Metas nächste Entlassungswelle nimmt konkrete Gestalt an: Laut Reuters-Quellen will der Konzern am 20. Mai 2026 eine erste Runde mit rund 8.000 Stellen streichen – das entspricht etwa zehn Prozent der weltweiten Belegschaft von knapp 79.000 Menschen. Eine zweite Welle ist für die zweite Jahreshälfte geplant. Insgesamt könnten über 20 Prozent der Stellen wegfallen, wie Reuters bereits im März 2026 berichtet hatte (laut Reuters, nicht offiziell bestätigt durch Meta). Zu Zeitplan und Umfang hat Meta sich nicht offiziell geäußert.

Hintergrund sind die immensen Investitionen in Infrastruktur für Künstliche Intelligenz (KI). CEO Mark Zuckerberg plant für 2026 Kapitalausgaben von 115 bis 135 Milliarden US-Dollar (laut Meta-Investorenmitteilung Q4 2025). Besonders betroffen sind mittlere Managementebenen und administrative Funktionen – Bereiche, die zukünftig durch KI-Agenten und Automatisierung ersetzt werden sollen. Die neu gegründete Einheit „Applied AI“ bei Meta entwickelt bereits KI-Agenten für autonome Aufgaben. Analysten von JPMorgan schätzen, dass der Stellenabbau Einsparungen von fünf bis sechs Milliarden US-Dollar einbringen könnte (laut JPMorgan-Analyse, nicht offiziell durch Meta bestätigt). Was das für Führungskräfte bedeutet: KI-getriebene Effizienzgewinne werden nicht als Add-on zum bestehenden Team geplant – sondern als direkte Substitution ganzer Ebenen. Das ist kein theoretisches Szenario mehr. Es ist gelebte Strategie eines der größten Arbeitgeber der Tech-Welt. Wer jetzt keine Antwort auf die Frage hat, welche Aufgaben in seinem Team durch KI übernommen werden können, verliert die Initiative.

Anthropic hat Claude Opus 4.7, sein aktuell leistungsstärkstes kommerziell verfügbares Großes Sprachmodell (Large Language Model, LLM), allgemein verfügbar gemacht. Laut dem offiziellen Anthropic-Blog (✓ bestätigt durch anthropic.com/news/claude-opus-4-7) erzielt das Modell 87,6 Prozent auf dem SWE-bench Verified – einem Benchmark für autonomes Software-Engineering. Im Vergleich zum Vorgänger Opus 4.6 soll es komplexe, langandauernde Aufgaben mit höherer Präzision bearbeiten und Fehler eigenständig erkennen und korrigieren.

Zusätzlich lancierten die Anthropic Labs Claude Design: ein experimentelles Webdesign- und Prototyping-Werkzeug, das auf Opus 4.7 basiert und direkt gegenüber Figma, Adobe und Gamma positioniert wird. Es liest Codebases und Designdateien ein und generiert daraus markengerechte Prototypen, Präsentationen und Wireframes. Der Export erfolgt als PDF, PPTX oder in Canva. Der Preis bleibt unverändert: 5 US-Dollar pro Million Eingabe-Tokens und 25 US-Dollar pro Million Ausgabe-Tokens (✓ bestätigt durch Anthropic-Preisseite). Das mächtigere Modell Claude Mythos Preview bleibt weiterhin auf ausgewählte Partner im Rahmen von Project Glasswing beschränkt. Für Entscheidungsträger in Unternehmen: Opus 4.7 ist jetzt über Amazon Bedrock, Google Cloud Vertex AI und Microsoft Foundry verfügbar – die Integration in bestehende IT-Infrastrukturen wird damit deutlich niedrigschwelliger.

In einem Interview mit der Financial Times stellte Dario Amodei, CEO von Anthropic, klar, dass er die Skalierung großer KI-Modelle für noch lange nicht ausgereizt hält. Mit dem Satz „Es gibt kein Ende des Regenbogens. Es gibt nur den Regenbogen“ beschreibt er seine Überzeugung, dass Leistungszuwächse bei großen Sprachmodellen (LLMs) weiterhin möglich sind. „Wir sehen nichts, was sich verlangsamt“, sagte Amodei (laut The Decoder/Financial Times).

Bemerkenswert an dem Gespräch ist, was Amodei über den Arbeitsmarkt sagt. KI könne sich „nur mit der Geschwindigkeit des Vertrauens verbreiten“ – und Vertrauen sei derzeit Mangelware. Er zitiert eigene Warnungen: bis zu 50 Prozent der Büro-Einstiegsjobs könnten innerhalb von fünf Jahren wegfallen. Die Industrie habe ihre positiven Versprechen noch nicht einlöst, während die Warnungen – auch seine eigenen – bereits im Raum stehen. Die Konsequenz für HR und Führung: Transformation gelingt nur, wenn sie von echter Glaubwürdigkeit getragen wird. Die häufigste Rückmeldung aus Unternehmen lautet derzeit nicht „KI funktioniert nicht“ – sondern „Wir wissen nicht, ob wir KI vertrauen können.“ Das ist eine Lernaufgabe, keine Technikaufgabe.

