OpenAI, der Entwickler des Chatbots ChatGPT, steuert auf einen historischen Boersengang zu. Laut uebereinstimmenden Berichten der Financial Times und des Wall Street Journal [Paywall, laut Financial Times/CNBC, nicht unabhaengig geprueft] plant das Unternehmen, noch am Freitag, den 22. Mai 2026, vertraulich einen Boersenprospekt bei der US-Boersenaufsicht SEC einzureichen. Diese vertrauliche Einreichung erlaubt es dem Unternehmen, seinen Prospektentwurf zunaechst ohne oeffentliche Einsicht zu hinterlegen. Der vollstaendige S-1-Prospekt wird erst mindestens 15 Tage vor der Investor-Roadshow veroeffentlicht.

Goldman Sachs und Morgan Stanley fuehren das Underwriting-Konsortium (laut CNBC, nicht unabhaengig geprueft). Als Ziel peilt CEO Sam Altman den September 2026 an. Die Bewertung des Unternehmens koennte dabei die Marke von einer Billion US-Dollar ueberschreiten (laut Financial Times, nicht unabhaengig geprueft). Zuletzt wurde OpenAI von privaten Investoren mit etwa 852 Milliarden Dollar bewertet. Intern soll es Meinungsverschiedenheiten geben: Finanzchefin Sarah Friar soll Zweifel geaeussert haben, ob die organisatorischen Vorarbeiten bis September abgeschlossen sein werden. Am 18. Mai hatte eine Jury in Oakland die Klagen Elon Musks gegen OpenAI einstimmig zurueckgewiesen. Diese letzte grosse rechtliche Huerdevor dem Boersengang ist damit vorerst beseitigt.

Fuer Entscheidungstraeger:innen bedeutet das: Wenn OpenAI an der Boerse notiert ist, werden Quartalsdruck und Investorenerwartungen die Produktstrategie und Preisgestaltung des ChatGPT-Entwicklers unmittelbar beeinflussen. Enterprise-Vertraege und KI-Budgetplanung sollten das bereits heute einkalkulieren.

Ein internes, generalistisches Argumentationsmodell von OpenAI hat eine seit fast 80 Jahren offene Vermutung in der diskreten Geometrie widerlegt. Das sogenannte Planare Einheitsdistanz-Problem (Planar Unit Distance Problem) wurde 1946 vom ungarischen Mathematiker Paul Erdos erstmals gestellt. Es geht um die Frage, wie viele Punktpaare in einer Ebene genau den Abstand einer Einheit aufweisen koennen. Generationen von Mathematikern gingen davon aus, dass quadratische Gitterstrukturen die optimale Anordnung darstellen.

Das OpenAI-Modell wies nun eine neue Familie von Konstruktionen nach, die bessere Ergebnisse liefert. Besonders bemerkenswert: Es nutzte dabei Methoden aus der algebraischen Zahlentheorie – einem Gebiet, das normalerweise mit abstrakten Zahlensystemen und Primzahlen verbunden wird, nicht mit geometrischen Punktmustern. Der resultierende Beweis umfasst 125 Seiten und wurde von neun Mathematiker:innen geprueft und verdichtet. Es handelt sich laut OpenAI (laut OpenAI-Ankuendigung, nicht unabhaengig geprueft) um das erste Mal, dass eine Kuenstliche Intelligenz ein bedeutendes offenes Problem in der Mathematik autonom loeste. Unabhaengige Mathematiker:innen wie Noga Alon, Melanie Wood und Thomas Bloom haben bestaetigendeAnmerkungen veroeffentlicht, weisen aber auch auf nicht referenzierte Vorliteratur hin. Das genuetzte Modell ist kein Spezialmodell fuer Mathematik, sondern ein allgemeines Schlussfolgerungsmodell.

Dieser Durchbruch verschiebt die Frage nicht mehr auf “Kann KI original forschen?” – sondern auf “Welche Probleme loest sie als naechstes?”. Fuer Fuehrungskraefte in Forschung und Entwicklung signalisiert das eine neue Dimension von KI als Forschungspartner.

Das KI-Labor Anthropic steht kurz davor, erstmals in die schwarzen Zahlen zu schreiben. Laut Wall Street Journal [Paywall] erwartet das Unternehmen fuer das zweite Quartal 2026 einen operativen Gewinn von 559 Millionen Dollar (laut Wall Street Journal, nicht unabhaengig geprueft). Der Umsatz soll dabei auf 10,9 Milliarden Dollar steigen – ein Wachstum von 130 Prozent gegenueber dem Vorquartal (laut Wall Street Journal, nicht unabhaengig geprueft). Dieser Gewinn kommt Jahre frueher als intern geplant.

