Moin AInauten,

Willkommen zur neuen Ausgabe deines Lieblingsnewsletters!

Heute blinken gleich drei Warnlampen im AI-Cockpit: OpenAIs neue Superapp will näher an deine tägliche Arbeit. Claude schreibt seine Updates fast schon selbst und das Management denkt, dass man auf die Bremse treten sollte (aber nicht kann…).

Wir merken hingegen bei harmlosen Infografiken, dass der beste AI-Workflow ganz simpel sein kann - und teilen das mit dir. Und: Guten Montagmorgen erstmal 😄!

Das haben wir heute für dich im Gepäck:

Los geht’s!

Vor ein paar Wochen hatten wir vollmundig angekündigt: Die AI-Superapp ist da! Aus unserer Sicht war das auch so, denn es ging dabei um die Codex-App von OpenAI.

Die hat sich rasch weg vom reinen Coding-Tool hin zur allgemeinen Arbeitsoberfläche entwickelt. Aus dem Power-User-Spielzeug für Hobby-Entwickler wird ein umfassendes Produkt für die Schreibtischtäter im Office, pardon: die Knowledge-Worker-Fraktion. Wir arbeiten oft im Tandem mit Claude Code/Cowork und Codex.

"Chat is dead", meint ein OpenAI-Mitarbeiter lapidar. Das ist medienwirksam, aber die Begründung nachvollziehbar: Chat gibt Antworten, Codex und Agents erledigen Arbeit.

Nachdem lange darüber spekuliert wurde, hat OpenAI nun offiziell bestätigt, dass es eine neue ChatGPT-Superapp geben wird, welche alles Bestehende zusammen bringt.

Die Erklärung hinter dem Ganzen: Eine App, die Agents, Coding-Tools und Dritt-Apps vereint, bringt mehr zahlende Kunden als der klassische Chatbot. (Das stimmt, wenn wir unsere eigene Nutzung anschauen: früher haben wir $20 für ChatGPT bezahlt, jetzt reizen wir den $200-Pro-Plan aus, damit die Agenten fleißig für uns arbeiten können).

Der Umbau soll in den nächsten Wochen auf dem Desktop, Mobile und im Browser vonstatten gehen und sich tiefer in die Tool-Landschaft integrieren.

Das ist der Frühlingsputz, den alle großen AI-Labs gerade versuchen: Du springst seltener zwischen Tabs. Stattdessen hält der Agent den Arbeitszustand zusammen.

Codex ist seit dem Desktop-App-Launch im Februar auf mehr als 5 Millionen wöchentliche Nutzer gewachsen - und die Mehrheit der Codex-Nutzer zahlt (heißt im Umkehrschluss: ja, du kannst Codex auch installieren und mit dem kostenlosen Abo antesten - empfehlen wir sehr).

Gleichzeitig machen 2 Millionen Business-Kunden rund 40 Prozent von OpenAIs Umsatz aus, Tendenz steigend. Das macht deutlich, warum Codex plötzlich nicht mehr in der Nerd-Ecke liegt, sondern front-and-center ist. Es ist der Teil, für den Kunden eher zahlen.

OpenAI verschiebt seine Ressourcen Richtung Enterprise und Codex, wobei der Druck nicht zuletzt aus der Ecke von Anthropic kommt, die sich ein immer größeres Stück vom Business-Kuchen abschneiden.

ChatGPT wird zur Eingangstür, um Nutzer stärker in Richtung Agents, Coding und Partner-Apps wie Canva und Co. zu schieben.

Früher haben wir darüber diskutiert, welches Modell am besten ist. Heute sagst du einfach: "Bereite das Kundenmeeting vor." Im besten Fall zieht der Agent Slack, Dokumente, CRM, Kalender, frühere Entscheidungen und offene Tickets zusammen.

Danach bekommst du einen Briefing-Hub als Codex-Site, eine saubere Folienschlacht im Corporate Design, offene Fragen als Talking Points und ein paar High-Level-Entscheidungspunkte, wo du noch Feedback geben musst.

Es gibt auch fast täglich starke Updates - hier die Kurzfassung, was alles neu ist:

Ein neuer Clip von OpenAI hyped Codex auf jeden Fall massiv. Wir waren zuerst nicht ganz sicher, ob wir aus Versehen auf den Trailer für einen neuen Hollywood-Schinken geklickt haben…

Klingt alles super oder? Ist es auch. Aber du musst dir über den einen Haken bewusst sein. Damit OpenAI im Hintergrund für dich arbeiten kann, braucht es Zugriff: Dateien, Apps, Memory, Workspace-Daten, Freigaben, lokale Rechnerzustände, ...

