KI-Agenten ausgesperrt, Legal-Tech-Boom und Trainingsdaten für China (12.11.2026)

Hallo, hier ist Maya von KI Kompakt. Heute geht es um die Frage, wer eigentlich die Kontrolle hat, wenn KI ins Spiel kommt. Bei Agenten, bei Trainingsdaten, bei Software-Lieferketten und sogar an der Spitze von Nvidia. Dazu kommen Zahlen, die zeigen, wie sich der Markt gerade verändert. Los geht's. Beginnen wir mit den KI-Agenten. Immer mehr große Plattformen machen ihnen die Tür zu. Amazon, Booking.com, eBay, Resy, Target, United Airlines und Yelp schränken den Einsatz ein. Die Begründungen: Datenschutz, Sicherheit, Regulierung. Und die Sorge, Traffic zu verlieren, wenn Nutzer nicht mehr selbst browsen, kaufen oder buchen. Die Ansätze unterscheiden sich deutlich. Amazon verbietet Agenten nicht pauschal, behält sich aber vor, den Zugriff nach eigenem Ermessen auch technisch zu blockieren. Nutzer, die im September mit Metas Muse bei Amazon einkaufen wollten, sahen ein Pop-up. Darin hieß es, der Zugriff durch einen nicht autorisierten Agenten verstoße gegen die Nutzungsbedingungen. Booking.com geht noch weiter. Ohne ausdrückliche Erlaubnis sind Buchungen durch automatisierte Assistenten untersagt, und Nutzer, bei denen man solche Assistenten vermutet, können gesperrt werden. eBay nennt in seiner Nutzervereinbarung jetzt ausdrücklich "buy-for-me agents" und Abläufe, die Bestellungen ohne menschliche Prüfung auslösen. Spannend ist Target. Dort gibt es eine Liste erlaubter Agenten, darunter der eigene Shopping-Assistent sowie OpenAI, Google und Microsoft. Resy wiederum unterstützt Suche und Buchung über ChatGPT und Claude, blockiert aber andere KI-Aktivitäten. United Airlines liefert ein sehr konkretes Argument: Ein Check-in durch einen Agenten könnte gegen US-Bundesvorschriften verstoßen, weil ein Mensch bestätigen muss, dass das Gepäck keine verbotenen Gegenstände enthält. Die Einordnung: Das Versprechen vom Agenten, der einfach für uns einkauft, trifft auf Plattformen, die ihre Kundenbeziehung nicht hergeben wollen. Es entsteht ein System aus Positivlisten und Einzelabkommen. Für Entwickler heißt das: Ohne Partnerschaften und saubere Schnittstellen wird es schwer. Für Unternehmen, die selbst Plattformen betreiben, wird eine klare Agenten-Policy zur Pflichtaufgabe. Dazu passt eine Zahl aus dem Ramp-AI-Index. Die KI-Ausgaben US-amerikanischer Unternehmen erreichten im Oktober einen Höchststand. Das Wachstum gegenüber dem Vormonat lag aber nur bei 1,65 Prozent. Das typische Unternehmen gab 16,32 Dollar pro Mitarbeiter aus, kaum mehr als im Vormonat. Beim einen Prozent der Unternehmen mit den höchsten Ausgaben waren es im Median 10.200 Dollar pro Mitarbeiter und Monat, ein Plus von neun Prozent. Zwischen den großen Anbietern ist das Bild interessant. Anthropic kommt auf 44,8 Prozent Verbreitung, OpenAI bleibt bei 40,6 Prozent. Beim Ausgabenwachstum liegt OpenAI mit 2,1 Prozent vor Anthropic mit 0,5 Prozent. Die Gesamtverbreitung von KI-Diensten stieg auf 56,8 Prozent. Der durchschnittliche Preis pro Million Tokens sank im vergangenen Monat um 21 Prozent. Ramp führt das auf Konkurrenzdruck und chinesische Open-Weight-Modelle zurück. Das Nutzungsvolumen wächst dabei schneller als die Ausgaben. Ein weiterer Punkt: Laut Ramp-Chefökonom Ara Kharazian treibt ein Prozent der Unternehmen 80 Prozent der Einnahmen