Die Treiber sind klar: stark nachgefragte Coding-Tools wie Claude Code sowie die eigenstaendige, agentische Nutzung des Claude-Modells. Gleichzeitig sank der Rechenaufwand pro eingenommenem Dollar von 71 auf 56 Cent (laut Wall Street Journal, nicht unabhaengig geprueft). Das zeigt: Die Einheit KI-Labor lernt, effizienter zu werden. Wegen knapper Rechenkapazitaet schloss Anthropic neue Rechenzentrum-Deals ab – darunter die bekannte Vereinbarung mit SpaceX (siehe Meldung 4). Ein neuer Tokenizer macht das Modell Opus 4.7 fuer Nutzer:innen potenziell teurer, weil er bis zu 35 Prozent mehr Token fuer denselben Text verbraucht.

Deshalb ist das ein struktureller Wendepunkt: Anthropic beweist erstmals, dass frontier-KI profitabel betrieben werden kann. Fuer HR und Einkauf bedeutet das: Preiserhoehungen bei Claude-Produkten sind mittelfristig moeglich. Gleichzeitig steigt die Verlasslichkeit des Anbieters.

Der SpaceX-Boersenprospekt (S-1-Einreichung) hat ein bemerkenswertes Detail offenbart: Anthropic verpflichtete sich, bis Mai 2029 monatlich 1,25 Milliarden US-Dollar an xAI / SpaceX fuer Zugang zu dessen Colossus-1-Rechenzentrum in Memphis, Tennessee zu zahlen (✓ bestaetigt, SpaceX S-1-Einreichung). Das entspricht rund 15 Milliarden Dollar pro Jahr – fuer einen einzigen Infrastrukturpartner. Das Colossus-Rechenzentrum beherbergt mehr als 220.000 Nvidia-GPUs.

SpaceX hatte diese Kapazitaet urspruenglich fuer seine eigene KI-Tochter xAI gebaut. Da die Nutzung des Grok-Chatbots zuletzt deutlich zurueckging, verkauft SpaceX nun ueberschuessige Rechenkapazitaet an Anthropic – einen direkten Konkurrenten von xAI. Fuer die ersten zwei Monate gilt ein reduzierter Satz. Beide Parteien koennen den Vertrag mit 90 Tagen Kuendigungsfrist beenden. Anthropic hat parallel Vereinbarungen mit Amazon (bis zu 5 Gigawatt), Google und Broadcom abgeschlossen. Der Deal unterstreicht die enorme Nachfrage nach Rechenkapazitaet, die durch Coding-Tools und agentische KI-Nutzung entsteht. Gleichzeitig zeigt er eine neue Realitaet: KI-Labore sind in ihrer strategischen Entwicklung zunehmend von einzelnen Infrastrukturpartnern abhaengig.

Fuer CIOs und Beschaffungsverantwortliche ist das ein Warnsignal: Frontier-KI haengt an privaten Infrastrukturen mit kurzfristigen Kuendigungsklauseln. Das sollte bei der Anbieterbewertung und Risikoplanung beruecksichtigt werden.

Andrej Karpathy – Gruendungsmitglied von OpenAI, ehemaliger Leiter des KI-Teams bei Tesla und bekanntester Bildungskommunikator der KI-Welt – hat am 19. Mai 2026 auf X seinen Wechsel zu Anthropic bekanntgegeben. Seine Ankuendigung generierte innerhalb weniger Stunden mehr als 11,3 Millionen Aufrufe (laut jls42.org, nicht unabhaengig geprueft). Das zeigt, welches Gewicht dieser Personalentscheid in der globalen KI-Gemeinschaft hat.

