The Batch n°350 — How Coding Agents Accelerate Different Types of Software Work (Andrew Ng) + GLM-5.1, Digit chez Schaeffler, anti-data-center revolt, assistant axis

Kernpunkte

1. Ausgabe 350 von The Batch. , veröffentlicht am 24. April 2026, ~15 Minuten Lesezeit, Editorial von Andrew Ng.
2. Beschleunigungshierarchie für Coding-Agenten. (von der stärksten bis zur schwächsten Beschleunigung): 1. Frontend — „Coding-Agenten beherrschen gängige Frontend-Sprachen wie TypeScript und JavaScript". Autonome Agent-Browser-Schleife (der Agent testet seine Ausgaben im Browser und iteriert). Ist das Design spezifiziert, geht die Umsetzung schnell. 2. Backend — moderate Beschleunigung. Der Entwickler muss das Modell durch Grenzfälle, Sicherheitsaspekte und Datenbankmigrationen führen. Subtile Bugs + Folgewirkungen = erfahrene menschliche Aufsicht erforderlich. 3. Infrastruktur — die schwächste Beschleunigung. LLMs verfügen nur über „relativ begrenzte" Kenntnisse der Infrastruktur-Komplexität und ihrer Abwägungen. Testen, Experimentieren und das Debuggen von Netzwerkfehlkonfigurationen erfordern tiefgehende Ingenieurexpertise, die über die derzeitigen Fähigkeiten von Agenten hinausgeht. 4. Forschung — minimale Beschleunigung trotz der codebezogenen Fortschritte. Agenten beschleunigen die Codegenerierung und die Orchestrierung von Experimenten, doch die konzeptionelle Arbeit (Hypothesenbildung, Interpretation, Iteration) bleibt menschlich.
3. Erkenntnis für das Management. „Das Verständnis dieser Unterschiede hilft Organisationen, Erwartungen und Teamorganisation an den Fähigkeiten der KI auszurichten."
4. Gegenlesen mit Karpathy. (Fiche [karpathy-vibe-coding-agentic-engineering-software-3-0-2026-04-29](karpathy-vibe-coding-agentic-engineering-software-3-0-2026-04-29.md)): Ng schlägt eine Hierarchie nach Domäne vor, Karpathy eine Erklärung nach Verifizierbarkeit — Domänen mit starkem Verifikationssignal (visuelles Rendering im Frontend, Mathematik/Code) liegen vorn; unscharfe Domänen (Infrastruktur, konzeptionelle Forschung) hinken hinterher. Beide Rahmenwerke sind kongruent. ### Nachricht 1 — GLM-5.1 (Z.ai): 8-Stunden-Autonom-Agent
5. Architektur. MoE, 754B Parameter insgesamt, 40B aktiv pro Token.
6. Kontext. 200.000 Token Input, 128.000 Output.
7. Lizenz. MIT, offene Gewichte (HuggingFace).
8. API-Preise. 1,40 $ / 0,26 $ (gecacht) / 4,40 $ pro Million Token (Input/gecacht/Output).
9. Besonderes Merkmal. hält eine einzelne Aufgabe autonom bis zu 8 Stunden lang durch, mit einer Plan→Execute→Evaluate-Schleife und adaptivem Abbruch nach Hunderten von Tool-Aufrufen, falls der Ansatz scheitert (statt vorzeitig abzubrechen).
10. Leistung. Spitzenreiter bei SWE-Bench Pro mit 58,4 % (gegenüber 54–57 % bei der Konkurrenz); 3. Platz bei Arena Code (1530 Elo); Bestwert bei CyberGym mit 68,7; liegt bei GPQA Diamond mit 86,2 % gegenüber 94,3 % bei Gemini 3.1 zurück.
11. Markt. Z.ai hat seine API-Preise um ~40 % angehoben und die Kosten seines Coding-Abonnements verdoppelt — was den Wettbewerbsabstand zu proprietären Angeboten verringert. ### Nachricht 2 — Digit (Agility Robotics) auf der Produktionslinie von Schaeffler
12. Erster operativer Einsatz. von Humanoiden in der Industrie (South Carolina, Autoteile).
13. Digit-Spezifikationen. 1,75 m, 65 kg, zweibeinige Beine mit invertiertem Knie, 4-Finger-Greifer, RGB-Tiefensensoren + LiDAR + IMU.
