Kategorie: KI-News

Wie lassen sich KI-Zugriffe auf Datenbanken zentral verwalten? Supabase und Anthropic haben eine Lösung entwickelt, die ab sofort für Teams und Unternehmen verfügbar ist. Die Verbindung zwischen Claude und Supabase steuert nicht mehr der einzelne Entwickler, sondern die IT-Abteilung.

Enterprise-Managed Auth bindet die Authentifizierung für den Supabase MCP Server direkt an den Identity Provider des Unternehmens. Ein Okta-Administrator erteilt die Freigabe einmal zentral. Danach können alle Mitarbeiter, die sich bei Claude anmelden, auf Supabase zugreifen – mit den Rechten, die sie ohnehin haben.

Was ist Enterprise-Managed Auth für den Supabase MCP Server?

Der Supabase MCP Server erlaubt Claude, direkt mit einer Supabase-Instanz zu kommunizieren. MCP (Model Context Protocol) ist ein offener Standard für den Zugriff von KI-Assistenten auf externe Werkzeuge und Datenquellen. Entwickler nutzen Claude zum Abfragen von Tabellen, Ausführen von Datenbankabfragen oder Vorbereiten von Schemaänderungen.

Bisher war die Verbindung individuell geregelt. Jeder Mitarbeiter meldete sich selbst über OAuth an und autorisierte den Zugriff. Das war umständlich und unsicher. Nur ein Organisationsbesitzer konnte die Freigabe erteilen. Wer nicht selbst Besitzer war, musste eine andere Person involvieren. Wer das Unternehmen verließ oder dessen Zugriff entzogen wurde, wurde manuell abgemeldet.

Enterprise-Managed Auth löst die Zugriffsentscheidung von der Datenbank- und KI-Ebene. Die Identität stammt aus Okta. Ein Admin autorisiert die Supabase-Integration einmalig für die gesamte Organisation. Danach erscheint Supabase allen angemeldeten Claude-Nutzern als verfügbares Werkzeug – begrenzt auf ihre bestehenden Berechtigungen.

Wie die neue Authentifizierung im Detail funktioniert

Der Zugriff ist an den einzelnen Mitarbeiter gebunden, nicht an den Organisationsbesitzer. Bei der Anmeldung bei Claude verifiziert Okta die Identität. Danach erhält der Mitarbeiter eine Verbindung zu Supabase, die auf seinen vorhandenen Rollen und Rechten basiert. Ein Entwickler mit Lesezugriff kann nicht plötzlich Tabellen löschen, auch wenn er die KI danach fragt. Jede Abfrage und Verwaltungsaktion läuft mit der Rolle, die die Person in Supabase hat.

Das ist ein Sicherheitsgewinn. Viele Sicherheitslücken entstehen, wenn neue Werkzeuge zusätzliche Rechte verlangen oder die Zugriffskontrolle umgehen. Mit Enterprise-Managed Auth fällt das weg. Die KI verhält sich wie ein zusätzlicher Endpunkt, der dieselben Regeln befolgt wie die Supabase-Oberfläche. Ein Mitarbeiter kann über Claude nichts tun, was er nicht auch in der Konsole tun könnte.

Die zentrale Konfiguration spart Arbeit. Statt für jeden Mitarbeiter OAuth-Genehmigungen zu verwalten, richtet man die Supabase-Integration einmal in Okta ein. Der einmalige Aufwand ist gering. Der Nutzen zeigt sich bei Unternehmen mit Hunderten oder Tausenden Mitarbeitern.

Zugriffskontrolle zentral steuern statt Einzelfreigaben verwalten

Sicherheitsteams profitieren von der Einbindung in bestehende Workflows. Die meisten Unternehmen verwalten Identitäten über einen Identity Provider wie Okta. Onboarding, Offboarding und Zugriffsüberprüfungen laufen dort zentral. Die neue Supabase-Funktion überträgt diese Logik auf den KI-Zugriff.

Ein Beispiel: Eine Firma hat eine Okta-Gruppe „Data Engineering“. Um den Zugriff auf Supabase über Claude zu beschränken, hinterlegt sie diese Gruppe in der Okta-Integration. Nur Mitglieder der Gruppe sehen Supabase in Claude als verbundenes Werkzeug. Neue Mitarbeiter in der Gruppe erhalten automatisch Zugriff, ohne dass ein Administrator eingreift. Scheidet ein Mitarbeiter aus, verliert er mit der Okta-Identität auch den Zugriff über Claude.

Das hilft bei Compliance-Fragen. Sicherheitsaudits über KI-Nutzung stützen sich auf eine zentrale Richtlinie statt auf unzählige Einzelgenehmigungen. Wer tat was mit welcher Datenquelle? Die Antwort bleibt konsistent, weil alle Zugriffe über denselben Identity Provider laufen. Bei strengen Vorgaben wie SOC 2 oder HIPAA zählt das.

Die Lösung passt in das bestehende Angebot von Supabase. Supabase bietet bereits SSO, projektbezogene Rollen und Compliance-Zertifizierungen. Enterprise-Managed Auth ergänzt das um die zentrale Kontrolle über KI-gestützte Datenbankzugriffe. Das Ziel ist nicht, KI-Zugriffe zu blockieren, sondern sie wie jeden anderen Zugriff auf kritische Systeme zu verwalten.

Was das für Entwickler und Administrator:innen bedeutet

Entwickler haben weniger Reibung. Früher brauchte der Einsatz von Claude mit Supabase eine Einzelgenehmigung, die oft am Organisationsbesitzer hing. Jetzt genügt die einmalige Einrichtung durch den Admin. Danach steht das Werkzeug allen berechtigten Mitarbeitern mit ihren eigenen Rollen und Berechtigungen zur Verfügung. Das spart Zeit.

Die Kontrolle bleibt bei der Sicherheitsabteilung. Administratoren können den Zugriff in Okta jederzeit einschränken oder entziehen. Eine zentrale Richtlinie ersetzt das Flickwerk einzelner OAuth-Zustimmungen. Für die Sicherheitsprüfung von KI-Werkzeugen heißt das: ein klarer Prozess statt gewachsener Einzelentscheidungen. Die Verantwortung liegt jetzt beim Identity Management.

