Freitag5. Juni

Der strukturelle Kontext hinter dem Anthropic-IPO-Schritt ist zunächst ein Kapitalproblem: Co-Gründerin Daniela Amodei erklärte beim Bloomberg Tech Conference, der Zugang zu öffentlichem Kapital sei notwendig, weil Training und Inference schlicht enorme Vorabkosten erzeugen. Der Jahresumsatz kletterte von rund 9 Milliarden Dollar Ende 2025 auf annualisierte 47 Milliarden Dollar im Mai — eine Wachstumskurve, die den Kapitalbedarf erklärt, aber auch das Risiko verdeutlicht: Unternehmen wie Uber haben laut dem Bericht bereits signalisiert, dass nicht alle KI-Ausgaben produktive Renditen liefern. Parallel dazu offenbart der xAI-Compute-Deal im Umfang von 1,25 Milliarden Dollar pro Monat — erst durch SpaceX's S-1-Filing publik geworden — wie massiv die Infrastrukturkosten für Frontier-Labs bereits skalieren. Dass ausgerechnet TSMC-CEO C.C. Wei zeitgleich warnte, Kundennachfrage übersteige die Produktionskapazitäten deutlich und US-basierte Produktion könne Bedarf noch „sehr lange Zeit" nicht decken, verdichtet das Bild: Kapital ist eine Voraussetzung, aber Silizium bleibt die härteste Restriktion. TSMC investiert 165 Milliarden Dollar in weitere US-Werke — doch Engpässe bei RAM und NAND-Flash-Speicher dürften laut Bericht noch jahrelang anhalten.

Wer die Chip-Knappheit übersteht, kämpft im nächsten Ring um Stack-Kontrolle. Die Analyse der Schichtenkämpfe im KI-Markt bei TheSequence bringt es auf den Punkt: Jensen Huangs Fünf-Schichten-Kuchen — Energie, Chips, Infrastruktur, Modelle, Anwendungen — ist keine harmonische Struktur, sondern ein Schlachtfeld mit vertikaler Achse. Die entscheidende Frage ist nicht, wie viele Schichten ein Akteur besitzt, sondern ob er die knappe Schicht und die angrenzende Naht kontrolliert, bevor die Schicht darunter zur Commodity wird. Vor diesem Hintergrund bekommt Anthropics bewusste Entscheidung gegen eigene Rechenzentren eine strategische Lesart: lieber eine etwas höhere Nachfrage als Angebotslücke als überdehnte Infrastrukturinvestitionen — und den Compute eingekauft, dort wo er verfügbar ist, notfalls beim Konkurrenten xAI. Dass Vercel gleichzeitig seine AGB für Agentic Workflows aktualisiert, um Verantwortlichkeiten bei autonomen KI-Aktionen auf Entwicklerkonten explizit zu klären — inklusive der Option, Gebühren außerhalb regulärer Abrechnungszyklen einzuziehen — zeigt, wie weit unten im Stack die Kommerzialisierungslogik bereits angekommen ist.

Die technologische Entwicklung, die all das antreibt, wird greifbar in Anthropics eigenem Bericht zur rekursiven Selbstverbesserung: Claude schreibt heute 80 Prozent des eigenen Entwicklungscodes, Anthropic-Engineers shippen achtmal so viel Code pro Quartal wie noch 2021–2025. Die Länge von Aufgaben, die Modelle autonom abschließen können, verdoppelt sich alle vier Monate — von vier Minuten für Claude Opus 3 im März 2024 auf eineinhalb Stunden für Claude Sonnet 3.7 ein Jahr später, auf zwölf Stunden für Claude Opus 4.6 danach. Recursive Self-Improvement ist laut Anthropic noch nicht erreicht und auch nicht unvermeidlich — aber der Bericht hält fest, dass der Punkt früher kommen könnte, als die meisten Institutionen darauf vorbereitet sind. Passend dazu veröffentlichte Anthropic ein Open-Source-Framework für autonome Schwachstellensuche, das auf Claude-Zugang via Bedrock, Vertex und Azure ausgelegt ist und explizite gVisor-Sandbox-Isolation für autonome Code-Execution vorschreibt — ein früher Beleg dafür, wie Sicherheitsarchitektur und Agentenkapazitäten zusammenwachsen.

Die operative Lücke zwischen technologischem Potenzial und unternehmerischer Realität bleibt indes breit. Eine Bain-Studie unter 951 Unternehmen zeigt: Fast 40 Prozent erzielten weniger als 10 Prozent KI-Kosteneinsparungen, obwohl die häufigsten Ziele bei 11 bis 20 Prozent lagen. Der Hauptgrund — zu viel menschliche Einbeziehung. Nur 7 Prozent betreiben vollständig autonome KI-Agenten, obwohl ihre Business Cases genau das voraussetzen; 38 Prozent benötigen weiterhin menschliche Genehmigungen für jede Aktion. Datenzugang bleibt das meistgenannte Hindernis, bei 41 Prozent der Befragten. Diese Zahlen korrespondieren direkt mit der Beobachtung von Charity Majors, dass KI-Enthusiasten und KI-Skeptiker in denselben Teams zwei reale existenzielle Risiken adressieren: Die einen riskieren Wettbewerbsnachteile durch zu langsame Adoption, die anderen bauen fragile Systeme, weil Code schneller geshippt wird als ihn jemand versteht. Das eigentliche Organisationsproblem, so die Analyse, ist das Fehlen natürlicher Feedback-Loops zwischen beiden Gruppen.

Zwei symbolisch aufgeladene Entwicklungen rahmen den Tag ab. Der Cloudflare-CEO stellte fest, dass Bot-Traffic den menschlichen Traffic im Netz bereits überholt hat — Cloudflare Radar weist 57,4 Prozent HTTP-Anfragen von Bots gegenüber 42,6 Prozent von Menschen aus, früher als erwartet. Das künftige Modell, so Matthew Prince, werde „Pay to Crawl" heißen: Wer als KI-Agent auf Webinhalte zugreift, zahlt dafür — mit direkten Implikationen für Training, RAG-Pipelines und autonome Agenten. Und Google ließ nach Veröffentlichung eines Medienberichts ein Statement nachträglich ändern: Die ursprüngliche Formulierung, es sei „kritisch, dass wir Menschen in der Schleife behalten", wurde auf Googles Betreiben aus dem publizierten Statement entfernt. Das ist kein redaktionelles Detail — es ist ein konkretes Signal, unter welchem Druck öffentliche KI-Safety-Commitments stehen, während gleichzeitig Modelle gebaut werden, die ihre eigenen Nachfolger trainieren könnten.