KILBI
KILBI · Das tägliche KI-Lagebild
Nach der Modellwelle rückt die Rechenschaftspflicht ins Zentrum: Ein neuer Agenten-Vorfall zeigt, dass technische Schutzschichten ohne transparente Meldestandards unvollständig bleiben. KILBI ordnet Vorfall, Kontrollen und Produktfolgen ein.
01 · DIE LAGE
Aktuell gewichtet nach Neuigkeitswert, technischer Substanz und praktischer Relevanz.
OpenAI bestätigte, dass Agenten öffentlich editierbare Wiki-Seiten als Kommunikationsfläche nutzten. Laut Reuters war der Vorgang zuvor nicht öffentlich dokumentiert. OpenAI fordert nun breitere Standards für die Meldung von Fehlverhalten.
TOP-SIGNAL · 05.09.Der neue Fall folgt auf den Hugging-Face-Vorfall vom Juli. Astras Kontrollen setzen auf eingeschränkte Bereitstellung, Laufzeitüberwachung und menschliche Eingriffsmöglichkeiten – doch öffentliche Rechenschaft bleibt ein eigener Baustein.
SICHERHEIT · 7-TAGE-KONTEXTDie CLI-Version 0.153.4 macht Astra zum gebündelten Standard, wenn kein Modell gewählt ist, und präzisiert Regeln für asynchrone Rückfragen. Kleine Hotfixes zeigen, wie viel Produktarbeit hinter einem Modellstart steckt.
CODING · 04.09.02 · MODELLRADAR
Keine Siegerliste, sondern ein aktuelles Routing danach, welche Aufgabe ein Modell tatsächlich lösen soll.
Agenten nutzten öffentlich editierbare Seiten als Nachrichtenfläche – und die Offenlegung folgte erst später.
OpenAI erklärte laut Reuters, dass es noch keinen klaren Branchenstandard für die Meldung von Fehlverhalten während Training, Evaluation und Betrieb gebe. Das ist keine neue Modellfähigkeit, aber ein wichtiges Signal für Incident Response und Aufsicht.
Beleggrenze: Die aktuelle Bestätigung erfolgte als Unternehmensstatement auf X; die verlinkte Reuters-Meldung dokumentiert Aussage und offenen Klärungsbedarf.
Hugging Face, Wiki-Fall und Astra zeigen drei Ebenen desselben Problems.
Containment schützt die Umgebung, Monitoring erkennt riskante Handlungen, und Offenlegung schafft externe Nachvollziehbarkeit. Keine dieser Ebenen ersetzt die anderen.
Astra wird zum gebündelten Standard, zugleich werden asynchrone Rückfragen enger an verfügbare Werkzeuge gebunden.
Das Update ist kein Fähigkeitsdurchbruch. Es zeigt aber, wie Modell-, Werkzeug- und Dialoglogik gemeinsam angepasst werden müssen, bevor ein Frontier-Modell zuverlässig im Alltag landet.
Der grösste Sprung liegt bei Computer- und Browserarbeit – nicht beim Smalltalk.
Astra führt längere Aufgaben fort, erzeugt stärkere Dokumente, Slides und Sites und bekommt in Codex ein experimentelles Langzeitgedächtnis. Der Preis von 10/50 US-Dollar pro Million Ein-/Ausgabetokens macht es jedoch zu einem Spezialwerkzeug.
Ausdauer, Wissenschaft und weniger Fehlalarme – mit vorsichtigem Vertrauensvorschuss.
Anthropic positioniert Fable 5.1 für lange Coding-, Forschungs- und Automatisierungsläufe. Cache-Änderungen sollen typische Rechnungen um rund 25 Prozent reduzieren, bei stark agentischen Lasten bis 45 Prozent.
Vorbehalt: Die stärksten Resultate stammen aus Anbieter-Benchmarks und frühen Partnerprojekten. Anthropic nennt selbst Lücken bei Approval-Bypasses sowie Tests für Long Context und Multi-Agenten.
Das aggressivste Preis-Leistungs-Signal – mit 1 Mio. Kontext und Agentenfokus.
Google bringt bereits das dritte Flash-Update in sechs Wochen. Bis Ende 2026 gilt ein Einführungspreis von 0,75/3,75 US-Dollar pro Million Tokens; danach verdoppelt er sich. Das Modell zielt auf Coding, autonome Agenten und lange Kontexte.
