Diese Woche dreht sich alles um die Frage, wie weit KI-Systeme operative Verantwortung tatsächlich übernehmen können: von der agentisch organisierten Kleinfirma über neue Trainingsparadigmen bis zu konkreten Modell-Releases mit echten Kosten.
Vier Videos vom 26. Juni, vier verschiedene Blickwinkel auf denselben Grundkonflikt: KI-Versprechen gegen Praxis-Evidenz. Hier die Einordnung ohne Hype.
Wie viele Mitarbeitende braucht eine Marktforschungsfirma, wenn Agenten die Arbeit machen?
Das französische Startup Verso beantwortet die Frage mit: vier. Gründerin Lydia beschreibt im Video, wie ihr Team mit 30 Kunden und über 50 abgelieferten Konsumentenstudien operiert, ohne einen einzigen Customer-Success-Manager. Das operative Herzstück heisst intern «Verso Brain» und läuft als Agent im Slack-Channel. Ein Mitarbeiter übergibt freitags um 17 Uhr Kontext aus einem Kundengespräch, und 90 Minuten später ist das Feldforschungs-Setup live. Die Ergebnisse liegen Montagmorgen vor. Durchlaufzeit: unter 72 Stunden statt traditionell sechs Wochen.
Das ist ein gut illustriertes Einzelbeispiel, kein Branchen-Benchmark. Was das Video nicht zeigt: Fehlerquoten bei der automatisierten Analyse, wie Qualitätssicherung jenseits manuell geflaggter Interviews aussieht und wie komplex die gelieferten Insights tatsächlich sind. Die Aussage, 10 bis 15 Customer-Success-Manager wären ohne KI nötig, ist eine grobe interne Schätzung ohne Vergleichswert. Ähnlich die Behauptung, 90 Prozent der Bugs würden automatisch behoben: plausibel bei einfacher Codebasis, nicht verallgemeinerbar.
Was trotzdem relevant bleibt: Verso zeigt, dass «agentic company» kein Zukunftsszenario ist, sondern heute betrieben wird. Für DACH-Teams, die überlegen, wo Agenten operative Verantwortung übernehmen können, ist das Muster interessant, auch wenn die Zahlen nicht direkt übertragbar sind. Video aus OpenAIs eigenem Kanal: Verso, l’entreprise qui ne dort jamais
Was kommt nach RLVR, und warum ist das für Operators relevant?
Dwarkesh Patel legt in einem Video-Essay dar, warum die grossen KI-Labors auf Reinforcement Learning aus verifizierbaren Aufgaben (RLVR) setzen und wo diese Wette an ihre Grenzen stösst. Die These: Wenn ein Modell Millionen überprüfbarer Aufgaben in tausenden Umgebungen löst, entsteht ein Agent, der auch offene Aufgaben über Wochen bearbeiten kann.
Zwei Beobachtungen aus dem Video sind gut belegt. Erstens: RLVR verbessert Coding-Agenten messbar, das sieht man täglich in Tools wie Cursor oder Claude Code. Zweitens: Warum Computer-Use-Agenten langsamer Fortschritte machen als Coding-Agenten erklärt sich durch «Grindability», also die Fähigkeit, Trainingsumgebungen in tausenden parallelen Rollouts zu skalieren. Man kann keine tausend Instanzen gleichzeitig durch den Amazon-Checkout schicken, ohne gesperrt zu werden.
Weniger belegt sind die weiterreichenden Thesen: dass RLVR stark genug generalisiert, um einen politischen Berater auf dem Niveau von Lyndon Johnson zu produzieren, oder dass das Paradigma ohne fundamentale Erweiterung zu echter allgemeiner Intelligenz führt. Für Operators ist die pragmatische Schlussfolgerung klarer: Aufgaben, die sich verifizieren und parallelisieren lassen, profitieren heute von agentenbasierter Automatisierung. Aufgaben, die das nicht können, noch nicht. Video: What does the next training paradigm look like?
Sakana Fugu, Claude in Slack und US-Regulierung: Was ist für den Arbeitsalltag relevant?