Auch die Rollentrennung bleibt erhalten. Supabase unterscheidet Entwickler, schreibende Benutzer und solche mit Lesezugriff. Enterprise-Managed Auth übernimmt diese Abstufung automatisch. Ein Data Analyst ohne Schreibrechte kann über die KI keine Tabellen verändern. Ein externer Mitarbeiter mit eingeschränktem Zugriff gelangt über Claude nicht an gesperrte Daten. Die Zugriffskontrolle für den MCP Server ist damit so streng wie die der Datenbank.

Verfügbarkeit und Ausblick: SCIM Provisioning auf der Roadmap

Enterprise-Managed Auth ist für Organisationen mit einem Supabase Team- oder Enterprise-Plan verfügbar. Voraussetzungen sind ein aktiviertes Okta SSO und ein Claude Team- oder Enterprise-Plan. Wer diese erfüllt, kann die Funktion sofort nutzen. Die Einrichtung erfolgt über die Okta-Integration und die Supabase-Konsole. Gebaut hat Supabase die Funktion nach eigener Angabe gemeinsam mit Anthropic und Okta.

Diese Bindung an den Identity Provider ist zugleich die Grenze des Verfahrens. Vorausgesetzt wird ein aktiviertes Okta SSO auf der Supabase-Seite und ein Team- oder Enterprise-Plan auf beiden Seiten. Kleinere Teams und Organisationen mit einem anderen Identity Provider bleiben vorerst bei der bisherigen Einzelfreigabe. Und geregelt wird der Zugriff, nicht das Verhalten des Modells: Was Claude innerhalb der zugeteilten Rechte tut, bestimmt weiterhin der Prompt.

Okta ist nur der Anfang. Supabase arbeitet als Nächstes an SCIM Provisioning. SCIM (System for Cross-domain Identity Management) synchronisiert Benutzerkonten automatisch zwischen Identity Provider und Diensten. Nutzerkonten und Zugriffsrechte werden dann nicht manuell angelegt, sondern automatisch erstellt oder entfernt. Das Ziel ist ein vollständig automatisiertes Lifecycle-Management für KI-Zugriffe.

Der Start ist einfach: Pläne prüfen, Okta SSO konfigurieren, Supabase MCP Integration im Claude Admin verbinden. Die Frage ist nicht, ob ein einzelner Entwickler eine Verbindung genehmigt. Sie lautet, welche Abteilung den Zugriff für das gesamte Unternehmen steuert. Diese Abteilung bekommt hier das passende Werkzeug.

Enterprise-Managed Auth für den Supabase MCP Server behandelt KI-Zugriffe wie andere privilegierte Zugriffe. Die Kontrolle über Datenbank und KI-Tools bleibt beim Identity Management. Das erhöht die Sicherheit und erleichtert die Arbeit von Entwicklerteams.

Quelle: supabase.com

Normalerweise bringt Apple neue Chip-Technologie zuerst ins iPhone. Diesmal ist der erste 2-Nanometer-Prozessor im Mac mini. Der Mac Studio erhält mit dem M5 Ultra die komplexeste Apple-Silicon-Architektur bisher. Was das für den Arbeitsalltag bedeutet, zeigt ein Blick auf die Technik.

Am 25. August 2026 hat Apple den M6 und den M5 Ultra vorgestellt. Der M6 ist der erste Chip im 2-Nanometer-Verfahren. Der M5 Ultra hat eine Premiere: Erstmals nutzt ein M-Series-Chip eine Quad-Die-Anordnung, bei der vier Silizium-Dies zu einem Prozessor verschmelzen. Beide Chips ergänzen sich: der eine für den Alltag, der andere für extreme Workloads.

Wer einen Prozessor entwirft, stellt ein Team von Spezialisten zusammen: Die CPU übernimmt alltägliche Denkaufgaben, die GPU kümmert sich um Grafik, die Neural Engine ist auf KI-Berechnungen spezialisiert. Beim M6 hat Apple dieses Team neu aufgestellt, vergrößert und besser vernetzt. Der Chip arbeitet schneller und verbraucht dabei weniger Energie.

M6: Apples erster 2-nm-Chip mit 12-Core-CPU und Dual Neural Engine

Der M6 wird im 2-Nanometer-Verfahren gefertigt. Die Transistoren sind damit kleiner als bei den bisherigen 3-Nanometer-Chips. Je kleiner die Transistoren, desto mehr passen auf dieselbe Fläche, und desto weniger Strom brauchen sie pro Schaltvorgang. Die höhere Transistordichte sorgt für mehr Leistung und bessere Energieeffizienz.

Die CPU des M6 hat zwölf Kerne, zwei mehr als beim M5. Sie teilen sich in drei Gruppen: zwei Super-Cores, vier Performance-Cores und sechs Efficiency-Cores. Super-Cores sind für Aufgaben gedacht, die auf eine einzige, sehr schnelle Berechnungskette angewiesen sind – etwa das Öffnen einer App oder das Rendern eines einzelnen Frames. Performance-Cores übernehmen mehrere schwere Aufgaben parallel, etwa beim Kompilieren von Code oder Bearbeiten großer Bilddateien. Efficiency-Cores erledigen leichte Hintergrundarbeit wie Datensynchronisierung oder Benachrichtigungen.

Laut Apple bietet der M6 die weltweit schnellste Single-Thread-Leistung. Gegenüber dem M5 ist das 1,2-Fache bei Multithread-Aufgaben, im Vergleich zum M1 das 2,4-Fache. Konkret: Wer in Xcode ein großes Projekt baut oder in Photoshop ein komplexes Bild mit mehreren Ebenen bearbeitet, merkt den Unterschied. Wartezeiten werden kürzer, das System bleibt flüssig, auch bei mehreren gleichzeitigen Programmen.

