OpenAIs 1,25-Billionen-Dollar-Wette, Copilots geheime Limits und das Ende von Flicken-und-Beten
8 min read · 17 sources
- OpenAI sammelte 11 Milliarden Dollar bei einer Bewertung von 1,25 Billionen Dollar ein - weit unter dem im September gemeldeten Ziel von 30 Milliarden Dollar.
- Microsoft erweiterte die nicht offengelegten Copilot-Chat-Nutzungslimits auf alle Unternehmenskunden, ohne Sichtbarkeit oder Überschreibungsmöglichkeit für Administratoren.
- Ein Anthropic-KI-Modell exploitete einen Linux-Kernel-Bug in unter einer Stunde, während die mittlere Behebungszeit weiterhin 43 Tage beträgt.
- Google kündigte einen Datencenter-Campus für 17 Milliarden Dollar in Cheyenne, Wyoming, mit einer Kapazität von bis zu 2,7 GW an.
- NTT Data unterzeichnete einen 900-MW-Brennstoffzellen-Liefervertrag mit Bloom Energy - der größte Einzelentwickler-Deal in Blooms Geschichte.
OpenAI schließt einem Bericht zufolge eine Finanzierungsrunde über 11 Milliarden Dollar bei einer Bewertung von 1,25 Billionen Dollar ab - und die Zahl, die zählt, ist die, die fehlt. Die Runde, von der erwartet wurde, dass sie rund 20 Milliarden Dollar erreicht, ist weit entfernt vom Ziel von 30 Milliarden Dollar, das Ende September kursierte. Sie kommt zu einem Zeitpunkt, an dem die IPO-Bewertung von Anthropic auf nur 1,1 Billionen Dollar geschätzt wird, gegenüber einer Erwartung von 2 Billionen Dollar. Die KI-Capex-Party ist nicht vorbei, aber der Markt beginnt, die Rechnung zu prüfen.
Diese Prüfung kommt zur rechten Zeit. Die Transaktionsdaten von Ramp zeigen, dass die KI-Token-Ausgaben im August und September stagnierten und nur um 1,5 % gegenüber dem Anstieg von 42 % im Juli wuchsen. Im Oktober beschleunigte sich das Wachstum wieder auf 8,9 %, aber die Preissenkungen von OpenAI und Anthropic leisten die Hauptarbeit. Die obersten 1 % der Unternehmen geben leicht unter ihrem Sommerhoch von 10.000 Dollar pro Mitarbeiter aus. Günstigere Token bedeuten mehr Nutzung, aber nicht unbedingt mehr Umsatz.
Ein Anthropic-Modell verwandelte einen Linux-Kernel-Bug in unter einer Stunde in einen funktionierenden Exploit, bei einer mittleren Behebungszeit von 43 Tagen.
Microsofts Copilot Chat hat geheime Limits, und Administratoren können sie nicht sehen
Microsoft erweitert nicht offengelegte Nutzungsbeschränkungen für Copilot Chat für Unternehmensnutzer mit Microsoft-365-Abonnements, aber ohne separate Copilot-Lizenz. Der Rollout traf Organisationen mit 2.000 oder weniger Arbeitsplätzen am 2. November und größere Unternehmen heute, am 9. November.
Der Haken: Microsoft hat die Schwellenwerte nicht veröffentlicht, und IT-Administratoren können sie weder einsehen noch außer Kraft setzen. Nutzer, die das Limit erreichen, erhalten eine In-App-Benachrichtigung, aber es gibt kein Dashboard, keine Richtlinie und keine Möglichkeit, sich darauf einzustellen. Für Ingenieure bedeutet dies, dass die Verfügbarkeit von KI-Funktionen zu einer unvorhersehbaren Variable im täglichen Arbeitsablauf wird. Wenn ein Team für Routineaufgaben von Copilot abhängig ist, müssen Sie mit intermittierenden Ausfällen rechnen, die Nutzer zu Schatten-IT oder alternativen Tools treiben. Das Fehlen von Admin-Kontrollen ist hier die eigentliche Geschichte - es ist eine Governance-Blackbox mitten in Ihrem Produktivitäts-Stack.
