KI-Radar — 22. April 2026
KI-generiert aus der täglichen Marktbeobachtung. Redaktionell kuratiert, aber nicht Satz-für-Satz lektoriert — zur Orientierung gedacht, nicht als zitierfähige Quelle.
Amazons $33-Mrd.-Wette auf Anthropic legt die Finanzierungslogik der KI-Branche offen, Google reorganisiert sich strukturell um seine Coding-Schwäche, und chinesische Open-Source-Modelle zeigen wettbewerbsfähige Stärke bei messbarer Sicherheitslücke — während Salesforce belegt, dass technische Reife und Business-Adoption zwei verschiedene Uhren sind.
KI-Finanzierung dreht sich im Kreis: Provider finanziert den Verbrauch seines eigenen Angebots
Amazon erhöht die Gesamtinvestition in Anthropic auf $33 Mrd.; Anthropic verpflichtet sich im Gegenzug zu $100 Mrd. AWS-Ausgaben über 10 Jahre. Bis Ende 2026 soll fast 1 GW Inferenz-Kapazität via Trainium2/3 online gehen, >100.000 Kunden nutzen Claude bereits via Amazon Bedrock. Provider, die den Verbrauch ihres eigenen Infrastrukturangebots mitfinanzieren, stehen unter Rentabilitätsdruck. Enterprise-Kunden mit Anthropic-Abhängigkeit sollten Preisanpassungen in laufende Vertragsverhandlungen einrechnen.
Google reorganisiert sich strukturell um seine Coding-Schwäche
Sergey Brin und CTO Kavukcuoglu führen persönlich ein neues Elite-Coding-Team; ein internes Assessment bestätigt Anthropics Vorsprung bei komplexen Coding-Tasks. Intern formuliert Brin: „To win the final sprint, we must urgently bridge the gap in agentic execution." Gemini-basierte Entwicklungs-Roadmaps brauchen externe Benchmark-Validierungen; was Google nach außen kommuniziert und was das interne Assessment zeigt, divergiert messbar.
15 Prozent Adoption nach einem Jahr markiert die echte Enterprise-Hürde
Salesforce Agentforce haben 23.000 von 150.000 Kunden (15,3%) nach über einem Jahr adoptiert. Die neue Metrik „Agentic Work Unit" zählt 2,4 Mrd. Einheiten, erstmals gemessen; ein historischer Vergleichswert fehlt, Benchmarking bleibt unmöglich. Agentic-AI-Projekte, die auf Anbieterzahlen ohne Adoption-Rate basieren, unterschätzen den internen Change-Aufwand systematisch.
Chinesische Open-Source-Modelle: wettbewerbsfähig bei messbarer Sicherheitslücke
Kimi K2.6 (Moonshot AI) konkurriert mit GPT-5.4 und Claude Opus 4.6 in Agentic Tasks und ist unter Modified-MIT-Lizenz bis 100 Mio. MAU frei nutzbar. Eine unabhängige Sicherheitsstudie zeigt gleichzeitig: K2.5 lässt sich mit unter $500 in 10 Stunden von CBRN-sicherem Verhalten auf 5% HarmBench-Refusal reduzieren. Open-Source-LLM-Evaluierungen ohne Safety-Komponente sind unvollständig; Safety-Testing gehört als Pflichtbestandteil in jede Beschaffungsentscheidung.
Google Deep Research Max macht Research-Automatisierung zur Enterprise-Kategorie
Google lanciert Deep Research Max auf Basis Gemini 3.1 Pro: autonomer Forschungs-Agent für asynchrone Enterprise-Workflows mit MCP-Support für proprietäre Datenquellen und nativer Chart-Generierung. Finanz-, Life-Science- und Marktforschungsunternehmen haben damit erstmals einen produktionsfähigen Konkurrenten zu proprietären Analyse-Workflows. MCP-Integration für externe Datenquellen ist das entscheidende neue Element gegenüber früheren Research-Produkten dieser Kategorie.