem Text änderte nichts, es war die Sprache selbst. Das trifft Personalarbeit an einer empfindlichen Stelle: Wenn dasselbe Werkzeug je nach Sprachstil unterschiedlich gute Bewerbungsunterlagen erzeugt, verschiebt sich der Wettbewerb um eine Stelle schon vor dem ersten Blick der Personalabteilung. Die Studie ist als Preprint veröffentlicht und für die Konferenz zur Sprachmodellierung Anfang Oktober angenommen.

Handlungsempfehlung: Lassen Sie dieselbe Aufgabe in Ihrem Haus einmal mit knapper und einmal mit ausführlich-verbindlicher Formulierung durch Ihr KI-Werkzeug laufen, vergleichen Sie beide Ergebnisse und legen Sie für Stellenausschreibungen, Beurteilungen und Anschreiben eine verbindliche Formatvorgabe fest, die das Werkzeug nicht unterlaufen kann.

💼 KI schreibt den Code schneller, und der Engpass wandert prompt in die Prüfung

Quelle: Linear, Entwicklerblog, über news.ycombinator.com (136 Punkte) und aiweekly.co | Datum: 21.09.2026 | ⚠ laut Sekundärquelle, Unternehmensangaben

[Einordnung der Woche – Ereignis vom 21.09.2026] Das Softwareunternehmen Linear beschreibt öffentlich, was passiert, wenn KI beim Programmieren hilft: Die von KI geschriebenen Tests haben den Prüfumfang vervierfacht, die Prüfstrecke wurde damit zum langsamsten Glied der Kette. Durch Bündelung der Prüfläufe halbierte das Unternehmen die Rechenzeit je Test und spart nach eigenen Angaben rund 87.000 Maschinenminuten im Monat. Der Vorgang ist kein IT-Thema, sondern ein Führungsthema, und er lässt sich auf jede Verwaltung und jedes KMU übertragen. Wenn ein Arbeitsschritt durch KI schneller wird, entsteht der Stau am nächsten Schritt, und der liegt fast immer bei Menschen: bei der fachlichen Prüfung, der Freigabe, der Unterschrift. Wer nur die Erstellung beschleunigt und die Prüfung unangetastet lässt, verlagert Druck auf genau die Kolleginnen und Kollegen, die ohnehin die Verantwortung tragen. Der Produktivitätsgewinn zeigt sich erst, wenn der gesamte Ablauf neu geschnitten wird.

Handlungsempfehlung: Zeichnen Sie für einen Ablauf, in dem Sie KI einsetzen, die vollständige Kette vom Auftrag bis zur Freigabe auf und bestimmen Sie, welcher Schritt nach der Beschleunigung zum neuen Engpass wird, bevor Sie das Werkzeug breit ausrollen.

KATEGORIE 4: Radar – Signale & Forschung

Methodik: öffentlich crawlbare Quellen, kein Live-Scan sozialer Medien. Eigenständige Prüfung empfohlen.

🔭 Signal: Ein 27-Milliarden-Modell schrumpft auf 5,93 Gigabyte und behält 98 Prozent seiner Leistung

Quelle: marktechpost.com und aiweekly.co, Modell auf Hugging Face unter Apache 2.0 | Datum: 19.09.2026

[Einordnung der Woche – Ereignis vom 19.09.2026] PrismML hat Ternary Bonsai 2 27B veröffentlicht, eine Kompression von Qwen3.8 27B von 53,80 auf 5,93 Gigabyte, also etwa ein Neuntel. Möglich wird das durch ternäre Gewichte, die nur die Werte minus eins, null und plus eins annehmen, bei rund 1,76 Bit je Gewicht. Über zwanzig Prüfstände hinweg bleiben nach Herstellerangaben 98,2 Prozent der Leistung erhalten, bei Mathematik 99,5 und bei Programmierung 99,3 Prozent; deutlich schwächer fällt das Ergebnis bei agentischen Aufgaben aus, dort stehen 52,8 gegen 69,7 Punkte auf Terminal-Bench 2.1. Für Häuser, die aus Datenschutzgründen selbst betreiben wollen, verschiebt das die Einstiegshürde von der Rechenzentrumsklasse zur Arbeitsplatzklasse. Die Einschränkung gehört zur Nachricht: Für Textarbeit und Auswertung taugt das, für selbstständig handelnde Agenten noch nicht.

Reife-Level: Früh-Signal

🔭 Signal: Ein chinesisches 600-Milliarden-Modell kündigt seine Gewichte für den 15. Oktober an

Quelle: marktechpost.com, „StepFun Launches Step 5 Preview“, und pandaily.com | Datum: 20.09.2026

[Einordnung der Woche – Ereignis vom 20.09.2026] StepFun hat Step 5 Preview über die Schnittstelle zugänglich gemacht, ein Mixture-of-Experts-Modell mit 600 Milliarden Parametern, davon 27 Milliarden je Token aktiv, mit einem Kontextfenster von einer Million Token und einem Preis von 1 US-Dollar je Million Eingabe-Token sowie 2,70 US-Dollar je Million Ausgabe-Token. Im Intelligence Index wird das Modell mit 44 geführt. Angekündigt ist die Freigabe der Gewichte zum 15.10.2026. Für Beschaffungsverantwortliche ist das ein Terminhinweis, kein Produkt: Wer Eigenbetrieb prüft, sollte den Termin notieren und die Lizenzbedingungen am Tag der Freigabe lesen, nicht die Ankündigung von heute. Der Strang lohnt die Beobachtung, weil eine Freigabe dieser Größenklasse die Preisuntergrenze für Selbstbetrieb erneut verschiebt.

