Jeder vierte Social-Media-Beitrag mit mehr als 250 Wörtern stammt komplett aus einer KI. Auf LinkedIn sind es über 40 % der längeren Posts. Pangram Labs hat dafür mehr als eine Million Beiträge ausgewertet.

Parallel dazu verschiebt sich die Frage, wem die KI eigentlich gehört: Hugging-Face-CEO Clément Delangue berichtet, dass die meisten Firmen nach der Experimentierphase von teuren Frontier-APIs auf Open-Source-Modelle wechseln. Und das „Reverse Information Paradox" beschreibt, warum jede Korrektur an einem gemieteten Modell ein Stück institutionelles Wissen an den Anbieter zurückgibt.

Dazu neue Modelle im Wochentakt – GPT-5.6, Grok 4.5, Soofi S aus Deutschland – und eine Rating-Herabstufung, die zeigt, was der KI-Boom bilanziell kostet. Christian moderiert diese Folge noch einmal alleine, Yusuf ist kommende Woche wieder dabei.

Warum diese Folge wichtig ist

Die Trennlinie verläuft dieses Mal zwischen gemieteter und eigener KI. S&P stuft Oracle herab, weil rund die Hälfte der offenen Vertragsverpflichtungen von 638 Milliarden Dollar an einem einzigen Kunden hängt: OpenAI. Wer die Infrastruktur baut, trägt das Risiko.

Für Website-Betreiber wird gleichzeitig konkret, was Vertrauenswürdigkeit in KI-Antworten bedeutet. Perplexity kennzeichnet Quellen jetzt sichtbar mit vier Stufen. Wer dort ohne Kennzeichnung auftaucht, hat ein Problem, das sich nur redaktionell lösen lässt.

Und die Pangram-Zahlen liefern den unangenehmen Kontext: Ausgerechnet im beruflichen Netzwerk unter Klarnamen lassen Menschen die KI für sich sprechen.

