Kategorie: KI-News

„We will introduce additional controls to ensure that users who genuinely wish to grant an app this extraordinary level of access can only do so with very explicit user action.“ So formuliert Apple in seinem Developer-News-Beitrag vom 2. Oktober 2026 die geplante Verschärfung von macOS Full Disk Access. Neu ist vor allem die Begründung. Apple schreibt zunächst, manche Entwickler nutzten Full Disk Access so, dass Nutzer ohne ihr volles Wissen alles auf ihrem System offenlegen – Dateien, Mail, Nachrichten, sogar den Browserverlauf. Dann folgt der Satz, der die Ankündigung besonders macht: Mit zunehmender Leistungsfähigkeit und Autonomie von KI-Agenten würden die Risiken dieser Zugriffsstufe erheblich wachsen. Das Portal Forkast wertet das als ersten Fall, in dem ein großer Betriebssystemhersteller seine zentralen Zugriffsrechte ausdrücklich wegen KI-Agenten ändert – nicht wegen Malware und nicht wegen staatlich finanzierter Angreifer. Die Ankündigung verschiebt eine Grenze, die bisher niemand gezogen hat – weder Apple, noch Microsoft, noch die Linux-Welt.

Was Full Disk Access so mächtig macht

Die Berechtigung wurde ursprünglich für Backup-Werkzeuge wie SuperDuper oder Carbon Copy Cloner geschaffen, die das gesamte Laufwerk lesen müssen, um es kopieren zu können. Sie umgeht Apples TCC-System, jene Ebene, die normalerweise jede App einzeln fragt, ob sie auf Kamera, Mikrofon, Fotos oder andere sensible Ressourcen zugreifen darf.

TCC lässt sich wie eine Grenzkontrolle mit vielen einzelnen Schranken vorstellen. Jede Ressource hat ihren eigenen Schlagbaum: Wer die Kamera nutzen will, braucht die Kamera-Schranke, wer Fotos lesen will, die Foto-Schranke, wer das Mikrofon ansprechen will, die Mikrofon-Schranke. Full Disk Access ist kein weiterer Schlagbaum, sondern ein Pass, der sämtliche Schranken gleichzeitig öffnet. Wer ihn hält, kommt an Mail, Messages, den Safari-Verlauf, Kontakte, Fotos und die Time-Machine-Backups. Für ein Backup-Werkzeug ist das die Arbeitsbeschreibung. Für einen dauerhaft laufenden KI-Agenten heißt es Zugriff auf fast alles, was auf dem Rechner liegt.

Zwei Vorfälle und das strukturelle Problem dahinter

Die Ankündigung fällt nicht in einen luftleeren Raum. Im September berichtete der Inc.-Kolumnist Jason Aten, Metas KI-Agent Muse habe seine privaten Nachrichten gelesen, ohne dass er bewusst eine Berechtigung erteilt habe. Meta widersprach dieser Darstellung und verwies darauf, dass drei ausdrückliche Nutzerhandlungen nötig seien: das Aktivieren von Full Disk Access, das Einschalten des Messages-Konnektors innerhalb der App und eine Bestätigung in einem macOS-Systemdialog.

Unabhängig davon beschrieb Wired eine Schwachstelle in der ChatGPT-App für den Mac, die die Objective-See Foundation entdeckt hatte und die am 25. September geschlossen wurde. Angreifer hätten über eine als vertrauenswürdig eingestufte Skript-Komponente an Chat-Protokolle und Browsersitzungen gelangen können. Die beiden Fälle sind unterschiedlich gelagert – der eine dreht sich um eine Berechtigungsfrage, der andere um eine technische Lücke –, doch sie treffen sich an derselben Stelle: bei der Frage, welcher Code im Namen des Nutzers handeln darf.

Der Objective-See-Forscher Patrick Wardle verglich Agenten mit einem Hausverwalter, der die Schlüssel zu allen Räumen besitzt. Sie bräuchten viel Zugriff, um ihre Aufgabe zu erfüllen. Könne dieser Verwalter korrumpiert oder unterwandert werden, sei das ein Problem – im schlimmsten Fall erlange nicht privilegierter Code Zugriff auf alles.

Die betroffenen Anwendungen sind keine Randerscheinungen. Metas Muse, OpenAIs Dots, die ChatGPT-App für den Mac, Claude für Mac, OpenClaw und Hermes Agent fordern Full Disk Access regelmäßig an, um ihre Desktop-Funktionen überhaupt anbieten zu können. Das ist kein Missbrauch, sondern eine Folge des Designs. Ein Agent, der Kalender, Mail und Dateien koordinieren soll, braucht Blick auf genau diese Dinge – und überschreitet damit eine Grenze, die für klassische Anwendungen selbstverständlich war.

Warum Apple auf ausdrückliche Zustimmung setzt statt auf ein Verbot

Apple verbietet Full Disk Access nicht und entwirft auch kein neues Berechtigungsmodell für Agenten. Stattdessen baut der Konzern den Zustimmungsweg um: Wer einem Programm diese Zugriffstiefe geben will, soll das nur noch über eine sehr ausdrückliche Nutzerhandlung können. Nutzer sollen die Risiken verstehen, bevor sie diesen Zugriff erteilen, und informiert über ihre Daten entscheiden können.

Das lässt sich als Nachrüstung bezeichnen. Ein altes, grob geschnittenes Recht bekommt ein strengeres Zeremoniell, ohne dass sich seine technische Form ändert. Ob das genügt, ist eine andere Frage. Ein Bestätigungsdialog erklärt dem Nutzer, dass er gerade sehr viel Zugriff vergibt. Er beantwortet aber nicht, ob ein Agent tatsächlich alles braucht, was er anfordert.

Es ist ein Zustimmungswechsel, keine technische Sperre. Apple verschiebt nicht die Fähigkeiten von Programmen, sondern die Hürde, an diese Fähigkeiten zu gelangen.

Die Lücke zwischen Ankündigung und Auslieferung

Apple hat weder die macOS-Version genannt, in der die neuen Kontrollen erscheinen, noch einen Zeitrahmen. In dieser Lücke müssen Entwickler entscheiden, wie sie mit der Ankündigung umgehen. Die pragmatische Frage lautet: Fordern wir weiterhin Full Disk Access an, weil es bequem ist, oder zerlegen wir den Zugriff in kleinere Teile, die sich einzeln begründen und einzeln verweigern lassen?

