KRÖTZSCHKI-Blog · Ohne Bullshit
Newsletter

Suchergebnisse für: „Claude“

  • Siri-KI austauschbar: Apples Code zeigt zwei Wege zu Claude und ChatGPT

    Siri-KI austauschbar: Apples Code zeigt zwei Wege zu Claude und ChatGPT

    Eine Meldung von MacRumors vom 14. September 2026 kam binnen weniger Tage auf mehr als 80 Kommentare. Grundlage war eine einzelne Code-Analyse. In iOS 27 und macOS Golden Gate fanden sich private Frameworks, die darauf hindeuten, dass Apple seine neue Siri-Architektur von Anfang an für fremde KI-Modelle ausgelegt hat.

    Der Code-Sleuth pdfu hat die Stellen in einem Video auf X dokumentiert. Die Fundstellen verschieben die Grenze zwischen fester Systemfunktion und austauschbarer Zutat. Was dort technisch passiert, was davon schon funktioniert und wo Fragen offen bleiben – darum geht es im Folgenden.

    Zwei Protokolle mit unterschiedlicher Reichweite

    Der Fund umfasst zwei Mechanismen mit sehr unterschiedlicher Tragweite. Der erste heißt Model Delegation und bindet ein fremdes Modell als Erweiterung in Siri ein, nach demselben Muster, das Apple schon für die eingebaute ChatGPT-Erweiterung nutzt. Das zweite Protokoll geht weiter: Ein Inference Provider in den „Model Manager Services“ kann Apples serverseitiges Siri-Modell komplett ersetzen, im dokumentierten Beispiel durch GPT-5.6.

    Stellen wir uns Siri als Kellner vor. Er nimmt die Bestellung auf, kennt den Tisch, weiß, wer was wollte, und trägt am Ende das Essen aus. Die Küche dahinter ist kein fester Teil des Hauses, sondern ein Dienstleister, den man wechseln kann. Bei der Model Delegation holt Siri nur für eine einzelne Aufgabe einen Spezialisten an den Tisch, behält aber Bedienung, Besteck und Rechnung in der Hand. Beim zweiten Protokoll tauscht Apple die Küche komplett aus, der Gastraum bleibt gleich.

    Die Unterscheidung beschreibt zwei völlig verschiedene Arten von Abhängigkeit. Im ersten Fall bleibt Siri die Schaltzentrale und reicht nur Teilaufgaben weiter. Im zweiten übernimmt ein fremdes Modell die eigentliche Denkarbeit, inklusive der Frage, welche Systemwerkzeuge überhaupt gebraucht werden. Damit wird aus einer Funktion eine Architekturentscheidung.

    So läuft die Siri-Claude-Integration im gezeigten Beispiel ab

    In dem Video von pdfu öffnet der Nutzer unter macOS die „Search or Ask“-Leiste und wählt über ein Kontextmenü namens „Ask…“ ein KI-Modell aus. Nach dem Aktivieren der Claude-Erweiterung bittet er Siri, Claude zu fragen, ob dieser eine Erinnerung in Apples Reminders-App anlegen kann. Claude versteht die Anfrage, Siri legt die Erinnerung tatsächlich an.

    Entscheidend ist die Rückgabe. Sobald eine Anfrage Zugriff auf eine Systemfunktion von Apple braucht, gibt Claude die Aufgabe offenbar an Siri zurück. Das fremde Modell darf formulieren und verstehen, aber nicht selbst ins System greifen. Wer Siri gegen Claude tauschen will, bekommt also keine zweite Systemstimme, sondern einen zusätzlichen Gesprächspartner innerhalb der bestehenden Oberfläche.

    Im zweiten Beispiel bekommt Claude in einem Konversationsfenster der Siri-App die Aufgabe, eine CSV-Datei zu erzeugen. Das kann Siri allein nicht, und hier zeigt sich der praktische Nutzen: Das fremde Modell liefert das Ergebnis, Siri den Rahmen. Ob sich so eine Verbindung dauerhaft wie ein eigenständiger Assistent anfühlt oder wie ein Werkzeug in einer Werkzeugkiste, hängt davon ab, wie sauber Apple diese Übergaben später gestaltet.

    Der tiefere Eingriff: Wenn ChatGPT Apples Siri-Planer ersetzt

    Interessanter ist das zweite Protokoll aus derselben Analyse. Ein Inference Provider in den „Model Manager Services“ erlaubt es offenbar, Apples eigenes serverseitiges Siri-Modell durch ein fremdes zu ersetzen. In diesem Szenario bekommt ChatGPT den Planer-Prompt von Siri samt Definition der verfügbaren Werkzeuge. Es kann also selbst Systemaktionen anfordern, die zurückgelieferten persönlichen Daten entgegennehmen und daraus eine Antwort formulieren, die Siri anschließend mit eigener Oberfläche und eigener Stimme präsentiert.

    Im Video bittet der Nutzer das ChatGPT-Modell in der Siri-App, E-Mails zu einem Thema zu finden, Inhalt und Handlungspunkte zusammenzufassen und danach über die Nachrichten-App eine Nachricht an eine Person aus den Kontakten zu senden. Die Antwort erscheint danach in der Web-Oberfläche von OpenAI als protokollierte Anfrage. Der Vorgang läuft also nicht nur lokal zwischen zwei Apple-Komponenten ab.

    Für dieses zweite Protokoll heißt das: Die persönliche Datenschicht bleibt in Apples Verantwortung, die Verarbeitung kann aber bei einem Dritten stattfinden. Wer die Siri-ChatGPT-Integration so aktiviert, sollte wissen, welche Inhalte das Gerät verlassen. Die Frage ist dann nicht mehr, ob ein Modell gut antwortet, sondern wo die E-Mails, Kontakte und Kalendereinträge am Ende ausgewertet werden.

    Warum die EU-Regulierung hier eine Rolle spielt

    Der Digital Markets Act der Europäischen Union dürfte Apples Vorgehen mitgeprägt haben. Er verpflichtet Apple, Dritten einen wirksamen Zugang zu den Hardware- und Softwarefunktionen zu gewähren, die auch Apples eigene Dienste nutzen. Die Europäische Kommission hat ausdrücklich erklärt, dass dieses Prinzip auch für Siri gilt.

