[{"data":1,"prerenderedAt":1748},["ShallowReactive",2],{"category-ai":3},[4,383,612,798,963,1127,1562],{"id":5,"title":6,"author":7,"body":8,"category":366,"date":367,"description":368,"extension":369,"featured":370,"image":371,"meta":372,"navigation":370,"path":373,"seo":374,"stem":375,"tags":376,"__hash__":382},"blog/blog/ai/2026-05-18-browser-harness-self-healing-agents.md","Browser Harness: Wenn der Agent seinen eigenen Browser-Treiber schreibt","Wilson",{"type":9,"value":10,"toc":358},"minimark",[11,15,19,41,47,52,59,62,99,102,106,109,159,166,169,179,189,192,226,233,237,240,248,255,270,274,277,283,289,303,306,310,313,333,336,340,343,346,349,354],[12,13,6],"h1",{"id":14},"browser-harness-wenn-der-agent-seinen-eigenen-browser-treiber-schreibt",[16,17,18],"p",{},"Wer schon einmal einen Agenten gebaut hat, der „einfach mal kurz\" eine Webseite bedienen soll, kennt das Drama: Selektoren, die nach dem nächsten Deploy verschwinden. Playwright-Wrapper, die für 80 % der Seiten funktionieren – und ausgerechnet bei der Seite scheitern, die der Kunde gerade braucht. Captchas, Iframes, Shadow-DOM, Single-Page-Apps, die ihre Knöpfe per JavaScript an unerwarteten Stellen rendern.",[16,20,21,22,32,33,40],{},"Browser Use, eines der bekanntesten Projekte für browserbasierte AI-Agenten, legt jetzt einen Gegenentwurf vor, der bewusst mit den bisherigen Frameworks bricht: ",[23,24,25],"strong",{},[26,27,31],"a",{"href":28,"rel":29},"https://github.com/browser-use/browser-harness",[30],"nofollow","Browser Harness"," – ein „self-healing harness\" für Browser-Agenten, mit zugehöriger Landing-Page unter ",[23,34,35],{},[26,36,39],{"href":37,"rel":38},"https://www.browser-harness.com",[30],"browser-harness.com",".",[16,42,43,44],{},"Die zentrale Idee in einem Satz: ",[23,45,46],{},"Statt dem Agenten Werkzeuge zu geben, gibt man ihm einen sehr dünnen, editierbaren Werkzeugkasten – und lässt ihn die fehlenden Werkzeuge selbst schreiben, während er arbeitet.",[48,49,51],"h2",{"id":50},"was-ist-daran-neu","Was ist daran neu?",[16,53,54,55,58],{},"Bisherige Stacks für Browser-Automatisierung haben eines gemeinsam: sie sind ",[23,56,57],{},"aufgebläht",". Playwright, Puppeteer und ihre Agent-Wrapper schleppen tausende Zeilen Code für Selektor-Engines, Retry-Logik, Session-Management, DOM-Snapshots und Click-Heuristiken mit sich herum. Das hilft, solange die Welt sich genau so verhält, wie sich der Framework-Autor das vorgestellt hat. Sobald das nicht mehr der Fall ist, kämpft der Agent gegen die Abstraktion an, statt mit ihr.",[16,60,61],{},"Browser Harness dreht das um:",[63,64,65,72,78,89],"ul",{},[66,67,68,71],"li",{},[23,69,70],{},"Eine einzige WebSocket-Verbindung zu Chrome über das Chrome DevTools Protocol (CDP)"," – nichts dazwischen.",[66,73,74,77],{},[23,75,76],{},"~1.000 Zeilen Code, verteilt auf vier Kerndateien."," Das ist kein Tippfehler. Der gesamte Harness ist klein genug, dass ein Modell ihn in einem einzigen Kontextfenster überblickt.",[66,79,80,83,84,88],{},[23,81,82],{},"Der Agent editiert seine eigenen Helfer."," In ",[85,86,87],"code",{},"agent-workspace/agent_helpers.py"," legt er zur Laufzeit neue Funktionen ab, sobald er merkt, dass eine fehlt. Diese Helfer bleiben für den nächsten Lauf erhalten – der Harness wird mit jedem Task ein bisschen mächtiger.",[66,90,91,94,95,98],{},[23,92,93],{},"Domain-Skills als Community-Playbooks."," Unter ",[85,96,97],{},"agent-workspace/domain-skills/\u003Csite>/"," sammeln sich pro Domain stabile Selektoren, API-Tricks und Edge-Cases – nicht von Menschen geschrieben, sondern vom Agenten selbst gefunden und per PR beigesteuert.",[16,100,101],{},"Das ist die titelgebende „Selbstheilung\": Wenn ein Schritt scheitert, schreibt der Agent den fehlenden Helper, führt ihn aus, und das nächste Mal ist er bereits da. Aus dem klassischen Bild „Werkzeug + Agent\" wird ein lebendes System, das mit Nutzung wächst.",[48,103,105],{"id":104},"wie-sieht-das-in-der-praxis-aus","Wie sieht das in der Praxis aus?",[16,107,108],{},"Die Aufrufkonvention ist absichtlich primitiv – ein Heredoc voll Python an ein CLI:",[110,111,116],"pre",{"className":112,"code":113,"language":114,"meta":115,"style":115},"language-bash shiki shiki-themes material-theme-lighter material-theme material-theme-palenight","browser-harness \u003C\u003C'PY'\nnew_tab(\"https://docs.browser-use.com\")\nwait_for_load()\nprint(page_info())\nPY\n","bash","",[85,117,118,134,141,147,153],{"__ignoreMap":115},[119,120,123,127,131],"span",{"class":121,"line":122},"line",1,[119,124,126],{"class":125},"sBMFI","browser-harness",[119,128,130],{"class":129},"sMK4o"," \u003C\u003C",[119,132,133],{"class":129},"'PY'\n",[119,135,137],{"class":121,"line":136},2,[119,138,140],{"class":139},"sfazB","new_tab(\"https://docs.browser-use.com\")\n",[119,142,144],{"class":121,"line":143},3,[119,145,146],{"class":139},"wait_for_load()\n",[119,148,150],{"class":121,"line":149},4,[119,151,152],{"class":139},"print(page_info())\n",[119,154,156],{"class":121,"line":155},5,[119,157,158],{"class":129},"PY\n",[16,160,161,162,165],{},"Keine Subcommands, kein argparse, kein „Session-Manager\", keine Konfigurationspipeline. ",[85,163,164],{},"run.py"," startet den Daemon, führt den Python-Block aus, fertig. Wer Browser-Wrapper aus dem Playwright-Universum gewohnt ist, sucht hier instinktiv nach Vertrautem – und genau das ist der Punkt.",[16,167,168],{},"Der vom Projekt empfohlene Interaktionsstil ist ebenso minimalistisch:",[170,171,172],"blockquote",{},[16,173,174,175,178],{},"Screenshot machen → Pixel ablesen → ",[85,176,177],{},"click_at_xy(x, y)"," → Screenshot zur Verifikation.",[16,180,181,182,188],{},"Statt sich durch CSS- oder XPath-Selektoren zu kämpfen, nutzt der Agent ",[23,183,184,185],{},"Koordinaten-Clicks via ",[85,186,187],{},"Input.dispatchMouseEvent",". Das geht durch Iframes, Shadow DOM und Cross-Origin-Grenzen einfach hindurch, weil Chrome das im Compositor auflöst – nicht im DOM. Selektoren werden zur Ausnahme, nicht zur Regel.",[16,190,191],{},"Was bekomme ich aus der Box?",[63,193,194,204,210,216],{},[66,195,196,199,200,203],{},[23,197,198],{},"Lokaler Modus:"," Der Agent verbindet sich mit dem schon laufenden Chrome des Users (Stichwort ",[85,201,202],{},"chrome://inspect/#remote-debugging","). Keine eigenen Browser-Launches, keine Session, die parallel zur echten des Users läuft.",[66,205,206,209],{},[23,207,208],{},"Stealth-Browser in der Cloud"," über Browser Use Cloud – inkl. Proxies und Captcha-Solving, mit kostenfreiem Tier (3 parallele Browser).",[66,211,212,215],{},[23,213,214],{},"24/7-Deployments"," auf einer „Browser Use Box\".",[66,217,218,221,222,225],{},[23,219,220],{},"Sub-Agenten:"," jeder bekommt seinen eigenen isolierten Browser (",[85,223,224],{},"BU_NAME","), parallel ausführbar.",[16,227,228,229,232],{},"Setup-Aufwand für Nutzer:innen: ein einziger Prompt an Claude Code oder Codex, „lies ",[85,230,231],{},"install.md"," und folge den Schritten\" – der Agent installiert sich quasi selbst.",[48,234,236],{"id":235},"warum-die-architektur-klein-bleibt-und-warum-das-wichtig-ist","Warum die Architektur klein bleibt – und warum das wichtig ist",[16,238,239],{},"In der README finden sich Design-Constraints, die fast schon den Tonfall eines Manifests haben:",[170,241,242],{},[16,243,244],{},[245,246,247],"em",{},"Don't add a manager layer. No retries framework, session manager, daemon supervisor, config system, or logging framework.",[16,249,250,251,254],{},"Das ist keine Faulheit, das ist eine These: ",[23,252,253],{},"Je mehr Logik der Harness selbst übernimmt, desto weniger kann der Agent verstehen, was schiefläuft, und desto schwerer kann er korrigieren."," Eine fette Abstraktion versteckt die Wahrheit der Maschine vor dem Modell. Ein dünner Harness lässt das Modell direkt mit dem Browser verhandeln – und gibt ihm einen Workspace, in dem es seine Erkenntnisse ablegen kann.",[16,256,257,258,263,264,269],{},"Das passt zu einer These, die das Browser-Use-Team gerade systematisch ausformuliert – siehe ihre Posts ",[26,259,262],{"href":260,"rel":261},"https://browser-use.com/posts/bitter-lesson-agent-harnesses",[30],"„The Bitter Lesson of Agent Harnesses\""," und ",[26,265,268],{"href":266,"rel":267},"https://browser-use.com/posts/web-agents-that-actually-learn",[30],"„Web Agents That Actually Learn\"",": Frameworks, die das Modell „smart\" zu machen versuchen, indem sie ihm Entscheidungen abnehmen, altern schlecht. Frameworks, die dem Modell rohen Zugang und einen Platz zum Lernen geben, altern gut.",[48,271,273],{"id":272},"die-vorteile-jetzt-und-in-zukunft","Die