Ein Agent, der nur Mail lesen soll, braucht keinen Blick auf die Time-Machine-Historie. In der Praxis kostet diese Aufteilung Arbeit, und sie kollidiert mit einem Berechtigungsmodell, das nur Alles oder Nichts kennt. Full Disk Access wurde für Werkzeuge entworfen, die das Ganze brauchen. Agenten brauchen vieles, aber selten alles gleichzeitig.

Windows und Linux haben bisher kein Gegenstück

Windows regelt Rechteerhöhung über UAC und schränkt Store-Anwendungen über AppContainer ein, doch klassische Win32-Programme laufen standardmäßig mit dem vollständigen Token des angemeldeten Nutzers. Linux kennt AppArmor, SELinux und die Portale von Flatpak, aber die meisten Desktop-Distributionen erzwingen keinen einheitlichen Vermittler für Berechtigungen. Kein großes Betriebssystem liefert derzeit ein eigenes, zweckgebautes Berechtigungsmodell für autonome Agenten.

Die Sicherheitsschichten, die derzeit in Unternehmen entstehen, liegen auf einer anderen Ebene. Ein Gateway steuert, welche APIs ein Agent aufruft. Sandbox-Lösungen wie Kubernetes Agent Sandbox isolieren Agenten-Workloads in Containern. Identitätsbasierte Zugriffsvermittler regeln, wer worauf zugreifen darf. All diese Schichten sind real und im Einsatz – aber sie arbeiten oberhalb des Betriebssystems. Apples Eingriff sitzt darunter, an der Stelle, an der das System selbst entscheidet, was ein Programm erreichen darf.

Was das konkret bedeutet

Für dich als Nutzer verschiebt sich zunächst wenig, solange die Kontrollen nicht ausgeliefert sind. Danach fällt die Entscheidung in dem Moment, in dem ein Dialog erscheint. Bisher war das eine Formalität, die man wegklickt. Künftig ist es die Stelle, an der beantwortet wird, wer im Namen des Nutzers handeln darf. Wer Full Disk Access vergibt, übergibt nicht eine Datei, sondern den Schlüssel zu allem, was auf dem Rechner liegt.

Für Entwickler wird der bequeme Weg teurer: einmal um eine weitreichende Berechtigung bitten und danach in Ruhe arbeiten, wird künftig eine sehr ausdrückliche Zustimmung des Nutzers brauchen. Das ist kein Verbot, und es wäre ein Fehler, die Ankündigung als harte technische Sperre zu lesen. Es zeigt, dass die Alles-oder-Nichts-Frage bei Full Disk Access nicht mehr automatisch mit Ja beantwortet wird.

Für die Branche ist es ein frühes Zeichen dafür, dass ein Hersteller die Existenz autonomer Agenten als Betriebssystemproblem behandelt und nicht als Frage der App-Gestaltung. Ob daraus ein Modell wird, das sich auf Windows und Linux übertragen lässt, ist offen. Ebenso offen ist, ob eine zusätzliche Bestätigung wirklich mehr Sicherheit schafft oder nur mehr Bewusstsein. Wer heute schon mit Agenten arbeitet, sollte prüfen, welcher seiner Werkzeuge welchen Zugriff wirklich benötigt. Die Antwort fällt meist kleiner aus, als die Standardeinstellung vermuten lässt.

Quelle: forkast.news

Die öffentliche Debatte über Quantencomputer kennt einen bequemen Konsens. Danach kommt irgendwann die Maschine, die heutige Verschlüsselung knackt, und bis dahin tauscht man eben die Rechenverfahren aus, so wie man ein Schloss an der Wohnungstür wechselt. Dieses Bild stimmt nicht, wie eine Ankündigung von Cloudflare von Ende September 2026 zeigt: Das Unternehmen will quantensichere TLS-Zertifikate ausgeben. Wer den technischen Details folgt, landet nicht bei einem ausgetauschten Algorithmus, sondern bei einem Umbau der Web Public Key Infrastructure, kurz WebPKI. Diese Apparatur sorgt dafür, dass dein Browser einer Webseite glaubt, wenn in der Adresszeile ein Schloss erscheint.

Ein TLS-Zertifikat ist im Kern ein Ausweis für eine Domain. Es enthält einen öffentlichen Schlüssel, den Namen der Seite, eine Gültigkeitsdauer und die Signatur einer Zertifizierungsstelle, die für diesen Ausweis bürgt. Bei jeder neuen Sitzung läuft zwischen Browser und Server ein Handshake ab, in dem sich der Server ausweist und der Browser die Signaturkette nachrechnet. Vertrauen entsteht nicht durch einen einzelnen Prüfer, sondern durch eine Hierarchie: Betriebssysteme und Browser kennen bestimmte Wurzeln, diese Wurzeln beglaubigen Unterstellen, und am Ende steht das Zertifikat der Webseite. Diese Kette ist der Gegenstand der aktuellen Ankündigung.

Was Cloudflare konkret ankündigt

Cloudflare will quantensichere TLS-Zertifikate ausgeben, über eine Open-Source-Plattform, die zwei Dinge parallel leistet: klassische TLS-Zertifikate und ein post-quantum Pendant namens Merkle Tree Certificates. Diese hybriden Zertifikate sollen für zahlende wie nicht zahlende Nutzer kostenlos sein. Um das System aufzusetzen und im TLS-Ökosystem zu verankern, übernimmt das Unternehmen eine bereits vertrauenswürdige Zertifikats-Wurzel vom Anbieter GlobalSign. Nach eigener Darstellung soll das Millionen von Webseiten erlauben, mit einem Schalter umzulegen, ohne zusätzliche Leistungseinbußen.

Steve Goldsmith von Cloudflare hat die Ankündigung ausdrücklich eingeordnet: Man gebe noch keine Zertifikate aus, und das werde noch eine Weile dauern. Man verpflichte sich öffentlich zu der Arbeit, teile die Meilensteine, während sie erreicht würden, und beschreibe genau, was gebaut werde. Die eigentliche Ausgabe soll im ersten Quartal 2027 beginnen. Bis das neue Verfahren im ganzen Netz getragen wird, vergeht allerdings deutlich mehr Zeit – dazu unten mehr.

