AWS AI — Juni 2026

Etcheds ASIC-Ansatz zielt direkt auf den größten Kostentreiber bei KI-Deployments – Inferenz. Mit 1 Mrd. Dollar Auftragsvolumen und prominenten Investoren wie Karpathy und Hinton wächst der Druck auf Nvidia und allgemein GPU-basierte Inferenz-Infrastruktur.

Unternehmen können AWS-Ingenieure temporär einbetten lassen, die Agenten-Systeme aufbauen und gleichzeitig interne KI-Kompetenzen aufbauen – ein Modell, das auch OpenAI (4 Mrd. $) und Anthropic (1,5 Mrd. $) bereits verfolgen und den Wettbewerb um Enterprise-KI-Deployments verschärft.

Das Buch erklärt Reasoning-Techniken praktisch von Grund auf und richtet sich an Entwickler, die verstehen wollen, wie moderne Reasoning-Modelle – ein zentraler Baustein vieler AI-Agenten – intern funktionieren und trainiert werden.

Teams können Frontend und Backend unterschiedlicher Sprachen/Frameworks ohne Reverse Proxy, CORS-Konfiguration oder Cloud-übergreifende Deployments betreiben. Neu: isolierte Agent-Sandboxes, WebSocket-Support auf Fluid Compute und kurzlebige Credentials via Vercel Connect statt gespeicherter Secrets.

Enterprise-Teams können Sicherheits- und Compliance-Workflows flexibler gestalten, indem Audit-Events direkt in bestehende SIEM-Systeme oder S3-Buckets fließen – ohne separates Paid-Add-on, dafür volumenbasiert abgerechnet.

Der Schritt zeigt, dass selbst Großkunden wie Amazon bei LLM-Kosten aktiv gegensteuern – durch Model Distillation und Anbieterdiversifikation (OpenAI als Alternative). Für AI-Builder ein Signal, dass tokenbasierte Preismodelle Eigenentwicklungen und Destillation wirtschaftlich attraktiver machen.

Ohne gezielten Ausschluss-Mechanismus können Codex-Agenten versehentlich Secrets und private Schlüssel an das Modell senden. Solange das Feature fehlt, müssen Teams manuell auf Konventionen oder Dokumentation setzen – ein reales Sicherheitsrisiko in automatisierten Coding-Workflows.

Teams können Kostenanomalieen automatisch erkennen und Befunde direkt über Slack oder Jira an die verantwortlichen Ressourcenbesitzer weiterleiten, ohne manuelle Analyse-Workflows aufzubauen.

Dieselben Unternehmen, die Automatisierung vorantreiben, kontrollieren nun auch das größte bekannte Umschulungsprogramm – was Fragen zur Unabhängigkeit und zu möglichen Interessenkonflikten bei der Programmgestaltung aufwirft.

KI-generierte Kinderbücher fluten Amazon-Kategorien, werden als Geschenke gekauft und prägen Kleinkinder – ohne dass Käufer die Qualitätsmängel vorab erkennen. Für AI-Builder zeigt das die realen Reputations- und Schadensrisiken ungefilterten Einsatzes von Bildgenerierung in sensiblen Konsumgütern.

Neoclouds können mit Netris die Markteinführungszeit deutlich verkürzen und teure GPU-Leerlaufzeiten reduzieren. Die hardware-beschleunigte Netzwerkautomatisierung löst Multitenancy und Konfiguration ohne SDN-Limitierungen – relevant für alle, die GPU-Infrastruktur aufbauen oder betreiben.

Werbung in bezahlten KI-Abos ist ein Vertrauensbruch für Nutzer und könnte das Modell der werbefinanzierten KI-Nutzung etablieren – relevant für alle, die auf OpenAI-Dienste in Produkten setzen.

Indien entwickelt sich zum zentralen Zielmarkt für globale KI-Infrastrukturinvestitionen – neben Amazon committen auch Microsoft (17,5 Mrd.) und Google (15 Mrd.) massiv. Für AI-Builder bedeutet das wachsende AWS-Kapazitäten in der Region und günstigere Latenz für südasiatische Workloads.

Waymo skaliert mit Abo-Modell und massivem Kapital, während Konkurrenten wie Mobileye (100 Fahrzeuge geplant 2027) und Uber/Rivian (bis zu 50.000 autonome Taxis) aufholen. Für AI-Builder zeigt das: Physical-AI-Deployments brauchen extrem langen Atem und tiefe Kapitaldecke.