Drei Meldungen in einem Video, drei verschiedene Reifegrade. Hier die Einordnung nach Relevanz:
Sakana Fugu: Orchestrator mit echtem Kostenrisiko
Sakana Fugu ist kein klassisches Sprachmodell, sondern ein Orchestrator: Das System routet Anfragen an einen nicht vollständig offengelegten Pool von Frontier-Modellen, laut Berichten u.a. von OpenAI, Anthropic und Google, und wählt je nach Aufgabe das geeignetste. Zwei Varianten: Fugu für alltägliche Aufgaben mit niedrigerer Latenz, Fugu Ultra für komplexe, mehrstufige Probleme. Laut Sakanas eigener Vergleichstabelle kann Fugu Ultra auf LiveCodeBench und GPQA mit führenden Modellen mithalten; auf SWE-Bench Pro bleibt es zurück.
Das konkrete Kostenbeispiel aus dem Video ist die wichtigste Information für Operators: Ein einzelner Test mit Fugu Ultra im «Extra High»-Modus kostete rund 30 US-Dollar für zwei Code-Projekte. Wer das ungesteuert in einem Team einsetzt, hat schnell ein Budget-Problem. Wer testen will: API-Konto bei console.sakana.ai nötig.
Claude in Slack: real, aber nur für Enterprise
Anthropic hat «Claude Tag» in Slack offiziell lanciert, aktuell ausschliesslich auf Teams- und Enterprise-Plänen. Anthropic gibt an, dass 65 Prozent des Codes des eigenen Produktteams mit der internen Version dieser Funktion generiert werden. Das ist eine Anbieterangabe ohne externe Validierung, aber ein Signal für die eigene Priorität. Für DACH-Teams auf Standard-Plänen: noch nichts zu tun, Verfügbarkeit unklar.
US-Regierung greift in OpenAIs Release-Planung ein
Laut Video hat die US-Regierung in die Release-Planung von OpenAI eingegriffen und ein Modell-Release zeitlich beeinflusst. Details und Kontext bleiben im Video dünn. Für DACH-Operators ist das vor allem ein Signal, dass Regulierungsdruck auf Release-Zyklen zunimmt, auch wenn die direkte Wirkung auf europäische Deployments noch unklar ist. Video: AI News: The New Model That’s As Good As Fable
Was zeigen frühe GPT-5.5- und Codex-Tests wirklich?
Pietro Schirano, Ingenieur, Designer und Mitgründer von MagicPath, gehört zu den frühen Testern von GPT-5.5 und Codex. Im Gespräch demonstriert er drei selbst gebaute Anwendungen, die er an den Grenzen des Systems gebaut hat.
- Ein Tool, das ein Bild in einen harmonisch komponierten Song umwandelt und diesen zurück ins Originalbild konvertiert, inklusive Base64-Encoding und kryptographischer Logik, umgesetzt in einem einzigen Prompt mit Codex und GPT-5.5.
- Ein altes Sicherheitsgerät mit proprietärem Firmware-Interface, für das Codex per USB-Analyse eigenständig einen Doodle-Jump-Klon gebaut haben soll, inklusive korrekter Behandlung von Kurz- und Langdruck auf dem Analogstick.
- Ein Schreib-Autocomplete-Tool («Odysseus») mit GPT-Realtime-Sprachintegration, das Gesprochenes sofort als Text erfasst und weiterverarbeitet.
Die Einordnung ist hier wichtiger als die Demos selbst: Wir sehen Ergebnisse, nicht Prompts, nicht Code, nicht mögliche Fehlversuche davor. Das sind Anekdoten eines einzelnen Nutzers mit viel Erfahrung im Umgang mit diesen Modellen, keine reproduzierbaren Benchmarks. Schiranos eigentliche Botschaft ist trotzdem relevant: Wer neue Modelle nur für das Naheliegende einsetzt, testet nicht, was sie wirklich können. Das Muster, Modelle an ungewöhnlichen Schnittstellen zu testen, ist als Praxis-Heuristik nützlich, auch wenn die einzelnen Demos keine allgemeine Aussage erlauben. Video aus OpenAIs eigenem Kanal: Builders Unscripted: Ep. 4, Pietro Schirano
Fazit
Der rote Faden dieser Woche: KI-Systeme übernehmen mehr operative Verantwortung, aber die Qualitätskontrolle bleibt menschliche Aufgabe. Verso zeigt das für Marktforschung, Sakana Fugu für Modell-Routing, Schirano für kreative Entwicklung. Die nüchternste Lektion kommt aus dem RLVR-Essay: Parallelisierbare, verifizierbare Aufgaben profitieren heute am stärksten von Agenten. Für alles andere ist das Versprechen noch grösser als die Evidenz.