💾 Google verbessert KI-Gedächtnis deutlich
PLUS: 4 weitere Stories, wöchentliche Shorts & Tipps sowie KI-Ranking
Jannik Schaefer & Team von KI WEEKLY
27. Mär • Lesezeit: 7 Minuten
Guten Abend, 🌙
eine Woche ist vergangen, und KI WEEKLY+ hält Dich auf dem neuesten Stand der KI-Welt.
In dieser Ausgabe
KI-Tools der Woche
🚀 Claude - Jetzt mit Cowork-Projekten, Claude-Code-Kanälen und Dispatch
🦞 NemoClaw - Nvidias Open-Source-Sicherheitsschicht für OpenClaw-Agenten
💼 Dynamic Workers - Cloudflares Sandbox für die Ausführung von KI-Agent-Code in großem Maßstab
🎶 Lyria 3 Pro - Googles verbessertes KI-Musikmodell mit längeren Musikstücken
💬 Voxtral TTS - Mistrals KI zur Stimmklonung für mehrsprachige Sprachassistenten
01
🚀 Anthropic bringt Fernsteuerung für den Computer
Bildquelle: Anthropic
Anthropic hat eine Research Preview veröffentlicht, die Claude direkten Zugriff auf deinen Desktop gibt und es ihm ermöglicht, auf deinem Mac zu klicken, zu tippen und sich durch Anwendungen zu bewegen, während du nicht am Rechner bist, inklusive Aufgabenverteilung per Smartphone über „Dispatch“.
Die Details:
Das neu veröffentlichte Dispatch erweitert das Setup um eine Remote-Komponente, sodass du Aufgaben vom Smartphone aus starten kannst und Claude sie selbstständig auf deinem Computer ausführt.
Das System ist so konzipiert, dass es Bildschirmsteuerung möglichst vermeidet und zunächst prüft, ob direkte App-Integrationen (wie Konnektoren und Skills) oder Browserzugriff möglich sind, bevor es tatsächlich klickt.
Die Funktion ist aktuell nur für macOS-Nutzer mit Pro- oder Max-Abonnement verfügbar und kann über Cowork sowie Claude Code genutzt werden, während eine Windows-Version bereits in Entwicklung ist.
Anthropic hat im Februar das Computer-Use-Startup Vercept übernommen, und die jetzige Veröffentlichung ist das erste Produkt des Teams nach nur vier Wochen.
Warum das wichtig ist: Die Entwicklung verschiebt den Ort, an dem Arbeit stattfindet, weg vom Gerät hin zu einem delegierbaren Prozess. Wenn Aufgaben vom Smartphone angestoßen und im Hintergrund auf dem Rechner erledigt werden, wird der Laptop selbst zunehmend austauschbar. Gleichzeitig zeigt Anthropic, dass sie nach Rückschlägen wie dem Verlust von OpenClaw an OpenAI schnell wieder aufbauen und konkrete Produktfortschritte liefern. Es wird klar, dass sich hier ein eigenständiger, fernsteuerbarer Agent formt, der nicht nur unterstützt, sondern eigenständig handelt.
02
❌ OpenAI stellt Video-KI Sora ein
Bildquelle: The Rundown
OpenAI stellt seinen KI-Videogenerator Sora ein, um Rechenkapazitäten für „Spud“ freizumachen, das nächste große Modell des Unternehmens, das laut Sam Altman in wenigen Wochen bereit sein soll, während sich Prioritäten und Rollen im Wettbewerb mit Anthropic weiter verschieben.
Die Details:
Altman soll intern angekündigt haben, dass OpenAI alle Videoprodukte, einschließlich der mobilen App und API, einstellen wird. Mitarbeitende haben Sora als Belastung für Ressourcen bezeichnet.
Die frei werdende Rechenleistung wird in „Spud“ investiert, das nächste große Modell von OpenAI, das in den kommenden Wochen erwartet wird und laut Altman das Potenzial hat, Wertschöpfungsketten deutlich zu beschleunigen.
Sora-Leiter Bill Peebles erklärte, dass sich das Team künftig auf „World Simulation“ für Robotik konzentrieren wird, mit dem Ziel, die physische Wirtschaft zu automatisieren.
Auch die im Dezember verkündete Partnerschaft sowie die Investition von einer Milliarde Dollar durch Disney liegen damit auf Eis, nachdem der Medienkonzern ursprünglich zugestimmt hatte, seine Inhalte für Sora bereitzustellen.
Zudem verlagert Altman Berichten zufolge die Verantwortung für Sicherheit unter Mark Chen, während die Abteilung von Fidji Simo in „AGI Deployment“ umbenannt wird.
Warum das wichtig ist: Die Entscheidung zeigt, wie kompromisslos OpenAI aktuell Ressourcen bündelt und Nebenprojekte konsequent streicht, wenn sie nicht direkt zum strategischen Kern beitragen. Video galt lange als sichtbares Zukunftsfeld, wird hier aber klar hinter leistungsstärkeren Modellen zurückgestellt. Gleichzeitig deutet die Fokussierung auf Simulation und Robotik darauf hin, dass der nächste Wettbewerb nicht nur im digitalen Raum stattfindet. Der kommende Release wird deshalb weniger ein Feature-Update sein als ein Signal, wohin sich das Unternehmen strukturell bewegt.
03
📱 Apple testet eigenständige Siri-App und Chatbot
Bildquelle: Apple
Apple arbeitet laut Bloomberg-Insider Mark Gurman an einer eigenständigen Siri-App sowie an einer neuen Chatbot-Erfahrung namens „Ask Siri“, die beide mit dem nächsten großen Softwareupdate iOS 27 auf der WWDC im Juni vorgestellt werden sollen.
