OpenAI hat vertraulich einen S-1-Antrag bei der SEC eingereicht und damit den ersten Schritt Richtung Börsengang gemacht. Einen konkreten Zeitplan gibt es nicht, das Unternehmen spricht von einer komplizierten Abwägung“. Auch Konkurrent Anthropic hat kürzlich Börsenpapiere eingereicht, was den Zeitdruck erhöhen dürfte.
Der Artikel OpenAI macht ersten Schritt Richtung Börsengang, spricht aber von einer „komplizierten Abwägung“ erschien zuerst auf The Decoder.
GPT-Images-2.0
Kurzfassung
▾
Quellen
▾
OpenAI hat einen vertraulichen Entwurf für einen Börsengang bei der US-Börsenaufsicht SEC eingereicht.
Der Schritt erfolgt kurz nach der Ankündigung des Hauptkonkurrenten Anthropic und soll dringend benötigtes Kapital sichern.
Extrem hohe Betriebskosten für zukünftige KI-Modelle und neue Rechenzentren treiben das Unternehmen zu diesem strategischen Schritt.
Auf dem Aktienmarkt kündigt sich damit ein historischer Dreikampf zwischen OpenAI, Anthropic und SpaceX an.
OpenAI Blog – Confidential submission of draft S-1 to the SEC
OpenAI hat bei der US-Börsenaufsicht SEC einen vertraulichen Entwurf für einen Börsengang eingereicht. Dieser Schritt erfolgt nur eine Woche nach der Ankündigung des Konkurrenten Anthropic und verschärft das Rennen um frisches Kapital. Hoher Finanzbedarf treibt den Zeitplan Die vertrauliche Einreichung des sogenannten »S-1-Formulars« erlaubt es OpenAI, die Vorbereitungen für den Börsengang ohne sofortige Offenlegung von Geschäftsberichten zu starten. Dieser Schritt wird vor allem durch die enormen Kosten für die Entwicklung zukünftiger Modelle vorangetrieben. Zwar konnte das Unternehmen erst im März dieses Jahres eine Finanzierungsrunde über 122 Milliarden US-Dollar abschließen. Prognosen des Wall Street Journal zufolge wird das Unternehmen aber eine Summe in dieser enormen Größenordnung allein im Jahr 2028 für Rechenleistung aufwenden müssen. Finanzchefin Sarah Friar äußerte bereits Bedenken, ob die Einnahmen die Ausgaben für neue Rechenzentren decken können. Für das Jahr 2028 rechnet das Management mit einem Verlust von 85 Milliarden US-Dollar. Ein positiver Cashflow wird intern erst für das Jahr 2030 erwartet. Anzeige Ein Trio für historische Börsendebüts Mit seinen konkreten Börsenplänen steht OpenAI nicht alleine da. Neben dem Konkurrenten Anthropic plant auch das Raumfahrtunternehmen SpaceX von Elon Musk ein baldiges Debüt auf dem Aktienmarkt. SpaceX wird derzeit mit rund 1,75 Billionen US-Dollar bewertet und dürfte als erstes der drei Schwergewichte an die Börse gehen. Anthropic zog kürzlich auf dem Zweitmarkt mit einer Bewertung von einer Billion US-Dollar an OpenAI vorbei – getrieben durch ein massives Wachstum von 123 Prozent seit Jahresbeginn, während OpenAI laut dem NYSE OpenVC 500 Index zuletzt bei rund 880 Milliarden US-Dollar bewertet wurde. Branchenkenner vermuten ein enges Rennen um das Kapital der Anleger. Wer zuerst an die Börse geht, könnte sich den größten Anteil des Investitionskapitals sichern. Interne Hürden und juristische Konflikte Die Pläne für den Börsengang fallen in eine Phase anhaltender rechtlicher und interner Auseinandersetzungen. Neben verschiedenen Klagen wegen mutmaßlich schädlicher Inhalte für Minderjährige belastete zuletzt vor allem ein Rechtsstreit mit Mitgründer Elon Musk das Image des Unternehmens. Musk warf dem Management vor, das ursprüngliche Versprechen der Gemeinnützigkeit gebrochen zu haben. Die Klage wurde jedoch aufgrund von Verjährung abgewiesen. Trotz dieser Turbulenzen verweist OpenAI auf eine starke Marktposition mit rund 900 Millionen wöchentlich aktiven Nutzern. Der geplante Gang an die Börse wird zeigen, ob das Geschäftsmodell den hohen Erwartungen der Investoren dauerhaft standhalten kann.
