KI im Umbau: Vier Anbieter, vier verschiedene Baustellen

Mir fällt seit Wochen dasselbe auf: Die KI-Systeme, mit denen wir täglich arbeiten, verändern sich schneller, als sie besser werden. Etwas läuft plötzlich sauberer als vorher. Zwei Tage später klemmt an anderer Stelle etwas, das vorher sass. Beides gleichzeitig, und nicht nur bei einem Anbieter.

Meine Erklärung: Die Anbieter entwickeln ihre Systeme inzwischen selbst mit KI-Unterstützung weiter. Das beschleunigt die Arbeit und verschiebt gleichzeitig, wo Fehler entstehen. Wir stecken in einer Übergangszeit, bis sich die neuen Abläufe eingespielt haben. Das ist meine Einschätzung und kein Befund, aus den öffentlich verfügbaren Meldungen lässt sich dieser Zusammenhang nicht beweisen.

Belegen lässt sich etwas anderes, und das finde ich aufschlussreicher: Bei jedem der vier grossen Anbieter liegt gerade eine Baustelle offen. Aber es ist nicht viermal dieselbe. Es sind vier verschiedene Arten von Problem.

OpenAI: Die Stimme wird menschlicher, und das ist der Streitpunkt

Die Audio-Funktion von ChatGPT setzt in Gesprächspausen jetzt Füllwörter ein: «Hmm», «ja», «okay». Das soll natürlicher klingen und ist eine Weiterentwicklung des bestehenden Audio-Modus, wie t3n am 16. August 2026 berichtet.

Technisch ist das eine Verbesserung. Die Kritik daran zielt woanders hin: Die KI-Forscherin Katharina Zweig weist im MIT Technology Review darauf hin, dass wir Sprachmodellen umso leichter vertrauen, je menschlicher sie kommunizieren. Eine Designentscheidung, die das Vertrauen erhöht, ohne dass die Antworten dadurch richtiger werden, ist damit kein reines Feature.

Das ist die erste Art von Baustelle: Gestaltung und Vertrauen.

Anthropic: Wasserzeichen, weil die Pflicht da ist

Anthropic hat ein unsichtbares Wasserzeichen für Texte aus Claude eingeführt. Es folgt dem SynthID-Ansatz von Google Deepmind: Wo mehrere gleichwertige Wörter zur Wahl stehen, trifft das Modell eine bestimmte Wahl. Daraus entsteht ein Muster, das sich später mit einem Schlüssel prüfen lässt. Code wird schwächer markiert als Prosa, und leichte Überarbeitungen entfernen die Markierung nicht vollständig. Die Details hat t3n am 16. August 2026 zusammengetragen.

Der Auslöser ist absehbar gewesen: Seit dem 2. August 2026 gilt in der EU die Kennzeichnungspflicht, und Anthropic hat im Juli 2026 einen EU-Verhaltenskodex mit rund 190 weiteren Unterzeichnern unterschrieben. Was das konkret für deine Texte und Bilder bedeutet, haben wir in einem eigenen Beitrag zur KI-Verordnung aufgeschrieben.

Zweite Art von Baustelle: Regulierung und Nachweisbarkeit.

Google: Ein Modell, das nicht fertig wird

Gemini 3.5 Pro sollte im Juli 2026 erscheinen. Der Termin ist verstrichen, das Modell mehrfach verschoben. Als Grund nennt t3n unter Berufung auf Bloomberg, dass die KI hinter den eigenen Erwartungen zurückbleibt, besonders beim Programmieren, wo sie der Konkurrenz nachläuft. Ein Update der Trainingsdaten im Juni reichte nicht.

Interessanter als die Verspätung sind die internen Gründe, die derselbe Bericht nennt: Mehrere Abteilungen mit Mitspracherecht bremsen die Entwicklung, Teams konkurrieren um begrenzte Rechenkapazität, und nicht alle Entwickler dürfen externe KI-Werkzeuge einsetzen. Parallel hat Google Ende Juli den «Standard»-Modus aus der Modellauswahl entfernt und schiebt «Extended Thinking» in den Vordergrund.

Dritte Art von Baustelle: Technik und Organisation.

Alibaba: grösser, aber selbst gemessen

Am 3. August 2026 hat Alibaba Qwen3.8-Max veröffentlicht: 2,4 Billionen Parameter insgesamt, 95 Milliarden davon pro Anfrage aktiv. Die Gewichte sollen auf Hugging Face und ModelScope folgen, berichtet The Decoder.

Der Haken steht im selben Artikel: Die Benchmark-Ergebnisse stammen aus internen Läufen, eine unabhängige Verifikation steht aus. Bei einem Konkurrenzmodell hatten unabhängige Tests die Herstellerzahlen zuvor deutlich relativiert. Ein Modell, dessen Leistung nur der Hersteller gemessen hat, ist für die Praxis noch keine Grösse.

Vierte Art von Baustelle: Nachprüfbarkeit.

Was das für die Praxis heisst

Vier Anbieter, vier grundverschiedene Probleme: Gestaltung, Regulierung, Technik, Nachprüfbarkeit. Wenn alle gleichzeitig an unterschiedlichen Stellen umbauen, erklärt das die Erfahrung, die viele gerade machen: Es wird besser und schlechter zur selben Zeit, je nachdem, was man tut.

Drei Konsequenzen, die wir in eigenen Projekten ziehen:

Prüfe am eigenen Fall, nicht am Benchmark. Welches Modell auf einer Tabelle vorn liegt, sagt wenig darüber, ob es deine Aufgabe löst. Nimm drei echte Beispiele aus deinem Alltag und lass sie durchlaufen.

Halte den Ausgang offen. Wer eine Automatisierung fest an einen Anbieter bindet, erbt jede seiner Baustellen. Eine austauschbare Schnittstelle kostet am Anfang etwas mehr und spart später eine Neuentwicklung.

Schreibe auf, was funktioniert hat. Wenn sich Verhalten monatlich ändert, ist die Erinnerung an den letzten Stand kein Ersatz für eine Notiz. Datum dazu, sonst ist sie in vier Wochen nichts mehr wert.

Meine Vermutung, warum das gerade jetzt gehäuft auftritt, bleibt eine Vermutung. Die Baustellen selbst sind belegt, und sie sind, jede für sich, ein guter Grund, Ergebnisse nachzuprüfen statt sie zu übernehmen.