Wenn zwei sich streiten…
Innerhalb von sieben Tagen haben Anthropic und OpenAI je ein KI-Modell veröffentlicht, das explizit für Cybersicherheit gebaut wurde – und bei dem die üblichen Sicherheitsbeschränkungen gezielt gelockert sind. Anthropic war schneller: Claude Mythos Preview fand im Test zuvor unbekannte Schwachstellen im Linux-Kernel und verknüpfte sie zu funktionierenden Exploits, die einem Angreifer volle Systemkontrolle ermöglichen würden. Der Zugang ist eng – lediglich zwölf Gründungspartner, darunter AWS, Apple, Microsoft und Google, sowie rund 40 weitere Organisationen kritischer Infrastruktur erhalten Zugriff im Rahmen von Anthropics Projekt Glasswing.
OpenAI konterte wenige Tage später mit GPT-5.4-Cyber: ähnliche Fähigkeiten, andere Philosophie. Während Anthropic auf extreme Selektion setzt, rollt OpenAI sein Modell über ein „Trusted Access for Cyber“-Programm an tausende geprüfte Sicherheitsteams aus. Binary Reverse Engineering, Schwachstellenanalyse, Exploit-Entwicklung für defensive Zwecke – der Unterschied liegt im Verteilergrad. Wer hat recht? Zu früh zu sagen. Sicher ist nur: KI-gestützte Offensivfähigkeiten sind kein theoretisches Zukunftsszenario mehr. Sie sind verfügbar – die Frage ist nur, für wen.
Meta macht die 180-Grad-Wende
Jahrelang war Metas KI-Strategie in einem Satz zusammengefasst: Open Source, immer. Llama war die strategische Antwort auf den Vormarsch proprietärer Modelle. Am 5. April lieferte Meta erneut ab: Llama 4 Scout und Maverick – Letzteres ein 400-Milliarden-Parameter-Modell, das GPT-4o und Gemini 2.0 Flash bei mehreren Benchmarks mit weniger als halb so vielen aktiven Parametern übertrifft. Nativ multimodal, open source, beeindruckend effizient.
Und dann, nur drei Tage später: Meta launcht Muse Spark – das erste proprietäre KI-Modell des Konzerns überhaupt. Eine Kehrtwende, die in der Branche für Aufsehen sorgte. Die wahrscheinlichste Erklärung: Open Source ist ideal für Plattformstrategie und Ökosystem-Aufbau. Für bestimmte kommerzielle Dienste braucht man jedoch ein Modell, über das man vollständige Kontrolle behält. Meta versucht jetzt beides gleichzeitig – es wird interessant zu beobachten sein, ob diese Doppelstrategie aufgeht oder ob sie intern zu Spannungen führt.
KI-Agenten gehen in Produktion – ernsthaft diesmal
Jedes Jahr heißt es, jetzt kämen die KI-Agenten wirklich. Dieses Mal gibt es Zahlen: 65 Prozent der Unternehmen erproben laut aktuellen Befragungen aktiv KI-Agenten in ihren Abläufen. Und was entscheidend ist: die Systeme verlassen die Sandbox. Computer-Use ist inzwischen Standard – Modelle bedienen echte Software-Interfaces, nicht nur Text-APIs. OpenAIs Agents SDK erhielt ein größeres Update mit konfigurierbarem Memory, nativen Sandbox-Ausführungsumgebungen und Snapshot-Funktionen für robuste, langlebige Agent-Workflows. Das Model Context Protocol (MCP) der Linux Foundation überschritt im März die Marke von 97 Millionen Installationen.
Was sich verändert hat: Es geht nicht mehr darum, ob Agenten funktionieren. Es geht darum, wie man sie verlässlich in laufende Prozesse einbettet – mit Rollbacks, Auditierbarkeit und klaren Eskalationspfaden. Den Agenten zu bauen ist das Einfachere. Ihn sechs Monate später noch stabil zu betreiben – das ist die eigentliche Aufgabe.
Was das für Unternehmen bedeutet
Genau das ist die Verschiebung, die sich gerade vollzieht: nicht mehr ob KI-Agenten einsetzbar sind, sondern wie man sie so implementiert, dass sie dauerhaft laufen – in echten Workflows, mit echter IT-Infrastruktur, ohne Technologiebruch. Diesen Übergang vom Proof-of-Concept zur betrieblichen Realität begleitet neothink bei Unternehmen, die nicht auf die nächste Keynote warten wollen.