Aus der wilden Welt der digitalen Transformation
Gestern sah ich den gefühlt drölfhundertsten Beitrag der Sorte „KI wird uns alle töten“. 18 Monate Zeit hätten wir noch, hieß es im Video. Ach, ist das so. Sollten wir also aufgeben, und 18 Monate Party, bevor es dann eh für alle vorbei ist? Oder gibt es da vielleicht ganz andere, und sehr dunkle, Motive hinter solcher Panikmache.
Es gibt ein populäres Narrativ, das derzeit von zahlreichen Tech-CEOs verbreitet wird: KI werde innerhalb von nur 12 bis 18 Monaten rund 100 Millionen Büro-Jobs in den USA überflüssig machen. Nun ja. Sandeep Swadia, ehemaliger Mönch und heutiger CEO mit MIT-Hintergrund, hat die sehr interessante Regel geprägt „What needs to be true for this to be real?“ (Was muss stimmen, damit dies wahr ist?). Mide, ein Chemie-Ingenieur mit Promotion im Bereich Nachhaltigkeit, hat (vermutlich ohne Swadia zu kennen) diese Regel auf besagte Erzählung vom Ende der White-Collar-Jobs angewandt. Und es ist schon wirklich spannend, was alles stimmen müsste, damit KI tatsächlich ein solches Ziel erfüllen könnte.
Der Davos Tech Summit 2026 stand unter dem Motto „Touching Intelligence“ — und meinte das wörtlich. Statt nur über KI zu reden, verwandelte sich die Stadt vier Tage lang in eine „Robot City“ mit über 55 Systemen zwischen Humanoiden, Vierbeinern und autonomen Fahrzeugen. Der chinesische Hersteller Pudu Robotics hat dabei etwas gemacht, das interessanter ist als jede Keynote: Er hat vier seiner Serviceroboter einfach in den echten Alltag gestellt. Ein CC1 Pro putzte den Boden im SPAR-Supermarkt, FlashBot Max und BellaBot Pro kümmerten sich im Hilton um Zimmerservice und Gästebetreuung, ein MT1 Max wischte den Bahnhofsvorplatz. Kein Demo-Bühnenbild, sondern Schichtbetrieb. Das Spannende daran ist aber nicht die Hardware.
Nachdem die US-amerikanische Regierung Exportkontrollen über Claude Fable 5 verhängt hatte, wurde anschließend auch OpenAI damit bedacht und durfte sein neues Modell GPT 5.6 nicht in die allgemeine Verfügbarkeit bringen. Es heißt zwar nun, in Kürze würden beide Modelle wieder zugänglich gemacht werden, aber die Falle des „Gut genug“ ist schon längst zugeschnappt, und man muss deshalb mittlerweile auch ganz andere Motive für die Exportkontrollen in Betracht ziehen, als die behaupteten Sicherheitsbedenken.
Z.ai hat vor kurzem GLM 5.2 herausgebracht. Vielleicht sagen Sie nun, ach, schon wieder so ein Open-Source-Modell, die sind doch Monate hinter OpenAI und Anthropic. Aber diesmal liegen die Dinge anders. GLM 5.2 ist auf Augenhöhe mit Opus 4.8 und besser als GPT 5.5. Ich habe sogar One-Shot-Demos gesehen, da hat GLM 5.2 besser abgeschnitten als Opus 4.8. Das ist, soweit ich weiß, das erste Open-Source-Modell, das die Marktführer eingeholt hat. Selbst getestet, mit einer guten Harness, wie Goose, Cline, opencode oder Hermes Agent vermisst man nichts mehr. Und während die Kosten bei OpenAI und Anthropic dermaßen explodiert sind, dass sogar Weltkonzerne beginnen müssen, die Token-Usage ihrer Mitarbeiter zu beschränken, kostet GLM 5.2 nur einen Bruchteil. Das ist nicht nur eine Randnotiz für Tech-Nerds. Das könnte eine Finanzkrise von riesigen Ausmaßen lostreten.
