Stand: 22. Juli 2026
Sechs Beiträge, ein roter Faden: China drückt beim Preis-Leistungs-Verhältnis, offene Modelle drängen nach, und die Basics werden wichtiger, je autonomer die Tools werden. Wir sortieren, was belegt ist und was Rhetorik bleibt.
Kimi K3: Chinas nächster Preis-Leistungs-Schlag
Moonshot AIs neues Modell Kimi K3 ist ein Mixture-of-Experts-Modell mit 2,8 Billionen Gesamtparametern, einem Million-Token-Kontext und nativer Bild- und Videoerkennung. In der blind bewerteten Frontend Code Arena liegt es vor Claude Fable 5 und GPT-5.6 Sol. Pro Token ist es trotzdem kein Billigmodell: Artificial Analysis weist 3 US-Dollar pro Million Eingabe- und 15 US-Dollar pro Million Ausgabe-Token aus, weniger als die westlichen Spitzenmodelle verlangen, aber deutlich über dem Median vergleichbarer Modelle. Belegt sind die Arena-Platzierung und die Listenpreise; nicht belegt ist ein unabhängiger, peer-reviewter Leistungsvergleich über verschiedene Aufgabentypen, und der im Video gezeigte Einzel-Demo-Vergleich ist methodisch dünn. Quelle (YouTube)
Einordnung: Für DACH-Teams ist Kimi K3 ein realer Kandidat für Coding-Workloads mit Kostendruck, aber der Anbieter sitzt in China. Wie sich die Modelle bei Programmieraufgaben einordnen, führen wir in unserer wöchentlich aktualisierten Coding-Rangliste. Kläre vor jedem produktiven Einsatz Datenfluss und Hosting-Ort (revDSG, DSGVO plus BDSG, DSG); ein günstiger Arena-Rang ersetzt weder einen belastbaren Eval auf deinen eigenen Aufgaben noch die Rechtsprüfung.
Warum das Terminal für KI-Profis Pflicht wird
Das deutschsprachige Erklärvideo trifft einen richtigen Punkt: KI-Tools arbeiten textbasiert, führen Befehle aus und laufen in der Server-, Container- und Agenten-Infrastruktur überwiegend unter Linux. Wer mit Cloud-Instanzen, Docker-Containern, selbstgehosteten Modellen oder API-Integrationen arbeitet, landet im Terminal, und das Video zeigt die Basics von Navigation (ls, cd) über Paketinstallation (apt install) bis zum Piping (|, >). Belegt ist die technische Beschreibung; nicht belegt (aber plausibel) ist die These, dass Terminal-Kenntnisse die KI-Nutzung messbar verbessern. Quelle (YouTube)
Einordnung: Wenn deine Agenten anfangen, Shell-Befehle vorzuschlagen oder auszuführen, ist Shell-Verständnis kein Nice-to-have, sondern deine Kontrollinstanz. Wer nicht liest, was die KI da tut, kann weder Fehler noch Sicherheitsrisiken abfangen.
Warum sich dein KI-Angebot nicht verkauft
Nate Herk, KI-Automations-Fachmann und Betreiber des YouTube-Kanals «Nate Herk | AI Automation», argumentiert: Nicht das Modell entscheidet über den Verkaufserfolg, sondern die Geschichte dahinter («wenn du Probleme hast zu verkaufen, hast du Probleme zu erzählen»). Das ist eine praxisbasierte Beobachtung aus Beratungsgesprächen, kein belegter Befund; sein Anker-Beispiel (ein Anbieter gewann eine Kanzlei, indem er einen physischen Server auf den Tisch stellte: «Deine Daten liegen hier und verlassen diesen Raum nicht») ist eingängig, aber anekdotisch. Die genannten 76 Prozent der CEOs, die mehr technische Versiertheit fordern, bleiben ohne benannte Quelle. Quelle (YouTube)
Einordnung: Der Kern taugt für DACH-Verkäufe, wo Datenhoheit ein echtes Kaufargument ist: Souveränität und lokale Verarbeitung konkret adressieren schlägt eine abstrakte Feature-Liste. Aber ein physischer Server ersetzt keine Compliance, das bleibt Vertriebsrhetorik, wenn revDSG- und DSGVO-Prüfung fehlen.
