Guten Morgen zusammen! Zwei Highlights aus der KI-Video-Welt: Ein RunwayML-Mitarbeiter ist mit einem Pixar-Style-Clip zweier streitlustiger Tauben viral gegangen, erstellt mit Nano Banana und Seedance 2. Sieht an keiner Stelle nach KI aus. Und Google stellt diese Woche Google Omni vor, der erste Teaser-Clip ist ähnlich verblüffend. Aber jetzt zu den wichtigen Themen

Peanuts für heute:

Jede Woche schauen wir uns an, wie Firmen KI intern einsetzen. Und diese Woche hat Tobi Lütke, CEO von Shopify und einer der technisch versiertesten deutschsprachigen Köpfe der Tech-Welt, in einem neuen Blogpost beschrieben, wie Shopify es macht. Das fanden wir extrem spannend.

Der entscheidende Unterschied, der fast ein wenig absurd klingt: Die interne Shopify-KI namens "River" arbeitet nur in öffentlichen Slack-Kanälen. Wer River per Direktnachricht anspricht, bekommt eine freundliche Absage und den Hinweis, doch einen öffentlichen Kanal zu eröffnen. Alle Prompts, alle Antworten, alle Korrekturen sind für das gesamte Unternehmen sichtbar. Direkt in Slack.

Tobi selbst arbeitet mit River im Kanal #tobi_river. Über 100 Kollegen lesen dort mit, geben Kontext, korrigieren, springen bei Reviews ein. In den letzten 30 Tagen haben fast 6.000 Shopify-Mitarbeiter mit River gearbeitet.

Tobi nennt das Ganze eine Lehrwerkstatt. Er vergleicht es mit seiner eigenen Ausbildung als 16-Jähriger bei einer Siemens-Tochter, wo die interessantesten Entwickler im Keller saßen und Delphi statt der offiziell vorgeschriebenen Software nutzten. Er lernte zu programmieren, indem er ihnen Kaffee brachte und lang genug dabei blieb, dass deren Denkweise auf ihn überging. Genau das passiert jetzt bei Shopify in groß: Ein Support-Engineer sieht in einem fremden Kanal, wie ein Backend-Entwickler River nach der richtigen Log-Query fragt, und macht es am nächsten Tag genauso.

Das Gedächtnis entscheidet, nicht das Modell

Die Merge-Rate, also der Anteil der KI-Vorschläge, der tatsächlich in den echten Code übernommen wird, ist bei Shopify in zwei Monaten von 36% auf 77% gestiegen. Tobi schreibt klar: Sie haben das Modell nicht ausgetauscht, sie haben nicht neu trainiert. Was sich verbessert hat, ist das Wissen drum herum. Welche Prompts funktionieren, welcher Kontext fehlt, wo River regelmäßig stolpert. Und weil das alles öffentlich passiert, wird es schnell zur kollektiven Praxis statt zu Geheimwissen einzelner.

Die meisten Firmen, mit denen wir sprechen, machen das genaue Gegenteil. Sie haben einen Enterprise-Zugang zu ChatGPT, vielleicht noch ein deutsches Wrapper-Tool auf deutschen Servern. Aber jeder Mitarbeiter chattet für sich. Was die eine Kollegin herausgefunden hat, weiß der andere Kollege nie. Das Wissen verdampft mit jedem Browserfenster.

Selbst wir in unserem kleinen Team müssen uns alle zwei Wochen Dinge zeigen. "Welches Tool nutzt du dafür?" "Wie sehen deine ChatGPT Custom Instructions gerade aus?" "Nee, dafür nutze ich Claude, weil deren visuelle Erkennung viel besser ist."

Stripe geht einen anderen Weg

Stripe, der US-Zahlungsdienstleister, geht einen anderen Weg. Das Unternehmen schreibt gerade eine Stelle für einen "Forward Deployed AI Accelerator" aus, also jemanden, der direkt in operativen Teams sitzt und herausfindet, welche Aufgaben sich mit KI wirklich beschleunigen lassen. Es geht nicht darum, Menschen zu ersetzen, sondern den Kontext zu verstehen, in dem Arbeit überhaupt passiert. Erst wenn jemand versteht, warum ein Analyst genau diese Tabelle auf genau diese Weise baut, kann daraus ein Prompt, ein Workflow oder ein internes Tool werden, das wirklich Zeit spart.