Das ist bequem. Aber die Speerspitze im AI-Alltag ist gleichzeitig auch die nächste Datenkrake.

Für viele Nutzer und Teams ist das völlig okay. Gerade mit Business-, Enterprise- oder AWS-Anbindung kann man Governance sauberer regeln. Für einiger Berufsgruppen und Leute mit sensiblen Daten bleibt die Frage: Welcher Kontext darf wirklich in die OpenAI-Schicht landen?

Google ist kein Privacy-Heiliger und hat genau die gleichen Ansprüche an den Aufbau von Kontext. Aber sie bieten auch eine Alternative für mehr lokale Hoheit, weniger Plattformbindung und weniger Datenabfluss: zum Beispiel das neue Gemma 4 12B. Es ist ein offenes, multimodales Modell, das auf Laptops mit 16 GB Speicher laufen soll und Text, Bild, Audio und Video verarbeiten kann (siehe auch unser Offline-Setup hier).

OpenAI wird gerade extrem nützlich, weil die einzelnen Features zusammenrücken. ChatGPT wird Oberfläche. Codex wird Arbeiter. Memory wird der Layer im Hintergrund. Apps sind die Werkzeugkiste und Sites bald die Review-Oberfläche.

Nutze das! Aber verheirate dich nicht blind damit. Unser Files-over-Tools-Deep-Dive geht genau darauf ein: hole die Daten aus den Chats raus!

Denn solange dein Projektbriefing, dein Stil, deine Rules, deine Entscheidungen und deine Prompts in eigenen Dateien auf deiner Kiste liegen, bist du flexibel.

Du kannst OpenAI nutzen, solange OpenAI vorne liegt. Oder du kannst wechseln, wenn lokal, Claude, Gemini, Gemma oder ein anderes Tool deinen nächsten Job besser erledigt.

Und wenn du sogar mit allen Modellen gleichzeitig arbeiten willst, dann komm einfach in unsere AI Automation Community und lerne mit Gleichgesinnten die Best Practices (das brandneue AI Mitarbeiter Training ist übrigens seit letzter Woche auch komplett in der Community verfügbar).

Ein lokales Modell gibt dir Kontrolle, aber nicht die polierte OpenAI-Integration aus ChatGPT, Codex, Apps, Workspace Agents, AWS und Memory.

Was für dich am besten passt, kannst du selbst entscheiden.

Wenn du heute nur 10 Minuten hast, mach diese Mini-Prüfung: Wo liegt der Kontext, ohne den deine AI-Arbeit nicht funktioniert?

Wenn die Antwort "in ChatGPT" lautet, zieh die wichtigsten Teile raus: Projektbriefing, Stilregeln, Kundengrenzen, Freigaberegeln, Prompts, Beispiele. Du kannst dafür zum Beispiel den /handoff-Prompt von hier nutzen.

Wenn du die Hoheit über deine Daten hast, wird die Superapp zu einem mächtigen Werkzeug, ohne gleich ein geschlossenes Betriebssystem zu sein. Denn Betriebssysteme wechselt man selten aus Spaß…

Stell dir ein Schachbrett vor. Auf das erste Feld legst du ein Reiskorn. Auf das zweite zwei. Auf das dritte vier. Dann acht, sechzehn, zweiunddreißig. Du kennst das Spiel.

Am Anfang wirkt das harmlos. Nach zehn Feldern sind es 512 Körner. Nach zwanzig Feldern gut eine halbe Million. Noch greifbar. Dann kippt die Sache aber schnell. Auf Feld 64 landen wir bei rund 18 Trillionen Körnern.

Und genau das wollten wir damit illustrieren: Was in Kürze im Bereich der AI passieren wird, ist nicht mehr fassbar!

Denn was passiert, wenn AI Aufgaben erledigt und gleichzeitig den Prozess verbessert, mit dem die nächste AI gebaut wird? We don’t know…

Anthropic hat in einem neuen Beitrag mit dem Titel “When AI builds itself” genau diesen Punkt auf den Tisch gelegt. Es lohnt, sich das selbst zu lesen und nicht nur aus zweiter Hand zu verdauen.

Claude schreibt intern laut Anthropic inzwischen mehr als 80 Prozent des Codes, der in die eigene Codebasis integriert wird. In einer Optimierungsaufgabe soll Claude Code menschliche Lösungen um den Faktor 52 beschleunigt haben.