Das erst vier Monate alte KI-Start-up Recursive Superintelligence hat laut Financial Times mindestens 500 Millionen US-Dollar eingesammelt (laut FT/The Decoder, nicht offiziell durch das Unternehmen kommuniziert, da es sich noch nicht öffentlich vorgestellt hat). Die Bewertung ohne das neue Kapital liegt bei vier Milliarden US-Dollar. Die Finanzierungsrunde wurde von GV (ehemals Google Ventures) angeführt, Nvidia beteiligte sich ebenfalls. Die Runde war so stark überzeichnet, dass Recursive insgesamt bis zu einer Milliarde Dollar aufnehmen könnte.

Gründer sind Richard Socher, ehemaliger Chief Scientist bei Salesforce, und Tim Rocktäschel, KI-Professor am University College London und zuvor Principal Scientist bei Google DeepMind. Das Team umfasst rund 20 Personen, darunter ehemalige OpenAI-Forscher sowie frühere Mitarbeiter von Google und Meta. Das Ziel: ein KI-System, das sich ohne menschliches Zutun laufend selbst verbessert – ein zentrales Konzept auf dem Weg zur sogenannten Superintelligenz. Das Konzept befindet sich noch in der Forschungsphase und ist über längere Zeiträume nicht erprobt. Für Führungskräfte und HR: Hier zeichnet sich eine Technologiekategorie ab, die – wenn sie sich bewahrheitet – die Grundannahmen über menschliche Expertise und Wissensvorsprung fundamental herausfordert. Die Frage ist nicht ob, sondern wann.

Das chinesische KI-Start-up Deepseek, das bisher ausschließlich von seinem Eigentümer, dem Hedgefonds High-Flyer Capital Management, finanziert wurde, führt laut The Information erstmals Gespräche über externe Kapitalaufnahme. Angestrebt werden mindestens 300 Millionen US-Dollar bei einer Bewertung von mindestens zehn Milliarden US-Dollar (laut The Information/The Decoder, nicht offiziell bestätigt). Gründer und CEO Liang Wenfeng galt bislang als Verfechter einer von kommerziellem Druck unabhängigen Unternehmensführung.

Der Strategiewechsel hat konkrete Ursachen: Mehrere Schlüsselforscher haben das Unternehmen verlassen – Luo Fuli, Mitentwicklerin des V3-Modells, wechselte zu Xiaomi, Guo Daya zu ByteDance. Das neue Flaggschiff-Modell V4 wurde mehrfach verschoben, auch weil Ingenieure es mit Huawei-Chips kompatibel machen mussten. Deepseek hatte Anfang 2025 mit seinem offenen Modell DeepSeek-R1 für Aufsehen gesorgt, weil es zu deutlich geringeren Trainingskosten mit führenden westlichen Modellen mithalten konnte. Der Schritt hin zu externer Finanzierung signalisiert: Auch chinesische KI-Akteure stehen vor dem gleichen Grundproblem wie westliche – Skalierung kostet Geld, das selbst der innovativste Hedgefonds nicht dauerhaft alleine stemmt.

Salesforce-CEO Marc Benioff hat auf der Entwicklerkonferenz TDX 2026 eine der tiefgreifendsten Plattformveränderungen in der 27-jährigen Geschichte des Unternehmens verkündet: „Headless 360“. Kernaussage: Die API (Anwendungsprogrammierschnittstelle) ist die neue Benutzeroberfläche. Die gesamte Salesforce-Plattform – inklusive Agentforce und Slack – wird künftig ausschließlich über APIs, das Model Context Protocol (MCP, eine Schnittstelle zwischen KI-Modellen und externen Datenquellen) sowie eine Kommandozeile (CLI) zugänglich gemacht. Ein Browser ist nicht mehr erforderlich (laut Salesforce-Primärquelle: salesforce.com/news, ✓ bestätigt).

Das bedeutet im Kern: KI-Agenten können künftig direkt auf Daten, Workflows und Aufgaben innerhalb von Salesforce zugreifen – über Slack, per Sprache oder über andere Kanäle. Über 60 neue MCP-Tools und mehr als 30 vorkonfigurierte Coding-Skills wurden für Entwickler veröffentlicht. Der neue Slack Agent Kit ermöglicht es, Agenten verschiedener Plattformen in Slack einzubinden. Für Entscheidungsträger in Unternehmen ist das ein Struktursignal: Was heute noch nach Technologie-Architektur klingt, bestimmt morgen, wie Prozesse, Zugangsrechte und Arbeitsverteilung zwischen Menschen und Maschinen organisiert werden. Die Frage, wer künftig Aufgaben delegiert – Mensch oder Agent – wird damit zu einer Governance-Frage für jede Führungsebene.

