KI-Radar — 19. April 2026
KI-generiert aus der täglichen Marktbeobachtung. Redaktionell kuratiert, aber nicht Satz-für-Satz lektoriert — zur Orientierung gedacht, nicht als zitierfähige Quelle.
Meta macht den Tausch von Belegschaft gegen Compute offen, Anthropic verhandelt aus einer geopolitischen Zwickmühle, OpenAI verliert Führung — und eine neue Kausalstudie stellt naive Produktivitätsprogramme infrage.
Compute wird direkt gegen Belegschaft budgetiert
Meta plant für den 20. Mai 2026 rund 8.000 Entlassungen, etwa 10% der Belegschaft, mit einer möglichen zweiten Welle und insgesamt mehr als 20% Stellenabbau. Entscheidend ist die Begründung: KI-Infrastrukturausgaben sollen finanziert werden; Boards bekommen damit einen sichtbaren Präzedenzfall für die direkte Umwidmung von Personalkosten in Compute.
Mythos macht Anthropic zur geopolitischen Beschaffungsfrage
Dario Amodei traf Trump-Stabschefin Susie Wiles, um den seit Februar bestehenden Pentagon-Bann gegen Anthropic zu lösen; parallel verhandelt die EU über Zugriff auf Mythos. Anthropic ist damit in kritischen Einsatzbereichen nicht nur Modellanbieter, sondern Vendor mit Regierungsrisiko, Sicherheitsfreigaben und Souveränitätsfragen im gleichen Paket.
OpenAI muss Produktdruck und Governance-Druck gleichzeitig lösen
OpenAI verliert drei Führungskräfte während einer Restrukturierung, während Aktionäre laut WSJ Sam Altmans IPO-Fähigkeit bei einer Zielbewertung von rund 850 Mrd. USD hinterfragen. Gleichzeitig startet Codex als always-on Coding-Agent mit Background Computer Use, mehr als 90 Plugins und wochenlanger Autonomie; Vendor-Evaluierungen sollten Produktleistung und Organisationsstabilität gemeinsam prüfen.
Vertikale Foundation Models werden zum ersten Testfall in Life Sciences
GPT-Rosalind erreicht auf BixBench 0,751 und ist auf Life-Sciences-Reasoning statt allgemeine Assistenz optimiert; Zugang gibt es nur über ein Trusted Access Program für qualifizierte US-Enterprise-Kunden. Pharma-, Biotech- und Healthcare-Entscheider sollten horizontale Frontier-Modelle nicht automatisch als Startpunkt setzen, sondern vertikale Modelle als eigene Evaluierungslinie behandeln.
Kurze KI-Nutzung kann Problemlösefähigkeit messbar schwächen
Eine großangelegte US/UK-Kausalstudie zeigt, dass bereits 10 bis 15 Minuten KI-Nutzung als Antwortmaschine die Problemlösefähigkeit und Ausdauer bei anschließenden Aufgaben ohne KI reduzieren; direkte Antwortnutzer mit 61% Anteil zahlen den höchsten Preis. KI-Programme brauchen deshalb nicht nur Rollout-Quoten, sondern Trainingsdesigns, die eigenständiges Denken bewusst erhalten.