Warum ein reiner Algorithmus-Tausch das Netz überlasten würde

Der naheliegende Weg wäre, die heutigen X.509-Zertifikate einfach mit quantenfesten Signaturen zu versehen. Das Problem ist die Größe. Solche Signaturen würden den Datenumfang eines TLS-Handshakes auf das rund Vierzigfache anschwellen lassen — jenen Austausch, der bei jeder neuen Sitzung zwischen Browser und Server stattfindet. Diese zusätzliche Rechenleistung und Bandbreite würde das Internet in seiner heutigen Form überfordern. Man kann sich das wie einen Türsteher vorstellen, der bislang einen Ausweis prüft und künftig bei jedem Gast einen ganzen Aktenordner lesen müsste.

Google hatte im Februar eine Lösung vorgestellt, die auf Merkle Trees basiert, und Cloudflare testet diesen Ansatz gemeinsam mit Google bereits in begrenzten Pilotprogrammen. Statt die Handshake-Daten explodieren zu lassen, bleibt man bei etwa 40 Kilobyte — ungefähr dem Umfang, der auch heute durch das Netz geht. Der Trick besteht darin, die Beweislast dorthin zu verlagern, wo sie günstig zu tragen ist. Nicht der Browser soll die ganze Arbeit machen, sondern die ausstellende Stelle, und zwar einmal für sehr viele Zertifikate gleichzeitig.

Merkle Trees: viele Unterschriften, ein einziges Registerblatt

Wer verstehen will, was sich da ändert, kann die alte WebPKI mit einer Kette notarieller Beglaubigungen vergleichen. Bislang hängt an einem Zertifikat eine ganze Kette von Signaturen, jede verweist auf die vorherige, und erst wenn jedes Glied geprüft ist, darf der Browser glauben, dass die Seite die ist, die sie zu sein behauptet. Um diese Kette quantensicher zu machen, müsste man jedes einzelne Glied mit einem sehr viel größeren Siegel versehen. Genau das sprengt den Rahmen.

Merkle Trees verwerfen die Kette und ersetzen sie durch ein Register. Die Zertifizierungsstelle unterschreibt nur noch einen einzigen Baumkopf, der für Millionen von Zertifikaten stehen kann. Was ein Browser zu sehen bekommt, ist in den meisten Fällen ein sogenanntes Landmark — ein knapper Hinweis darauf, dass das Zertifikat irgendwo in diesem Register steht, verbunden mit wenigen Verweisen, über die sich der Eintrag nachrechnen lässt. Statt jeden Unterschriftsakt einzeln zu beglaubigen, wird einmal das Register gesiegelt, und jeder Eintrag erhält eine kurze Wegbeschreibung zu diesem Siegel. Die Rechnung dahinter ist schlicht: Man prüft nicht mehr alles, sondern nur noch das, was sich mit wenigen Rechenschritten auf das Ganze zurückführen lässt.

Transparenzlogs werden vom Anhang zum Kern des Verfahrens

Zur WebPKI gehört seit Jahren ein Kontrollmechanismus, der leicht übersehen wird. TLS-Zertifikate müssen in öffentlichen, nur anhängbaren Protokollen veröffentlicht werden, den Transparency Logs. Website-Betreiber prüfen diese Logs in Echtzeit, um zu erkennen, ob jemand ein Zertifikat für ihre Domain missbraucht. Eingeführt wurde das nach dem Angriff auf die niederländische Zertifizierungsstelle DigiNotar im Jahr 2011. Damals entstanden rund 500 gefälschte Zertifikate für Google und andere Seiten, von denen einige genutzt wurden, um Nutzer im Iran auszuspähen.

Quantencomputer gefährden diesen Mechanismus an einer empfindlichen Stelle. Wäre Shors Algorithmus in ausreichender Form verfügbar, könnte er klassische Signaturen fälschen — und damit auch die öffentlichen Schlüssel der Zertifikatslogs sowie die signierten Zeitstempel, mit denen ein Browser belegt bekommt, dass ein Zertifikat registriert wurde. Ein Angreifer könnte behaupten, eine Registrierung habe stattgefunden, die es nie gab. Unter dem heutigen System ließen sich solche Änderungen durch ein zusätzliches Glied in der Signaturkette abbilden. Merkle Trees liefern den Nachweis, ohne jedes Glied einzeln aufzuzählen.

Das hat noch einen Vorteil, der leicht untergeht. Bisher sind Transparenzlogs ein Vorgang neben der Zertifikatsausgabe. Mit Merkle Tree Certificates wird das Protokollieren Teil der Ausgabe selbst. Die Cloudflare-Ingenieurin Mari Galicer bringt es auf die Formel, dass Transparenz durch die Kopplung von Ausgabe und Protokollierung zur Betriebsvoraussetzung werde statt zum nachträglichen Zusatz. Das klingt nach einem Satz für Spezifikationen. Praktisch heißt es: Ein Zertifikat ohne Logeintrag kann gar nicht erst entstehen.

Warum der Umbau schon jetzt beginnt

Warum die Eile, obwohl niemand einen einsatzfähigen Quantencomputer dieser Größenordnung besitzt? Das oft genannte Argument „Harvest now, decrypt later“ – heute mitschneiden, später entschlüsseln – betrifft vor allem die Verschlüsselung des Datenverkehrs, also den Schlüsselaustausch. Bei Zertifikaten geht es um etwas anderes: um Signaturen, die belegen, dass eine Seite echt ist. Eine Signatur, die heute geprüft wird, lässt sich nicht rückwirkend missbrauchen. Der Grund für den frühen Start ist hier die Dauer der Umstellung. Wenn Betriebssysteme, Browser, Zertifizierungsstellen und Transparenzlogs gemeinsam umgebaut werden müssen, braucht das Jahre – und es muss fertig sein, bevor ein Quantencomputer Signaturen fälschen kann.