Snap Inc., Mutterkonzern des Messengerdienstes Snapchat, kündigt die Entlassung von rund 1.000 Mitarbeitenden an – das entspricht etwa 16 Prozent der Belegschaft. Zusätzlich werden über 300 offene Stellen gestrichen. CEO Evan Spiegel begründete die Maßnahmen in einem internen Memo explizit mit „schnellen Fortschritten in der Künstlichen Intelligenz“, die repetitive Aufgaben reduzieren und die Arbeitsgeschwindigkeit erhöhen (laut BBC News vom 15. April 2026). Die Einsparungen sollen die jährlichen Kosten bis zur zweiten Hälfte 2026 um mehr als 500 Millionen US-Dollar senken (laut Snap-Investorenmitteilung, ✓ bestätigt durch offizielle Unternehmensquellen laut BBC/TechCrunch).

Das Snap-Beispiel illustriert ein Muster, das sich 2026 durch die gesamte Digitalwirtschaft zieht: KI-Investitionen werden nicht zusätzlich zum bestehenden Team finanziert – sie werden durch den Abbau bestehender Teams finanziert. Spiegel betonte, dass „kleine Teams bereits heute KI-Tools nutzen, um bedeutende Fortschritte zu erzielen“. Für HR-Verantwortliche bedeutet das: Die Frage ist nicht mehr, ob KI Jobs verändert. Die Frage ist, welche Kompetenz- und Rollenbilder unter diesen Bedingungen Bestand haben – und wie Qualifizierungsoffensiven aussehen müssen, die nicht zu spät kommen. Snap folgt übrigens auf ähnliche Schritte von Atlassian (10 %) und Block (fast 50 %). Der Branchentrend ist klar.

Die explodierende Nachfrage nach agentischer KI – also KI-Systemen, die eigenständig Aufgaben planen und ausführen – trägt zu einer massiven Kapazitätskrise bei. Laut Wall Street Journal verzeichnete Anthropic eine API-Verfügbarkeit von nur 98,95 Prozent, weit unter dem Branchenstandard von 99,99 Prozent, was erste Unternehmenskunden an OpenAI verlieren ließ (laut WSJ/The Decoder, nicht unabhängig geprüft). Die Token-Nutzung stieg von Oktober 2025 bis März 2026 von sechs auf 15 Milliarden pro Minute (laut The Decoder).

GPU (Grafikprozessoren)-Preise stiegen laut dem Ornn Compute Price Index um 48 Prozent (laut The Decoder/Ornn-Index, Primärquelle nicht öffentlich zugänglich). Analysten der Bank of America erwarten, dass die Nachfrage das Angebot bis mindestens 2029 übersteigen wird. OpenAI hat seine Videogenerierungs-App Sora eingestellt, um Rechenressourcen für Coding- und Enterprise-Produkte freizumachen. Für Unternehmenskunden und CIOs ist das eine wichtige strategische Einordnung: KI-APIs sind derzeit keine verlässliche Infrastruktur im Sinne klassischer Enterprise-SLAs (Service Level Agreements). Wer KI-abhängige Prozesse plant, muss Redundanzen einbauen und Multi-Provider-Strategien entwickeln – ähnlich wie bei Cloud-Architekturen.

Eine neue Studie, auf die heise online verweist, kommt zu einem beunruhigenden Befund: Künstlich erzeugte Röntgenbilder sind weder für medizinische Fachleute noch für KI-Erkennungssysteme verlässlich als synthetisch zu identifizieren (laut heise online-Bericht, Primärstudie nicht direkt verlinkt). Das eröffnet ein neues Kapitel in der Debatte um KI-generierte Fehlinformationen – diesmal nicht in Politik oder Unterhaltung, sondern in der Medizin, wo Diagnosequalität direkt mit Patientensicherheit verknüpft ist.

Die Konsequenzen gehen über die Medizin hinaus: Das Prinzip „was ich sehe, ist real“ gilt für immer weniger Bereiche. Gleichzeitig steigt in der Medizin der Druck, KI-gestützte Diagnosetools einzusetzen – wegen Fachkräftemangels, Effizienzforderungen und technischem Fortschritt. Die Anforderungen an digitale Kompetenz und kritische Medienkompetenz in Heilberufen steigen damit erheblich. Für Bildungs- und HR-Verantwortliche im Gesundheitswesen: Medienkompetenzvermittlung ist keine Soft-Skill-Übung mehr. Sie ist eine Patientensicherheitsfrage. Qualifizierungsmaßnahmen müssen das jetzt widerspiegeln.