14. Betriebsablauf. zwei 4-Stunden-Schichten mit Aufladen dazwischen; Aufgaben werden als Workflows spezifiziert (nicht als direkte Motorbefehle) — Behältertransfer.
15. Wirtschaftlichkeit. Agility beziffert die Betriebskosten auf 10–25 $/h gegenüber ~20 $/h für eine Einstiegsposition mit menschlicher Arbeitskraft. Schaeffler plant bis 2030 Hunderte von Einsätzen in den USA und Europa.
16. Globaler Kontext. ~200 Humanoide in Fabriken im Jahr 2026; McKinsey-Prognose: 5 Millionen bis 2040.
17. Beschäftigungseffekt. Untersuchungen deuten auf eine Umstrukturierung statt Wegfall hin — Aufstieg in Aufsichtsfunktionen. ### Nachricht 3 — Anti-Rechenzentren-Revolte
18. Umfang. ~64 Mrd. $ an Rechenzentrumsprojekten wurden zwischen Mai 2024 und März 2025 blockiert oder verzögert.
19. Gesetzgebung. Maine — Moratorium für Anlagen ab 20 MW bis 2027 (Gesetz wartet auf die Unterschrift des Gouverneurs). Wisconsin (Port Washington) — erstes US-Referendum, das eine Volksabstimmung über Steueranreize für Megaprojekte vorschreibt. Missouri (Festus) — Wähler wählten Stadtratsmitglieder ab, die ein Rechenzentrum im Wert von 6 Mrd. $ genehmigt hatten. Ohio — vorgeschlagene Verfassungsänderung, die Anlagen ab 25 MW verbietet.
20. Beschwerden. Belastung des Stromnetzes, steigende Energiepreise für Haushalte, Wasserverbrauch, Lärmbelästigung, Auswirkungen auf die Nachbarschaft, ökologischer Fußabdruck.
21. Gewaltsame Vorfälle. (1) Molotow-Cocktail, geworfen auf das Haus von Sam Altman in San Francisco; (2) Schüsse auf die Residenz eines Stadtratsmitglieds in Indianapolis, das ein Rechenzentrum im Wert von 500 Mio. $ unterstützt hatte.
22. Technische Abhilfemaßnahmen. wassereffiziente Kühlung im geschlossenen Kreislauf; wachsende private netzunabhängige Stromerzeugung.
23. Strategisches Spannungsfeld. Technologieunternehmen betrachten das Rechenzentrum als Infrastruktur für KI-Souveränität gegenüber China — daher die rasche Expansion trotz lokalen Widerstands. ### Nachricht 4 — „Assistant Axis" (Christina Lu, MATS / Oxford / Anthropic)
24. Problem. Als Assistenten trainierte LLMs erfahren in langen oder emotional aufgeladenen Gesprächen eine Persona-Drift — sie nehmen abweichende Eigenschaften an.
25. Lösung. eine „Assistant Axis" = ein aus den Ausgaben der Schichten abgeleiteter Vektor, der die Treue zur trainierten Assistenten-Persona misst. Ermöglicht sowohl die Erkennung ALS AUCH die Korrektur der Drift.
26. Methodik. 1.200 charakterprüfende Fragen + 1.375 alternative System-Prompts; Messungen an Gemma 2 27B / Qwen3 32B / Llama 3.3 70B; „Activation Capping" = Begrenzung der Ausgaben auf die Parameter der Assistenten-Persona zur Inferenzzeit.
27. Jailbreak-Ergebnisse.
28. Qwen3 32B: schädliche Antworten 83 % → 41 %
29. Llama 3.3 70B: schädliche Antworten 65 % → 33 %
30. Erhalt der Leistungsfähigkeit. IFEval, GSM8k, MMLU-Pro, EQ-Bench stabil oder verbessert — die verstärkte Ausrichtung (Alignment) beeinträchtigt die Fähigkeiten nicht.
31. Beispiel für die Wirkung. ein Gespräch mit 30 Gesprächsrunden über suizidale Gedanken — das unveränderte Modell driftet in einen unangemessenen Tonfall ab; die gecappte Version wahrt therapeutische Grenzen + einfühlsame Anleitung.
32. Implikation. ein praktisches, leichtgewichtiges Mittel zur Stabilisierung der Persona ohne Retraining — angrenzend an Anthropics Arbeit zum Character Training (vgl. [anthropic-measuring-political-bias-claude-2025-11-13](../2025-11/anthropic-measuring-political-bias-claude-2025-11-13.md)).