BriefTechNews
Microsoft 365 fällt aus, Gemini bekommt eine Entscheidungs-Engine, und Bots werden gesperrt

Microsoft 365 fällt aus, Gemini bekommt eine Entscheidungs-Engine, und Bots werden gesperrt

7 min read · 11 sources

TL;DR
  • Microsoft-365-Ausfall am 12. November traf E-Mail, Teams und Intune aufgrund fehlgeschlagener Server-Health-Checks und eines überlasteten Prozesses.
  • Die Gemini Decisions API von Google bewertet bis zu 1.000 Fragen pro Anfrage in einem Durchgang mit 150-250 ms Latenz für 0,10 $ pro Million Input-Token.
  • Gartner prognostiziert 10,6 Millionen durch KI geschaffene Arbeitsplätze gegenüber 8,9 Millionen verlorenen bis 2030, ein Nettogewinn von 1,7 Millionen.
  • United Airlines blockierte Kunden-Bots mit Verweis auf Datenlecks und FAA/DOT-Verstöße, nach Walmart, Target und Amazon.
  • AWS Cloud WAN unterstützt jetzt VPC Flow Logs ohne zusätzliche Kosten und erfasst IP-Verkehr über globale Netzwerke.

Ihre E-Mail war wieder down. Der Ausfall bei Microsoft am 12. November legte Exchange Online, Teams-Funktionen und die Intune-Admin-Konsole lahm. Das Unternehmen machte fehlgeschlagene Server-Health-Checks und einen überlasteten Serverprozess dafür verantwortlich. Die Wiederherstellung bedeutete, den Datenverkehr umzuleiten und Server neu zu starten - eine schicke Umschreibung dafür, dass die Flotte müde war und ein Nickerchen brauchte. Es ist die Art von Tag, an dem man sich fragt, warum man überhaupt in die Cloud migriert ist, und dann erinnert man sich: weil man keine Server ins Rack schieben wollte.

Die größere Geschichte ist, dass Google gerade ein Modell veröffentlicht hat, das Entscheidungen trifft, statt Text zu generieren. Die Gemini Decisions API ist ein Closed-Set-Scorer, kein Chatbot. Sie liest die Frage, gibt eine Wahrscheinlichkeit aus und verlangt dafür fast nichts. Wenn Sie Agenten betreiben, Datenverkehr routen oder Richtlinien durchsetzen, ändert das Ihre Kostenrechnung. Und wenn Sie eine Mac-Flotte betreiben, will Claris diese in einen KI-Cluster verwandeln.

Mit 0,10 $ pro Million Input-Token und null abgerechneten Output-Tokens ist die Gemini Decisions API für Entscheidungsworkloads etwa fünfmal günstiger als Gemini 3.5 Flash-Lite.

Gemini Decisions API: die 150-ms-Antwort für Agent-Routing

Source: blog.google ↗

Die neue Gemini Decisions API von Google wird von Gemini Decision 1 (gemini-decision-1) angetrieben, einem Modell für schnelle Closed-Set-Entscheidungen: Tool-Auswahl, Policy-Checks, Modell-Routing, Ja/Nein, Multiple Choice, Rubrik-Bewertung. Es verarbeitet multimodalen Input (Text, Bilder, Audio, Video, PDFs) bis zu 256K Token und beantwortet bis zu 1.000 unabhängige Fragen in einem einzigen Vorwärtsdurchgang. Die End-to-End-Latenz beträgt 150-250 ms, und das Modell liefert für jede Antwort einen Konfidenzwert von 0 bis 1.

Das Preisniveau ist die Schlagzeile: 0,10 $ pro 1M Input-Token, null abgerechnete Output-Token. Google behauptet, das sei für Entscheidungsworkloads fast 5x günstiger als Gemini 3.5 Flash-Lite. Für Ingenieure, die Agent-Orchestratoren bauen, ist das der Unterschied zwischen einer Routing-Schicht, die pro Aufruf echtes Geld kostet, und einer, die Bruchteile eines Cents kostet. Die kalibrierten Konfidenzwerte bedeuten auch, dass Sie Schwellenwerte setzen können: Nur bei einem Wert unter 0,8 wird an einen Menschen oder ein größeres Modell weitergeleitet. Das ist die Art von Stellschraube, die SREs gern drehen.

Gartners Job-Rechnung: netto positiv bis 2030, schmerzhaft 2026

Source: computerworld.com ↗

Gartners Prognose besagt, dass KI bis 2030 weltweit 10,6 Millionen Arbeitsplätze schaffen wird (ohne China und Indien) und 8,9 Millionen eliminieren - ein Nettogewinn von 1,7 Millionen. Die Technologiebranche verzeichnet die größten Nettogewinne: 1,9 Millionen neue Tech-Jobs bis 2030. Der Haken liegt in der nahen Zukunft. Gartner erwartet, dass 5 Millionen Einstellungen aufgeschoben werden, weil Arbeitgeber mit dem Einstellen warten, während sie herausfinden, was KI leisten kann. Allein 2026 gehen 2,2 Millionen Jobs verloren, nur 1,6 Millionen kommen hinzu.

