Du hast es richtig gehört – respektive, in diesem Fall gelesen: Claude Code, der Star unter den KI-Codierern, spricht jetzt mit dir. Via Sprachmodus, versteht sich. Oder besser gesagt, *zu* dir, und wohl auch *von* dir, wenn du ihm deine Entwickler-Wünsche ins digitale Ohr flüstern möchtest. Anthropic hat den Trend der Zeit erkannt, der “Sprechen statt Tippen” heißt.

Erinnerst du dich noch an die Zeiten, als wir tatsächlich dachten, unsere eigenen Finger wären effizient genug, um Befehle in eine Maschine zu hämmern? Jetzt können wir uns entspannt zurücklehnen und unsere genialen Ideen einfach *aussprechen*. Weil, Hand aufs Herz, wer braucht noch die motorischen Fähigkeiten und die feine Koordination, die jahrzehntelange Entwicklung zur Perfektionierung von Tastatur und Maus uns beschert hat? Dein Code schreibt sich jetzt quasi von selbst, während du deinen Morgenkaffee schlürfst und über das Wetter sinnierst. Effizienz wird neu definiert.

Man könnte fast meinen, Anthropic möchte Entwicklern das Leben so *unerträglich* einfach machen, dass sie bald vergessen, wie man überhaupt tippt. Stell dir vor, du sitzt in einem Großraumbüro, und alle sprechen gleichzeitig mit ihren Code-Bots. Das wird eine Symphonie der Produktivität, oder eher eine Kakophonie des kreativen Chaos, die uns nostalgisch an das leise Klackern mechanischer Tastaturen denken lässt.

Aber hey, solange wir nicht mehr die Mühe haben müssen, die *richtige* Taste zu finden, ist doch alles gut, oder? Der Code wird immer noch kompiliert, und du hast deine Stimmbänder trainiert. Fortschritt ist eben manchmal auch laut.

Du dachtest, dein sorgfältig gepflegtes Online-Alter-Ego wäre eine uneinnehmbare Festung? Wie niedlich. Während du noch mühsam dein VPN konfigurierst und dir einen möglichst kreativen Fantasienamen ausdenkst, lacht sich eine Künstliche Intelligenz ins Fäustchen. Eine neue Studie, über die Ars Technica berichtet, bestätigt: LLMs können pseudonyme Nutzer in großem Umfang mit überraschender Genauigkeit enttarnen.

Erinnerst du dich noch an die guten alten Zeiten, als man dachte, ein Nickname wie „CyberNinja2000“ oder „PrivacyWarrior69“ würde dich vor der Realität schützen? Dabei war das Internet noch nie ein Schutzraum für echte Anonymität. Es war eher ein gigantischer, halböffentlicher Maskenball, bei dem die meisten Masken aus dünner Pappe waren.. Die Illusion, dass ein paar clever gewählte Zeichenfolgen dich unsichtbar machen würden, hielt sich dennoch hartnäckig.

Online-Anonymität: Die Nadel im Heuhaufen ist längst gefunden

Und jetzt? LLMs haben anscheinend das Potenzial, die sprichwörtlichen Nadeln im Heuhaufen nicht nur zu finden, sondern gleich den ganzen Heuhaufen in seine Einzelteile zu zerlegen und jede einzelne Nadel zu identifizieren. Und das nicht bei einem Einzelfall, sondern „at scale“ – also bei Millionen von dir und deinesgleichen.

Die KI sieht das Gesamtbild, die feinen Nuancen deiner Sprache, deiner Interessen, deiner Tippfehler. Sie erkennt dich, selbst wenn du dich zehnmal umbenennst und versuchst, deine digitale Persönlichkeit zu fragmentieren.

Also, vielleicht ist es an der Zeit, sich von der Illusion der Online-Anonymität endgültig zu verabschieden. Oder zumindest deine Online-Persona so zu pflegen, dass du auch damit leben kannst, wenn sie morgen auf irgendeiner Titelseite erscheint. Deine Wahl. Die KI hat ihre getroffen.

