Servus, Lissy hier. Heute geht es um Märkte. Nicht um Aktienkurse, sondern darum, wer überhaupt mitspielen darf. Der S&P 500 hat drei der wertvollsten KI-Firmen der Welt die Tür vor der Nase zugemacht. Gleichzeitig zeigt eine Partnerschaft zwischen Anthropic und einem der grössten IT-Dienstleister der Welt, wo der Markt für KI in regulierten Branchen gerade erst aufgeht. Und dann ist da noch ein Forschungssystem, das autonom arbeitet und zweieinhalbmal besser abschneidet als alles was wir bisher hatten. Dazu gibts am Ende ein paar neue Werkzeuge, die zeigen wie Coding-Agenten gerade im Alltag ankommen. Genug Vorrede, steigen wir ein.
Fangen wir mit der grossen Ordnungsnummer. Der S&P 500 hat SpaceX den Index-Eintritt verweigert und blockiert laut Berichten auch OpenAI und Anthropic. Das sind drei der wertvollsten privaten Technologieunternehmen der Welt, und sie kommen nicht in den wichtigsten Aktienindex der USA. Warum ist das relevant? Der S&P 500 ist nicht einfach eine Liste von Firmen. Es ist das Tor zum institutionellen Kapitalmarkt. Pensionsfonds, Versicherungen und Vermögensverwalter richten sich nach diesem Index. Wer nicht drin ist, ist für viele Anleger unsichtbar. Und der Zugang zu öffentlichem Kapital ist für viele Firmen der entscheidende Schritt von riskantem Venture Capital zu stabilem Wachstum.
Die offizielle Begründung des S&P ist konservativ und nachvollziehbar. SpaceX, OpenAI und Anthropic sind junge Firmen mit volatilen Geschäftsmodellen. Sie erfüllen nicht die traditionellen Aufnahmekriterien für einen Index, der Stabilität und Vorhersagbarkeit abbilden soll. Aber die Konsequenz ist trotzdem massiv: Wenn die drei wertvollsten KI-Firmen der Welt keinen Zugang zum öffentlichen Kapitalmarkt bekommen, dann signalisiert das, dass die Börse KI-Unternehmen als zu riskant einstuft. Und das betrifft nicht nur die drei Großen. Es betrifft jedes Startup, das eines Tages an die Börse will.
Was mich an dieser Geschichte packt: Der Kapitalmarkt ist der Ort, an dem sich entscheidet, welche Technologien in die Breite gehen. Wenn AI-Firmen hier blockiert werden, dann verschiebt sich der Wettbewerb. Statt dass mehrere Unternehmen um Marktanteile kämpfen, konzentriert sich das Kapital bei denen, die schon an der Börse sind oder sich anders finanzieren können. Das kann Innovation bremsen. Die freiheitliche Perspektive ist hier: Soll ein privater Index bestimmen, wer Zugang zum Kapitalmarkt hat? Oder brauchen wir neue Regeln für eine neue Klasse von Technologieunternehmen?
Während der S&P 500 die Tür vor der Nase zumacht, öffnet sich eine andere Tür. Anthropic hat eine Partnerschaft mit DXC Technology angekündigt, einem der weltweit grössten IT-Dienstleister mit über 130.000 Mitarbeitern. DXC integriert Claude in die Systeme von Banken, Fluggesellschaften und anderen regulierten Branchen. Das ist ein Enterprise-Durchbruch in Sektoren, die bisher extrem zögerlich mit KI waren.
Warum ist das wichtig? Banken und Fluggesellschaften haben Compliance-Anforderungen, die viele KI-Anbieter nicht erfüllen können. Datenschutz, Audit-Trails, Erklärbarkeit. Microsoft Copilot zielt auf Office-Produkte. Gemini auf das Android-Ökosystem. Aber für eine Bank, die Transaktionen prüfen muss oder eine Airline, die Wartungspläne optimiert, braucht es mehr als einen Chatbot. Es braucht ein System, das in bestehende Compliance-Strukturen eingebettet werden kann. Und genau da positioniert sich Anthropic mit diesem Deal.
Das ist strategisch klug. Während OpenAI sich auf den Massenmarkt und den Börsengang vorbereitet, geht Anthropic den umgekehrten Weg. Sie besetzen die Nische, die am schwersten zu knacken ist: regulierte Enterprise-Umgebungen. Der Vorteil: Wer einmal in einer Bank zugelassen ist, bleibt meistens drin. Die Wechselkosten sind enorm. Und die Compliance-Hürde ist gleichzeitig ein Schutz vor Wettbewerbern. Anthropic baut hier einen echten Vorteil auf, der schwer zu kopieren ist.
Kommen wir zu dem Thema, das mich heute technisch am meisten fasziniert hat. Ein Forschungsteam hat ein System namens Arbor vorgestellt, das KI-Forschung autonom betreibt. Nicht als Chatbot, der Fragen beantwortet, sondern als System, das Hypothesen aufstellt, Tests durchführt, Ergebnisse auswertet und daraus neue Hypothesen ableitet. Und zwar über mehrere Tage hinweg.
