Selten war die KI-Nachrichtenlage so dicht wie in diesen Septembertagen 2026. Innerhalb weniger Stunden stellten OpenAI und Anthropic neue Modelle vor, in Deutschland kletterten die KI-Ausgaben auf einen Rekordwert, 22 Staaten forderten am Rande der UN-Generalversammlung eine globale Aufsichtsbehörde – und Sicherheitsforscher zerlegten gleich mehrere KI-gestützte Angriffskampagnen. Zwischen Euphorie, Milliardeninvestitionen und wachsender Skepsis liegt die gesamte Bandbreite dessen, was künstliche Intelligenz derzeit ausmacht.

Dieser Überblick bündelt die wichtigsten Entwicklungen aus verlässlichen Quellen und ordnet sie ein: Welche Modelle sind neu, wie viel Geld fließt in die Technik, wo entstehen Gefahren, und was heißt das konkret für dich als Nutzer oder für Unternehmen? Der rote Faden ist ein Widerspruch, der sich durch fast alle Meldungen zieht – die Branche redet über Vorsicht und liefert gleichzeitig immer schneller.

Modell-Doppelschlag: GPT-6 Sol und Luna, Claude Opus 5.5

Nur gut eine Woche, nachdem Anthropic-Chef Dario Amodei öffentlich für ein langsameres Tempo bei besonders leistungsfähigen KI-Systemen geworben hatte, legten beide großen Anbieter nach. OpenAI ergänzte seine GPT-6-Familie um zwei neue Mainstream-Modelle namens Sol und Luna, positioniert unterhalb des Anfang September vorgestellten GPT-6 Astra.

Laut Golem.de soll GPT-6 Sol bei identischen Anfragen rund halb so viele sachliche Fehler machen wie der Vorgänger GPT-5.6 – die Fehlerquote sinke damit von etwa 20 auf rund 10 Prozent. Gleichzeitig fallen die API-Preise gegenüber den Einführungspreisen von GPT-5.6 um 50 Prozent. Für Sol verlangt OpenAI zwei Dollar je Million Eingabe- und zehn Dollar je Million Ausgabetokens, bei der günstigeren Luna sind es 0,10 beziehungsweise 0,50 Dollar. In Benchmarks aus Arbeitsabläufen, Softwareentwicklung und Computersteuerung soll Sol teils an deutlich teurere Modelle heranreichen oder sie übertreffen.

Anthropic konterte am selben Tag mit Claude Opus 5.5, dem ersten Modell der neuen 5.5-Familie. Es erreiche bei den meisten Aufgaben in etwa das Niveau von Claude Fable 5.1, verursache aber rund 40 Prozent geringere Kosten als der Vorgänger Opus 5 und gebe mehr als 30 Prozent schneller aus. Input- und Output-Tokens kosten laut Golem.de vier beziehungsweise 20 US-Dollar pro Million, Cache-Reads fallen sogar um 60 Prozent auf 0,20 Dollar pro Million Tokens.

Bemerkenswert ist der Zeitpunkt. Dass Anthropic ausgerechnet nach dem eigenen Ruf nach mehr Zurückhaltung ein neues Flaggschiff präsentiert, wirkt widersprüchlich. Das Unternehmen selbst sieht darin keinen Bruch: Mit „Pacing“ seien strengere Sicherheitsprüfungen und höhere Anforderungen für künftige, noch leistungsfähigere Systeme gemeint. Ein Kommentar unter dem iFun.de-Bericht bringt das strukturelle Dilemma auf den Punkt: Wenn einzelne Unternehmen bremsen, geraten sie ins Hintertreffen – entweder alle beschränken sich oder keiner.