AI-Builder können bestehende Coding-Agents (Claude Code, Codex) hinter einer einheitlichen Schnittstelle betreiben und profitieren von typed Runtime Context, Timeout-Handling, Sandbox-Support und verbessertem Telemetry — setzt jedoch Node.js 22 und ESM voraus.

AI SDK 7 bietet einen provider-agnostischen Interface für Multi-Turn-Agents mit Tool-Calling und Sandbox-Integration – ohne Vendor Lock-in. Vercel Services ermöglicht ab 1. Juli privaten Service-to-Service-Traffic ohne öffentliches Internet, was Architekturentscheidungen für Full-Stack-Agent-Apps vereinfacht.

KI scheint Engineering-Arbeit bisher eher auszuweiten als zu ersetzen (Jevons-Paradox): Frühphasen-Startups stellten 2025 sogar 7% mehr Ingenieure ein als 2019. Für AI-Builder bedeutet das: Ingenieure bleiben gefragter denn je, trotz – oder wegen – KI-gestützter Produktivitätswerkzeuge.

KI verbilligt Code und Designs, aber nicht das Abwägen von Tradeoffs oder das Verteidigen von Entscheidungen. Entwickler, die schwierige Konzepte wirklich durchdringen, bauen laut NeetCode das Urteilsvermögen auf, das auch mit sich wandelnden Tools wertvoll bleibt.

Das Kapital soll die Produktion des humanoiden Roboters Digit v5 skalieren und bestehende Bestellungen von über 300 Mio. Dollar erfüllen. Für AI-Builder relevant: Agility betreibt Digit bereits in neun Kundenumgebungen, u.a. bei Amazon, Toyota und GXO – ein Indikator für reife kommerzielle Humanoid-Deployments.

Ruby-Entwickler können mit einem einzigen Framework und konsistenter API alle gängigen KI-Anbieter ansprechen, ohne providerspezifische Clients zu pflegen. Die native Rails-Integration inklusive fertiger Chat-UI senkt die Einstiegshürde deutlich.

Hoffmans Analyse deutet darauf hin, dass SpaceX/xAI als ernstzunehmende Konkurrenz für Anthropic und OpenAI ausscheidet. Gleichzeitig macht der Anthropic-Regulierungsfall ein neues Risiko für AI-Builder sichtbar: willkürliche staatliche Eingriffe als IPO- und Investorenrisiko.

Der Fall zeigt, dass große Studios zunehmend scheuen, kritische Erzählungen über mächtige Tech-Konzerne zu distribuieren – ein strukturelles Signal für AI-Unternehmenskritik im Mainstream-Kino.

Oracle zeigt exemplarisch, wie KI-Investitionen gleichzeitig Stellenabbau antreiben und massive Verschuldung erzeugen. Für AI-Builder relevant: Oracle Cloud Infrastructure wächst als Hyperscaler-Alternative zu AWS/Azure, bleibt aber abhängig von noch unprofitablen Großkunden wie OpenAI.

KI-Unternehmen setzen massive Finanzmittel ein, um politische Weichenstellungen auf lokaler Ebene zu beeinflussen. Das zeigt, wie weit die Lobby-Aktivitäten der Branche inzwischen reichen – auch unterhalb der Bundesebene.

Edge-KI für Consumer-Hardware zeigt, wie Artenerkennung per proprietärem Algorithmus in kostengünstigen Geräten landet. Die Schwäche bei der Besuchszählung (Mehrfachzählung bei statischen Tieren) zeigt typische Limitierungen solcher Ereigniserkennungs-Modelle in der Praxis.

Doctorow warnt, dass ein Platzen der KI-Blase die meisten großen Foundational Models verschwinden lassen wird, da ohne Investitionsfluss Rechenzentren nicht mehr wirtschaftlich betrieben werden können – ein Risiko für alle, die auf proprietäre KI-Infrastruktur setzen.

Alexa+ expandiert nach Indien mit Hindi-Support, was Amazons Vorstoß in einen riesigen Nicht-Englisch-Markt markiert. Für AI-Builder zeigt dies, dass code-gemischte Spracherkennung (Hindi/Englisch) und lokale Nuancen zunehmend Pflichtanforderungen für Voice-AI-Produkte in Schwellenmärkten werden.