FAQ zur Privatsphäre online

1. Was besagt die Studie zur KI und Anonymität?

Eine Studie von Forschern der ETH Zürich und Anthropic zeigt, dass Large Language Models (LLMs) pseudonyme Online-Nutzer im großen Stil deanonymisieren können, indem sie unstrukturierte Texte analysieren und mit öffentlichen Daten abgleichen.

2. Welche Plattformen wurden getestet?

Im Experiment wurden vor allem Hacker-News-Profile (338 Nutzer) getestet, bei denen die KI rund zwei Drittel korrekt einer realen Person zuordnete, sowie LinkedIn-Abgleiche und Reddit.

3. Wie hoch ist die Genauigkeit der KI?

Die KI erreichte bei Hacker-News eine Recall-Rate von etwa 67% bei 90% Präzision und einer Fehlerquote von nur 10%; bei LinkedIn lag die Genauigkeit bei 99% für die Hälfte der Fälle.

4. Was kostet eine solche Deanonymisierung?

Die automatische Identifizierung kostet pro Profil nur 1 bis 4 US-Dollar, was Massenanwendungen wirtschaftlich machbar macht und die “practical obscurity” aufhebt.

5. Welche Merkmale nutzt die KI zur Identifizierung?

LLMs analysieren Schreibstil, Nuancen der Sprache, Interessen, Tippfehler, berufliche Andeutungen, geografische Hinweise und zeitliche Muster aus Forenbeiträgen.

6. Wie funktioniert die Deanonymisierungs-Pipeline?

Die Pipeline umfasst Extraktion identitätsrelevanter Features (Extract), Suche im Web (Search), Reasoning über Evidenz (Reason) und Kalibrierung der Matches (Calibrate), vollautomatisiert mit LLMs.

7. Warum ist das ein Problem für die Privatsphäre?

Pseudonyme schützen nicht mehr vor skalierbaren Angriffen; es ermöglicht Doxxing, Profiling und Überwachung, da manuelle Aufwände entfallen und Kosten sinken.

8. Wer hat die Studie zur Online-Anonymität durchgeführt?

Forscher der ETH Zürich zusammen mit Anthropic; die Arbeit “Large-Scale Online Deanonymization with LLMs” wurde auf arXiv und ICLR veröffentlicht.

9. Gibt es Abwehrmaßnahmen?

Empfohlene Schutzmaßnahmen: Weniger öffentliche Posts, regelmäßiges Löschen alter Inhalte, Rate-Limits für Scraping, KI-Guardrails und bewusste Pflege der Online-Persona.

10. Was bedeutet das für Nutzer wie mich?

Die Illusion der Online-Anonymität endet; Nutzer sollten ihre digitale Persona so gestalten, dass Enthüllungen erträglich sind, und auf minimale Spuren achten.

Nachdem Microsoft also beschlossen hatte, das Wort „Microslop“ automatisch herauszufiltern, begannen Nutzer, genau diesen Filter mit Varianten wie M1cr0sl0p zu testen — aus Neugier, Protest oder schlichtem Sturkopf. Das Ergebnis: eskalierende Chatverläufe, ausgeblendete Nachrichten, gesperrte Kanäle und letztlich das temporäre Schließen des Copilot-Servers. Wer jetzt sagt „tja, Pech gehabt“, hat den Punkt verpasst: Es ist ein klassisches Zusammenspiel aus schlechter Moderation, automatisierten Regeln und einer Community, die es liebt, Schranken zu umspielen [golem.de].

Man könnte argumentieren, Keyword-Filter seien normale Werkzeuge für markeneigene Foren — und das stimmt bis zu einem gewissen Grad. Doch im aktuellen Fall reichten Kontosperrungen offenbar nicht; die Nutzer fanden immer neue Wege, den unerwünschten Begriff in die Kommunikation einfließen zu lassen. Statt klug zu intervenieren – oder den Dingen ihren weitgehend harmlosen Lauf zu lassen -, zog man pragmatisch den Stecker. Das ist ungefähr so souverän wie ein Feuerwehrmann, der einen Hausbrand per Abrissbirne löscht.

Ironischerweise lieferte Satya Nadella selbst den Anlass für die Namensfindung: Seine Aufforderung, die Debatte um „KI-Slop“ zu beenden, setzte einen Kontrapunkt, der von den Nutzern dankbar aufgenommen wurde. Wenn Führungssignale so missverständlich sind, darf man sich nicht wundern, dass die Community mit Spott reagiert — und zwar effektiv.