Man könnte auch sagen: Claude schreibt sich zum großen Teil selbst. Und kann auch immer länger autonom arbeiten - Stunden, Tage, bald Wochen…

Die Maschine baut sich zwar noch nicht vollständig autonom. Aber allzu viel fehlt nicht mehr. Und hier offenbart sich der Unterschied zwischen einem Werkzeug und einem Kreislauf.

Anthropic ist mit der Sorge um diese Entwicklung nicht allein. OpenAI hat im Frontier Safety Blueprint selbst auf frühe Anzeichen rekursiver Verbesserung verwiesen und Google DeepMind hat AlphaEvolve bereits für die automatische Optimierung von Rechenzentren, Chipdesign und AI-Training genutzt - also genau dort, wo bessere Algorithmen die nächste AI-Generation effizienter machen.

Ein Werkzeug macht Arbeit schneller. Ein Kreislauf macht die nächste Generation des Werkzeugs besser. Wenn dieser Kreislauf stabiler wird, sprechen Forscher von "Recursive Self-Improvement": AI hilft beim Entwurf, Training, Testen und Verbessern ihrer eigenen Nachfolger. A loop is a loop is a loop …

Ja, klingt abstrakt und akademisch. In der Praxis wird es aber schnell konkret.

Ein Team hat plötzlich mehr Content, Code, Experimente, Tools, Auswertungen, Erkenntnisse und Ideen, als Menschen allein sauber verarbeiten können.

Und irgendwann jetzt ist die knappe Ressource nicht mehr das Ideengeben, sondern das Entscheiden. Gefühlt kämpfen wir in unserem kleinen Mikrokosmos bereits mit genau diesem Thema…

Anthropic skizziert drei Szenarien.

1. Der glatte Beschleuniger: AI macht Forschung schneller, aber Menschen behalten Ziele, Tests und Entscheidungen in der Hand. Das wäre die wohl angenehmste Version der Zukunft.

2. Der Maschinenkreislauf: AI automatisiert immer größere Teile der AI-Entwicklung. Bessere Systeme bauen bessere Forschungswerkzeuge, und diese Werkzeuge bauen wieder bessere Systeme.

3. Die Realität bremst: Compute, Energie, Daten, Organisation, Sicherheit oder menschliches Urteil bleiben echte Engpässe. Fortschritt bleibt schnell, aber nicht explosionsartig.

Wir müssen heute nicht wissen, welches Szenario stimmt. Schon die mildeste Variante verändert die Wirtschaft massiv. Und die Alternativen sind zu wichtig, um erst dann ernsthaft darüber zu diskutieren, wenn sie offensichtlich werden.

Die Entwicklung geht gerade so schnell vonstatten, dass Anthropic allen Ernstes sagt, dass es gut wäre, auf die Bremse zu treten… und deshalb die Option einer globalen Entwicklungspause ins Spiel bringt.

Die Idee ist nachvollziehbar: Wenn Frontier-Modelle Fähigkeiten zeigen, die niemand mehr sauber kontrollieren kann, sollte die Welt bremsen können. Nur funktioniert so eine Pause nicht wie ein Meetingbeschluss…

Machen wir uns nichts vor: AI ist längst nicht einfach nur Technologie. Es ist Big Business, nationale Sicherheit, Wissenschaft, Militär, Prestige und Infrastruktur. Das weiß auch Anthropic.

Das kann nur funktionieren, wenn die großen Labore vorangehen, wenn Staaten mitziehen, wenn die USA, Europa und China genug Vertrauen, Überprüfung und Eigeninteresse teilen, um nicht heimlich weiterzurennen. LOL… In den heutigen Konstellationen sehen wir schwarz, dass so etwas passiert.

Bestes Beispiel war die Pause-Petition von 2023: trotz prominenter Namen ist praktisch nichts passiert. Und jetzt sind die Stakes noch viel höher.

Erinnerst du dich noch an die Prognose “AI 2027”, die im April 2025 von sich reden gemacht hat?

Da wurde genau dieses Szenario beschrieben: Erst helfen AI-Agenten beim Coden. Dann helfen sie bei der AI-Forschung. Dann entsteht ein Wettrennen, bei dem Firmen und Staaten immer weniger Zeit haben, die eigenen Systeme wirklich zu verstehen. Klingt sehr genau nach dem, was aktuell passiert.

