Weekly Digest 24

Themen, die wir verfolgen

Anthropics Fable-Bann macht das Modell zur Exportkontrolle

Quelle: Anthropic — Update zum Mythos- und Fable-Zugang

Anthropic hat diese Woche Claude Fable 5 veröffentlicht, die erste allgemein verfügbare Version seiner Modelle der Mythos-Klasse. Fable sollte die Kompromissversion sein: dieselbe zugrunde liegende Modellklasse wie Mythos, aber mit Schutzvorkehrungen rund um Cybersicherheit, Biologie, Chemie und Modell-Distillation. Mythos 5 blieb auf vertrauenswürdige Cyberverteidiger, Infrastrukturanbieter und ausgewählte Forscher beschränkt.

Wir haben das Modell an unseren internen Benchmarks getestet und waren von seinen Fähigkeiten wirklich beeindruckt. Das Modell hatte Geschmack. Es bewältigte schlussfolgerungsintensive Workflows gut, und wir bereiteten uns darauf vor, es breiter über unseren internen Stack hinweg einzusetzen. Leider hielt unsere Begeisterung nicht lange an.

Die US-Regierung wies Anthropic an, den Zugang zu Fable 5 und Mythos 5 für ausländische Staatsangehörige auszusetzen, und verwies dabei auf Gründe der nationalen Sicherheit. Die Anordnung galt auch für Anthropic-Mitarbeiter mit ausländischer Staatsangehörigkeit. Anthropic deaktivierte beide Modelle für alle Kunden, während es die Compliance-Anforderungen abarbeitet.

Bislang konzentrierte sich die US-KI-Politik vor allem auf die Hardware-Ebene: GPUs, Halbleiterausrüstung, Foundry-Zugang und die Lieferketten, die zum Training von Frontier-Systemen nötig sind. Die Annahme war, dass die Kontrolle über Chips die Kontrolle über die Spitze bedeutet. Die Fable-Anordnung deutet darauf hin, dass das nicht mehr ausreicht — und dass das Modell selbst zur Exportkontrolle wird.

Das schafft ein neues Dilemma für Unternehmen außerhalb der USA — und sogar für US-Unternehmen, die auf global verteilte Teams angewiesen sind. Die meisten Unternehmen können Frontier-Modelle nicht selbst entwickeln. Die Kosten sind zu hoch, und der Talentpool fehlt ihnen. Selbst Unternehmen mit starken technischen Teams müssen sich zwischen geschlossenen US-Frontier-Modellen und offenen Modellen entscheiden, die günstiger, anpassbarer und zunehmend chinesisch sind.

Offene Modelle werden im Startup-Ökosystem schon eine Weile stark angenommen. Sie lassen sich lokal hosten, lokal feinjustieren und nach inländischen Regeln steuern. Doch sie liegen auch hinter der Spitze zurück. Je nach Aufgabe und Gesprächspartner sind sie rund 6–9 Monate hinter den besten geschlossenen Modellen. Für viele Workflows ist das akzeptabel. Für die wertvollsten Aufgaben in Schlussfolgern, Programmieren, Forschung und agentischen Abläufen oft nicht.

Unsere Einschätzung bleibt, dass große, im großen Maßstab trainierte Frontier-Modelle kleinere Spezialmodelle bei den wertvollsten Allzweck-Workflows weiterhin übertreffen. Domänenspezifische Anpassung zählt, aber rohe Leistungsfähigkeit zählt nach wie vor mehr, als viele zugeben wollen. Das verschärft das Abhängigkeitsproblem für ausländische Unternehmen. Je besser die Frontier-Modelle werden, desto schwerer fällt es Unternehmen, nicht auf sie angewiesen zu sein.