Technologieunternehmen können Bots bauen, Filter aufstellen und Server managen — aber Community-Management erfordert noch etwas anderes: Menschenverstand, ein dickes Fell und eine Prise Selbstironie.

Apple Music verkauft jetzt Nostalgie im Quadrat, für 1,99 Euro pro Stück. Genialer Schachzug oder verzweifelter Versuch, Streaming-Abos über die Süßwaren-Abteilung zu akquirieren? Du entscheidest: Schokolade essen und dabei unaufhaltsam dem Algorithmus anheimfallen

Ritter Sport bringt ab dem 2. März 2026 eine Limited Edition mit deutschen Album-Covern auf 100‑Gramm-Alpenmilch‑Tafeln heraus; auf der Rückseite steckt jeweils ein QR‑Code, der direkt zum Album in Apple Music führt und für Neukunden ein Probeabo freischaltet. Die Aktion ist auf Deutschland beschränkt, und die Tafeln kosten 1,99 Euro, solange der Vorrat reicht. [golem.de].

Welche Alben? Cro („RAOP“), Marteria („Zum Glück in die Zukunft II“), Scorpions („Crazy World“), Sarah Connor („Muttersprache“) und Helene Fischer („Farbenspiel“) zieren die Packungen — also Rap, Pop, Rock und Schlager nebeneinander auf dem Einkaufsband. Alle ausgewählten Platten sind in Dolby Atmos verfügbar, was den kleinen Sound‑Happen in ein pseudo‑audiophiles Erlebnis verwandeln soll.

Was lernen wir daraus — außer, dass Produktteams jetzt offenbar jede mögliche Fläche für Branding freigeben? Zwei Dinge: Erstens, Physical Merch als Türöffner für Digital‑Abos funktioniert. Du kaufst etwas Alltägliches, scannst einen QR‑Code und voilà: ein Monat Apple Music gratis (danach 10,99 €/Monat). Zweitens, die Kampagne zielt breit: Von Festival‑Erinnerungen bis Tod‑dem‑Schlager‑Klischee, alles ist abgedeckt — damit Apple potenziell neue Zielgruppen im Supermarkt erreicht [blog.ritter-sport.de].

Natürlich ist das Ganze auch ein bisschen Show: QR‑Codes auf Schokolade sind nette PR‑Fotos, aber ob daraus langfristige, zahlende Nutzer werden, ist offen. Retention wird nicht durch Verpackungsdesign garantiert — außer vielleicht, Du bist besonders anfällig für quadratische Nostalgie und brauchst eine neue Playlist. Und ja: Wer’s schick findet, kann sich eine Tafel als Sammlerstück stellen; wer echte Musik‑Affinität hat, streamt ohnehin schon in Spatial Audio.

Während OpenAI im Januar mit pochender Brust ChatGPT Health vorstellte und von einer „speziell für Gesundheit entwickelten Erfahrung“ sprach, haben unabhängige Forscher das System einem Stresstest unterzogen. Das Resultat: Die KI unterschätzte in mehr als der Hälfte der echten Notfälle die Dringlichkeit.

Die Studie der Icahn School of Medicine am Mount Sinai modellierte 60 realistische klinische Fälle in 960 Testsituationen. ChatGPT Health riet bei den gefährlichsten Fällen oft zur Beruhigung statt zum Handeln, etwa bei drohender Ateminsuffizienz oder diabetischer Ketoazidose. Noch überraschender: Die Notfall‑Warnhinweise und Krisen‑Safeguards aktivierten sich inkonsistent. In manchen Suizidszenarien tauchten sie auf, in anderen, wenn konkrete Methoden genannt wurden, blieben sie aus. Wenn Dir das nicht die Nackenhaare aufstellt, dann bist Du entweder immun gegen Horror oder arbeitest bei einem KI‑Startup [nature.com].

OpenAI weist die Studie in Teilen zurück und betont fortlaufende Updates und die limitierte Rollout‑Phase — das übliche „wir arbeiten dran“. Natürlich. Nur ein Update des Systems – bei KI-Modellen heißt es auch gern einmal “Die Prompts waren zu unpräzise” – wird hier nicht reichen; es geht um getestete Sicherheit in lebensbedrohlichen Situationen, nicht um hübschere Buttons [theguardian.com].