Die GPU des M6 hat jetzt zwölf statt zehn Kerne. Jeder GPU-Kern enthält einen Neural Accelerator, einen kleinen KI-Beschleuniger in der Grafikeinheit. KI-Berechnungen müssen so nicht erst über die Neural Engine oder CPU laufen. Die Spitzenrechenleistung für KI steigt dadurch um fast 30 Prozent gegenüber dem M5 und um mehr als das Achtfache gegenüber dem M1. Bildverarbeitung in Apps wie Adobe Lightroom und lokale Sprachmodelle profitieren davon.

Der M6 unterstützt hardwarebeschleunigtes Raytracing, Dynamic Caching und eine um 50 Prozent höhere Geometrie-Rate. Das ergibt flüssigere Frameraten in Spielen und realistischeres Licht und Schatten. Wer den Mac mini auch zum Spielen nutzen will, findet hier eine solide Basis.

M5 Ultra: Die Quad-Die-Architektur im Detail

Der M6 ist für den Mac mini gedacht, der M5 Ultra für den Mac Studio. Der M5 Ultra ist Apples bisher stärkster Chip. Er verwendet eine Quad-Die-Architektur: Vereinfacht gesagt werden vier separate Recheneinheiten auf einem Träger zusammengeführt und über UltraFusion verbunden.

UltraFusion funktioniert wie eine schnelle Datenautobahn zwischen den Dies. Die Verbindungsbandbreite liegt bei über 4,4 Terabyte pro Sekunde. Zusammen mit der sehr geringen Latenz sorgt das laut Apple dafür, dass sich die vier Dies wie ein einziger zusammenhängender Prozessor verhalten. Die Verbindungsdichte ist um mehr als das Sechsfache gestiegen. Dadurch verhalten sich die vier Dies wie ein einziger großer Prozessor. Betriebssystem und Apps sehen nur einen Chip, nicht vier.

Der M5 Ultra hat eine CPU mit bis zu 36 Kernen: zwölf Super-Cores und 24 Performance-Cores. Die Single-Thread-Leistung liegt 1,25-mal höher als beim M3 Ultra, die Multithread-Leistung 1,3-mal höher. Die GPU bietet bis zu 80 Kerne, ebenfalls mit Neural Accelerator in jedem Kern. Die Spitzenrechenleistung für KI beträgt laut Apple das 4,5-Fache des M3 Ultra und mehr als das Sechsfache des M1 Ultra.

Für Grafik bedeutet das bis zu 40 Prozent mehr Leistung als beim M3 Ultra. Der M5 Ultra unterstützt die zweite Generation von Dynamic Caching, hardwarebeschleunigtes Mesh-Shading und Raytracing der dritten Generation. Wer 3D-Szenen in Cinema 4D oder Blender rendert, große Videoprojekte in Adobe Premiere Pro schneidet oder komplexe Simulationen in MATLAB fährt, merkt den Unterschied.

Dual 16-Core Neural Engine: KI-Leistung ohne Kompromisse

Der M6 hat eine Dual 16-Core Neural Engine: zwei getrennte Neural-Engine-Blöcke mit je 16 Kernen, die zusammenarbeiten. Die Neural Engine ist der Teil des Prozessors für KI-Aufgaben wie Bilderkennung, Sprachverarbeitung und das Ausführen neuronaler Netze. Die Dual-Struktur liefert bis zu doppelt so hohe Spitzenrechenleistung wie die Vorgänger.

System-Frameworks wie Core ML oder Core AI nutzen beide Engines automatisch gleichzeitig. Startest du eine App mit einem großen KI-Modell, verteilt das System die Arbeit auf beide Engines. Die Berechnung läuft nicht doppelt so schnell, aber flotter und effizienter, weil die CPU entlastet wird.

Die Neural Engine ist ein zentraler Baustein von Apples Strategie: KI-Modelle sollen direkt auf dem Gerät laufen, nicht in der Cloud. Das schützt Daten, weil sie nicht übertragen werden, und es ist schneller, weil keine Internetverbindung nötig ist. Mit der Dual 16-Core Neural Engine im M6 und den Neural Accelerators im M5 Ultra werden lokale KI-Modelle zur echten Alternative.

Der M5 Ultra hat zusätzlich eine 32-Core Neural Engine. Sie ist nicht in zwei Blöcke aufgeteilt, bietet aber hohe Rechenkapazität. Zusammen mit der großen GPU und den Neural Accelerators ergibt das ein KI-System auf Workstation-Niveau. Wer große Sprachmodelle mit mehreren hundert Milliarden Parametern lokal ausführen will, findet im Mac Studio mit M5 Ultra die passende Plattform.

Unified Memory: Das gemeinsame Gedächtnis als Schlüssel

Ein Grundprinzip von Apple Silicon ist Unified Memory. Anders als bei klassischen PCs mit getrenntem Speicher für CPU und Grafikkarte teilen sich beim M6 und M5 Ultra alle Prozessorkomponenten einen Speicherpool. Daten müssen nicht zwischen verschiedenen Speichern kopiert werden. Das spart Zeit und Energie.

Der M6 unterstützt bis zu 32 Gigabyte Unified Memory mit 170 Gigabyte pro Sekunde Bandbreite – 2,5-mal mehr als beim M1. Für den Alltag genügt das. Apps wie Final Cut Pro oder Xcode laufen flüssig, kleinere KI-Modelle passen ebenfalls in den Speicher.

Der M5 Ultra geht weiter: bis zu 512 Gigabyte Unified Memory und 1,2 Terabyte pro Sekunde Bandbreite – 50 Prozent mehr als der M3 Ultra. Diese Speichermenge ist die eigentliche Stärke. KI-Modelle werden oft durch ihre Größe begrenzt. Passt ein Modell nicht in den Arbeitsspeicher, muss es in der Cloud oder auf externen Servern laufen. Mit 512 Gigabyte halten große Datensätze und Modelle komplett lokal.

Die hohe Speicherbandbreite ist genauso wichtig wie die Menge. Sie bestimmt, wie schnell das Modell Daten lesen und verarbeiten kann. Beim M5 Ultra heißt das: höhere Tokens-pro-Sekunde-Raten, kürzere Wartezeiten bei Textgenerierung, insgesamt flüssigere KI-Workloads. Wer mit Tools wie LM Studio oder Draw Things arbeitet, merkt bei großen Modellen einen deutlichen Leistungsschub.