    In den Kommentaren unter der Meldung findet sich diese Lesart wieder. Ein Nutzer schreibt, der abgeschottete Plattform-Ansatz halte nicht mehr, wenn ein so großer Teil des Arbeitsalltags auf dem Gerät stattfinde, und bedankt sich bei der EU. Ein anderer meint, der Fund belege, dass die Kommission von Anfang an recht gehabt habe und Apple unnötiges Theater veranstaltet habe. Man muss diese Einschätzungen nicht teilen, um zu sehen, dass die Regulierung hier als treibende Kraft hinter einer technischen Öffnung wirkt.

    Gleichzeitig wäre es zu einfach, den Fund allein als erzwungene Zugeständnisse zu lesen. Wer sich die Architektur ansieht, erkennt ein durchdachtes Schichtenmodell, das auch ohne Regulierung sinnvoll wäre. Ein Assistent, der Aufgaben weiterreichen kann, ist leistungsfähiger als einer, der alles selbst können muss. Die Vorschrift dürfte den Zeitplan beschleunigt haben, nicht die Idee erfunden.

    Was heute schon funktioniert und was noch fehlt

    Die „Ask…“-Umsetzung ist im Release Candidate von macOS 27 Golden Gate derzeit auf die ChatGPT-Erweiterung beschränkt. Claude ist dort noch nicht verfügbar, obwohl die Mechanismen im Code schon angelegt sind. Wer eine Anleitung sucht, um Siri mit Claude zu verbinden, wird momentan noch auf die ChatGPT-Variante verwiesen.

    Außerdem hat Apple die Berechtigung für die Model Delegation noch nicht für Dritte geöffnet. Der Mechanismus ist nicht nach außen sichtbar und nicht als Einstellung für normale Nutzer erreichbar. Man kann die Siri-ChatGPT-Erweiterung aktivieren, aber nicht frei zwischen Anbietern wählen. Der Code zeigt damit eher die geplante Richtung als ein fertiges Produkt.

    In den Foren ist die Stimmung gespalten. Ein Kommentator hält Siri für deutlich besser, weil der Assistent nun konversations- und kontextbewusst arbeite, und nennt als Beispiel eine Frage nach dem Gitarristen eines laufenden Pink-Floyd-Stücks, die korrekt und schnell beantwortet wurde. Ein anderer merkt an, dass austauschbare On-Device-Modelle die Beschränkung auf neuere iPhone-Generationen überflüssig machen würden. Beide Beobachtungen betreffen denselben Punkt: Wenn das Modell austauschbar ist, verschiebt sich die Frage nach dem Wert des Geräts.

    Was das konkret bedeutet

    Für Nutzer ändert sich vorerst wenig. Siri in iOS 27 bekommt die neuen Fähigkeiten, die Apple angekündigt hat, und die Auswahl zwischen mehreren Modellen bleibt Zukunftsmusik. Der Unterschied liegt darin, dass die Entscheidung nicht mehr grundsätzlich offen ist, sondern nur noch zeitlich. Siri gegen ChatGPT oder Claude zu tauschen ist damit kein Hack mehr, sondern eine vorgesehene Betriebsart.

    Für Apple verschiebt der Fund das Selbstverständnis. Siri wird von einem Produkt zu einer Plattform, und eine Plattform lebt davon, dass andere darauf aufbauen dürfen. Die Stimme, die Oberfläche und der Zugriff auf persönliche Daten bleiben in Cupertino, die Rechenleistung dahinter wird verhandelbar.

    Für Anbieter wie Anthropic und OpenAI entsteht ein neuer Vertriebskanal, der ohne eigenen App-Store-Auftritt funktioniert. Wer in Siri als Modell ausgewählt wird, erreicht Menschen in genau dem Moment, in dem sie eine Frage haben. Gleichzeitig bleibt die Abhängigkeit: Ohne Apples Freigabe und ohne die Berechtigung für die Model Delegation passiert gar nichts. Die Macht, Modelle zu öffnen, liegt weiterhin bei dem Unternehmen, das die Oberfläche kontrolliert.

    Bleibt die Frage nach den Daten. Ein Assistent, der E-Mails zusammenfasst und Nachrichten verschickt, verarbeitet das Privateste, was ein Gerät zu bieten hat. Wandert diese Verarbeitung zu einem fremden Anbieter, muss klar sein, was übertragen wird, wie lange es gespeichert bleibt und wer es einsehen kann. Der Code zeigt eine Möglichkeit. Ob sie gut wird, entscheidet sich nicht in der Bibliothek, sondern daran, wie ehrlich Apple und seine Partner darüber sprechen.

    Quelle: macrumors.com

  • Claude Fable 5.1 und GLM 5.3 Flash: Was der Rails Benchmark wirklich zeigt

    Claude Fable 5.1 und GLM 5.3 Flash: Was der Rails Benchmark wirklich zeigt

    Ein Benchmark-Sieg klingt nach einem eindeutigen Ergebnis. Der Bericht „Agents on Rails“ vom 2. September 2026 zeigt etwas anderes: einen Gleichstand an der Spitze. Die Entscheidung fällt an einer Stelle, die beim Modellvergleich meist übersehen wird. Svyatoslav Kryukov und Artur Petrov haben 17 Modelle auf 21 Rails-Aufgaben geschickt, jede Aufgabe dreimal. Heraus kam kein Sieg der reinen Rechenleistung, sondern eine Frage von Werkzeug, Preis und Zeit.

    Wer ein Modell für Ruby-on-Rails-Aufgaben auswählt, schaut meist auf die oberste Zeile des Leaderboards. Dort steht jetzt ein Unentschieden. Zwei Modelle erreichen 92 Prozent. Darunter liegt ein Kandidat, der für fünf Cent pro Lauf fast dasselbe leistet. Interessanter als der Spitzenwert ist der Abstand zwischen Preis und Ergebnis.

    Ein KI-Coding-Agent arbeitet wie ein Geselle in einer gut sortierten Werkstatt. Es reicht nicht, dass am Ende ein Bauteil passt. Er muss auch das richtige Werkzeug von der Wand nehmen, statt sich mit Klebeband eine Eigenlösung zu biegen. Beides hält erstmal. Der Unterschied zeigt sich, wenn jemand die Konstruktion später anfassen muss.