Graviton5 bietet laut AWS ca. 15 % besseres Preis-Leistungs-Verhältnis gegenüber Graviton4 bei nur 9 % höherem On-Demand-Preis. Für Infrastruktur-Teams bedeutet das messbare Kosteneinsparungen bei CPU-intensiven Workloads ohne Anpassungen am Code.

Die Anordnung zeigt, dass politische Beziehungen zwischen AI-Labs und der Regierung operative Risiken darstellen – nicht nur regulatorische. Für AI-Builder bedeutet das: Compliance allein schützt nicht, wenn das politische Verhältnis zur Regierung gestört ist. Die Maßnahme schafft einen Präzedenzfall für selektive Modell-Abschaltungen per Exekutivorder.

AI-Agenten scheitern oft an fehlendem Unternehmenskontext und Sicherheitslücken im generierten Code. Continuum und Context adressieren diese zwei Kernprobleme direkt und können die Zuverlässigkeit agentenbasierter Workflows in Enterprise-Umgebungen erhöhen.

LLMs produzieren bei ähnlichen Prompts massenhaft gleichförmigen Content – das macht KI-Text nicht auf Satzebene, sondern durch Musterhäufung erkennbar. Für Plattformen und Publisher wird das Qualitätsproblem strukturell, nicht nur individuell.

Wenn KI-generierte Produktbilder unter die Transparenzpflichten des EU AI Act fallen, müssen Retailer ihr gesamtes Marketing-Workflow überarbeiten. Für Plattformen wie Zalando mit 90 % KI-Content ist das Compliance-Risiko erheblich.

Unternehmen, die auf AWS Bedrock auf Datenisolation vertrauen, müssen bei Fable 5 aktiv zustimmen, dass Inferenzdaten Anthropic erreichen – ein erheblicher Unterschied zu bisherigen Bedrock-Modellen. Der abrupte Zugangsentzug wegen Exportkontrolle zeigt, wie regulatorische Risiken Modell-Deployments kurzfristig stoppen können.

KI-Labs müssen damit rechnen, dass Regierungen Frontier-Modelle kurzfristig mit Exportbeschränkungen belegen können – mit Umsetzungsfristen von unter 90 Minuten. Die historische Bilanz zeigt, dass solche Kontrollen meist umgangen werden, aber erhebliche operative und rechtliche Risiken für Anbieter erzeugen.

Der Fall zeigt, wie Amazons wachsendes KI-Engagement direkt in Konflikt mit redaktionellen und kreativen Entscheidungen bei Amazon MGM/Prime geraten kann – ein Präzedenzfall für Interessenkonflikte in vertikal integrierten Tech-Konzernen.

Jio bettet KI direkt ins Telekommunikationsnetz ein statt als eigene App – das schafft einen massiven Vertriebsvorteil gegenüber Drittanbietern. Indiens Abhängigkeit von ausländischen KI-Modellen und die damit verbundenen Risiken (z.B. Anthropic-Modellsperren) treiben den Aufbau eines eigenen KI-Stacks voran.

Das Studio sucht aktiv einen neuen Verleiher für den Film – die Produktion selbst scheint nicht gefährdet. Für die AI-Branche bleibt die dramatische Geschichte rund um OpenAIs Führungskrise 2023 damit weiterhin auf dem Weg in die Kinos.

Smartbird zielt auf Unternehmen, die eigene Compute-Cluster mit voller Datenkontrolle betreiben wollen – eine Nische zwischen Hyperscalern und internen IT-Projekten. Das Modell konkurriert nicht über Preis, sondern über Kontrolle und Agilität der Infrastruktur.

Elastic integriert Deductives KI-Technologie in seine Observability-Plattform, um Kunden automatisches Performance-Monitoring und Echtzeit-Fehlerbehebung zu bieten – relevant für Teams, die auf Elastic für Systemüberwachung setzen.

Snap reduziert so die hohen internen KI-Kosten, behält aber über eine Equity-Beteiligung Exposure auf Upside. Das Modell – Technizlizenz gegen Anteile, Gründer aus eigenem Personal – könnte als Template für kostenintensive GenAI-Projekte bei anderen Plattformfirmen interessant sein.