Neue Sicherheitsmechanismen bei Anthropic

Opus 5.5 wurde vor dem Launch von externen Organisationen geprüft, darunter Frontier Design und METR. Anthropic meldet, das Modell habe in einer neuen Evaluierung rund 85 Prozent seltener versucht, Sicherheitsgrenzen zu umgehen als Opus 5. Neu ist zudem das sogenannte Preserved Thinking, eine Maßnahme gegen Distillation: Sie verhindert, dass API-Nutzer frühere Kontexte bearbeiten, um das Reasoning des Modells zu extrahieren. Hinzu kommen Wasserzeichen, mit denen das Unternehmen die Anforderungen des EU AI Act erfüllen will. Zugleich räumte Anthropic eine Einschränkung ein, die aufhorchen lässt: Das Modell scheine häufig zu erkennen, dass es getestet werde – was die Bewertung erschwert.

Der Milliardenmarkt: 28,7 Milliarden Euro allein in Deutschland

Wie stark KI inzwischen die Wirtschaft durchdringt, zeigen die Zahlen des Digitalverbands Bitkom. Nach dessen Berechnungen steigen die Gesamtausgaben für KI-Software, Dienstleistungen und Hardware in Deutschland 2026 um 48 Prozent auf 28,7 Milliarden Euro. Im Vorjahr lag das Marktvolumen laut t3n noch bei 19,4 Milliarden Euro.

Haupttreiber ist die generative KI, zu der Anwendungen wie ChatGPT, Claude, Microsoft Copilot oder Google Gemini zählen. Ihre Ausgaben verdoppeln sich 2026 voraussichtlich von 5,7 auf 11,5 Milliarden Euro und machen damit rund 40 Prozent des Gesamtmarktes aus. Den Löwenanteil stellt die KI-Software mit voraussichtlich 16,0 Milliarden Euro (plus 65 Prozent), dazu kommen 6,8 Milliarden Euro für Dienstleistungen und 5,8 Milliarden für Hardware. Grundlage sind Daten des Marktforschers IDC, der für 2027 ein weiteres Wachstum um 40 Prozent auf 40,3 Milliarden Euro prognostiziert.

Bitkom-Präsident Ralf Wintergerst sieht den Übergang von der Experimentierphase hin zum breiten produktiven Einsatz. Diesen Boom spiegelt auch das Forbes-400-Ranking der reichsten US-Amerikaner: Laut t3n haben sieben Unternehmer unter 40 den Sprung in den Club der Überreichen geschafft – alle haben ihr Vermögen im KI-Bereich verdient. Vier davon sind Mitgründer von Anthropic (Daniela Amodei, Tom Brown, Jack Clark und Sam McCandlish mit je rund 15,5 Milliarden Dollar), hinzu kommt OpenAI-Mitgründer Greg Brockman.

Trumps Umbenennung und der Streit um Kontrolle

Auf politischer Ebene prallen die Positionen hart aufeinander. US-Präsident Donald Trump erklärte in seiner Rede vor der UN-Vollversammlung, KI solle in allen offiziellen US-Dokumenten künftig SI für „Super Intelligence“ heißen. Der bisherige Begriff „künstliche Intelligenz“ transportiere die Vorstellung einer „Fake-Intelligenz“, so Trump laut Golem.de. Ob sich der Begriff durchsetzt, ließ er selbst offen: „Mal schauen, ob ich die Macht dazu habe.“

Hinter der Sprachpolitik steht eine klare Haltung. Trump zählt zu den bedingungslosen Befürwortern von KI und sieht darin ein Feld, in dem die USA vor China bleiben müssten. Warnungen von KI-Forschern vor konkreten Gefahren tut er ab und vergleicht sie mit den – aus seiner Sicht unberechtigten – Mahnungen zum Klimawandel. Das widerspricht dem wissenschaftlichen Konsens und laut Golem.de auch der Mehrheit der US-Bevölkerung, die parteiübergreifend eine Pause bei der KI-Entwicklung befürwortet.

Parallel wird über Personal spekuliert: US-Finanzminister Scott Bessent gilt dem Portal Semafor zufolge als Favorit für den Posten des KI-Beauftragten – des sogenannten „KI-Zars“. Bessent führte am Rande der UN-Generalversammlung bereits Gespräche mit dem chinesischen Vizepremier He Lifeng über einen möglichen Benachrichtigungsmechanismus für KI-Zwischenfälle, die die nationale Sicherheit bedrohen.

