Die heutigen Geschichten kreisen um eine unbequeme Wahrheit: Leistungsfähigkeit ohne Leitplanken verschiebt das Problem nur nach hinten. OpenAI gibt ChatGPT einen Browser, ein Dateisystem und internetfähige Code-Ausführung, und stellt damit still das Rezept für ein Prompt-Injection-Desaster zusammen. Das Linux-Kernel-Projekt misst in CPU-Kernen, was KI-Scraping es heute kostet. Ein jahrelanger Forschungsstrang macht Diffusion endlich zur praktischen Alternative für das Erzeugen von Text und Code. Ein 25 Jahre altes Open-Source-Betriebssystem bringt ein seltenes Release. Und ein Ingenieur zeigt, wie viel man mit fast keinem Strom noch erreichen kann. Hier ist, was geschah, und was zu tun ist.
1. ChatGPT Work wird ein echter Agent, mit echtem Risiko
ChatGPT Work von OpenAI ist laut Simon Willisons sorgfältiger Analyse faktisch zwei Produkte: ein lokaler Datei- und Programm-Ausführer und eine weit interessantere Cloud-Variante. Letztere ist ein echter Agent. Sie betreibt eine Code-Ausführungsumgebung mit offenem Internetzugang, steuert ein vollständiges Headless-Chrome, das Formulare ausfüllt und das DOM liest, führt ein sitzungsübergreifend persistentes Dateisystem, veröffentlicht Websites auf Cloudflare und startet Sub-Agenten. Das geht deutlich über das bewusst eng gehaltene «Code Interpreter»-Muster der Wettbewerber hinaus.
"ChatGPT Work vereint alle drei! ... Zugang zu privaten Daten, Kontakt mit nicht vertrauenswürdigen Inhalten und einen Weg, gestohlene Informationen an einen Angreifer zurückzuspielen." — Simon Willison, zu seinem Risikomodell der «tödlichen Trias»
Diese Warnung ist die Kernbotschaft für jeden, der das im Unternehmen einsetzt. Ein Agent, der Ihre privaten Daten liest, von Angreifern kontrollierte Webseiten besucht und anschliessend Daten nach aussen sendet, ist die Musterkonfiguration für Prompt-Injection-Exfiltration. Willison merkt zudem an, dass das Produkt bewusst unübersichtlich sei: OpenAI beschreibt es über den Zweck statt über die Funktion und verbirgt weiterhin System-Prompt und Werkzeugdefinitionen, sodass das Verständnis der echten Fähigkeiten viel Experimentieren erforderte.
Bedeutung für Ihr Unternehmen: Behandeln Sie internetfähige KI-Agenten als eine neue Klasse privilegierter Software, nicht als klügeren Chatbot. Bevor jemand ChatGPT Work auf Firmendaten ansetzt, legen Sie fest, welche Domains erreichbar sein dürfen (die Voreinstellung ist offen), halten Sie Sitzungen mit privaten Daten von nicht vertrauenswürdigen Webinhalten fern und gehen Sie davon aus, dass jede gelesene Seite feindliche Anweisungen enthalten könnte. Der Produktivitätsgewinn ist real, doch die «tödliche Trias» gehört jetzt auf Ihre Sicherheits-Checkliste, nicht in die Theorie.
Quellen: Understanding ChatGPT Work (simonwillison.net) · Hacker-News-Diskussion
2. KI-Crawler saugen kernel.org aus
Ein kernel.org-Maintainer belegte mit harten Zahlen ein Problem, das viele Website-Betreiber spüren, aber nicht beziffern können: KI-Scraper dominieren inzwischen den Verkehr. Auf git.kernel.org fordern rund 6 Millionen Anfragen pro Tag zufällige Commits an, und nach aggressiver Filterung gelten nur etwa 2 % des Verkehrs als legitim. Am schlimmsten: Die Bots wählen die verschwenderischste Methode überhaupt und rendern jeden Commit einzeln als HTML über 922 Linux-Forks hinweg, statt das Repository einfach einmal zu klonen.
"Zu jedem Zeitpunkt tun über 5 geografisch verteilte Knoten hinweg 14 CPU-Kerne nichts anderes, als Git-Commits als HTML zu rendern." — kernel.org-Maintainer
Das Wettrüsten ist ernüchternd. User-Agent-Sperren versagten, als Bots Browser vortäuschten; IP- und ASN-Sperren versagten, als sie über Millionen Privat- und Mobil-IPs ausschwärmten, dank «Proxy-SDK-Monetarisierung», die in Consumer-Apps und sogar Fernsehern steckt. Selbst Proof-of-Work-Hürden (Anubis) wirkten nur kurz; ein Drittel der Bots löst heute das Schwierigkeitsgrad-5-Rätsel und kommt durch. Die Reaktion des Projekts: Funktionen abschalten und teure Aktionen sperren, was das anonyme Erlebnis für alle verschlechtert.
