Servus! Kenn ihr das Gefühl, wenn ein Tool genau das Problem löst, das ihr seit Wochen habt? Genau darum gehts heute gleich zu Beginn. Ein Open-Source-Tool mit 37.000 Sternen auf GitHub, das sogar Hermes Agent integriert. Dazu ein Unternehmen das fast eine Billion wert sein soll und an die Börse geht. Ein Paper, das erklärt wie Millionen personalisierter KI-Modelle möglich werden. Und die erste große Klage gegen ein KI-Unternehmen, bei der es um echte Haftung geht. Los gehts mit einem Tool, das mich richtig begeistert hat.
Da ist ein GitHub-Projekt, das heißt CodeGraph, und das hat in den letzten Tagen über 37.000 Sterne eingesammelt. Warum? Weil es genau das macht, was viele von euch wahrscheinlich brauchen: Es baut einen interaktiven Wissensgraph aus eurer Codebase. Statt dass euer AI-Coding-Assistent jedes Mal die ganze Codebase durchsuchen muss, hat er einen vorbereiteten Graphen. Das spart Tokens, das spart Tool-Calls, und es läuft komplett lokal. Das besondere daran: CodeGraph erwähnt Hermes Agent explizit in seiner Beschreibung. Die Entwickler haben Hermes auf dem Schirm und bauen native Unterstützung ein. Das ist ein Tool, das nicht nur für Claude Code oder Codex funktioniert, sondern auch für uns. Ich find das ein gutes Zeichen: Die Open-Source-Community baut Infrastruktur, die unabhängig von einzelnen Anbietern ist. Klar, man kann das auch als Entwicklung sehen: Code-Knowledge-Graphen werden zum neuen Standard für AI Coding. Jeder Coding-Assistent wird in Zukunft eine indizierte Codebase brauchen, sonst ist er zu langsam und zu teuer. CodeGraph ist einer der Ersten der das Open Source umsetzt, aber er wird nicht der Letzte sein. Der Trend ist klar: Weg von 'der Assistent sucht alles live' hin zu 'der Assistent hat einen fertigen Index'. Wer das nicht bietet, wird abgehängt. Was ich an CodeGraph besonders spannend finde: Es ist ein Zeichen dafür, dass sich der Markt in Richtung lokale, personalisierte AI-Tools bewegt. Die Leute wollen nicht für jeden API-Call bezahlen. Sie wollen ihre Daten nicht auf fremden Servern. Und sie wollen Tools, die genau auf ihr Projekt zugeschnitten sind. CodeGraph macht genau das: Einmalig die Codebase indexieren, dann läuft alles lokal und schnell.
Anthropic hat den S-1 Antrag gestellt, das ist der erste Schritt zum Börsengang. Gleichzeitig hat das Unternehmen eine Series H über 65 Milliarden Dollar abgeschlossen, zu einer Bewertung von 965 Milliarden. Fast eine Billion Dollar. Nur zur Einordnung: Das ist mehr als das Bruttoinlandsprodukt der meisten Länder der Welt. Ich find das eine spannende Entwicklung, weil Anthropic bisher immer das Narrativ hatte: Wir sind das Sicherheits-Unternehmen. Wir machen KI anders als OpenAI. Jetzt gehen sie an die Börse, und das heisst: Quartalszahlen. Gewinnerwartungen. Aktionärsbriefe. Die Frage ist: Ändert das die Kultur? Kann ein börsennotiertes Unternehmen gleichzeitig auf Sicherheit und auf Wachstum setzen? Was mich mehr interessiert ist der Effekt auf Open Source. Wenn die großen Anbieter sich an der Börse finanzieren, müssen sie Margen liefern. Open-Source-Modelle nicht. Das könnte langfristig der größte Vorteil von Open Source sein: Sie spielen ein völlig anderes Spiel. Während die Börsengiganten jedem Quartal hinterherrennen, können Open-Source-Entwickler einfach gute Software bauen. Und wenn die Qualität stimmt, wechseln die Leute rüber. Es gibt übrigens einen interessanten Kontrast zu OpenAI. OpenAI hat keinen Börsengang angekündigt, sondern ist weiter auf privates Kapital angewiesen. Microsoft hat Milliarden reingepumpt, aber jetzt kommt OpenAI auch auf AWS. Das zeigt: Die Finanzierungsmodelle der KI-Branche sind völlig unterschiedlich. Anthropic setzt auf den öffentlichen Markt, OpenAI auf strategische Partner. Wer das Rennen macht, wird sich in ein paar Jahren zeigen.