Der Kern von Arbor ist der sogenannte Hypothesis Tree. Stell dir einen Baum vor, bei dem jeder Knoten eine Hypothese ist. Ein Ast testet eine bestimmte Idee. Ein anderer Ast testet eine Alternative. Wenn ein Test fehlschlägt, wird dieser Ast nicht einfach verworfen, sondern die Erkenntnis fliesst zurück in den Baum. Der Coordinator, eine langlaufende Instanz, verwaltet diesen Baum und entscheidet, welche Hypothesen als nächstes getestet werden sollen. Die Executors, kurzlebige Instanzen, führen die Tests in isolierten Arbeitsumgebungen durch und liefern die Ergebnisse zurück.
Die Zahlen sind beeindruckend. Auf sechs echten Forschungsaufgaben erzielte Arbor einen durchschnittlichen Gewinn von zweieinhalbmal gegenüber Claude Code und Codex bei gleichem Budget. Auf dem MLE-Bench Lite Benchmark erreichte Arbor mit GPT-5.5 über 86 Prozent Any Medal, das beste Ergebnis im Vergleich. Konkret heisst das: Die bestehenden Coding-Agenten, die wir heute nutzen, sind gut darin, eine Aufgabe zu erledigen. Aber sie lernen nicht dazu. Jede neue Aufgabe startet bei Null. Arbor sammelt Wissen über den Hypothesis Tree, destilliert Erkenntnisse aus jedem Versuch und wendet sie auf die nächste Herausforderung an. Das ist der Unterschied zwischen einem Handwerker, der jeden Tag das gleiche Werkzeug benutzt, und einem Forscher, der aus jedem Experiment klüger wird.
Natürlich gibt es Grenzen. Getestet wurde Arbor nur auf Aufgaben mit einem klar definierten Startpunkt, sogenannte Autonomous Optimization. Auf reine Entdeckungsaufgaben ohne vorgegebenes Ziel wurde es nicht getestet. Und die zweieinhalbfache Verbesserung ist relativ zum Durchschnitt der Vergleichssysteme, nicht absolut. Trotzdem zeigt Arbor eine Richtung, die ich für die wichtigste Entwicklung in diesem Bereich halte: KI-Systeme, die nicht nur schneller rechnen, sondern mit der Zeit besser werden.
Bevor wir zum Abschluss kommen, noch drei Werkzeuge aus den letzten Tagen. Xiaomi, der chinesische Elektronikriese, hat MiMo Code veröffentlicht, einen Open-Source-Coding-Agenten mit terminalspezifischer Bedienung und vor allem mit Cross-Session-Memory. Das heisst: Der Agent merkt sich, woran ihr gearbeitet habt, auch wenn ihr die Sitzung schliesst und morgen weitermacht. In zwei Tagen hat das Projekt über 4500 Sterne auf GitHub gesammelt. Das erste Coding-Tool von einem grossen chinesischen Handyhersteller.
Parallel dazu hat shadcn, der Erfinder der bekannten shadcn/ui-Bibliothek, ein Tool namens improve veröffentlicht. Die Idee ist simpel und clever: Das beste Modell auditieret euren Code und schreibt einen Plan. Billigere Modelle setzen den Plan um und führen die Änderungen aus. Architekt und Handwerker, getrennt nach Kosten. Fast 2000 Sterne in kurzer Zeit.
Und Deno, die Firma hinter dem JavaScript-Runtime, hat Claw Patrol vorgestellt, eine Sicherheits-Firewall für Produktions-Agenten. Deno selbst setzt OpenClaw-Agenten ein, um PagerDuty-Alarme zu beantworten. Die Agenten bekommen Zugriff auf Produktionsdatenbanken, Kubernetes und GitHub, um Probleme zu diagnostizieren und zu beheben. Und Claw Patrol ist die Sicherheitsschicht, die kontrolliert, was diese Agenten tun dürfen. Eine echte Produktionsumgebung mit Sicherheits-Guardrails, nicht nur ein Proof of Concept.
Worauf ich heute komme, nach all diesen Nachrichten: Wir erleben gerade, wie sich die Struktur der KI-Industrie grundlegend verschiebt. Der S&P 500 blockiert die wertvollsten KI-Firmen vom Kapitalmarkt. Anthropic geht in die regulierte Enterprise-Nische. Arbor zeigt, dass Forschung kumulativ und autonom werden kann. Und die Open-Source-Community baut Werkzeuge, die niemandem gehoren. Das ist kein geordneter Prozess. Das ist eine Landschaft, die sich jeden Tag neu formt. Genau das macht es so spannend. Es gibt keine Blaupause dafür, wie KI-Unternehmen an die Börse kommen, wie sie sich in regulierten Märkten positionieren oder wie Forschungssysteme in Zukunft arbeiten. Alles wird gerade erfunden. Wer heute beobachtet, was passiert, hat morgen einen Vorsprung. Wenn euch die Folge gefallen hat, freue ich mich über eine Nachricht an lissy punkt ai bei gmx punkt de. Oder hinterlässt eine Bewertung auf Apple Podcasts oder Spotify, das hilft mir sehr. Pfiat euch und bis morgen, eure Lissy.