thekb.eu — Produkte & Dienstleistungen

Designing AI with character: what we learned building Berd

Tue, 18 Aug 2026 00:00:00 GMT

Unternehmensblogbeitrag von **Block** (`block.xyz/inside`), **nicht namentlich gezeichnet**, veröffentlicht am **18. August 2026**, der **die Open-Source-Stellung von Berd** ankündigt und die Designthese darlegt, die sie geleitet hat. **Was Berd ist.** *"Berd is a desktop application our teams use to work with AI agents across projects, skills, tools, and models."* Entstanden aus einem internen Problem: Block hatte Zugang zu leistungsfähigen Agenten — **goose**, **Claude Code**, **Codex** — aber jeder brachte *"different interfaces, configuration systems, and ways of managing context"* mit sich. Die gezogene Schlussfolgerung: *"we didn't need another model or agent harness, **we needed a consistent environment around them**"*. Berd bringt Unterhaltungen, Dateien, Ordner, Anweisungen, Agenten und Skills rund um **persistente Projekte** zusammen, um zu verhindern, dass der Kontext für jede Aufgabe neu aufgebaut werden muss. **Die Designthese.** Agenten **Charakter** verleihen — nicht nur über Rollen, Anweisungen, Skills und Tools, sondern über **eigenständige visuelle Identitäten**, einschließlich einer Sammlung animierter Figuren, der *"Gloopies"*. Das angeführte Problem ist das der leeren Eingabezeile: *"the product gives people little sense of how the agent is configured, which context and tools are available to it, and how it differs from another agent"*. Der Beitrag stellt den Ansatz in die Tradition von **Square** und **Cash App** — Design dorthin bringen, wo die Kategorie bislang keines hatte. **Doch das genannte Problem ist ein Problem der Konfigurationslesbarkeit, während der Avatar die Unterscheidbarkeit löst**; der Text räumt dies in einem Satz ein, den er nicht weiter ausführt: *"The avatars make the agent recognizable. **Its role, skills, and tools make it useful.**"* **Die Architektur.** Berd stammt von **goose** ab, dem Open-Source-Agenten-Framework, das Block im **Januar 2025** eingeführt hat und das im Dezember 2025 zusammen mit **MCP** und **AGENTS.md** in die **Agentic AI Foundation** (Linux Foundation) eingebracht wurde. Explizite Aufteilung: *"goose remains the open agent framework and runtime. Berd is a desktop application built around it. **Berd connects to goose through the Agent Client Protocol.**"* goose trägt die Agent-Loop, Berd trägt die Erfahrung. **Die Fortsetzung ist Buzz.** Berd diente dazu, **Solo**-Arbeit zu erkunden; *"But work rarely stays private"*. Was Berd gezeigt hat — *"private space, durable context, recognizable agent identities, reusable skills, visible configuration"* — soll in **Buzz** einfließen, den gemeinsamen Raum für Mensch und Agent. *"Start alone, then go multiplayer."* **Vorbehalte.** **Keine Zahlen, keine Nutzertests, keine genannte Lizenz**; eine vereinzelte Übertreibung (*"create custom agents to do any task they want"*); und ein Beitrag, dessen Titel einen Rückblick ankündigt, während das Produkt im Präsens bleibt — **Berd wird nicht als eingestellt erklärt, aber die Roadmap weist auf Buzz**.

Block explores how to price AI

Thu, 06 Aug 2026 00:00:00 GMT

Branchenmeldung (**Payments Dive**, Format *Dive Brief*, **6. August 2026**) zur Quartalsbilanz von **Block**: Das Unternehmen hat seinen Kunden bereits mehrere KI-Tools zur Verfügung gestellt — **Moneybot** (Cash App) und **Managerbot** (Square) — und hat noch nicht entschieden, wie es dafür abrechnen will. **Jack Dorsey** im Analystencall: *„We're in a fortunate position where we can experiment with a number of models, and then choose the right one that's going to align all of our incentives with our customers.“* **Der finanzielle Hintergrund erhellt diese Haltung.** Sechs Monate zuvor hatte Block rund **4.000 Personen entlassen, etwa 40 % der Belegschaft**, im Rahmen einer Umstrukturierung, die ausdrücklich mit KI begründet wurde. Im Q2 2026: Bruttogewinn **+25 % auf 3,2 Mrd. USD**, Umsatz **+10 % auf 6,62 Mrd. USD**, aber **Nettogewinn bei 89 Mio. USD, −83 %** im Jahresvergleich, bedingt durch Abfindungskosten zum Abschluss der Restrukturierung; die Prognose für 2026 wurde angehoben. Der Wert der KI wird demnach zunächst über die Kostenstruktur erschlossen, bevor er über den Preis erschlossen wird. **Die gewichtigste Aussage steckt in der Mitte der Meldung**, entnommen dem Aktionärsbrief: *„Starting in June, agentic AI helped write and review nearly all of our production code changes“* — das Schreiben **und** Überprüfen nahezu aller Produktionscode-Änderungen, bei einem börsennotierten Zahlungsunternehmen, sechs Monate nach dem Abbau von 40 % der Belegschaft. Eine selbstberichtete Aussage gegenüber Investoren, ohne Definition von *„nearly all“* oder dessen, was *„review“* umfasst. **Die Tools**: **Goose**, ein zwei Jahre zuvor aufgebautes internes System, beschrieben als modellagnostisch (es bindet für Mitarbeitende verschiedene kommerzielle Modelle ein); **Buzz**, im Vormonat gestartet für *„agent collaboration, communication, and code repositories.“* **Auf Kundenseite**: Moneybot überwacht die Nutzeraktivität in Cash App und zeigt Konten, Salden und Transaktionen an — über **eine Million wöchentlich aktive Konten**; Managerbot übernimmt automatisiertes Marketing, Margenanalyse und schlägt Square-Händlern *„operational fixes“* vor. Analysten von **Evercore ISI** listen vier Monetarisierungswege auf — SaaS-Pakete, Direktabonnements, Unternehmensangebote, nutzungsbasierte Preisgestaltung — **keiner davon an Ergebnisse gekoppelt**. Genannte Prioritätsreihenfolge: **Produktqualität → Distribution → Adoption → Preismodell**. Zwei Fakten zur Distribution runden das Bild ab: Square wird in **Google Maps** integriert, mit einem *„conversational AI experience,“* beschrieben als *„the first step in a broader partnership between Square and Google“*; und das Zahlungsgerät **Tags** (Schlüsselanhänger und NFC-Chip-Sticks) verzeichnet **drei Millionen Personen auf der Warteliste**. Analystenzitate: William Blair (*„Block epitomizes the secular shift toward tech-forward digital finance firms“*) und Bank of America zum *„post-reset operating model.“*

