Stellt euch vor, ihr unterhaltet euch mit KI, aber nicht mehr im Chat-Format: Frage tippen, Antwort abwarten, weiter tippen. Sondern live, wie ein Gespräch, bei dem die KI jederzeit mitreden kann. OpenAI hat genau das heute vorgestellt und nennt es GPT-Live. Außerdem: Meta bringt zwei neue KI-Modelle raus, die Bilder und Videos mit native Audio generieren. Ein Paper, das das Problem länger Kontexte endlich architektonisch löst. Und zwei Geschichten aus der Praxis, die zeigen, dass KI-Kundenservice inzwischen nicht mehr nett, sondern wirtschaftlich alternativlos ist. Ich bin Lissy, das ist euer Daily AI News Update, los gehts.
Fangen wir mit dem größten Thema des Tages an. OpenAI hat GPT-Live vorgestellt, eine echte Echtzeit-Interaktionsschnittstelle für seine GPT-Modelle. Was heißt das konkret? Bisher war die Interaktion mit ChatGPT immer Request-Response: Ihr schreibt etwas, das Modell antwortet, ihr schreibt weiter. Das ist wie ein Briefwechsel. GPT-Live ändert das grundlegend. Die KI kann in Echtzeit reagieren, parallel mitreden, nachfragen, unterbrechen. Es ist kein Chat mehr, sondern ein Gespräch. Für alle, die schon mal mit einem Sprachassistenten gearbeitet haben: Stellt euch vor, der Assistent versteht nicht nur einzelne Befehle, sondern den gesamten Gesprächsfluss. Er kann sagen: 'Moment, das meine ich anders' oder 'Lass mich kurz überlegen, bevor ich antworte'. Ich finde, das ist einer dieser Schritte, die auf dem Papier nach einer kleinen Verbesserung klingen, aber die Art, wie wir KI nutzen, grundlegend ändern. Denn wenn Interaktion live wird, ändern sich die Use-Cases. Ein KI-Assistent, der während eines Podcasts zuhört und bei Bedarf einspringt. Ein KI-Coach, der live Feedback gibt, während ihr eine Präsentation haltet. Eine KI, die euch beim Programmieren nicht nur Code vorschlagt, sondern sagt: 'Den Fehler habe ich gerade gesehen, lass mich dir zeigen, was da schiefgeht.' Das ist ein UX-Sprung, der mit dem Wechsel von Kommandozeile zu GUI vergleichbar ist. Und ich sage bewusst UX-Sprung, nicht Technologie-Sprung. Weil die Technik dahinter schon länger da ist. Aber OpenAI macht sie jetzt für Nutzer zugänglich.
Während OpenAI die Interaktion verändert, verändert Meta das, was KI erschaffen kann. Meta hat zwei neue Modelle vorgestellt: Muse Image und Muse Video. Muse Image ist ein Bildgenerierungsmodell, das Instruktionen präzise folgt, Bilder editieren und aus Referenzen komponieren kann. Muse Video generiert Videos mit nativem Audio. Das klingt nach Midjourney und Sora, aber der Unterschied ist Metas Ökosystem. Muse Image hat Zugriff auf Instagram-Kontext. Es weiß, wie Bilde in sozialen Netzwerken funktionieren, welche Formate, welche Stile. Und Muse Video hat native Audio-Unterstützung, was OpenAI Sora bisher nicht hat. Ein Video, das nicht nur Bilder zeigt, sondern auch den passenden Ton mitliefert, ist ein größer Schritt für Creator. Was mich an dieser News besonders freut: Wettbewerb. Midjourney, OpenAI Sora, jetzt Meta Muse. Drei Anbieter, die um die gleiche Nutzergruppe kämpfen. Das treibt die Qualität und senkt die Preise. Und für alle, die selbst Inhalte produzieren, heißt das: Die Werkzeuge werden besser, zugänglicher und günstiger. Genau das ist der Marktmechanismus, den ich mir wünsche.