Letzten Dienstag kam Fable 5 von Anthropic heraus. Laut Anthropic ein für den allgemeinen Zugriff adaptiertes Mythos, das man sicher gestaltet habe. Mythos, Sie erinnern sich, ist das Modell, das angeblich so gefährlich sei, dass man es nur einem streng selektierten Nutzerkreis geben könne. Das „Vergnügen“ (dazu gleich mehr) währte jedoch nur bis Freitag, als Anthropic von der US-Regierung die Exportkontroll-Auflage erhielt, Fable 5 nur US-Bürgern zugänglich zu machen. Anthropic wiederum nahm daraufhin Fable 5 völlig und für alle aus dem Zugriff, weil man sich nicht in der Lage sah, die Nationalität der Nutzer zu bestimmen. US-Regierung und Anthropic versuchen nun, dem jeweils anderen den schwarzen Peter in die Schuhe zu schieben, und die Gerüchteküche läuft heiß. Hat die Entwicklung von KI nun einen kritischen Punkt erreicht, ist es inzwischen tatsächlich zu gefährlich, diese Modelle in den breiten Zugriff zu geben? Oder ist das Teil eines viel größeren Trends, nämlich dem, dass die Allgemeinheit von der technologischen Entwicklung abgekoppelt werden soll?
Pluralis Research baut ein öffentliches Pretraining-System. Damit lassen sich KI-Modelle verteilt auf vielen Rechnern trainieren. Pluralis will damit den unseligen Trend zur Konzentration auf immer größere Rechenzentren brechen, und das Training von KI-Modellen in den Public Domain bringen. Am 11. März sagte Sam Altman, CEO von OpenAI, beim BlackRock Infrastructure Summit „We see a future where intelligence is a utility, like electricity or water, and people buy it from us on a meter.“ Altman möchte also einen Zähler an Intelligenz machen — und sie dann verkaufen. Die Frage, wessen Intelligenz das eigentlich ist, stellt er sich dabei offenbar nicht. Die Konsequenzen sind längst spürbar: Künstler, Journalisten, Autoren, Open-Source-Entwickler — sie alle merken, dass ihre Arbeit in diese Modelle eingeflossen ist, ohne dass sie gefragt oder bezahlt wurden. Einige gehen daran pleite. Und nun soll man für das Ergebnis zahlen?
Das ist ja eines dieser Dinge, die einen zum Verzweifeln bringen können. Unternehmen wie Anthropic, OpenAI, DeepSeek, Z.AI, und so weiter, grasen das gesamte Internet ab und bringen das Wissen der Menschheit in ihre Modelle. Für lau versteht sich. Foren, Beiträge, Bücher, Videos, alles wird abgegriffen, und nichts wird für diese Intelligenzleistungen der Menschheit bezahlt. Und dann will man es den Menschen zurückverkaufen.
Pluralis Research will ein Gegengewicht schaffen. Wer Rechenkapazität übrig hat, kann sie dem Projekt zur Verfügung stellen, und dann wird der eigene Rechner als Trainingseinheit für ein KI-Modell genutzt. Man trainiert bereits das erste Modell, Pluralis-8B, ein 8-Milliarden-Parameter-Modell. Hardware-Einstieg ist bereits mit einer Consumer-GPU, 24 GB VRAM reicht schon.
Das zugrunde liegende Konzept heißt bei Pluralis „Protocol Learning“ — die Idee, Foundation-Modelle dezentral und kollektiv zu trainieren, ohne zentrale Kontrolle. Pluralis hat auch kürzlich eine Seed-Runde abgeschlossen, Lead-Investoren sind USV und CoinFund, sowie Variant, Topology und andere mehr – insgesamt 12 Investoren. Dabei konnten 7,6 Millionen US$ eingeworben werden.
Falls Sie nun beim Training mitmachen möchten: Zwar ist die Anforderung an die GPU moderat, die sonstigen Anforderungen sind jedoch sehr hoch. Standort Nordamerika, extrem schneller Internet-Anschluss mit superkurzem Ping — die Liste ist lang. Für die breite Öffentlichkeit ist das also noch nichts.
Dennoch, das kann ja durchaus noch werden, sprich, niedrigere Eintrittsbarrieren ermöglichen, wenn das Konzept aufgeht. Es erinnert mich an SETI@home von der UC Berkeley. Das Projekt lief von 1999 bis 2020, jeder konnte mitmachen, und bekam dann Datenpakete, in denen sein Rechner nach außerirdischen Signalen suchte. 12 Milliarden Signale wurden in diesem Ansatz mit Distributed Computing untersucht, und 100 Kandidaten wurden gefunden. Warum sollte das mit KI-Training nicht ebenfalls möglich sein? Ich finde es jedenfalls einen unerträglichen Gedanken, der Menschheit wird alles geklaut, und dann kommt es unter den exklusiven Zugriff einiger weniger – die daran nicht nur fürstlich verdienen wollen, sondern den Zugriff erfahrungsgemäß auch nach gusto einschränken werden.
DeepSeek V4 ist am 24. April in zwei Versionen „Pro“ und „Flash“ erschienen, und wie versprochen ist es Open Source. Die Qualität ist sehr gut, und die Preise bemerkenswert niedrig. Läutet schon das Totenglöcklein für OpenAI und Anthropic?