Vorteile – jetzt und in Zukunft",[16,275,276],{},"Drei Stränge, warum dieses Projekt mehr ist als nur „noch ein Automation-Tool\":",[16,278,279,282],{},[23,280,281],{},"1. Robust gegen Layout-Änderungen."," Koordinaten-Clicks und runtime-generierte Helfer überleben Frontend-Refactors deutlich besser als hartkodierte Selektoren. Wenn doch etwas bricht, wird der Fix Teil des Skills für die nächste Runde.",[16,284,285,288],{},[23,286,287],{},"2. Skaliert mit Modell-Fähigkeit, nicht mit Framework-Code."," Je besser die zugrundeliegenden LLMs werden, desto kompetenter wird der Harness automatisch – ohne dass jemand eine neue Abstraktion in die Codebase schreiben muss. Klassische Wrapper profitieren genau umgekehrt: jede Modellverbesserung legt eine weitere Schicht ihres Overheads frei.",[16,290,291,294,295,298,299,302],{},[23,292,293],{},"3. Wissen kumuliert öffentlich."," Die ",[85,296,297],{},"domain-skills/","-Sammlung ist der vielleicht spannendste Teil. Wenn ein Agent für LinkedIn-Outreach, Amazon-Bestellungen oder Expense-Filing einmal die zuverlässigen Pfade gefunden hat, landen die als PR im Repo und stehen allen zur Verfügung. Das ist im Kern ",[23,300,301],{},"ein versioniertes, kollaboratives Gedächtnis für das Web",", geschrieben von Agenten, kuratiert von Menschen.",[16,304,305],{},"Für Indie Hacker, Solo-Founder und kleine Teams bedeutet das: Browser-Automatisierung wird von einer Spezialdisziplin zu etwas, das man am Abend nebenbei aufsetzt – mit der berechtigten Hoffnung, dass es Wochen später noch funktioniert.",[48,307,309],{"id":308},"wo-ich-vorsichtig-wäre","Wo ich vorsichtig wäre",[16,311,312],{},"Der ehrliche Teil: Ein selbstheilender Harness, der Python-Code schreibt und ausführt, ist genau so mächtig und genau so gefährlich, wie es klingt.",[63,314,315,321,327],{},[66,316,317,320],{},[23,318,319],{},"Code-Ausführung im Workspace"," ist explizit Teil des Designs – nicht etwas, was man „abschalten\" sollte, ohne die Idee zu verlieren. Sandboxing wird zur Verantwortung des Nutzers.",[66,322,323,326],{},[23,324,325],{},"Auth ist explizit ausgeschlossen."," Das Projekt sagt offen: Wenn der Agent vor einer Login-Wand steht, soll er stoppen und nachfragen, nicht Credentials aus Screenshots eintippen. Das ist die richtige Default-Haltung, verschiebt aber das Secret-Management auf die Aufrufer-Seite.",[66,328,329,332],{},[23,330,331],{},"Domain-Skills sind öffentlich."," Wer per PR beiträgt, sollte sich daran erinnern: keine Pixel-Koordinaten, keine Secrets, keine Task-Narration – nur die dauerhafte Struktur der Seite.",[16,334,335],{},"Nichts davon ist ein Showstopper, aber alles davon ist ein Stück Disziplin, das man als Team etablieren sollte, bevor man Browser Harness in produktive Workflows einbaut.",[48,337,339],{"id":338},"warum-das-wichtig-ist","Warum das wichtig ist",[16,341,342],{},"Browser-Agenten sind eine der wenigen Stellen, an denen LLMs auf eine Welt treffen, die sich nicht um sie schert. Webseiten ändern sich, ohne dem Agenten Bescheid zu sagen. Frameworks, die diesen Konflikt durch zusätzliche Schichten lösen wollen, häufen Tech-Debt an, der mit jedem neuen Modell-Release veraltet.",[16,344,345],{},"Browser Harness wählt den entgegengesetzten Weg: weniger Code, mehr Modell, ein offener Workspace zum Lernen. Das ist nicht der einzige denkbare Ansatz – aber er ist konsequent, MIT-lizenziert, und ab heute öffentlich. Für alle, die Agenten bauen, die nicht nur in Demos funktionieren, sondern auch in der zweiten Woche noch, lohnt sich ein langer Blick darauf.",[16,347,348],{},"Ein WebSocket. Kein Wrapper. Ein Agent, der seine Werkzeuge selbst schmiedet.",[16,350,351],{},[23,352,353],{},"Damit kommt man erstaunlich weit.",[355,356,357],"style",{},"html pre.shiki code .sBMFI, html code.shiki .sBMFI{--shiki-light:#E2931D;--shiki-default:#FFCB6B;--shiki-dark:#FFCB6B}html pre.shiki code .sMK4o, html code.shiki .sMK4o{--shiki-light:#39ADB5;--shiki-default:#89DDFF;--shiki-dark:#89DDFF}html pre.shiki code .sfazB, html code.shiki .sfazB{--shiki-light:#91B859;--shiki-default:#C3E88D;--shiki-dark:#C3E88D}html .light .shiki span {color: var(--shiki-light);background: var(--shiki-light-bg);font-style: var(--shiki-light-font-style);font-weight: var(--shiki-light-font-weight);text-decoration: var(--shiki-light-text-decoration);}html.light .shiki span {color: var(--shiki-light);background: var(--shiki-light-bg);font-style: var(--shiki-light-font-style);font-weight: var(--shiki-light-font-weight);text-decoration: var(--shiki-light-text-decoration);}html .default .shiki span {color: var(--shiki-default);background: var(--shiki-default-bg);font-style: var(--shiki-default-font-style);font-weight: var(--shiki-default-font-weight);text-decoration: var(--shiki-default-text-decoration);}html .shiki span {color: var(--shiki-default);background: var(--shiki-default-bg);font-style: var(--shiki-default-font-style);font-weight: var(--shiki-default-font-weight);text-decoration: var(--shiki-default-text-decoration);}html .dark .shiki span {color: var(--shiki-dark);background: var(--shiki-dark-bg);font-style: var(--shiki-dark-font-style);font-weight: var(--shiki-dark-font-weight);text-decoration: var(--shiki-dark-text-decoration);}html.dark .shiki span {color: var(--shiki-dark);background: var(--shiki-dark-bg);font-style: var(--shiki-dark-font-style);font-weight: var(--shiki-dark-font-weight);text-decoration: var(--shiki-dark-text-decoration);}",{"title":115,"searchDepth":136,"depth":143,"links":359},[360,361,362,363,364,365],{"id":50,"depth":136,"text":51},{"id":104,"depth":136,"text":105},{"id":235,"depth":136,"text":236},{"id":272,"depth":136,"text":273},{"id":308,"depth":136,"text":309},{"id":338,"depth":136,"text":339},"ai","2026-05-18T00:00:00.000Z","Browser Use legt mit Browser Harness einen radikal dünnen, selbstheilenden CDP-Harness vor – ein Open-Source-Werkzeug, das LLM-Agenten dort hinbringt, wo Playwright-Wrapper an ihre Grenzen stoßen.","md",true,"images/browser-harness-self-healing-agents.svg",{},"/blog/ai/2026-05-18-browser-harness-self-healing-agents",{"title":6,"description":368},"blog/ai/2026-05-18-browser-harness-self-healing-agents",[377,378,379,380,381],"browser-use","browser-automation","ai-agents","cdp","open-source","IXryswt5EgZXoqg_QP_4cjDCJFYAv1srrwYchspgi8c",{"id":384,"title":385,"author":7,"body":386,"category":366,"date":597,"description":598,"extension":369,"featured":370,"image":599,"meta":600,"navigation":370,"path":601,"seo":602,"stem":603,"tags":604,"__hash__":611},"blog/blog/ai/2026-03-04-ai-weekly-recap-w10.md","Claude Code, agents.md Mythen und der KI-Tsunami: Was du jetzt wissen musst",{"type":9,"value":387,"toc":586},[388,391,401,405,416,419,423,446,449,454,468,472,479,482,486,493,504,508,514,517,521,528,531,545,548,552,559,562,566,573,576,580,583],[12,389,385],{"id":390},"claude-code-agentsmd-mythen-und-der-ki-tsunami-was-du-jetzt-wissen-musst",[16,392,393,394,263,397,400],{},"Die KI-Welt dreht sich schneller denn je. Während viele noch versuchen, ChatGPT im Alltag zu integrieren, setzen Tools wie ",[23,395,396],{},"Claude Code",[23,398,399],{},"Perplexity Computer"," bereits neue Maßstäbe in Sachen Autonomie und Produktivität. Hier sind die spannendsten Entwicklungen der Woche.",[48,402,404],{"id":403},"_1-claude-code-totale-kontrolle-sogar-von-unterwegs","1. Claude Code: Totale Kontrolle – sogar von unterwegs",[16,406,407,408,411,412,415],{},"Anthropic setzt die Konkurrenz massiv unter Druck. Mit der neuen ",[23,409,410],{},"Remote Control"," Funktion lässt sich Claude Code jetzt direkt via Telegram, WhatsApp oder Slack steuern. Zudem ermöglichen ",[23,413,414],{},"Scheduled Tasks"," in Claude Cowork das Automatisieren von Daily Briefings oder wöchentlichen Reports, ohne dass der Nutzer manuell eingreifen muss.",[16,417,418],{},"Der neue Plugin-Marktplatz rundet das Paket ab: Entwickler können eigene Erweiterungen teilen und nutzen – ein Ökosystem, das an VS Code Extensions erinnert, nur für KI-gestütztes Coding.",[48,420,422],{"id":421},"_2-die-überraschung-warum-du-deine-agentsmd-vielleicht-löschen-solltest","2. Die Überraschung: Warum du deine agents.md vielleicht löschen solltest",[16,424,425,426,429,430,433,434,437,438,441,442,445],{},"Ein Highlight der Woche ist die Studie von Dr. Mark Müller (ETH Zürich). Seine Untersuchung ",[23,427,428],{},"„Evaluating Agents MD\""," zeigt: Kontextdateien wie ",[85,431,432],{},"claude.md"," oder ",[85,435,436],{},"agents.md"," können die Erfolgsrate von KI-Agenten um ",[23,439,440],{},"3 % senken"," und die