KI im Umbruch: Was diese Woche wirklich zählt

Die Meldungen rund um Künstliche Intelligenz überschlagen sich derzeit, und sie berühren sehr unterschiedliche Ebenen. Auf der Hardwareseite baut OpenAI eigene Chips, um sich von Nvidia unabhängiger zu machen. Bei der Software wandern KI-Agenten zunehmend auf lokale Rechner, statt alles in die Cloud zu schicken. Gleichzeitig verschwindet mit Amazons Mechanical Turk eine Plattform, die zwanzig Jahre lang menschliche Kleinstarbeit vermittelt hat, weil KI diese Aufgaben inzwischen selbst erledigt.

Wer versucht, das alles einzeln zu verfolgen, verliert schnell den Überblick. Deshalb ordnet dieser Beitrag die wichtigsten aktuellen Entwicklungen ein: von konkreten Zahlen aus einem Mittelstandsprojekt über neue Modelle und Chips bis zu grundsätzlichen Warnungen, wie sie Bill Gates formuliert. Der rote Faden dabei ist die Frage, wie viel Verantwortung wir Maschinen überlassen wollen und was das praktisch bedeutet.

OpenAI baut mit Jalapeño seinen ersten eigenen Chip

Bislang war OpenAI beim Training und Betrieb seiner Modelle stark von Nvidia abhängig. Das ändert sich gerade. Im Juni 2026 stellte das Unternehmen mit Jalapeño seinen ersten eigenen KI-Beschleuniger vor, jetzt liegen erste Leistungsdaten vor. Gemeinsam mit dem Analysehaus Semianalysis führte OpenAI Tests durch, deren Ergebnisse Golem.de dokumentiert.

Bemerkenswert ist vor allem die Effizienz. In einigen Szenarien erreichte Jalapeño im Vergleich zu Nvidias B300 die 22-fache Tokenrate pro Watt. Da die Energieversorgung inzwischen zum limitierenden Faktor vieler Rechenzentren geworden ist, zählt genau das: Mit gleicher Anschlussleistung lassen sich mehr Chips betreiben. Für OpenAI dürfte die eigene Hardware die Inferenz, also den laufenden Betrieb der Modelle, deutlich günstiger machen.

Der Chip ist auf Inferenz zugeschnitten und arbeitet nicht nur mit OpenAIs eigenen Modellen. In den Tests kamen die Open-Weights-Modelle GPT-OSS, Deepseek R1 und Kimi K2.5 zum Einsatz. Semianalysis mahnt allerdings zur Vorsicht: Die Analysten durften die Tests nicht selbst durchführen, es wurden nur relativ kleine Prompts mit 8.192 Input- und 1.024 Output-Tokens verwendet, und gelaufen ist das Ganze auf einem frühen A0-Stepping. Ein optimiertes B0-Stepping soll noch einmal 25 Prozent effizienter sein.

Fast noch spannender als die Zahlen ist die Entwicklungsgeschichte. Zwischen Aufbau des Entwicklerteams und dem Tape-out des Chips lagen laut OpenAI nur 16 Monate. Möglich gemacht habe das der Einsatz von KI im Design-Prozess selbst. Auch Astra, die nächste geplante GPT-Version, kam bereits zum Einsatz, um optimierte Kernel zu entwickeln. Bei GPT-OSS soll der von Astra generierte Code 50 bis 80 Prozent schneller gewesen sein als der von menschlichen Experten. KI, die KI-Hardware entwirft: Dieser Kreislauf beschleunigt sich sichtbar.

Perplexity holt den KI-Agenten auf den eigenen Rechner

Während OpenAI an der Hardware feilt, verschiebt Perplexity den Ort der Ausführung. Mit Portable Computer bringt das Unternehmen eine Local-first-Variante seines KI-Agenten, bei der nicht nur Dateien und Anwendungen lokal erreichbar sind, sondern auch das Sprachmodell, die Inferenz und die zentrale Agentensteuerung auf dem eigenen Rechner laufen. Das beschreibt heise online im Detail.