Karpathy ist bekannt fuer seine vielgenutzten Lernkurse, sein Konzept des “Vibe Coding” (KI-gestuetzte Programmierung ohne tiefes technisches Vorwissen) und seine Faehigkeit, komplexe KI-Konzepte fuer breite Zielgruppen verstaendlich zu machen. Bei Anthropic wechselt er ins Pre-Training-Team unter Nick Joseph. Zusaetzlich soll er ein internes Projekt leiten: Claude soll genutzt werden, um Anthropics eigene Trainings-Pipeline zu automatisieren. Karpathy hatte OpenAI 2024 verlassen, um das EdTech-Startup Eureka Labs zu gruenden. Seinen Bildungsauftrag will er laut eigener Aussage kuenftig wieder aufnehmen. Fuer OpenAI ist dieser Wechsel ein oeffentlich sichtbarer Rueckschlag: Talent fliegt nicht nur weg – es fliegt zur Konkurrenz.

Was das fuer Fach- und Fuehrungskraefte bedeutet: Talent-Signale wie dieser Wechsel sind oft verlasslichere Indikatoren fuer die Qualitaet eines KI-Labors als Benchmark-Tabellen. Beobachten Sie, wohin sich die besten Koepfe bewegen.

Die Schweizerische Bundesbahn (SBB) setzt auf kuenstliche Intelligenz, um eine der komplexesten IT-Migrationen ihres Unternehmens zu bewaeltigen. SAP und der franzoesische KI-Anbieter Mistral AI haben ein mehrsprachiges Retrieval-Augmented-Generation-System (RAG-System) entwickelt – ein System, das Sprachmodelle mit unternehmensinternen Dokumenten kombiniert. Dieses System beantwortet Fragen von rund 30.000 SBB-Mitarbeitenden zur laufenden Umstellung auf S/4HANA (laut SAP und Mistral, nicht unabhaengig geprueft). S/4HANA ist SAPs aktuelle Kernsoftware fuer Unternehmen, die Bereiche wie Buchhaltung, Einkauf und Logistik abdeckt.

Der Chatbot greift auf interne Dokumente zu, erkennt Fachkuerzel und leitet offene Fragen automatisch an menschliche Experten weiter. Deren Antworten fliessen direkt zurueck ins System ein. Besonders fuer den DACH-Raum relevant: Die KI laeuft vollstaendig auf SAP-Infrastruktur in Europa. Daten verlassen laut SAP und Mistral keine regionalen Grenzen. Die Kooperation zwischen SAP und Mistral begann im Juni 2024 und wurde im Oktober 2024 erweitert (laut The Decoder). SAP-Anwendergruppen weisen darauf hin, dass viele SAP-Kunden KI bisher nur testen. Huerden sind fehlende Cloud-Nutzung und komplexe Lizenzbedingungen.

Was das fuer die Praxis heisst: KI in SAP-Migrationen ist kein Zukunftsthema mehr. Es ist Gegenwart – auch in europaischen Grossunternehmen. Wer S/4HANA noch vor sich hat, sollte RAG-Loesungen fruehzeitig in seine Projektplanung aufnehmen.

Auf der jaehrlichen Entwicklerkonferenz Google I/O 2026 stellte Google eine breit angelegte agentische KI-Strategie vor. Im Mittelpunkt steht Gemini 3.5 Flash – ein neues, auf Geschwindigkeit und Kosteneffizienz optimiertes Sprachmodell. Das Modell unterstuetzt einen Kontext von bis zu 1.048.576 Eingabe-Token (✓ bestaetigt, Google I/O Ankuendigung) und kommt direkt in die allgemeine Verfuegbarkeit – ohne vorherige Preview-Phase. Laut Google-CEO Sundar Pichai kostet es halb so viel wie vergleichbare Frontier-Modelle. Unabhaengige Vergleiche bestaetigten eine rund vierfach hoehere Geschwindigkeit gegenueber Konkurrenzmodellen (laut The Rundown AI, nicht unabhaengig geprueft).

Gleichzeitig stellte Google den eigenstaendigen KI-Agenten Gemini Spark vor, der direkt mit Anthropics Claude Cowork und OpenAIs ChatGPT-Agenten konkurriert. Antigravity 2.0 erganzt als Desktop-Anwendung das agentische Oekosystem: Sie unterstuetzt parallele Subagenten, geplante Hintergrundaufgaben und Integrationen mit Android und Firebase. Uber Managed Agents in der Gemini API lassen sich Agenten-Workflows mit einem einzigen API-Aufruf starten. DACH-Hinweis: Angaben zur Verfuegbarkeit und zum Datenschutz dieser agentischen Dienste in der EU liegen bisher nicht vor. Unternehmen im DACH-Raum sollten die KI-VO-Konformitaet vor dem Einsatz pruefen.