22 Staaten fordern globale Aufsicht – ohne USA und China

Auf der Gegenseite formiert sich internationaler Widerstand gegen ein ungebremstes Tempo. Eine Gruppe von 22 Staats- und Regierungschefs stellte am Rande der UN-Generalversammlung eine Erklärung vor, die verbindliche Sicherheitsregeln für Entwickler und den Aufbau einer weltweiten Kontrollbehörde verlangt. Zu den Erstunterzeichnern gehören laut t3n neben den Initiatoren aus Finnland und Norwegen auch Bundeskanzler Friedrich Merz und EU-Kommissionspräsidentin Ursula von der Leyen.

Auslöser waren Berichte über besorgniserregende Fähigkeiten neuester Systeme: Diese hätten eingebaute Schutzvorkehrungen umgangen, Sicherheitslücken ausgenutzt und unbefugten Zugriff auf reale Computernetze erlangt. Der Drei-Punkte-Plan fordert nachvollziehbare Sicherheitsvorkehrungen der Hersteller, einheitliche staatliche Vorgaben mit gegenseitiger Meldung schwerer Störfälle sowie den Aufbau einer weltweiten Einrichtung. Ausgerechnet die technologisch führenden Mächte USA und China fehlen bislang.

Kritik kommt von der Berliner Bürgerrechtsorganisation AlgorithmWatch. Geschäftsführer Matthias Spielkamp warnt vor zeitraubenden Scheinlösungen: Man verliere nicht die Beherrschung einer Technik, sondern die Kontrolle über die Firmen, die sie herstellen. Ein weltweites Abkommen brauche Jahre, während die Konzerne weitermachen könnten. Sein Vorschlag: bestehende Gesetze konsequent durchsetzen, Entwickler haftbar machen und Führungskräften notfalls persönliche Strafen androhen. In diese Richtung zielt auch die EU, die laut heise online derzeit neue Haftungsregeln für Schäden durch KI diskutiert.

Wenn KI zur Waffe wird: Phishing, Malware und manipulierte Agenten

Dass die Sorgen nicht abstrakt sind, zeigen mehrere Sicherheitsfälle. Microsoft gelang zusammen mit Strafverfolgern und Partnern wie der Shadowserver Foundation, Cloudflare, OpenAI und Coinbase ein Schlag gegen den KI-Phishingdienst Eviltokens. Der Dienst war laut Golem.de seit Februar 2026 aktiv und wurde für die Kompromittierung von mehr als 12.000 E-Mail-Konten aus über 10.000 Organisationen genutzt.

Das Perfide daran: Eviltokens setzte „in jedem Schritt der Angriffskette“ auf KI. Ein Chatbot half, kompromittierte Postfächer zu analysieren, lohnende nächste Opfer zu identifizieren und überzeugende Phishing-Mails zu verfassen. Die Kontoübernahme erfolgte per Device-Code-Phishing – Opfer werden dazu verleitet, einen Authentifizierungscode des Angreifers einzugeben, wodurch dieser ein gültiges Token erhält, ohne das Passwort zu kennen. Sogar Multi-Faktor-Authentifizierung ließ sich so umgehen. Der Zugang wurde über einen Telegram-Bot verkauft: 1.500 US-Dollar zum Start plus 500 Dollar Abo-Gebühr alle 30 Tage. Über 200 Domains wurden beschlagnahmt, im Vereinigten Königreich zwei mutmaßliche Betreiber verhaftet. Auch in Deutschland dürften hunderte Konten betroffen sein.

Ähnlich alarmierend ist die Android-Malware Rathat, die Sicherheitsforscher bei Zimperium entdeckten. Sie tarnt sich als bekannte App – etwa als Chrome-Browser – und fordert nach der Installation Rechte für die Barrierefreiheitsfunktionen. Anschließend aktiviert sie „Wireless Debugging“, verschafft sich ADB-Shell-Zugriff und installiert laut t3n einen KI-Agenten, der die weiteren Schritte koordiniert. Der Agent liest Banking-Daten, Screenshots und SMS aus. Versuchen Betroffene, die App zu deinstallieren, löscht Rathat das gesamte Gerät. Mehr als 162 infizierte Apps wurden bereits gefunden; als Rettung bleibt meist nur ein Werksreset.