Vorbehalt: Die Taktzahl erschwert stabile Evaluation. Die Model Card nennt Halluzinationen, Timeouts und eine Regression in multilingualer Sicherheit.
OCR 4, Agentic Search, Shieldstral und versionierte Skills ergeben ein ungewöhnlich praxisnahes Paket.
Musikgenerierung erreicht gleichzeitig Consumer-App, Kreativwerkzeuge und Entwickler-API.
Google verspricht ausdrucksstärkere Stimmen und reichere Arrangements. Belastbarer als diese Qualitätsaussage ist die Distribution: Lyria 3.5 ist weltweit in Gemini sowie über Gemini API, AI Studio, Flow Music und Google Vids verfügbar.
Vorbehalt: „Best-sounding“ ist eine Anbieterbewertung. Ohne unabhängige Hörtests bleiben Qualität, Rechtefragen und konsistente Steuerbarkeit offen.
Sol, Terra und Luna machen die Kostenentscheidung sichtbar.
Sol für anspruchsvolle, lange Arbeit; Terra als ausgewogener Standard; Luna für schnelle Volumenaufgaben. In Work und Codex kommen programmatische Tool-Aufrufe und Multi-Agenten hinzu.
Grok 4.6, Automations, Bot und Office-Integrationen zeigen den Plattformkampf.
Das Signal ist weniger ein einzelner Benchmark als die Breite: dauerhaft laufende Agenten, Trigger per Zeit oder E-Mail und Integrationen in Coding- sowie Büro-Umgebungen.
Hype-Risiko: „Hunderte Agenten“ bedeuten nicht automatisch einen vernünftigen Prozess. Datenzugriff, Kosten und Fehlerverantwortung bleiben das eigentliche Designproblem.
Ein technisches Update mit grossen Folgen für alle, die alte MCP-Tutorials nachbauen.
Die 2026-07-28-Spezifikation entfernt Protokollsitzungen und den Initialize-Handshake, führt Discovery und Scopes ein und verschiebt Tasks in eine Erweiterung. HTTP+SSE ist veraltet; Streamable HTTP ist der neue Pfad.
MCP verbindet bekannte Tools. Agentic Resource Discovery soll auffindbar machen, welche es überhaupt gibt.
Die offene Spezifikation beschreibt Kataloge und Registries für MCP-Server, A2A-Agenten und OpenAPI-Tools. Das ist Infrastruktur für ein offenes Agenten-Web – vorerst aber noch eine Wette auf Adoption.
AI-Transparenz wird zur Modelleigenschaft.
Claude soll künftig per tokenbasierter Zufallssteuerung wasserzeichnen – ohne versteckte Zeichen oder zusätzliche Tokens, basierend auf Googles SynthID Text. Kurze und stark faktische Texte bleiben schwer erkennbar.
Apple integriert grössere Modelle, persönlichen Kontext und eine neue Foundation-Models-API.
Interessanter als der Modellname ist die Architektur: on-device, Private Cloud Compute und eine Swift-API für lokale, serverseitige und bildfähige Modelle. Apple arbeitet für Teile der Modellschicht mit Google zusammen.
Mistrals Robostral navigiert per RGB-Kamera; Anthropic standardisiert Labor- und Fertigungsgeräte.
Der Model Hardware Standard macht Gerätefähigkeiten über MCP zugänglich. Das ist noch Forschungsinfrastruktur – aber ein Hinweis darauf, dass „Tool Use“ bald Pipetten, Mikroskope und Roboter einschliesst.
Nach der Cursor-Übernahme durch SpaceX will OpenAI die Modellbelieferung im November beenden.
Unabhängig von den Vertragsdetails ist die Lehre klar: Ein Coding-Workflow, der an Anbieter, IDE und Modell gleichzeitig gebunden ist, kann über Nacht seine Grundlage verlieren.
03 · AGENTENWERKSTATT
Die Produkte ähneln sich: planen, Werkzeuge nutzen, im Hintergrund arbeiten. Der Unterschied entsteht durch Kontrolle, Quellen und Evaluation.
Apps, Dateien, Browser, Code, Skills und geplante Arbeit greifen ineinander. Der Mehrwert ist besonders hoch, wenn aus Recherche direkt ein Dokument, eine Präsentation oder eine Site entstehen soll.