Kosten um ",[23,443,444],{},"20 % erhöhen",", wenn sie unnötige oder KI-generierte Informationen enthalten.",[16,447,448],{},"Die Kernaussage: Nicht die Existenz dieser Dateien ist das Problem, sondern ihr Inhalt. Automatisch generierte, aufgeblähte Kontextdateien schaden mehr als sie nutzen.",[16,450,451],{},[23,452,453],{},"Der Experten-Rat:",[63,455,456,459,462,465],{},[66,457,458],{},"Halte diese Dateien kurz und prägnant",[66,460,461],{},"Schreibe sie selbst, nicht mit KI",[66,463,464],{},"Kuratiere streng – jede Zeile muss einen klaren Zweck haben",[66,466,467],{},"Lösche regelmäßig veraltete Informationen",[48,469,471],{"id":470},"_3-nvidia-und-physical-ai-die-nächste-welle","3. Nvidia und Physical AI: Die nächste Welle",[16,473,474,475,478],{},"Während sich die Branche auf generative KI konzentriert, positioniert sich Nvidia für die nächste Revolution: ",[23,476,477],{},"Physical AI",". Humanoide Roboter, die mit KI-gesteuerten Modellen arbeiten, sollen die nächste große Welle nach LLMs werden.",[16,480,481],{},"Die Investitionen in diesen Bereich wachsen rasant. Nvidia liefert nicht nur die GPUs für Training und Inferenz, sondern baut ein komplettes Ökosystem für Robotik-KI auf.",[48,483,485],{"id":484},"_4-highspeed-ki-nano-banana-2-und-mercury-2","4. Highspeed-KI: Nano Banana 2 und Mercury 2",[16,487,488,489,492],{},"Google hat mit ",[23,490,491],{},"Nano Banana 2"," das aktuell beste Bildgenerierungsmodell der Welt veröffentlicht, das auf Gemini 3.1 Flash basiert und Platz 1 in der Image Arena belegt.",[16,494,495,496,499,500,503],{},"Parallel dazu zeigt ",[23,497,498],{},"Mercury 2",", dass LLMs nicht mehr Wort für Wort generieren müssen. Durch einen ",[23,501,502],{},"Diffusion-Ansatz"," ist das Modell bis zu fünfmal schneller als klassische autoregressive Architekturen. Statt Token für Token zu erzeugen, generiert Mercury 2 ganze Textblöcke gleichzeitig – ein fundamentaler Architekturwechsel, der die Inferenzkosten drastisch senken könnte.",[48,505,507],{"id":506},"_5-perplexity-computer-ki-als-zentraler-zugriffslayer","5. Perplexity Computer: KI als zentraler Zugriffslayer",[16,509,510,511,513],{},"Perplexity geht einen Schritt weiter als klassische Chatbots. Mit ",[23,512,399],{}," wird die KI zum „Entic Layer\" – einer zentralen Schicht, die autonom Aufgaben über verschiedene Modelle und Dienste hinweg löst.",[16,515,516],{},"Die Vision: Statt zwischen verschiedenen KI-Tools zu wechseln, gibt es einen einzigen Zugriffspunkt, der die beste Kombination aus Modellen für jede Aufgabe orchestriert. Das ist der logische nächste Schritt nach der Einzelmodell-Ära.",[48,518,520],{"id":519},"_6-corporate-llms-die-business-chance","6. Corporate LLMs: Die Business-Chance",[16,522,523,524,527],{},"Ein kritischer Punkt bleibt der Datenschutz. Wer sensible Firmendaten nicht in die US-Cloud senden möchte, braucht ",[23,525,526],{},"Enterprise-Lösungen",", die DSGVO-konform und teilweise on-premise arbeiten.",[16,529,530],{},"Hier entsteht ein riesiger Markt für Entwickler und Agenturen:",[63,532,533,536,539,542],{},[66,534,535],{},"Lokale LLM-Deployments mit Open-Source-Modellen",[66,537,538],{},"DSGVO-konforme RAG-Pipelines",[66,540,541],{},"Firmenspezifische Feinabstimmung",[66,543,544],{},"Hybride Architekturen (lokal + Cloud-Fallback)",[16,546,547],{},"Wer diesen Markt jetzt bedient, hat einen massiven First-Mover-Vorteil.",[48,549,551],{"id":550},"_7-openai-gpt-53-am-horizont","7. OpenAI: GPT 5.3 am Horizont",[16,553,554,555,558],{},"Erste Tests zu ",[23,556,557],{},"GPT 5.3"," (intern Vortex/Zenit genannt) deuten auf signifikante Verbesserungen bei Reasoning und Code-Generierung hin. Dazu kommen Updates für die Realtime API, die Voice-Anwendungen in Echtzeit ermöglicht.",[16,560,561],{},"Der Wettlauf zwischen Anthropic, OpenAI und Google wird immer enger – und die Zyklen immer kürzer.",[48,563,565],{"id":564},"_8-der-ki-tsunami-am-arbeitsmarkt","8. Der KI-Tsunami am Arbeitsmarkt",[16,567,568,569,572],{},"Die gesellschaftlichen Auswirkungen werden immer deutlicher. Jack Dorsey (Block) meldete massive Entlassungen, die direkt auf die Integration von KI-Tools zurückgeführt werden – ein Schritt, den der Aktienmarkt mit einem ",[23,570,571],{},"Kurssprung von 20 %"," belohnte.",[16,574,575],{},"Das Signal ist klar: Unternehmen, die KI konsequent einsetzen, brauchen weniger Mitarbeiter für dieselbe Leistung. Die Debatte über das Erreichen menschlicher Intelligenz ist nicht mehr akademisch – sie hat reale wirtschaftliche Konsequenzen.",[48,577,579],{"id":578},"fazit","Fazit",[16,581,582],{},"Es reicht nicht mehr aus, KI nur oberflächlich zu nutzen. Ob durch die Optimierung von Coding-Workflows, den Aufbau eigener Corporate LLMs oder das Verständnis neuer Architekturen wie Diffusion-basierte Textgenerierung – wer jetzt die Tiefe der neuen Tools versteht, sichert sich einen echten Wettbewerbsvorteil.",[16,584,585],{},"Die Geschwindigkeit der Entwicklung lässt keinen Raum für Abwarten. Die Tools sind da, die Infrastruktur steht, und die ersten Gewinner und Verlierer zeichnen sich bereits ab.",{"title":115,"searchDepth":136,"depth":143,"links":587},[588,589,590,591,592,593,594,595,596],{"id":403,"depth":136,"text":404},{"id":421,"depth":136,"text":422},{"id":470,"depth":136,"text":471},{"id":484,"depth":136,"text":485},{"id":506,"depth":136,"text":507},{"id":519,"depth":136,"text":520},{"id":550,"depth":136,"text":551},{"id":564,"depth":136,"text":565},{"id":578,"depth":136,"text":579},"2026-03-04T00:00:00.000Z","Die wichtigsten KI-News der Woche – Claude Code Remote Control, die agents.md-Studie der ETH Zürich, Nvidias Physical AI, Mercury 2, Perplexity Computer und der Arbeitsmarkt-Tsunami.","images/ai-weekly-recap-w10.svg",{},"/blog/ai/2026-03-04-ai-weekly-recap-w10",{"title":385,"description":598},"blog/ai/2026-03-04-ai-weekly-recap-w10",[605,606,607,608,609,610],"ai-news","claude-code","nvidia","openai","perplexity","enterprise-ai","sdTo28xcliloIbMNd0SqRb6FakvdXw9LG67fXjKxj2I",{"id":613,"title":614,"author":7,"body":615,"category":366,"date":597,"description":786,"extension":369,"featured":370,"image":787,"meta":788,"navigation":370,"path":789,"seo":790,"stem":791,"tags":792,"__hash__":797},"blog/blog/ai/2026-03-04-claude-code-skill-creator-evals.md","Claude Code Skill Creator: Schluss mit Vibe-Testing – so baust du datengetriebene Skills",{"type":9,"value":616,"toc":776},[617,620,627,630,641,645,648,653,660,664,667,671,677,692,695,715,718,722,728,735,738,742,745,765,768,770,773],[12,618,614],{"id":619},"claude-code-skill-creator-schluss-mit-vibe-testing-so-baust-du-datengetriebene-skills",[16,621,622,623,626],{},"Bisher lief die Entwicklung von Skills für Claude Code und Claude Cowork bei den meisten nach dem gleichen Muster: einen Prozess einmal durchspielen, Claude bitten, daraus einen Skill zu machen, und hoffen, dass er funktioniert. ",[23,624,625],{},"Vibe-based Skill Development"," – kein Feedback, keine Metriken, keine Sicherheit.",[16,628,629],{},"Das hat gleich mehrere Probleme. Neue Modell-Updates können einen Skill überflüssig machen, wenn das Basismodell die Fähigkeit plötzlich nativ beherrscht. Und ohne systematische Tests lässt sich nicht nachvollziehen, ob Änderungen am Skill die Performance tatsächlich verbessern oder verschlechtern.",[16,631,632,633,636,637,640],{},"Anthropic hat jetzt den ",[23,634,635],{},"Skill Creator"," (erreichbar über ",[85,638,639],{},"/plugins",") grundlegend überarbeitet – und damit einen echten Framework-Wechsel eingeleitet.",[48,642,644],{"id":643},"zwei-kategorien-von-skills","Zwei Kategorien von Skills",[16,646,647],{},"Der neue Skill Creator unterscheidet klar zwischen zwei Typen:",[649,650,652],"h3",{"id":651},"capability-uplift","Capability Uplift",[16,654,655,656,659],{},"Skills, die eine aktuelle Schwäche des Modells ausgleichen – etwa bei Swift Concurrency, dem Ausfüllen von PDF-Formularen oder der Erstellung von PowerPoint-Präsentationen. Diese Skills haben implizit ein ",[23,657,658],{},"Ablaufdatum",": Sobald das Basismodell die Fähigkeit eigenständig beherrscht, werden sie überflüssig.",[649,661,663],{"id":662},"workflow-und-präferenz-encoding","Workflow- und Präferenz-Encoding",[16,665,666],{},"Skills, die spezifische interne Prozesse automatisieren – Compliance-Checks, persönliche Workflows oder wiederkehrende Aufgaben wie das Generieren wöchentlicher Reports aus Jira oder das Reviewen von NDAs. Diese Skills bleiben relevant, weil sie unternehmensspezifisches Wissen codieren, das kein Basismodell kennt.",[48,668,670],{"id":669},"automatisierte-evals-und-ab-testing","Automatisierte