Von den Produkten zur Architektur, die sie möglich macht. Ein neues Paper auf arXiv heißt HiLS, Hierarchical Landmark Sparse Attention, und es löst ein Problem, das die KI-Welt seit Jahren beschäftigt. Die quadratische Komplexität von Full Attention. Je länger der Kontext, desto mehr Rechenleistung braucht die Aufmerksamkeit. Das ist der Grund, warum lange Chats langsam werden und warum Kontextfenster bisher bei 128K oder 200K Tokens gedeckelt sind. Bisherige Lösungen, sogenannte Sparse Attention, haben einen Haken: Sie wählen die falschen Chunks aus. Sie übersehen wichtige Informationen, weil sie einmal entscheiden, welcher Teil relevant ist, und dann nicht mehr zurückkommen. HiLS macht das anders. Es baut eine Hierarchie von Landmarks, komprimierte Repräsentationen von Tokengruppen auf mehreren Ebenen. Statt jeden einzelnen Token zu bewerten, sucht die Attention zürst auf der groben Ebene und dann auf der feinen. Wie eine Karte mit mehreren Zoom-Stufen. Der entscheidende Trick: Die Selektion ist so genau, dass sie Full Attention matchen kann. Zum ersten Mal. Das Paper zeigt einen Qualitätsverlust von unter einem Prozent bei zehnfach weniger Rechenaufwand. Was heißt das praktisch? Modelle mit zehn Millionen Tokens Kontext werden möglich. Stellt euch vor, ihr könntet einer KI eine ganze Codebasis, eine komplette Research-Library oder einen Roman und die Fortsetzung auf einmal geben. Das ist nicht mehr Science-Fiction. Das ist die Architektur, die es ermöglicht.
Während die Forschung an der Infrastruktur arbeitet, nutzen kleine Unternehmen KI schon heute, um echtes Geld zu verdienen. Eine Geschichte, die mir diese Woche aufgefallen ist: Ein Entwickler hat einen AI Phone Agent gebaut, der in 30 Tagen 20.000 Dollar verlorene Einnahmen für ein Unternehmen gerettet hat. Das klingt erstmal viel, aber die Logik dahinter ist einfach. Verpasste Anrufe sind verlorenes Geld. Jeder, der ein Handwerk oder eine Dienstleistung anbietet, kennt das Problem. Der Kunde ruft an, keiner geht ran, der Kunde ruft den Nächsten an. Ein AI Phone Agent nimmt ab, bucht Termine, löst Probleme und ruft bei Bedarf zurück. Das ist kein Hype, das ist ein nachvollziehbarer Business Case. 20.000 Dollar in 30 Tagen bedeuten, dass das Unternehmen vorher vermutlich mehrere zehntausend Dollar pro Monat durch verpasste Anrufe verloren hat. Ein AI Phone Agent für ein paar hundert Dollar im Monat, der das Problem löst, ist eine der einfachsten Rechnungen, die es im Moment gibt. Und was mich daran freut: Es ist kein Tech-Startup, das eine neue Platform baut. Es ist ein Entwickler, der ein konkretes Problem für ein Unternehmen löst. Genau so sollte KI funktionieren.
Und falls ihr denkt, der Phone Agent sei ein Einzelfall, hier eine Zahl, die das ganze Bild zeigt. Eine Analyse von ecorpit hat die Kosten für KI-Kundenservice im Jahr 2026 untersucht. Das Ergebnis: Eine KI-Resolution kostet durchschnittlich 0,62 Dollar, eine menschliche 7,40 Dollar. Das ist ein Faktor von zwölf. Ein mittelständisches Unternehmen mit 50.000 monatlichen Gesprächen, das 60 Prozent davon durch KI löst, spart etwa 2,5 Millionen Dollar pro Jahr. Aber und das ist das wichtigste Detail: Deflection ist nicht Resolution. Nur weil ein Kunde den Chatbot nutzt, heißt das nicht, dass sein Problem gelöst ist. Viele Unternehmen zahlen eine 'KI-Resolution', wenn der Kunde den Chat nicht mehr weitermacht. Dabei hat er vielleicht einfach aufgegeben. Das ist der Unterschied zwischen einem echten Business Case und einem Bullshit-KPI. Die Technik ist da, die Zahlen sind überzeugend, aber wie bei jeder Technologie kommt es auf die Umsetzung an. Ein KI-Chatbot, der Kunden in eine Sackgasse führt, spart nichts. Er kostet Kunden. Aber ein gut gemachter, der Probleme tatsächlich löst, der ist inzwischen wirtschaftlich alternativlos.
Wenn ich den Tag in einen Satz packen musste, dann ware es dieser: KI wird praktisch. Von der Live-Interaktion über die Inhalte bis zur Architektur und zu den konkreten Business-Auswirkungen. Der rote Faden heute ist, dass KI in allen Bereichen den Schritt von der Demo zum Werkzeug macht. GPT-Live macht Dialoge live, Muse macht Content zugänglicher, HiLS macht Kontexte unendlich, und die Geschichten aus der Praxis zeigen, dass das Geld da ist, wo die Probleme konkret sind. Wenn euch die Folge gefallen hat, schreibt mir eine Mail, die Adresse steht in den Shownotes. Servus, pfiat eich und bis morgen, eure Lissy.