Fazit für Dich: Nutze KI für schnelle Infos, Einkaufslisten und Memes. Bei Notfällen ruf lieber 112/911 oder frag menschliche Ärztinnen und Ärzte. Und an die Branche: Bevor Ihr uns allen digitale Stützräder ans Schicksal hängt — testet mehr, veröffentlicht Ergebnisse und übernehmt Verantwortung. Lives depend on it.

Stell dir vor, bei deinem nächsten Cheeseburger-Kauf achtet eine KI darauf, sondern wie höflich der Mensch an der Kasse ist. Während Unternehmen nach Effizienz gieren, bauen sie heimlich Scoreboards für Höflichkeit. Irgendwo zwischen „Servicewüste“ und „Big‑Brother‑Gastro“ beurteilt ein Algorithmus, ob sich das Personal so verhält, dass es den Geschäftszielen maximal zuträglich ist. Auditives Micromanagement‑at its worst.

Patty hört zu

Burger King testet einen Assistenten namens „Patty“ in rund 500 US‑Filialen; er erkennt Floskeln wie „Willkommen“, „Bitte“ und „Danke“ und liefert aggregierte Freundlichkeits‑Scores für Standorte. Das System läuft aktuell auf einem angepassten Modell von OpenAI und soll bis Ende 2026 landesweit ausgerollt werden. Neben Höflichkeit bietet es Assistenz per Headset, automatische Meldungen bei fehlenden Zutaten und Menu‑Updates [heise.de].

Warum das passieren kann: Cloud‑Modelle sind billig und schnell integrierbar, Agenten‑Plattformen liefern API‑Funktionen für Sprache‑zu‑Text, Mustererkennung und Dashboards — fertig ist das Überwachungsfeature. Im Alltag heißt das: weniger Zettel, mehr akustische Logs. Die Frage bleibt: Wie anonym ist „anonymisiert“ wirklich?

Szenario: Filialleitung will den Freundlichkeitswert steigern — und schon werden Begrüßungsfloskeln mechanisch wiederholt.

Oder ein Angreifer leert Headset‑Logs, findet API‑Schlüssel in Klartext und kann Gespräche abfragen. Technisch sind das klassische Risiken: Prompt Injection, unsichere API‑Keys, mangelhafte Protokollierung. Organisatorisch kommen Leistungsdruck und Misstrauen in den Laden. Ob so eine echte Wohlfühlatmosphäre entsteht?

Europa: DSGVO, Betriebsrat, AI‑Gutachter

In der EU wären Einsatz und Auswertung erheblicher Prüfpflichten unterworfen: Betriebsrat, Datenschutz‑Folgenabschätzung, eventuell Einbindung eines Sachverständigen, und die DSGVO greift bei Sprachaufzeichnungen. Man mag die europäischen Regulierungen als Bremsklotz sehen, aber hier scheint mir ein kräftiger Tritt auf die Bremse mehr als angemessen.

Technik ist kein Ersatz für gutes Management.

Wir leben in einer Zeit, in der deine Sonnenbrille dich nicht nur vor UV schützt, sondern wohl bald auch vor Anonymität. Während du denkst: „Ach, nette Features“, arbeitet Meta offenbar daran, dass dieselbe Brille dir beim Blick auf einen Menschen gleich seinen Social‑Media‑Lebenslauf ausspuckt. Willkommen in der Welt, in der Blick bald bald wirklich alles verrät [basicthinking.de].

Meta nennt das interne Projekt angeblich „Name Tag“ — eine Funktion, die per Brillen‑Kamera Gesichter scannt und mit Profilen abgleicht, um Namen oder Infos anzuzeigen. Das klingt nützlich für Menschen mit Sehbehinderung, aber praktisch ist das ein Türöffner für flächendeckende Biometrie im Alltag. Technisch basierend auf bestehenden Gesichtserkennungs‑APIs und Metas Datenbestand wäre das in Minuten möglich.