Evals und A/B-Testing",[16,672,673,674,40],{},"Das Herzstück des Updates: Der Skill Creator kann jetzt ",[23,675,676],{},"Testfälle erstellen, Benchmarks ausführen und A/B-Tests durchführen",[16,678,679,680,683,684,687,688,691],{},"In der Praxis sieht das so aus: Du erstellst einen Skill – zum Beispiel für SEO-Audits. Das System startet daraufhin parallele Sub-Agenten: eine Gruppe ",[23,681,682],{},"mit"," dem Skill und eine ",[23,685,686],{},"ohne",". Ein sogenannter ",[23,689,690],{},"Comparator"," bewertet blind, welche Ausgabe besser ist.",[16,693,694],{},"Das Ergebnis sind konkrete Metriken:",[63,696,697,703,709],{},[66,698,699,702],{},[23,700,701],{},"Erfolgsrate"," – wie oft liefert der Skill ein besseres Ergebnis als das Basismodell?",[66,704,705,708],{},[23,706,707],{},"Completion Time"," – wie wirkt sich der Skill auf die Bearbeitungszeit aus?",[66,710,711,714],{},[23,712,713],{},"Token Usage"," – wie viel zusätzlichen Kontext verbraucht der Skill?",[16,716,717],{},"Statt Bauchgefühl gibt es jetzt harte Zahlen, die zeigen, ob ein Skill tatsächlich einen Uplift liefert.",[48,719,721],{"id":720},"trigger-optimierung","Trigger-Optimierung",[16,723,724,725,40],{},"Ein weiteres Problem bisher: Skills wurden zu oft oder zu selten ausgelöst. Der neue Skill Creator löst das mit einem ",[23,726,727],{},"automatischen Optimierungs-Loop",[16,729,730,731,734],{},"Das System nutzt ein Training- und ein Test-Set, um die Skill-Beschreibung iterativ zu verfeinern – bis zu ",[23,732,733],{},"fünf Optimierungszyklen",". Ziel ist, dass der Skill zuverlässig auslöst, wenn er gebraucht wird, und sich zurückhält, wenn nicht.",[16,736,737],{},"Das klingt trivial, ist aber entscheidend: Ein Skill, der bei jedem zweiten Prompt fälschlicherweise greift, stört den Workflow mehr als er hilft.",[48,739,741],{"id":740},"lifecycle-management-skills-sind-keine-fire-and-forget-lösung","Lifecycle Management: Skills sind keine Fire-and-Forget-Lösung",[16,743,744],{},"Ein oft übersehener Punkt: Skills müssen gepflegt werden. Nach jedem größeren Modell-Update – etwa von Opus 4 auf Opus 5 – sollte man prüfen:",[63,746,747,753,759],{},[66,748,749,752],{},[23,750,751],{},"Behalten",": Der Skill liefert weiterhin messbaren Uplift.",[66,754,755,758],{},[23,756,757],{},"Aktualisieren",": Das Modell ist besser geworden, aber der Skill muss angepasst werden.",[66,760,761,764],{},[23,762,763],{},"Löschen",": Das Basismodell beherrscht die Fähigkeit jetzt nativ – der Skill ist überflüssig.",[16,766,767],{},"Wer das nicht tut, riskiert, dass veraltete Skills die Performance verschlechtern, anstatt sie zu verbessern.",[48,769,579],{"id":578},[16,771,772],{},"Der neue Skill Creator verwandelt Skill-Entwicklung von einer kreativen Übung in einen Engineering-Prozess. Automatisierte Evals, A/B-Tests und Trigger-Optimierung geben Entwicklern erstmals die Werkzeuge, um datengetrieben zu arbeiten.",[16,774,775],{},"Ja, das bedeutet mehr Aufwand pro Skill. Aber ein Skill, der nachweislich funktioniert und sich sauber in den Workflow integriert, ist langfristig mehr wert als zehn, die „irgendwie\" laufen. Qualität schlägt Quantität – auch bei KI-Skills.",{"title":115,"searchDepth":136,"depth":143,"links":777},[778,782,783,784,785],{"id":643,"depth":136,"text":644,"children":779},[780,781],{"id":651,"depth":143,"text":652},{"id":662,"depth":143,"text":663},{"id":669,"depth":136,"text":670},{"id":720,"depth":136,"text":721},{"id":740,"depth":136,"text":741},{"id":578,"depth":136,"text":579},"Anthropic hat den Skill Creator für Claude Code grundlegend überarbeitet. Mit automatisierten Evals, A/B-Tests und Trigger-Optimierung wird aus Trial-and-Error ein systematischer Prozess.","images/claude-code-skill-creator-evals.svg",{},"/blog/ai/2026-03-04-claude-code-skill-creator-evals",{"title":614,"description":786},"blog/ai/2026-03-04-claude-code-skill-creator-evals",[606,793,794,795,796],"anthropic","skills","evals","developer-tools","NnLpnU4GRA2qdwBJ-bu02LUYYklCo8l99ZGFdgUTFvw",{"id":799,"title":800,"author":7,"body":801,"category":366,"date":597,"description":952,"extension":369,"featured":953,"image":954,"meta":955,"navigation":370,"path":956,"seo":957,"stem":958,"tags":959,"__hash__":962},"blog/blog/vibe-coding/2026-03-04-cmux-ai-terminal-revolution.md","CMUX: Das Terminal, in dem KI-Agenten die Regie übernehmen",{"type":9,"value":802,"toc":945},[803,806,820,824,835,850,853,857,864,871,875,886,893,896,900,910,931,935,942],[12,804,800],{"id":805},"cmux-das-terminal-in-dem-ki-agenten-die-regie-übernehmen",[16,807,808,809,813,814,819],{},"Wer heute mit KI-Agenten wie ",[26,810,396],{"href":811,"rel":812},"https://claude.com/product/claude-code",[30]," arbeitet, stößt schnell an die Grenzen herkömmlicher Terminals. Ein Agent kann Code schreiben, Tests ausführen und Logs analysieren – aber er kann sein Arbeitsumfeld nicht selbst organisieren. ",[26,815,818],{"href":816,"rel":817},"https://www.cmux.dev",[30],"CMUX"," ändert das grundlegend: Es ist ein Terminal, das speziell für multitasking-fähige, agentische Workflows gebaut wurde und den Agenten zum aktiven Mitgestalter der Arbeitsumgebung macht.",[48,821,823],{"id":822},"agentengesteuerte-terminal-kontrolle","Agentengesteuerte Terminal-Kontrolle",[16,825,826,827,830,831,834],{},"Der zentrale Unterschied zu klassischen Terminals: KI-Agenten können ",[26,828,818],{"href":816,"rel":829},[30]," aktiv steuern. Über eine CLI und eine Socket-API (Unix-Sockets) hat ein Agent wie ",[26,832,396],{"href":811,"rel":833},[30]," direkten Zugriff auf die Terminal-Oberfläche.",[16,836,837,838,841,842,845,846,849],{},"Konkret bedeutet das: Ein Agent kann ",[23,839,840],{},"Split-Panes erstellen"," – neue vertikale oder horizontale Bereiche öffnen, um Aufgaben parallel zu bearbeiten. Er kann ",[23,843,844],{},"Sub-Agenten delegieren",", also Instanzen von sich selbst in neuen Panes starten, ihnen spezifische Aufgaben zuweisen (Code-Analyse in Pane 1, Projektverständnis in Pane 2) und die Ergebnisse zentral zusammenführen. Und er kann ",[23,847,848],{},"Tabs verwalten"," – umbenennen oder schließen, sobald eine Aufgabe erledigt ist.",[16,851,852],{},"Das klingt nach einem Detail, verändert aber die Dynamik komplett. Statt sequentiell eine Aufgabe nach der anderen abzuarbeiten, orchestriert der Agent seine eigene Arbeitsumgebung.",[48,854,856],{"id":855},"integrierter-skriptfähiger-browser","Integrierter, skriptfähiger Browser",[16,858,859,860,863],{},"CMUX bringt einen In-App-Browser (WebKit) mit, der direkt neben dem Terminal in einem Split-Pane läuft. Das ist mehr als ein eingebetteter Webview – Agenten können den Browser ",[23,861,862],{},"per Befehl steuern",": Google-Suchen durchführen, auf Links klicken, Webseiten debuggen.",[16,865,866,867,870],{},"Der Vorteil für Entwickler: ",[23,868,869],{},"Echtzeit-Feedback",". Man kann zusehen, wie der Agent durch den Browser navigiert, Tests auf einer Staging-Umgebung durchführt und die Ergebnisse direkt im Terminal verarbeitet. Kein Tab-Wechsel, kein Copy-Paste zwischen Fenstern – alles passiert in einem zusammenhängenden Workspace.",[48,872,874],{"id":873},"intelligentes-benachrichtigungssystem","Intelligentes Benachrichtigungssystem",[16,876,877,878,881,882,885],{},"Bei parallelen Prozessen verliert man schnell den Überblick. ",[26,879,818],{"href":816,"rel":880},[30]," löst das mit sogenannten ",[23,883,884],{},"Notification Rings"," – visuellen Signalen, die gezielt die Aufmerksamkeit steuern.",[16,887,888,889,892],{},"Wenn ein Agent in einem Hintergrund-Pane Hilfe benötigt oder eine Aufgabe abgeschlossen hat, kann er einen ",[23,890,891],{},"Trigger Flash"," auslösen – einen blau blinkenden Rahmen um das betreffende Pane. Zusätzlich erscheinen Benachrichtigungen in der Seitenleiste. Die vertikalen Tabs zeigen kontextuelle Informationen wie Git-Branches, aktive Ports und den Fortschritt laufender Agenten direkt an.",[16,894,895],{},"Das Ergebnis: Man muss nicht mehr aktiv zwischen Panes hin- und herwechseln, um den Status zu prüfen. Das Terminal meldet sich, wenn es etwas zu tun gibt.",[48,897,899],{"id":898},"native-performance-und-erweiterbarkeit","Native Performance und Erweiterbarkeit",[16,901,902,905,906,909],{},[26,903,818],{"href":816,"rel":904},[30]," ist eine ",[23,907,908],{},"native macOS-App",", gebaut auf Swift und AppKit. Für das Terminal-Rendering nutzt es die GPU-beschleunigte Engine von Ghostty (libghostty) – was sich in extrem schneller Darstellung und niedrigem Speicherverbrauch bemerkbar macht.",[16,911,912,913,916,917,920,921,924,925,930],{},"Besonders