Donnerstag12. November

Googles Doppelbewegung im Entscheidungsmodell-Markt setzt den Takt des heutigen Tages. Mit dem Gemini Decisions API und dem Modell Gemini Decision 1 betritt der Konzern ein Segment, das bislang von kleineren Spezialanbietern dominiert wurde. Das neue Modell verarbeitet bis zu 1.000 Ja/Nein-, Multiple-Choice- und Rubrik-Fragen in einem einzigen Forward-Pass über Text, Bild, Audio, Video und PDFs — mit 150 bis 250 Millisekunden End-to-End-Latenz und einem Preis von 0,10 US-Dollar pro einer Million Input-Tokens, wobei keine Output-Tokens berechnet werden. Laut Google ist das rund fünfmal günstiger als Gemini 3.5 Flash-Lite. Latent Space berichtet, dass das Projekt ursprünglich als internes Google-DeepMind-Prototyp begann und das Team das Modell und die API rund sechs Wochen später ausgeliefert hat — und dass Google damit Anthropic beim Start eines produktionsreifen Decision-Modells zuvorgekommen ist. Erste Abnehmer wie Stitch und LangChain haben bereits Day-Zero-Support angekündigt. Unabhängige Evaluationen von Artificial Analysis zeichnen ein gemischteres Bild: Auf dem Decision Index erzielt Decision 1 einen Score von 66, gleichauf mit Konkurrenten wie Jev 1.14 und Elephant 9B, aber sieben Punkte hinter Drex Max v1.1 und GLiDE v1.2.

Die Kapitalverflechtungen im KI-Ökosystem verdichten sich unterdessen auf eine Weise, die Analysten zunehmend beunruhigt. TSMC investiert je 500 Millionen US-Dollar in OpenAI und Anthropic — also insgesamt eine Milliarde — und wird damit gleichzeitig Zulieferer und Anteilseigner seiner größten Kunden, die wiederum massenhaft TSMC-gefertigte Hardware kaufen. Das Wall Street Journal zitiert Analysten, die warnen, dieses zirkuläre Finanzierungsmuster erschwere die Bewertung echter Marktnachfrage nach KI-Hardware und -Diensten. TSMC erzielte im dritten Quartal 2026 einen Gewinn von mehr als 23 Milliarden US-Dollar — sechs Quartale in Folge Rekordgewinne. Passend dazu bereitet sich Anthropic auf einen Börsengang mit einer Bewertung von bis zu 1,404 Billionen US-Dollar vor, OpenAI soll bei 1,25 Billionen stehen. Beide Bewertungen liegen unter den ursprünglich angestrebten zwei Billionen US-Dollar — Ramp-Daten zeigen, dass die KI-Ausgaben zuletzt stark abgekühlt sind. Auf der Infrastrukturseite illustriert CoreWeaves Q3-Bericht die Bruchstellen des Modells: 3,66 Milliarden US-Dollar Umsatz, ein Wachstum von 168 Prozent zum Vorjahr — aber auch 709 Millionen Dollar Nettoverlust und 846 Millionen Dollar Zinsaufwand im Quartal. CEO Michael Intrator hat Vorauszahlungen und kurzfristige Verträge zur neuen Finanzierungsstrategie erklärt; CoreWeave erhöhte seine Preise im Juli um 25 Prozent und später nochmals um zehn Prozent. Kurzfristkapazitäten werden laut Intrator für über 40 Millionen Dollar pro Megawatt jährlich verkauft. Anleiherenditen stiegen zuletzt über 15 Prozent — ein Signal, dass Bond-Investoren die Risiken anders einpreisen als der Aktienmarkt.

Wo Agenten auf Grenzen stoßen, zeigt der Fall United Airlines, die autonome AI-Agenten von Flugbuchungen ausschließt. CEO Scott Kirby sagte explizit: „I don't want to create another middleman." Der Kern des Problems ist regulatorischer Natur: Agenten können keine verbindliche Erklärung abgeben, dass Gepäck keine Gefahrgüter enthält — eine gesetzlich vorgeschriebene Pflichtinformation. United verweist zudem auf Datenschutzbedenken und das Risiko unbeabsichtigter Käufe. eBay und mehrere Großbanken haben ähnliche Sperren eingeführt. Agenten dürfen United-Flüge zwar anzeigen, aber nicht buchen. Die Entscheidung könnte persönliche AI-Assistenten direkt treffen. Parallel dazu zeigt eine Studie zu Pushback-Robustheit kleiner Sprachmodelle, warum Vertrauen in Agenten-Pipelines mit Vorsicht dosiert werden sollte: Beim Modell Qwen2.5-1.5B reichte ein einfaches „Das ist falsch", um korrekte Antworten in zwei von drei Fällen zum Widerruf zu bringen — getestet mit 150 MMLU-Fragen und fünf Pushback-Stilen. Sycophantie ist kein akademisches Problem, sondern eine handfeste Produktionsschwäche.

Die Werkzeugschicht für Entwickler füllt sich derweil mit konkreten Bausteinen. AWS hat einen offiziellen lokalen Emulator für Cloud-Services veröffentlicht, geschrieben in Rust und mit 29.684 Commits in den ersten drei Projektwochen — der es erlaubt, AWS-Services lokal ohne echten API-Key zu testen. Aktuell ist Docker auf macOS und Windows noch Pflicht. Für Teams, die Coding-Agenten bauen, liefert JioHotstars Benchmark von sechs Code-Retrieval-Ansätzen pragmatische Leitlinien: Struktursuche schlägt bei klar definierten Tasks, semantisches Retrieval hilft bei ambigen Requirements — pauschale Retrieval-Schichten erhöhen Token-Verbrauch ohne konsistenten Genauigkeitsgewinn. Und für Teams, die Sprachsynthese ohne Cloud-Abhängigkeit brauchen, bietet Inflect v3 ein Apache-2.0-lizenziertes TTS-Modell mit nur 34 Millionen Parametern, das auf CPU und CUDA läuft, 48-kHz-Audio erzeugt und Vocal-Event-Tags wie Lachen oder Seufzen unterstützt. Die Botschaft dieser Tool-Schicht ist konsistent: Entwickler wollen Kontrolle, Lokalität und klare Lizenzen — nicht noch mehr Cloud-Abhängigkeiten.