Für Entwickler: Lokale KI-Modelle in der Praxis

Apples Entwickler-Frameworks – Core AI, Core ML, Metal und Xcode – nutzen die neue Hardware voll aus. Core AI verwaltet KI-Modelle und arbeitet mit der Neural Engine zusammen. Core ML optimiert Modelle für das Gerät. Metal beschleunigt GPU-Aufgaben, Xcode ist die Entwicklungsumgebung, in der alles zusammenläuft.

Mit den neuen Chips trainieren und verfeinern Entwickler große KI-Modelle direkt auf dem Mac. Bisher war das oft nur in der Cloud möglich. Der M5 Ultra mit 80 GPU-Kernen, Neural Accelerators und großem Speicher ändert das. Ein Modell für lokale Ausführung kann jetzt auch lokal entwickelt werden.

Die Frameworks verteilen die Arbeit automatisch auf CPU, GPU und Neural Engine. Du musst nicht wissen, welcher Teil des Prozessors für welche Berechnung am besten geeignet ist. Auch Entwickler ohne Prozessorexpertise profitieren davon. Apple Foundation Models, App Intents oder eigene Modelle – alles passt in diesen Workflow.

Für Unternehmen und Forschungseinrichtungen ist das ein starkes Argument. Sie trainieren und führen KI-Modelle aus, ohne sensible Daten auf externe Server zu schicken. Und sie müssen keine teuren Servercluster kaufen, wenn ein Mac Studio mit M5 Ultra für viele Aufgaben reicht. Manche Workloads bewältigt auch dieser Chip nicht – aber die Grenze liegt jetzt deutlich höher.

Einordnung: Was die neuen Chips konkret verändern

Der M6 und der M5 Ultra sind nicht nur zwei neue Prozessorgenerationen. Sie zeigen, wohin sich Apple bewegt: KI-Berechnungen laufen zunehmend lokal, und Desktop-Computer erreichen ein Niveau, das früher spezieller Serverhardware vorbehalten war. Der M6 ist der Allrounder für die meisten Nutzer, vom Studenten bis zum Entwickler. Der M5 Ultra ist das Werkzeug für Höchstleistungen.

Für die meisten Nutzer ist der M6 im Mac mini der interessantere Chip. Er bietet mehr Leistung als der M5, verbraucht aber nicht mehr Energie. KI-Funktionen wie Siri, Textvorhersage oder Bildbearbeitung arbeiten dadurch flüssiger. Wer spielt, profitiert von der besseren GPU und dem schnelleren Speicher.

Der M5 Ultra richtet sich an ein anderes Publikum: Videoschnitt-Profis, 3D-Artists, Wissenschaftler und KI-Entwickler. Die Plattform bietet 512 Gigabyte Speicher und 1,2 Terabyte pro Sekunde Bandbreite. Die Quad-Die-Architektur bleibt bei normalen Anwendungen unsichtbar, ist aber die Grundlage dafür, dass der Mac Studio als kompakte Workstation funktioniert.

Zahlen und Marketingbegriffe sind das eine, die tatsächliche Erfahrung das andere. Die Richtung ist klar. Beide Chips treiben die Entwicklung weg von der reinen Cloud-KI und hin zu lokaler, privater und effizienter Rechenleistung. Davon profitierst du auch, wenn du nie ein KI-Modell trainierst – schnellere und effizientere Geräte machen den Alltag einfach besser.

Quelle: apple.com

An einem Mittwoch im August 2026 steht Sarah Friar vor ihren Mitarbeitern und sagt einen Satz, der in der Tech-Welt selten geworden ist. Sie kündigt einen Termin an. Das KI-Labor OpenAI, so die Finanzchefin, werde 2027 an die Börse gehen, möglicherweise sogar früher, falls die Geschäftsentwicklung weiter anziehe. Der IPO sei kein Endpunkt, sondern ein Meilenstein, eine weitere Finanzierungsrunde. Für Friar ist der Kapitalmarkt ein Werkzeug, kein Schicksal.

Was CFO Sarah Friar intern wirklich gesagt hat

Die Äußerungen fielen laut CNBC bei einem All-Hands-Meeting, einem Treffen für alle Beschäftigten. Zwei Quellen, die dabei waren, gaben die Worte anonym an die Redaktion weiter. Sie waren nicht autorisiert, über interne Belange zu sprechen. Friar wählte ihre Worte mit Bedacht. Sie weiß, dass jeder Halbsatz auf einer Finanzseite landen kann.

Sie formulierte eine Bedingung: Sollte das Geschäft weiter „inflecten“, also eine deutliche Beschleunigung zeigen, könnte das Debüt auch vor 2027 stattfinden. Die Finanzierungsrunde im März über 122 Milliarden Dollar gebe genug Flexibilität, um nicht unter Druck zu geraten. Wer investieren will, soll wissen: Dieser IPO kommt aus einer Position der Stärke, nicht aus Not.

Friar hat noch eine zweite Ansage. Die Belegschaft solle sich nicht aus der Ruhe bringen lassen, falls Anthropic schneller an die Börse gehe. Anthropic habe ebenfalls einen vertraulichen Prospekt bei der SEC eingereicht, so Friar, und könne die vertrauliche Phase bereits im September beenden. „Das ist in Ordnung“, sagte sie, „wir laufen unser eigenes Rennen.“ Der Satz hat eine beruhigende Wirkung. Er nimmt Mitarbeitern die Sorge, beobachtet zu werden, und lautet: Wir bestimmen das Tempo, nicht der Rivale.

Vertrauliche Einreichung bei der SEC: Was das bedeutet

OpenAI hat im Juni 2026 einen IPO-Prospekt vertraulich bei der SEC eingereicht. Das Verfahren ist in den USA seit einigen Jahren üblich. Unternehmen müssen den vollen Prospekt mit allen Risiken, Zahlen und Geschäftsmodellen nicht sofort veröffentlichen. Sie legen das Dokument nur der Aufsichtsbehörde zur Prüfung vor. Öffentlich wird es erst, wenn das Unternehmen selbst an die Öffentlichkeit geht.