Sollte AWS Trainium extern verkaufen, entsteht ein ernsthafter Konkurrent zu Nvidia-GPUs für Rechenzentren – allerdings limitiert durch knappe TSMC-Kapazitäten und die Gefahr, eigene Cloud-Kunden auf Wartelisten zu setzen.

Der Fall zeigt, dass Tech-Unternehmen intern gegen Mitarbeiter vorgehen können, die öffentlich politische Positionen zu KI-Infrastruktur vertreten – mit möglichen Auswirkungen auf Whistleblower-Schutz und Arbeitnehmerrechte im AI-Sektor.

General Intuition nutzt ein einzigartiges First-Person-Gaming-Dataset, um Agenten mit räumlich-zeitlichem Reasoning zu trainieren – nicht um Weltmodelle zu verkaufen, sondern Agenten als Endprodukt. Bis Spätsommer soll ein neues Produkt erscheinen; die Runde finanziert dafür den Compute-Ausbau.

Ein organisiertes politisches Gegengewicht zu Big-Tech-PACs entsteht, das konkret Wahlkampfwerbung für pro-Regulierungs-Kandidaten schaltet. Für AI-Builder signalisiert dies wachsenden politischen Druck von innen – aus den eigenen Belegschaften – hin zu verbindlichen KI-Leitplanken.

Anthropic musste Claude Mythos und Fable 5 vollständig offline nehmen, anstatt nationality-basierte Zugangsbeschränkungen umzusetzen. Organisationen weltweit – auch nicht-chinesische – verlieren damit Zugang zu Anthropics leistungsstärkstem Modell, solange der Konflikt mit der US-Regierung ungelöst bleibt.

Der Preis von ~2.200 $ zielt auf ein zahlungskräftiges Segment, das Snaps Kernzielgruppe (Teenager) deutlich übersteigt. Für AR-Hardware-Entwickler zeigt dies, wie schwierig die Positionierung zwischen günstigen Smart Glasses (Meta Ray-Ban) und teuren Headsets (Apple Vision Pro) ist.

Unternehmen und Regierungen, die auf US-KI-Infrastruktur aufbauen, riskieren plötzlichen Zugriffsverlust ohne Vorwarnung – das G7-Trusted-Partners-Schema könnte Abhilfe schaffen, ist aber noch nicht konkret ausgestaltet. Für Startups außerhalb der USA bleibt die Abhängigkeit von wenigen US-Anbietern ein reales Resilienzrisiko.

Odyssey optimiert seine World Models für AWS Trainium-Chips – ein klares Signal für die wachsende Bedeutung alternativer KI-Chips jenseits von Nvidia. Anwendungsfälle reichen von Robotik bis Spieleentwicklung, was World Models als neue Infrastrukturschicht für physische KI positioniert.

Für AI-Builder relevant als Gegenargument zur reinen Automatisierungslogik: Technologie sollte die transaktionale Ebene übernehmen, damit Menschen sich auf die relationale Ebene konzentrieren können — nicht um Menschen zu ersetzen, sondern um ihren Fokus zu verschieben.

Pramaana kombiniert LLMs mit einer deterministischen Verifikationsschicht auf Basis der Proof-Sprache LEAN, um Halluzinationen in hochsensiblen Branchen zu eliminieren. Für AI-Builder in regulierten Sektoren zeigt das einen konkreten Architekturansatz jenseits von RLHF oder RAG.

Indien baut mit massiven Auslandsinvestitionen gezielt AI-Infrastruktur aus – steuerliche Anreize bis 2047 machen das Land attraktiv für Cloud- und AI-Workloads. Für AI-Builder bedeutet das wachsende GPU-Kapazitäten und Rechenzentrums-Angebote im indischen Markt.

DeepL kombiniert seine Sprachtechnologie mit Mixhalos Live-Event-Infrastruktur und dringt damit in einen neuen Anwendungsbereich vor. Für Entwickler, die mehrsprachige Event- oder Meeting-Lösungen bauen, könnte DeepLs API künftig Low-Latency-Audio-Translation auch für Präsenzveranstaltungen bieten.

Wenn Hyperscaler ihren KI-Aufbau nicht mehr aus dem laufenden Cashflow finanzieren können, steigt die Abhängigkeit von Fremdkapital – das erhöht Finanzierungsrisiken und könnte Investitionstempo und Verfügbarkeit von Cloud-KI-Kapazitäten beeinflussen.