Deshalb ist das strategisch relevant: Google setzt nicht mehr auf einzelne Modelle, sondern auf ein agentisches Oekosystem. Wer KI-Agenten in Unternehmensprozesse integriert, muss die Infrastruktur der Anbieter jetzt genauer bewerten – nicht erst in zwei Jahren.

Google hat in sein Analyse-Werkzeug Lighthouse – dem Standardtool fuer Website-Qualitaetspruefungen im Chrome-Browser – eine neue experimentelle Kategorie eingefuehrt: “Agentic Browsing”. Diese Kategorie prueft, wie gut eine Website fuer den Einsatz durch KI-Agenten vorbereitet ist. Konkret werden vier Kriterien geprueft: das Vorhandensein einer llms.txt-Datei (eine maschinenlesbare Zusammenfassung der Website-Inhalte fuer KI), die Integration der WebMCP-Schnittstelle (eine API, die Formulare und Aktionen fuer Agenten zugaenglich macht), die Qualitaet des Accessibility-Baums (semantisches HTML) sowie die Layout-Stabilitaet der Seite.

Im Unterschied zu anderen Lighthouse-Tests gibt es keine Punktzahl zwischen 0 und 100, sondern nur ein Verhaeltnis bestandener Pruefungen (✓ bestaetigt, Chrome Developer Documentation). Die Kategorie basiert noch auf vorgeschlagenen Standards und ist als experimentell gekennzeichnet. Gleichzeitig widersprueche sich Googles eigene Haltung: Das Search-Team erklaert, llms.txt sei fuer Suchrankings nicht erforderlich. Chrome hingegen bewertet das Dateiformat bereits als Agenten-Kompatibilitaetssignal. DACH-Relevanz: Fuer Unternehmen im DACH-Raum, die agentische Workflows aufbauen, ist die Frage der Website-Maschinenlesbarkeit kein technisches Nischenproblem mehr – sondern eine strategische Entscheidung.

Was das konkret bedeutet: Wer heute Websites betreibt, die von KI-Agenten genutzt werden sollen – sei es fuer Buchungen, Recherchen oder Produktvergleiche – sollte jetzt pruefe, ob seine Seiten die neuen Standards erfullen.

Am 2. August 2026 tritt Artikel 50 der EU-KI-Verordnung (AI Act) in Kraft – und damit die verbindliche Kennzeichnungspflicht fuer KI-generierte Inhalte. Ab diesem Datum muss klar erkennbar sein, wenn Bilder, Videos, Audiodateien oder Texte zu Themen von oeffentlichem Interesse mit Hilfe von KI erstellt oder wesentlich veraendert wurden. Betroffen sind Anbieter und Betreiber von KI-Systemen: also praktisch alle Unternehmen, Behoerden und Selbststaendigen, die oeffentlich wirksame Inhalte mit KI produzieren.

Besonders relevant fuer den DACH-Raum: Die Pflicht entfaellt laut Haufe.de und Kanzleiquellen, wenn ein Mensch die redaktionelle Verantwortung fuer KI-generierte Texte nachweislich uebernimmt (✓ bestaetigt, Haufe.de / Artikel 50 KI-VO). Deepfakes und Bilder echter Personen unterliegen strengeren Transparenzregeln. Verstosst ein Unternehmen gegen die Kennzeichnungspflicht, drohen Bussgelder von bis zu 15 Millionen Euro oder 3 Prozent des globalen Jahresumsatzes (✓ bestaetigt, Artikel 50 KI-VO). Die ZDF-Redaktion ueberarbeitete kueerzlich einen “heute journal”-Beitrag, weil KI-generierte Bilder ohne Kennzeichnung verwendet worden waren – ein Praxisbeispiel fuer die Relevanz dieser Vorschrift. Hinzu kommt: Aeltere Systeme koennen nach aktuellem Rechtsstand noch bis Dezember 2026 eine Uebergangsfrist nutzen.

74 Tage. Das klingt nach viel Zeit – ist es aber nicht, wenn interne Freigabeprozesse, Schulungen und technische Loesungen erst noch entwickelt werden muessen. Starten Sie jetzt.

Das chinesische KI-Unternehmen DeepSeek baut ein neues “Harness”-Team in Peking auf, das unter dem Arbeitstitel “DeepSeek Code” ein eigenes Code-Agenten-Produkt von Grund auf entwickeln soll. “Harness” bezeichnet dabei alles, was neben dem eigentlichen KI-Modell benoetigt wird, damit ein Agent funktioniert – also Werkzeugnutzung, Planung und Gedaechtnis. Deli Chen von DeepSeek kuendigte die offenen Stellen am 20. Mai auf X an.