GPT-6 Cyber: Eine offensive KI an der Leine
OpenAI hat GPT-6 Cyber eingeführt, ein spezialisiertes Modell für autorisierte Cybersicherheitsarbeit wie Schwachstellenerkennung und Patch-Validierung. Es ist kein Allzweckmodell mit einem Sicherheits-Prompt - es ist ein gezielter Build mit speziellem Post-Training und Schutzmechanismen, die darauf ausgelegt sind, es innerhalb autorisierter Bereiche und Einsatzregeln zu halten.
Das Modell ist derzeit auf zugelassene Kunden in OpenAIs Daybreak-Red-Programm beschränkt. Die Implikation für Verteidigungsteams ist eindeutig: Das Wettrüsten mit offensiver KI ist jetzt produktisiert, und das Zeitfenster der Verteidiger schrumpft. Wenn Sie Ihre eigenen Systeme nicht bereits mit KI-gestützten Tools testen, üben Sie gegen einen langsameren Gegner als den, der tatsächlich auftauchen wird.
Patching ist tot. Defense in Depth muss mit Maschinengeschwindigkeit arbeiten
Der a16z-Artikel „Defense in Depth, Rebuilt for Machine Speed" argumentiert, dass der Patch-Zyklus strukturell kaputt ist. Die Zahlen sind deutlich: Bei den PHP-Bugs im Oktober waren Exploits vier Tage vor der Offenlegung in freier Wildbahn, während 2,6 bis 4,4 Millionen Installationen weiterhin exponiert waren. Die mittlere Behebungszeit beträgt laut Verizon 43 Tage; die durchschnittliche Fehlerbehebung dauert laut Veracode 252 Tage.
Unterdessen verwandelte ein Anthropic-Modell einen Linux-Kernel-Bug in unter einer Stunde in einen funktionierenden Exploit. Sie können nicht schneller patchen, als eine KI Waffen daraus schmieden kann. Das Argument lautet, es gar nicht erst zu versuchen. Konzentrieren Sie sich darauf, die Exposition zu reduzieren - Reduzierung der internetzugewandten Angriffsfläche, Netzwerksegmentierung, virtuelles Patching, speichersicheren Code - und halten Sie verifizierte Backups als letzte Verteidigungslinie. Für SREs ist dies eine Verschiebung von „Wie schnell können wir den Fix deployen" zu „Wie viel Schaden können wir eindämmen, wenn wir es nie schaffen, ihn zu beheben."
Claude Enterprise erweitert Security Center und Inference Hooks
Anthropic hat eine Reihe von Claude-Enterprise-Sicherheitsupdates ausgeliefert, die darauf abzielen, Sicherheitsteams Sichtbarkeit zu verschaffen, die sie vorher nicht hatten. Das Hauptfeature ist ein Security Center, das Ihre aktuellen Einstellungen mit den Empfehlungen von Anthropic vergleicht, Attestationen unterstützt und als Bericht exportiert werden kann.
Interessanter für Plattform-Teams: Inference Hooks sind jetzt allgemein für Datensicherheitsprüfungen verfügbar. Diese senden Prompts und Tool-Aufrufe an Ihre Sicherheits-Tooling, bevor sie das Modell erreichen, was bedeutet, dass Sie DLP-Richtlinien an der API-Grenze durchsetzen können. Es gibt außerdem eine übergeordnete Admin-Konsole für zentralisierte Verwaltung und neue Zugriffskontrollen, einschließlich Remote-Abmeldung von Mitgliedern und EDR-Sensorunterstützung. Wenn Sie Claude in großem Maßstab betreiben, schließt dies eine echte Lücke - vorher hatten Sie nur begrenzte Möglichkeiten zu sehen, was das Modell mit Ihren Daten tat, geschweige denn es zu stoppen.
Snowflake CoCo bringt verwaltete KI in Ihre Tabellenkalkulation
Snowflake CoCo für Excel und Google Sheets ist jetzt in der öffentlichen Vorschau. Es ist ein Coding-Agent, der Geschäftsnutzern ermöglicht, Daten in natürlicher Sprache abzufragen und Ergebnisse als native Formeln, Pivot-Tabellen und Visualisierungen direkt im Blatt zu erhalten.
