KI im Alltag: Was Depot-Assistenten, Windows und Chips gerade ändern

Künstliche Intelligenz verlässt gerade an vielen Stellen gleichzeitig den Labor- und Chatbot-Status. Sie steckt inzwischen im Wertpapierdepot, im Werkzeugkasten von Windows, in Tarifverhandlungen von Banken und in der Frage, wie eigentlich ein streng gehüteter Apple-Build durchsickern konnte. Diese Entwicklungen wirken auf den ersten Blick unzusammenhängend, folgen aber demselben Muster: KI wird zur Infrastruktur, die im Hintergrund arbeitet – und dadurch neue Chancen wie neue Reibungspunkte schafft.

Wir haben die aktuellen Meldungen aus dieser Woche gebündelt und ordnen ein, was davon für dich praktisch relevant ist. Es geht um konkrete Funktionen, die du heute schon nutzen kannst, um Risiken, die du kennen solltest, und um die Technik, die hinter dem ganzen Trend steckt.

Agentic Investing: KI darf jetzt ins Scalable-Depot

Den vielleicht greifbarsten Schritt in Richtung Alltag geht Scalable Capital. Der Neobroker mit Vollbanklizenz hat eine Schnittstelle geöffnet, über die sich KI-Assistenten wie ChatGPT, Claude oder Grok direkt mit dem eigenen Konto und Depot verbinden lassen. Damit kannst du im Gespräch mit dem Chatbot deinen Depotbestand abfragen, die Transaktionshistorie einsehen oder Analysen starten. Per Prompt lassen sich etwa Musterportfolios zusammenstellen oder ein personalisierter Newsletter zu den Aktien auf deiner Watchlist erzeugen, wie t3n berichtet.

Die KI bleibt dabei allerdings nicht auf die Rolle des Auskunftsgebers beschränkt. Du kannst sie auch bitten, Sparpläne anzulegen oder mit Aktien zu handeln. Der entscheidende Punkt: Vollständig autonom agieren darf sie nicht. Jeder Kauf und jeder Verkauf muss vom Kunden bestätigt werden. Vor der Ausführung blendet Scalable außerdem Kosteninformationen und Risikohinweise ein, um die regulatorischen Vorgaben zu erfüllen. Jede über "Agentic Investing" ausgelöste Transaktion wird zusätzlich per Push-Nachricht und Mitteilung in der Mailbox dokumentiert.

Alles oder nichts bei den Berechtigungen

Bei den Zugriffsrechten gibt es bei Scalable selbst keine Abstufungen. Es existiert also keine Einstellung, mit der die KI nur lesen, aber nicht handeln darf. Du schaltest die Anbindung entweder komplett frei oder gar nicht. Einzelne Funktionen lassen sich lediglich auf Seiten des jeweiligen Modells begrenzen: Claude etwa kennt für solche Verbindungen die drei Stufen "Blockiert", "Genehmigung erforderlich" und "Immer erlauben". Garantien übernimmt Scalable dafür nicht.

Das ist der wunde Punkt dieser Bequemlichkeit. Das Fintech stellt klar, dass die von der KI erzeugten Antworten, Empfehlungen oder Transaktionen nicht in seiner Verantwortung liegen und keine Anlageberatung darstellen. Das Risiko trägt vollständig der Kunde. Wer der KI Zugriff gibt, sollte sich also im Klaren sein, dass Fehleinschätzungen des Modells am Ende das eigene Portfolio treffen.

Technisch läuft die Anbindung entweder über eine CLI-Applikation, die sich direkt auf dem eigenen Gerät installieren lässt und sich besonders für lokal betriebene Modelle eignet, oder über einen MCP-Server. Das Model Context Protocol ist ein ursprünglich von Anthropic entwickelter offener Standard, um KI-Assistenten mit externen Werkzeugen und Daten zu verbinden. Aktiviert wird die Funktion im Scalable-Kundenkonto in den Sicherheitseinstellungen.