Der Unterschied zu einem Chatbot ist wichtig. Perplexity Computer ist ein Agentensystem für mehrstufige Arbeitsabläufe: Es kann einen Projektordner analysieren, Dokumente zusammenfassen, Daten auswerten und Ergebnisse an angebundene Dienste weitergeben. Dazu gehören ein lokales Sprachmodell, ein Planer, eine Werkzeugsteuerung, eine Aufgabenwarteschlange und ein lokaler Suchindex. Als Modelle nennt Perplexity Qwen 3.8 27B und PPLX 27B, eine nachtrainierte Qwen-Variante.

Der Datenschutzvorteil liegt auf der Hand: Standardmäßig verlassen die Inhalte das Gerät nicht. Nur für aktuelle Webinformationen oder besonders anspruchsvolle Schlussfolgerungen zieht der Agent nach Freigabe einen Cloud-Dienst hinzu. Laut einem Bericht von VentureBeat prüft das System vor jedem Cloud-Aufruf den zu übertragenden Kontext auf sensible Daten und zeigt an, was das Gerät verlassen würde. Lokal ausgeführte Aufgaben verbrauchen zudem keine Credits.

Der Haken sind die Hardware-Hürden. Zum Start richtet sich das Angebot an Nutzer von Nvidias KI-Workstation DGX Spark mit Grace-Blackwell-GB10-Chip und 128 GByte Unified Memory. Deren unverbindliche Preisempfehlung lag zuletzt bei 4.700 US-Dollar, im Handel dürfte es teurer sein. Für spätere PC-Unterstützung sind mindestens 24 GByte Grafikspeicher nötig, also etwa die Klasse einer GeForce RTX 3090. Zudem braucht es ein Pro- oder Max-Abonnement. "Portable" meint hier vorerst also einen lokal betreibbaren Agenten-Stack auf teurer Nvidia-Hardware, nicht eine Offline-App für jeden PC.

Mechanical Turk: Das Ende der "künstlichen künstlichen Intelligenz"

Es gehört zu den Ironien der aktuellen KI-Welle, dass sie ausgerechnet eine Plattform verschwinden lässt, die zwei Jahrzehnte lang menschliche Arbeit als Referenz für Maschinen bereitstellte. Amazon macht seine Gig-Working-Plattform Mechanical Turk zum 30. September 2026 dicht. Schon seit Ende Juli nahm der Dienst keine neuen Registrierungen mehr an, wie t3n berichtet.

Die 2005 gegründete Plattform vermittelte einfache digitale Aufgaben: Daten kennzeichnen, Audio und Video transkribieren, Umfragen beantworten. Für die meisten dieser Mini-Gigs gab es nur wenige Cent. Der Name spielt auf den "Schachtürken" aus dem 18. Jahrhundert an, einen scheinbaren Schachautomaten, in dem tatsächlich ein Mensch die Figuren bewegte. Amazon-Gründer Jeff Bezos bezeichnete seine Plattform einst passend als "artificial artificial intelligence".

Genau dieses Modell hat sich überholt. Viele der einst nur von Menschen lösbaren Aufgaben erledigen KI-Tools heute schneller und effektiver. Eine Studie der EPFL Lausanne aus dem Jahr 2023 kam sogar zu dem Schluss, dass Gig-Worker bei 33 bis 46 Prozent der Mechanical-Turk-Aufgaben ohnehin KI nutzten. Damit verlor die Plattform ihren eigentlichen Zweck, nämlich menschliche Urteile als saubere Referenz zu liefern. Die Nutzerzahl von zwischenzeitlich bis zu 500.000 sank in den vergangenen Jahren stetig.

Für die Menschen, die Mechanical-Turk-Gigs als Haupteinnahmequelle nutzten, ist das Aus ein handfestes Problem. Neue, gezieltere Plattformen für KI-Trainingsdaten wie Scale AI, Mercor und Prolific sind zwar entstanden, doch sie funktionieren anders. Der Fall zeigt exemplarisch, wie KI nicht nur qualifizierte, sondern auch niedrigschwellige digitale Arbeit verdrängt.

Dokumenteneingang: Wie viel darf die KI allein entscheiden?