    Gleichstand an der Spitze: Claude Fable 5.1 zieht mit Claude Opus 5 nach

    Claude Fable 5.1 ist einen Tag vor dem Bericht erschienen und landet direkt auf Augenhöhe mit dem bisherigen alleinigen Spitzenreiter. Beide Modelle lösen 58 von 63 Durchläufen, das sind 92 Prozent, und beide schaffen mindestens 20 der 21 Aufgaben wenigstens einmal. Der Unterschied liegt nicht in der Trefferquote, sondern im Aufwand dahinter. Fable 5.1 kostet 75 Dollar für alle 63 Läufe, Claude Opus 5 verlangt 120 Dollar. Auch bei der Zeit liegt das neue Modell vorn: 5,4 Minuten im Median gegen 9,7 Minuten.

    Claude Fable 5 kam auf 57 von 63 Läufen, kostete 146 Dollar und brauchte 6,8 Minuten pro Durchlauf. Die Rechnung ist also rund 50 Prozent günstiger als beim Vorgänger und rund 40 Prozent günstiger als bei Opus 5. In der Spitzengruppe ist Fable 5.1 damit das schnellste Modell, auf Augenhöhe mit GPT-5.6 Sol. Ein Benchmark ist allerdings ein Prüfstand und keine Landstraße: Die Autoren betonen selbst, dass 63 Läufe eine kleine Stichprobe sind. In den Vorläufen lag Fable 5.1 bei etwa 95 Prozent, im offiziellen Durchlauf hatte es schlicht Pech.

    Ein Detail abseits der Punktzahl ist wichtiger, als es aussieht. In der ersten Runde scheiterte Fable 5 an einer Aufgabe, die wie ein Pen-Test-Bericht formuliert war, und zwar in allen drei Versuchen. Fable 5.1 liest denselben Bericht und behebt jeden Befund. Ein Modell, das eine Sicherheitsaufgabe nicht mit einem Sicherheitsproblem verwechselt, ist im Alltag mehr wert als ein Prozentpunkt auf dem Leaderboard.

    Rails API Recall: 41 Prozent und der Fall quote_column_name

    Der Rails API Recall Benchmark misst etwas anderes als das reine Lösen von Aufgaben. Jede Aufgabe verweist auf eine bestimmte Rails-API, die eine ideale Lösung verwenden sollte. Eine selbst gebaute Ersatzlösung kann die Tests bestehen, aber sie ist nicht der Weg, den das Framework vorsieht. Hier liegt der Unterschied zwischen Code, der funktioniert, und Code, den das nächste Teammitglied ohne Zorn lesen kann. Bisher lagen die Werte in diesem Benchmark zwischen 8 und 35 Prozent.

    Claude Fable 5.1 erreicht 41 Prozent. In Zahlen heißt das: In 26 der 63 Läufe erinnerte sich das Modell unaufgefordert an die passende API, 9 Mal fand sie sich in der Ausgabe, 20 Mal wurde sie übergangen, 8 Mal baute das Modell eine Eigenlösung. Claude Opus 5 kam auf 20 Treffer aus dem Stand, also 32 Prozent, dazu 14 gefundene APIs, 15 übergangene und 14 Eigenlösungen. Claude Fable 5 lag bei 21 unaufgeforderten Treffern, im Bericht mit 35 Prozent angegeben, dazu 6 gefundene APIs, 21 übergangene und 12 Eigenlösungen; drei Läufe endeten ohne Patch.

    Die Verbesserung liegt nicht daran, dass ein neueres Modell neuere APIs kennt. quote_column_name ist fast so alt wie Active Record selbst, und kein vorheriges Modell hatte diese Methode unaufgefordert erwähnt. Es geht also nicht um frisches Trainingswissen, sondern um die Frage, ob ein Modell nachsieht, was an der Wand hängt, bevor es improvisiert. Für Teams, die KI-Modelle für Rails einsetzen, zählt am Ende diese Zahl: Der Agent schreibt Code, den später Menschen warten müssen.

    GLM 5.3 Flash: Der Stealth-Kandidat aus der letzten Runde hat jetzt einen Namen

    Das Modell, das in der vorigen Runde unter dem Codenamen ox-alpha antrat, ist enttarnt. Es handelt sich um GLM 5.3 Flash von Z.ai. Die Autoren haben den Stealth-Namen beerdigt und alle 63 Versuche unter dem echten Namen und dem echten Preis erneut laufen lassen. Das Ergebnis deckt sich mit den Vorabwerten: 52 von 63 Läufen, also 83 Prozent, bei Gesamtkosten von 3,31 Dollar. Das sind rund fünf Cent pro Durchlauf.

    Damit liegt GLM 5.3 Flash auf demselben Niveau wie Grok 4.6, das ebenfalls 83 Prozent erreicht, aber zum Fünfzehnfachen des Preises. In der Rangliste steht Flash hinter Kimi K3 mit 90 Prozent und GPT-5.6 Sol mit 84 Prozent, auf Augenhöhe mit Grok 4.6 und vor dem großen GLM 5.3 mit 79 Prozent. Die Preis-Leistung von GLM 5.3 Flash ist hier keine Marketingfloskel, sondern eine Rechnung. Wer viele kleinere Rails-Aufgaben automatisiert, für den ist der Cent-Betrag pro Lauf relevanter als die letzten Prozentpunkte.

    Wie der Agents-on-Rails-Benchmark aufgebaut ist

    Alle Zahlen stammen aus dem üblichen Aufbau. Der Harness heißt lemans, es gelten Standard-Effort-Stufen, und jede der 21 atomaren Writebook-Aufgaben wird dreimal versucht. Die Prüfung ist versteckt, die Rohdaten liegen im Repository rails/ai-evals, die aktuellen Werte stehen auf der Agents-on-Rails-Seite. Jede Zahl lässt sich bis zum einzelnen Lauf zurückverfolgen.

    Zwei kleinere Änderungen betreffen die Darstellung. Die Standard-Effort-Stufen, mit denen die Läufe stattgefunden haben, sind jetzt auf der Seite dokumentiert. Die Diagramme wurden zusätzlich überarbeitet, nach einer Anregung von Nate Berkopec: Egal was du vergleichst, die besseren Modelle erscheinen nun in der oberen rechten Ecke. Das klingt nach Kosmetik, macht aber den Vergleich zwischen zwei Kenngrößen auf einen Blick lesbar.