Das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) präsentiert auf der Hannover Messe 2026 (20.–24. April) mit zwölf Exponaten, wie KI-Technologien aus dem Labor in die industrielle Praxis übergehen. Im Mittelpunkt steht „Coyote III“: ein mobiler Roboter, der über Sechste Generation Mobilfunk (6G)-Netze mit einer intelligenten Umgebungsinfrastruktur kommuniziert und damit rechenintensive KI-Prozesse auslagert. Dadurch werden Roboter leichter, kostengünstiger und anpassungsfähiger (laut DFKI-Pressemitteilung, veröffentlicht am 18. April 2026).

6G ermöglicht dabei Latenzzeiten unter einer Millisekunde, was kollaborative Szenarien in der Produktion – also das gemeinsame Arbeiten von Mensch und Roboter – sicher und skalierbar macht. Die Verlagerung der KI-Verarbeitung in die Infrastruktur soll das Robotergewicht um bis zu 50 Prozent reduzieren (laut DFKI). In Kooperation mit Siemens werden hybride Fabriken entwickelt, die Industrial AI (industrielle KI) und digitale Zwillinge verbinden. Die Signalwirkung für den DACH-Raum: Deutschland hat bei Spitzenmodellen gegenüber USA und China Aufholbedarf. Bei anwendungsnaher Robotik- und Industrial-AI-Forschung spielt das DFKI weiterhin in der ersten Liga. Das ist ein strategischer Standortvorteil, den Industrie und Politik aktiver kommunizieren und nutzen sollten.

Der AI Index Report 2026 des Stanford Institute for Human-Centered AI (HAI) ist der umfassendste jährliche Lagebericht zur globalen KI-Entwicklung. Die Kernbefunde laut dem veröffentlichten Report: KI-Modelle übertreffen menschliche Baselines bei PhD-Wissenschaftsfragen und Wettbewerbsmathematik. Auf dem Coding-Benchmark SWE-bench Verified stieg die Leistung innerhalb eines Jahres von 60 auf nahezu 100 Prozent. Gleichzeitig gilt das Phänomen der „jagged frontier“ (gezäckten Front): Dasselbe Spitzenmodell liest analoge Uhren nur in 50,1 Prozent der Fälle korrekt ab (✓ bestätigt durch Stanford HAI AI Index 2026).

Die Leistungslücke zwischen den USA und China hat sich praktisch geschlossen. Stand März 2026 führt Anthropics Top-Modell mit nur 2,7 Prozent Vorsprung. Die USA investierten 2025 285,9 Milliarden US-Dollar in private KI – 23-mal mehr als China. Aber: Die Zahl der in die USA ziehenden KI-Forscher sank seit 2017 um 89 Prozent. Generative KI (generative Künstliche Intelligenz) erreichte 53 Prozent der Bevölkerung schneller als PC oder Internet – doch nur 23 Prozent der US-Öffentlichkeit sehen die Arbeitsmarkt-Auswirkungen positiv. Produktivitätsgewinne dokumentiert der Report mit 14 bis 26 Prozent in Kundensupport und Softwareentwicklung. Bei Aufgaben, die Urteilsvermögen erfordern, fallen die Effekte schwächer aus.

Der Kölner Übersetzungsdienstleister DeepL hat mit „Voice-to-Voice“ eine neue Produktlinie für Echtzeit-Sprachübersetzung gestartet, die insbesondere in multilingualen Meetings unterstützen soll (laut heise online-Bericht vom 18. April 2026). Das System setzt auf KI-gestützte Übersetzung in Echtzeit und positioniert sich damit im wachsenden Markt für sprachbasierte Kollaborationstools. Primäre Zielgruppe sind Unternehmen mit internationalen Teams und häufigen mehrsprachigen Besprechungen.

Für DACH-Unternehmen, insbesondere KMU (Kleine und mittlere Unternehmen) mit internationalen Geschäftsbeziehungen, ist das ein praxisrelevanter Schritt. Die Sprachbarriere ist in vielen mittelständischen Unternehmen nach wie vor ein realer Engpass bei der internationalen Zusammenarbeit. Was hier als „neues KI-Produkt“ vermarktet wird, ist in der Substanz ein direkter Beitrag zur Arbeitsorganisation: Weniger Zeitverlust durch Dolmetscherkoordination, schnellere Entscheidungen in internationalen Projekten, niedrigschwelligere Zusammenarbeit über Sprachgrenzen hinweg. Praktischer Hinweis: Das Produkt befindet sich noch in der Einführungsphase. Für den Einsatz in sensiblen Geschäftsbesprechungen empfiehlt sich eine sorgfältige Datenschutzprüfung (DSGVO-Konformität).