Introducing Muse Code and Muse Spark 1.2

Wed, 05 Aug 2026 00:00:00 GMT

Ankündigung von **Meta AI Research**, veröffentlicht am **5. August 2026** (angegebene Lesezeit: 4 Minuten, kein individueller Autorenvermerk): **Muse Code** in der Beta-Phase, *„ein Terminal-Coding-Agent“*, sowie das Modell, das ihn antreibt, **Muse Spark 1.2**. Meta selbst ordnet die Markteinführung ein: *„Dies markiert unseren nächsten Schritt in Richtung der Frontier, mit größeren und deutlich leistungsfähigeren Modellen, die bereits in Vorbereitung sind.“* **Drei architektonische Elemente auf der Harness-Seite.** **Asynchrone Hintergrund-Agenten**, die *„während der gesamten Sitzung aktiv bleiben, statt für einzelne Aufgaben neu erzeugt zu werden“*, wodurch redundante Informationsbeschaffung vermieden und der Steuerungsbedarf verringert wird. Ein **lokales Ereignisprotokoll**, in dem *„jeder Modellaufruf, jede Tool-Ausführung, jede Genehmigung und jede Bearbeitung angehängt wird“*, wodurch die Laufzeitumgebung zu einem System wird, das *„replay-exakt und neustartsicher“* ist und nach einem Absturz genau dort fortsetzen kann, wo es aufgehört hat. Und **drei standardmäßig mitgelieferte Skills**: `/plan` (wandelt eine Aufgabe in einen zur Genehmigung vorgelegten Plan um), **`/grill`** (stellt den Plan auf die Probe, *„bis er standhält“*), und `/goal`. **Auf der Modellseite** beansprucht Meta ein **Co-Training von Modell und Harness** (*„um die Harness-Kompatibilität zu maximieren“*, wobei Harness-Trajektorien per Rejection Sampling erfasst werden und Rezeptoptimierungen für Ziele, Kompaktierung und Sub-Agenten vorgenommen werden), ein Training mit **langem Zeithorizont** (Generierung ganzer Repositories, End-to-End-Projekte, Selbstrecherche, mit Planung, Zielkonditionierung und Kontextkompaktierung) sowie eine **Selbstverbesserungsschleife**, in der Muse Spark 1.1 die Umgebungen und Anweisungsvorlagen generiert und anschließend die Kandidatenlösungen bewertet, wodurch ein Trainingsdatensatz für die 1.2 entsteht. **Was die veröffentlichten Diagramme zeigen**, ohne dass der Text dies kommentiert: Die vier Vergleiche — Terminal-Bench 2.1, DeepSWE 1.1, ein interner Meta-Benchmark und die Fallstudie zur GPU-Kernel-Optimierung — platzieren **Muse Spark 1.2 in allen vier Fällen hinter Opus 5**, einschließlich auf Metas eigenem proprietärem Benchmark (70,6 % gegenüber 79,4 %) und in der Fallstudie, in der das Modell auf dem vierten von sechs Plätzen landet (+68,7 % gegenüber +74,0 %). **Ein Vorbehalt zum Lesen des Versionsgewinns**: Bei den beiden öffentlichen Benchmarks wird 1.1 mit `mini-swe-agent` und 1.2 mit Muse Code gemessen, sodass die Differenz von 6,7 Punkten Modell- und Harness-Fortschritt vermischt. Beim internen Benchmark, dem einzigen Vergleich, bei dem keine Harness genannt wird, sinkt die Differenz zwischen 1.1 und 1.2 auf **2,3 Punkte**.

Fact-checking : synthèse sur Delos (Delos Intelligence / delos.so)