Virgin Atlantic mit ChatGPT: «Wochen auf Stunden»
Ein kurzes Promo-Video zeigt drei Virgin-Atlantic-Stimmen, die ChatGPT und OpenAIs Codex-Integration für Custom Dashboards, Reporting und schnellere Produktentwicklung einsetzen. Plausibel ist, dass generative KI Reporting-Tasks und Prototyping beschleunigt; die Behauptung «Wochen auf Stunden» ist jedoch eine Marketingformulierung ohne Baseline-Zahlen, Methodik oder unabhängigen Audit. Auch offen: welche Daten in die Dashboards fliessen und wie der Datenschutz gehandhabt wird. Quelle (YouTube)
Einordnung: Solche Referenz-Storys sind Anregung, kein Business-Case, den du übernehmen kannst. Virgin Atlantic ist eine in England und Wales eingetragene Gesellschaft und untersteht britischem Datenschutzrecht mit dem ICO als Aufsicht, für Reisende aus der EU hat die Airline zusätzlich eine europäische Vertretung benannt. Wer eine solche Verarbeitung in der EU oder der Schweiz nachbaut, muss sie nach DSGVO und revDSG belegen: Definiere Metriken und einen Vorher-Nachher-Vergleich, bevor du das Zeitversprechen glaubst.
Thinking Machines‘ Inkling: das erste eigene Modell des 12-Milliarden-Startups
Mira Muratis Thinking Machines Lab hat mit «Inkling» sein erstes eigenes Modell veröffentlicht, mit offenen Gewichten unter Apache-2.0: ein Mixture-of-Experts mit 975 Milliarden Gesamtparametern, rund 41 Milliarden aktiv pro Token, trainiert auf 45 Billionen Token und mit Million-Token-Kontext. Die Eckdaten und die Apache-2.0-Lizenz für die Gewichte sind auf Hugging Face nachprüfbar, Trainingsdaten und Trainingscode sind nicht veröffentlicht. Bei den Benchmarks ist Zurückhaltung angebracht: Laut Video landet Inkling im Mittelfeld der offenen Modelle und bleibt hinter den aktuellen Spitzenmodellen von Google und OpenAI zurück. Quelle (YouTube)
Einordnung: Für DACH-Unternehmen mit Souveränitäts-Anspruch ist die Apache-2.0-Lizenz für die Gewichte das eigentlich Interessante: frei self-hostbar, kommerziell nutzbar, ohne Anbieter-Bindung. Inkling positioniert sich explizit als solides Basismodell zum Fine-Tunen, nicht als Frontier-Modell, das ist realistisch statt Hype.
Oasis 1: Titan-Ring statt Tastatur
Ein US-Startup zeigt mit dem Oasis 1 einen Titanring, der Spracheingabe (geräuschunterdrückendes Mikrofon, «Wispr Flow» zur Sprache-zu-Text-Wandlung) mit einem 2D-Trackpad auf der Oberseite kombiniert. Genannt sind Haptic Feedback, 16 Stunden Akku, Kompatibilität mit Mac, iPhone und Apple Vision Pro sowie ein Preis von rund 230 Franken oder 289 US-Dollar (Pre-Order). Was komplett fehlt: unabhängige Tests, Erkennungsgenauigkeit, Latenz, Datenschutzdokumentation und die Angabe, ob die Verarbeitung lokal oder in der Cloud läuft. Quelle (YouTube)
Einordnung: Für den Büroalltag ist das vorerst eine Ankündigung ohne Nutzertest, kein Werkzeug. Gerade der offene Punkt der Sprachverarbeitung (lokal oder Cloud) ist für jeden geschäftlichen Einsatz der entscheidende Datenschutz-Faktor, solange er ungeklärt bleibt, gehört das Gerät auf die Beobachtungsliste, nicht auf die Beschaffungsliste.
Das Muster des Tages: China und der offene Sektor liefern immer stärkere Kosten- und Souveränitätsargumente, während die spektakulären Zahlen (ob «Wochen auf Stunden» oder Ring-Demos) fast durchweg Belege schuldig bleiben. Prüfe jede Behauptung an deinen eigenen Aufgaben und deiner eigenen Rechtslage.