Was das für Website-Betreiber und Nutzer bedeutet

Zum Plan gehört mehr als die Zertifikate selbst. Cloudflare setzt auf das Automated Certificate Management Environment, kurz ACME, einen offenen Mechanismus, der Zertifikate ausstellt und sie kurz vor dem Ablauf automatisch erneuert. Für den Fall, dass ein Server nicht erreichbar ist oder ein Landmark-Update nicht ankommt, sollen Signaturen auch außerhalb des regulären Wegs ausgeliefert werden können, etwa über ein Browser-Update. Das wirkt unspektakulär, ist aber entscheidend. Ein Sicherheitssystem, das beim ersten Ausfall stehen bleibt, wird nicht lange benutzt.

Für Betreiberinnen und Betreiber einer Webseite ändert sich zunächst wenig. Das erklärte Ziel ist, dass Cloudflare-Kunden die neuen Zertifikate per Schalter aktivieren können, ohne zusätzliche Leistungseinbußen. Für Nutzer bleibt das Schloss in der Adresszeile, es bedeutet künftig nur etwas anderes. Der Umbau selbst dauert Jahre, weil Betriebssysteme, Browser, Zertifizierungsstellen und Netzinfrastruktur gleichzeitig angepasst werden müssen. Das kann keine einzelne Firma allein liefern.

Auch die Übernahme der GlobalSign-Wurzel lohnt einen zweiten Blick. Vertrauen entsteht in der WebPKI nicht durch Ankündigungen, sondern durch Zertifikats-Wurzeln, die seit Jahren in Betriebssystemen und Browsern hinterlegt sind. Wer eine solche Wurzel besitzt, kann Zertifikate ausgeben, die praktisch überall akzeptiert werden. Der Kauf ist damit weniger eine technische als eine strategische Entscheidung, weil er den Weg von der Idee zur Reichweite deutlich verkürzt.

Hier wird kein Produkt beworben, sondern eine Baustelle eröffnet. Quantensichere Zertifikate sind kein Film, der irgendwann abläuft, sondern eine langwierige Umstellung, die jetzt anfängt und erst in Jahren fertig wird. Wer heute eine Website betreibt, muss nichts tun. Wer verstehen will, wie das Netz in zehn Jahren funktioniert, kann hier anfangen — die Ankündigung zeigt, wie viel Architektur unter einer einfachen Adresszeile steckt.

Quelle: arstechnica.com

Instagram hat am Mittwoch einen KI-Assistenten für Edits vorgestellt, seine Videobearbeitungs-App. Der Chatbot soll Creatorn keine allgemeinen Ratschläge geben, sondern Rückmeldungen zu ihren eigenen Zahlen: Aufrufe, Haltequote, Likes und Shares, abgeglichen mit den Kommentaren unter ihren Videos und mit dem, was auf Instagram gerade funktioniert. Darüber berichtet TechCrunch-Autorin Amanda Silberling. Der Assistent ist kein Schnittprogramm mit Sprachsteuerung, sondern ein Gesprächspartner, der die eigenen Daten kennt. Erstmals gezeigt hatte Meta ihn bereits im Juni auf einer Creator-Veranstaltung nur für geladene Gäste.

Was der KI-Assistent in der Edits-App leistet

Edits ist Metas Antwort auf CapCut, und der Assistent sitzt dort als Dialogpartner neben den Creatorn. Brett Westervelt, der das Produkt leitet, beschreibt es so: Das Werkzeug kennt die Instagram-Metriken des Kontos – Follower-Entwicklung, Aufrufe, Video-Retention, Likes, Shares – und verbindet sie mit den Kommentaren, mit Trends auf Instagram und mit den Interessen des Publikums. Daraus soll es Muster erkennen, die in den nackten Zahlen schwer zu sehen sind. Der Unterschied zu allgemeinen Tipps ist kein längerer Text, sondern der Datenzugriff.

Westervelt formuliert den Anspruch vorsichtig. Creator hätten sich ein Werkzeug gewünscht, das die Analyse übernimmt und nicht die kreative Arbeit, sagt er. Der Assistent gräbt nach, entscheiden tun die Menschen. Das klingt banal, ist aber eine Entscheidung: kein Tool, das Videos zusammenschneidet, sondern eines, das Fragen beantwortet. Wer wissen will, wo ein Reel die Leute verliert, bekommt eine Auskunft. Was daraus folgt, bleibt die eigene Aufgabe.

Warum der Assistent rechnet, statt zu schneiden

Ein Bild aus dem Sport hilft. Ein Trainer steht nicht auf dem Platz und schießt keine Tore. Er sieht sich Aufzeichnungen an, zählt, wie oft ein Pass in der Vorwärtsbewegung verloren geht, und legt dem Spieler eine Beobachtung vor. Was der Spieler daraus macht, ist seine Sache. Ähnlich positioniert Meta den Edits-Assistenten: als jemanden an der Seitenlinie, der Muster sieht, aber nicht ins Spiel eingreift.

Deshalb wirkt der Ansatz unspektakulär. Ein Werkzeug, das rechnet, produziert keine Videos, sondern Sätze. Keine garantierten Trends, sondern Hinweise. Der Nutzen ist kein sichtbares Ergebnis, sondern eine bessere Grundlage für Entscheidungen. Wer seine Zahlen im Kopf hat, hört wenig Neues. Wer dreißig Videos veröffentlicht hat und nicht mehr weiß, welche fünf funktioniert haben, hat dagegen einen Gesprächspartner mit Zugriff auf genau diese Geschichte.

Was YouTube dagegen plant

Meta ist mit dieser Ausrichtung nicht allein. YouTube hat laut dem Bericht angekündigt, ebenfalls an einem dialogfähigen Werkzeug für Videobearbeitung zu arbeiten, das Anfang nächsten Jahres erscheinen soll. Der Unterschied liegt in der Betonung. Meta beschreibt seinen Assistenten als Analyse-Instanz, YouTube deutet an, dass die KI Creator beim eigentlichen Bearbeiten unterstützen soll. Ein Bearbeitungswerkzeug und ein Analyseassistent verfolgen also zwei verschiedene Ziele.