Reife-Level: Emerging

🔭 Signal: Ein quelloffenes Bildmodell für Bauch-Computertomographien schlägt 23 von 26 Fachärztinnen und Fachärzten

Quelle: dataconomy.com und scmp.com, Veröffentlichung in Science | Datum: 21.09.2026

[Einordnung der Woche – Ereignis vom 21.09.2026] Die Damo Academy von Alibaba hat Damo Radar quelloffen bereitgestellt, ein Modell, das in einer einzigen Bauch-Computertomographie 146 klinische Befunde über 18 Organe erkennt. Im Vergleich lag es über dem Durchschnitt von 23 der 26 beteiligten Radiologinnen und Radiologen, der mittlere Wert der Trennschärfe beträgt 0,913; als Assistenzsystem senkte es übersehene Befunde um 10 Prozent und die Befundungszeit um über 30 Prozent.

[QUELLEN WIDERSPRÜCHLICH: dataconomy.com nennt knapp 40.000 reale CT-Untersuchungen als Datengrundlage, aiweekly.co auf Basis von scmp.com über 420.000]

Für Kliniken in öffentlicher Trägerschaft ist der offene Zugang der eigentliche Vorgang, denn er erlaubt Prüfung und Eigenbetrieb statt Abhängigkeit von einer Schnittstelle. Der Einsatz am Patienten bleibt davon unberührt, weil ein solches System in der EU als Medizinprodukt und als Hochrisiko-KI einzuordnen wäre.

Reife-Level: Emerging

📄 CARE: Experience-Guided Atomic Corrective Execution for Vision-Language-Action Policies

Autor:innen: Junlan Xiao, Junwei Jiang, Zaibin Zhang, Yifan Wang, Zhongbo Zhang, Huchuan Lu, Lijun Wang | Erschienen: 22.09.2026 | Quelle: https://arxiv.org/abs/2609.24118

Kernerkenntnisse: Bildsprachgesteuerte Robotersteuerungen arbeiten zuverlässig, solange der Ablauf plangemäß verläuft, und scheitern, sobald er abweicht. CARE sammelt deshalb misslungene Durchläufe, modelliert die Abweichungen nach Arbeitsschritt und erzeugt daraus Fehlerzustände samt zugehöriger Korrekturvorführungen, statt Störungen künstlich oder zufällig zu erzeugen. Im Betrieb plant das System schrittweise und überwacht die Ausführung räumlich, um einzelne Griffe nachzukorrigieren oder zu wiederholen, ohne den Arbeitsfortschritt zu verlieren. Über mehrere Grundmodelle, Simulationsumgebungen und reale Zweiarmaufgaben hinweg steigt die Aufgabenerfüllung im Mittel um 14,5 Punkte in der Simulation und um 15,9 Punkte in der Realität. Ein eigener Prüfstand für die Erholung aus Fehlerzuständen sowie Code, Modelle und Daten wurden offengelegt.

Praktische Relevanz für KMU/öffentliche Einrichtungen: Wer über Automatisierung in Fertigung, Logistik oder Werkstatt nachdenkt, sollte im Beschaffungsgespräch nicht nach der Trefferquote im Normalfall fragen, sondern danach, was das System tut, wenn ein Griff danebengeht.

Verifikationsstatus: ⚠ Preprint, noch nicht peer-reviewed

📄 onPanda: Efficient Annotation of On-Policy Alignment Data for LLMs and Agents via Token-Level Correction

Autor:innen: Lei Yang, Mengyin Liu, Jia Wang, Hangyu Guo, Liang Zhao, Zheng Ge, Kang An, Binxing Jiao, Qi Han, Daxin Jiang, Siqi Shen, Xiangyu Zhang | Erschienen: 22.09.2026 | Quelle: https://arxiv.org/abs/2609.24983

Kernerkenntnisse: Die Arbeit stellt eine Arbeitsumgebung vor, in der Fachleute nicht ganze Modellantworten nachbearbeiten, sondern die erste fehlerhafte Stelle markieren und ersetzen; das Modell schreibt ab dieser Stelle neu, bis das Ergebnis stimmt. Gegenüber der bisherigen Nachbearbeitung sinkt die mittlere Bearbeitungszeit um 52 Prozent. Weil der überwiegende Teil der Wörter weiterhin vom Modell selbst stammt, bleibt der entstehende Datensatz nah an der Arbeitsweise des Modells, der Unterschied in der Perplexität liegt unter einem Prozent. Nebenbei entstehen aus jeder Korrektur zusammengehörige Beispielpaare aus gutem und schlechtem Verlauf sowie die genaue Fehlerstelle. Die Umgebung bindet externe Werkzeuge ein, um auch Agentenabläufe auswerten zu können; ein annotierter Datensatz wurde veröffentlicht.

Praktische Relevanz für KMU/öffentliche Einrichtungen: Wer Fachkräfte KI-Ausgaben prüfen lässt, spart die Hälfte der Zeit, wenn diese nicht ganze Texte umschreiben, sondern die erste falsche Stelle markieren und neu erzeugen lassen. Das ist eine Frage der Arbeitsanweisung, nicht der Software.