    Der wichtigste Vorbehalt steht im Kleingedruckten. Drei Läufe pro Aufgabe sind ein Kompromiss zwischen Laufzeit und Aussagekraft, nicht mehr. An der Spitze steht ein Unentschieden, und beide Modelle wurden von derselben Aufgabe gestoppt. Der atomare Aufgabenkatalog wird langsam zu klein, weshalb die Autoren größere und realistischere Aufgaben für eine zweite Stufe vorbereiten.

    Was das für die Auswahl eines KI-Coding-Agenten bedeutet

    Drei Punkte bleiben für die Auswahl. Erstens: Der Spitzenplatz im Agents-on-Rails-Leaderboard ist derzeit geteilt, und die Entscheidung zwischen den beiden 92-Prozent-Modellen fällt über Preis und Laufzeit, nicht über Qualität. Claude Fable 5.1 liefert dieselbe Trefferquote für deutlich weniger Geld und in etwa der halben Zeit. Zweitens: Für Aufgaben, bei denen es nicht um Sekunden oder Centbeträge geht, ist GLM 5.3 Flash mit 83 Prozent für fünf Cent pro Lauf eine ernsthafte Option, nicht bloß eine Notlösung.

    Drittens, und das wird beim Blick auf die reine Punktzahl übersehen: Der Rails API Recall entscheidet darüber, wie lange der erzeugte Code lebt. Ein Modell, das 92 Prozent der Aufgaben löst, aber regelmäßig an der Werkzeugwand vorbeigeht und Eigenlösungen baut, produziert Arbeit für später. Ein Modell mit etwas niedrigerer Trefferquote, das die vorhandenen Rails-APIs kennt, liefert dagegen Code, der sich in eine bestehende Anwendung einfügt, ohne sie zu verbiegen. Wer Claude Fable 5.1 für Rails-Aufgaben in einem gewachsenen Projekt einsetzt, sollte deshalb beide Zahlen nebeneinander lesen.

    Die 41 Prozent von Claude Fable 5.1 sind kein Endstand, sondern eine Zwischenmarke. Sie zeigen, dass sich die Erinnerung an Framework-APIs messbar verbessern lässt. Bis die größeren Aufgaben der zweiten Stufe kommen, bleibt der Prüfstand ein kontrollierter Raum mit 21 Aufgaben und drei Versuchen. Was dort funktioniert, funktioniert noch nicht automatisch in deiner Anwendung.

    Quelle: rubyonrails.org

  • Salesforce und Anthropic: Claudeforce statt SaaSpocalypse

    Salesforce und Anthropic: Claudeforce statt SaaSpocalypse

    KI-Assistenten, so die Erwartung vieler, könnten klassische Software wie Salesforce überflüssig machen. Die Ankündigung der beiden Unternehmen erzählt eine andere Geschichte. Der vermeintliche Konkurrent wird zum strategischen Partner. Statt Verdrängung setzen beide auf tiefe Integration und Kooperation auf Augenhöhe.

    Am 26. August 2026 erweiterten Salesforce und Anthropic ihre Partnerschaft. Sie stellten ein Produkt vor: „Claudeforce“. Der Name klingt nach Marketing-Gag. Doch Salesforce hat das Suffix „force“ noch nie an ein fremdes Produkt vergeben. Das signalisiert, wohin sich der Markt bewegt.

    Claudeforce: Ein Plugin, das den Vertriebsalltag verändert

    Was kann Claudeforce? Es ist ein Plugin für den Claude-Chatbot von Anthropic, ausgestattet mit 37 vorkonfigurierten Vertriebs-Skills. Vertriebsmitarbeiter können E-Mails verfassen, Datensätze aktualisieren und weitere Aktionen direkt in Claude ausführen. Kein Wechsel zwischen Anwendungen mehr. Klingt unspektakulär, verändert aber die Arbeit mit CRM-Systemen grundlegend.

    Marc Benioff nannte das Produkt im Gespräch mit CNBC ein Novum. Zusammen mit Dario Amodei gab er ein Interview auf dem Salesforce Tower in San Francisco. „Wir liefern eine dynamische Oberfläche, die denkt, argumentiert und handelt“, sagte Benioff. Für ihn läuft so die Zukunft aller Unternehmenssysteme. Einzelne Produkte zählen weniger. Entscheidend sind intelligente Systeme, die ineinandergreifen.

    Praktisch heißt das: Wer mit Claude arbeitet, kann auf Salesforce-Daten zugreifen, ohne die Anwendung zu wechseln. Die Aktionen laufen direkt im Chat-Interface. Die Pilotphase startet mit ausgewählten Kunden, die allgemeine Vorschau folgt im September. Weitere Skills sind geplant, ebenso Integrationen über Claude, Salesforce und Slack.

    Marktreaktion: Erleichterung und Skepsis

    Die Ankündigung kam nicht aus dem Nichts. Die Salesforce-Aktie verlor 2025 rund 20 Prozent, auch 2026 ging es abwärts. Nach Bekanntgabe der Partnerschaft und besser als erwarteten Quartalszahlen legte sie im erweiterten Handel um 12 Prozent zu. Der Druck war groß. Auf Jahressicht bleibt das Minus bei rund 22 Prozent. Der Nasdaq stieg seit Ende 2024 um etwa 35 Prozent.

    Anthropic wächst rasant. Die annualisierte Umsatzrate erreichte Ende Juli 65 Milliarden Dollar – siebenmal so viel wie im Vorjahr. Klar, warum Salesforce die Partnerschaft sucht. Anthropic ist kein kleines Start-up mehr. Die Frage, ob KI-Tools von Anthropic oder OpenAI klassische Software ersetzen, beschäftigt Investoren. Dahinter steht der Begriff SaaSpocalypse: Software-as-a-Service-Unternehmen könnten durch KI-Assistenten überflüssig werden.

    Benioff sieht das naturgemäß anders. Für ihn zeigt Claudeforce, dass Enterprise-Software und KI sich nicht ausschließen. Salesforce liefert die Datenstrukturen, Anthropic die Intelligenz. Diese Sicht ist nicht uneigennützig – Salesforce hat eigene KI-Modelle. Doch die Partnerschaft zeigt: Selbst große Softwarekonzerne können nicht mehr alles allein abdecken.