Man kann es sich wie eine Generalprobe hinter verschlossenen Türen vorstellen. Das Stück wird einstudiert, die Regie korrigiert Feinheiten, das Publikum weiß noch nichts. Anthropic nutzt dasselbe Verfahren. Beide testen parallel die Bereitschaft der Investoren, ohne sich gegenseitig zu behindern. Wenn eines den Schritt wagt, bekommt der Markt als erster alle Zahlen, Verlustquellen und Wachstumstreiber zu sehen.

Für Investoren entsteht eine eigentümliche Spannung. Sie wissen, dass ein Ereignis kommt, kennen aber weder Termin noch Konditionen. Deshalb reagieren Aktien nahestehender Firmen oft schon Monate vor einem IPO auf Gerüchte.

Die Bewertung von 852 Milliarden Dollar steht unter Druck

OpenAI wird derzeit mit rund 852 Milliarden Dollar bewertet. Die Zahl stammt aus privaten Finanzierungsrunden, nicht von einem echten Marktpreis. Ein Börsengang zeigt, ob private Investoren und öffentliche Anleger denselben Wert sehen. Für Friar und CEO Sam Altman ist das der eigentliche Test.

Beim All-Hands-Meeting präsentierte Friar nach CNBC-Informationen Folien mit internen Zahlen. Die Umsatz-Run-Rate sei im laufenden Quartal um 35 Prozent gestiegen, im Enterprise-Geschäft, also bei Firmenkunden, um 50 Prozent. Die KI-Anwendungen für Coding und Bürotätigkeiten hätten 20 Millionen wöchentlich aktive Nutzer.

OpenAI hatte Investoren für das zweite Quartal einen Umsatz von 6,7 Milliarden Dollar genannt, 18 Prozent mehr als im ersten Quartal. Die annualisierte Umsatz-Run-Rate liege laut CNBC bei über 40 Milliarden Dollar. Die Zahlen klingen beeindruckend. Doch wie viel davon ist nachhaltiger Umsatz, wie viel stammt aus Vorabverträgen, gestundeten Zahlungen oder Buchhaltungseffekten?

Anthropic hat nachgelegt. Das Unternehmen teilte Investoren am Wochenende mit, seine annualisierte Umsatz-Run-Rate habe Ende Juli 65 Milliarden Dollar erreicht, eine Versiebenfachung gegenüber dem Vorjahr. Für das zweite Quartal nannte es vorläufig 11,5 Milliarden Dollar. Wenn diese Zahlen einer Prüfung standhalten, hätte OpenAI bei einem reinen Umsatzvergleich das Nachsehen, obwohl die Marke ChatGPT bekannter ist.

Die Baustellen: Personalabgänge und offene Fragen

Personalabgänge sind bei einem Börsengang ein heikles Thema. Innerhalb weniger Wochen hat OpenAI drei namhafte Abgänge zu verkraften. Denise Dresser, die Revenue-Chefin, verließ das Unternehmen nach nur acht Monaten. Brad Lightcap, langjähriger Vertrauter des Managements, kündigte nach acht Jahren an, „etwas Neues“ zu beginnen. Fidji Simo, zuständig für das Produktgeschäft, war bereits im Juli zurückgetreten, um sich von einer chronischen Erkrankung zu erholen.

Solche Wechsel sind in schnell wachsenden Unternehmen nicht ungewöhnlich. Vor einem Börsengang bekommen sie aber Gewicht. Investoren lesen sie als Signale, sei es für kulturelle Spannungen, Machtkämpfe oder überlastete Strukturen. Sam Altman, Greg Brockman und Sarah Friar bleiben die Konstanten, an denen sich die Stabilität messen lässt.

Brockman versuchte am Montag in einem CNBC-Interview, die Situation zu entschärfen. Er sehe die Fluktuation nicht als atypisch. OpenAI stehe stärker im Rampenlicht als andere Organisationen, weshalb jede Personalie auffalle. Die Erklärung ist nachvollziehbar. Aber drei zentrale Rollen müssen in kurzer Zeit neu besetzt werden, während ein Börsengang vorbereitet wird.

Der Vergleich mit Anthropic: Zwei Geschwindigkeiten, ein Ziel

Zwei führende KI-Unternehmen drängen fast gleichzeitig an die Börse. OpenAI und Anthropic galten lange als Rivalen, sichtbar vor allem über Modellvergleiche und Debatten zwischen Altman und Dario Amodei. Nun konkurrieren sie direkt auf dem Kapitalmarkt.

Für Investoren ergibt sich eine seltene Konstellation. Statt auf „die KI“ zu setzen, können sie zwischen zwei Unternehmen wählen, die unterschiedliche Schwerpunkte haben. OpenAI baut auf eine breite Nutzerbasis und Produkte wie ChatGPT, Codex und Sora. Anthropic setzt stärker auf API-Geschäft, Unternehmenskunden und das Claude-Modell. Die Gewichtung zwischen Endkunden und Unternehmen, Konsumprodukt und Infrastruktur, könnte den Bewertungsunterschied prägen.

Gleichzeitig teilen beide Unternehmen ein Risiko, das in keinem Prospekt fehlen darf: die wachsende Verbreitung sogenannter Open-Weight-Modelle. Modelle, deren Gewichte öffentlich verfügbar sind, lassen sich lokal betreiben, deutlich günstiger einsetzen und entziehen sich der klassischen API-Ökonomie. Wenn Unternehmen ihre KI-Workloads zunehmend auf solche Modelle verlagern, geraten beide Anbieter unter Preisdruck, unabhängig davon, wie überlegen ihre eigenen Modelle in Benchmarks sein mögen.