relevant für Teams: ",[26,914,818],{"href":816,"rel":915},[30]," funktioniert mit ",[23,918,919],{},"jedem CLI-basierten Agenten"," – ",[26,922,396],{"href":811,"rel":923},[30],", Aider, ",[26,926,929],{"href":927,"rel":928},"https://opencode.ai",[30],"OpenCode",", Cursor Agent – ohne zusätzliche Konfiguration. Man muss sich nicht auf ein Ökosystem festlegen.",[48,932,934],{"id":933},"vom-werkzeug-zum-mitgestalter","Vom Werkzeug zum Mitgestalter",[16,936,937,938,941],{},"Der eigentliche Paradigmenwechsel: ",[26,939,818],{"href":816,"rel":940},[30]," macht den KI-Agenten vom passiven Werkzeug zum aktiven Mitgestalter der Arbeitsumgebung. Er kann komplexe Aufgaben parallel ausführen, seine eigene Oberfläche organisieren und dem Entwickler visuelles Echtzeit-Feedback geben.",[16,943,944],{},"Für Entwickler, die bereits intensiv mit KI-Agenten arbeiten, ist das der logische nächste Schritt – weg vom einzelnen Chat-Fenster, hin zu einem orchestrierten, multitasking-fähigen Workspace.",{"title":115,"searchDepth":136,"depth":143,"links":946},[947,948,949,950,951],{"id":822,"depth":136,"text":823},{"id":855,"depth":136,"text":856},{"id":873,"depth":136,"text":874},{"id":898,"depth":136,"text":899},{"id":933,"depth":136,"text":934},"CMUX gibt KI-Agenten wie Claude Code die volle Kontrolle über das Terminal – mit Split-Panes, integriertem Browser und intelligentem Benachrichtigungssystem für parallele Workflows.",false,"images/cmux-ai-terminal-revolution.svg",{},"/blog/vibe-coding/2026-03-04-cmux-ai-terminal-revolution",{"title":800,"description":952},"blog/vibe-coding/2026-03-04-cmux-ai-terminal-revolution",[960,961,379,606,796],"cmux","terminal","-Txg4w0YyXqo0CibkvUL5FfEhWkaDP2M6wEsI4FELTM",{"id":964,"title":965,"author":7,"body":966,"category":366,"date":1116,"description":1117,"extension":369,"featured":370,"image":1118,"meta":1119,"navigation":370,"path":1120,"seo":1121,"stem":1122,"tags":1123,"__hash__":1126},"blog/blog/ai/2026-02-19-ai-weekly-recap-w08.md","AI Weekly Recap: Sonnet 4.6, Alibabas Qwen3.5 und der Globale Süden rückt in den Mittelpunkt",{"type":9,"value":967,"toc":1105},[968,971,974,978,981,984,988,991,994,998,1001,1004,1008,1011,1014,1017,1021,1024,1027,1030,1034,1037,1040,1043,1047,1050,1053,1056,1060,1063,1066,1070,1102],[12,969,965],{"id":970},"ai-weekly-recap-sonnet-46-alibabas-qwen35-und-der-globale-süden-rückt-in-den-mittelpunkt",[16,972,973],{},"Die letzte Woche stand im Zeichen der großen Launches – Opus 4.6, GPT-5.3-Codex und der SaaS-Schock. Diese Woche beruhigt sich der Staub langsam, aber das Tempo hält an. Anthropic hat Sonnet 4.6 veröffentlicht, Alibaba konterte mit Qwen3.5, Chinas KI-Labore legten eine ganze Release-Welle hin, Indien eröffnete den ersten großen KI-Gipfel im Globalen Süden, und Big Tech kündigte zusammen 650 Milliarden Dollar an KI-Infrastruktur an. Hier ist, was zählte.",[48,975,977],{"id":976},"anthropic-launcht-claude-sonnet-46","Anthropic launcht Claude Sonnet 4.6",[16,979,980],{},"Zwei Wochen nach Opus 4.6 schiebt Anthropic Sonnet 4.6 nach. Der Pitch: Opus-nahe Intelligenz zu Sonnet-Preisen. Erste Berichte deuten auf deutliche Verbesserungen bei mehrstufigem Coding, Finanzanalysen und Computer Use hin – einige Nutzer beschreiben die Computer-Use-Fähigkeiten als „nahe am menschlichen Niveau\".",[16,982,983],{},"Das ist eine bewusste Kompressionsstrategie. Frontier-Fähigkeiten sickern schneller denn je in günstigere Preisstufen. Wenn Sonnet 90 % von dem leisten kann, was Opus leistet – zu einem Bruchteil der Kosten –, brauchen die meisten Entwickler und Unternehmen die Top-Stufe gar nicht mehr. Das ist gut für die Adoption und setzt jedes Preismodell der Konkurrenz unter Druck.",[48,985,987],{"id":986},"alibaba-veröffentlicht-qwen35","Alibaba veröffentlicht Qwen3.5",[16,989,990],{},"Alibaba hat am 17. Februar Qwen3.5 veröffentlicht, ein Open-Weight-Modell mit 397 Milliarden Parametern und neuen agentischen Fähigkeiten. Selbst gemeldete Benchmarks setzen es auf Augenhöhe mit den führenden Modellen von OpenAI, Anthropic und Google DeepMind.",[16,992,993],{},"Das „selbst gemeldet\" verdient Skepsis – wie immer. Aber das größere Signal ist real: Der Abstand zwischen chinesischen und westlichen Frontier-Modellen schrumpft schnell. Vor einem Jahr versuchten diese Labore noch aufzuholen. Heute launchen sie im Abstand von Tagen und konkurrieren auf denselben Benchmarks. Der Open-Weight-Ansatz sorgt zudem dafür, dass Qwen3.5 sich rasch im Entwickler-Ökosystem verbreiten wird.",[48,995,997],{"id":996},"chinas-ki-labore-drehen-auf","Chinas KI-Labore drehen auf",[16,999,1000],{},"Alibaba war nicht allein. Zhipu AI veröffentlichte GLM-5, ein Open-Source-Modell mit 128 Milliarden Parametern, gebaut für Coding und agentische Aufgaben – und behauptet, es sei vollständig auf inländischen chinesischen Chips trainiert worden, nicht auf NVIDIA-Hardware. Wenn das stimmt, ist das ein wichtiger Meilenstein für Chinas Story der Halbleiter-Unabhängigkeit.",[16,1002,1003],{},"ByteDance brachte Seedance 2.0 für Video-Generierung heraus, Kuaishou stellte Kling 3.0 als multimodales Modell vor. Das chinesische KI-Ökosystem hält nicht nur Schritt – es liefert in einer Geschwindigkeit, neben der Silicon Valleys Release-Kadenz fast gemächlich wirkt.",[48,1005,1007],{"id":1006},"openai-codex-spark-retirements-und-marken-ärger","OpenAI: Codex-Spark, Retirements und Marken-Ärger",[16,1009,1010],{},"Auch OpenAI hatte eine geschäftige Woche. GPT-5.3-Codex-Spark wurde als Research Preview gelauncht – ein ultraschnelles Coding-Modell, gemeinsam mit Cerebras entwickelt, das über 1.000 Tokens pro Sekunde liefert. Anders als das vollständige Codex-Modell für autonome Langläufer-Aufgaben ist Spark auf schnelle Iteration optimiert: kurze Edits, sofortiges Feedback, Echtzeit-Pair-Programming.",[16,1012,1013],{},"Das Aufräumen alter Modelle ging weiter. OpenAI hat GPT-4o, GPT-4.1, GPT-4.1 mini, o4-mini sowie die GPT-5 Instant- und Thinking-Varianten offiziell aus ChatGPT entfernt. Der Modell-Friedhof wächst.",[16,1015,1016],{},"In weniger glamourösen News: OpenAI darf das Wort „Cameo\" in einem Produkt vorerst nicht verwenden – wegen eines Markenstreits. Zwischen diesem Streit und der Verzögerung beim Jony-Ive-Gerät stoßen ihre Non-Model-Initiativen weiter an juristische Wände.",[48,1018,1020],{"id":1019},"indien-richtet-den-ersten-global-ai-impact-summit-aus","Indien richtet den ersten Global AI Impact Summit aus",[16,1022,1023],{},"Indien hat diese Woche den AI Impact Summit 2026 in Neu-Delhi eröffnet – die erste große globale KI-Konferenz im Globalen Süden. Rund 100 Länder sind vertreten, mit führenden Köpfen wie Sundar Pichai und Sam Altman vor Ort.",[16,1025,1026],{},"Premierminister Modi eröffnete die India AI Impact Expo, auf der 12 neue KI-Modelle indischer Unternehmen vorgestellt wurden, trainiert für lokale Sprachen und reale Probleme. Indien stellte zudem über 200 Milliarden Dollar an KI-Investitionen in den nächsten zwei Jahren in Aussicht.",[16,1028,1029],{},"Sam Altman sagte auf der Konferenz, die Welt müsse „dringend\" die rasant fortschreitende Technologie regulieren. Aus dem Mund des CEOs einer Firma, die gerade angefangen hat, Werbung in ChatGPT zu schalten, klingt der Ruf nach Regulierung ironisch – aber er hat nicht unrecht.",[48,1031,1033],{"id":1032},"big-tech-kündigt-650-milliarden-dollar-an-ki-infrastruktur-an","Big Tech kündigt 650 Milliarden Dollar an KI-Infrastruktur an",[16,1035,1036],{},"Google, Amazon, Meta und Microsoft haben den größten gemeinsamen Capex-Plan der Geschichte angekündigt – rund 650 Milliarden Dollar für KI-Infrastruktur im Jahr 2026. Allein Amazon plant 200 Milliarden.",[16,1038,1039],{},"Die Reaktion des Marktes? Ihre kombinierte Marktkapitalisierung sackte um über 950 Milliarden Dollar ab. Anleger zweifeln nicht daran, ob KI funktioniert – sie zweifeln daran, ob die Renditen die Ausgaben rechtfertigen. Es ist das klassische Infrastruktur-Dilemma: Jemand muss die Straßen bauen, aber Straßen zahlen sich nicht immer selbst.",[16,1041,1042],{},"Meta und NVIDIA kündigten zudem eine mehrjährige strategische Partnerschaft an – Meta setzt für Next-Gen-Cluster auf NVIDIAs Vera-Rubin-Plattform und das Spectrum-X-Ethernet-Networking.",[48,1044,1046],{"id":1045},"googles-responsible-ai-report-und-neue-regulierungen","Googles Responsible-AI-Report und neue Regulierungen",[16,1048,1049],{},"Google hat seinen Responsible AI Progress Report 2026 veröffentlicht und stellt darin Arbeit aus Produktentwicklung, Forschung und Gesundheitswesen heraus. Der Report betont die