Für Creator ist das wichtig, weil beide Ansätze unterschiedliche Fähigkeiten trainieren. Ein Bearbeitungsassistent nimmt Arbeit ab und macht die Produktion schneller. Ein Analyseassistent erzwingt eine Auseinandersetzung mit der eigenen Performance. Der eine spart Zeit, der andere verlangt Aufmerksamkeit. Wer beides bekommt, muss entscheiden, was dem eigenen Prozess tatsächlich nützt – und ob mehr Output wirklich mehr Reichweite bedeutet.

Limits, Abo und das Geschäftsmodell dahinter

Der Assistent ist nicht unbegrenzt nutzbar. Wer mehr Anfragen stellen will, kann über ein Meta-One-Abo zusätzliche Nutzung freischalten, heißt es in der Ankündigung. Meta folgt damit einem Muster, das sich in vielen KI-Produkten durchgesetzt hat: Die Funktion kommt zuerst, die Grenze kommt mit, und mehr Rechenleistung wird zum Abo-Bestandteil. Große Sprachmodelle kosten im Betrieb Geld, und Plattformen suchen Wege, diese Kosten an die weiterzugeben, die den größten Nutzen daraus ziehen.

Wenn ein Analysewerkzeug hinter einer Bezahlschranke liegt, entsteht ein Vorteil für die, die es sich leisten können. Bei hauptberuflichen Creatorn fällt ein Abo kaum ins Gewicht. Bei jemandem, der abends nach der Arbeit filmt, kann dieselbe Grenze entscheiden, ob die Funktion Teil des Alltags wird. Solche Mechanismen beeinflussen still, wessen Beiträge gute Daten bekommen und wessen nicht.

Was das für den Alltag von Creator bedeutet

Wer seine Instagram-Zahlen mit KI auswerten lässt, sollte drei Dinge trennen. Erstens die Rohdaten: Aufrufe, Retention, Likes, Shares, Follower-Verlauf. Zweitens die Interpretation: Welche Muster stecken darin, was ist Zufall? Drittens die Handlung: Was ändere ich beim nächsten Video? Viele Analysewerkzeuge liefern nur die erste Ebene und lassen die anderen zwei beim Nutzer liegen. In dieser Lücke sitzt der neue Assistent.

In der Praxis hilft es, den Chatbot nicht als Notenverteiler zu behandeln, sondern als Fragesteller. Statt „Wie wird mein Video besser?“ liefert eine Frage wie „Welche meiner letzten zehn Reels hatten die höchste Haltequote, und was unterscheidet sie von den schwächsten?“ eine brauchbare Antwort. Das gilt für KI-Feedback generell: Wer vage fragt, bekommt vage Antworten, egal wie gut das Modell ist. Die Antwort ist nur so gut wie die Frage.

Auch die Art der Signale zählt. Shares zeigen, dass jemand einen Beitrag nicht nur gesehen, sondern weitergegeben hat. Ein Assistent, der diese Signale zusammenführt, kann Dinge benennen, die in einem Dashboard zwischen zwölf Diagrammen untergehen. Das ist sein eigentlicher Vorteil: Er bündelt, was sonst über mehrere Ansichten verteilt liegt.

Wo der Ansatz seine Grenzen hat

Metriken messen, was messbar ist, nicht was gut ist. Ein Video kann stark sein und trotzdem schlecht laufen, weil es zur falschen Stunde erschien oder weil der Humor eine Community nicht erreicht. Wer nur auf Retention und Shares optimiert, produziert irgendwann Inhalte, die erklärbar sind und niemanden berühren. Dass der Assistent die Entscheidungen nicht abnimmt, ist deshalb keine Floskel, sondern eine Einschränkung.

Dazu kommt die Abhängigkeit. Ein Werkzeug, das die eigenen Zahlen kennt, kennt auch die eigene Unsicherheit. Die Versuchung ist groß, vor jeder Veröffentlichung um Erlaubnis zu fragen. Das lähmt. Besser ist ein Rhythmus: regelmäßig auswerten, Muster notieren, dann einige Wochen ohne Rückfrage arbeiten und prüfen, ob die Beobachtungen halten. Analyse ersetzt keine Haltung, sie schärft sie höchstens.

Meta hat einen Assistenten angekündigt, der die Analyse übernimmt und das Urteil beim Creator lässt, mit Nutzungsgrenzen und Abo. Das ist weniger spektakulär als ein Werkzeug, das Videos von allein schneidet, und in der Praxis womöglich nützlicher. Ob es hält, was es verspricht, zeigt sich nicht an der Ankündigung, sondern daran, ob Creator nach vier Wochen sagen können, was sie durch die Gespräche anders gemacht haben. Wenn ja, hat der Assistent seinen Job gemacht.

Quelle: techcrunch.com

Micron-CEO Sanjay Mehrotra hat auf der Telefonkonferenz zum vierten Geschäftsquartal eine Prognose abgegeben, die vielen Einkaufsplänen widerspricht. Er rechnet damit, dass sich das Verhältnis von Angebot und Nachfrage bei Speicher und Storage in den Kalenderjahren 2027 und 2028 deutlich enger gestalten wird als 2026. Auch die zusätzlichen Reinräume, die derzeit branchenweit geplant werden, ändern daran laut Micron nichts: Ein Zeitpunkt, an dem sich der Markt wieder beruhigt, ist nicht in Sicht.

Ein Bild dafür ist eine Talsperre. Zufluss sind die neuen Fertigungslinien, Verbrauch ist der Durst der Rechenzentren, und der Pegelstand entspricht dem, was die Branche als Lagerbestand führt. Steigt der Verbrauch schneller als der Zufluss, helfen neue Rohre wenig – bis das Wasser tatsächlich fließt, vergehen Jahre. Genau in dieser Phase steckt der Speichermarkt.

Micron erwartet für 2027 und 2028 ein deutlich engeres Angebot

In seinen vorbereiteten Bemerkungen für den Earnings Call wurde Mehrotra deutlich: „Wir erwarten, dass die Bedingungen bei Angebot und Nachfrage für Speicher und Storage in den Kalenderjahren 2027 und 2028 deutlich enger sein werden als 2026.“ Schwerer wiegt der zweite Teil seiner Aussage: Selbst mit neuen Reinraumkapazitäten gebe es keine Sichtlinie darauf, wann sich Angebot und Nachfrage wieder ins Gleichgewicht bringen lassen. Frühere Branchenprognosen hatten dieses Gleichgewicht für 2028 erwartet – diese Annahme ist vom Tisch.