    Sicherheitsbedenken: Enterprise Frontier Safeguards

    Datensicherheit stand im Mittelpunkt. Dario Amodei betonte, Anthropic habe viel Aufwand in die Berechtigungsverwaltung für Claudeforce gesteckt. Beide Unternehmen bauen „Enterprise Frontier Safeguards“ auf. Damit sollen Salesforce-Kundendaten privat bleiben und Anthropics Modelle unter Kontrolle. Bei sensiblen Unternehmensdaten zählt Vertrauen.

    Die Sicherheitsarchitektur wird wichtiger, je tiefer KI-Modelle in Geschäftsprozesse eingreifen. Ein Chatbot verfasst E-Mails im Namen von Vertriebsmitarbeitern, aktualisiert Datensätze. Klare Grenzen sind nötig. Wer darf welche Aktionen auslösen? Welche Daten werden verarbeitet? Wie verhindert man Fehlentscheidungen? Diese Fragen sind nicht neu, aber sie werden dringlicher, je autonomer die Systeme arbeiten. Die Enterprise Frontier Safeguards sollen Antworten bieten – Details bleiben vage.

    Amodei sagte, Claudeforce werde bei Anthropic bereits intern getestet. „Wir haben schon lange die Forschungsteams in Claude beschleunigt, aber zum ersten Mal beschleunigen wir unsere Go-to-Market-Bemühungen in Claude.“ Das Produkt ist also nicht nur für externe Kunden gedacht, sondern soll auch den eigenen Vertrieb effizienter machen. Anthropic erprobt die Praxistauglichkeit im eigenen Haus.

    Die Strategie hinter der Partnerschaft

    Warum geht Salesforce jetzt diese Partnerschaft ein? Da ist der wirtschaftliche Druck. Die Aktie hat massiv gelitten, das Management muss Zukunft signalisieren. Eine Partnerschaft mit Anthropic tut das. Salesforce öffnet sich für die besten Technologien des Marktes, auch wenn eigene Lösungen in den Hintergrund rücken.

    Dazu kommt die strategische Positionierung. Microsoft setzt auf OpenAI, Google auf eigene Modelle. Salesforce wählt nun Anthropic, ein Unternehmen, das als fortschrittlich gilt – gerade bei Sicherheit und Zuverlässigkeit. Das ist auch eine Absicherung: Wenn die eigenen KI-Bemühungen nicht greifen, gibt es einen starken Partner. Anthropic erhält Zugang zu einem der größten CRM-Ökosysteme der Welt. Ein Win-Win.

    Kritische Stimmen bleiben. Die Sorge vor einem SaaSpocalypse ist nicht aus der Luft gegriffen. Wenn KI-Assistenten nicht nur kommunizieren, sondern auch Aktionen ausführen, könnte die Rolle traditioneller Softwareanbieter schrumpfen. Amodei versucht, die Ängste zu zerstreuen: „Wir sind nicht daran interessiert, irgendjemanden zu zerstören“, sagte er CNBC. Ob das langfristig trägt, bleibt abzuwarten.

    Was Claudeforce für die Zukunft der Vertriebssoftware bedeutet

    Was bedeutet Claudeforce für die Arbeit in Vertrieb und Marketing? Ein Blick auf die Mechanismen hilft. Die 37 Skills decken typische Aufgaben ab: E-Mail-Kommunikation, Pflege von Kundendaten, Unterstützung bei Verkaufsgesprächen. Entscheidend ist die Integration. Die KI sitzt nicht neben dem CRM-System, sondern wird Teil davon. Sie versteht den Kontext, kennt die Daten und handelt eigenständig – innerhalb der Grenzen der Safety-Mechanismen.

    Das passt zu einem größeren Trend. Früher wurden Anwendungen über Schnittstellen verbunden, heute verschmelzen sie. Die Oberfläche ist kein Fenster zu einer Applikation mehr, sondern zu einem Ökosystem aus Diensten und KI. Unternehmen verändern ihre IT-Architektur: Statt Daten zwischen Systemen zu bewegen, lassen sie die Systeme zusammenarbeiten – unterstützt von KI.

    Die Partnerschaft markiert einen Wendepunkt in der SaaSpocalypse-Debatte. Statt Verdrängung: Integration. Die Sorgen der Anleger waren nicht unbegründet – der Druck bleibt. Aber die Antwort muss nicht das Verschwinden ganzer Softwarekategorien sein. Es können neue Produkte entstehen, die KI und etablierte Infrastruktur verbinden. Claudeforce zeigt, wie das aussehen kann. Der Erfolg muss sich erst in der Praxis beweisen.

    Ob Claudeforce die Erwartungen erfüllt, zeigt sich in den nächsten Monaten. Pilotkunden sind gesetzt, die Vorschau startet im September. Die Marktreaktion war positiv. Für alle, die mit CRM-Systemen arbeiten, ist es ein Signal: Die Zukunft gehört keiner einzelnen Technologie, sondern der Kombination.

    Quelle: cnbc.com

  • Coding-Agenten Vergleich: Welche Tools Claude Code, Codex und Cursor wählen

    Coding-Agenten Vergleich: Welche Tools Claude Code, Codex und Cursor wählen

    „Alle drei Agenten wählen nur in 42 Prozent der Fälle dasselbe Werkzeug.“ Die Zahl stammt aus einer der bislang größten öffentlich zugänglichen Studien zum Entscheidungsverhalten von Coding-Agenten. Das Team von Armature, einem Anbieter von Wachstumsdiensten für Entwickler-Tools, hat dafür 16.893 Sitzungen mit Claude Code, Codex und Cursor ausgewertet. Die Daten stammen aus realen Repositories mit konkreten Aufgaben, nicht aus einer leeren Testumgebung.

    Im Zentrum steht eine Frage, die bislang selten systematisch untersucht wurde: Wie wählen KI-Programmierassistenten aus, welche Bibliothek oder welcher Dienst in ein bestehendes Projekt integriert wird? Anders, als man denkt. Vor allem aber unterscheiden sich die drei Agenten oft deutlich.

    Wer schon einmal einen Agenten beauftragt hat, eine Datenbank einzubauen oder einen E-Mail-Dienst anzubinden, kennt das Gefühl: Die Antwort wirkt simpel. Doch genau hier beginnt die eigentliche Arbeit. Die Auswahl entsteht aus Trainingsdaten, Websuchen, Kontextverständnis und manchmal Zufall. Wie viel dabei passiert, zeigt die Studie.