Was das bedeutet: Stell dir vor, ein Stalker nutzt die Brille, um schnell Adressen, frühere Aufenthaltsorte oder soziale Netze eines Opfers zusammenzubauen. Oder ein Arbeitgeber, der bei Events „schnell checkt“, wen die Mitarbeiter kennen. Das Risiko von Doxxing, Stalking und Diskriminierung steigt dramatisch.

Timing: Wenn sich alle Blicke auf etwas anderes richten

Interne Dokumente sollen sogar empfehlen, die Funktion während politischer Unruhen zu launchen, weil ein öffentlicher Aufschrei dann weniger wahrscheinlich ist. Das ist kein Zufall, sondern Kalkül: Produkte werden nicht nur technisch entwickelt, sondern taktisch platziert. Unternehmen mit großen Plattformdaten können so schrittweise Akzeptanz für zuvor unvorstellbare Überwachung schaffen.

Warum das passieren kann: geringe Regulierung in manchen Märkten, unklare Consent‑Mechanismen und die ökonomische Verlockung, Nutzerdaten zu monetarisieren. Praktische Implikation: Vertrauen in Marken bricht zusammen, Nutzer verlassen Plattformen oder ändern Verhalten — aber nicht alle können oder wollen das. Datenschutzverbände und NGOs warnen dringend vor Missbrauch, und in Europa stehen strenge Regeln (GDPR), die solche Features erheblich einschränken könnten.

Good news: Die Debatte ist lauter als erwartet.
Bad news: Technologie und Taktik sind marktreif, bevor wir das Thema ausdiskutiert haben.

Während wir noch über die neueste Kamerafunktion debattieren, hat jemand im Halbdunkel der Lieferkettenverwaltung den Speicherraum zugesperrt — und die Schlüssel in den Data‑Center‑Keller gelegt. Das Ergebnis: Ein erwarteter Einbruch des Smartphone‑Markts, der so laut durch die Branche rauscht, dass selbst die PR‑Agenturen kurz schlucken mussten. Während vergangene Absatzrückgänge meist von Sättigung oder schwächelnder Nachfrage kamen, steht diesmal etwas Konkretes dahinter: zu wenig DRAM und NAND für zu viele Wünsche — und das vor allem dort, wo die Marge ohnehin dünn ist ([idc.com].

Kurz gesagt: Speicher ist nicht mehr nur eine technische Spezifikation. Er entscheidet über Geschäftsmodelle, Preisstrategien und darüber, ob ein Billig‑OEM überhaupt noch am Markt bestehen kann.

Markteinbruch um 13 Prozent – Nein, das ist kein Tippfehler

IDC sieht für 2026 einen Rückgang der Smartphone‑Auslieferungen um 12,9 Prozent gegenüber 2025. Parallel dazu soll der durchschnittliche Verkaufspreis (ASP) um rund 14 Prozent auf etwa 523 US‑Dollar steigen.

Warum das so dramatisch klingt: Wenn die Komponentenpreise — primär DRAM und NAND — steigen, müssen Hersteller zwei Dinge tun: Preise anheben oder Spezifikationen reduzieren. Beides schadet Verkäufen. IDC nennt zudem eine mögliche Konsolidierung: kleinere Low‑End‑Anbieter könnten den Markt verlassen, während Apple und Samsung Marktanteile gewinnen könnten. Das verändert langfristig das adressierbare Marktvolumen.

Was das praktisch heißt: Du wirst voraussichtlich mehr für Speicher bezahlen, weniger Geräte mit großen Speicherkonfigurationen sehen und vielleicht auf Feature‑Schnittmengen stoßen, bei denen Hardware‑Upgrades aus Budgetgründen verschoben werden.

Wer profitiert? Die großen Marken und die, die Vorräte bunkern

Große OEMs mit starken Verhandlungspositionen — Apple, Samsung — können vermutlich größere Teile des knappen Angebots sichern und sind in der Lage, Preiserhöhungen besser auszugleichen. IDC deutet an, dass genau diese Firmen die Krise nutzen könnten, um Marktanteile zu gewinnen.