Artificial Analysis Intelligence Index

64.9

61.4

60.2

57.2

56.6

55.3

54.7

53.9

53.8

53.2

52.2

51.7

Claude Fable 5with fallback

Claude Opus 4.8

GPT-5.5

Gemini 3.1 Pro

Qwen3.7 Max

Gemini 3.5 Flash

MiniMax-M3

Kimi K2.6

MiMo-v2.5-Pro

Grok 4.3

Muse Spark

Claude Sonnet 4.6

Diese Frage haben wir uns schon einmal gestellt: Was kann man tun, wenn einem die Intelligenz nicht selbst gehört?

Unsere Antwort war, den internen Modell-Stack zu diversifizieren. Nicht weil jedes Modell austauschbar wäre, sondern weil unterschiedliche Modelle an unterschiedlichen Punkten auf der Grenzlinie aus Leistungsfähigkeit, Kosten, Latenz, Anpassbarkeit und Verlässlichkeit liegen. Fable fügt dieser Bewertung eine weitere Dimension hinzu: das jurisdiktionelle Risiko.

Das stärkt das Argument für souveräne KI. Europa kann Open-Source-Modelle als Absicherung gegen die Abhängigkeit von ausländischen Plattformen nutzen. Doch wenn Frontier-Fähigkeiten zunehmend als Belange der nationalen Sicherheit behandelt werden, geraten auch leistungsstarke offene Modelle stärker unter Druck. Open Source ist die beste Absicherung gegen Abhängigkeit, aber zugleich das am schwersten zu kontrollierende Modell, sobald die Fähigkeiten gefährlich genug werden.

China findet den Photonik-Engpass

Quelle: Reuters — Chinas Kontrolle über Indiumphosphid-Exporte gefährdet den Ausbau von KI-Rechenzentren

Indiumphosphid wird in den optischen Chips verwendet, die Daten über Glasfaser statt über Kupfer bewegen. Das ist wichtig, weil KI-Cluster zunehmend durch Rechenleistung und Datenbewegung begrenzt werden. Je größer, dichter und energiehungriger die Cluster werden, desto wichtiger wird die Interconnect-Ebene.

Optische Verbindungen können Daten schneller, über größere Distanzen und mit geringeren Verlusten bewegen als Kupfer. Je größer der Cluster, desto wertvoller wird das.

China hat die Exportlizenzen für Indiumphosphid seit Februar 2025 verschärft. Reuters berichtete, dass China 2024 rund 70 % des weltweiten Indiums produzierte, während AXT und Sumitomo die globale Produktion von Indiumphosphid-Substraten dominieren. Die Preise für Sechs-Zoll-Wafer aus Indiumphosphid sind Berichten zufolge um rund 250 % auf etwa 5.000 $ gestiegen.

Der KI-Stack ist voll von kleinen Märkten, die plötzlich Bedeutung gewinnen. Bei GPUs war es offensichtlich. Bei HBM wurde es offensichtlich. Bei Strom wird es gerade offensichtlich. Optische Substrate folgen demselben Muster.

China muss keine fertigen KI-Produkte blockieren, um Druck zu erzeugen. Es kann die Vorprodukte verlangsamen. Gallium, Germanium, Graphit, Seltene Erden und nun indiumbezogene Materialien passen alle in dasselbe Muster. Exportlizenzierung ist flexibler als ein Embargo. Lieferungen können verzögert, selektiv genehmigt oder als Druckmittel in breiteren Verhandlungen genutzt werden.

Die westliche Antwort wird Diversifizierung sein, doch neue Kapazität entsteht nur langsam. Reuters merkt an, dass neue Werke zwei bis drei Jahre bis zur Inbetriebnahme brauchen können und die Qualifizierungszyklen lang sind. Bei optischen Hochleistungskomponenten wechseln Kunden ihre Lieferanten nicht über Nacht.

Die Unternehmen, auf die es hier ankommt, sind jene mit Angebots- und Nachfrage-Exponierung. Sumitomo gewinnt als wichtigste nicht-chinesische Substrat-Alternative an Bedeutung. AXT hat die richtige Exponierung, aber die falsche Geografie, weil ein großer Teil seiner Produktion innerhalb des chinesischen Lizenzregimes liegt. Coherent und Lumentum sind weiter unten im Stack relevant — weshalb Nvidias Direktinvestitionen in beide interessant sind. Auch Marvells Übernahme von Celestial AI wirkt in diesem Kontext relevanter, weil sich Photonik von einem Networking-Unterthema in den KI-Infrastruktur-Stack verschiebt.