Warum dauert das so lange? Eine neue DRAM- oder NAND-Fabrik ist kein Schalter, den man umlegt. Die Produktion aus neuen Werken braucht Zeit, um hochzufahren, und fällt erst einige Quartale nach dem ersten Output nennenswert ins Gewicht. Das neue Rohr ist gebaut, läuft aber zunächst mit geringem Druck, weil die Anlage eingefahren, justiert und auf stabile Ausbeute gebracht werden muss. Diese Anlaufzeit von mehreren Quartalen erklärt, warum selbst eine schnelle Investitionswelle die Knappheit nicht kurzfristig löst.

DRAM und NAND: Die Preise steigen weiter

Die Zahlen aus dem abgelaufenen Quartal zeigen, wie angespannt die Lage bereits ist. Finanzchef Mark Murphy beschrieb die Lagerbestände und das Angebot des Unternehmens als „extrem knapp“. Microns DRAM-Preise stiegen im vierten Geschäftsquartal um knapp 20 Prozent, die NAND-Preise um rund 30 Prozent.

TrendForce erwartet, dass es weiter aufwärtsgeht. In einem Bericht vom 30. September prognostiziert das Marktforschungsunternehmen für konventionelles DRAM einen Anstieg der Vertragspreise um weitere 10 bis 15 Prozent im vierten Quartal gegenüber dem dritten. Bei NAND-Flash rechnet TrendForce mit 15 bis 20 Prozent. Die Zuwächse verlangsamen sich, der Markt bleibt aber unterversorgt.

Die TrendForce-Prognose gilt für Vertragspreise, also für längerfristige Abnahmevereinbarungen zwischen Herstellern und großen Käufern, nicht für kurzfristige Käufe am offenen Markt. Für Käufer heißt das: Es geht längst nicht mehr nur um die Listenpreise einzelner Speichermodule. IDC hat im Juni prognostiziert, dass die durchschnittlichen Verkaufspreise für PCs im Jahr 2026 um 17 Prozent steigen werden. Wer Hardware beschafft, plant heute gegen eine Kostenkurve, die nach oben zeigt.

Der Speicher ist längst Jahre im Voraus verkauft

Ein zweiter Mechanismus verschärft die Lage: Ein großer Teil der Produktion ist bereits vergeben. Mehrotra sagte, Micron habe mehr als 75 Prozent seiner Ausbringungsmenge für 2027 zugesagt, und die meisten Gespräche mit Kunden drehen sich inzwischen um das Jahr 2028. Ein erheblicher Teil davon steckt in mehrjährigen Take-or-pay-Verträgen, die Micron als „strategic customer agreements“ bezeichnet.

Take-or-pay bedeutet: Der Kunde verpflichtet sich, eine bestimmte Menge abzunehmen oder sie zumindest zu bezahlen. Für den Hersteller macht das die Planung berechenbar und rechtfertigt den teuren Fab-Bau. Für Käufer ohne solche Verträge bleibt entsprechend weniger frei verfügbare Menge. Neue Verträge, in denen Preise verhandelt werden, würden laut Mehrotra zu höheren Konditionen abgeschlossen, weil sie sich an den aktuellen Marktbedingungen und der weiteren Aussicht orientieren.

TrendForce zufolge haben auch einige Cloud-Anbieter ähnliche Langzeitverträge mit Speicherherstellern geschlossen. Wer über solche Vereinbarungen nicht verfügt, trägt den größeren Teil der Preisanstiege bei Server-DRAM. Deshalb kalkulieren manche Unternehmen heute stabil, während andere bei jeder Ausschreibung eine unangenehme Überraschung erleben.

Weniger Speicher pro Server, mehr Effizienz pro Watt

Die Anpassung läuft längst, sie ist nur weniger sichtbar. Ein Bericht von TrendForce vom Juli dokumentiert, dass Cloud-Anbieter und OEMs seit der ersten Hälfte des Jahres 2026 einen Teil ihrer Server von 96-GB- und 128-GB-Modulen auf 32-GB- und 64-GB-Module umgestellt haben. Ähnliche Zwänge zeigten sich bereits bei Nvidias Rubin-Ultra-Konfigurationen. Bereits im Januar hatten Analysten vor höheren Preisen und niedrigeren Spezifikationen bei Enterprise-PCs gewarnt.

Übertragen auf die Talsperre: Die Stadt schaltet die Rasensprenger ab, damit die Haushalte versorgt bleiben. Man bekommt weiterhin Rechenleistung, aber weniger Speicher pro Server. Das funktioniert eine Zeit lang gut, denn große Teile des Speichers in Unternehmensservern werden für Lastspitzen vorgehalten, die so gut wie nie auftreten.

Neil Shah, Vice President of Research bei Counterpoint Research, beziffert dieses Verschwendungspotenzial auf 30 bis 50 Prozent. Er nennt drei Hebel, die vor dem nächsten Hardwarekauf an der Reihe sind: virtuelle Maschinen richtig dimensionieren, KI-Modelle quantisieren und Workloads effizienter bündeln. Quantisierung heißt vereinfacht, dass ein Modell mit kleineren Zahlendarstellungen rechnet und dadurch deutlich weniger Speicher belegt, ohne dass die Ergebnisse für die meisten Aufgaben unbrauchbar werden. „Bevor sie mehr Hardware kaufen, sollten CIOs darüber nachdenken, auf dem Silizium zu optimieren, das bereits im Haus steht“, sagte er.

Hardware-Upgrades: Was sich verschieben lässt und was nicht

Welche Erneuerungen sich aufschieben lassen, hängt vom jeweiligen Workload ab. Bei gewöhnlichen Back-Office-PCs und einfachen Fileservern sei es unproblematisch, den Lebenszyklus von drei auf fünf Jahre zu strecken, sagt Shah. Bei Kerninfrastruktur und Arbeitsplätzen in der Entwicklung könne sich ein Aufschub dagegen rächen: Alternde Systeme bremsen die Produktivität, verlieren die Softwareunterstützung und fallen häufiger aus. Der Spareffekt am Einkauf wird dann durch Stillstand an anderer Stelle wieder aufgefressen.