DeepSeek sucht derzeit einen Produktmanager und einen Entwickler. Beide sollen intensive Nutzer von Produkten wie Claude Code, Cursor, OpenAIs Codex oder GitHub Copilot sein. Das Projekt positioniert sich an der Schnittstelle von Forschung und Produkt. Bewerber sollen Konzepte wie Agent Loops (Schleifen autonomer Aktionen), Multi-Agenten-Systeme und Context Engineering kennen. Auch Erfahrung mit “Vibe Coding” wird erwartet. Das Unternehmen konkurriert damit direkt mit drei der meistgenutzten Entwicklertools weltweit. Der Schritt zeigt: Im Bereich KI-gestuetzter Softwareentwicklung wird der Wettbewerb 2026 noch haerter – und kommt zunehmend aus China.

Konkret heisst das fuer Entwickler:innen im DACH-Raum: Der Markt fuer KI-gestuetzte Coding-Assistenten wird breiter und preislich attraktiver. Gleichzeitig steigen Fragen zur Datenverarbeitung und zur Konformitaet mit europaischem Datenschutzrecht.

LinkedIn – das wichtigste berufliche Netzwerk fuer Fach- und Fuehrungskraefte im DACH-Raum – unternimmt Schritte, um die Flut KI-generierter Beitraege einzudaemmen. Die Plattform hat angekuendigt, Mechanismen einzufuehren, die automatisch produzierten Content erkennen und zurueckdraengen sollen. Details zu den Erkennungsverfahren und konkreten Sanktionen wurden noch nicht veroeffentlicht.

Hintergrund: Seit der breiten Verfuegbarkeit grosser Sprachmodelle (Large Language Models, LLMs) wird LinkedIn von generisch formulierten, KI-erstellten Beitraegen ueberflutet. Nutzer:innen berichten von sinkender Qualitaet im Feed und sinkendem Vertrauen gegenueber vermeintlich authentischen Inhalten. DACH-Relevanz: Gerade im beruflichen Kontext wird die Unterscheidung zwischen menschlich erstelltem und KI-generiertem Content zunehmend zu einer Frage der Glaubwuerdigkeit. Wer auf LinkedIn als Fuehrungskraft oder Experte sichtbar sein will, steht vor einem wachsenden Vertrauensproblem – auch wenn die eigenen Inhalte authentisch sind.

Gleichzeitig gilt: Vertrauen entsteht nicht durch das Vermeiden von KI – sondern durch transparenten Umgang mit ihr. Wer klar kennzeichnet und Haltung zeigt, gewinnt in einem Umfeld, das zunehmend nach Echtheit sucht.

Google AI Studio kann ab sofort native Android-Apps direkt aus einem Sprachprompt heraus generieren. Die erzeugten Apps werden in Kotlin mit dem UI-Framework Jetpack Compose gebaut und sind direkt im Browser-Emulator testbar – ohne Entwicklungsumgebung. Das Anwendungsfeld richtet sich derzeit an einfache Utility-Apps wie Tracker, Checklisten oder einfache Formulare.

The Decoder praegte fuer diese Entwicklung den Begriff “SaaSpocalypse” (App-Apokalypse): Die Idee dahinter ist, dass KI zunehmend jene einfachen Softwareprodukte ersetzt, fuer die fruher spezialisierte SaaS-Anbieter (Software as a Service) benoetigt wurden. Fuer einfache Anwendungen koennte der Gang in den Play Store damit kuenftig mehr und mehr ueberfluessig werden. Apple geht bisher den entgegengesetzten Weg und blockiert Vibe-Coding-Apps konsequent aus dem App Store. DACH-Relevanz: Fuer Unternehmen, die interne Tools, Formulare oder kleine Helferanwendungen einsetzen, veraendert sich das Beschaffungsmodell grundlegend. Was bisher einen Entwickler oder einen SaaS-Vertrag brauchte, koennte bald mit einem Prompt erledigt sein.

Das ist kein fernes Szenario mehr – es ist ein laufender Versuch. Wer heute noch ueber “KI in der Softwareentwicklung” nachdenkt, sollte morgen bereits ueber “KI statt Softwareentwicklung” diskutieren.