Im Prinzip machen wir bei AI Peanuts genau das für einige Unternehmen von außen. Aber es ist nur logisch, dass größere Firmen sich diese Fähigkeit intern aufbauen.

Das eigentliche Kapital

McKinsey, BCG und Bain haben alle früh eigene KI-Systeme aufgebaut und damit Schlagzeilen gemacht. Alle drei wurden auch bereits gehackt, nicht durch raffinierte Angriffe, sondern durch simple Sicherheitslücken. Das zeigt einmal mehr, dass schnell ausgerollte Systeme ohne organisatorische Grundlage fragil bleiben.

Shopify und Stripe zeigen das Gegenteil. Wenn irgendwo im Unternehmen ein gemeinsames Gedächtnis entsteht, das akkumuliert was funktioniert und was nicht, bauen sie damit einen Vorsprung auf, den man in 5 Jahren nicht einfach einkaufen kann.

Quellen: Blogpost Tobi Lütke, Stripe Forward Deployed AI Accelerator, McKinsey, BCG & Bain Hack

Moonshot AI, das chinesische KI-Lab hinter dem Kimi-Chatbot, hat mit K2.6 ein Open-Source-Modell veröffentlicht, das speziell für lange, komplexe Coding-Aufgaben gebaut ist. Das Modell arbeitet agentisch, bedeutet: es plant, nutzt Tools und arbeitet eigenständig über viele Schritte, ohne dass jemand dazwischen eingreift.

In einem Testlauf lief K2.6 13 Stunden am Stück und steigerte dabei den Durchsatz einer Finanz-Engine um 185%. Was das besonders interessant macht, ist der Preis: Grob gerechnet ist K2.6 etwa fünf- bis sechsmal günstiger als Claudes Opus 4, und wer viele Agentenläufe, lange Kontextfenster und wiederholte Testzyklen braucht, spürt das schnell. Gegen Claude oder GPT gewinnt Kimi bei weitem nicht in jeder Disziplin, aber bei langen Coding-Agenten und echtem Kostendruck ist es ernsthaft konkurrenzfähig. Link

Unsere Gemischte Tüte ist immer vollgepackt - in dieser Sektion kuratieren wir die aus unserer Sicht wichtigsten Links:

Anthropic kauft Rechenkapazität bei Elon Musks SpaceX. Das ist bemerkenswert, weil wir letzte Woche noch darüber gesprochen haben, wie unzuverlässig die Claude-API aktuell wirkt, weil Anthropic schlicht zu wenig verfügbare GPUs hat. Jetzt hat das Unternehmen einen Deal mit SpaceX geschlossen und bekommt Zugang zu 200.000 Nvidia-GPUs aus Musks Colossus-Supercomputer. Laut The Information nutzte xAI zuletzt nur rund 11 Prozent seiner verfügbaren Rechenkapazität, während Anthropic so schnell wächst, dass die eigene Infrastruktur nicht mehr hinterherkommt. Dass Elon Musk damit ausgerechnet einen der wichtigsten OpenAI-Konkurrenten unterstützt, dürfte kein Zufall sein.Link

OpenAI öffnet Codex für nicht-technische User. Der cloudbasierte Coding-Agent Codex soll künftig auch für Büroaufgaben wie Präsentationen und Tabellen nutzbar sein und lässt sich jetzt mit Einstellungen aus Konkurrenzprodukten wie Claude Code befüllen. OpenAI ermöglicht den Import von Plugins, Agents und Projektkonfigurationen, um den Wechsel zu erleichtern. Die Vermutung ist, dass OpenAI ChatGPT und Codex miteinander integriert als eine Art "Super-App" für Coding und allgemeine KI-Aufgaben. Link, Link

Isomorphic Labs sammelt über zwei Milliarden Dollar ein. Das Londoner Biotech-KI-Unternehmen von Demis Hassabis (CEO von Deepmind, Nobelpreisträger und Schöpfer von AlphaFold) verhandelt eine große Finanzierungsrunde. Isomorphic Labs setzt KI ein, um Medikamente gegen Krankheiten zu entwickeln, an denen die Pharmaindustrie bisher gescheitert ist. Einige halten Biotech für den nächsten großen Bereich nach Coding, den KI umkrempeln könnte. Das Unternehmen von Hassabis könnte hier eine Schlüsselrolle spielen. Link

Du hast Fragen, Anmerkungen oder brauchst unsere Hilfe?
Schreib uns einfach an:
[email protected]