Das übergeordnete Problem ist die Prioritätsverschiebung hin zu KI‑Infrastruktur (HBM, großvolumiger NAND für Datacenter). Gleichzeitig haben Hersteller jahrelang zögerlich in neue Kapazitäten investiert — Memory‑Fabs sind teuer und die Amortisationszeit lang.

Die Branche hat die Serverraumtür offen gelassen. Und die KI‑Bubble hat das Buffet geplündert.

ein paar Bits mehr oder weniger darüber, ob das Gerät überhaupt gebaut wurde. Und ja — das ist keine nette Anekdote, das ist die neue Normalität.

Während andere Firmen noch darüber streiten, ob KI‑Bilder jetzt „künstlerisch wertvoll“ oder einfach nur „glänzende Fälschungen“ sind, hat Google beschlossen: Wir machen das Ganze schneller, schärfer und für alle verfügbar. Nano Banana 2 — ja, der Name klingt nach Frühstücksinnovation — verspricht Profi‑Ergebnisse in der Geschwindigkeit einer Espresso‑Maschine. Während du noch über den Prompt nachdenkst, hat das Modell schon fertig gerendert.

Geschwindigkeit + Pro‑Features = größeres Publikum, größere Probleme und mehr schöne Bilder. Google sagt selbst, Nano Banana 2 kombiniere die Qualitätsmerkmale von Nano Banana Pro mit der Flash‑Geschwindigkeit von Gemini [blog.google].

Nano Banana 2: Vor allem schnell

Nano Banana 2 ist in erster Linie ein Performance‑Upgrade: schnellere Generierung, schnellere Iteration, default‑Ausgabe bis zu 2K und Unterstützung bis 4K laut Produktseiten und ersten Tests. Das Modell verspricht bessere Textwiedergabe, konsistente Wiedergabe von bis zu fünf Figuren und bis zu 14 Objekten pro Szene — also genug, um eine kleine Fußballmannschaft realistisch in eine Bar zu setzen.

Was steckt technisch dahinter? Google verbindet das Bildmodell enger mit Gemini‑Flash‑Optimierungen und nutzt „web grounding“ — also Echtzeit‑Suchen und aktuelle Webdaten, um Details zu verbessern. Das erklärt, warum das Modell schneller „weiß“, wie ein bestimmtes Gebäude oder Objekt aussehen sollte. Gleichzeitig erhöht diese Verbindung zur Websuche aber die Angriffsfläche: Quellenqualität, Urheberrechtsfragen und Bias‑Fehler sind implizite Herausforderungen, die zu bewältigen die eingesparte Zeit wieder auffressen könnte.

Praxis‑Szenario: Du generierst ein Produktfoto für eine Kampagne, Nano Banana 2 greift auf Webbilder zurück, crawlt Styles und Plakate und liefert ein HD‑Bild. Klingt toll — bis ein markengeschütztes Logo in vertrauter Weise auftaucht oder das Model ungewollt Ähnlichkeiten mit realen Personen zeigt. Ergebnis: Rechtsstreit oder PR‑Albtraum. Kurz gesagt: Technik ist schnell; Governance hinkt nach.

Pro vs. Free: Zwei Modelle, zwei Realitäten

Google macht Nano Banana 2 zum Default in Gemini, Search AI‑Mode, Lens, Flow und in Teilen seiner Entwickler‑Tools. Nano Banana Pro bleibt für höherpreisige Pläne verfügbar, aber für viele Nutzer ist jetzt NB2 die neue Standardoption — schneller, breiter ausgerollt, geringere Zugangshürden. Das ist ein klassischer Move: Profi‑Qualität demokratisiert, Monetarisierung aber differenziert.

Konkrete Implikation: Wenn die „Pro‑Features“ (subject consistency, Text‑Rendering, Studio‑Kontrolle) in den freien Standard wandern, steigen Nutzungszahlen exponentiell. Gleichzeitig sinkt die Kontrolle darüber, wie und wofür die Modelle eingesetzt werden. Für Unternehmen bedeutet das: Du kannst jetzt in Minuten Werbemotive produzieren — aber ohne klare Lizenz‑ oder Prüfprozesse. Für Sicherheits‑Teams bedeutet das: Du musst Filter, Watermark‑Checks und Review‑Pipelines skalieren.