Scalable ist damit nicht allein. Auch die Kryptoplattform Bitpanda sowie die Geschäftsbanken Qonto und Finom lassen in Europa bereits KI-Agenten an ihre Schnittstellen. Für die Anbieter geht es dabei auch ums Ausprobieren: Sie wollen sehen, wie Kunden solche Assistenten einsetzen – und im Spiel bleiben, falls Anleger ihre Finanzentscheidungen künftig überwiegend über Chatbots treffen. Laut einer von t3n zitierten Bitkom-Umfrage bleibt die Stimmung gespalten: 56 Prozent sehen KI bei Geldanlage, Finanzplanung oder Kreditberatung eher als Chance, 40 Prozent eher als Risiko. Rund die Hälfte lehnt KI bei Finanzthemen grundsätzlich ab, während sich 27 Prozent sogar wünschen, dass eine KI den Großteil ihrer Finanzentscheidungen übernimmt.

Lokale KI in Windows: Powertoys ohne Cloud-Zwang

Deutlich harmloser, aber für den Alltag ähnlich relevant, ist ein großes Update für die Powertoys unter Windows 11. Der Zusatzwerkzeugkasten von Microsoft stellt zahlreiche Funktionen bereit, mit denen sich das Betriebssystem anpassen lässt – bekannt ist er vor allem bei fortgeschrittenen Nutzern. Mit der neuen Version zieht laut t3n lokale KI ein.

Betroffen ist die Funktion "erweitertes Einfügen", die kopierte Inhalte per KI direkt beim Einfügen umwandeln kann – etwa, um Text aus einem Bild zu extrahieren und als reinen Text einzufügen. Bislang mussten dafür API-Schlüssel oder Endpoints für Cloud-KI konfiguriert werden. Das entfällt nun. Stattdessen lädst du einmalig das lokale Modell Phi Silica herunter, das Microsoft bereitstellt. Danach läuft die Funktion komplett ohne Cloud-Anbindung auf dem eigenen PC. Wer will, kann lokale und Cloud-Modelle weiterhin frei kombinieren, weil manche Modelle bestimmte Arbeitsabläufe besser beherrschen als andere.

Version 0.101 der Powertoys bringt darüber hinaus weitere praktische Neuerungen. Der neue Windows Hopper funktioniert ähnlich wie Alt+Tab, bleibt dabei aber innerhalb eines ausgewählten Programms – nützlich, wenn du schnell zwischen mehreren Fenstern des Datei-Explorers wechseln willst, ohne durch alle offenen Apps zu blättern. Die Befehlspalette bekommt einen kompakten Modus, der erst nach einer Eingabe relevante Vorschläge zeigt, statt sofort eine lange Liste auszuklappen. Mit Powerdisplay lässt sich zudem die Helligkeit mehrerer angeschlossener Bildschirme gleichzeitig regeln. Für Neugierige führt Microsoft außerdem einen Insider-Channel ein, über den man früher an neue Funktionen kommt – mit dem üblichen Risiko von Bugs.

Der Trend zur lokalen KI ist bemerkenswert, weil er den Datenschutz-Nachteilen vieler Cloud-Dienste entgegenwirkt. Was auf dem eigenen Rechner verarbeitet wird, verlässt ihn nicht. Für sensible Inhalte ist das ein echter Vorteil.

KI in der Arbeitswelt: Wenn nur die schweren Fälle bleiben

Während KI im Consumer-Bereich vor allem als Feature verkauft wird, sorgt sie in der Arbeitswelt für Verteilungsdebatten. Der Deutsche Bankangestellten-Verband (DBV) fordert für seine Mitglieder zusätzliche freie Tage wegen des zunehmenden KI-Einsatzes, wie heise online unter Berufung auf die Süddeutsche Zeitung berichtet.

Die Argumentation der Gewerkschaft läuft in zwei Richtungen. Erstens: Wenn KI Routinevorgänge automatisiert und die Produktivität steigt, solle ein Teil dieses Gewinns bei den Beschäftigten ankommen. Zweitens verschiebt sich die Arbeit. Standardfälle werden technisch erledigt, bei den Beschäftigten landen zunehmend die aufwendigen Ausnahmen, Beschwerden und Kontrollaufgaben. "Die einfachen Vorgänge verschwinden zuerst. Beim Menschen landet am Ende das, was die Maschine nicht kann oder der Kunde allein nicht lösen konnte", zitiert die SZ den DBV-Verhandlungsführer Wolfgang Ermann. Für diese Verdichtung fordert der Verband "Entlastungstage", dazu ein Lohnplus von 9,5 Prozent bei 24 Monaten Laufzeit.