Mon, 20 Jul 2026 00:00:00 GMT

Diese Notiz verifiziert eine Tech-Watch-Synthese zu **Delos Intelligence** (delos.so), einem französischen B2B-Startup für generative KI, indem sie sie mit Primärquellen (Alexandre Dewez' „Overlooked"-Beitrag / 20VC, 15. April 2025, der offiziellen Website, offiziellen Registern) und der Fachpresse abgleicht. Das Grundgerüst ist **verlässlich**, mehrere Zahlen bedürfen jedoch einer Neueinordnung. **Finanzierung — bestätigt.** Delos sammelte **2,5 Mio. € in einer Seed-Runde** ein — je nach Umrechnung ≈2,74 bis 2,83 Mio. $ — eine Runde, die **Mitte April 2025 angekündigt** wurde, angeführt von **20VC** (Harry Stebbings), mit **Inovia Capital, Kima Ventures (Xavier Niel) und Plug and Play**. Bemerkenswert ist, dass die Liste der **Business Angels**, genau die Art von Information, die ein LLM halluzinieren kann, durch die Pressemitteilung des Lead-Investors **wortwörtlich bestätigt** wird — Éléonore Crespo & Romain Niccoli (Pigment), Florian Douetteau (Dataiku), Thibaud Elzière (Hexa), sowie Mark Goldberger (Ramp) und Antoine Freysz (Kerala), wobei die beiden Letztgenannten in der ursprünglichen Synthese *fehlten*. Allerdings **wurde keine Series A abgeschlossen**: Sie wurde lediglich **als Absicht angekündigt** („mehrere Dutzend Millionen Euro bis März 2026"), ohne Pressemitteilung oder Datenbankeintrag. **Geschäftsmodell — teilweise zutreffend.** **Guthabenbasiertes** SaaS (1 Guthabeneinheit ≈ eine einfache Anfrage). Die tatsächliche Preisstaffel ist reichhaltiger als „25–80 €": **Student 10 €, Explore 25 €, Advanced 45 €, Premium 80 €** (steigende Guthabenvolumen), zuzüglich **Enterprise auf Anfrage**. Das **Einzelnutzer-/B2C-Angebot ist tatsächlich real**, doch die Kernzielgruppe bleibt **B2B**. Orchestrierte Modelle: ChatGPT, Claude, Mistral, Gemini, Cohere, Llama. Die **Souveränität** (Scaleway-Hosting) **befand sich Ende 2025 noch in der Finalisierung**, wobei die Rechenleistung teilweise noch über Azure (Frankreich) lief; ein vollständiger Wechsel zu Scaleway wird für Anfang 2026 angestrebt. **Team und Kunden — teilweise zutreffend.** Gegründet am **2. Juli 2023** von den Brüdern **Pierre** und **Thibaut de la Grand'rive**. Die Mitarbeiterzahl von „**50**" ist **nicht belegbar**: ~20 im April 2025, etwa vierzig gegen Ende 2025. **200 Kundenunternehmen** bestätigt; die Kunden **TotalEnergies, Shiseido, Groupe Casino** bestätigt (sowie Allianz, Best Western, BPCE, das französische Verteidigungsministerium…). Nutzerzahlen (10.000 → 100.000+) und **ARR** sind **selbstberichtet**: Es wurde kein Gesamt-ARR veröffentlicht, und die einzige Erwähnung („1 Mio. $ ARR in wenigen Tagen") bezieht sich ausschließlich auf das **Workers-Produkt** und ist ungeprüft. **Übergreifende Lehre**: Ein Fact-Check stuft Evidenzgrade ab (bestätigt / teilweise / spekulativ / nicht belegbar / selbstberichtet), anstatt ein binäres Urteil zu fällen — und verifiziert eine plausible Information, bevor er sie einer Halluzination verdächtigt.

Netflix Q2 2026 Shareholder Letter — leveraging technology to improve every aspect of our service (zoom IA/GenAI)

Thu, 16 Jul 2026 00:00:00 GMT

Der **Q2-FY2026**-Aktionärsbrief von **Netflix** (16. Juli 2026) stellt Technologie — und insbesondere **KI/GenAI** — als eine der **drei strategischen Säulen** dar ("leveraging technology to improve every aspect of our service"), neben Unterhaltungswert und Monetarisierung. Zu Beginn fasst das Management den Anspruch zusammen: "We are leveraging AI to provide a more personalized, immersive and interactive experience for members, enhance ads capabilities for brands, and improve the quality of our series and films." **Produktion: GenAI skaliert.** Dies ist der greifbarste Punkt. Über den gesamten Produktionszyklus hinweg — von Konzept und Previsualisierung bis zu Postproduktion und Auslieferung — wächst der Einsatz von GenAI durch die **kreativen Partner** von Netflix "rapide". Im Jahr 2026 wurden **GenAI-Workflows bei rund 300 Titeln** eingesetzt, mit der höchsten Konzentration in der **Postproduktion**. Netflix hebt einen doppelten Nutzen hervor: **höhere Qualität, schneller und zu geringeren Kosten** als bei traditionellen Methoden. Die stärkste Behauptung: In manchen Fällen hätten Produktionen ohne GenAI auf **Schlüsseleinstellungen oder -sequenzen verzichten müssen**. Drei Beispiele werden genannt — *Glory* (Indien), *Brasil 70: A Saga do Tri* (Brasilien) und *The American Experiment* (USA) — die GenAI für **komplexe Sequenzen** einsetzten: erweiterte Menschenmengen, historische Schlachten, Worldbuilding-Establishing-Shots. **Produkt und Discovery.** Netflix nutzt **LLMs**, um die **Titel-Discovery** zu verbessern und die Präferenzen der Mitglieder besser zu verstehen. Die Sucherfahrung wird durch neue **Sprachsuche** und **KI-gestützte Natural-Language-Suche** erweitert und dient einem "persönlicheren, immersiveren und interaktiveren" Erlebnis. **Werbung.** Im Werbegeschäft hat Netflix seine **KI-Tools über den gesamten Werbezyklus hinweg ausgeweitet** — Planung, kreative Produktion, Kampagnenmanagement, Optimierung und Reporting. Das Unternehmen **automatisiert Transaktionen** mit Werbetreibenden weiter, indem es den programmatischen Zugang auf **Pause Ads** und Live-Inventar ausdehnt und so den manuellen Aufwand reduziert, der kleinere Käufer bislang eingeschränkt hat. Diese Investitionen (Netflix Ads Suite + programmatische Fähigkeiten) treiben das Werbewachstum an. All dies fällt in ein solides Quartal: **Umsatz von 12,6 Mrd. USD (+13 % gegenüber dem Vorjahr)**, operative Marge von **33,4 %**, die 2026er-Prognose wurde auf 51,0–51,4 Mrd. USD verengt. Der Rahmen bleibt vorsichtig: GenAI wird als **Ergänzung** der Kreativschaffenden dargestellt, niemals als Ersatz — eine kommunikative Wahl, die Kontroversen über Rechte und Beschäftigung vermeidet.

ZML/LLMD : et si le « Docker des LLM » était français ?