Was der Schritt für die KI-Branche bedeutet

Ein Börsengang von OpenAI wäre mehr als eine Kapitalaufnahme. Er würde zeigen, dass KI als Branche etabliert ist, mit Umsätzen, die eine SEC-Prüfung rechtfertigen. Bisher lebt die Branche von privatem Risikokapital, das geduldig ist, weil es auf einen langfristigen Wendepunkt setzt. Ein IPO verschiebt die Zeitschiene. Quartalsberichte, Margen, Cashflow und Aktienkurs bestimmen künftig die Sprache über das Unternehmen.

Das hat Folgen für die ganze Branche. Wenn OpenAI als Vorbild gilt, ziehen andere KI-Unternehmen nach, nicht nur Anthropic. Auch Anbieter aus dem nvidia-nahen Umfeld, die bisher im Schatten der GPU-Revolution arbeiteten, könnten den öffentlichen Markt suchen. Kapital fließt dorthin, wo Liquidität herrscht. Ein erfolgreicher IPO von OpenAI würde diese Liquidität schaffen.

Gleichzeitig erhöht ein Börsengang die Verwundbarkeit. Aktienkurse schwanken täglich, Schlagzeilen wirken unmittelbar, und jede Modellankündigung wird zur Investitionsentscheidung. Unternehmen, die im Schutz des Privatmarkts Jahrzehnte voraus denken konnten, müssen lernen, in Quartalen zu denken. Sam Altman hat diesen Wandel mehrfach angedeutet. Sein öffentliches Auftreten wird künftig stärker vom Aktienkurs geprägt sein als von Forschungsvisionen.

Was bleibt davon, wenn der erste Handelstag vorbei ist

Wichtiger als der erste Handelstag sind die Monate danach. Der Börsengang beantwortet eine Frage und stellt drei neue. Wie verteidigt OpenAI seine Bewertung, wenn Anthropic öffentlich wird? Wie reagieren die Aktien auf die ersten Quartalsberichte mit Margen, Verlustvorträgen und Kundenkonzentration? Wie geht das Unternehmen mit einer Personalfluktuation um, die nun auch am Markt bewertet wird?

Sarah Friar hat dafür die Formel geliefert: Der IPO sei kein Endpunkt, sondern ein Meilenstein, eine weitere Finanzierungsrunde. OpenAI sieht den Börsengang also nicht als Krönung, sondern als Zwischenstation. Investoren sollten nicht mit einem ruhigen Anlagefall rechnen, sondern mit einem Unternehmen, das weiter Gas gibt und den Kapitalmarkt wie bisheriges Risikokapital nutzt. Das ist die Ansage für 2027.

Quelle: cnbc.com

Mehr als 560.000 Ereignisse von einer einzigen IP-Adresse auf einem einzelnen Salesforce-Portal – das ist die Zahl, die Sicherheitsforscher von Reco in dieser Woche vorgelegt haben. Sie steht exemplarisch für eine Kampagne, die seit über einem Jahr Daten aus Kundenportalen von Salesforce und ServiceNow abzieht. Es handelt sich nicht um einen einzelnen Fehler in einer Software, sondern um ein systematisches Ausnutzen einer grundlegenden Designentscheidung beider Plattformen.

Wer sich schon einmal gefragt hat, warum öffentliche Portale so schwer abzusichern sind, bekommt hier eine ernüchternde Antwort: Die Systeme sind so gebaut, dass sie nicht eingeloggten Besuchern einen festen Gastnutzer zuweisen. Dieser Gastnutzer lässt sich nicht löschen, sondern nur einschränken. Und genau hier setzt die Angriffskampagne an, die Reco den Namen „City Forum“ gegeben hat – benannt nach einer Domain, die mit der Angreifer-IP verbunden ist.

Eine Infrastruktur, zwei Plattformen, ein Muster

Die gesamte Kampagne läuft über einen einzigen Server mit der IP-Adresse 158.220.87.79, gehostet bei Contabo, einem deutschen Provider. Das Besondere daran: Der Server ist seit März 2025 nachweislich aktiv und hat seine Position nicht verändert. Jede Anfrage von ihm trägt die gleiche Signatur: den Standard-User-Agent der Go-Programmbibliothek net/http. Das verrät den Forschern, dass hier kein Browser am Werk ist, sondern ein kompiliertes, zweckgebautes Programm.

Die Ziele der Kampagne sind breit gestreut. Reco nennt Telekommunikationsunternehmen, Banken und Finanzdienstleister, Softwarehersteller sowie Portale des öffentlichen Sektors. Namen einzelner Organisationen werden nicht veröffentlicht, aber das Muster ist überall dasselbe. Der Angreifer nutzt bekannte Schwachstellen im Gastzugang von Salesforce Experience Cloud und ServiceNow Service Portalen, um systematisch Daten zu extrahieren.

Was diese Kampagne von früheren Angriffen unterscheidet, ist die Bandbreite der verwendeten Techniken. Bisherige Angreifer, darunter auch die berüchtigte Gruppe ShinyHunters, konzentrierten sich meist auf das ältere Aura-Framework von Salesforce. Sie sendeten massenhaft Gastanfragen, um Objekte aufzulisten und Datensätze Seite für Seite durchzugehen. Der City Forum Angreifer macht das ebenfalls – Aura macht den Großteil des beobachteten Traffics aus. Aber er geht weiter.

Der Griff nach den modernen Schnittstellen

Der Angreifer nutzt zusätzlich die Lightning Web Runtime von Salesforce über die UI-API, eine Datenschicht, für die es bisher keinerlei öffentliche Dokumentation oder bekannte Scan-Tools gab. Er arbeitet sich systematisch durch die API-Versionen v56.0 bis v66.0. Auch das ServiceNow Service Portal wird angegriffen, und zwar über den Endpunkt POST /api/now/sp/search, zu dem es kaum öffentliche Unterlagen gibt.

Diese Kombination macht die Kampagne besonders. Es ist, als würde jemand nicht nur die Haustür testen, sondern auch den Hintereingang und den Lieferantenzugang – und dabei feststellen, dass alle Türen mit demselben schwachen Schloss gesichert sind. Die gemeinsame Schwachstelle liegt nicht in den Endpunkten selbst, sondern in der Berechtigungskonfiguration des Gastnutzers.