Bedeutung für Ihr Unternehmen: Wenn Sie eine öffentliche Website mit vielen crawlbaren URLs betreiben (Dokumentation, Kataloge, Git, Archive), kalkulieren Sie Scraper-Last als dauerhafte Kosten, nicht als Ausreisser. Prüfen Sie, wie viele «gültige URLs» Sie freilegen (Diffs, Filter, Einzeldarstellungen vervielfachen sich rasch), cachen Sie aggressiv und erwägen Sie Proof-of-Work oder Rate-Limits, bevor Ihre Kapazität kippt, nicht danach. Und beachten Sie die unbequeme Kehrseite: Bindet Ihr eigenes Produkt Proxy-SDKs zur Monetarisierung ein, könnten Sie Teil der Angriffsfläche eines anderen sein.
Quellen: Creepy Crawlies (people.kernel.org) · Hacker-News-Diskussion
3. Diffusions-Sprachmodelle werden erwachsen
Eine ausführliche Einführung der Kuleshov-Gruppe an der Cornell-Universität zeigt, wie Diffusion, die Technik hinter modernen Bildgeneratoren, zu einem praktischen Weg wird, Text und Code zu erzeugen. Statt Token für Token von links nach rechts zu schreiben, erzeugt ein Diffusions-LLM die ganze Sequenz auf einmal und verfeinert sie iterativ. Das ermöglicht drei Dinge, mit denen autoregressive Modelle ringen: Fehlerkorrektur (ein falsches Token lässt sich später korrigieren), Tempo durch parallele Erzeugung und beidseitigen Kontext in jedem Schritt.
"Weil Diffusion pro Schritt mehrere Token erzeugen oder verfeinern kann, ist sie 5- bis 10-mal schneller als autoregressive Erzeugung." — Kuleshov-Gruppe, «How to build a diffusion language model»
Das ist längst keine Theorie mehr. Der Beitrag dokumentiert produktionsreife Veröffentlichungen quer durch die Branche, vom kommerziellen Mercury 2 von Inception Labs (über 1'000 Token pro Sekunde je Nutzer auf Standard-GPUs) bis zu Open-Weight-Familien wie LLaDA, Googles Gemma Diffusion und NVIDIAs Nemotron Diffusion, das bis zu achtmal den Durchsatz vergleichbarer autoregressiver Modelle meldet und dabei den grössten Teil der Qualität hält. Derselbe Ansatz treibt auch wissenschaftliche Arbeit im Protein- und DNA-Design, wo steuerbare Erzeugung eine natürliche Stärke ist.
Bedeutung für Ihr Unternehmen: Wenn Ihre KI-Kosten von Inferenz-Latenz oder Token-Preis bestimmt werden, ist ein Diffusionsmodell einen Pilotversuch wert. Die 5- bis 10-fachen Geschwindigkeitsgewinne zahlen sich am stärksten bei durchsatzstarken Aufgaben aus, etwa Massen-Codegenerierung, Autovervollständigung oder Echtzeit-Assistenten. Viele laufen auf Standard-GPUs statt auf Spezialchips, und Open-Weight-Optionen erlauben Self-Hosting, was bei Schweizer oder EU-Datenresidenzvorgaben zählt. Halten Sie Ihren Stack modellunabhängig, damit Sie ein Diffusionsmodell ohne Neubau gegen Ihr aktuelles autoregressives testen können.
Quellen: How to build a diffusion language model (kuleshov-group.github.io) · Hacker-News-Diskussion
4. Haiku R1/beta6: Ein seltenes Signal aus der Open-Source-OS-Welt
Haiku, der quelloffene geistige Nachfolger von BeOS, hat R1/beta6 veröffentlicht, sein erstes Beta seit rund zwei Jahren und kurz nach dem 25. Geburtstag des Projekts. Marktwirtschaftlich ist es ein kleines Release, doch bedeutsam in dem, wofür es steht: ein vollständig unabhängiges, von der Community gebautes Desktop-Betriebssystem, das auch nach Jahrzehnten noch ausgereifte Versionen liefert, transparent von einer Non-Profit finanziert und mit Studierendenförderung über Google Summer of Code.
"Rund zwei Jahre nach dem letzten Beta und nur etwa eine Woche nach Haikus 25. Geburtstag ist Haiku R1/beta6 erschienen!" — Haiku-Projekt
Die Geschichte zählt weniger als Produkt, das Sie einsetzen werden, denn als Datenpunkt zu Langlebigkeit und Unabhängigkeit von Software. In einer Zeit, in der die meiste Datenverarbeitung durch eine Handvoll Anbieter und deren Cloud-Dienste läuft, erinnert ein beständiges, selbstverwaltetes OS-Projekt daran, dass Alternativen mit Community-Einsatz, klarer Governance und geduldiger Pflege überleben können, statt mit Risikokapital und Wachstumszielen.