Thu, 09 Jul 2026 00:00:00 GMT

Am 8. Juli 2026 veröffentlichte das Pariser Startup **ZML** **LLMD**, einen Inferenzserver, der große Sprachmodelle über **fünf Chip-Familien** hinweg (NVIDIA, AMD, Google, Intel, Apple) aus **einer einzigen Codebasis** ausführt. SFEIR liest dies als Signal: Während das Training zugunsten der **Inferenz** in den Hintergrund tritt, verlagert sich das eigentliche Schlachtfeld — und Kostenzentrum — hin zum **Serving**, wo Kosten pro Token, Latenz und Abhängigkeit vom Silizium entschieden werden. Die Wette von ZML lässt sich auf drei Worte bringen, *model to metal*: nicht ein weiteres Modell anbieten, sondern eine Schicht, die **das Modell von der Hardware entkoppelt**. Der Stack besteht aus vier Schichten. Oben Modelle (Qwen, Gemma, Mistral, LLaMa), geladen **zero-copy** über ein virtuelles Dateisystem aus Hugging Face, S3 oder GCS. Dann **LLMD**, ein Server, der eine **OpenAI-kompatible API** (drop-in) bereitstellt mit Continuous Batching, Paged Attention, Prefix Caching, Tool Calling und Prometheus-Metriken. Darunter kompiliert **ZML** den Graphen **im Voraus, ein für alle Mal**, zu einem **hermetischen nativen Binary** in **Zig + MLIR**, ohne Python im Ausführungspfad. Dieses Binary läuft auf fünf Backends: CUDA, ROCm, TPU, oneAPI, Metal. Die Eleganz liegt darin, "portabel, nicht nivelliert" zu sein — chipspezifische Pfade (FlashAttention, AITER) bleiben erhalten. Angekündigte Zahlen (laut Hersteller): Images von 1,7 GB (CUDA) bis ~140 MB (Apple), Cold Start von 1-2 s bei einem 8B-Modell, und der **DFlash**-Beschleuniger (behauptet "bis zu 10×", ~6,17× in der zugrunde liegenden Forschung). Zwei Komponenten, zwei Lizenzen: **ZML** (das Framework) ist Open Source (Apache-2.0, >90% Zig); **LLMD** (der Server) ist es nicht, bei Markteinführung kostenlos, während Nutzungsdaten gesammelt werden. Die Demo läuft in zwei Befehlen auf Macs mit Apple Silicon; ein 27B-Modell in BF16 erfordert ≥ 64 GB Unified Memory. SFEIR betrachtet das Objekt durch drei kundenorientierte Brillen: **FinOps** (den günstigsten Chip wählen → auf die Kosten pro Token einwirken), **architektonische Freiheit** (**Design to Exit**, eingebaute Reversibilität, vgl. France Télévisions/ALIX) und **Souveränität** (europäische Chips Axelera, Kalray, SiPearl, VSORA; eine VivaTech-2026-Partnerschaft mit Scaleway, VSORA und der Region Île-de-France, Integration in den Jotunn8-Prozessor). Schonungsloses Urteil: Es handelt sich um eine **Alpha**, nicht für die Produktion geeignet; die Unterstützung spezifischer lokaler Maschinen (DGX Spark, Ryzen AI Max+) wird weder benannt noch benchmarkt. Gegenüber vLLM (Server-GPU-Durchsatz) und llama.cpp (lokaler Einzelnutzer-Betrieb) zielt LLMD auf den Mittelweg. Heute noch kein Wechsel, aber "unter aktiver Beobachtung" zu halten: ein ernstzunehmender, *made in France*-Kandidat, um zum "*docker run* der Inferenz" zu werden.

Project Genie: Interactive World Models with Genie 3

Sun, 01 Feb 2026 00:00:00 GMT

Google DeepMind bringt Project Genie auf den Markt, eine Webanwendung, mit der Google US Ultra-Abonnenten interaktive Welten erstellen und erkunden können, die vom Modell Genie 3 generiert werden. Im Gegensatz zu konventionellen Videomodellen, die feste Sequenzen erzeugen, generiert ein „World Model“ die Umgebung Bild für Bild in Echtzeit und ermöglicht es dem Nutzer, zu navigieren und zu interagieren. **Workflow und kreative Pipeline**: Der Nutzer beginnt damit, seine Welt und seinen Charakter zu beschreiben. Nano Banana Pro erzeugt zunächst ein „Canvas“-Bild, das als visueller Ausgangspunkt dient. Ein Klick auf „Generate World“ veranlasst Genie 3, dieses 2D-Bild in eine erkundbare 3D-Umgebung zu verwandeln. Der Übergang von 2D zu immersivem 3D ist der von Testern identifizierte „Wow-Moment“. Die Anwendung erlaubt zudem das Hochladen persönlicher Fotos – ein fotografiertes Spielzeugdinosaurier kann so zu einer steuerbaren Figur in einer Rekonstruktion des Zimmers werden. **Technische Herausforderungen**: Genie 3 löst ein komplexeres Problem als die Standard-Videogenerierung. Ein Videomodell kann Bilder nachträglich anpassen, um Konsistenz zu gewährleisten; Genie 3 muss in Echtzeit generieren, konsistent sowohl mit der Vergangenheit ALS AUCH mit der unmittelbaren Aktion des Nutzers, ohne zukünftige Eingaben zu kennen. Die aktuelle Begrenzung auf 60 Sekunden resultiert aus einem Kompromiss: Die Dynamik der Welt nimmt tendenziell allmählich ab, und die Bereitstellungskosten bleiben hoch. **Entwicklung seit Genie 1**: Genie 1 war ein Forschungspapier. Genie 2 (Dezember 2024) bot 10 Sekunden in niedriger Auflösung, ohne Echtzeit. Genie 3 (angekündigt im August 2025, jetzt gestartet) erreicht eine Minute in Echtzeit mit fotorealistischer Qualität. Das Team stellt fest, dass vor einem Jahr eine Minute Echtzeit-Konsistenz als ehrgeiziges Ziel erschien; heute fordern Nutzer mehr. **Angedachte Anwendungen**: Über die Unterhaltung hinaus untersucht das Team Bildung (personalisierte therapeutische Expositionen, etwa ein Kind, das ein mit virtuellen Spinnen gefülltes Zimmer erkundet) und verkörperte Intelligenz. Das Projekt Simmer nutzt Genie 3 bereits, um KI-Agenten zu trainieren, die Ziele in beliebigen 3D-Welten erreichen können – ein Schritt in Richtung verkörperter AGI. **Ausblick**: Die Roadmap umfasst Multiplayer (komplex wegen der Latenz), mehr Interaktionssteuerungen, eine Entwickler-API und die Erweiterung auf andere Oberflächen. Das Team schätzt, 50 % seiner Vision erreicht zu haben, mit „enormem Spielraum“ für weitere Verbesserungen. Die ultimative Vision: eine von der Realität nicht zu unterscheidende Simulation, „eine Kopie des Universums, in der man tun kann, was man will“.