Berufseinsteiger sind am stärksten vom Aufschub betroffen - die Junioren, die man normalerweise einstellt, um Skripte auszuführen und Boilerplate zu schreiben, werden am stärksten ausgebremst. Die Logik des Berichts: KI-Deployments reifen, Produktivitätsgewinne wirken kumulativ, neue Rollen entstehen. Aber wenn Sie ein Hiring Manager sind, sehen die nächsten 18 Monate wie ein Einstellungsstopp mit Extraschritten aus. Planen Sie Ihre Nachfolge entsprechend.

Die B2A-Ökonomie: Agenten sind Ihre neuen Kunden

Source: a16z.news ↗

Das Argument von a16z ist unverblümt: KI-Agenten machen inzwischen den Großteil des Web-Traffics aus, schreiben über die Hälfte der neuen Artikel und generieren den Großteil des Produktionscodes. Das heißt: Der Kunde, den Sie bedienen, ist zunehmend eine Maschine, kein Mensch. Die Zahlen untermauern das: Shopify meldete im Q1 ‘26 ein achtfaches Wachstum des KI-getriebenen Traffics im Jahresvergleich, und der Traffic agentischer Browser wuchs zwischen August und Oktober um das Achtfache, wobei Muse 60 % dieser Aktivität ausmachte.

Die Konsequenz ist architektonisch. Wenn Agenten Ihre Kunden sind, muss Ihre Website sie ohne JavaScript, ohne CAPTCHAs und mit strukturierten Daten bedienen, die sie parsen können. Das Blockieren von Bots ist jetzt das Blockieren von Umsatz. Die Kehrseite: Von Agenten vermittelter Traffic konvertiert Berichten zufolge besser als menschlicher Traffic, weil der Agent bereits gefiltert hat. Wenn Sie keine agentenfreundliche API-Schicht bauen, überlassen Sie diese Distribution einem Wettbewerber, der es tut.

Claris Harbor: Ihre Mac-Flotte ist jetzt ein KI-Cluster

Source: computerworld.com ↗

Claris Harbor, von der Apple-Business-Tochter, verwandelt Apple-Silicon-Macs in private KI-Server. Die App richtet einen Endpoint auf einem einzelnen Mac ein oder bündelt Unified Memory über Thunderbolt 5 auf mehreren Maschinen für größere Modelle. Daten und Prompts bleiben auf der physischen Hardware. Es befindet sich in privater Vorschau mit einer Mailingliste für Early Access.

Für Unternehmen mit Hunderten von Macs, die nachts ungenutzt herumstehen, ist das ein Weg, Inferenz ohne GPU-Server oder Cloud-Egress-Gebühren zu betreiben. Das Thunderbolt-5-Pooling ist der interessante Teil: Ein Rack voller Mac Studios wird zu einem memory-kohärenten Cluster für Modelle, die auf eine einzelne Maschine nicht passen. Die offensichtlichen Einschränkungen sind Verwaltungsaufwand und die Tatsache, dass die GPU-Leistung von Apple Silicon keine Data-Center-GPU ist. Aber für vertrauliche Workloads, deren Daten das Gebäude nicht verlassen dürfen, ist das eine wirklich neue Option.

Databricks Genie: von Analyse zu autonomem Handeln

Source: databricks.com ↗

Databricks’ neues Genie ist ein autonomer KI-Kollege, der langlaufende Aufgaben kontinuierlich bearbeitet, den Fortschritt verfolgt und handelt, sobald neue Informationen eintreffen. Es ist über die Genie Ontology im Geschäftskontext verankert, wird über Unity Gateway und Unity Catalog gesteuert und ist über Genie One, E-Mail, Slack und Microsoft Teams zugänglich. Anwendungsfälle umfassen die Überwachung von Claims auf Betrugsmuster und die Verwaltung von Marketingkampagnen, wobei Nutzer Schutzmechanismen setzen und Aktionen genehmigen.

Der Wechsel von Analyse zu Ausführung ist der Punkt, den man beobachten sollte. Genie sagt nicht nur, dass Betrug vorliegt; es erstellt den Bericht und alarmiert das richtige Team. Das erfordert Berechtigungen, Genehmigungsabläufe und Kostentransparenz - genau das liefert Unity Gateway. Wenn Sie es evaluieren, fragen Sie, wie es die Genehmigungsschleife handhabt: Der Unterschied zwischen einem nützlichen Tool und einem Risiko ist, ob der Agent ohne Mensch-in-der-Schleife handeln kann und ob Sie sehen können, was er ausgegeben hat.