Auf beiden Plattformen gibt es einen persistenten Gastbenutzer, unter dem nicht angemeldete Besucher agieren. Wenn dieser Gastbenutzer Lesezugriff auf einen Datensatz hat, ist dieser Datensatz faktisch öffentlich – unabhängig davon, ob die Website eine Anmeldung verlangt, um ihn im Browser anzuzeigen. Das ist eine grundlegende Eigenschaft dieser Systeme, keine Schwachstelle im herkömmlichen Sinne. Die Endpunkte funktionieren genau so, wie sie sollen. Das Problem ist die Berechtigung, die ihnen erteilt wurde.

Erkennung: Was Sicherheitsteams jetzt tun können

Die Forscher von Reco liefern konkrete Ansatzpunkte, um die Kampagne zu erkennen. Auf Salesforce-Seite können Teams mit Event Monitoring oder Shield die Log-Ereignisse AuraRequest und Sites durchsuchen. Auffällig sind der Go-http-client User-Agent, die bekannte IP-Adresse und Anfragen an Pfade, die /webruntime/api/services/data enthalten. Auch ein plötzlicher Anstieg von Selbstregistrierungsversuchen über /SiteRegister oder /CommunitiesSelfReg deutet auf eine laufende Datensuche hin.

Der Gedanke dahinter ist einfach: Wer versucht, unzählige Datensätze durchzugehen, muss sich oft zuerst Zugang verschaffen. Wenn sich also hunderte neue Gastkonten innerhalb kurzer Zeit anmelden, stimmt etwas nicht. Diese Logik gilt übrigens nicht nur für Salesforce, sondern für jede Plattform mit Gastzugängen.

Auf ServiceNow liegt der Fokus auf der Transaktionstabelle syslog_transaction. Hier könnt ihr nach der Quell-IP filtern und nach URLs suchen, die mit /api/now/sp/search beginnen. Das deutlichste Signal für eine aktive Kampagne sind Einträge, die als Gast angelegt wurden und eine ungewöhnlich große Antwortlänge aufweisen. Ein anonymer Besucher, der plötzlich riesige Datenmengen abruft – das ist wie ein Bibliotheksbesucher ohne Ausweis, der mit einem Handwagen wieder hinausgeht.

Gegenmaßnahmen: Weniger Rechte statt mehr Firewalls

Die eigentliche Absicherung beginnt nicht bei den Endpunkten, sondern beim Gastprofil. Auf Salesforce bedeutet das: Gastfreigaberegeln überprüfen, unnötige Objekt- und Feldzugriffe aus dem Gastprofil entfernen, Selbstregistrierung abschalten, wo sie nicht benötigt wird, und die Experience Builder Einstellung deaktivieren, die Gastnutzern den Zugriff auf öffentliche APIs erlaubt.

Auf ServiceNow geht es darum, zu kartieren, welche Suchquellen über öffentliche Portale erreichbar sind. Außerdem solltet ihr die Lesekriterien der Wissensdatenbank prüfen, die darüber entscheiden, was eine anonyme Suche tatsächlich zurückgibt. Oft reicht es, den Gastzugang auf das absolute Minimum zu beschränken – genau wie man einem Hausgast nicht den Schlüssel zum Keller gibt, nur weil er im Wohnzimmer übernachtet.

Der Angriff ist kein Einzelfall und kein Versehen. Reco berichtet, dass die Infrastruktur weiterhin aktiv ist und das Datenvolumen steigt. Eine Zuordnung zu einer bekannten Hackergruppe gibt es noch nicht. Das ist ein Zeichen dafür, wie einfach diese Art von Angriff umzusetzen ist. Man braucht kein Zero-Day-Exploit und keine ausgeklügelte Malware. Man braucht nur einen Server, ein Skript und die Erkenntnis, dass viele Unternehmen ihre Gastportale jahrelang überprivilegiert betreiben.

Was die Kampagne für die Cloud-Sicherheit bedeutet

Die City Forum Kampagne ist ein Weckruf für alle, die SaaS-Plattformen wie Salesforce oder ServiceNow betreiben. Die Sicherheitslücke liegt nicht im Code der Plattform, sondern in der Konfiguration der Kunden. Das ist ein entscheidender Unterschied zu klassischen Schwachstellen. Ihr könnt nicht auf ein Patch warten, das das Problem löst. Ihr müsst selbst aktiv werden.

Die gute Nachricht: Die Erkennung ist machbar. Die schlechte Nachricht: Sie erfordert Einblick in Logdaten, die viele Teams nicht im Blick haben. Wer keine Event Monitoring Lizenz auf Salesforce hat oder die ServiceNow-Transaktionslogs nicht auswertet, wird diese Kampagne vermutlich nicht bemerken. Der Angreifer rechnet offenbar genau damit.

Für Sicherheitsverantwortliche bedeutet das, den Gastzugang regelmäßig zu überprüfen, bevor ein Vorfall eintritt. Die Frage ist nicht, ob jemand eure Portale abgreift, sondern ob ihr es rechtzeitig bemerkt. Und rechtzeitig heißt: bevor die Daten längst kopiert und gehandelt sind.

Quelle: thehackernews.com

350 Millionen Dollar klingen nach Erfolg. Doch bei Groqs jüngster Finanzierungsrunde sagen die Zahlen wenig über die Lage aus. Groq hat die Runde zu einer Bewertung von 3,5 Milliarden Dollar abgeschlossen – nach 6,9 Milliarden Dollar im September 2025. Der Grund ist ein Deal mit Nvidia, der das Geschäftsmodell grundlegend verändert hat.

Eine Finanzierungsrunde, die anders aussieht als sie klingt

Die Serie A wurde von Disruptive angeführt; Nvidia plant, sich zu beteiligen. Die Bewertung liegt deutlich unter dem Wert, den Investoren Groq im September 2025 zugemessen hatten. Damals sammelte das Unternehmen 750 Millionen Dollar bei einer Bewertung von 6,9 Milliarden Dollar ein. Der Unterschied entstand durch einen tiefgreifenden Umbau, der im Dezember 2025 begann, als Nvidia Groqs Inferenz-Technologie lizenzierte und einen Großteil des Führungsteams übernahm.

