Drei Videos vom 31. Juli 2026, eine gemeinsame Linie: die Zahlen der Anbieter tragen die Entscheidung nicht, weder bei der Modellwahl noch bei der Frage, was du selbst noch können musst. Was bleibt, sind drei praktische Konsequenzen für Architektur, Evaluation und Weiterbildung.
Warum verlagert ein Enterprise-Anbieter 90 Prozent seiner Workloads auf Open-Source-Modelle?
Zwei Verantwortliche von Decagon, einem Anbieter für KI-gestützten Kundenservice, berichten, dass sich ihr Modell-Stack innerhalb eines Jahres verschoben hat: weg von reinen Frontier-APIs, hin zu feingetunten Open-Source-Modellen für den Grossteil der produktiven Workflows. Treiber war nach ihrer Darstellung nicht Kostendruck, sondern Latenz, vor allem bei Voice-Agenten. Die Argumentationskette ist nachvollziehbar: Jedes Modell wird entlang Kosten, Intelligenz und Latenz bewertet, und eng definierte Teilaufgaben wie Themenerkennung, Missbrauchserkennung oder Routing brauchen keine generalistische Intelligenz. Zweite These: Die Anwendungsschicht verschwindet nicht, weil Geschäftslogik nicht im Modell steckt. Quellencheck: Es fallen keine Benchmark-Werte, keine Latenzmessungen in Millisekunden, keine Fehlerraten. Auch die 90-Prozent-Angabe bleibt undefiniert, gemeint sein können Requests, Tokens oder Use Cases. Ohne diese Präzisierung ist die Zahl vor allem Positionierung. Quelle: Decagon’s Playbook for Building Enterprise AI Applications
Einordnung: Die übertragbare Lehre ist die Reihenfolge, nicht die Zahl: zuerst die Aufgabe zerlegen, dann pro Teilschritt das kleinste ausreichende Modell wählen. Klassifikation und Routing laufen auf feingetunten kleinen Modellen, das Frontier-Modell bleibt für offene Fälle. Vorbehalt: Fine-Tuning braucht eine eigene Eval-Pipeline, und Self-Hosting eindämmt Datenflüsse, ersetzt aber keine Prüfung von revDSG, DSGVO und Open-Weights-Lizenz.
Was sagt Opus 5 über den Wert von Hersteller-Benchmarks?
Der Wochenrückblick eines News-Kanals referiert die offiziellen Charts zum neuen Spitzenmodell Opus 5: etwa Gleichstand mit dem stärksten Konkurrenzmodell in Terminal-Coding, Wissensarbeit, agentischer Suche und Computer Use, bei klar tieferen Kosten pro Aufgabe, was praktisch vor allem bedeutet, dass Rate-Limits später greifen. Der Autor weist selbst darauf hin, dass die Diagramme vom Anbieter stammen und die eigenen Balken farblich anders gestaltet sind als die der Konkurrenz. Dagegen steht eine breite, aber dünne Gegenevidenz: Entwickler-Posts beschreiben das Modell als geschwätzig, sprunghaft und über-eifrig, jeder Kommentar werde als kritischer Fehler behandelt und ziehe tausende Zeilen Codeänderung nach sich. Dazu kommen zwei Neuerungen, die der Autor im Video selbst vorführt: ein Slack-Konkurrent mit Agenten als Chat-Mitgliedern und Bildgenerierung direkt in Google Earth. Quelle: AI News: Opus 5, the Slack Killer & Google Earth AI
Einordnung: Benchmark-Gleichstand ist eine Marketing-Aussage, kein Betriebsergebnis. Wechsle kein Standardmodell auf Basis fremder Charts, sondern messe an 20 bis 30 echten Aufgaben aus deinem Backlog, inklusive Diff-Grösse und Anzahl unnötiger Änderungen. Agenten als Chat-Mitglieder sind zusätzlich eine Governance-Frage: Wer darf sie ansprechen, was wird protokolliert, welche Daten liegen danach im Chat-Verlauf?
Wird eigenes Fachwissen im Agenten-Zeitalter wertlos?
In einem Bühnengespräch vor Studierenden formuliert Patrick Collison eine unaufgeregte Gegenposition zur These, KI mache eigenes Können überflüssig. Sein Kernbild ist eine Analogie, kein Beleg: Wissen im Kopf verhält sich zu Wissen im Modell wie L1-Cache zu einem Netzwerk-Lookup. Du kannst den Agenten fragen, aber das dauert Grössenordnungen länger, und im eigenen Kopf lassen sich mehr Denkschritte machen, als du per Tippen oder Diktieren durch ein Tool schleusen kannst. Belastbarer ist sein Verweis auf revealed preference: Unternehmen, auch die Modelllabore selbst, zahlen weiterhin sehr hohe Prämien für kognitive Fähigkeit. Schwächer belegt ist seine Kritik am Schreiben der Modelle, die auf eigener Leseerfahrung beruht und keine Messung ist. Die Leitfrage an Gründungswillige lautet nicht, was bei einem Scheitern passiert, sondern was passiert, wenn sie Erfolg haben. Quelle: Patrick Collison: What If You Succeed?
Einordnung: Für IT-Profis ist das kein Motivationsspruch, sondern eine Risikofrage: Wer den Output eines Modells fachlich nicht beurteilen kann, kann sein Risiko nicht abschätzen und delegiert damit Haftung an ein Werkzeug. Praktisch heisst das, Weiterbildungsbudget nicht wegen Agenten zu kürzen, sondern zu verschieben, weg vom Auswendiglernen von Syntax, hin zu Architektur, Datenmodellen und Review-Kompetenz.
Was heute zählt
Alle drei Beiträge zeigen dieselbe Lücke: Anbieterzahlen sagen etwas über Positionierung, nichts über deinen Betrieb. Der Engpass ist die eigene Evaluation, also ein kleines, wiederholbares Testset aus echten Aufgaben plus jemand im Team, der die Ergebnisse fachlich beurteilen kann.