Es gibt ein Paper, das heißt On the Scaling of PEFT. PEFT steht für Parameter-Efficient Fine-Tuning, eine Methode um Modelle anzupassen ohne sie komplett neu zu trainieren. Statt das ganze Modell zu verändern, trainiert man nur kleine zusätzliche Module. Bisher dachte man: Das skaliert nicht. Ab einer bestimmten Anzahl von angepassten Modellen wirds ineffizient, weil jedes seine eigenen Parameter braucht. Dieses Paper zeigt: Das stimmt nicht. Die Forscher haben eine Architektur entwickelt, die bis zu einer Million personalisierte Modelle verwalten kann. Das klingt abstrakt, aber die Anwendung ist sehr konkret. Stellt euch einen Mittelständler vor, der für jede seiner hundert Kunden ein eigenes KI-Modell haben will. Für die spezifischen Prozesse, die spezifischen Daten, die spezifischen Compliance-Regeln. Bisher undenkbar, weil der Speicherverbrauch explodiert wäre. Mit PEFT Scaling wird das realistisch. Das könnte verändern wie Unternehmen KI einsetzen: Nicht ein Riesenmodell für alle, sondern viele kleine spezialisierte Modelle. Jedes günstig zu betreiben, jedes auf seine Aufgabe optimiert. Und das Beste: Die Methode ist Open Source und lässt sich direkt ausprobieren.
Der Bundesstaat Florida verklagt OpenAI und Sam Altman. Der Vorwurf: KI-Risiken, die zu mehreren Todesfällen geführt haben sollen. Das klingt dramatisch. Aber die Frage die mich beschäftigt ist: Soll ein Staat ein Unternehmen verklagen können, weil jemand sein Produkt missbraucht hat? Wenn jemand mit einem Auto jemanden überfährt, verklagen wir ja auch nicht den Autohersteller. Sondern den Fahrer. Hier ist es andersrum: Florida sagt OpenAI ist verantwortlich, weil ChatGPT angeblich zu gefährlich ist. Das ist ein massiver Präzedenzfall. Wenn der durchgeht, kann jeder Bundesstaat jedes KI-Unternehmen verklagen, wenn einem Bürger etwas zustösst, das irgendwie mit KI zu tun hat. Die eigentliche Frage ist nicht ob KI sicher ist. Die Frage ist wer haftet wenn jemand ein allgemeines Werkzeug für einen schlechten Zweck verwendet. Und das ist eine Frage, die die Politik beantworten müsste, nicht ein Gericht in Florida.
Drei Sachen zum Mitnehmen. Erstens: MoneyPrinterTurbo mit 77.000 Sternen auf GitHub. Ein Tool das per KI Kurzvideos generiert. Ein-Klick-TikTok-Content. Ich weiss nicht ob die Videos gut sind, aber die Nachfrage zeigt dass KI-Content-Produktion ein Massenmarkt ist und kein Hype mehr. Zweitens: Nvidia RTX Spark, ein neuer Chip der ARM-CPU und RTX-GPU in einem Bauteil vereint. Microsoft bringt ein Surface Laptop Ultra exklusiv dafür. Nvidia macht das was Apple mit dem M-Chip gemacht hat: Alles aus einer Hand. CPU, GPU, AI-Beschleunigung auf einem Chip. Der Unterschied: Nvidia lässt das Ökosystem offen für Windows und Linux. Das ist keine Kopie von Apple Silicon, das ist eine offene Alternative. Drittens: Alphabet hat 80 Milliarden Dollar für KI-Infrastruktur eingesammelt. Kein Schreibfehler, 80 Milliarden. Das klingt erstmal nach Zentralisierung, klar. Wer so viel Geld in Rechenzentren steckt, baut sich eine Festung. Aber die andere Seite ist: Genau diese Infrastruktur-Investments senken langfristig die Kosten für alle. So wie AWS angefangen hat als Amazons interne Infrastruktur und heute Millionen Startups betreibt. Wenn Google seine TPUs und Rechenzentren erstmal hat, können sie die Kapazitäten auch günstiger anbieten. Dann profitiert am Ende nicht nur Google, sondern jeder der KI nutzt. Zentralisierung heute, Demokratisierung morgen. Das ist zumindest die Hoffnung.
Was hängengeblieben ist heute: Die Open-Source-Community baut Werkzeuge, die an niemanden gebunden sind. CodeGraph ist ein perfektes Beispiel dafür. Die Börsengänge der KI-Giganten könnten Open Source langfristig sogar stärken, weil die einen Margen liefern müssen und die anderen einfach bauen können. Und die Klage aus Florida zeigt: KI-Haftung ist kein theoretisches Problem mehr. Wenn ihr ein Tool ausprobiert habt, das mich überraschen würde, schreibts mir. Per Mail, oder in die Kommentare. Ich bin gespannt was ihr draus macht. Pfiat euch.