Ein Umweg, der nicht funktioniert, ist der Griff zu älterem Speicher. Die Hersteller haben Produktionslinien auf High-Bandwidth-Memory und DDR5 umgestellt, DDR4 ist deshalb weder günstig noch reichlich vorhanden. Shah dazu: Wer heute eine Legacy-Plattform kauft, um zehn Prozent bei den Serverkosten zu sparen, kauft ein System, für das es in zwei Jahren keine Ersatzteile mehr gibt. Die Rechnung geht also nicht über den Einkaufspreis auf, sondern über die Nutzungsdauer.

Der zweite Rat betrifft die Vertragsseite. Unternehmen sollten sich mehrjährige Preise für die Rechenkapazität sichern, die sie mit Sicherheit brauchen werden. Der Ausweg in die Cloud hilft dabei weniger, als viele hoffen, weil steigende Hardware- und Energiekosten von den Anbietern weitergegeben werden. Wer heute Kapazität plant, sollte beide Wege durchrechnen – und die Annahme, dass Cloud prinzipiell der günstigere Pfad sei, wenigstens einmal offen hinterfragen.

Wie Hersteller reagieren

Entspannung ist auf der Angebotsseite nicht zu erwarten. Lenovo antwortete auf Anfragen nicht direkt, verwies aber auf die Aussagen der Unternehmensführung aus der Bilanzkonferenz vom 13. August. Chairman und CEO Yuanqing Yang sagte dort, er erwarte weiter steigende Speichernachfrage und ein knappes Angebot mindestens bis Ende 2027. Auf steigende Komponentenkosten könne das Unternehmen schnell reagieren: „Wenn die Materialkosten steigen, können wir die Preise an der Front entsprechend zeitnah anpassen.“

Luca Rossi, President von Lenovos Intelligent Devices Group, erwartet, dass der PC-Markt in den sechs Monaten bis März um etwa 15 Prozent in Stückzahlen schrumpft, wobei die gewerbliche Nachfrage besser hält als die private. Ashley Gorakhpurwalla, President der Infrastructure Solutions Group, spricht von einem „starken Server-Refresh-Zyklus“, der gerade läuft. Dell, HPE, HP, Cisco und Supermicro gaben bis Redaktionsschluss keine Stellungnahme ab.

Die Speicherknappheit bis 2028 ist kein kurzes Wetterereignis, sondern eine mehrjährige Lage, auf die sich jede Beschaffung einstellen muss. Plane deinen Speicherbedarf nach dem, was du wirklich brauchst, nicht nach dem Wunschszenario, und sichere Preise dort, wo du sie über Jahre kennst. Ansonsten gilt die Reihenfolge: erst optimieren, dann kaufen.

Quelle: computerworld.com

Wer über KI in China schreibt, redet meist über Hardware: Es fehlen die GPUs, also fehlt die Rechenleistung. DeepSeeks Ankündigung auf dem chinesischen WeChat-Kanal verschiebt diese Diagnose. Der Engpass liegt nicht allein darin, ob ein Chip rechnen kann, sondern darin, ob ihn jemand dazu bringt, das Richtige zu rechnen – ohne monatelange Handarbeit. Diese Schicht baut DeepSeek jetzt, für Huawei Ascend.

Für alle, die beruflich mit KI-Modellen arbeiten, ist das die wichtigere Nachricht. Die Frage lautet längst nicht mehr, ob chinesische Chips grundsätzlich funktionieren. Sie lautet, ob man mit ihnen so arbeiten kann wie mit NVIDIA-Hardware: mit vertrauten Werkzeugen, nachvollziehbarer Performance, ohne dass jedes neue Modell eine eigene Forschungsabteilung braucht. DeepSeek liefert dazu einen ersten konkreten Baustein.

Am besten passt hier eine Analogie. Ein Chip ist wie ein Mensch, der nur eine bestimmte Sprache spricht. Das Problem ist nicht, dass er nicht sprechen könnte. Das Problem ist, dass niemand seine Sprache gelernt hat und es kein brauchbares Wörterbuch gibt.

Was DeepSeek als Open Source veröffentlicht hat

Die Ankündigung ist kurz – im Kern eine Liste. DeepSeek hat grundlegende Infrastruktur-Komponenten für Huaweis Ascend-Plattform als Open Source freigegeben: eine höhere Programmiersprache samt Compiler-Kette, Rechenbibliotheken und Bibliotheken für die verteilte Kommunikation. Zu jedem Baustein gibt es ein Gegenstück aus dem, was das Unternehmen zuvor für NVIDIA-Plattformen veröffentlicht hatte.

Konkret umfasst das Paket TileLang als Sprach- und Compiler-Schicht, DeepGEMM für die Matrixoperationen im Zentrum jeder Berechnung großer Modelle, DeepEP für die Kommunikation zwischen vielen Chips, TileKernels für Vektoroperationen und Speicherzugriffe, FlashMLA für die Aufmerksamkeitsberechnung bei langen Kontexten und DeepSelect für die Datenauswahl. Das ist keine Demo-Sammlung, sondern die Werkzeugkiste, mit der DeepSeek selbst arbeitet.

All das ist offen zugänglich. Wer heute KI-Modelle auf chinesischen Chips trainieren will, muss nicht bei Null anfangen und nicht auf eine Freigabe warten. Die Repositories liegen auf GitHub, die Community kann sie lesen, nutzen und verändern. Genau das macht den Unterschied.

TileLang und der Übersetzer zwischen Modell und Chip

TileLang ist der interessanteste Teil. Es ist eine höhere Programmiersprache mit Compiler-Kette, die die darunterliegenden Ascend-C-Instruktionen kapselt und eine lesbare Schnittstelle anbietet, ohne dabei Leistung zu verschenken. Der Anspruch: schreiben wie in einer Hochsprache, ausgeführt werden wie handoptimierter Code.

Wichtiger ist ein anderer Satz. DeepSeek schreibt, dass der Großteil der Operatoren, die beim Training der V4-Modellfamilie zum Einsatz kommen, inzwischen in TileLang implementiert ist – und dass jeder dieser Operatoren eine leistungsfähige Entsprechung auf Ascend hat. Damit wird aus einem Bekenntnis praktische Portabilität.

