Der KI-Rückblick: Metas zahlender Agent, Fermat in Lean und Nvidias Milliardenkauf

Diese Sendung ist KI-generiert, Stimme und Bild. Wir fangen bei einem Agenten an, der nicht mehr nur sucht und vorschlägt, sondern Ihre Reise bucht und die Rechnung gleich selbst bezahlt.

Meta hat am achten September 2026 einen KI-Agenten namens Muse vorgestellt. Muse bucht Reisen, füllt Formulare aus und schließt Zahlungen ab, angebunden über den Bezahldienst Stripe. Der Agent arbeitet nach Angaben von Meta in einer abgeschotteten virtuellen Maschine. Es gibt eine kostenlose Stufe und zwei kostenpflichtige, zu 20 und zu 100 US-Dollar im Monat. Wichtig ist das, weil ein Assistent hier nicht mehr nur Vorschläge macht, sondern Geld ausgibt. Wer Muse nutzt, gibt Zahlungsdaten und Kontozugänge an ein Unternehmen weiter, das eine lange Datenschutzakte mit sich trägt. Die abgeschottete Maschine ist Metas Antwort darauf. Belegt ist diese Antwort bisher nur durch Meta selbst.

Ein internes Forschungsmodell von Anthropic hat den Beweis von Andrew Wiles zu Fermats letztem Satz vollständig in die Beweissprache Lean übertragen. Das Modell brauchte dafür elf Tage und schrieb 13 Millionen Zeilen Code. Geprüft hat das Ergebnis der Mathematiker Kevin Buzzard vom Imperial College. Damit kann ein Computer jeden einzelnen Schritt dieses Beweises nachrechnen. Wichtig ist das, weil maschinelle Prüfung bisher an der schieren Länge solcher Beweise scheiterte. Wenn ein Modell diese Übersetzungsarbeit in elf Tagen erledigt, rückt geprüfte Mathematik in eine andere Größenordnung. Belegt ist der Lauf bisher durch Anthropic selbst und durch das Urteil von Kevin Buzzard.

Ein KI-System der amerikanischen Sicherheitsfirma Calif hat in der Telefonie von WeChat einen Speicherfehler gefunden. Die Schwachstelle sitzt in der VoIP-Architektur. Über sie hätte sich ein Wurm von Kontakt zu Kontakt weiterbewegen können, ohne dass ein Nutzer irgendetwas antippt. Aus dem Fund baute dasselbe System in zwei Tagen einen funktionierenden Exploit. Tencent hat die Lücke am 21. August 2026 geschlossen. Wichtig ist der Fall, weil Fund und Angriff aus derselben Maschine kamen. Und weil ein Angriff ohne jede Nutzeraktion dem Nutzer nichts mehr zu entscheiden lässt. Wer nichts antippen muss, kann sich auch nicht falsch verhalten. Der Schutz hängt dann allein daran, wie schnell der Hersteller die Lücke schließt.

Im August 2026 sind im amerikanischen IT- und Finanzsektor 34.000 Stellen weggefallen. Die Zahl stammt vom deutschen Fachdienst Golem, und der Bericht nennt den KI-Boom als treibende Kraft hinter einem Abbau, der sich beschleunigt. Wie genau gemessen wurde, sagt der Bericht nicht. Das ist der Haken an dieser Meldung. Eine runde Zahl ohne offengelegte Methode lässt sich weder nachprüfen noch fortschreiben. Wichtig ist sie trotzdem, weil sie zwei Branchen trifft, die lange als sicher galten. Wer dort arbeitet, sollte die Richtung ernst nehmen und diese eine Zahl dennoch nicht für gesichert halten.

Auf der Konferenz QCon AI hat Zhou Yu von der Columbia University erklärt, warum 95 Prozent der KI-Agenten in der Demo-Phase stecken bleiben. Sein Befund: Statische Benchmarks prüfen eine einzelne Frage und eine einzelne Antwort. Ein Agent, der bucht, nachfragt und korrigiert, führt aber ein Gespräch über viele Runden. Die Antwort von Zhou Yu sind simulierte Nutzer. Synthetische Nutzerprofile treiben den Agenten durch mehrstufige Dialoge, Entropie-Metriken messen, wie stark die Antworten streuen, und das Ganze läuft in der CI/CD-Pipeline mit, bevor ein echter Kunde damit spricht. Wichtig ist das für jeden, der solche Agenten einkauft. Eine überzeugende Demo sagt nach dieser Rechnung fast nichts darüber, ob das System im Alltag durchhält.

In einem Test von OpenAI und Legora hat das Modell GPT-6 Astra 41 Finanzdokumente in Minuten durchgesehen. In den Unterlagen steckten vier absichtlich eingebaute Fehler. Das Modell fand alle vier. Die Leistung stieg dabei um knapp 40 Prozent. Wichtig ist das, weil das Prüfen von Finanzunterlagen bisher Stunden dauert und der Test diese Zeit auf Minuten drückt. Ein Vorbehalt gehört dazu. Die Zahlen stammen aus dem Test von OpenAI und Legora selbst, eine unabhängige Wiederholung steht aus. Bis dahin ist das ein starker Hinweis und kein Beleg.

Nvidia übernimmt Hugging Face und zahlt dafür 12,93 Milliarden Dollar. Auf der Plattform liegen drei Millionen Modelle. Firmenchef Jensen Huang sagt zu, dass sie für Beschleuniger anderer Hersteller offen bleibt. Abgeschlossen werden soll der Kauf in der ersten Hälfte von 2027. Wichtig ist das, weil damit der Ablageort der offenen Modelle dem Unternehmen gehört, das auch die Chips verkauft, auf denen diese Modelle laufen. Die Zusage von Jensen Huang ist deshalb genau der Satz, an dem sich dieser Kauf messen lassen muss. Bis zum Abschluss vergehen noch Monate, und bis dahin ändert sich für Entwickler nichts.

Google hat am zweiten September 2026 zwei Modelle veröffentlicht. Gemini 3.8 Flash ist für allgemeine Aufgaben gedacht, für Textarbeit und für Programmieren. Daneben steht Gemini 3.8 Flash Cyber, eine auf Sicherheit getrimmte Variante. Die bekommt nicht jeder. Zugang gibt es nur für geprüfte Verteidiger über das Fairwind-Programm. Der Preis für das allgemeine Modell liegt vorerst bei 0,75 Dollar je Million Eingabe-Token. Wichtig ist die Trennung, weil dasselbe Können in beide Richtungen wirkt. Ein Modell, das Angriffe versteht, wird hier bewusst nicht an jeden ausgegeben. Der Fund bei WeChat, von dem wir eben gesprochen haben, zeigt, worum es dabei geht.

Anthropic verschiebt den Börsengang. Nach Angaben von Insidern, auf die sich Reuters beruft, beginnt das Werben um Investoren frühestens Mitte Oktober. Der Börsenprospekt soll erst Ende September erscheinen. Damit fiele das Debüt an der Börse nur wenige Tage vor die Kongresswahlen in den USA im November. Wichtig ist das aus zwei Gründen. Ein Börsengang zwingt ein KI-Unternehmen zu regelmäßigen, geprüften Zahlen, und bisher kennen wir von dieser Branche vor allem das, was sie selbst mitteilt. Und der neue Zeitplan schiebt das Debüt dicht an die Wahl heran, also in eine Woche, in der die Aufmerksamkeit woanders liegt.

Die Quellen zu allen Meldungen stehen unter den jeweiligen Artikeln auf ai-in-life.com. Nächste Woche gibt es den nächsten Rückblick.