Ein Nutzer‑Szenario aus der Praxis: Lokaler Händler nutzt NB2, generiert Produktbilder, postet sie auf Social – und später stellt sich heraus, dass ein generiertes Detail markenrechtlich problematisch ist. Wer haftet? Du. Denn Geschwindigkeit ersetzt keine Prozesse.

##

Wenn die erdachte Welt plötzlich echt aussieht: Deepfakes, Werbung, Vertrauen
Die pauschale Verfügbarkeit von „pro‑level“ Bildgenerierung erhöht das Risiko von Täuschung. Wired‑Hands‑on‑Berichte zeigen, dass die Qualität hoch ist — aber nicht unfehlbar; es gibt kreative, teils lustige Fehler (z. B. unerwartete Alterungseffekte). Trotzdem: die Summe aus realistischer Bildgebung, besserer Textwiedergabe und breiter Verfügbarkeit macht Desinformation einfacher als je zuvor.

Google versucht Gegengewichte zu setzen: SynthID (Google‑eigene Kennzeichnung) wird genutzt, und C2PA‑Content‑Credentials sollen folgen, um AI‑Inhalte deklarierbar zu machen. Google berichtet, dass SynthID bereits Millionen von Verifizierungen unterstützt hat — ein Schritt, aber kein Allheilmittel. Provenance hilft, ist aber auf Adoption und robuste Integrationspfade angewiesen.

Good news: Du bekommst in Minuten hochwertige kreative Assets, die früher Studios brauchten. Bad news: Du bekommst in Minuten hochwertige Fälschungen, die früher Wochen zur Veröffentlichungsreife brauchten.

Noch ein KI-Agent — die Industrie nennt’s Evolution, ich nenne es Produkt-Remix mit besserer Verpackung.

Perplexity hat am 25. Februar 2026 „Perplexity Computer“ (Quelle: The Decoder) vorgestellt: ein Browser-basiertes System, das große Modelle zu einer Art Orchester zusammenfügt und komplexe Arbeitsabläufe autonom abarbeitet. Nutzer beschreiben ein Ziel, das System zerlegt die Arbeit in Tasks und schickt spezialisierte Unter‑Agenten los — für Recherche, Text, Bild oder Video. Als Kernmodell dient Opus 4.6; daneben werden unter anderem Gemini, Grok, ChatGPT 5.2, Nano Banana (Bilder) und Veo 3.1 (Video) eingesetzt. Alles soll in separaten, abgesicherten Umgebungen laufen; verfügbar ist das Ganze zunächst für Perplexity‑Max‑Abonnenten.

Clever, aber nicht komplett neu

Die Idee, Modelle je nach Stärke für die jeweilige Subaufgabe zu verwenden, ist durchaus sinnvoll: nicht jedes Modell glänzt bei allem, und ein Orchestrator kann tatsächlich Zeit sparen. Perplexity verkauft das als pragmatische Antwort auf die zunehmende Spezialisierung der Modelle — logischer Gedanke, elegante Verpackung.

Aber jetzt die etwas nüchternere Perspektive: Das ist größtenteils Re‑Packaging. Andere Anbieter haben ähnliche Agent‑Ansätze, und die kritische Frage bleibt: Was genau bezahlt der Nutzer? Zugriff auf 19 Modelle, Sandbox‑Instanzen und stundenlange Autonomie klingen beeindruckend, bis Du die Rechnung siehst (Max‑Plan ~200 USD/Monat). Für Unternehmen mit konkreten, wiederkehrenden Workflows kann das Sinn machen; für den gelegentlichen Power‑User eher weniger. Und dann sind da noch juristische und wirtschaftliche Risiken — Copyright‑Streitigkeiten und die Gefahr, dass Modelle selbst zur Commodity werden, wodurch ein Orchestrator schnell an Mehrwert verliert.

Praktisch, solange die Modelle besser bleiben als das Marketing

Perplexity Computer ist kein technischer Quantensprung — eher ein cleverer Integrator, der vorhandene Stärken bündelt. Wenn Du Produktivität suchst, probiere es aus. Aber falls Du innerlich schon „noch ein Agent“ sagst: willkommen im Club — die KI‑Industrie serviert weiterhin Variationen desselben Menüs, nur mit neuen Toppings.