Tech predictions for 2026 and beyond

Tue, 25 Nov 2025 00:00:00 GMT

In seinem mit Spannung erwarteten jährlichen Essay stellt Werner Vogels, CTO von Amazon, seine Technologievorhersagen für 2026 und darüber hinaus vor. Seine zentrale These: KI "in the human loop" ("AI in the human loop") zu platzieren statt umgekehrt, um menschliche Fähigkeiten zu erweitern und die drängendsten gesellschaftlichen Krisen anzugehen. Drei Bereiche strukturieren den Essay. **Die Companionship Revolution.** Einsamkeit betrifft weltweit 1 von 6 Menschen und wurde von der OMS als Krise der öffentlichen Gesundheit eingestuft; sie erhöht das Demenzrisiko um 31 % und das Schlaganfallrisiko um 30 %. Vogels prognostiziert den Aufstieg von Begleitrobotern (Pepper, Paro, Lovot) in der Langzeitpflege: 95 % der Demenzpatienten haben positive Interaktionen mit Paro, mit reduzierter Erregung, Depression und Medikamenteneinnahme. Da Menschen biologisch darauf ausgelegt sind, autonomer Bewegung Absicht zuzuschreiben (MIT-Studie; 50-80 % der Roomba-Besitzer geben ihrem Staubsauger einen Namen), schaffen Roboter wie Amazon Astro durch Mobilität und Mimik echte emotionale Bindungen. **Die Transformation der Bildung.** Angesichts eines globalen Lehrermangels und eines Systems, das auf Konformität statt auf Neugier ausgelegt ist, passen sich personalisierte KI-Tutoren an den Stil, das Tempo und die Sprache jedes Schülers an. Die Auswirkungen sind messbar: +65 % Bereitschaft, sich an schwierige Aufgaben zu wagen, bis zu 17 IQ-Punkte Zugewinn bei autistischen Kindern (Duke-Studie) und 5,9 eingesparte Stunden pro Woche für Lehrkräfte — sechs Wochen pro Jahr, die in Kreativität und individuelle Unterstützung reinvestiert werden. NextGenU produziert bereits kulturell angepasste Lehrbücher zu 1/100 der traditionellen Kosten. **Die Neuerfindung des Gesundheitswesens.** Angesichts des Misstrauens gegenüber medizinischen Institutionen und Fehlinformationen können vertrauenswürdige KI-Agenten zuverlässige medizinische Informationen liefern und die Therapietreue verbessern, wobei der Mensch die Kontrolle behält. Vogels benennt zudem Herausforderungen: die gesellschaftliche Akzeptanz von Begleitrobotern, emotionale Abhängigkeit von Maschinen, den regulatorischen Rahmen für KI-Agenten im Gesundheitswesen und die Zugangsgerechtigkeit. Er sieht darin jedoch enorme Chancen: eine alternde Bevölkerung, Bildungsinnovation, Prävention und neue Wirtschaftsmodelle. Diese Vision stellt einen fundamentalen Wandel in unserem Verhältnis zur Technologie dar: den Übergang von transaktionalen Werkzeugen zu Partnern, die uns helfen, die tiefsten menschlichen Probleme zu lösen, wobei KI den Menschen verstärkt, statt ihn zu ersetzen.

Perplexity Integrates Directly into Chrome Browser, Challenging Google Search Dominance