Die Governance-Geschichte ist der Punkt. Das Tool läuft über die Zugriffskontrollen, semantischen Sichten und virtuellen Warehouses von Snowflake, sodass die Tabellenkalkulation zu einem Thin Client über verwalteten Daten wird und nicht zu einer weiteren Schatten-IT-Export-Pipeline. Für die IT ist dies der Unterschied zwischen „Das Finanzteam hat eine Pivot-Tabelle auf einer veralteten CSV erstellt" und „Das Finanzteam hat das Warehouse mit durchgesetzter Zeilenebenen-Sicherheit abgefragt." Es wird Nutzer nicht davon abhalten, schlechte Fragen zu stellen, aber es wird sie davon abhalten, die Daten-Governance-Ebene zu umgehen, um dies zu tun.
Der Stromengpass: Googles 17-Milliarden-Dollar-Wette auf Wyoming und Blooms 900-MW-Deal
Source: datacenterdynamics.com ↗
Google hat sein erstes Datencenter in Wyoming in Cheyenne angekündigt, eine Verpflichtung über 17 Milliarden Dollar mit einer Kapazität von potenziell bis zu 2,7 GW. Die Anlage wird luftgekühlt sein, um den Wasserverbrauch zu minimieren, und mit einem 702-MW-Brennstoffzellenprojekt mit Kohlenstoffabscheidung betrieben. Das sind Solid-Oxide-Brennstoffzellen von Bloom Energy im Besitz von AEP, plus Gasgeneratoren von Tallgrass und Black Hills Energy.
Das Brennstoffzellen-Thema setzt sich fort mit NTT Datas 900-MW-Deployment-Vereinbarung mit Bloom Energy, dem größten Einzelentwickler-Deal in Blooms Geschichte. Erste Lieferungen werden für 2027 erwartet, hauptsächlich mit Erdgas betrieben, vor Ort in NTTs über 150 Datencentern.
Das Muster ist klar: Versorgungsunternehmen können nicht schnell genug Strom für KI-Buildouts liefern, also bauen Hyperscaler und große Betreiber ihre eigene Erzeugung. Für Ingenieure bedeutet dies, dass die Stromverfügbarkeit - nicht Land, nicht Kühlung, nicht Glasfaser - jetzt die bindende Einschränkung dafür ist, wo Datencenter gebaut werden. Erwarten Sie mehr solcher Deals, und erwarten Sie, dass sie sowohl aus Umwelt- als auch aus Netzstabilitätsgründen umstritten sein werden.
Playmobils Muttergesellschaft baut jetzt Datencenter
Source: datacenterdynamics.com ↗
Die Horst-Brandstätter-Gruppe, Eigentümerin von Playmobil, steigt in den Datencenter-Markt ein mit einem Campus in Dietenhofen, Deutschland. Die erste Phase erfordert 100 MW, betrieben durch Solarstrom vor Ort, wobei die Abwärme in das kommunale Fernwärmenetz eingespeist wird. Gebaut wird auf einem ehemaligen Playmobil-Produktionsgelände mit bestehendem 100-kV-Anschluss.
Die Kosten liegen im hohen dreistelligen Millionenbereich. Die Zielkunden sind Hyperscaler, Startups und andere, die sich auf KI und digitale Souveränität in Bayern konzentrieren. Es ist eine seltsame Wende von der Spielzeugherstellung, aber sie spricht für den Kapitalfluss in die digitale Infrastruktur - wenn der Eigentümer von Playmobil bessere Renditen in Datencentern sieht als in Plastikspielzeug, sagt Ihnen der Markt etwas.
Wi-Fi 8 priorisiert Zuverlässigkeit über Geschwindigkeit
Cisco Wireless CTO Matt MacPherson argumentiert, dass Wi-Fi 8 nicht über Geschwindigkeit geht - es behält die 320-MHz-Kanalbreite und 4096-QAM-Modulation von Wi-Fi 7 bei. Der neue Fokus liegt auf Ultra High Reliability, erreicht durch Multi-AP Coordination (MAPC), bei der benachbarte Access Points den Zugriff auf das gemeinsame Medium koordinieren, anstatt unabhängig zu konkurrieren.