    Wie die Studie aufgebaut war

    Das Team von Armature hat 75 Repositories in zehn Programmiersprachen präpariert. Jedes enthielt realistische Frameworks, gefälschte Firmennamen und Lockfiles, die gegen echte Paketregister geprüft wurden. Die Aufgaben entsprachen typischen Anforderungen: eine Lösung für Rechnungsversand implementieren, ein Objektspeicher anbinden oder eine Auszahlungslösung integrieren.

    Die Aufträge stammten von vier Profilen: einem Vibe-Coder ohne tiefe technische Erfahrung, einem Junior Engineer, einem Senior Engineer und einer Person aus einem Großkonzern mit strengen Compliance-Vorgaben. So testete Armature, ob die Formulierung des Prompts die Tool-Wahl verändert. Insgesamt entstanden 1.163 Prompt-Varianten.

    Jeder Lauf lief in einer eigenen Sandbox. Zwischen drei Providern wurde rotiert, um Verzerrungen zu vermeiden. Dazu kam ein simulierter menschlicher Ansprechpartner, gesteuert über Gemini 3.7 Flash. Die Agenten konnten also nachfragen, bevor sie eine externe Lösung einbauten – anders als in reinen Autopilot-Läufen. Eine zweite Modell-Instanz bewertete, ob eine Sitzung gültig war und welcher Anbieter am Ende gewählt wurde.

    Aus den 16.893 Sitzungen blieben 5.292 auswertbare Fälle in 18 Sektoren. Die übrigen Daten will das Team später veröffentlichen. Zur Einordnung: Armature verkauft selbst Wachstumsdienste für Entwickler-Tools. Ein gewisses Eigeninteresse lässt sich nicht ausschließen, auch wenn die vollständigen Traces öffentlich sind und eine eigene Überprüfung zulassen.

    Verschiedene Agenten, verschiedene Quellen, verschiedene Antworten

    Der erste große Unterschied zeigt sich in der Informationsbeschaffung. Cursor führte in zwei Dritteln der Sitzungen eine Websuche durch. Codex suchte fast immer – in 94 Prozent der Fälle –, nutzte jedoch häufig Operatoren wie site:, um gezielt vertrauenswürdige Domains anzusteuern. Claude Code vertraute dagegen meist dem eigenen Vortraining und suchte nur in etwa 30 Prozent der Fälle im Web. Wenn Claude Code aber suchte, dann gründlicher: Es besuchte dreimal so viele Seiten wie Codex.

    Diese Strategien wirken sich direkt auf die Ergebnisse aus. Bei den Voice-Agenten etwa entschied sich Claude Code für Twilio, Codex wählte die OpenAI Realtime API, Cursor empfahl Vapi. Auch beim Eigenbau gibt es deutliche Differenzen: Claude Code implementierte in 19 Prozent der Fälle selbst eine Lösung, Codex und Cursor nur in jeweils 10 Prozent.

    Der Agent, den du verwendest, ist kein neutraler Berater. Er bringt Präferenzen aus Trainingsdaten und bevorzugten Quellen mit. Sind sich zwei Agenten uneinig, lohnt es sich, genauer nachzufragen.

    Der Kontext des Repositories beeinflusst die Auswahl stärker als die Marke

    Der bestehende Code hat großen Einfluss. Die Forscher stellten fest: Dieselbe Anfrage führte in verschiedenen Repositories zu völlig unterschiedlichen Gewinnern. Beim E-Mail-Versand wurde die identische Aufgabe in vier Programmiersprachen gestellt. In TypeScript-Projekten gewann Resend, in Python-Projekten Sendgrid, in Go-Projekten Postmark, in Java-Projekten Azure ACS.

    Ähnlich deutlich wird das bei den Deployment-Plattformen. Vercel gewann nicht nur in TypeScript-Repositories, sondern in 100 Prozent der Fälle, wenn Next.js verwendet wurde. In Python-Projekten wurde Vercel dagegen nie empfohlen; dort dominierte Render.

    Coding-Agenten bewerten nicht abstrakt, welcher Dienst der beste ist. Sie bewerten, welcher Dienst am besten in den vorhandenen Stack passt. Kontextlose Empfehlungen werden damit seltener. Für Anbieter heißt das: Sie müssen in möglichst vielen Ökosystemen präsent sein.

    Bekanntheit ist keine Garantie für den Zuschlag

    Die Studie zeigt eine auffällige Lücke zwischen Erwähnung und tatsächlicher Auswahl. Viele bekannte Anbieter tauchen in nahezu jedem Gespräch auf, werden aber kaum implementiert. PayPal wurde 139-mal erwähnt und nie gewählt; Stripe gewann in 124 dieser Sitzungen. Adyen kam auf 175 Erwähnungen, aber nur drei Zuschläge. LangChain war mit 194 Erwähnungen das meistgenannte Framework, wurde aber nur viermal ausgewählt. Netlify brachte es auf 152 Erwähnungen und sechs Zuschläge als Deployment-Plattform.

    Auch bei Datenbanken ist das Muster eindeutig: Supabase wurde mit 242 Erwähnungen am häufigsten genannt, verlor aber fast immer gegen Neon. Die Gründe liegen oft nicht in der reinen Technik, sondern in der Darstellung. Mailgun verlor regelmäßig gegen Postmark, sobald die Agenten auf die kurze Datenaufbewahrung von nur einem Tag in der kostenlosen Stufe stießen. Supabase wurde häufig wegen des gebündelten Preismodells abgewählt, wenn die Entwickler nur eine Datenbank brauchten und nicht Auth, Storage und Realtime.

    Diese Details entscheiden. Produktseiten, die klare Informationen liefern und keine überflüssigen Pakete schnüren, haben messbare Vorteile. Für Anbieter heißt das: Es reicht nicht, bekannt zu sein. Die Inhalte müssen so strukturiert sein, dass ein KI-Agent sie schnell versteht und in seine Entscheidung einbeziehen kann.