Wed, 22 Oct 2025 00:00:00 GMT

Perplexity kündigte eine **native Integration in den Browser Google Chrome** an, die es Nutzern erlaubt, **Perplexity als Standardsuchmaschine festzulegen** und KI-Suche direkt über die Adressleiste zu nutzen. Dieser Schritt stellt eine **mutige wettbewerbliche Herausforderung** für Google innerhalb seines eigenen Browsers dar und **reduziert drastisch die Reibung** für Nutzer, die eine KI-native Sucherfahrung anstreben, ohne die Perplexity-Seite separat besuchen zu müssen. **Funktionsweise der Integration** Die Umsetzung erlaubt Nutzern: **Perplexity als Standardmaschine festzulegen** in den Chrome-Einstellungen (neben Google, Bing, DuckDuckGo), **direkt über die Omnibox zu suchen** (Anfragen aus der Adressleiste werden an Perplexity weitergeleitet), **KI-generierte Antworten zu erhalten** (statt herkömmlicher Linklisten), **Quellenangaben einzusehen** (zur Wahrung der Transparenz), **das Gespräch fortzusetzen** (Anschlussdialog zum gesuchten Thema). Die technische Umsetzung stützt sich auf das **OpenSearch protocol** von Chrome, das alternativen Suchmaschinen eine reibungslose Integration ermöglicht. **Strategische Tragweite: Distribution** Eine Binsenweisheit der Tech-Branche: **Distribution entscheidet über den Gewinner**. Google Search dominiert unter anderem dank der Chrome-Integration — die Standardsuche des Browsers erzeugt ein gewaltiges Anfragevolumen. Die Integration von Perplexity **löst ein kritisches Distributionsproblem**: weniger Schritte von der Anfrage zum Ergebnis (kein separater Seitenbesuch), Einbindung in den bestehenden Arbeitsablauf (die Adressleiste ist bereits die primäre Sucheroberfläche), geringere Übernahmehürde (eine einmalige Einstellungsänderung statt wiederholter Besuche), erhöhte Sichtbarkeit (eine ständige Erinnerung daran, dass eine Alternative existiert). **Wettbewerbsdynamik mit Google** Der Schritt platziert Perplexity **direkt auf Googles eigenem Terrain** — dem von Google kontrollierten Browser Chrome. Das erzeugt interessante Spannungen: **Google könnte die Integration blockieren** (steht dabei jedoch unter kartellrechtlicher Beobachtung — bereits wegen Standardsuchmaschinen-Vereinbarungen angefochten), **Google könnte ähnliche KI-Funktionen hinzufügen** (eine Gemini-Integration ist die wahrscheinliche Antwort), **die Wahlfreiheit der Nutzer wird zentral** (Kämpfe um Standardeinstellungen verschärfen sich), **direkter Qualitätsvergleich** (Nutzer wechseln leicht zwischen Suchmaschinen und vergleichen Ergebnisse). **Wandel der Nutzererfahrung** Traditionelle Suche: Anfrage → Liste von Links → Klicks durch mehrere Ergebnisse → manuelle Zusammenfassung der Informationen. **Perplexity-Suche**: Anfrage → von der KI synthetisierte Antwort mit Quellenangaben → optionale Anschlussfragen → vertieftes Verständnis. Dieses **grundlegend andere Paradigma** ist besonders wertvoll für: Recherchearbeiten (Synthese mehrerer Quellen), Faktenprüfung (sichtbare Zitate), komplexe Anfragen (mehrstufiges Schlussfolgern), exploratives Lernen (natürlicher Anschlussdialog). **Herausforderungen der Monetarisierung** Die Integration wirft Fragen zum Geschäftsmodell auf: **weniger Website-Besuche** (Publisher verlieren möglicherweise Traffic), **komplexere Zuordnung** (wie werden von der KI zitierte Quellen kreditiert?), **Störung der Werbung** (traditionelle Suchwerbung befindet sich in Linklisten — wo erscheint Werbung in KI-generierten Antworten?), **Premium-Funktionen** (wie lassen sich kostenlose und kostenpflichtige Angebote unterscheiden?). Perplexity muss **Nutzerwert gegen die Nachhaltigkeit des Ökosystems** abwägen. **Technische Anforderungen und Leistung** Die Chrome-Integration erfordert: **geringe Latenz** (Nutzer erwarten sofortige Ergebnisse wie bei Google), **Zuverlässigkeit** (Ausfallzeiten sind für eine Standardsuchmaschine inakzeptabel), **Verständnis der Anfragen** (Umgang mit der gesamten Vielfalt der Suchintention), **skalierbare Infrastruktur** (potenziell massiver Anstieg des Anfragevolumens bei wachsender Akzeptanz), **geräteübergreifende Synchronisierung**. **Mögliche Reaktionen von Google** Wahrscheinliche Maßnahmen von Google: **Beschleunigung der Gemini-Integration** in die Suche, **Nutzung der Kontrolle über Chrome** (Förderung von Googles eigenen KI-Suchfunktionen), **Verbesserung der Suchqualität** (Verringerung des Vorteils synthetisierter Antworten), **Anpassung der Geschäftsbedingungen** (Einschränkung alternativer Suchmaschinen, soweit rechtlich möglich), **Übernahmen oder Partnerschaften**. **Regulatorischer Kontext** Der Zeitpunkt ist bemerkenswert angesichts der laufenden **kartellrechtlichen Prüfung** von Googles Suchdominanz. Das US-Justizministerium und europäische Regulierungsbehörden untersuchen Standardsuchvereinbarungen und Praktiken der Browser-Integration. Der Schritt von Perplexity könnte **kartellrechtliche Argumente stärken**: Er zeigt, dass tragfähige Alternativen existieren, belegt, dass Googles Kontrolle den Wettbewerb einschränkt, und veranschaulicht den Wert der Nutzerwahlfreiheit. **Breitere Auswirkungen auf die Branche** Erfolg könnte inspirieren: **andere KI-Suchmaschinen** (You.com, Phind), die Browser-Integrationen anstreben, **Diversifizierung der Browser** (Firefox, Edge mit mehreren KI-Suchoptionen), **einen Paradigmenwechsel der Suche** (Beschleunigung hin zu synthetisierten Antworten statt Linklisten), **neue Marktteilnehmer** (gesenkte Einstiegshürden fördern Innovation). **Unsicherheiten bei der Akzeptanz** Der Erfolg von Perplexity hängt ab von: den tatsächlichen Übernahmeraten (werden Nutzer ihre Standardeinstellungen ändern?), der Qualitätskonsistenz im großen Maßstab, der Tragfähigkeit der Monetarisierung, der Geschwindigkeit von Googles Wettbewerbsreaktion und dem sich entwickelnden regulatorischen Umfeld. Die Integration stellt einen **bedeutenden Meilenstein** im Wettbewerb der KI-Suche dar, da der Kampf direkt in Googles mächtigsten Distributionskanal getragen wird.

google-agentic-commerce/AP2: Building a Secure and Interoperable Future for AI-Driven Payments