Mehrere Coding-Spezialisten haben das neue Modell von DeepSeek schon unter die Lupe genommen, und deren Urteil ist einhellig: GPT 5.5 von OpenAI hat derzeit die Krone im Coding inne, es folgt Opus 4.7 von Anthropic, dann DeepSeek mit V4, dann Kimi mit K2.6.
Das könnte Open Source-Fans enttäuschen, aber man muss das in Relation setzen. DeepSeek ist nur noch ca. 3 Monate zurück, und es kostet nur einen Bruchteil. OpenAI hat ja mal eben die Token-Preise für GPT 5.5 verdoppelt, und Anthropic, das sowieso schon ein Token-Burner immer war, braucht für Opus 4.7 35% noch mehr Token gegenüber dem bisher schon heftigen Tokenverbrauch.
Und es ist außerdem ja so, nicht jedes Problem ist in der schwierigsten Liga. Anders gesagt: Da DeepSeek nun so weit aufgeholt hat, ist die Anzahl der Probleme, an denen es scheitert, viel kleiner geworden.
„Der Wal meldet sich mit einem Paukenschlag zurück“ weiterlesen
Während die Menschheit sich noch müht, auch nur ansatzweise mit den neuen KI-Technologien Schritt zu halten, stehen bereits Weiterentwicklungen in den Startlöchern, die Künstliche Intelligenz in Regionen katapultieren, die den Menschen hoffnungslos überfordern. 1 Sekunde für die Antwort, und der Mensch liest eine halbe Stunde daran … Man benötigt diese Geschwindigkeitsfortschritte für Echtzeit-Anwendungen. Aber wie der Mensch dabei noch mithalten soll, ist völlig unklar. Woher diese enorme Beschleunigung kommt, fragen Sie jetzt vielleicht? Das Zauberwort heißt Diffusion.
Diffusion ist ein Konzept, das man in der KI bisher eigentlich nur zur Erzeugung von Bildern und Videos kennt. Diffusion, der Name klingt nach Physik – und das ist kein Zufall. In der Natur beschreibt Diffusion, wie sich beispielsweise ein Tropfen Tinte in einem Glas Wasser langsam ausbreitet, bis alles gleichmäßig verteilt ist. Aus Struktur wird Chaos. KI-Forscher haben diesen Prozess umgekehrt. Einem Bild wird zufälliges Rauschen hinzugefügt, bis nur noch graues Pixelrauschen übrig ist. Genau diesen Prozess lernt das Modell dann rückwärts. Es startet mit reinem Rauschen und verfeinert das Bild Schritt für Schritt, bis ein scharfes, kohärentes Ergebnis entsteht. Das Entscheidende dabei: Das Modell lernt nicht, ein Bild direkt zu „malen“. Es lernt, Rauschen zu erkennen und zu entfernen – und das iterativ, in vielen kleinen Schritten.
Inception Labs, ein kalifornisches KI-Start-up (investiert u.a. von Microsoft, NVIDIA und Snowflake), hat mit Mercury 2 ein Modell vorgestellt, das den Diffusion-Ansatz auf die Erzeugung von Text überträgt. Das Modell hat bereits viel Aufsehen erregt. „Laut Inception ist Mercury 2 damit mehr als fünfmal schneller als herkömmliche Modelle und erreicht 1.009 Tokens pro Sekunde auf Nvidia-Blackwell-GPUs. Die End-to-End-Latenz liegt bei nur 1,7 Sekunden“, schreibt Heise.
Diffusion bei Text mit einem dLLM (Diffusion Large Language Model) funktioniert so:
Warum das schneller ist:
Probieren Sie es aus! Hier ist ein Demo-Chat, mit dem Sie es selbst testen können. Die Antwortgeschwindigkeit ist wirklich umwerfend. Hier ist noch ein Video, mit dem der Inception-CEO Prof. Stefano Ermon von der Stanford University sein neues dLLM vorstellt. Und hier ist der Blog-Eintrag des Unternehmens dazu.
Quelle Video: Chinesisches Staatsfernsehen, Live-Übertragung der Neujahrsfeier
Oh je, was soll nur aus China werden? Dranbleibflaschendeckel gibt es nicht, aber krumme Gurken. China weigert sich auch, Elektrizität ausschließlich mit mittelalterlichen Technologien zu gewinnen. Und es zwingt seine Bürger nicht dazu, nur Heizungen zu verwenden, die um so schlechter funktionieren, je kälter es ist, und final zerstört sind, sobald mal 2, 3 Tage der Strom ausfällt im Winter. Man stelle es sich vor! Auch die Beförderungstechnologie wird nicht etwa mit einer Energieform erzwungen, die man ausreichend keinesfalls zur Verfügung stellen kann und will.