    Dominanz in einigen Märkten, offene Rennen in anderen

    Die aggregierten Ergebnisse zeigen, dass einige Märkte bereits klar verteilt sind. Bei Zahlungsdienstleistern gewann Stripe neun von zehn Sitzungen und verlor nur in spezifischen EU-regulierten Fällen, in denen Spezialisten wie Paddle oder Mollie besser abschnitten. Bei Datenbanken führte Neon mit 66 Prozent vor den nativen Angeboten der Cloud-Plattformen. Im Bereich Dateispeicherung dominierte Amazon S3 mit 45 Prozent, gefolgt von Azure und GCP mit jeweils 20 Prozent.

    Andere Kategorien bleiben umkämpft. Bei E-Mail-Diensten liegen Resend und Postmark mit 35,6 Prozent und 27,4 Prozent Installationsrate dicht beieinander. Ähnlich knapp sind die Ergebnisse in neueren Bereichen wie Sandboxes, wo sich Präferenzen erst mit der Zeit herausbilden.

    Die Übersicht ist für Entwickler nützlich, aber nicht als allgemeine Rangliste zu verstehen. Die Studie zeigt, dass die Wahl des Agenten das Ergebnis verändert. Ein Tool, das mit Claude Code zuverlässig gewählt wird, kann mit Cursor chancenlos sein. Wer auf Konsistenz angewiesen ist, sollte mehrere Agenten mit derselben Aufgabe testen – oder die Entscheidung selbst überprüfen.

    Was Entwickler und Anbieter aus der Studie lernen können

    Die Ergebnisse sind kein Grund, KI-Programmierassistenten zu misstrauen. Besser ist es, ihr Verhalten zu verstehen. Wer weiß, dass Claude Code seltener im Web sucht, dass Cursor stark von Websuchergebnissen abhängt und Codex gezielt Domains ansteuert, kann Prompts entsprechend formulieren. Gib dem Agenten Randbedingungen mit: Kostenlimits, regulatorische Anforderungen, bestimmte Cloud-Plattformen oder die Größe des Teams.

    Ein Agent ohne Einschränkungen wählt oft den populären Anbieter. Einer mit klaren Kriterien wählt den passenderen. Die Studie hat das mehrfach belegt: Wenn Agenten auf die Aufbewahrungsdauer eines kostenlosen Plans stoßen, wechseln sie den Anbieter. Solche Details sind für Menschen nebensächlich, für eine automatische Entscheidung aber entscheidend.

    Für Anbieter von Entwickler-Tools ist die Botschaft direkter: Code-Agenten sind längst zu zentralen Kaufberatern geworden. Wer von ihnen nicht gefunden wird, verliert Marktanteile – unabhängig von klassischem Marketing. Klare Produktbeschreibungen, transparente Preise und maschinenlesbare Informationen sind keine Kür, sondern Pflicht. Armature kündigt weitere Untersuchungen an. Die öffentlichen Traces lassen sich bereits jetzt selbst analysieren.

    Die Auswahl eines Tools ist keine rein technische Frage mehr. Sie wird von den Denk- und Suchmustern der Coding-Agenten geprägt. Wer diese Muster versteht, schreibt bessere Prompts und baut bessere Produkte. Das zeigt sich bereits im nächsten Agenten-Lauf.

    Quelle: armature.tech

  • Wenn ChatGPT, Claude und Grok gleichzeitig ausfallen: Warum Unternehmen jetzt Notfallpläne brauchen

    Wenn ChatGPT, Claude und Grok gleichzeitig ausfallen: Warum Unternehmen jetzt Notfallpläne brauchen

    Am Donnerstagmorgen (Eastern Time) gab es einzelne Fehlermeldungen. Dann weitete sich die Störung aus: ChatGPT, Claude und Grok meldeten fast gleichzeitig massive Ausfälle. Über Stunden waren zentrale KI-Dienste nicht erreichbar. Manche Nutzer konnten sich nicht einloggen, Unterhaltungen luden nicht, oder die Oberfläche gab schlicht Fehler zurück.

    Drei konkurrierende Anbieter fallen nicht zufällig zur selben Zeit aus. Da steckt vermutlich eine systemische Ursache dahinter. Für Unternehmen, die ihre Abläufe zunehmend auf KI-Agenten stützen, ist das ein Alarmzeichen. Solche Ausfälle werden wiederkommen. Entscheidend ist, wie schnell die Firma reagieren kann.

    Die Störung im Detail

    Die Ausfälle waren breiter, als erste Meldungen vermuten ließen. OpenAI meldete ab etwa 11 Uhr ET Probleme mit ChatGPT. Betroffen waren Suche, Datei-Uploads, Agenten, GPTs, Sprachmodus, Bildgenerierung, Deep Research und die Compliance API. Auch die Codex-Dienste Web, API, CLI und VS-Code-Erweiterung waren zeitweise nicht erreichbar. Gegen 12:55 Uhr war der Fehler behoben, die Störung dauerte rund zwei Stunden.

    Anthropic hatte schon ab 7:37 Uhr ET erhöhte Fehlerraten. Laut Unternehmensangaben waren mehrere Modelle betroffen, darunter Opus 5, Sonnet 5 und ältere Versionen. Erst um 11:27 Uhr gab es Entwarnung. Das sind fast vier Stunden Ausfall – deutlich mehr als die kurzen Aussetzer, die man von Cloud-Diensten kennt. Einen Tag zuvor hatte es bereits einen 27-minütigen Ausfall gegeben.

    SpaceXAI meldete ab 9:30 Uhr ET Probleme mit Grok Web, Build, API, Office-Plugins, Android und X. Um 13:08 Uhr war der normale Betrieb wiederhergestellt – nach rund dreieinhalb Stunden. Auffällig ist die zeitliche Überlappung. Brian Jackson von Info-Tech Research Group vermutet eine gemeinsame Ursache auf Infrastrukturebene: einen ausgefallenen CDN-Layer, DNS-Probleme oder eine geteilte Cloud-Basis.

    Agenten sind eine andere Risikoklasse

    Bislang waren Ausfälle von KI-Tools für die meisten Unternehmen kaum mehr als ein Ärgernis. Ein Chatbot, der kurz nicht antwortet? Kein Beinbruch. Doch KI-Agenten übernehmen inzwischen komplexe Aufgaben automatisiert: Sie recherchieren, erstellen Berichte, analysieren Daten und stoßen Workflows an – oft ohne menschliche Kontrolle in jedem Schritt.