Wie KI im Alltag konkret Arbeit abnimmt, lässt sich an einem Mittelstandsbeispiel gut nachvollziehen. Bei der DFKP GmbH, die Unternehmensfinanzierungen vermittelt, treffen täglich rund 1.000 Dokumente ein, häufig als unsortiertes Sammel-PDF. Das Sortieren band früher 2,5 bis 3 Vollzeitkräfte. Ein Dokument einzuordnen dauerte zwei bis drei Minuten, das Abtippen der Kennzahlen bis zu 15 Minuten. Pro Woche kamen rund 25 Dokumente als fehlerhaft zurück, wie t3n schildert.

Seit Anfang 2025 läuft eine externe Plattform, die jedes Sammel-PDF trennt, jedes Einzeldokument einordnet und die passenden Felder ausliest, angebunden ans eigene CRM. Das Ergebnis: Der Prozess bindet nur noch 0,5 statt 2,5 bis 3 Vollzeitkräfte, die Fehlerquote fiel von 25 auf zwei bis drei Fälle pro Woche. Zwischen August 2024 und Juli 2026 hat sich das Dokumentenvolumen fast verdreifacht, ohne dass DFKP Personal aufbaute. Das Setup kostete einmalig 80 bis 90 Personentage, fast die Hälfte davon für Nachbesserungen.

Interessant ist die Entscheidung gegen den Eigenbau. OCR-Software und eigene Workflows hatte DFKP getestet, technisch lief das, doch die Haftungsfrage sprach dagegen: Nur wenn der Dokumenteneingang läuft, läuft das Geschäft. Also suchte man einen externen Betreiber mit vertraglich zugesicherter Verfügbarkeit.

Am aufschlussreichsten ist der Umgang mit Verantwortung. Jedes Dokument erhält einen Konfidenzwert, der angibt, wie sicher sich das System bei seiner Einschätzung ist. Liegt er über einer festgelegten Schwelle, läuft der Fall ohne menschliche Prüfung durch. Diese Schwelle legt DFKP für jede Dokumentenklasse einzeln fest. Heute laufen die wichtigsten Klassen zu 90 bis 95 Prozent automatisch durch. Eine Quote von 100 Prozent hält das Unternehmen aber ausdrücklich für das falsche Ziel. Genau diese bewusste Begrenzung ist die eigentliche Lektion.

Gegenbewegung: LibreOffice bleibt bewusst KI-frei

Nicht überall wird KI als Fortschritt gefeiert. Das freie Bürosoftware-Paket LibreOffice steht seit Kurzem in Version 26.8 für macOS, Windows und Linux bereit, und die Document Foundation betont ungewöhnlich deutlich, was die Software nicht enthält. Generative KI-Funktionen sind nicht integriert, Dokumente werden nicht zur Verarbeitung an externe Dienste übertragen, und keine Komponente benötigt für ihre eigentliche Funktion eine Internetverbindung. Die Einzelheiten fasst iFun.de zusammen.

An der Version haben 206 Personen mitgearbeitet, darunter 155 freiwillige Entwickler. Inhaltlich dreht sich viel um Typografie: Der neue "Paragraph Composer" in Writer verteilt Wortabstände im Blocksatz über mehrere Zeilen statt Zeile für Zeile, variable OpenType-Schriften werden nativ unterstützt, und verschiedene Schreibrichtungen inklusive vertikaler Texte werden besser berücksichtigt. Bei der Office-Kompatibilität bleiben neuere Diagrammtypen aus OOXML-Dateien wie Funnel-, Treemap-, Sunburst- und Wasserfalldiagramme beim Speichern erhalten, auch wenn LibreOffice sie derzeit weder darstellen noch bearbeiten kann.

Die klare Positionierung trifft einen Nerv. In den Kommentaren zum Bericht zeigt sich deutliche Zustimmung zu einer Software, die "ohne diesen aufdringlichen KI-Kram" auskommt. Neu ist lediglich ein gelegentlicher Spendenhinweis im Startcenter, der auf die Spendenseite der Stiftung führt und nicht innerhalb geöffneter Dokumente auftaucht. Werbung, Telemetrie, Abo oder Benutzerkonto bleiben außen vor. LibreOffice zeigt damit, dass Datensouveränität und der Verzicht auf KI durchaus ein Verkaufsargument sein können.