Entwickler können Robotik-Modelle vom Hugging Face Hub über das Strands-Agents-Framework direkt auf physischer Hardware einsetzen — das vereinfacht die Brücke zwischen Modell-Repository und realem Roboter-Deployment erheblich.

OpenAI wächst umsatzseitig stark (~3,5× gegenüber 2024), aber der operative Verlust wuchs ~2,4×. Für AI-Builder relevant: Die Abhängigkeit von Microsoft-Infrastruktur (17,2 Mrd. $ Ausgaben) zeigt, wie teuer Frontier-Modell-Betrieb bleibt — und wie wenig Marge in der Wertschöpfungskette übrig bleibt.

Anthropic sichert sich tiefe Enterprise-Verankerung in Korea: NAVER setzt Claude Code organisationsweit ein, Samsung SDS und LG CNS rollen Claude konzernweit aus. Für AI-Builder bedeutet das eine wachsende regionale Infrastruktur und Community, inklusive Startup-Programm und Hackathon-Angeboten in Korea.

Präskriptive Inhalte – Bücher, Kurse, How-to-Videos, Ratgeber-Newsletter – konkurrieren direkt mit kostenlosen LLMs, die personalisierte Antworten in Sekunden liefern. Wer Produkte oder Businesses auf Wissenstransfer aufbaut, sieht dasselbe Substitutionsrisiko.

Brands müssen KI-Sichtbarkeit und menschliche Glaubwürdigkeit gleichzeitig managen: Fehlende Attribution senkt das Vertrauen der Nutzer unter das Niveau von Airline-Gebühren, was Content-Strategien grundlegend neu ausrichtet.

Plaud zeigt, dass Hardware-getriebene KI-Monetarisierung funktionieren kann: Ohne Standalone-Software-Abo konvertiert die Hälfte aller Gerätekäufer in zahlende Abonnenten – ein ungewöhnlich hoher Hebel für AI-Builder, die hardwaregestützte Vertriebsmodelle evaluieren.

SpaceX integriert mit der Cursor-Übernahme einen führenden AI-Coding-Assistenten und baut KI-Infrastruktur (Compute-Leasing für Anthropic und Google) aus — das positioniert das Unternehmen als ernsthaften KI-Player neben Raumfahrt und Starlink.

Das Harness-System erlaubt den Einsatz deutlich schwächerer (günstigerer) Modelle auf lokaler Hardware, was Token-Kosten stark senkt. Das Prinzip lässt sich auf Accounting, Medizin und weitere präzisionskritische Anwendungen übertragen.

Token-Kosten sind kein Infrastruktur-Detail mehr, sondern ein primäres Produktdesign-Kriterium. AI-Builder müssen Token-Verbrauch von Anfang an in Architektur- und Feature-Entscheidungen einkalkulieren, um Budget-Schocks zu vermeiden.

GitHub musste seine Kapazitätsziele von 10× auf 30× skalieren – und zieht trotzdem AWS-Kapazität hinzu. Für AI-Builder bedeutet das: Agentic-Workflows belasten Plattforminfrastruktur in einem Ausmaß, das selbst Hyperscaler-Eigentümer überfordert. GitHub-Ausfälle werden zum Produkt-Risiko für KI-gestützte Entwicklungspipelines.

Googles Verteidigungsverträge – insbesondere Project Nimbus – erzeugen anhaltenden internen und externen Druck. AI-Builder bei Google oder mit Regierungsaufträgen müssen mit zunehmendem öffentlichen und organisiertem Widerstand gegen militärische KI-Anwendungen rechnen.

Laut dem Modell könnte föderiertes Training (DiLoCo-Stil) über bestehende EU-Compute-Ressourcen ein Frontier-Modell bis 2028 liefern, verglichen mit 2033 für einen neuen 1-GW-Campus. Für AI-Builder relevant: Die technische Machbarkeit hängt an politischen Entscheidungen über geteilte Batch-Scheduling-Ressourcen, nicht nur an Hardware.

Entwickler, die pi.dev als lokales Coding-Harness nutzen, sollten die Telemetrie-Einstellung in der settings.json prüfen. Der VC-Finanzierungsbedarf deutet auf mögliche Geschäftsmodell-Änderungen hin, die Open-Source- oder Privacy-fokussierte Nutzung einschränken könnten.