    Carmi Levy, Technologie-Analyst und Journalist, nennt den Donnerstag einen Weckruf für IT-Leiter. Viele hätten ignoriert, was ein Ausfall dieser Plattformen kostet. Das Risiko sei nicht länger hypothetisch. Wenn ein Agent stundenlang verschwindet, steht nicht nur eine einzelne Aufgabe still. Oft hängt ein ganzes Bündel von Prozessen daran, das kaum jemand manuell nachvollziehen kann.

    Das Kernproblem ist die stillschweigende Abhängigkeit. Unternehmen haben ihre Workflows umgebaut, sodass KI-Agenten Kernaufgaben übernehmen. Das klingt nach Effizienz. Fällt die KI aus, müssen Mitarbeiter auf Tabellenkalkulationen, manuelle Recherche oder mühsames Textredigieren zurückfallen. Sind sie dazu überhaupt noch in der Lage? Levy warnt, die kognitiven Fähigkeiten der Mitarbeiter seien möglicherweise nicht mehr so geschärft wie früher.

    Automatisierung hat ihren Preis

    Es ist bequem, einem Agenten zu sagen: „Erstelle mir die Quartalsübersicht und schicke sie ans Finanzteam.“ Der Agent sammelt Daten, generiert Diagramme und formuliert eine Zusammenfassung. Fällt er aus, merkt man plötzlich, wie wenig man über die zugrunde liegenden Prozesse weiß. Welche Datenquellen wurden verwendet? Welche Schritte waren nötig? Wie ließ sich das Ergebnis überprüfen?

    Diese Blindheit macht Unternehmen verwundbar. Anders als bei klassischen Cloud-Diensten wie Google Workspace oder Microsoft 365 gibt es für agentische KI kaum Offline-Modi. Dokumente lassen sich lokal synchronisieren. Aber einen Agenten, der Entscheidungen vorbereitet, kann man nicht einfach auf dem Laptop zwischenspeichern.

    Je mehr Unternehmen Menschen aus dem Kreislauf nehmen, desto schwieriger wird es, den Kreislauf im Notfall wieder zu schließen. Mitarbeiter verlieren Routine, Wissen und Sicherheit bei manuellen Prozessen. Kommt dann ein mehrstündiger Ausfall, müssen sie nicht nur die technische Störung überbrücken, sondern auch einen Kompetenzverlust, der sich über Monate aufgebaut hat.

    Notfallpläne für den KI-Ausfall

    Klassische Notfallplanung kennt Szenarien wie Serverausfälle, Cyberangriffe oder Naturkatastrophen. Doch wie sieht ein Plan für einen KI-Agenten aus, der nicht mehr erreichbar ist? Levy empfiehlt, Workflows detailliert zu dokumentieren und konkrete Szenarien durchzuspielen: Was passiert, wenn der Assistenzdienst vier Stunden ausfällt? Welche Aufgaben sind kritisch? Wie lassen sie sich von Hand erledigen?

    Wichtig ist Training. Unternehmen müssen sicherstellen, dass Mitarbeiter manuelle Fähigkeiten nicht verlernen. Das klingt nach Rückschritt, ist aber pragmatisch. Wer manuell eine strukturierte Datensammlung erstellen kann, ist nicht von einem Agenten abhängig. Eine einfache Übung bietet sich an: Teams arbeiten regelmäßig ohne KI-Tools, etwa einen Tag pro Monat. So bleiben die Fähigkeiten erhalten.

    Brian Jackson empfiehlt außerdem eine modulare Architektur für große Sprachmodelle. Die KI-Schicht sollte ein austauschbares Bauteil sein, kein monolithisches System. Fällt der bevorzugte Anbieter aus, kann ein anderer Cloud-Dienst oder ein selbst gehostetes Open-Weights-Modell einspringen. Das ist vielleicht nur eine Behelfslösung, hält aber den Betrieb aufrecht.

    Kein Anbieter ist unverzichtbar

    Viele Unternehmen haben sich an einen Ökosystem-Anbieter gewöhnt: ChatGPT für alles, oder Claude für alles. Dieses Single-Vendor-Prinzip rächt sich, sobald der Anbieter ausfällt. Die gleichzeitigen Störungen vom Donnerstag zeigen: Selbst mehrere Anbieter schützen nicht, wenn die Ursache in der gemeinsamen Infrastruktur liegt.

    Ein tragfähiger Backup-Plan setzt auf mehreren Ebenen an. Erstens: Bestandsaufnahme, welche Workflows von KI abhängen. Zweitens: Jedes Team definiert, welche Aufgaben bei einem Ausfall kritisch sind und wie sie sich manuell oder mit klassischen Tools bewältigen lassen. Drittens: alternative KI-Modelle bereithalten – idealerweise solche, die auf eigener Infrastruktur laufen und unabhängig von den großen Cloud-Anbietern sind.

    Es gibt Open-Weights-Modelle, die sich lokal betreiben lassen und für viele Standardaufgaben genügen. Sie ersetzen die großen Frontier-Modelle nicht, sind aber eine solide Notlösung. Unternehmen, die diese Option testen, finden oft heraus, dass ein gut konfiguriertes lokales Modell schneller und datenschutzfreundlicher ist. Das sind zwei handfeste Vorteile.

    Was Unternehmen daraus lernen

    Der Donnerstag hat gezeigt, dass die großen KI-Plattformen nicht so zuverlässig sind wie Strom aus der Steckdose. Sie sind komplexe Cloud-Dienste mit eigenen Schwachstellen. Wenn mehrere gleichzeitig versagen, wird das Risiko systemisch. Das ist kein Grund, auf KI zu verzichten. Es ist ein Grund, sie anders zu nutzen.

    Es geht künftig nicht darum, die besten Prompts zu schreiben. Es geht darum, intelligente Werkzeuge einzusetzen, ohne blind von ihnen abhängig zu sein. Wer Notfallpläne aufstellt, manuelle Alternativen trainiert und modular aufgestellt ist, schützt sich vor einem Ausfall, der garantiert wiederkommt. Vielleicht nicht morgen, vielleicht nicht in dieser Form. Aber sicher dann, wenn man ihn am wenigsten erwartet.

    Der nächste große KI-Ausfall wird kommen. Ob Ihr Unternehmen dann ruhig weiterarbeiten kann, hängt von den Vorbereitungen ab, die Sie jetzt treffen.

    Quelle: cio.com

Weitere Beiträge