Groq weist darauf hin, dass die 3,5 Milliarden Dollar das Unternehmen nach den strukturellen Veränderungen bewerten – nicht den früheren Chip-Herausforderer. Ein Vergleich mit der alten Bewertung sei daher irreführend. Im Juni 2026 kamen weitere 650 Millionen Dollar hinzu. Zusammen ergibt das eine Milliarde Dollar für das weitergeführte Geschäft. Das klingt nach viel Geld. Doch wofür soll es verwendet werden? Und reicht es?

Was der Nvidia-Deal wirklich verändert hat

Der Kern des Deals: Nvidia hat sich eine nicht-exklusive Lizenz an Groqs Inferenz-Technologie gesichert. Gleichzeitig wechselten Gründer und CEO Jonathan Ross, Präsident Sunny Madra und weitere Führungskräfte zu Nvidia. Groq bleibt eigenständig, konzentriert sich aber ganz auf den Cloud-Dienst. Statt Chips zu verkaufen, betreibt Groq nun Rechenzentren und verkauft Zugang zu Inferenz – jener Rechenarbeit, die bei jeder Antwort eines KI-Modells nach dem Training anfällt.

Nvidia ist damit zugleich Lizenznehmer, Ausrüstungslieferant, geplanter Investor und indirekt Nutznießer von Groqs Infrastruktur-Ausgaben. Daniel Newman, CEO der Analysefirma Futurum Group, sagt es deutlich: Das überlebende Unternehmen zeige, dass der schnellste Weg, in der KI-Infrastruktur zu skalieren, darin besteht, auf Nvidia aufzubauen – nicht gegen Nvidia. Brad Gastwirth von Circular Technology ergänzt, die Vereinbarung neutralisiere einen Teil des Wettbewerbsdrucks und lenke zusätzliche Nachfrage zu Nvidia.

Der teure Weg in die Inference-Cloud

Groq bewegt sich damit in einem Markt, den man als „Neocloud“ bezeichnet: spezialisierte Anbieter von KI-Rechenzentren, die nicht zu den etablierten Hyperscalern gehören. Der bekannteste Fall ist CoreWeave, ein börsennotiertes Unternehmen, dessen Zahlen zeigen, wie kapitalintensiv dieses Geschäft ist. Im zweiten Quartal 2026 stieg der Umsatz von CoreWeave im Jahresvergleich um 112 Prozent auf 2,58 Milliarden Dollar – gleichzeitig wuchs der Nettoverlust auf 626 Millionen Dollar. Ende Juni hatte das Unternehmen 35,6 Milliarden Dollar Schulden und plante Investitionsausgaben von 35 bis 39 Milliarden Dollar für das Gesamtjahr 2026.

Diese Zahlen zeigen, wie schnell Umsatz und Finanzierungsbedarf gemeinsam steigen können. Sie sind kein direkter Maßstab für Groq, da das Unternehmen privat ist und keine vollständigen Finanzdaten offenlegt. Aber sie machen die zentrale Herausforderung deutlich: Wer in der Inference-Cloud erfolgreich sein will, braucht entweder enorme Kapitalreserven oder einen klaren Weg zur Profitabilität. Groq hatte sich selbst ein Umsatzziel von 500 Millionen Dollar für 2025 gesetzt – ein Ziel, kein ausgewiesenes Ergebnis. Alle operativen Kennzahlen stammen aus eigener Quelle.

Megawatt, Entwickler und die Transparenzfrage

Laut einer Aktualisierung vom 17. August 2026 betreibt Groq 13 Rechenzentren und bedient mehr als sechs Millionen Entwickler. Die Kapazität soll von aktuell 54 Megawatt auf mehr als 200 Megawatt im Jahr 2027 steigen. Das klingt beeindruckend, ist aber nicht unabhängig geprüft. Es handelt sich um selbst berichtete Betriebsgrößen – ebenso wie die Zahl der Tokens oder die Auslastung. Als privates Unternehmen muss Groq keine vollständigen Bilanzen oder Geschäftszahlen veröffentlichen. Das erschwert die Einordnung.

Das frische Kapital soll laut Unternehmensangaben vor allem dazu dienen, größere, mit Nvidia-Chips betriebene Cluster für Training und Inferenz aufzubauen. Das folgt aus der neuen Ausrichtung. Zugleich profitiert Nvidia direkt von diesen Investitionen, weil es die Hardware liefert. Das Verhältnis ist ungewöhnlich. Wie viel Unabhängigkeit bleibt Groq, wenn der wichtigste Lieferant und geplante Investor zugleich der Lizenznehmer der eigenen Technologie ist?

Was die Zahlen wirklich bedeuten

Nüchtern betrachtet: Groq hat 350 Millionen Dollar eingeworben und dafür eine Bewertung akzeptiert, die deutlich unter dem früheren Wert liegt. Das ist keine Katastrophe, sondern eine ehrliche Neubewertung nach einem fundamentalen Umbau. Entscheidend ist nicht die Summe, sondern ob Groq seinen Umsatz schneller steigern kann als seinen Kapitalbedarf. Die bisherigen Daten reichen dafür nicht aus: Ein Umsatzziel ist noch kein Ergebnis, und selbst berichtete Kapazitätszahlen ersetzen keine geprüften Bücher.

Wer die KI-Industrie beobachtet, sollte große Finanzierungsrunden nicht für bare Münze nehmen, ohne die Begleitumstände zu prüfen. Groq ist heute kein unabhängiger Chip-Herausforderer mehr, sondern ein Cloud-Betreiber, der sich eng an Nvidia bindet. Das hat Chancen und Risiken. Ob der Vertrauensvorschuss der Investoren gerechtfertigt ist, zeigen die nächsten Quartale. Bis dahin wirft die 3,5-Milliarden-Bewertung mehr Fragen auf, als sie beantwortet.

Quelle: implicator.ai