Widerspruch kommt aus der Arbeitswissenschaft. Prof. Sascha Stowasser, Direktor des Instituts für angewandte Arbeitswissenschaft (ifaa), hält die Forderung für zu kurz gedacht: "Aus dem Einsatz von Künstlicher Intelligenz lässt sich kein pauschaler zusätzlicher Erholungsbedarf ableiten." Anspruchsvollere Tätigkeiten könnten auch abwechslungsreicher sein und größere Entscheidungsspielräume eröffnen; Komplexität und Belastung dürfe man nicht gleichsetzen. Ein pauschaler Kompensationsmechanismus setze Fortschritt mit Belastung gleich und bremse Deutschland im Wettbewerb. Wie die Arbeitgeber die Forderung bewerten, dürfte sich ab dem 8. Oktober zeigen, wenn die Tarifverhandlungen für das private Bankengewerbe beginnen.

Coder unter Beobachtung: KI erzeugt lückenlose Datenspuren

Ein verwandtes Thema betrifft Softwareentwickler. Cloudbasierte Plattformen, durchgängig digitalisierte Abläufe und der zunehmende KI-Einsatz sorgen dafür, dass nahezu jede Aktivität in modernen Entwicklungsumgebungen digitale Spuren hinterlässt. Commits in Git, Pull Requests, Code Reviews, Ticketbearbeitung, Builds und Deployments erzeugen laufend Daten, die sich aggregieren lassen. Spezialisierte Plattformen leiten daraus Aussagen über Produktivität, Zusammenarbeit oder die Leistung Einzelner ab, wie Golem.de in einem Ratgeber beschreibt.

Das Problem: Softwareentwicklung entzog sich lange einer einfachen Messbarkeit. Der eigentliche Wert eines Entwicklers entsteht oft dort, wo Kennzahlen versagen – beim Lösen komplexer Probleme, beim Entwurf tragfähiger Architekturen, in der Teamarbeit. Falsch angewendet schafft Developer Analytics eine Atmosphäre des Misstrauens und liefert irreführende Ergebnisse. Der Zusammenhang zur KI-Debatte ist offensichtlich: Je mehr die Werkzeuge selbst mitarbeiten, desto größer die Versuchung, die verbleibende menschliche Arbeit engmaschig zu vermessen. Und je feiner die Datenbasis, desto höher das Risiko einer Überwachungskultur.

Wenn KI selbst zum Verdächtigen wird: der macOS-Leak

Dass KI-gestützte Werkzeuge nicht nur Produktivität, sondern auch Fehler skalieren können, zeigt ein Vorfall bei Apple. Der Release Candidate 1 von macOS 26.7 enthielt eine ungewöhnliche Menge an Hinweisen auf unangekündigte Produkte. Im Code fanden sich Strings und Feature-Flags zu Kamera-AirPods, mehreren neuen Macs, Home-Produkten, neuen iPhones, einem neuen iPad mini und einer neuen Apple-TV-Fernbedienung, berichtet heise online. Apple hat den Build inzwischen vom Server genommen und durch einen bereinigten Release Candidate 2 ersetzt.

Die Besonderheit dieses Falls: Der Build gelangte "willentlich" an die Öffentlichkeit, anders als bei früheren, versehentlich publizierten Downloads. Beim üblichen Merging-Prozess sammelt eine zentrale Einheit die Materialien aller Abteilungen ein, die in die Finalversion gelangen sollen – ein händischer, überwachter Vorgang. Diesmal rutschten Inhalte hinein, die dort nicht hingehörten. Dass es vorab keine öffentliche Entwicklerbeta gab, könnte den Fehler begünstigt haben. Bloomberg-Journalist Mark Gurman vermutet, dass jemand intern verschiedene Versionen durcheinandergebracht hat. Offen bleibt die Frage, ob der zunehmende Einsatz von KI-Coding-Assistenten bei Apple eine Rolle spielte. Beweisen lässt sich das nicht, doch der Verdacht illustriert ein reales Risiko: Automatisierte Werkzeuge machen Prozesse schneller, aber Fehler können sich dabei ebenso schnell fortpflanzen.