GPT-Images-2.0
Kurzfassung
▾
Quellen
▾
Die Suche nach Schwachstellen im Code durch KI-Modelle ist mittlerweile effizient und hochgradig skalierbar.
Der tatsächliche Arbeitsaufwand hat sich auf die Verifizierung, Priorisierung und Behebung der gefundenen Fehler verlagert.
Ein mehrstufiger Prozess mit voneinander unabhängigen KI-Agenten reduziert falsche Alarme deutlich.
Modelle wie Claude Opus übernehmen am Ende des Ablaufs auch die Erstellung und Prüfung der finalen Patches.
Anthropic: Using LLMs to secure source code
Die KI-gestützte Suche nach Sicherheitslücken im Quellcode ist extrem schnell geworden. Der Engpass liegt nun bei der Überprüfung, Priorisierung und Behebung der Fehler. Anthropic zeigt in sechs Schritten, was sich bewährt hat. Schritt 1: Bedrohungsmodell präzise definieren Bevor eine KI den Quellcode effektiv prüfen kann, muss das Entwicklungsteam zwingend festlegen, was überhaupt eine Schwachstelle darstellt. Ohne ein exaktes Bedrohungsmodell schlägt das System bei harmlosen Vorgängen Alarm oder übersieht echte Lücken. Entwickler können fortschrittliche Modelle wie Claude Opus direkt mit vorhandenen Architekturdokumenten, Handbüchern und alten Fehlerberichten füttern. Die KI erstellt daraus völlig selbstständig einen detaillierten, strukturierten Rahmen. Dieser dokumentiert klar die tatsächlichen Vertrauensgrenzen und die relevanten Angriffsvektoren des spezifischen Projekts, wodurch den Entwicklern enorm viel Zeit bei der manuellen Konzeption gespart wird. + Quelle: Anthropic Schritt 2: Isolierte Testumgebung aufbauen Damit KI-Agenten autonome Tests gefahrlos durchführen können, benötigen sie eine streng abgeschottete Sandbox. Eine strikt isolierte Umgebung, wie beispielsweise eine MicroVM mit gesperrtem Netzwerkzugriff, verhindert zuverlässig, dass die Modelle versehentlich auf produktive Firmendaten zugreifen. Innerhalb dieser sicheren Testumgebung versucht die KI dann für jede entdeckte Lücke einen voll funktionsfähigen Exploit zu kompilieren. Anzeige Schritt 3: Suche nach Fehlern im Code Bei der reinen Suche nach Schwachstellen arbeiten KI-Modelle am effizientesten mit kurzen, offenen Prompts. Zu detaillierte Checklisten schränken die Analysefähigkeiten ein und führen messbar zu weniger neuen Funden. Der KI-Agent greift stattdessen auf etablierte Scanner zurück, um den Code eigenständig zu durchforsten. Dabei unterteilt er das Projekt in kleine Abschnitte und sucht gezielt nach Lücken. Schritt 4: Unabhängige Verifizierung der Funde Nach der erfolgreichen Suche folgt zwingend eine Kontrolle durch einen zweiten KI-Agenten. Dieser Prüfer muss strikt vom ersten Modell getrennt sein und startet in einer komplett frischen Umgebung ohne Zugriff auf den bisherigen Chatverlauf. Der Verifizierungs-Agent arbeitet extrem kritisch und geht standardmäßig davon aus, dass jeder Fund ein Fehlalarm ist. Er sucht gezielt nach vorhandenen Sicherheitsmechanismen, die das erste Modell schlichtweg übersehen hat. Dadurch reduzieren sich Fehlalarme enorm. Schritt 5: Triage und Bewertung der Risiken Da KI-Modelle in kürzester Zeit hunderte mögliche Fehler aufdecken, ist eine strikte Priorisierung unumgänglich. Die KI fasst identische Ursachen zusammen und filtert Duplikate systematisch heraus. Anschließend bewertet das Modell die Schwere der verbliebenen Lücken anhand festgelegter Parameter. Dazu gehören die Erreichbarkeit von außen, die nötigen Nutzerrechte und die Vorbedingungen für einen Angriff. Anzeige Schritt 6: Code-Korrektur und Patching Im finalen Schritt dieses Kreislaufs generiert die KI einen sauberen Patch für den fehlerhaften Quellcode. Um sicherzustellen, dass die Änderung das Problem wirklich löst und keine neuen Fehler einbaut, schreibt das Modell vorab einen strengen Test. Die finale Entscheidung und die genaue Kontrolle der Code-Änderung bleibt weiterhin beim menschlichen Entwickler. Durch diese umfassende Vorarbeit reduziert sich der Zeitaufwand für die gesamte IT-Sicherheit jedoch drastisch. Weitere Informationen zum Guide gibt es direkt bei Anthropic .