Wichtig dabei: Das ist keine absolute Prophezeiung. Wir wissen nicht, ob das so eintreten wird. Aber wir empfehlen dir sehr, mal dieses halbstündige Video anzusehen.

Die Prognosen von “AI 2027” sind inzwischen ein nützlicher Vergleichsmaßstab. In Fachkreisen diskutiert man, ob reale Signale schneller oder langsamer laufen als erwartet.

In der Diskussion um die automatische Selbstverbesserung der AI haben auch die AI-Doomer Eliezer Yudkowsky und Nate Soares eine Stimme verdient.

Mit ihrem Buch "If Anyone Builds It, Everyone Dies" leisten sie einen super wichtigen Beitrag und vertreten darin die härteste Position: Wenn jemand eine wirklich übermenschliche AI mit heutigen Methoden baut, endet das katastrophal. Wir haben hier darüber berichtet.

Wir übernehmen diese Gewissheit zwar nicht einfach so, dafür finden wir die Welt zu komplex.

Aber die Kernfrage hallt sehr wohl nach und beschäftigt uns in stillen Stunden: Warum glauben wir, dass ein immer besseres, schnelleres, strategischeres System dauerhaft in den Grenzen bleibt, die Menschen ihm setzen? Und was ist, wenn Menschen diese Grenzen bewusst aushebeln?

Eine befriedigende Antwort haben wir nicht ... und dieses Video führt sehr anschaulich vor Augen, was alles schief laufen könnte. Ughhh…

Wir schreiben das hier nicht, um Panik zu machen oder weil wir vorgeben zu wissen, wie die nächsten zwei Jahre aussehen werden. Tun wir nicht.

Vielleicht bleibt alles langsamer, als AI 2027 vermutet. Vielleicht greifen technische Grenzen. Vielleicht werden Safety-Methoden besser. Vielleicht unterschätzen wir aber auch, wie schnell sich kleine Verbesserungen stapeln. Vielleicht, vielleicht, vielleicht…

Was wir ziemlich sicher sagen können: Die Entwicklung wird nicht langsamer, nur weil unser Bauchgefühl lineare Kurven lieber mag. Und sie wird nicht ungefährlich, nur weil die Tools nützlich sind. Genau das Gegenteil ist der Fall.

Wir können nur uns selbst und unserem Credo treu sein: Offen bleiben. Viel ausprobieren. Eigene Arbeitsprozesse umbauen. Ergebnisse hart prüfen. Politische und gesellschaftliche Fragen ernst nehmen. Und bei allem Fortschrittsoptimismus eine gesunde Portion Respekt behalten.

Unser aller Job ist es, nicht erst auf Feld 60 zu merken, dass das Schachbrett fast voll ist…

Stefan hat uns letzte Woche auf einen nervigen Punkt aufmerksam gemacht: Unsere NotebookLM-Infografiken sehen gut aus, aber einzelne deutsche Labels haben manchmal kleinere Fehler im Text.

Sein Tipp: “Pixelfehler” im Prompt verbieten. Hat zwar ein bisschen geholfen, aber das Problem nicht vollständig gelöst.

Bislang war unser Ansatz, den konkreten Text für die NotebookLM-Grafik bereits mit dem Designkonzept zusammen zur Verfügung zu stellen (wir nutzen dafür die inoffizielle NotebookLM CLI / MCP). Aber das war ja offensichtlich auch nicht der Weisheit letzter Schluss…

Unser neuer Workaround: NotebookLM baut weiter die Grafik (uns gefällt der Stil). Danach schicken wir das fertige PNG einmal durch GPT Images 2.0 und lassen den Text fixen und das NotebookLM-Logo entfernen. Et voilà, geht doch!

Übrigens: GPT-Image-2 liegt in der Text-to-Image Arena weiter auf Platz 1. Und das trotz frischer Konkurrenz: Reve 2.0 ist direkt auf Platz 2 eingestiegen, Microsofts MAI-Image-2.5 liegt aktuell auf Platz 4, und das neue Ideogram 4 ist als offenes Designmodell ebenfalls in den Top 10. Der Bildbereich wird gerade wieder ordentlich aufgemischt.

Heute Abend bauen wir dann auch noch den Skill sauber, um damit das direkt von den Agents übernommen wird. Wegen Automatisierung und so. Manchmal sind es die kleinen Hacks, die einem Genugtuung verschaffen 😄...

Geschafft! Bis zur nächsten Ausgabe.

Reto & Fabian von den AInauten