Die Hardware dahinter: Chips für die KI-Welle

Damit all das läuft, braucht es Rechenleistung – und auch hier bewegt sich viel. Der RISC-V-Spezialist Sifive hat mit der Bigsky SF-2U870 eine eigene Server-Plattform vorgestellt, wie Golem.de berichtet. Der 2-HE-Server nutzt einen selbst entworfenen Prozessor mit 32 Kernen auf Basis der überarbeiteten P807-D-Kerne. Gefertigt wird der Chip in TSMCs älterem N6-Prozess, was ihn vergleichsweise günstig machen soll. Die Kerne takten mit 2 GHz, dazu kommen 256 GByte DDR5-Speicher und 64 PCIe-Gen5-Lanes für eine GPU.

Interessant ist die Software-Seite: Rund ein Jahr nach der Ankündigung haben Nvidia und Sifive Cuda für RISC-V portiert. Nvidias Programmierumgebung soll auf dem SF-2U870 bereits nutzbar sein, wenngleich die Schnittstelle Nvlink noch fehlt. Unterstützt werden Ubuntu 26.04 und Red Hat Enterprise Linux 10. Laut Sifive evaluieren große Hyperscaler sowie Soft- und Hardwareunternehmen die Plattform bereits; die Nachfrage sei größer als das Angebot.

Parallel treibt OpenAI die eigene Infrastruktur voran. Der Konzern hat mit Jalapeño einen eigenen Inferenz-Chip vorgestellt, der laut ersten Ergebnissen schnellere und energieeffizientere KI-Inferenz mit höherem Durchsatz und niedrigerer Latenz liefern soll. CFO Sarah Friar argumentiert in einem Beitrag, dass sich Fortschritte über Chips, Rechenleistung, Modelle und Produkte hinweg gegenseitig verstärken und so nützlichere Intelligenz in größerem Maßstab und zu geringeren Kosten liefern sollen. Der rote Faden all dieser Meldungen: Die sichtbaren KI-Funktionen im Alltag sind nur die Spitze eines massiven Ausbaus im Untergrund.

Was bedeutet das für dich?

Die einzelnen Meldungen ergeben zusammen ein klares Bild: KI wird zur Standardausstattung – in Apps, Betriebssystemen und Diensten, die du ohnehin nutzt. Damit steigen die Möglichkeiten, aber auch die Verantwortung liegt zunehmend bei dir. Konkret solltest du auf folgende Punkte achten:

• Bei Finanz-KI die Haftung mitdenken: Wenn du bei Scalable oder anderswo einen KI-Assistenten ans Depot lässt, trägst du das Risiko allein. Bestätige jede Order bewusst und behandle KI-Vorschläge nicht als Anlageberatung.
• Berechtigungen so eng wie möglich setzen: Weil Scalable nur "alles oder nichts" kennt, nutze die Feinsteuerung deines KI-Modells. Bei Claude etwa lassen sich einzelne Aktionen auf "Genehmigung erforderlich" stellen.
• Lokale KI bevorzugen, wo sinnvoll: Funktionen wie das lokale Phi-Silica-Modell in den Windows-Powertoys verarbeiten Daten auf deinem Gerät. Für sensible Inhalte ist das die datensparsamere Wahl.
• KI-Ausgaben gegenprüfen: Der macOS-Leak erinnert daran, dass automatisierte Prozesse Fehler skalieren. Verlasse dich bei wichtigen Ergebnissen nicht blind auf die Maschine.
• Push-Benachrichtigungen aktiv lassen: Bei Agentic Investing lösen Transaktionen Meldungen aus. Diese Hinweise sind deine Kontrollinstanz – ignoriere sie nicht.

Wer diese Grundregeln beherzigt, kann die neuen Werkzeuge nutzen, ohne sich der Automatisierung auszuliefern. Der Reiz liegt in der Bequemlichkeit, der Preis in der Wachsamkeit.