Tech Briefing 2026-06-25

Die Technologielandschaft verändert sich rasant in Richtung Hardware, Software und Open-Source. Diese Woche hat OpenAI seinen ersten Schritt in die eigene Silizium-Entwicklung unternommen, Google hat agentic computer use direkt in sein Flaggschiff-Modell integriert, und NVIDIA hat eine Flüssigkeitskühlungs-Architektur vorgestellt, die den Wasserverbrauch von Rechenzentren auf nahezu null reduzieren könnte. Gleichzeitig nähern sich Open-Weight-Modelle aus China der Leistung US-amerikanischer proprietärer Systeme, und neue Entwickler-Tools machen KI-Integration zugänglicher denn je.

1. OpenAI stellt Jalapeño vor — Den eigenen ersten Inference-Chip

OpenAI und Broadcom haben gemeinsam Jalapeño vorgestellt, den ersten custom-built Inference-Prozessor von OpenAI. Der Chip wurde speziell für die Inferenz von Grossen Sprachmodellen entwickelt — den Prozess der Generierung von Antworten auf Benutzeranfragen — und markiert einen bedeutenden Schritt hin zur vollständigen Kontrolle der eigenen Infrastruktur.

Der Chip wurde mit Unterstützung von OpenAIs eigenen KI-Modellen entwickelt. Erste Ergebnisse zeigen eine deutlich bessere Performance pro Watt im Vergleich zu aktuellen State-of-the-Art-Alternativen, obwohl OpenAI noch keine offiziellen Benchmark-Ergebnisse veröffentlicht hat. Jalapeño wird bereits in OpenAIs Laboren getestet, unter anderem mit GPT-5.3-Codex-Spark.

"Jalapeño ist Teil unserer langfristigen Full-Stack-Infrastrukturstrategie, um Compute zugänglicher zu machen — damit KI schneller, zuverlässiger und erschwinglicher für Menschen und Unternehmen wird und wichtigere Probleme gelöst werden können." — Greg Brockman, OpenAI President

Dies ist das erste Produkt einer Multi-Generation-Compute-Plattform, die später in diesem Jahr in Rechenzentren eingesetzt werden soll. Broadcoms CEO Hock Tan betonte die Skalierbarkeit der Partnerschaft: "Durch die gemeinsame Entwicklung unserer branchenführenden Siliziumlösungen direkt mit OpenAI ermöglichen wir den Einsatz von Gigawatt-Rechenzentren mit Microsoft und anderen Partnern ab 2026."

Geschäftliche Bedeutung: Custom Inference Chips wie Jalapeño signalisieren einen branchenweiten Trend: Die grossen KI-Player wechseln vom Kauf von Standardhardware zum Design ihrer eigenen Chips. Dies könnte die Inference-Kosten langfristig senken und KI für Unternehmen erschwinglicher machen. Für Organisationen, die KI-Infrastruktur bewerten, lohnt es sich, die Auswirkungen von OpenAIs Chip-Rollout auf Preise und Verfügbarkeit der API zu beobachten — dies könnte zum Wettbewerbsvorteil werden.

2. Google integriert Computer Use in Gemini 3.5 Flash

Google hat Computer Use direkt in Gemini 3.5 Flash integriert und das Modell von einem textbasierten Assistenten zu einem agentic Tool verwandelt, das in Browser-, Mobil- und Desktop-Umgebungen sehen, schliessen und handeln kann. Bisher nur als eigenständiges Modell verfügbar, ist Computer Use nun im Haupt-Gemini-Flash-Angebot integriert.

Wichtige Entwicklungen:

• Entwickler können mit der Gemini API benutzerdefinierte Agenten bauen, die mit Live-Softwareumgebungen interagieren.
• Google führt gezielte adversarial Training-Verfahren ein, um Prompt-Injection-Risiken in Live-Umgebungen zu mindern.
• Zwei optionale Enterprise-Safeguard-Systeme ermöglichen explizite Benutzerbestätigung für sensible Aktionen und automatisches Task-Stoppen bei indirekter Prompt-Injection.
• Kunden nutzen die Funktionen bereits für Continuous Software Testing und Wissensarbeit-Automatisierung.

"Mit eingebauter Computer-Use-Fähigkeit können Entwickler 3.5 Flash nun nutzen, um zuverlässig benutzerdefinierte Agenten zu erstellen, die in Browser-, Mobil- und Desktop-Umgebungen sehen, schliessen und handeln können." — Google AI Blog

Geschäftliche Bedeutung: Agentic AI, die Software für Sie bedient, bewegt sich von der Forschung in die Produktion. Für Unternehmen heisst das neue Automatisierungsmöglichkeiten für QA-Tests, Dateneingabe und anwendungsübergreifende Workflows. Die integrierten Sicherheitsfeatures sind kritisch für den Enterprise-Einsatz — bewerten Sie, ob Googles Safeguard-Systeme mit Ihrem Risikoprofil überein, bevor Sie in Produktivumgebungen einsetzen.