Peking ordnet die Rückabwicklung der bereits abgeschlossenen Übernahme an. Der Schritt fällt in eine Phase verschärfter technologischer Rivalität zwischen den USA und China.
Der Artikel China blockiert Metas 2-Milliarden-Dollar-Übernahme von KI-Start-up Manus erschien zuerst auf The Decoder.
Nach Microsoft geht auch OpenAI einen Schritt auf vom massiven Infrastrukturausbau betroffene Anwohner zu.
Der Artikel OpenAI verspricht: Stargate-Rechenzentren sollen Strompreise für Anwohner nicht erhöhen erschien zuerst auf The Decoder.
Es ist vollbracht: Yann LeCun verlässt Meta. Der Schritt kommt nicht überraschend – er hatte sich seit Monaten angedeutet. Der zunehmend Trump‑nahe Zuckerberg‑Konzern, der dem LLM‑Hype hinterherläuft, und der wissenschaftsorientierte, demokratisch gesinnte LeCun passten zuletzt kaum noch zusammen. Verstärkt wurde die Entfremdung durch die wissenschaftsfeindliche Politik der USA.
Der Artikel Yann LeCun verlässt Meta: KI-Vordenker plant eigenes Start-up erschien zuerst auf The Decoder.
Die niederländische Regierung übernimmt die Kontrolle über das Chipunternehmen Nexperia. Der Schritt markiert eine neue Eskalationsstufe im westlich-chinesischen Technologiekonflikt.
Der Artikel Niederlande entziehen chinesischem Eigentümer Kontrolle über europäischen Chiphersteller erschien zuerst auf THE-DECODER.de.
Was kommt nach ChatGPT? Die KI-Elite plant bereits den nächsten Schritt. Sogenannte „Weltmodelle“ sollen die Limitierungen aktueller Systeme überwinden. Kurzfassung | Andreas Becker, 20.09.25
gpt-image-1 | All-AI.de EINLEITUNG Die Welt staunt noch über die Fähigkeiten von ChatGPT und ähnlichen Sprachmodellen, doch in den Denkfabriken der KI-Forschung blickt man bereits auf das nächste große Ziel. Während der Wettlauf um immer gigantischere Datensätze und Parameterzahlen die Schlagzeilen dominiert, halten einflussreiche Köpfe der Szene den aktuellen Ansatz für eine Sackgasse. Auf einem Symposium am renommierten MIT wurde deutlich: Die Zukunft der künstlichen Intelligenz liegt nicht im reinen Textverständnis, sondern in der Fähigkeit, die Welt wie ein Mensch zu begreifen. NEWS Vom Papagei zum Kleinkind Die aktuellen Stars der KI-Welt, die großen Sprachmodelle (LLMs), sind im Grunde genommen hochkomplexe Mustererkenner. Sie lernen aus unvorstellbaren Textmengen statistische Zusammenhänge, was ihnen erlaubt, menschenähnliche Antworten zu generieren. Yann LeCun, leitender KI-Wissenschaftler bei Meta und einer der Pioniere des Deep Learning, vergleicht diesen Lernprozess jedoch eher mit dem eines Papageis als dem eines Menschen. Ihm und anderen Forschern schwebt stattdessen die Entwicklung von sogenannten „Weltmodellen“ vor. Diese Modelle sollen nicht nur durch Text, sondern durch multimodale Daten wie Videos und sensorische Interaktion lernen – ähnlich einem Kleinkind, das durch Beobachten, Anfassen und Ausprobieren ein intuitives Verständnis für die physikalische Welt entwickelt. Ein solches System würde nicht nur