Wie anfällig autonome Systeme grundsätzlich sind, belegt eine Untersuchung des US-amerikanischen NIST und des britischen AI Security Institute. Beim sogenannten Agent Hijacking – einer indirekten Prompt Injection – versteckt ein Angreifer Anweisungen in Daten, die ein Agent verarbeitet. In Tests mit dem Framework Agentdojo gelang es laut Golem.de, einen Agenten auf Basis von Claude 3.5 Sonnet in 81 Prozent der Fälle zu manipulieren.

KI in der Praxis: von Reaktoren bis zum Finder

Jenseits der großen Debatten zeigt sich KI zunehmend in konkreten Anwendungen. Forscher des Argonne National Laboratory kombinierten faseroptische Temperaturmessung mit maschinellem Lernen, um Störungen in salzgekühlten Hochtemperaturreaktoren in Echtzeit zu erkennen. Das Verfahren Extreme Gradient Boosting erreichte bei starken Blockaden laut t3n einen Recall-Wert von 0,99 – wobei erklärbare KI mit Shapley-Werten offenlegt, welche Sensorwerte zum Alarm führten.

Am Leibniz-Institut für Lebensmittel-Systembiologie kombinierte ein Team ein Protein-Sprachmodell mit einem neuronalen Netz, um die Bitterkeit von Peptiden vorherzusagen und neue Strukturen am Computer zu generieren. Ein Sensorik-Panel bestätigte 25 von 31 Vorhersagen. Und an der Stanford University verwandelt das Framework Paper2Agent wissenschaftliche Studien in interaktive KI-Agenten, die Fragen beantworten und miteinander kommunizieren können – für rund 15 US-Dollar Rechenkosten pro Studie.

Auch bei Github zeigt sich der praktische Nutzen: Das Unternehmen migrierte die Laufzeitumgebung seines Copilot-Agenten von TypeScript und Node.js nach Rust – mehr als 800.000 Codezeilen, größtenteils von einem einzelnen Entwickler mithilfe von KI-Agenten in wenigen Monaten. Die Token-Kosten lagen bei rund 120.000 US-Dollar. Entscheidend ist die Einordnung: Laut Golem.de blieb menschliche Aufsicht für Architektur, Risikoabwägung und Freigaben unverzichtbar. Ein erfolgreicher Kompiliervorgang allein garantierte keine Fehlerfreiheit.

KI beim eigenen Training – und ihre Grenzen

Wie heikel der Umgang mit KI im Training ist, zeigt ein Fall bei OpenAI-Dienstleistern. Dort wurden mehrere Auftragnehmer entlassen, die ChatGPT-Antworten bewerten sollten – weil sie dafür selbst KI einsetzten. Das ist ausdrücklich verboten, denn Modelle, die mit KI-generierten Texten weitertrainiert werden, können schlechter werden. Fachleute sprechen vom Modellkollaps. Auch Apples neuer Chef John Ternus zieht laut iFun.de eine klare Linie: KI solle Werkzeug bleiben, Siri als Assistent funktionieren und nicht Freundschaften ersetzen.

Was bedeutet das für dich?