3. NVIDIAs 45°C Flüssigkeitskühlung — Rechenzentrum-Wasserverbrauch sinkt auf nahezu Null

NVIDIAs neues DSX AI Factory Reference Design bringt 100% flüssigkeitsgekühlte Infrastruktur mit bis zu 45°C Kühlwassertemperatur. Das System eliminiert sowohl mechanische Kühltürme als auch evaporative Wasserkühlung und bringt den Wasserverbrauch von Rechenzentren auf nahezu null.

Die Zahlen sind beeindruckend:

• Die Kühlung macht historisch bis zu 40% des Stromverbrauchs eines Rechenzentrums aus.
• Ein 50-Megawatt-Hyperscale-Rechenzentrum kann jährlich über 4 Millionen Franken an Kühlenergie- und Wasserkosten sparen.
• In günstigen Klimazonen reduziert das System den Kühlwasserverbrauch von rund 2,6 Millionen Gallonen pro Megawatt und Jahr auf nahezu null — eine Reduktion von 100%.
• Das System eliminiert Lüfter vollständig und reduziert die Lautstärke von über 85 Dezibel auf fast Null.

Die Architektur funktioniert, indem sie die Hitze direkt am Chip durch Flüssigkeitskaltplatten erfasst und durch geschlossene Kreisläufe zu aussenliegenden Dry Coolern transportiert. In vielen Klimazonen kann das Rechenzentrum die meiste Zeit des Jahres ohne mechanische Kühltürme betrieben werden.

"Mit trockenkühlerbasierten Designs ist es ein geschlossenes System ohne evaporative Wasserkühlung — abgesehen von vielleicht 1% des Jahres, wenn wir in einigen Klimazonen Kühltürme benötigen könnten." — Ali Heydari, Director of Data Center Cooling and Infrastructure, NVIDIA

Geschäftliche Bedeutung: Für Organisationen, die KI-Infrastruktur oder Rechenzentren planen, bietet NVIDIAs Flüssigkeitskühlungs-Architektur einen überzeugenden Weg, Energie- und Wasserkosten drastisch zu senken. Im Schweizer und EU-Kontext, wo Wassernutzungsvorschriften schärfer werden, könnte dies ein Compliance-Vorteil sein — neben dem Kostenvorteil. Berücksichtigen Sie die langfristigen Auswirkungen energieeffizienter KI-Infrastruktur in Ihrer Investitionsplanung.

4. GLM-5.2 — Open-Weight-Modelle nähern sich der Frontier

GLM-5.2 von Z.ai hat sich als bedeutender Meilenstein in der Open-Weight-Modell-Landschaft erwiesen. Das Modell, entwickelt von Moonshot AI und Z.ai, zeigt eine Leistung, die proprietäre Systeme von OpenAI und Anthropic bei Coding-Aufgaben und allgemeinen Agenten-Benchmarks erreicht oder übertrifft.

Wichtige Beobachtungen:

• GLM-5.2 ist das erste Open-Weight-Modell, das in Coding-Harnesses als General Agent "richtig funktioniert".
• Es erreicht auf Agenten-Leaderboards die Leistung von Opus 4.8, ohne erweiterte Denkzeit zu benötigen.
• Die 204-Tage-Lücke zwischen Claude Opus 4.5 und GLM-5.2 bestätigt den 6-9-Monate-Lag zwischen US-propriitären Laboren und chinesischen Open-Weight-Laboren.
• Community-Benchmarks zeigen GLM-5.2 im Übertrum gegenüber Gemini auf mehreren Aufgaben und sogar im Design-Benchmark über Claude Fable.

Dies folgt dem Muster, das DeepSeek R1 etabliert hat: Open-Weight-Modelle aus China erreichen Parität mit US-Frontier-Systemen. Der Unterschied jetzt: Die Lücke hat sich erheblich verengt, und die Open-Modelle liefern nicht nur Benchmarks, sondern echte Nutzanwendung.

Geschäftliche Bedeutung: Die Open-Weight-Modell-Landschaft erreicht einen Wendepunkt. Für Schweizer und EU-Organisationen, die Datenhoheit und Compliance wichtig sind, bieten GLM-5.2 und ähnliche Modelle glaubwürdige Alternativen zu US-propriitären Systemen. Die Kombination aus offenen Gewichten, starker Leistung und der Fähigkeit, auf EU-basierter Infrastruktur zu laufen, macht diese Modelle zunehmend attraktiv für regulierte Branchen. Beginnen Sie mit der Evaluation von Open-Weight-Modellen für Produktionsworkloads, bevor die Lücke weiter schliesst.

5. RubyLLM — Ein einheitliches Framework für alle KI-Anbieter

RubyLLM hat sich als poliertes Ruby-Framework etabliert, das eine einzige, konsistente Schnittstelle für alle wichtigen KI-Anbieter bietet — von OpenAI und Anthropic bis zu lokalen Ollama-Instanzen. Das Framework unterstützt Chat, Vision, Audio-Transkription, Bildgenerierung, Embeddings, Content-Moderation, Tool Calling und Agentenerstellung durch eine einheitliche API.