Die Details:
Gurman zufolge erhält Siri erstmals eine eigene App mit überarbeiteter Oberfläche, die sowohl Texteingaben als auch gesprochene Anfragen ermöglicht.
Der Assistent soll Inhalte aus iMessage, E-Mails und Notizen auswerten, um Kontext aufzubauen, und gleichzeitig in der Lage sein, direkt Aktionen in Drittanbieter-Apps auszuführen.
Apple positioniert die neue Erfahrung unter dem Namen „Ask Siri“ und rückt damit stärker in Richtung eines Chatbot-ähnlichen Dialogs statt der bisherigen, eher starren Sprachbefehle.
Der vollständige Rollout wird zur WWDC am 8. Juni erwartet und ist Teil von iOS 27 sowie macOS 27, nachdem „Apple Intelligence“ im vergangenen Jahr auf verhaltene Resonanz gestoßen ist.
Warum das wichtig ist: Apple steht unter Druck, Siri grundlegend neu zu definieren, bevor Nutzer dauerhaft zu Alternativen wie ChatGPT oder Claude abwandern. Der Schritt hin zu einer eigenständigen App und einem kontextbewussten Chat deutet darauf hin, dass Apple das Interface selbst neu denkt und nicht nur einzelne Funktionen ergänzt. Gleichzeitig bleibt Skepsis angebracht, da die Diskrepanz zwischen Ankündigung und tatsächlicher Nutzung zuletzt deutlich war. Die WWDC im Juni wird damit zu einem entscheidenden Moment für Apples Rolle im KI-Alltag.
04
🧐 Neuer KI-Test bringt alle Top-Modelle an ihre Grenzen
Bildquelle: ARC Prize Foundation
Die ARC Prize Foundation von François Chollet hat mit „ARC-AGI-3” eine neue Version ihres interaktiven Reasoning-Benchmarks veröffentlicht. Während Menschen alle Aufgaben sofort lösen können, erzielen selbst die besten KI-Modelle kaum Fortschritte und erreichen nicht einmal ein Prozent.
Die Details:
Unternehmen haben Millionen investiert, um Modelle auf früheren Versionen des Tests zu trainieren. Dadurch sind die Ergebnisse bei ARC-AGI-2 innerhalb eines Jahres von drei auf rund 50 Prozent gestiegen.
Die Aufgaben sind wie Spiele aufgebaut und kommen ohne jegliche Anleitung aus. Agenten müssen daher eigenständig Regeln erkennen, Ziele formulieren und Strategien entwickeln.
Unter den führenden Modellen erreicht Googles Gemini Pro mit 0,37 Prozent den besten Wert, gefolgt von GPT 5.4 High mit 0,26 Prozent, Opus 4.6 mit 0,25 Prozent und Grok-4.20 mit 0 Prozent.
Es wird jedoch zunehmend schwieriger, Tests zu entwerfen, die für KI-Modelle tatsächlich schwer zu lösen sind. An die Herausforderung ist ein Preisgeld von einer Million Dollar gekoppelt. Mitgründer Mike Knoop berichtet, dass führende Labs der neuen Version deutlich mehr Aufmerksamkeit schenken als ihren Vorgängern.
Warum das wichtig ist: Der Test zeigt sehr deutlich, wie groß die Lücke zwischen Mustererkennung und echtem (menschlichem) Problemlösen noch ist. Gleichzeitig legen frühere Versionen nahe, dass Fortschritte oft schneller erzielt werden, als es zunächst den Anschein hat, wodurch die aktuelle Schwäche relativiert wird. Entscheidend ist dabei weniger der Score als die Frage, ob Modelle wirklich neue Strategien entwickeln oder nur stärker optimierte Trainingsmethoden nutzen. Genau an dieser Grenze setzt ARC-AGI-3 an.
Du kannst den Test selbst hier ausprobieren.
05
💾 Google verbessert KI-Gedächtnis deutlich
Bildquelle: Google
Google Research hat mit TurboQuant einen neuen Ansatz vorgestellt, der das „Gedächtnis“ von KI-Modellen massiv effizienter macht, ohne dass sie neu trainiert werden müssen und ohne merkliche Qualitätsverluste, während gleichzeitig enorme Geschwindigkeitsgewinne erzielt werden.
Die Details:
KI-Modelle merken sich den Verlauf von Gesprächen, und je länger diese werden, desto mehr Kontext müssen sie im Hintergrund verarbeiten, was Antworten verlangsamt und Kosten steigen lässt.
TurboQuant reduziert diesen Kontextaufwand um mehr als das Sechsfache, ohne dass die Qualität leidet, selbst wenn wichtige Informationen tief in langen Texten versteckt sind.
Auf Nvidias H100-Chips (verwendet für KI-Modelle) beschleunigt der Ansatz die Verarbeitung um bis zu das Achtfache im Vergleich zu bisherigen Methoden, ohne zusätzliche Kosten zu verursachen.
Die Methode schlägt außerdem bestehende Verfahren bei der sogenannten Vektorsuche, also dem schnellen Finden ähnlicher Inhalte, deutlich.
Warum das wichtig ist: Das eigentliche Problem bei moderner KI ist nicht nur die Intelligenz, sondern wie viel Kontext sie gleichzeitig verarbeiten kann, ohne langsam oder teuer zu werden. Wenn Modelle denselben Gesprächsverlauf mit deutlich weniger Aufwand verstehen, werden viele Anwendungen plötzlich skalierbar. Das verändert, wer langfristig gewinnt, nämlich nicht unbedingt die mit den größten Modellen, sondern die mit der effizientesten Umsetzung.
