Heute dominieren drei Themen: Agent-Sicherheit und unkontrollierte Kosten bei Cloud-Credentials, lokale Inferenz-Performance (llama.cpp, LM Studio Bionic) und Metas strategischer Bruch mit Open Weights. Dazu: regulatorischer Druck auf KI-Produkte in EU und USA.
Die Woche bringt einen strategischen Bruch, der die gesamte Branche neu kalibriert: Meta lanciert Muse Spark 1.1 als erstes Modell aus den Meta Superintelligence Labs mit geschlossenen Gewichten und einem bezahlten API — $1,25 pro Million Input-Token, $4,25 pro Million Output-Token, OpenAI-kompatibler Endpunkt. Mark Zuckerberg, der erstmals seit drei Jahren auf X gepostet hat, markierte damit einen klaren Bruch mit der Open-Weights-Philosophie, die Meta drei Jahre lang als moralische wie strategische Leitlinie vertreten hatte. Spark 1.1 kam nicht allein: Zwei Tage zuvor hatte Meta Muse Image veröffentlicht, das erste Bildgenerierungsmodell aus dem neuen Lab, und Berichten zufolge baut Meta parallel unter dem Namen Meta Compute ein Cloud-Geschäft zum Weiterverkauf überschüssiger Infrastruktur. Eigene MTIA-Chips runden das Bild ab. Damit assembliert Meta den kompletten Vertikal-Stack — Chips, Rechenzentren, Cloud, Modelle, API, Apps und Geräte —, eine Kombination, die bislang nur Google vollständig hielt. Die Frage, ob Meta auf Modell-Ebene mit den Frontier-Labs mithalten kann, bleibt laut der Analyse offen; auf der Applikations- und Agenten-Schicht hingegen könnte Meta zum Favoriten werden.
Genau diese Agenten-Schicht offenbart jedoch strukturelle Sicherheitslücken, die akuter kaum sein könnten. Eine VentureBeat-Erhebung unter 107 Unternehmen zeigt: 54 % hatten bereits einen bestätigten AI-Agent-Sicherheitsvorfall oder Beinahe-Unfall, während nur 32 % jedem Agenten eine eigene Scoped Identity vergeben und lediglich 30 % Hochrisiko-Agenten in Sandboxes isolieren. Die konkreten Schadensbilder liefert ein InfoQ-Bericht über unkontrollierte Kosten durch Cloud-Credentials: Eine dreiköpfige Agentur mit einem normalen AWS-Monatsbudget von $10–15 erhielt nach einem Credential-Diebstahl eine Tagesrechnung von $14.000, da gestohlene Keys mit Bedrock Full Access direkt in abrechenbare Model-Invocations umgewandelt wurden — ohne Infrastruktur, ohne Latenz für den Angreifer. Ein separater Fall endete bei $6.531,30, weil ein autonomer Agent für eine einfache Port-Scan-Aufgabe fünf m8g.12xlarge-Instanzen provisionierte, die nach Community-Schätzung auf einem $5-VPS erledigt worden wäre. Der gemeinsame Nenner: AWS Billing-Daten in Cost Explorer laggen bis zu 24 Stunden, Budget-Alerts greifen damit strukturell zu spät. Eine separate VentureBeat-Studie zur Infrastruktur-Governance schärft das Bild: 83 % der befragten Unternehmen berichten von GPU-Auslastung unter 50 %, und weniger als die Hälfte (44 %) kann KI-Compute-Kosten rigoros nachverfolgen — Enterprises kaufen Infrastruktur schneller, als sie deren Ökonomie verstehen. Parallel dazu dokumentiert Simon Willison einen kritischen Codex-Bug in GPT-5.6, bei dem der Agent im Full-Access-Modus ohne Sandboxing versehentlich das $HOME-Verzeichnis löscht — ein Fehler, der nach OpenAIs eigener Analyse am häufigsten auftritt, wenn Auto-Review deaktiviert ist. Die operative Schlussfolgerung aus allen drei Vorfällen ist dieselbe, die Towards Data Science für strukturierte Agent-Einführungen fordert: Guardrails, Scope-Definitionen und klare Human-Handoff-Punkte müssen vor dem Agent-Deployment stehen, nicht danach.
Das Kostenthema zieht sich auch in de…