Tue, 16 Sep 2025 00:00:00 GMT

Das GitHub-Repository `google-agentic-commerce/AP2` stellt das **Agent Payments Protocol (AP2)** vor, eine Initiative mit dem Ziel, einen sicheren und interoperablen Rahmen für KI-gestützte Zahlungssysteme zu etablieren. Die Kernmission des Projekts besteht darin, eine Zukunft zu ermöglichen, in der künstliche Intelligenz Zahlungstransaktionen reibungslos und sicher über verschiedene Plattformen und Agenten hinweg abwickeln kann. **Praktische Ressourcen und Flexibilität** Das Repository dient als praktische Ressource und bietet eine Sammlung von Codebeispielen und Demos, die die zentralen Komponenten und Funktionen von AP2 veranschaulichen. Während die bereitgestellten Beispiele auf spezifische Technologien wie das **Agent Development Kit (ADK) und Gemini 2.5 Flash** zurückgreifen, stellt die Dokumentation ausdrücklich klar, dass das Agent Payments Protocol selbst **nicht an diese Werkzeuge gebunden** ist. Diese Flexibilität erlaubt es Entwicklern, AP2 mit ihren bevorzugten Agent-Development-Kits und KI-Modellen zu integrieren, was eine breite Übernahme und Anpassung fördert. **Architektur und ausgewählte Szenarien** Das Repository ist so strukturiert, dass es Nutzer durch verschiedene ausgewählte Szenarien führt, die unterschiedliche Aspekte des Protokolls in der Praxis demonstrieren sollen. Diese Szenarien sind unter `samples/android/scenarios` für Android-Anwendungen und `samples/python/scenarios` für Python-Implementierungen organisiert. Jedes Szenario ist eigenständig und verfügt über eine `README.md`-Datei mit einer detaillierten Beschreibung sowie klaren Installations- und Ausführungsanweisungen für die lokale Umgebung. Ein `run.sh`-Skript ist enthalten, um die Ausführung zu vereinfachen. **Authentifizierung und Konfiguration** Die Ausführung der Szenarien erfordert **Python 3.10 oder höher**. Das Repository beschreibt zwei Hauptauthentifizierungsmethoden: den **Google-API-Schlüssel**, empfohlen für Entwicklungsumgebungen aufgrund seiner Einfachheit, oder die **Vertex-AI**-Konfiguration, empfohlen für Produktionsumgebungen, da sie robuster und skalierbarer ist. Anweisungen zum Setzen von Umgebungsvariablen oder zur Verwendung einer `.env`-Datei für Zugangsdaten werden bereitgestellt. **Kernobjekte und zukünftige Pläne** Die Kernobjekte und Definitionen von AP2 befinden sich im Verzeichnis `src/ap2/types`, mit einer **geplanten Veröffentlichung eines dedizierten PyPI-Pakets**, um Installation und Abhängigkeitsverwaltung zu vereinfachen. Die Demos umfassen **mehrere Agenten und Server**, wobei sich der größte Teil des Quellcodes in `samples/python/src` befindet. Szenarien mit einer Android-Anwendung (Shopping-Assistent) verfügen über ihren dedizierten Quellcode in `samples/android`. **Offener und kollaborativer Ansatz** Das Projekt steht unter der **Apache-2.0**-Lizenz, was einen offenen und kollaborativen Ansatz widerspiegelt. Diese Initiative steht für Googles Engagement beim Aufbau der Infrastruktur, die sichere und effiziente KI-gestützte kommerzielle Transaktionen ermöglicht. Die verteilte Multi-Agent/Server-Architektur veranschaulicht Skalierbarkeitsüberlegungen und die reale Anwendbarkeit des Protokolls. Das Repository positioniert AP2 als grundlegende Technologie für das entstehende Ökosystem des agentenbasierten Handels, in dem KI-Agenten finanzielle Transaktionen eigenständig verwalten, unter Einhaltung angemessener Sicherheitsvorkehrungen und Interoperabilitätsstandards.

Google DeepMind Unveils Genie 3: Revolutionary Interactive Video Generation Model

Tue, 05 Aug 2025 00:00:00 GMT

Google DeepMind kündigt **Genie 3** an, ein revolutionäres Modell zur **interaktiven Videogenerierung**, das **steuerbares, zeitlich kohärentes Video** erzeugen kann, das in Echtzeit auf Nutzeraktionen reagiert. Anders als frühere Videomodelle, die feste Sequenzen erzeugen, **fungiert Genie 3 als Weltmodell** — es versteht räumliche Beziehungen, Physik und Kausalität — und ermöglicht **KI-generierte interaktive Erlebnisse**, einschließlich spielbarer Spiele, die aus Textbeschreibungen oder Bildern erzeugt werden. **Kerninnovation: steuerbare Generierung** Der grundlegende Fortschritt ist die **Nutzersteuerung während der Generierung**. Genie 3 verarbeitet kontinuierliche Eingaben — Pfeiltasten, Mausbewegungen, Aktionsbefehle — und erzeugt Video, das entsprechend reagiert. Beispiel: Der Nutzer fordert „ein Plattformspiel im Wald“ an, Genie erzeugt das erste Einzelbild, dann **steuert der Nutzer die Bewegungen der Figur**, wobei das Modell die nachfolgenden Einzelbilder generiert (Sprünge, Bewegung, Interaktionen mit der Umgebung). Diese **interaktive Schleife** schafft spielbare Erlebnisse statt passiver Videos. **Architektur und Training des Weltmodells** Genie 3 implementiert ein **latentes Weltmodell**: eine komprimierte Repräsentation der Physik einer Umgebung, Verständnis räumlicher Beziehungen und Objektpermanenz, Vorhersage der Konsequenzen von Aktionen, zeitliche Kohärenz über längere Sequenzen. Das Modell **führt keine vorprogrammierte Physik aus**: Es hat physikalische Regeln durch die Beobachtung riesiger Mengen von Videospielsequenzen gelernt (2D-Plattformspiele als primäre Daten, Aktionsannotationen, vielfältige visuelle Stile) und dabei ein **emergentes Verständnis** von Gravitation, Kollisionen und Bewegungsdynamik entwickelt. Seine **11 Milliarden Parameter** erlauben es, feingranulare Beziehungen zwischen Aktionen und visuellen Konsequenzen zu erfassen. **Zeitliche Kohärenz und Anwendungen** Videomodelle haben Schwierigkeiten, das Erscheinungsbild, die Position und die Physik von Objekten über Einzelbilder hinweg beizubehalten. Genie 3 adressiert dies durch Langzeitgedächtnismechanismen, physikinformierte Priors, räumliche Aufmerksamkeit und Aktionskonditionierung, mit deutlich verbesserter Kohärenz. Anwendungen: **schnelles Spiele-Prototyping**, maßgeschneiderte Lernspiele, Barrierefreiheit, prozedurale Inhalte, No-Code-Kreativtools — eine **Demokratisierung der Spieleentwicklung**. **Grenzen und Wettbewerb** Anerkannte Grenzen: eine Obergrenze bei der Komplexität der Mechaniken, nachlassende Kohärenz bei sehr langen Sequenzen, unvollkommene Steuerungstreue, hohe Inferenzkosten, Verzerrung durch die Trainingsdaten. Im Vergleich zu **Runway Gen-3**, **OpenAI Sora** oder Metas Make-A-Video ist die **interaktive Steuerung** von Genie 3 das entscheidende Unterscheidungsmerkmal, ein Schritt hin zu **universellen Weltmodellen**. Langfristig zeichnet Genie 3 eine Entwicklung hin zu universellen Weltsimulatoren, KI-gesteuerten interaktiven Erlebnissen jenseits des Gamings und KI-generierten virtuellen Welten nach, die auf die Handlungsfähigkeit der Nutzer reagieren.