Wer als AI-Builder auf staatliche Regulierung drängt, riskiert, selbst zum Regulierungsziel zu werden. Der Fall zeigt, dass Exportkontrollen auf Frontier-Modelle realistisch sind – mit direkten Folgen für internationale Deployments und Partnerschaften.

OpenAI und Anthropic konkurrieren um ein begrenztes Kapitalvolumen auf den Aktienmärkten – wer zuerst geht, sichert sich potenziell bessere Bewertungen. Kleinere KI- und Deeptech-Startups versuchen bereits, den IPO-Momentum für eigene Finanzierungsrunden zu nutzen.

ElastiCache for Valkey lässt sich nun auch für persistente Workloads einsetzen, nicht nur als Cache. Die neuen Durability-Modi ermöglichen es Entwicklern, Latenz- und Datenverlust-Anforderungen gezielt abzuwägen.

Startups mit international verteilten Teams verlieren potenziell Zugang zu frontier-Modellen – ein direkter Wettbewerbsnachteil. Indische Stimmen fordern nun verstärkt Open-Source-Alternativen und staatliche KI-Investitionsprogramme von bis zu 26 Mrd. USD.

Cybersicherheitsbedenken von Big-Tech-Unternehmen können direkt zu staatlichen Exportkontrollen für KI-Modelle führen – das schränkt den internationalen Einsatz kommerzieller Frontier-Modelle erheblich ein und schafft regulatorischen Präzedenzfall.

Professionelle Beratungsfirmen setzen offenbar KI zur Berichterstellung ein, ohne ausreichende menschliche Kontrolle – mit der Folge, dass erfundene Fakten veröffentlicht werden. Der Vorfall reiht sich in einen ähnlichen Fall bei EY ein und zeigt das Reputationsrisiko beim unkritischen KI-Einsatz in professionellen Publikationen.

Für AI-Builder, die auf Anthropic-Modelle (z.B. Claude via AWS Bedrock) setzen, signalisiert dies regulatorisches Risiko: Behördliche Eingriffe können Modellverfügbarkeit kurzfristig einschränken, ohne dass technische Gründe vorliegen.

Das plötzliche Archivieren eines aktiv genutzten OSS-Projekts (~1 % des globalen LLM-API-Spends) kurz nach der Finanzierung signalisiert ein mögliches Pivot zu Closed-Source oder Akquisition — Teams, die TensorZero produktiv einsetzen, sollten ihre Abhängigkeit sofort prüfen.

Unkontrollierte Agents können durch exzessive Cloud-Ressourcennutzung (hier: AWS-Egress-Traffic für IPv6-Scans) massive Kosten verursachen. Der Fall zeigt konkret, dass fehlende Budget-Limits und mangelnde Aufsicht bei autonomen Agents zu finanziellen Totalschäden führen.

Fable 5 kombiniert eigenständig System-APIs, Browser-Automatisierung und CORS-Server zu komplexen Debug-Workflows – AI-Builder sollten sich bewusst sein, dass Coding-Agents unerwartete Systemzugriffe initiieren und laufende Prozesse eigenständig steuern können.

Der Wasserverbrauch von KI-Infrastruktur rückt verstärkt in den Fokus von Regulierung und Standortentscheidungen – Amazons Offenlegung kommt kurz nach einem Rechenzentrumsmoratorium in Seattle und setzt einen Effizienz-Maßstab (0,12 l/kWh) im Vergleich zu anderen Big-Tech-Anbietern.

Für den Aufbau lokaler Multi-GPU-Rigs ist die Wahl des PCIe-Riser-Kabels relevant – falsche Winkel können Kompatibilitäts- oder Stabilitätsprobleme verursachen. Konkreter technischer Mehrwert nur aus den Community-Antworten ableitbar.

Entwickler können ab sofort mit dem ?_extra=-Pattern gezielt zusätzliche Metadaten in API-Antworten für Tabellen, Queries und Rows anfordern. Das vereinfacht datengetriebene Anwendungen auf Basis von Datasette erheblich.

Entwickler können OpenAI-Frontier-Modelle nun direkt über AWS beziehen, ohne separate OpenAI-Verträge – inklusive GovCloud-Zugang für regulierte Sektoren. Codex wechselt auf Pay-per-Token ohne Seat-Gebühren, was die Kostenstruktur für Code-Assistenz-Workloads verändert.