Der zweite Punkt ist die Allokation. In einer normalen Knappheit erledigt der Preis einen Teil der Arbeit. In einer strategischen Knappheit erledigen Beziehungen mehr davon. Nvidia, die Hyperscaler und die größten optischen Zulieferer stehen zuerst in der Reihe. Kleinere Abnehmer erhalten schlechtere Lieferzeiten, weniger Sicherheit und schlechtere Konditionen.

Google baut Zweitquellen für den TPU-Stack auf

Quelle: The Information — Google und Nvidia erwägen Intel als Ausweich-Chipfertiger

Google verteilt seine künftige TPU-Produktion Berichten zufolge auf Intel, Samsung und TSMC. The Information berichtete, dass Google bei Intel mehr als drei Millionen TPUs zur Lieferung im Jahr 2028 bestellt hat. Demnach verhandelt Google außerdem mit Samsung über die Fertigung eines Teils von Icefish, seiner TPU der nächsten Generation.

Google arbeitet bei Icefish bereits mit MediaTek zusammen, doch der zentrale Compute-Die soll weiterhin von TSMC kommen. Samsung würde die Speicherschnittstellen-Komponente in seinem 2-nm-Prozess fertigen. Intel würde zu einem weiteren Fertigungsweg für künftige TPU-Volumina.

Die TPU wird zum Bestandteil des KI-Infrastruktur-Produkts von Google Cloud. Wenn Google TPU-Kapazität an externe Kunden verkaufen will, braucht es Leistung, Volumen, Preistransparenz und Liefersicherheit.

TSMC bleibt der beste Fertiger an der Spitze, doch seine Kapazität ist zugleich die am stärksten umkämpfte. Nvidia, AMD, Apple, Broadcom, Qualcomm, die ASIC-Teams der Hyperscaler und KI-Labore konkurrieren alle um dieselbe Kapazität bei fortschrittlichen Nodes und fortschrittlichem Packaging. Google kann die TPU-Roadmap nicht einem einzigen Fertigungsengpass ausgesetzt lassen. Insbesondere Nvidia hat einen großen Teil der KI-bezogenen Kapazität von TSMC aufgesogen.

Google baut eine breitere industrielle Basis rund um die TPU-Produktion auf, bei der mehrere Zulieferer jeweils einen Teil des Stacks übernehmen. Das dürfte Googles Verhandlungsmacht stärken. Es dürfte TPU-Kapazität auch als Cloud-Produkt glaubwürdiger machen. Wenn Google genug Volumen sichern kann, lassen sich mit TPUs sowohl die eigenen Inferenz- und Trainingskosten senken als auch den Kunden eine Alternative zu Nvidia-basierten Instanzen bieten.

Intel passt zudem in die breitere Reindustrialisierungs- und Onshoring-Agenda der Trump-Regierung sowie in den Wunsch des Marktes, sich gegen eine künftige Taiwan-Eskalation abzusichern. Die Erwartungen an Intel sind extrem hoch — nicht nur von Google, sondern von der gesamten Branche. Das Unternehmen hat die richtigen strategischen Schritte gemacht, muss nun aber gegen sehr hohe Erwartungen liefern.

Gesehen auf X

Weitere interessante Geschichten

• TechCrunch: Jeff Bezos's Prometheus raises $12B to build an "artificial general engineer" for the physical world
• Wired: Apple's new Siri AI is ready to get personal
• Reuters: KKR launches $10 billion AI infrastructure company with Nvidia, Vistra
• Fei-Fei Li: A Functional Taxonomy of World Models
• Sarah Guo (@saranormous) on X
• Noam Brown (@polynoamial) on X