These, dass agentische KI-Systeme kurz davor stehen, die Produktivität dramatisch zu steigern – eine Aussage, die ebenso aufregend wie vage ist.",[16,1051,1052],{},"Auf der Regulierungsseite treten am 20. Februar Indiens neue IT-Rules in Kraft: Plattformen müssen KI-generiertes Audio und Video kennzeichnen und illegale Inhalte innerhalb von drei Stunden entfernen. Bei Verstößen drohen empfindliche Strafen. Es ist eine der konkretesten und am stärksten durchsetzbaren KI-Content-Regulierungen einer großen Volkswirtschaft, die wir bislang gesehen haben.",[16,1054,1055],{},"Parallel dazu prüfen US-Bundesbehörden bundesstaatliche KI-Regeln mit Frist bis März 2026 – mit dem Ziel, überzogene Staaten-Gesetze wie Kaliforniens geplantes KI-Hiring-Gesetz zu unterbinden.",[48,1057,1059],{"id":1058},"mozilla-launcht-ein-klick-ki-privacy-tool","Mozilla launcht Ein-Klick-KI-Privacy-Tool",[16,1061,1062],{},"Mozilla hat in Firefox ein neues Privacy-Feature ausgerollt, mit dem Nutzer per Mausklick ihre Daten aus KI-Trainingsdatensätzen entfernen und ein Opt-out setzen können. Es ist Teil der breiteren „Trustworthy AI\"-Initiative.",[16,1064,1065],{},"Das ist ein kleiner, aber wichtiger Schritt. Die meisten Menschen wissen gar nicht, dass ihre Daten fürs Training genutzt werden, und noch weniger wissen, wie sie sich abmelden können. Es auf einen Klick zu reduzieren, beseitigt die größte Hürde: Friction. Andere Browser werden nachziehen – oder unter Druck geraten.",[48,1067,1069],{"id":1068},"kurz-und-knapp","Kurz und knapp",[63,1071,1072,1078,1084,1090,1096],{},[66,1073,1074,1077],{},[23,1075,1076],{},"UK"," kündigte umfangreiche Fördermittel für globalen KI-Zugang an, darunter ein African Language Hub mit Unterstützung für 40 Sprachen und 700 Millionen Menschen sowie ein Compute Hub in Kapstadt.",[66,1079,1080,1083],{},[23,1081,1082],{},"Deutsche Bank"," berichtet, dass 85 % der Entwickler inzwischen KI-Coding-Assistenten nutzen, mit Produktivitätsgewinnen von bis zu 60 % – und stellt fest, dass die Softwareentwicklung selbst der Sektor sein könnte, der KI-Disruption am stärksten ausgesetzt ist.",[66,1085,1086,1089],{},[23,1087,1088],{},"OpenAI"," hat Peter Steinberger angeheuert, den Schöpfer von OpenClaw, dem viralen Open-Source-KI-Agenten. Der Talentkampf verschiebt sich von Forschern hin zu Agent-Infrastruktur-Buildern.",[66,1091,1092,1095],{},[23,1093,1094],{},"Anthropic"," hat das Model Context Protocol (MCP) an die Linux Foundation übergeben. OpenAI, Microsoft und Google nutzen es inzwischen alle – ein seltener Moment industrieweiter Konvergenz.",[66,1097,1098,1101],{},[23,1099,1100],{},"Safety-Bedenken"," köcheln weiter. Prominente Forscher mehrerer Labore haben öffentlich gewarnt, dass Capabilities der Safety-Arbeit davonlaufen. Dario Amodei sprach davon, „nur wenige Jahre von einem Land voller Genies in einem Rechenzentrum\" entfernt zu sein.",[16,1103,1104],{},"Das war die Woche. Die Frontier-Modelle werden günstiger und schneller, die Infrastruktur-Wetten größer, und der Rest der Welt nimmt allmählich Platz am Tisch. Die eigentliche Frage ist nicht mehr, wer das beste Modell hat – sondern wer das beste System darum herum baut.",{"title":115,"searchDepth":136,"depth":143,"links":1106},[1107,1108,1109,1110,1111,1112,1113,1114,1115],{"id":976,"depth":136,"text":977},{"id":986,"depth":136,"text":987},{"id":996,"depth":136,"text":997},{"id":1006,"depth":136,"text":1007},{"id":1019,"depth":136,"text":1020},{"id":1032,"depth":136,"text":1033},{"id":1045,"depth":136,"text":1046},{"id":1058,"depth":136,"text":1059},{"id":1068,"depth":136,"text":1069},"2026-02-19T00:00:00.000Z","Die wichtigsten KI-News der Woche – Anthropic launcht Sonnet 4.6, Alibaba veröffentlicht Qwen3.5, Indien richtet den ersten großen KI-Gipfel im Globalen Süden aus und Big Tech investiert 650 Milliarden Dollar in Infrastruktur.","images/ai-weekly-recap-w08.svg",{},"/blog/ai/2026-02-19-ai-weekly-recap-w08",{"title":965,"description":1117},"blog/ai/2026-02-19-ai-weekly-recap-w08",[605,793,608,1124,1125],"alibaba","india","GghhxzZ2M8mtzmFeBIzFHkGT3gbv0HeSgCRHkagdAR8",{"id":1128,"title":1129,"author":7,"body":1130,"category":366,"date":1550,"description":1551,"extension":369,"featured":370,"image":1552,"meta":1553,"navigation":370,"path":1554,"seo":1555,"stem":1556,"tags":1557,"__hash__":1561},"blog/blog/ai/getting-started-with-llms.md","Einstieg in Large Language Models",{"type":9,"value":1131,"toc":1540},[1132,1135,1138,1142,1145,1152,1166,1170,1174,1177,1445,1449,1452,1478,1482,1485,1503,1507,1527,1531,1534,1537],[12,1133,1129],{"id":1134},"einstieg-in-large-language-models",[16,1136,1137],{},"Large Language Models (LLMs) haben verändert, wie wir mit Technologie interagieren. Von der Code-Generierung bis zur Content-Erstellung werden diese Modelle zu unverzichtbaren Werkzeugen für Entwickler und Professionals.",[48,1139,1141],{"id":1140},"was-ist-ein-llm","Was ist ein LLM?",[16,1143,1144],{},"Ein LLM ist ein neuronales Netzwerk, das auf riesigen Mengen an Textdaten trainiert wurde. Es lernt Muster in Sprache – Grammatik, Fakten, Reasoning – und kann auf Basis von Prompts kohärenten Text erzeugen.",[16,1146,1147,1148,1151],{},"Die entscheidende Erkenntnis ist: ",[23,1149,1150],{},"Skalierung zählt",". Modelle mit Milliarden von Parametern zeigen emergente Fähigkeiten, die kleinere Modelle schlicht nicht haben:",[63,1153,1154,1157,1160,1163],{},[66,1155,1156],{},"Komplexes Reasoning",[66,1158,1159],{},"Code-Generierung",[66,1161,1162],{},"Mehrstufiges Problemlösen",[66,1164,1165],{},"Wissensübertragung über Domänen hinweg",[48,1167,1169],{"id":1168},"wie-du-loslegst","Wie du loslegst",[649,1171,1173],{"id":1172},"_1-wähle-deine-api","1. Wähle deine API",[16,1175,1176],{},"Der zugänglichste Weg, mit LLMs zu arbeiten, führt über APIs:",[110,1178,1182],{"className":1179,"code":1180,"language":1181,"meta":115,"style":115},"language-typescript shiki shiki-themes material-theme-lighter material-theme material-theme-palenight","const response = await fetch('https://api.anthropic.com/v1/messages', {\n  method: 'POST',\n  headers: {\n    'Content-Type': 'application/json',\n    'x-api-key': process.env.ANTHROPIC_API_KEY,\n    'anthropic-version': '2023-06-01',\n  },\n  body: JSON.stringify({\n    model: 'claude-sonnet-4-20250514',\n    max_tokens: 1024,\n    messages: [{ role: 'user', content: 'Erkläre Quantencomputing einfach.' }],\n  }),\n})\n","typescript",[85,1183,1184,1222,1242,1251,1272,1298,1319,1325,1346,1363,1377,1425,1436],{"__ignoreMap":115},[119,1185,1186,1190,1194,1197,1201,1205,1208,1211,1214,1216,1219],{"class":121,"line":122},[119,1187,1189],{"class":1188},"spNyl","const",[119,1191,1193],{"class":1192},"sTEyZ"," response ",[119,1195,1196],{"class":129},"=",[119,1198,1200],{"class":1199},"s7zQu"," await",[119,1202,1204],{"class":1203},"s2Zo4"," fetch",[119,1206,1207],{"class":1192},"(",[119,1209,1210],{"class":129},"'",[119,1212,1213],{"class":139},"https://api.anthropic.com/v1/messages",[119,1215,1210],{"class":129},[119,1217,1218],{"class":129},",",[119,1220,1221],{"class":129}," {\n",[119,1223,1224,1228,1231,1234,1237,1239],{"class":121,"line":136},[119,1225,1227],{"class":1226},"swJcz","  method",[119,1229,1230],{"class":129},":",[119,1232,1233],{"class":129}," '",[119,1235,1236],{"class":139},"POST",[119,1238,1210],{"class":129},[119,1240,1241],{"class":129},",\n",[119,1243,1244,1247,1249],{"class":121,"line":143},[119,1245,1246],{"class":1226},"  headers",[119,1248,1230],{"class":129},[119,1250,1221],{"class":129},[119,1252,1253,1256,1259,1261,1263,1265,1268,1270],{"class":121,"line":149},[119,1254,1255],{"class":129},"    '",[119,1257,1258],{"class":1226},"Content-Type",[119,1260,1210],{"class":129},[119,1262,1230],{"class":129},[119,1264,1233],{"class":129},[119,1266,1267],{"class":139},"application/json",[119,1269,1210],{"class":129},[119,1271,1241],{"class":129},[119,1273,1274,1276,1279,1281,1283,1286,1288,1291,1293,1296],{"class":121,"line":155},[119,1275,1255],{"class":129},[119,1277,1278],{"class":1226},"x-api-key",[119,1280,1210],{"class":129},[119,1282,1230],{"class":129},[119,1284,1285],{"class":1192}," process",[119,1287,40],{"class":129},[119,1289,1290],{"class":1192},"env",[119,1292,40],{"class":129},[119,1294,1295],{"class":1192},"ANTHROPIC_API_KEY",[119,1297,1241],{"class":129},[119,1299,1301,1303,1306,1308,1310,1312,1315,1317],{"class":121,"line":1300},6,[119,1302,1255],{"class":129},[119,1304,1305],{"class":1226},"anthropic-version",[119,1307,1210],{"class":129},[119,1309,1230],{"class":129},[119,1311,1233],{"class":129},[119,1313,1314],{"class":139},"2023-06-01",[119,1316,1210],{"class":129},[119,1318,1241],{"class":129},[119,1320,1322],{"class":121,"line":1321},7,[119,1323,1324],{"class":129},"  },\n",[119,1326,1328,1331,1333,1336,1338,1341,1343],{"class":121,"line":1327},8,[119,1329,1330],{"class":1226},"  body",[119,1332,1230],{"class":129},[119,1334,1335],{"class":1192}," JSON",[119,1337,40],{"class":129},[119,1339,1340],{"class":1203},"stringify",[119,1342,1207],{"class":1192},[119,1344,1345],{"class":129},"{\n",[119,1347,1349,1352,1354,1356,1359,1361],{"class":121,"line":1348},9,[119,1350,1351],{"class":1226},"    model",[119,1353,1230],{"class":129},[119,1355,1233],{"class":129},[119,1357,1358],{"class":139},"claude-sonnet-4-20250514",[119,1360,1210],{"class":129},[119,1362,1241],{"class":129},[119,1364,1366,1369,1371,1375],{"class":121,"line":1365},10,[119,1367,1368],{"class":1226},"    max_tokens",[119,1370,1230],{"class":129},[119,1372,1374],{"class":1373},"sbssI"," 1024",[119,1376,1241],{"class":129},[119,1378,1380,1383,1385,1388,1391,1394,1396,1398,1401,1403,1405,1408,1410,1412,1415,1417,1420,1423],{"class":121,"line":1379},11,[119,1381,1382],{"class":1226},"    messages",[119,1384,1230],{"class":129},[119,1386,1387],{"class":1192}," [",[119,1389,1390],{"class":129},"{",[119,1392,1393],{"class":1226}," role",[119,1395,1230],{"class":129},[119,1397,1233],{"class":129},[119,1399,1400],{"class":139},"user",[119,1402,1210],{"class":129},[119,1404,1218],{"class":129},[119,1406,1407],{"class":1226}," content",[119,1409,1230],{"class":129},[119,1411,1233],{"class":129},[119,1413,1414],{"class":139},"Erkläre Quantencomputing einfach.",[119,1416,1210],{"class":129},[119,1418,1419],{"class":129}," }",[119,1421,1422],{"class":1192},"]",[119,1424,1241],{"class":129},[119,1426,1428,1431,1434],{"class":121,"line":1427},12,[119,1429,1430],{"class":129},"  }",[119,1432,1433],{"class":1192},")",[119,1435,1241],{"class":129},[119,1437,1439,1442],{"class":121,"line":1438},13,[119,1440,1441],{"class":129},"}",[119,1443,1444],{"class":1192},")\n",[649,1446,1448],{"id":1447},"_2-beherrsche-das-prompting","2. Beherrsche das Prompting",[16,1450,1451],{},"Gute Prompts machen den Unterschied zwischen brauchbaren und unbrauchbaren Outputs. Wichtige Prinzipien:",[63,1453,1454,1460,1466,1472],{},[66,1455,1456,1459],{},[23,1457,1458],{},"Sei spezifisch"," – Sag dem Modell genau, was du willst",[66,1461,1462,1465],{},[23,1463,1464],{},"Liefere Kontext"," – Gib relevante Hintergrundinformationen",[66,1467,1468,1471],{},[23,1469,1470],{},"Nutze Beispiele"," – Zeig das Format, das du erwartest",[66,1473,1474,1477],{},[23,1475,1476],{},"Setze Grenzen"," – Definiere, was die Antwort leisten soll",[649,1479,1481],{"id":1480},"_3-baue-iterativ","3. Baue iterativ",[16,1483,1484],{},"Fang klein an. Baue einen einfachen Chatbot und ergänze dann Features:",[1486,1487,1488,1491,1494,1497,1500],"ol",{},[66,1489,1490],{},"Einfaches Prompt → Antwort",[66,1492,1493],{},"Konversationshistorie",[66,1495,1496],{},"System-Prompts für die Persona",[66,1498,1499],{},"Tool Use und Function Calling",[66,1501,1502],{},"RAG (Retrieval Augmented Generation)",[48,1504,1506],{"id":1505},"häufige-stolperfallen","Häufige Stolperfallen",[63,1508,1509,1515,1521],{},[66,1510,1511,1514],{},[23,1512,1513],{},"Halluzinationen"," – LLMs können plausibel klingende, aber falsche Informationen erzeugen. Kritische Fakten immer prüfen.",[66,1516,1517,1520],{},[23,1518,1519],{},"Token-Limits"," – Behalte die Kontextfenstergrößen im Blick und manage sie sorgfältig.",[66,1522,1523,1526],{},[23,1524,1525],{},"Kostenmanagement"," – API-Calls summieren sich. Antworten cachen und nach Möglichkeit kleinere Modelle einsetzen.",[48,1528,1530],{"id":1529},"wie-gehts-weiter","Wie geht's weiter?",[16,1532,1533],{},"In kommenden Artikeln gehen wir tiefer in Prompt Engineering, den Aufbau von RAG-Systemen und das Deployment KI-gestützter Anwendungen in Production.",[16,1535,1536],{},"Das Feld bewegt sich schnell, aber die Grundlagen der Arbeit mit LLMs bleiben konstant: klare Kommunikation, iterative Entwicklung und sorgfältige Evaluation.",[355,1538,1539],{},"html pre.shiki code .spNyl, html code.shiki .spNyl{--shiki-light:#9C3EDA;--shiki-default:#C792EA;--shiki-dark:#C792EA}html pre.shiki code .sTEyZ, html code.shiki .sTEyZ{--shiki-light:#90A4AE;--shiki-default:#EEFFFF;--shiki-dark:#BABED8}html pre.shiki code .sMK4o, html code.shiki .sMK4o{--shiki-light:#39ADB5;--shiki-default:#89DDFF;--shiki-dark:#89DDFF}html pre.shiki code .s7zQu, html code.shiki .s7zQu{--shiki-light:#39ADB5;--shiki-light-font-style:italic;--shiki-default:#89DDFF;--shiki-default-font-style:italic;--shiki-dark:#89DDFF;--shiki-dark-font-style:italic}html pre.shiki code .s2Zo4, html code.shiki .s2Zo4{--shiki-light:#6182B8;--shiki-default:#82AAFF;--shiki-dark:#82AAFF}html pre.shiki code .sfazB, html code.shiki .sfazB{--shiki-light:#91B859;--shiki-default:#C3E88D;--shiki-dark:#C3E88D}html pre.shiki code .swJcz, html code.shiki .swJcz{--shiki-light:#E53935;--shiki-default:#F07178;--shiki-dark:#F07178}html pre.shiki code .sbssI, html code.shiki .sbssI{--shiki-light:#F76D47;--shiki-default:#F78C6C;--shiki-dark:#F78C6C}html .light .shiki span {color: var(--shiki-light);background: var(--shiki-light-bg);font-style: var(--shiki-light-font-style);font-weight: var(--shiki-light-font-weight);text-decoration: var(--shiki-light-text-decoration);}html.light .shiki span {color: var(--shiki-light);background: var(--shiki-light-bg);font-style: var(--shiki-light-font-style);font-weight: var(--shiki-light-font-weight);text-decoration: var(--shiki-light-text-decoration);}html .default .shiki span {color: var(--shiki-default);background: var(--shiki-default-bg);font-style: var(--shiki-default-font-style);font-weight: var(--shiki-default-font-weight);text-decoration: var(--shiki-default-text-decoration);}html .shiki span {color: var(--shiki-default);background: var(--shiki-default-bg);font-style: var(--shiki-default-font-style);font-weight: var(--shiki-default-font-weight);text-decoration: var(--shiki-default-text-decoration);}html .dark .shiki span {color: var(--shiki-dark);background: var(--shiki-dark-bg);font-style: var(--shiki-dark-font-style);font-weight: var(--shiki-dark-font-weight);text-decoration: var(--shiki-dark-text-decoration);}html.dark .shiki span {color: var(--shiki-dark);background: var(--shiki-dark-bg);font-style: var(--shiki-dark-font-style);font-weight: var(--shiki-dark-font-weight);text-decoration: var(--shiki-dark-text-decoration);}",{"title":115,"searchDepth":136,"depth":143,"links":1541},[1542,1543,1548,1549],{"id":1140,"depth":136,"text":1141},{"id":1168,"depth":136,"text":1169,"children":1544},[1545,1546,1547],{"id":1172,"depth":143,"text":1173},{"id":1447,"depth":143,"text":1448},{"id":1480,"depth":143,"text":1481},{"id":1505,"depth":136,"text":1506},{"id":1529,"depth":136,"text":1530},"2026-02-15T00:00:00.000Z","Eine praktische Einführung in LLMs – was sie sind, wie sie funktionieren und wie man heute mit ihnen anfängt zu bauen.","/images/llm-cover.svg",{},"/blog/ai/getting-started-with-llms",{"title":1129,"description":1551},"blog/ai/getting-started-with-llms",[1558,1559,1560],"llm","machine-learning","tutorial","ZsRPqX3mDxkldhP6k6PXHimnuGCsxY92wUaCJ4OEIk0",{"id":1563,"title":1564,"author":7,"body":1565,"category":366,"date":1738,"description":1739,"extension":369,"featured":370,"image":1740,"meta":1741,"navigation":370,"path":1742,"seo":1743,"stem":1744,"tags":1745,"__hash__":1747},"blog/blog/ai/2026-02-14-ai-weekly-recap-w07.md","AI Weekly Recap: Werbung in ChatGPT, Anthropics 30-Milliarden-Runde und der SaaS-Billionen-Einbruch",{"type":9,"value":1566,"toc":1728},[1567,1570,1573,1577,1580,1583,1586,1590,1593,1596,1599,1603,1610,1613,1616,1620,1623,1626,1629,1633,1636,1639,1642,1646,1657,1660,1664,1667,1670,1673,1675,1725],[12,1568,1564],{"id":1569},"ai-weekly-recap-werbung-in-chatgpt-anthropics-30-milliarden-runde-und-der-saas-billionen-einbruch",[16,1571,1572],{},"Was für eine Woche. OpenAI hat begonnen, Werbung in ChatGPT zu testen, Anthropic konterte mit einer 30-Milliarden-Dollar-Finanzierungsrunde und einer klaren „Claude bleibt werbefrei\"-Position – und ganz nebenbei hat Claude einen Rover auf dem Mars gesteuert. Hier ist alles, was man wissen muss.",[48,1574,1576],{"id":1575},"openai-testet-werbung-in-chatgpt","OpenAI testet Werbung in ChatGPT",[16,1578,1579],{},"OpenAI testet jetzt offiziell Werbeanzeigen innerhalb von ChatGPT, mit Datenschutzkontrollen für die Nutzer. Angesichts der Wirtschaftlichkeit beim Betrieb von Frontier-Modellen