Gemini auf CarPlay und die offenen Standards, die Agenten ehrlich halten

Source: blog.google ↗

Die Gemini-App von Google wird für Apple CarPlay ausgerollt und ermöglicht freihändige Gespräche mit Gemini Live über das Fahrzeugdisplay. Sie integriert Google Workspace für tägliche Briefings und Kalendervorbereitung und synchronisiert sich mit der iPhone-App. Es ist ein Voice-First-UX-Problem: Die Schnittstelle ist die Straße, und das Modell muss gut genug sein, um Unterbrechungen und Hintergrundgeräusche zu verarbeiten. Für Ingenieure ist es eine weitere Plattform, die es zu unterstützen gilt, aber das Interessante ist das Design zur Minimierung von Ablenkung.

Inzwischen hat Anthropic MCP und Agent Skills an die Agentic AI Foundation der Linux Foundation gespendet, wobei Google, OpenAI und andere den Standard unter anbieterneutraler Governance mitverwalten. MCP standardisiert Live-Verbindungen zu Tools und Daten über ein zustandsloses Transportmodell; Agent Skills nutzen Progressive Disclosure, um prozedurales Wissen nur bei Bedarf zu laden. Die MCP Toolbox for Databases löst das N-mal-M-Integrationsproblem zwischen Clients und Datenhosts. Ohne diese Standards erfindet jedes Agent-Framework denselben Datenbank-Connector neu, und jedes Unternehmen unterstützt am Ende einen Zoo inkompatibler Protokolle.

United sperrt Bots - und das Ökosystem zahlt den Preis

Source: computerworld.com ↗

United Airlines blockierte Kunden-Bots und nannte Datenlecks, unbeabsichtigte Käufe und Verstöße gegen FAA- und DOT-Vorschriften als Gründe. Es folgt damit Walmart, Target und Amazon. Die Fluggesellschaft schränkt den Zugriff über ihre digitalen Plattformen und Reisebüros ein und aktualisiert Buchungs- und Vertriebsrichtlinien. Analysten verweisen auf fehlende Branchenstandards: Die Unterstützung mehrerer Bots kostet IT-Ressourcen, und die Unterscheidung eines hilfreichen Agenten von einem Scraping-Bot ist wirklich schwierig.

Das passiert, wenn Agenten Standards überholen. Die Lösung ist nicht mehr Bot-Blockierung, sondern ein Protokoll, das einem Agenten erlaubt, Absicht und Umfang zu beweisen, bevor er eine Buchungs-Engine berührt. Bis MCP oder etwas Ähnliches der Standard für Enterprise-Transaktionen wird, müssen Sie mit weiteren Sperren rechnen - und damit, dass Ihre eigenen Agent-Integrationen Kollateralschäden erleiden.

AWS Cloud WAN Flow Logs und Ihr Gehirn unter KI

Source: aws.amazon.com ↗

AWS Cloud WAN unterstützt jetzt VPC Flow Logs und bietet zentrale Sicht auf IP-Verkehr über globale Netzwerke. Die Logs erfassen IP-Adressen, Ports, Protokoll, Verkehrsvolumen, Paketverlust-Zähler und Cloud-WAN-Metadaten wie Segment und Region und werden an CloudWatch Logs, S3 oder Data Firehose veröffentlicht. Keine zusätzlichen Kosten. Wenn Sie bisher Logs aus mehreren VPCs und Regionen zusammengeflickt haben, um ein netzwerkübergreifendes Problem zu beheben, eliminiert das diese ganze Problemklasse.

Zum Schluss argumentiert ein ehemaliger Neuropsychologe bei Criteo, dass menschliche Fähigkeiten wie Verständnis und Validierung umso kritischer werden, je schneller KI Code produziert. Der praktische Rat: Nutzen Sie das Default Mode Network für Problemlösung im Hintergrund, setzen Sie auf Spacing und Abruf-Praxis, respektieren Sie die Grenzen des Arbeitsgedächtnisses und wenden Sie wissenschaftliches Debugging an. Es ist eine 17-minütige Lektüre, die sich lohnt, wenn Sie bemerkt haben, dass Ihr Verständnis nachlässt, während Ihr KI-Assistent mehr von Ihrem Code schreibt. Die Tools schreiben schneller; Ihr Gehirn muss trotzdem verifizieren.

Briefing holen

Hat Ihnen das gefallen? Wählen Sie die Themen, die Sie interessieren, und erhalten Sie nur diese, fünf Minuten am Morgen. Kostenlos, kein Hype, Abmeldung mit einem Klick.

Über uns Author

Mein Name ist

BriefTechNews

A daily digest of what actually moved in AI, tech, crypto and fintech, assembled and written with AI, and reviewed before it publishes. Weiterlesen
Schlagwörter

Das könnte Sie auch interessieren