von OpenAI und Anthropic. Meist sind das risikokapitalfinanzierte Firmen aus Technologie, Finanzen und technischen Dienstleistungen. Softwareentwicklung verantwortet 72 Prozent der KI-Ausgaben, und der Kundensupport gewinnt stark an Bedeutung. Wichtig dabei: Der Index beruht auf Zahlungsdaten von mehr als 85.000 Unternehmen, ist aber laut Ramp nicht repräsentativ. Die Kundenbasis ist technologieaffiner, kostenlose Tools fehlen. Was heißt das? Der Boom flacht in der Breite ab, die Preise fallen, und das Geld konzentriert sich bei wenigen Intensivnutzern. Für den Mittelstand ist das eigentlich eine gute Nachricht. KI wird günstiger, und Coding und Support sind die Bereiche, in denen sich der Nutzen am klarsten rechnet. Nun zu einem Thema mit geopolitischer Sprengkraft. Laut einer Recherche von ChinaTalk liefern US-Datenfirmen wie Mercor, Surge AI, AfterQuery und Turing Trainingsmaterial im Wert von rund einer halben Milliarde Dollar an chinesische KI-Labore. Gemeint sind vor allem Reinforcement-Learning-Umgebungen. Das sind simulierte Welten, in denen Modelle gezielt für Aufgaben wie Programmieren, Finanzanalysen oder Büroarbeit trainiert werden. Mindestens neun US-Firmen konnte ChinaTalk als Lieferanten identifizieren. Chinesische Abnehmer kaufen demnach gezielt Produkte, die schon an Anthropic oder OpenAI verkauft wurden. Das spart Entwicklungsaufwand und Rechenzeit. ByteDance unterhält laut Bericht Einkaufsabteilungen in Singapur und San Jose, Geschäfte laufen auch über Offshore-Strukturen. Sichtbar wurde das Ganze durch anonyme Quellen und Subunternehmer vor allem in Indien, die teils Kundennamen auf LinkedIn oder in Lebensläufen nennen. Bei AfterQuery soll ein erheblicher Teil der wiederkehrenden Umsätze aus China kommen. Forbes berichtete von rund 100 Millionen Dollar, ChinaTalk konnte das aber nicht unabhängig prüfen. Dazu kommt Distillation. Starke US-Modelle wie GPT oder Claude dienen als Lehrer, ihre Ausgaben werden als Trainingsbeispiele genutzt. Die Autoren sagen: Durch dieses Piggybacking bleiben chinesische Labore strukturell mindestens einige Monate hinter den US-Laboren zurück. Und sensible Umgebungen etwa zu Biologie, Chemie oder Cybersicherheit entwickeln US-Unternehmen zunehmend intern. Die Forderung: Das Bureau of Industry and Security soll Dual-Use-Umgebungen unter bestehende Exportregeln stellen. Die Einordnung: Bisher drehte sich die Exportdebatte um Chips. Jetzt geht es um die Trainingsumgebungen selbst. Das ist ein neues Feld für Regulierung. Und es zeigt, dass der Vorsprung großer Labore nicht nur an Rechenleistung hängt, sondern an Daten und Trainingswelten. Apropos Chips. Bei Nvidia gibt es Unruhe an der Spitze. Das Wall Street Journal berichtet, der Verwaltungsrat bereite eine Absetzung von Konzernchef Jensen Huang vor, nach Enthüllungen über zwei außereheliche Beziehungen. Ein Spionagevorwurf im Zusammenhang mit einer der Beziehungen konnte von Business Insider nicht unabhängig bestätigt werden. Elon Musk reagierte auf X und schrieb, eine Anstellung Huangs wäre "eine Ehre". Das ist laut Artikel eine Interessenbekundung und kein formales Angebot. Ich halte mich hier bewusst an das Geschäftliche. Nvidia-Chips treiben einen Großteil des KI-Booms an, und Huang hat das Unternehmen 1993 gegründet. Musks Firmen gehören zu den großen Käufern von Nvidia-GPUs. Ein