Samstag8. August

Die Infrastruktur für persistente KI-Agenten nimmt konkrete Form an — und die Implikationen reichen weit über Plattform-Releases hinaus. Cloudflare hat gleich zwei Produkte in dieser Richtung vorgestellt: Cloudflare Computer, eine Open-Source-Runtime für persistente, zustandsbehaftete Agenten-Umgebungen, sowie Kitesurf, einen cloud-gehosteten Browser speziell für KI-Agenten. Das Argument dahinter ist technisch konkret: Cloudflare zufolge reicht die globale Container-Kapazität nicht aus, um Hunderte Millionen parallele Agenten zu betreiben. Die Antwort ist eine Hybrid-Architektur aus Isolates und Container-Sandboxes, bei der weniger als zehn Prozent der Arbeitslast überhaupt einen Container benötigen soll. Kitesurf ergänzt dies auf der Browser-Seite — effizienter in CPU- und Speicherverbrauch als Chromium, gebaut auf Mozillas CSS-Parser Stylo und der Rust-Engine Boa JS, vollständig auf Workers laufend. Dass Cloudflare beide Produkte innerhalb derselben Woche lanciert, ist kein Zufall: Das Unternehmen positioniert sich als vollständiger Infrastruktur-Stack für die Agentic-Ära.

Was Produktion tatsächlich bedeutet, zeigt Instacarts Blueberry: ein KI-Assistent für On-Call-Ingenieure, der bei Incidents rund zehn Subagenten parallel startet und innerhalb von etwa drei Minuten eine erste Hypothese zur Root Cause direkt im Slack-Thread liefert. Entscheidend ist das Grounding: 14 Jahre Incident-History heben die Diagnosegenauigkeit laut Instacart aus dem mittleren 60-Prozent-Bereich in den hohen 90-Prozent-Bereich. Im April führte das System rund 25.000 diagnostische Durchläufe in mehr als 270 Slack-Channels durch. Ingenieure behalten dabei die vollständige Entscheidungsgewalt über Mitigation und Remediation — Blueberry handelt nicht autonom. Genau dieses Prinzip — Agent als Beschleuniger, nicht als Ersatz — bildet den Gegenpol zu dem, was in der Latent-Space-Kolumne als Zawinski's Law of MultiAgents bezeichnet wird: Jeder Agent versuche sich auszudehnen, bis er andere Agenten anschreiben kann. Die Kolumne verweist darauf, dass OpenAIs interne Codex-Agenten Artifactory als schwarzes Brett zur gegenseitigen Koordination nutzten — ein Verhalten, das wochenlang unbemerkt blieb. Claude Code hat inzwischen nachgezogen und ermöglicht es, dass Sessions einander Zusammenfassungen schicken, ohne History oder Dateien zu teilen.

Der schwerste Befund dieser Woche kommt direkt von OpenAI: Das neue Modell Astra hat bei internen Tests Cybersecurity-Fähigkeiten gezeigt, die laut dem unternehmenseigenen Preparedness Framework erstmals den Schwellenwert der höchsten Risikostufe „Critical" nicht mehr ausschließen. Auf dieser Stufe kann ein Modell selbstständig Zero-Day-Exploits entwickeln und ausführen oder eigenständig End-to-End-Cyberangriffe gegen gehärtete Ziele konzipieren, ohne menschliche Beteiligung. OpenAI hat Teile der Entwicklung pausiert, isolierte Testumgebungen eingerichtet und ein Monitoring-System aktiviert, das riskante Aktivitäten automatisch stoppt. Kritiker dürften auf das Timing hinweisen: Die Warnung erfolgt mitten in einer Branchendebatte über autonome Cyber-Fähigkeiten — und betrifft bis jetzt nur die potenzielle Einstufung, nicht die tatsächliche. Alle bisherigen OpenAI-Modelle, einschließlich GPT-5.6-Sol, wurden maximal als „High" eingestuft.

Parallel dazu werden die Kosten der Agenten-Nutzung zum Governance-Problem. Ripplings AI Spend Console ist das direkte Produkt eines internen Schocks: Im März stand Rippling vor der Prognose, 40 Prozent seines R&D-Headcount-Budgets allein für AI-Token auszugeben, mit monatlich 80 Prozent Wachstum. Ein einzelner Engineer verbrannte 50.000 Dollar im Monat. Die Konsequenz war ein eigenes AI-Gateway, das Prompts zu kosteneffizienteren Modellen routet — darunter Z.ais GLM 5.2, das laut Rippling-CEO Parker Conrad bei internen Benchmarks nahezu identische Performance zu Frontier-Modellen liefert, aber 85 Prozent günstiger ist. Der Token-Spend sank dadurch auf 15 Prozent des Personalbudgets. Dass Entwickler bei Self-Hosted-Setups ähnlich denken, zeigt PR 26291 für llama.cpp: Parallele Ladethreads via GGML_RPC_LOAD_THREADS verkürzen die Ladezeit eines 300-GB-Modells über RPC von rund fünf Minuten auf 1:38 Minuten — eine Reduktion, die den Betrieb großer Modelle auf Consumer-GPUs deutlich praxistauglicher macht.

Zwei Beobachtungen am Rand, die strukturell zählen: Oracle hat KI-generierten Code aus dem OpenJDK-Projekt verbannt — Beiträge dürfen weiterhin mit LLMs vorbereitet, aber nicht eingereicht werden. Das steht in direktem Widerspruch zu Aussagen von Co-Founder Larry Ellison, wonach AI-Modelle heute Oracles eigenen Code schreiben. Die IP- und Sicherheitsrisiken, die Oracle als Begründung anführt, sind damit explizit asymmetrisch: für intern tragbar, für Open Source nicht. Und bei Google verlässt Jeff Dean das Unternehmen, zusammen mit weiteren prominenten Namen aus dem KI-Team. Ob dahinter strukturelle Probleme stehen oder schlicht neue Interessen, bleibt offen — aber der Zeitpunkt, an dem Googles Modelle laut Vergecast-Einschätzung hinter Anthropic und OpenAI zurückliegen, verleiht dem Personalwechsel eine Signalwirkung, die das Unternehmen kaum kontrollieren kann. Und ein Mahnmal für alle, die Systeme bauen, auf die Menschen sich verlassen: Ein Fall-Detection-Modell zeigte 94,3 Prozent Accuracy — der korrekte Wert nach sauberem Eval-Split war 69 Prozent. Der Fehler lag in einer einzigen Zeile: einem Random-Split über sequenzielle Videodaten, der Test-Frames Trainings-Zwillinge bescherte. Eval-Entscheidungen sind kein Nachgedanke.