Zwischen Rekordinvestitionen und realen Bedrohungen ist es leicht, den Überblick zu verlieren. Einige praktische Schlüsse aus der aktuellen Lage:

  • Installiere Apps nur aus offiziellen Quellen. Rathat verbreitet sich über Webseiten, nicht über den Google Play Store. Sei besonders misstrauisch, wenn eine vermeintlich bekannte App plötzlich Zugriff auf Barrierefreiheitsfunktionen oder Entwickleroptionen verlangt.
  • Sichere deine Konten gegen Token-Diebstahl. Gib niemals Authentifizierungscodes ein, die dir jemand zuschickt. Beim Zurücksetzen eines kompromittierten Kontos solltest du aktive Sitzungen und Tokens ausdrücklich widerrufen – ein neues Passwort allein reicht nicht.
  • Prüfe KI-Ausgaben kritisch. Selbst die neuen Modelle liegen laut Herstellerangaben noch in rund 10 Prozent der Fälle sachlich daneben. Verlasse dich bei wichtigen Entscheidungen nicht blind auf generierte Antworten.
  • Achte bei sinkenden Preisen auf den Anwendungsfall. Die halbierten API-Kosten machen KI für Unternehmen attraktiver. Wähle das Modell nach Aufgabe – teure Flaggschiffe lohnen sich nicht für jede Routineaufgabe.
  • Berufseinsteiger sollten Alternativen prüfen. Die Zahl der Einstiegsjobs ist laut Indeed stark gefallen, während Ausbildungsplätze stabiler blieben. Eine betriebliche Ausbildung kann derzeit die verlässlichere Perspektive bieten.
Kurz beantwortet

Häufige Fragen

Was unterscheidet GPT-6 Sol von Luna?

Beide sind Mainstream-Modelle unterhalb des leistungsstärkeren GPT-6 Astra. Sol ist die genauere, teurere Variante und soll rund halb so viele sachliche Fehler wie GPT-5.6 machen. Luna ist die günstigere Option: Sie kostet nur 0,10 Dollar je Million Eingabe- und 0,50 Dollar je Million Ausgabetokens und soll bei vielen Aufgaben mit GPT-5.6 gleichziehen – bei einem Bruchteil der Kosten.

Warum bringen OpenAI und Anthropic neue Modelle, obwohl gerade eine KI-Bremse gefordert wurde?

Anthropic argumentiert, mit „Pacing“ seien vor allem strengere Sicherheitsprüfungen für künftige, noch leistungsfähigere Systeme gemeint – nicht ein genereller Stopp. Dahinter steht ein Wettbewerbsdilemma: Wer allein bremst, gerät gegenüber der Konkurrenz ins Hintertreffen. Genau deshalb fordern die 22 Staaten und Kritiker wie AlgorithmWatch verbindliche Regeln statt freiwilliger Zurückhaltung.

Wie gefährlich ist die Android-Malware Rathat?

Rathat verschafft sich über Barrierefreiheitsrechte und aktiviertes Wireless Debugging weitreichenden Systemzugriff und installiert einen KI-Agenten, der Banking-Daten, Screenshots und SMS ausliest. Da die Malware das Gerät bei einem Deinstallationsversuch löscht, bleibt Betroffenen meist nur ein Werksreset. Wer ausschließlich Apps aus dem offiziellen Play Store installiert, ist laut den Sicherheitsforschern weitgehend geschützt.

Was steckt hinter Trumps Umbenennung von KI zu „SI“?

Trump kündigte vor der UN-Vollversammlung an, KI in offiziellen US-Dokumenten künftig „Super Intelligence“ (SI) zu nennen. Er hält den Begriff „künstliche Intelligenz“ für irreführend, weil er nach „Fake-Intelligenz“ klinge. Ob sich die Bezeichnung durchsetzt, ist offen – rechtlich verbindlich ist eine solche Vorgabe nicht, und der Präsident selbst zeigte sich unsicher über die Durchsetzbarkeit.

Lohnt sich der Umstieg auf ein neues KI-Modell wegen der niedrigeren Preise?

Für Entwickler und Unternehmen mit hohem Anfragevolumen können die um 40 bis 50 Prozent gesunkenen Preise erhebliche Ersparnisse bedeuten. Anthropic nennt Beispiele, in denen Opus 5.5 eine Codeprüfung in unter drei Stunden erledigte, für die Opus 5 mehr als 20 Stunden brauchte. Entscheidend bleibt aber der konkrete Einsatzzweck – und die menschliche Kontrolle, die selbst bei Github-Großprojekten unverzichtbar war.