Führungswechsel an dieser Stelle hätte Folgen für Lieferketten, Strategie und Vertrauen im gesamten Markt. Noch ist es aber ein Bericht, keine Entscheidung. Jetzt zu einem Thema, das weniger glänzt, aber im Betrieb entscheidend ist: Software-Stücklisten, kurz SBOM. Sie machen Abhängigkeiten sichtbar. Sie sagen aber nicht, ob eine Schwachstelle tatsächlich ausnutzbar ist, wann ein Update kommt und wer bis dahin schützt. Eine SBOM kann unvollständig oder veraltet sein oder der falschen Version zugeordnet. Auch ein gültiges Format und eine verifizierte Signatur garantieren keine Vollständigkeit. Der Rat der ComputerWoche: Schon vor der Beschaffung mit Lieferanten klären, welche Informationen, Fristen und Reaktionswege man bei neuen Schwachstellen braucht. Dazu gehören Produktversionen, der Prozess für Sicherheitsmeldungen, Fristen für Fixes und die Dauer der Unterstützung. Ergänzend kann ein VEX-Dokument maschinenlesbar sagen, ob eine Software betroffen ist. Die Entscheidung vor Ort nimmt es dem Betreiber aber nicht ab. In der OT ist das besonders heikel. Ein vorsorglich abgeschaltetes Gateway blockiert die Fernwartung, ungeprüftes Patchen riskiert Ausfälle. Bei kritischen Systemen gehören deshalb Tests, Rollback-Verfahren und ein Plan für nicht einspielbare Patches dazu. Nicht für jedes Produkt braucht es eine "vollständige SBOM". Die Tiefe richtet sich nach Kritikalität und Machbarkeit. Bei SaaS ist ein schneller Informationsprozess wichtiger. Und der Cyber Resilience Act verlangt von Herstellern eine maschinenlesbare Stückliste mindestens für direkte Abhängigkeiten. Die wesentlichen Anforderungen gelten ab Dezember 2027. Eine Pflicht, jedem Kunden jede interne Stückliste auszuhändigen, gibt es nicht. Das Thema gewinnt mit KI-Werkzeugen und Agenten an Gewicht. Je mehr Code und Komponenten automatisch einfließen, desto wichtiger werden klare Zuständigkeiten. Zum Schluss ein Blick auf Legal Tech. Investoren stecken viel Geld in die Branche, und die Sorge vor einer KI-Blase wächst. EvenUp-Chef Rami Karabibar setzt auf Fokus. Das Unternehmen blieb konsequent bei Personenschadenskanzleien. Es begann mit Forderungsschreiben und bietet seit etwa 18 Monaten Software für das Fallmanagement von Anfang bis Ende. Über 150 Millionen Dollar wiederkehrender Vertragsumsatz und mehr als 2.000 Kanzleien sprechen für den Ansatz. Konkurrenten wie Harvey und Legora bedienen dagegen Kunden von Großkanzleien bis zu Konzernen. Harvey soll laut Newsletter frühe Gespräche über einen Börsengang geführt haben. Parallel schickte die Kanzlei Herbert Smith Freehills Kramer 31 Führungskräfte zu einem dreitägigen Retreat nach Stanford. Es gab Vorträge von Gründern, OpenAI-Vertretern und Forschern. Am zweiten Tag arbeiteten sie mit einer an Stanford entwickelten KI. Das zeigt: Auch in konservativen Branchen lernt das Management inzwischen selbst, statt nur zu delegieren. Was bleibt von heute? KI wird günstiger und verbreiteter, aber der Zugang wird enger verhandelt, ob bei Agenten auf Plattformen, bei Trainingsumgebungen oder in der Software-Lieferkette. Wer dauerhaft profitiert, hat Nischenfokus, klare Regeln und saubere Zuständigkeiten. Das war's für heute. Ich freue mich auf morgen. Und noch ein Hinweis: Dieser Podcast ist vollständig KI-generiert, und alle Quellen und Hintergründe findest du auf unserer Website.