Themen der Folge

Pangram-Studie: Wie viel KI wirklich in Social Media steckt: Pangram Labs hat über eine Million Beiträge untersucht. Ergebnis: Jeder vierte Beitrag mit mehr als 250 Wörtern ist vollständig KI-generiert, Substack ausgenommen. LinkedIn stellte nur ein Drittel der untersuchten Posts, lieferte aber 62 % aller erkannten KI-Inhalte. Über 40 % der längeren LinkedIn-Beiträge kommen komplett aus der Maschine. Auf X liegt der Anteil rein menschlich verfasster Artikel bei 53,2 %, wenn man KI-gestützte Mischformen mitzählt. Auffällig ist der Unterschied zwischen Post und Antwort: Auf Reddit schrieben Menschen 98,1 % der Antworten selbst, während Hauptbeiträge eine 5,25-mal höhere Wahrscheinlichkeit hatten, aus der KI zu stammen. Christians Lesart: Je stärker der Post als Visitenkarte funktioniert, desto eher übernimmt die KI.
Perplexity stuft Quellen in vier Vertrauensstufen ein: Perplexity zeigt neben jeder Quelle ein Schild-Icon, das die Vertrauenswürdigkeit anzeigt. Stufe 1 bleibt ohne Kennzeichnung, darüber folgen „Credible", „Trusted" und „Authoritative". Beim Mouseover erklärt Perplexity, was für die Quelle spricht und wo es hakt – bei „Credible" etwa redaktionelle Mängel, die eine höhere Einstufung verhindern. „Trusted" trifft oft Fachblogs und Nischenseiten, „Authoritative" bleibt anerkannten Autoritäten vorbehalten, zum Beispiel Beiträgen direkt von Google. Christians Einordnung: EEAT wirkt damit sichtbar in die KI-Suche hinein. Expertise, Erfahrung, Autorität und Vertrauenswürdigkeit lassen sich jetzt am Icon ablesen.
Satya Nadella und das „Reverse Information Paradox": Microsoft-CEO Satya Nadella hat dazu einen viel beachteten Post verfasst. Kenneth Arrows klassisches Informationsparadoxon beschreibt das Risiko des Verkäufers, sein Wissen beim Verkauf preiszugeben. Bei KI-Modellen dreht sich das um: Der Käufer gibt sein wertvollstes Wissen ab, nur um die gekaufte Intelligenz überhaupt brauchbar zu machen. Jeder Prompt, jedes Werkzeug, jede Korrektur fließt als „Abgas" zurück zum Modell-Anbieter. Der wirtschaftliche Wert wandert damit zu den Eigentümern der Infrastruktur. Die vorgeschlagene Antwort ist eine Vertrauensgrenze mit fünf Bausteinen: eigene Evaluierungsprozesse und Kontrolle über das institutionelle Gedächtnis, proprietäre Lernumgebungen im eigenen Haus, eine vom einzelnen Modell entkoppelte Orchestrierungsebene, daraus folgende Kostenvorteile und am Ende eine Lernschleife, die den Wert der eigenen KI-Investitionen verzinst.
Hugging Face: Der Trend geht weg von gemieteter KI: CEO Clément Delangue beschreibt ein Muster, das sich wiederholt. Firmen starten mit kommerziellen Frontier-APIs, um zu experimentieren. Sobald es in die Produktion geht und skaliert, wechseln die meisten auf Open-Source-Modelle, weil die API-Kosten aus dem Ruder laufen. Gefordert werden Kontrolle, Transparenz und volles Eigentum an den eigenen KI-Fähigkeiten – Delangue nennt das „Software 2.0". Rund die Hälfte der Fortune-500-Unternehmen arbeitet inzwischen mit Hugging Face, dort liegen fast drei Millionen öffentliche Modelle. Chinesische Open-Source-Modelle verzeichnen dabei die meisten Downloads und haben die USA überholt. Sie tragen auch einen Großteil der Forschung an Stanford oder Harvard, weil sich nur an offenen Systemen wirklich forschen lässt. Delangue widerspricht der These, Chinas Erfolg beruhe auf Distillation westlicher Modelle. Sein Argument zur Sicherheit: Offene Systeme waren historisch sicherer als geschlossene, weil Fachleute Schwachstellen sehen und beheben können. Das größte Risiko sieht er in der Machtkonzentration bei ein bis zwei Konzernen. Unterinvestiert sind aus seiner Sicht lokale KI, Biologie, Chemie und Robotik. Hugging Face selbst arbeitet kapitaleffizient, steht kurz vor der Profitabilität und hat seit drei Jahren kein frisches Investorengeld aufgenommen.