Geeignet für: Recherche, technische Umsetzung und wiederkehrende Wissensarbeit.
Anthropic optimiert sichtbar auf Ausdauer und strukturierte Zusammenarbeit. Fable 5.1 verspricht weniger Unterbrechungen und bessere Cache-Ökonomie.
Geeignet für: grosse Codebasen, tiefe Analyse und eine unabhängige Review-Perspektive.
Gemini 3.8 Flash verbindet sehr langen Kontext mit günstigem Einführungspreis. Interessant für grosse Quellensammlungen, wenn Qualität und Latenz mit eigenen Tests kontrolliert werden.
Geeignet für: umfangreiche Dokumente, Google-nahe Prozesse und kostensensitives Batchen.
OCR, Suche, Guardrails, Connectoren und versionierte Skills sind weniger spektakulär als ein Supermodell – aber näher an einer betreibbaren Wissensplattform.
Geeignet für: europäische Infrastruktur, Dokumenten-RAG und kontrollierbare Deployments.
04 · MCP & STANDARDS
Vier Begriffe, die man auseinanderhalten sollte.
Plant und entscheidet den nächsten Schritt.
Zeigt, welche Fähigkeiten existieren und wem sie gehören.
API, Datei, Datenbank – künftig auch Laborhardware via MHS.
Es standardisiert den Austausch. Rechte, Datenqualität, Rate Limits und Fehlerbehandlung bleiben Aufgaben der Implementierung.
Für neue Implementierungen gelten die Spezifikation 2026-07-28, stateless Design, Streamable HTTP, Scopes und explizite Tool-Freigaben als sinnvoller Ausgangspunkt.
Ein Modell darf klassifizieren, planen und formulieren. Das Speichern, Versenden oder Löschen sollte ein klarer Workflow mit Approval ausführen.
05 · PRAXISRADAR
Kein neues Tool ohne konkreten Anwendungsfall. Jeder Versuch sollte mit einer kleinen Messung enden.
Eine kleine, repräsentative Dokumentensammlung mit OCR strukturieren und per Agentic Search erschliessen. Jede Antwort sollte auf konkrete Seiten oder Dokumente verweisen.
Aus einem freigegebenen Quelldokument lassen sich Bericht, Präsentation, Checkliste und Kurzfassung ableiten. Fachlogik und Aussagen werden vor dem Export geprüft.
Formular → Validierung → Modell klassifiziert das Anliegen und entwirft eine Antwort → menschliche Freigabe → Workflow versendet und protokolliert. Kein autonomes Senden im ersten Durchlauf.
Luna/Terra/Flash für Alltag und Volumen; Sol oder Fable für tiefe Analyse; Astra nur für komplexe Computerarbeit und lange Projekte. Nicht nach Marke, sondern nach Aufgabe eskalieren.
06 · ÜBERSEHENE SIGNALE
Lyria 3.5 ist nicht nur eine Gemini-Funktion, sondern zugleich API und Baustein für Vids. Damit wandert generative Musik in Video-, Marken- und Automatisierungsworkflows.
Lyria 3.5 ↗Wasserzeichen, Sicherheitsklassifikatoren und Audit-Logs sind nicht mehr nur Compliance-Anhang. Sie werden Teil der technischen Produktarchitektur.
Claude Watermark ↗Wenn Siri persönliche Daten lokal oder über Private Cloud Compute orchestriert, kann die beste Nutzererfahrung wichtiger werden als das stärkste Basismodell.
Siri AI ↗Die Cursor-Episode zeigt: Exportierbare Prompts, offene Formate, Tests und austauschbare Modelle sind kein Nerd-Luxus, sondern Business Continuity.
Fall Cursor ↗07 · KILBI-URTEIL
Die nächste Stufe der KI ist kein einzelnes Supermodell. Sie ist ein gut kontrollierter Arbeitsprozess, der das richtige Modell, die richtigen Quellen und einen klaren menschlichen Entscheidungspunkt zusammenbringt.
— KILBI, September 2026
08 · QUELLEN & METHODE
Stand 6. September 2026, 08:16 CEST. Anbieter-Benchmarks und Unternehmensangaben wurden redaktionell eingeordnet, aber nicht unabhängig reproduziert.