Bedeutung für Ihr Unternehmen: Sie werden Haiku kaum produktiv einsetzen, doch die Lehre lässt sich verallgemeinern. Wenn Sie grundlegende Software wählen, gewichten Sie Governance und Langlebigkeit, nicht nur Funktionen: Wer finanziert sie, wie werden Entscheidungen getroffen, und kann sie einen einzelnen Sponsor überdauern? Derselbe Instinkt, der Haiku bewundernswert macht, Unabhängigkeit vom Schicksal eines einzelnen Anbieters, sollte Ihre Wahl bei den Plattformen leiten, von denen Sie tatsächlich abhängen.
Quellen: Haiku R1/beta6 has been released (haiku-os.org) · Hacker-News-Diskussion
5. Eine NFC-Visitenkarte, die vom Feld Ihres Smartphones lebt
Ein Ingenieur baute eine kreditkartendünne PCB-Visitenkarte ohne Batterie: an ein Smartphone gehalten, spielen 21 LEDs eine Animation, allein aus dem NFC-Feld des Telefons gespeist. Mit einem NXP-NTAG-I2C-Plus-Chip, der überschüssige Energie erntet, einem ATtiny816-Mikrocontroller und Charlieplexing, um 20 LEDs über sechs Pins anzusteuern, ist die Karte vollständig RoHS-konform, professionell bestückt und in Stückzahl günstig genug, um sie grosszügig zu verteilen.
"Einzeln ist an diesem Projekt nichts neu ... Soweit ich sehe, hat aber noch niemand alles in ein ästhetisch ansprechendes Paket kombiniert." — Wilson Harper
Über den Gadget-Reiz hinaus ist es eine schöne Fallstudie in pragmatischer Hardware. Der Macher lernte KiCad von Grund auf, nutzte ein LLM, um ein Skript für eine rechteckige Spiralantenne zu erzeugen, das kein Plug-in bot, gab die Bestückung an einen Fertiger für bleifreie Präzision, und umging Datenblatt-Grenzen mit einer kleinen MOSFET-und-Kondensator-Schaltung. Es erinnert daran, dass Energy-Harvesting-Designs mit dem winzigen Strombudget eines NFC-Felds erstaunlich viel leisten können.
Bedeutung für Ihr Unternehmen: Batterielose Energy-Harvesting-Elektronik ist still praxistauglich für stromarme Anwendungen mit hoher Stückzahl: intelligente Etiketten, Zugangstoken, Manipulationsanzeigen, Werbeobjekte. Wenn Sie physische Produkte herstellen oder spezifizieren, lohnt die Frage, wo ein passives NFC-Element eine Batterie, einen QR-Aufkleber oder eine gedruckte Karte ersetzen könnte, und so Kosten, Elektroschrott und Wartung senkt. Und der Arbeitsablauf selbst, eine motivierte Person plus Fertiger und LLM, zeigt, wie niedrig die Hürde für eine massgeschneiderte Kleinserie geworden ist.
Quellen: NFC Energy-Harvesting PCB Business Card (wilsonharper.net) · Hacker-News-Diskussion
Praktische Erkenntnisse
| Thema | Umsetzbare Erkenntnis |
|---|---|
| ChatGPT-Work-Agent | Behandeln Sie internetfähige Agenten als privilegierte Software; sperren Sie erreichbare Domains und halten Sie private Daten von nicht vertrauenswürdigen Webinhalten fern. |
| KI-Crawler | Kalkulieren Sie Scraper-Last als dauerhafte Kosten; prüfen Sie crawlbare URLs, cachen Sie hart und sperren Sie teure Endpunkte, bevor die Kapazität kippt. |
| Diffusions-LLMs | Testen Sie ein Diffusionsmodell für latenz- oder kostengetriebene Lasten; 5- bis 10-fache Geschwindigkeit auf Standard-GPUs, mit self-hostbaren Open Weights. |
| Haiku beta6 | Gewichten Sie Governance und Langlebigkeit, nicht nur Funktionen, wenn Sie grundlegende Software für Jahre wählen. |
| NFC-Karte | Fragen Sie, wo ein batterieloses NFC-Element eine Batterie oder gedruckte Karte in Ihren physischen Produkten ersetzen könnte. |
Fazit
Der rote Faden heute: Leistung ist leicht, Zurückhaltung ist schwer. Ein Agent, der alles kann, ist auch ein Agent, der zu allem verleitet werden kann; eine Website, die alles teilt, wird in Grund und Boden gescrapt; selbst ein cleverer Chip-Trick verlagert die Kosten nur woandershin. Erfolgreich werden jene Organisationen sein, die neue Fähigkeiten mit bewussten Grenzen verbinden, beim Zugang, bei der Exposition, bei den Kosten. Wo in Ihrem Unternehmen haben Sie zuletzt Leistungsfähigkeit hinzugefügt, ohne zu fragen, welches neue Risiko gleich mitkam?