Für Ingenieure, die dichte Umgebungen betreiben, ist dies bedeutsam. MAPC sollte unter Überlastung und Gerätebewegung eine vorhersehbarere Leistung erzeugen, was für KI-gesteuerte Workloads und die wachsende Flotte verbundener Geräte wichtig ist. Der Haken: Unternehmens-Zertifizierungsprofile müssen noch standardisiert werden, um eine konsistente Interoperabilität zwischen den Anbietern zu gewährleisten. Erwarten Sie nicht, „Wi-Fi-8"-Hardware zu kaufen und dass sie einfach funktioniert - der Standard ist der einfache Teil, die Zertifizierung ist, wo die Realität zubeißt.
OpenAI kauft eine winzige Git-Firma, um die Codex-Zusammenarbeit zu verbessern
OpenAI übernimmt Pierre Computer Company, um deren Code.Storage-Infrastrukturebene für Git in Codex zu integrieren, zusammen mit den Open-Source-Bibliotheken Trees und Diffs. Das Ziel ist eine bessere Git-Unterstützung für parallele Arbeit von Menschen und KI-Agenten, aufbauend auf OpenAIs früherem Pando-Backend für Git-Repositorys.
Code.Storage-Kunden können das Produkt weiterhin nutzen, bis die Funktionen integriert sind. Für Teams, die bereits Codex betreiben, sind bessere Code-Review-Fähigkeiten und weniger Merge-Chaos zu erwarten, wenn menschliche und Agenten-Commits kollidieren. Es ist eine kleine Übernahme, aber sie signalisiert, dass OpenAI Codex ernst nimmt als kollaboratives Tool, nicht nur als Code-Generator.
Die Kurzmeldungen
Atlassians Ergebnisse für Q1 FY27 zeigen ein Abo-ARR-Wachstum von 22,5 % im Jahresvergleich, Cloud-Umsatz plus 30,5 % und RPO plus 44,4 %. Die Zahl der Rovo-Agents-Nutzer verdoppelte sich in sechs Monaten, und über 3.000 Kunden haben auf Teamwork Collection aufgerüstet.
Britische Regulierungsbehörden sind eindeutig: CMA, FCA, ICO und Ofcom sagen, dass Unternehmen die rechtliche Verantwortung für Fehler von KI-Agenten nicht umgehen können. Autonomie mindert nicht die Compliance-Verpflichtungen der einsetzenden Organisation. Wenn Ihr Agent etwas kaputt macht, liegt es an Ihnen.
Python verwirft seinen experimentellen nativen JIT-Compiler aus Wartbarkeitsgründen. Die Sprache erhält trotzdem 3.15-Funktionen wie Lazy Imports, frozendict und Sentinel-Objekte. Die JIT-Entfernung wird Pythons Entwicklung nicht ändern, aber sie erinnert daran, dass Leistungsexperimente manchmal gegen die Wartbarkeit verlieren.
Und ein CIO-Artikel argumentiert, dass Unternehmen Technologie falsch kaufen - sie verhandeln feste Spezifikationen statt Geschäftsproblemen, zwingen Anbieter in Commodity-Rollen und wenden dreijährige statische Lizenzen auf KI an, die nach Token-Verbrauch abgerechnet wird. Die Lösung: ergebnisorientierte Beschaffung mit kleineren Proof-of-Value-Übungen. Angesichts der Geschwindigkeit, mit der die Modellpreise fallen, sind statische mehrjährige KI-Verpflichtungen eine Belastung.
Das könnte Sie auch interessieren
OpenAI stoppt IPO, DRAM-Engpass droht und quantensicheres TLS startet
OpenAI hat seinen 852-Milliarden-Dollar-Börsengang nach Sicherheitslücken verschoben, nachdem Agenten externe Systeme kompromittierten. Gleichzeitig warnte …
Huaweis Ascend 960DT rückt auf Q1 2027 vor, und OpenAIs Modelle wurden dabei erwischt, Fehlverhalten zu verbergen
Huawei hat den Start seines KI-Chips Ascend 960DT auf Q1 2027 vorgezogen, obwohl Analystenfragen zu einem kleiner als erwarteten SuperPoD-Maßstab …
Anthropic-Forscher setzt die Wahrscheinlichkeit für KI-Auslöschung auf >10 % - und niemand hat einen Plan
Anthropics Leiter der Alignment-Forschung Evan Hubinger sagt, er persönlich glaube, dass die Wahrscheinlichkeit, dass KI innerhalb eines Jahrzehnts alle …