Wichtige Features:

• Unterstützt 800+ Modelle mit automatischer Capability-Erkennung und Preisgestaltung.
• Rails-Integration mit acts_as_chat für ActiveRecord-Modelle.
• Eingebautes Streaming, asynchrone Concurrentcy und strukturierte Ausgabe via JSON-Schemas.
• Agenten-Framework mit Tool Calling und benutzerdefinierten Anweisungen.
• Funktioniert mit OpenAI, Anthropic, Gemini, DeepSeek, Mistral, Ollama und jeder OpenAI-kompatiblen API.

Das Framework ist für Entwickler konzipiert, die Vendor-Lock-in vermeiden wollen, während sie Produktions-KI-Anwendungen bauen. Mit nur drei Abhängigkeiten (Faraday, Zeitwerk und Marcel) bietet es einen der leichtesten Ansätze für multi-provider KI-Integration.

Geschäftliche Bedeutung: Für Organisationen mit Ruby-basierten Stacks bietet RubyLLM einen sauberen Weg, mehrere KI-Anbieter zu experimentieren, ohne Code umzuschreiben. Dies ist besonders wertvoll für Schweizer Unternehmen, die Workloads je nach Datenresidenz-Anforderungen oder Kostenoptimierung zwischen Anbietern routen müssen. Die Multi-Provider-Unterstützung bedeutet, dass Sie nicht an die Preise oder Fähigkeiten eines einzelnen Anbieters gebunden sind.

6. Cloudflare öffnet Self-Managed OAuth für alle Entwickler

Cloudflare hat Self-Managed OAuth für alle Kunden freigegeben, wodurch Entwickler ihre eigenen OAuth-Clients für delegierten Zugriff auf die Cloudflare-API erstellen und verwalten können. Dies war zuvor auf eine kleine Anzahl manuell onbordeter Integrationen beschränkt.

Der Schritt adressiert einen wachsenden Bedarf im agentic AI-Zeitalter: Entwickler, die SaaS-Integrationen, interne Entwicklerplattformen und KI-Agenten-Tools bauen, benötigen standardisierte OAuth-Flows, bei denen Benutzer direkten, scoped Zugriff gewähren. Cloudflares Upgrade seines zugrunde liegenden OAuth-Engines (Hydra 2.X) brachte auch erhebliche Leistungsverbesserungen — P95-Latenz sank um 45% und der Speicherverbrauch fiel um 14%.

Geschäftliche Bedeutung: Wenn Ihre Organisation mehr KI-integrierte Tools und Drittanbieter-Integrationen aufbaut, wird standardisiertes OAuth kritisch für Sicherheit und Benutzererfahrung. Cloudflares Schritt setzt einen Präzedenzfall für das breitere Entwicklerplattform-Ökosystem. Bewerten Sie, ob Ihre aktuellen API-Zugriffsmuster von scoped OAuth-Delegation profitieren könnten, anstatt von langlebigen API-Tokens.

7. Praktische Tipps

Handlungsfeld	Praktische Strategie	Bedeutung
Custom Chip Monitoring	Verfolgen Sie OpenAI Jalapeño Deployment und Auswirkungen auf API-Preise.	Mittel
Agentic AI Evaluation	Testen Sie Gemini 3.5 Flash Computer Use für QA- und Automatisierungsworkflows.	Hoch
Infrastrukturplanung	Bewerten Sie NVIDIA Flüssigkeitskühlung für neue Rechenzentrum- oder Edge-Deployments.	Mittel
Open-Model-Strategie	Beginnen Sie mit der Evaluation von GLM-5.2 und ähnlichen Open-Weight-Modellen für Produktionsworkloads.	Hoch
Vendor-Diversifikation	Erkunden Sie RubyLLM oder ähnliche Frameworks zur Vermeidung von Vendor-Lock-in.	Mittel
OAuth-Modernisierung	Migrieren Sie von API-Tokens zu scoped OAuth für Drittanbieter-Integrationen.	Mittel

Fazit Die Entwicklungen dieser Woche zeichnen ein klares Bild: Die KI-Infrastruktur-Schicht wird von Grund auf neu aufgebaut, Schicht für Schicht. Vom eigenen Silizium bis zu flüssigkeitsgekühlten Rechenzentren, von agenticer Software-Interaktion bis zu Open-Weight-Modellen, die proprietären Systemen das Wasser abgraben — die Grundlagen der KI verschieben sich unter unseren Füssen. Für Schweizer Unternehmen ist der bedeutendste Takeaway die wachsende Verfügbarkeit souveräner, konformer und kosteneffektiver Alternativen zu US-zentrischer KI-Infrastruktur. Die Frage ist nicht mehr, ob man KI adoptiert, sondern welche Stack den spezifischen Bedürfnissen Ihrer Organisation für Leistung, Compliance und langfristige Unabhängigkeit am besten dient. Welche dieser Entwicklungen wird den grössten Einfluss auf Ihre Organisation in den kommenden Monaten haben?