Zurück zur Sprache: Wer einen Text in einer einzigen, gut gepflegten Sprache schreibt, hängt von einem einzigen Verlag ab. TileLang wirkt hier wie eine Übersetzungsschicht, die denselben Quelltext für zwei Leser verständlich macht – den einen auf NVIDIA-Hardware, den anderen auf Huawei Ascend. Der Quelltext bleibt derselbe, nur das Ziel ändert sich.

Warum CUDA mehr ist als eine Bibliothek

NVIDIAs Vorsprung beim Training großer Modelle beruhte nie allein auf den GPUs. Er beruht auf dem, was darüber liegt: CUDA und die vielen Bibliotheken, Profiler, Debugger und Erfahrungswerte, die sich über Jahre angesammelt haben. Wer heute ein Modell trainiert, greift auf ein Software-Ökosystem zurück, in dem fast jedes Problem schon einmal gelöst und dokumentiert wurde.

Diese Software ist der schwierige Teil. Eine Alternative zu CUDA zu bauen heißt nicht, eine Bibliothek nachzuprogrammieren. Es heißt, hunderte kleine Werkzeuge, Konventionen und Fehlermeldungen so nachzubauen, dass Entwickler ihre Arbeit wiedererkennen. Deshalb war Ascend lange gute Hardware mit dünner Werkzeuglage: Rechnen konnte der Chip, aber das Drumherum kostete zu viel Zeit.

Diese Lücke adressiert DeepSeek. Nicht mit einem großen Wurf, sondern mit mühsamer Grundlagenarbeit an der untersten Ebene: Operatoren, Kommunikation, Speicherzugriff. Diese Arbeit klingt in keiner Pressemitteilung spektakulär, entscheidet aber darüber, ob eine Plattform im Alltag benutzbar ist.

Was die gemessenen Werte aussagen – und was nicht

DeepSeek formuliert vorsichtig: In einer Reihe wichtiger Testfälle näherten sich Rechen- und Kommunikationsleistung der Komponenten bereits den Grenzen der Hardware selbst. Das ist eine starke Aussage, sie kommt aber aus dem Haus, das die Komponenten gebaut hat. Unabhängige Messungen, offengelegte Testfälle und nachvollziehbare Vergleiche fehlen bislang.

Diese Einschränkung sollte man nennen. Bei Performance-Angaben entscheidet die Auswahl der Testfälle darüber, welches Bild entsteht. Interessant wird es, wenn Dritte dieselben Bibliotheken nehmen und ihre eigenen Modelle darauf laufen lassen. Dann zeigt sich, ob die Nähe zur Hardwaregrenze dauerhaft ist oder das Ergebnis ausgewählter Beispiele.

Trotzdem bleibt ein Signal: Die Richtung stimmt. Es geht nicht mehr um die Frage, ob auf chinesischen Chips überhaupt trainiert werden kann, sondern darum, wie viel Aufwand das im Vergleich zur Alternative kostet.

Huawei und DeepSeek arbeiten am 128-Karten-Superknoten

Ein zweiter Punkt: DeepSeek macht klar, dass diese Arbeit nicht allein entstanden ist. Huaweis Team war eng beteiligt, und beide Seiten arbeiten gemeinsam an einem Superknoten mit 128 Karten auf Basis des Ascend 950, inklusive tiefer Optimierung von Rechenleistung und Kommunikation zwischen den Chips. Huawei selbst hatte erst Mitte September den Start seines nächsten Chips Ascend 960DT vorgezogen.

Das ist wichtiger, als es klingt. Beim Training großer Modelle ist selten der einzelne Chip der Engpass, sondern das Gespräch zwischen den Chips. Hunderte oder tausende Beschleuniger müssen Daten austauschen, und jede Verzögerung summiert sich über Wochen zu einem erheblichen Anteil der Rechenzeit. Ein Superknoten ist der Versuch, diese Gespräche zu beschleunigen, indem man die Wege zwischen den Karten kurz und schnell hält.

Die Nachricht ist damit keine Einbahnstraße. Es ist nicht der Satz, DeepSeek unterstütze jetzt Huawei-Chips. Es sind zwei Firmen, die gemeinsam am schwierigen Teil arbeiten: Rechen- und Kommunikationspfade so aufeinander abzustimmen, dass eine Plattform für Grenzmodelle taugt.

Was das konkret bedeutet

Wer daraus ableitet, Huawei Ascend statt NVIDIA-GPU sei eine reine Frage des Umstellens, wird enttäuscht. Portabilität entsteht nicht an einem Tag, und die Werkzeuge von DeepSeek sind eine Grundlage, kein fertiges Produkt. Sie senken den Aufwand, ein vorhandenes Modell auf eine andere Plattform zu bringen – aufheben können sie ihn nicht.

Der praktische Gewinn liegt tiefer, ist aber erheblich: Der Wechsel zwischen Plattformen wird billiger. Wenn derselbe Entwicklungsansatz über NVIDIA-GPUs und über Ascend-Chips liegen kann, sinken die Kosten des Umzugs, und die Abhängigkeit von einem einzigen Anbieter wird kleiner. Für chinesische Unternehmen ist das kein theoretisches Argument, sondern ein sehr konkretes.

Für die breitere Landschaft heißt das: Ein Software-Ökosystem um KI-Chips entsteht nicht länger nur dort, wo der Marktführer sitzt. Open Source ist hier der entscheidende Hebel. Wenn die Werkzeuge offen liegen, kann eine Community Fehler finden, Erweiterungen schreiben und Anwendungsfälle beisteuern, die ein einzelnes Unternehmen nie abdeckt.

Eine kurze Ankündigung auf WeChat verändert keinen Markt. Sie markiert aber einen Punkt, an dem aus einem Hardware-Argument langsam ein Software-Argument wird – und genau dort wurden in der Vergangenheit die meisten Chip-Offensiven entschieden. Wer sehen will, wie ernst die chinesische KI-Industrie ihren eigenen Weg nimmt, sollte weniger auf Datenblätter schauen und mehr in die Repositories.

Quelle: geopolitechs.org