im Consumer-Maßstab ist das ein vorhersehbarer Schritt – doch die Kritik kommt bereits. Die Frage ist, wie lange die Werbung „dezent\" bleibt.",[16,1581,1582],{},"In weiteren OpenAI-News: Deep Research läuft jetzt auf GPT-5.2 und soll ein neues Ergebnis in der theoretischen Physik gefunden haben. GPT-5.3-Codex-Spark wurde als Echtzeit-Coding-Modell mit 15-facher Geschwindigkeit für Pro-User gelauncht und läuft auf einem eigens entwickelten Custom-Chip. Außerdem hat der Frühjahrsputz begonnen – GPT-5, GPT-4 und mehrere Varianten werden abgeschaltet.",[16,1584,1585],{},"OpenAI beschuldigte zudem DeepSeek, US-amerikanische KI-Modelle für das R1-Training destilliert zu haben, brachte eine sichere ChatGPT-Version für das US-Militär heraus, und das von Jony Ive designte Hardware-Gerät wurde wegen eines Markenrechtsstreits auf 2027 verschoben.",[48,1587,1589],{"id":1588},"anthropic-sammelt-30-milliarden-dollar-bei-380-milliarden-bewertung-ein","Anthropic sammelt 30 Milliarden Dollar bei 380-Milliarden-Bewertung ein",[16,1591,1592],{},"Anthropic hat eine Series-G-Runde über 30 Milliarden Dollar mit einer Post-Money-Bewertung von 380 Milliarden Dollar abgeschlossen. Nicht schlecht für ein Unternehmen, das gerade einmal drei Jahre alt ist.",[16,1594,1595],{},"Der Super-Bowl-Spot hat sich ausgezahlt – Claude schoss unmittelbar danach in die Top 10 des App Stores. Das Unternehmen führte außerdem Self-Service-Enterprise-Pläne ein, sodass sich Organisationen direkt ohne Sales-Team registrieren können, und veröffentlichte Cowork für Windows mit voller Feature-Parität zu macOS.",[16,1597,1598],{},"Auf der personellen Seite hob ein WSJ-Porträt Amanda Askell hervor, die Philosophin, die Claudes Ethik prägt. Gleichzeitig trat Safety-Forscher Mrinank Sharma zurück und warnte öffentlich vor globalen KI-Risiken. Wenn der Safety-Forscher geht, weil ihm das alles zu riskant wird, lohnt es sich hinzuhören.",[48,1600,1602],{"id":1601},"neue-modelle-claude-opus-46-und-gpt-53-codex","Neue Modelle: Claude Opus 4.6 und GPT-5.3 Codex",[16,1604,1605,1606,1609],{},"Claude Opus 4.6 und GPT-5.3 Codex wurden im Abstand von 20 Minuten veröffentlicht. Beide sind extrem stark beim Coding, aber die eigentliche Geschichte ist der ",[23,1607,1608],{},"Capability Overhang"," – diese Modelle können bereits viel mehr, als die meisten Leute aus ihnen herausholen. Power-User nutzen siebenmal mehr Reasoning- und Analysefähigkeiten als der Durchschnittsnutzer.",[16,1611,1612],{},"Opus 4.6 bringt ein 1-Million-Token-Kontextfenster (etwa 1.500 Seiten Text) und Adaptive Thinking mit Effort-Steuerung. GPT-5.3-Codex ist rund 25 % schneller bei agentischen Workflows und hat sich angeblich teilweise selbst gebaut.",[16,1614,1615],{},"Die Musik spielt zunehmend außerhalb des Chat-Fensters: bessere Workflows, Tool-Integration, autonome Agenten.",[48,1617,1619],{"id":1618},"der-saas-billionen-einbruch","Der SaaS-Billionen-Einbruch",[16,1621,1622],{},"Der Software-Sektor hat eine Billion Dollar an Marktkapitalisierung verloren. Asana, DocuSign, ServiceNow, Salesforce, Adobe, Figma – alle im freien Fall. Selbst Microsoft verlor 5 %.",[16,1624,1625],{},"Der Auslöser? Anthropics Cowork-Plugins haben gezeigt, dass KI-Agenten spezialisierte Software-Workflows End-to-End replizieren können. Produktivität, Projektmanagement, Marketing, Recht, Finanzen, Daten, Enterprise Search, Customer Support – alles als durchgängige Workflows statt als Tool-Silos.",[16,1627,1628],{},"Die Sorge des Marktes: Wenn KI-Modelle Standard-Workflows abdecken, warum noch SaaS-Abos bezahlen? Nicht jedes SaaS-Tool wird verschwinden, aber viele müssen ihre Existenzberechtigung neu definieren. Das ist kein zufälliger Dip – das ist ein struktureller Wandel.",[48,1630,1632],{"id":1631},"super-bowl-setzt-voll-auf-ki","Super Bowl setzt voll auf KI",[16,1634,1635],{},"15 von 66 Super-Bowl-Spots kamen von KI-Firmen – fast jeder vierte. Anthropic, OpenAI, Google, Amazon, Meta, dazu Startups wie Genspark, Ramp und Wix. 30 Sekunden Sendezeit kosten rund 10 Millionen Dollar. KI ist offiziell im Mainstream angekommen.",[16,1637,1638],{},"Aber es gibt ein Déjà-vu. Vor vier Jahren war es Krypto. FTX, Crypto.com, Coinbase, eToro – alle hatten Super-Bowl-Spots. Neun Monate später war FTX kollabiert, 32 Milliarden Dollar Bewertung pulverisiert.",[16,1640,1641],{},"KI hat mehr Substanz, als Krypto je hatte – echte Use-Cases, echte Umsätze, hunderte Millionen aktive Nutzer. Aber es gibt auch jede Menge Hype. Skeptisch bleiben, die Tools nutzen, die wirklich funktionieren, und das Rauschen ignorieren.",[48,1643,1645],{"id":1644},"perplexity-launcht-model-council","Perplexity launcht Model Council",[16,1647,1648,1649,1652,1653,1656],{},"Perplexity hat ",[23,1650,1651],{},"Model Council"," veröffentlicht, und es ist genau das, was Multi-Model-Workflows gebraucht haben. Du stellst eine Frage, sie geht parallel an drei Modelle (etwa Claude Opus 4.6, GPT-5.2 und Gemini 3.0), ein ",[23,1654,1655],{},"Synthesizer-Modell"," vergleicht die Antworten und du bekommst eine Antwort mit klaren Markierungen, wo die Modelle übereinstimmen und wo sie sich widersprechen.",[16,1658,1659],{},"Alle drei einig? Go. Widersprüche? Dann weißt du, wo du tiefer graben musst. Jedes KI-Modell hat blinde Flecken. MIT-Forscher haben Matheaufgaben getestet – ein einzelnes Modell kam auf rund 70 % Genauigkeit. Drei Modelle im Diskurs? 95 %. Das ist der Unterschied zwischen nützlich und verlässlich.",[48,1661,1663],{"id":1662},"bytedance-veröffentlicht-seedance-20","ByteDance veröffentlicht Seedance 2.0",[16,1665,1666],{},"ByteDance hat Seedance 2.0 in der Beta veröffentlicht, und die ersten Tests sind beeindruckend. Mit Zugriff auf Millionen von Videos für das Training sind die Ergebnisse für UGC-Content stark.",[16,1668,1669],{},"Das Modell beherrscht Multi-Shot-Storytelling (mehrere Szenen, gleicher Charakter, konsistenter Stil), generiert nativen, zum Video passenden Sound, liefert 2K-Auflösung mit 15 Sekunden Output und liefert in über 90 % der Fälle beim ersten Versuch brauchbare Ergebnisse.",[16,1671,1672],{},"Aktuell ist es nur in China über Jimeng AI verfügbar, eine Ausweitung auf andere Plattformen wird bis Ende Februar erwartet. Direkt gab es jedoch Gegenwind – die SAG-AFTRA beschuldigte ByteDance, Stimmen und Likenesses ihrer Mitglieder ohne Erlaubnis verwendet zu haben, und die Motion Picture Association forderte eine Abschaltung wegen Urheberrechtsverletzungen.",[48,1674,1069],{"id":1068},[63,1676,1677,1683,1689,1695,1701,1707,1713,1719],{},[66,1678,1679,1682],{},[23,1680,1681],{},"Google/DeepMind"," hat Gemini 3 Deep Think aufgewertet, den spezialisierten Reasoning-Modus für Mathe, Physik und Informatik.",[66,1684,1685,1688],{},[23,1686,1687],{},"MiniMax"," hat M2.5 mit State-of-the-Art-Produktivität und niedrigeren Betriebskosten gelauncht.",[66,1690,1691,1694],{},[23,1692,1693],{},"Alibaba"," hat Qwen-Image-2.0 für fortgeschrittene Bildgenerierung vorgestellt.",[66,1696,1697,1700],{},[23,1698,1699],{},"Runway"," hat Story Panels für KI-generierte Film- und Content-Produktion veröffentlicht.",[66,1702,1703,1706],{},[23,1704,1705],{},"Meta"," baut angeblich Gesichtserkennung in Smart Glasses ein, mit möglichem Launch noch dieses Jahr.",[66,1708,1709,1712],{},[23,1710,1711],{},"Spotify"," sagt, dass die besten Entwickler seit Dezember keine Zeile Code mehr geschrieben haben – dank KI-Coding-Tools.",[66,1714,1715,1718],{},[23,1716,1717],{},"xAI"," hat in zwei Tagen zwei Co-Founder verloren. Kein gutes Bild.",[66,1720,1721,1724],{},[23,1722,1723],{},"T-Mobile"," brachte Live-Übersetzung von Telefonaten – sogar auf alten Klapphandys.",[16,1726,1727],{},"Das war die Woche. Das Tempo lässt nicht nach.",{"title":115,"searchDepth":136,"depth":143,"links":1729},[1730,1731,1732,1733,1734,1735,1736,1737],{"id":1575,"depth":136,"text":1576},{"id":1588,"depth":136,"text":1589},{"id":1601,"depth":136,"text":1602},{"id":1618,"depth":136,"text":1619},{"id":1631,"depth":136,"text":1632},{"id":1644,"depth":136,"text":1645},{"id":1662,"depth":136,"text":1663},{"id":1068,"depth":136,"text":1069},"2026-02-14T00:00:00.000Z","Die wichtigsten KI-News der Woche – OpenAI startet mit Werbung, Anthropic schließt eine Mega-Runde ab, neue Frontier-Modelle erscheinen und der SaaS-Markt verliert eine Billion Dollar Marktkapitalisierung.","images/ai-weekly-recap-w07.svg",{},"/blog/ai/2026-02-14-ai-weekly-recap-w07",{"title":1564,"description":1739},"blog/ai/2026-02-14-ai-weekly-recap-w07",[605,608,793,1746],"saas","R6dvOHVs4GVyMvZouVYE06YZwrl62x3sZ4qeN64rgg0",1794136280410]