Ox Alpha, KI-Inhalte im Netz und eine Warnung von Bill Gates

Drei weitere Meldungen runden das Bild ab. Erstens der Fall Ox Alpha: Seit dem 20. August stand auf der Modellplattform OpenRouter ein anonymes "Stealth"-Modell kostenlos bereit. Die Nutzung explodierte, am ersten vollen Tag registrierte OpenRouter rund 27 Millionen Anfragen, vier Tage später knapp 79 Millionen. Frühe Coding-Benchmarks wirkten spektakulär, umfangreichere Tests relativierten den Eindruck aber: In einem vollständigen DeepSWE-Lauf über alle 113 Aufgaben erreichte Ox Alpha 58,4 Prozent, also solides Mittelfeld statt Spitze. Inzwischen ist klar, dass das chinesische Unternehmen Z.ai dahintersteckt, wie heise online berichtet. Die Enthüllung bedeutet auch, dass alle Eingaben an ein chinesisches Unternehmen übermittelt wurden. Bei kostenlosen anonymen Modellen gilt: sensible Daten haben dort nichts verloren.

Zweitens die Frage, wie viel des Internets bereits KI-geschrieben ist. Eine Studie des Pew Research Centers mit dem Titel "How much of the internet is written with AI?" untersuchte fast eine halbe Milliarde englischsprachige Webseiten der vergangenen fünf Jahre über Daten von Common Crawl. Zehn Prozent aller analysierten Seiten zeigten signifikante Anzeichen von KI-Autorenschaft. Klammert man die Seiten vor dem ChatGPT-Release aus, steigt der Anteil auf 35 Prozent. Am häufigsten tauchen KI-Inhalte auf .com-Domains auf, während .edu- und .gov-Seiten mit je rund einem Prozent noch weitgehend KI-frei sind. Die Details stehen bei t3n.

Drittens die politische Dimension. Microsoft-Mitbegründer Bill Gates warnt, dass sich die Welt nicht ausreichend auf die tiefgreifenden Auswirkungen von KI vorbereitet. Ein zentrales Risiko sei der dauerhafte Verlust von Arbeitsplätzen, der sich grundlegend von früheren Umbrüchen unterscheide, weil KI menschliche Kognition direkt ersetzen könne. Gates fordert einen globalen demokratischen Übergangsplan mit neuen Aufsichtsbehörden, geschützte Zonen für bestimmte Berufe und eine Steuer auf KI-Tokens und Roboter. Positives Potenzial sieht er im Gesundheitswesen, in der Landwirtschaft und in der Bildung, aber nur bei gerechtem Zugang. Golem.de fasst seine Forderungen zusammen.

Was bedeutet das für dich?

Die Einzelmeldungen ergeben zusammen ein Muster: KI wird günstiger im Betrieb, wandert näher an den eigenen Rechner und übernimmt immer mehr Routinearbeit. Gleichzeitig wächst der Bedarf an klaren Regeln, wo Menschen die Kontrolle behalten. Für den Alltag lassen sich daraus ein paar konkrete Schritte ableiten:

• Bei kostenlosen KI-Diensten skeptisch bleiben. Der Fall Ox Alpha zeigt, dass hinter anonymen Gratis-Modellen unklare Datenflüsse stecken können. Sensible oder personenbezogene Informationen gehören nicht in Dienste, deren Betreiber und Datenverwendung du nicht kennst.
• Lokale KI als Datenschutzoption prüfen. Ansätze wie Perplexitys Portable Computer halten Daten auf dem Gerät. Noch ist das an teure Nvidia-Hardware gebunden, aber der Trend zeigt, dass lokale Verarbeitung realistisch wird.
• Automatisierung mit Konfidenzschwellen denken. Das DFKP-Beispiel macht vor, wie es geht: KI erledigt den Großteil, unsichere Fälle landen beim Menschen. 100 Prozent Automatik sind selten das richtige Ziel.
• Nicht endlos abwarten. Wer den KI-Einsatz nur diskutiert, statt zu erproben, sammelt keine Erfahrung. Kleine, klar abgegrenzte Pilotprojekte liefern mehr Erkenntnisse als monatelange Business-Case-Rechnungen.
• KI-generierte Inhalte kritisch lesen. Wenn ein erheblicher Teil des Netzes maschinell entsteht, lohnt es sich, Quellen zu prüfen und nicht jeder plausibel klingenden Seite zu vertrauen.