wissen, dass ein Ball rollt, sondern es würde die physikalischen Prinzipien dahinter „verstehen“. LeCun ist überzeugt, dass dies der entscheidende Schritt ist, um Maschinen mit einer Form von gesundem Menschenverstand auszustatten. Roboter mit echtem Hausverstand Die praktischste Anwendung dieser neuen KI-Generation liegt in der Robotik. Bisherige Roboter scheitern oft an trivialen Aufgaben, weil ihnen ein grundlegendes Verständnis ihrer Umgebung fehlt. Tye Brady, Chefredner von Amazon Robotics, verdeutlichte, dass selbst in hochautomatisierten Lagern die Fähigkeit der Maschinen, auf unvorhergesehene Situationen zu reagieren, stark begrenzt ist. Ein Roboter mit einem integrierten Weltmodell könnte jedoch neue Aufgaben ohne explizites Training lernen, indem er die Situation analysiert und auf sein erlerntes Weltverständnis zurückgreift. Die Sorge, dass solche intelligenten Systeme die menschliche Kontrolle untergraben könnten, teilt LeCun indes nicht. Er argumentiert, dass man diesen Systemen von Grund auf Leitplanken und Zielvorgaben einprogrammieren müsse, ähnlich wie die Gesellschaft menschliches Verhalten durch Gesetze und Normen reguliert. Der Wettlauf um immer größere Sprachmodelle könnte sich also bald als Nebenschauplatz erweisen, während die eigentliche Entwicklung im Stillen bereits eine neue Richtung eingeschlagen hat. MITMACHEN Hat Dir der Beitrag gefallen oder geholfen? Dann hilf uns mit einem Klick weiter – dauert nur Sekunden. Teile diesen Beitrag Folge uns auf Social Media Mastodon X Bluesky Facebook LinkedIn Youtube Unterstütze uns direkt KI-Tools sind teuer – unser Wissen bleibt kostenlos. Spende einmalig via PayPal oder werde YouTube-Mitglied (ab 0,99 €). Dafür liefern wir täglich News, ehrliche Tests und praxisnahe Anleitungen. Danke dir! PayPal – Spende Youtube – ABO KURZFASSUNG
Führende KI-Forscher wie Yann LeCun von Meta sehen die Zukunft nicht in immer größeren Sprachmodellen wie ChatGPT.
Der nächste große Schritt sind sogenannte „Weltmodelle“, die durch sensorische Daten wie Videos lernen, ähnlich wie ein Kleinkind die Welt begreift.
Dieser Ansatz soll Maschinen erstmals eine Art gesunden Menschenverstand und ein intuitives Verständnis für physikalische Gesetze verleihen.
Die größte Anwendung wird in der Robotik erwartet, um Maschinen zu schaffen, die sich autonom an neue Aufgaben anpassen können.
QUELLEN
MIT News
Microsoft kündigte an, rund 9.000 Mitarbeiter:innen (fast 4 % aller Stellen) zu streichen. Der Schritt ist Teil einer umfassenden Umstrukturierung und spiegelt die anhaltenden Kostenkontrollmaßnahmen wider, die durch den zunehmenden Einsatz von KI-Automatisierung im Unternehmen vorangetrieben werden.
Betroffen sind vor allem Bereiche wie Vertrieb, Recruiting und interne Services. Microsoft betont, dass die Einschnitte langfristig die Wettbewerbsfähigkeit stärken und Freiräume für neue KI-Investitionen schaffen sollen.
Quelle: Reuters Deutschland – Microsoft entlässt fast 4 % seiner Belegschaft