KIs Next Top Model I: GPT-5.6-Familie (OpenAI): Drei Stufen, ein Versprechen: mehr Leistung bei niedrigeren Gesamtkosten. Sol ist das Flaggschiff für komplexe Aufgaben, Terra das ausgewogene Alltagsmodell, Luna das schnellste und günstigste. Neu ist der Multi-Agenten-Modus „Ultra", der standardmäßig vier Agenten parallel arbeiten lässt. Sol erreicht 80 Punkte im Artificial Analysis Coding Agent Index. Über „Programmatic Tool Calling" führen die Modelle kleine Programme direkt aus, koordinieren Werkzeuge und filtern große Datenmengen selbst. In der Wissensarbeit verarbeitet GPT-5.6 unstrukturierte Kontexte aus Slack, Notion oder Google Drive und hält sich beim Bau von Präsentationen und Tabellen an Referenzvorlagen und Corporate Design. Im Cyberbereich liegt die Stärke auf der defensiven Seite: sichere Code-Reviews, Patchen, Bedrohungsmodellierung. Ein neuer „Reasoning Monitor" prüft Gespräche in Echtzeit. Für erweiterte defensive Cyber-Funktionen gibt es das Programm „Trusted Access" mit Identitätsprüfung und hardwaregestützten Passkeys. Preise pro Million Token: Sol 5 / 30 USD, Terra 2,50 / 15 USD, Luna 1 / 6 USD. Free- und Go-Pläne bekommen Terra, zahlende Nutzer alle drei Modelle, Pro und Enterprise zusätzlich „Ultra".
KIs Next Top Model II: Grok 4.5 (SpaceXAI): Am 8. Juli veröffentlicht, 1,5 Billionen Parameter auf der neuen V9-Foundation-Architektur. Der eigentliche Hebel liegt im Trainingsmaterial: SpaceXAI hat die Entwicklerplattform Cursor für 60 Milliarden Dollar gekauft und deren reale Entwicklerdaten ins Training gegeben. Das Modell hat dadurch weniger die Syntax gelernt als das Verhalten von Software-Ingenieuren – diff-basierte Überarbeitungen, Debugging über Systemgrenzen hinweg, Arbeit mit CLIs. Im DeepSWE-1.0-Benchmark erreicht Grok 4.5 62,0 % und schlägt damit Claude Opus 4.8 (55,75 %), bleibt aber hinter GPT-5.5 (64,31 %). Bei der SWE Marathon Resolution Rate liegt es mit 29,0 % vor Opus 4.8 (26,0 %) und Fable 5 (24,0 %), im Terminal Bench 2.1 bei 83,3 %. Der Preis ist die eigentliche Ansage: 2 USD Input und 6 USD Output pro Million Token. Ein Durchlauf kostet damit etwa ein Fünftel eines Opus-4.8-Laufs und ein Neuntel eines Fable-5-Laufs. Geschwindigkeit: 80 Token pro Sekunde. In der EU ist das Modell wegen offener regulatorischer Fragen noch nicht verfügbar.
KIs Next Top Model III: Meta Muse Spark 1.1 und drei Open-Source-Modelle: Meta bringt mit Muse Spark 1.1 erstmals ein kostenpflichtiges API-Modell und verlässt damit den Open-Source-Pfad. Das multimodale Reasoning-Modell zielt auf agentische Workflows und Tool-Use, der Preis liegt bewusst niedrig, um kostensensible Firmenkunden abzuwerben. Auf der offenen Seite: Mistrals Robostral Navigate lässt Roboter allein über eine handelsübliche RGB-Kamera und Sprachbefehle durch 3D-Räume navigieren und macht teure LiDAR-Hardware überflüssig. Robbyant LingBot-VLA 2.0 löst das Cross-Embodiment-Problem über einen einheitlichen kanonischen Vektor und übersetzt Bild- und Sprachbefehle direkt in Bewegungen für Industrieroboter genauso wie für humanoide Systeme. Cohere Transcribe Arabic transkribiert arabische Dialekte in Echtzeit und lässt OpenAIs Whisper v3 Large bei Genauigkeit und Tempo deutlich hinter sich.
Soofi S: Der Durchbruch bei KI aus Deutschland? Ein deutsches Konsortium aus Fraunhofer, DFKI, Universitäten und Start-ups hat ein vollständig quelloffenes Basismodell veröffentlicht, gefördert vom Wirtschaftsministerium. 31,6 Milliarden Parameter, aber durch die hybride Bauweise aus Mamba-2 und Mixture-of-Experts werden pro Token nur rund 3,2 Milliarden aktiviert. Das drückt den Rechenaufwand und macht lange Texte günstig. Mit etwa 15,3 % deutschen Trainingsdaten setzt Soofi S bei deutschsprachigen Aufgaben und beim Programmieren neue Bestmarken unter den offenen Modellen. Bei komplexer Mathematik und reinem Faktenwissen bleibt es hinter den großen internationalen Modellen. Architektur und Trainingsdaten liegen fast vollständig offen, trainiert wurde komplett in München auf der Cloud-Infrastruktur der Deutschen Telekom. Zielgruppe sind regulierte Branchen wie Verwaltung, Banken und Gesundheitswesen sowie die Industrie, die KI datenschutzkonform auf eigenen Servern betreiben wollen. Ein ChatGPT-Konkurrent ist es nicht, der Dialog-Feinschliff fehlt.
S&P stuft Oracle herab: Von „BBB" auf „BBB-", das kurzfristige Rating auf „A-3", Ausblick stabil. Die G...