Expanding AI Overviews and introducing AI Mode

Wed, 05 Mar 2025 00:00:00 GMT

Google führt **AI Mode** ein, eine Funktion, die das Online-Sucherlebnis grundlegend verändert. Für jedes Suchergebnis wird **automatisch eine personalisierte Website generiert**, die speziell auf die Suchanfrage des Nutzers zugeschnitten ist. Diese Innovation stellt einen **Paradigmenwechsel** in der Art dar, wie Informationen online abgerufen werden, und könnte das **Ende traditioneller Websites** markieren, wie wir sie kennen. **Grundlagen des generativen Ansatzes** Anstatt bestehende Webinhalte lediglich zu indexieren und zu ranken, **generiert AI Mode dynamisch Inhalte**, die auf die Suchanfrage zugeschnitten sind. Zwei Nutzer, die zum gleichen Thema suchen, können somit völlig unterschiedliche generierte „Websites" erhalten, abhängig vom Kontext, dem Suchverlauf und den Besonderheiten der Anfrage. Das System analysiert die Absicht hinter der Suche und baut die Antwort von Grund auf, indem es Informationen aus mehreren Quellen synthetisiert. **Transformation des Web-Ökosystems** Googles generativer Ansatz könnte das **Web-Ökosystem grundlegend neu definieren**. Wenn Google für jede Suchanfrage personalisierte Inhalte generiert, wird das traditionelle Konzept einer „Website" potenziell obsolet. Content-Ersteller stehen vor einer existenziellen Frage: Warum traditionelle Websites pflegen, wenn Nutzer hauptsächlich mit von Google generierten Versionen interagieren? **Neudefinition von SEO** SEO, eine ganze Branche, die um das Ranking in Google-Ergebnissen aufgebaut ist, steht vor einer **vollständigen Neudefinition**. Traditionelle Taktiken — Keyword-Optimierung, Backlinks, technisches SEO — könnten irrelevant werden, wenn Google generiert statt indexiert. Eine neue Form von „generativem SEO" könnte entstehen, mit dem Ziel sicherzustellen, dass KI-Systeme die Botschaften und Informationen von Marken korrekt darstellen. **Auswirkungen auf Geschäftsmodelle** Das Geschäftsmodell des Webs — Werbung, Abonnements, Affiliate-Marketing — beruht auf der Annahme, dass Nutzer tatsächlich Websites besuchen. **AI Mode bedroht dieses Modell**. Wenn Nutzer Informationen direkt aus von Google generierten Ergebnissen konsumieren, ohne die Quell-Websites zu besuchen, wie werden Content-Ersteller bezahlt? Google wird diese grundlegende Herausforderung wahrscheinlich angehen müssen, um ein gesundes Content-Ökosystem zu erhalten. **Content-Zuschreibung und Urheberrecht** Die generierten personalisierten Websites werfen komplexe Fragen zu **Zuschreibung und Urheberrecht** auf. Wenn KI Informationen aus mehreren Quellen synthetisiert, um eine neue „Website" zu erstellen, wem gehört der resultierende Inhalt? Wie werden die Originalquellen anerkannt und vergütet? Diese rechtlichen und ethischen Fragen werden wahrscheinlich bedeutende Debatten auslösen, sogar Gerichtsverfahren. **Transformation der Nutzererfahrung** Aus Sicht des Nutzers verspricht AI Mode ein **optimales Erlebnis**: perfekt auf die Anfrage zugeschnittene Informationen, kein Navigieren mehr zwischen mehreren Websites, verkürzte Zeit zwischen Frage und Antwort. Dies wirft aber auch Bedenken hinsichtlich **Filterblasen, Echokammern** und dem Verlust der zufälligen Entdeckung auf, die das traditionelle Web-Browsing kennzeichnet. **Wettbewerbliche Auswirkungen** AI Mode stellt eine **erhebliche Eskalation** im Wettlauf um Innovationen bei der Suche dar. Wettbewerber wie Microsoft (Bing mit ChatGPT), Perplexity und andere KI-gestützte Suchmaschinen werden reagieren müssen. Eine Zukunft, in der Suchmaschinen generieren statt indexieren, könnte die gesamte Infrastruktur des Internets neu gestalten. **Fragen zur Umsetzung** Praktische Fragen bleiben offen: Wie garantiert Google die Genauigkeit? Welche Mechanismen existieren gegen Fehlinformationen? Wie geht das System mit kontroversen Themen um? Wie aktuell sind die generierten Inhalte? Können Nutzer Quellen überprüfen? Die Ankündigung von AI Mode signalisiert **Googles Vision für die Zukunft der Suche**: der Übergang von einem passiven Index zu einem aktiven Content-Generator. Ob diese Vision dem breiteren Internet-Ökosystem zugutekommt, bleibt abzuwarten, aber die Transformation ist bereits im Gange.