Und die Kinder! Sehen Sie es sich an, die lassen ihre Kinder Gymnastik machen! Dabei weiß doch jeder, dass Kinder schon im Kindergarten lernen müssen, dass sie im falschen Körper sind und zum anderen Geschlecht umgeschnitzt werden müssen. Sonst könnten die Kinder doch wieder Kinder bekommen!
Was soll nur aus China werden? Ein großes und ruhmreiches Land mit vieltausendjähriger Geschichte zerstört sich selbst. Wie kann man heutzutage sich mit solchem Roboter-Firlefanz und akrobatischen Kindern abgeben. Die Chinesen können einem einfach nur leid tun.
PS: Das Video mit der Roboter-Soldaten-Brigade erspare ich Ihnen. Sie können es sich bestimmt selbst vorstellen, wie diese Kungfu-Roboter mit einer Maschinenpistole in der Hand unerbittlich vorrücken, gegen was auch immer befohlen wird als Feind zu sehen.
Während die Tech-Giganten sich einen Wettlauf um die größten Rechenzentren und sogar eigene Atomkraftwerke liefern, vollzieht sich im Schatten eine viel wichtigere Entwicklung: Die radikale Schrumpfung der Intelligenz. Warum die Zukunft der Robotik und Embodied AI nicht „Big Data“, sondern „Smart Efficiency“ heißt.
Derzeit erleben wir eine Phase der technologischen Völlerei. Um ein Prozent mehr Leistung aus einem Modell zu kitzeln, verdoppeln Unternehmen die Parameterzahl und den Energieverbrauch. Der Markt ist überhitzt; es wird Hardware gekauft, als gäbe es kein Morgen. Das Ziel scheint zu sein, Gott in einer Cloud zu erschaffen, die von einem eigenen Kraftwerk gespeist wird.
Doch dieser Ansatz hat einen fatalen Fehler, wenn wir die digitale Welt verlassen und in die physische eintreten: Er ist nicht mobil.
Stellen Sie sich einen humanoiden Roboter vor, der stolpert. Wenn sein „Gehirn“ in der Cloud liegt, müssen die Sensordaten erst zum Server geschickt, dort verarbeitet und der Befehl „Ausbalancieren“ zurückgeschickt werden. Latenzzeit: vielleicht 200 Millisekunden. In dieser Zeit liegt der Roboter bereits auf der Nase.
Echte Autonomie – also Embodied AI – duldet keine Latenz und keine Funklöcher. Das Denken muss dort stattfinden, wo die Handlung geschieht: „On Edge“, direkt im Gerät.
Die Zauberworte der nächsten Jahre lauten deshalb nicht mehr „Trillion Parameters“, sondern:
Quantisierung: Die Reduktion der Rechengenauigkeit, ohne das Ergebnis signifikant zu verschlechtern. Wir brauchen keine 32-bit Fließkommazahlen, um zu erkennen, ob eine Tasse voll ist. 4-bit reichen oft völlig.
Destillation: Ein riesiges „Lehrer-Modell“ trainiert ein winziges „Schüler-Modell“ darauf, nur eine bestimmte Aufgabe perfekt zu erledigen.
Spezialisierte Hardware (NPU): Chips, die nicht für Grafik (GPU), sondern rein für neuronale Netze optimiert sind und einen Bruchteil der Energie benötigen.
Wir kehren zurück zu den Wurzeln guter Ingenieurskunst: Optimierung. Anstatt das Problem mit Hardware zu erschlagen, lösen wir es mit besserer Software. Ein 7-Milliarden-Parameter-Modell, das lokal auf einem Roboter läuft und versteht, wie man eine Tür öffnet, ist wertvoller als ein 1-Billionen-Parameter-Modell in der Cloud, das Gedichte über Türen schreiben kann, aber die Verbindung verliert, wenn das WLAN ausfällt.
Die Ära der verschwenderischen Gigantomanie wird auf eine harte Wand aus physikalischen und ökonomischen Grenzen treffen. Die Gewinner der Robotik-Revolution werden nicht diejenigen sein, die die größten Rechenzentren bauen, sondern diejenigen, die mächtige Intelligenz in kleinste Formfaktoren pressen können.
Es ist wie in der Biologie: Nicht der Größte und Stärkste überlebt, sondern der am besten Angepasste. Und in einer mobilen Welt bedeutet Anpassung Effizienz. Hirn schlägt Muskeln.
Wer eine NVIDIA RTX PRO 6000 Blackwell (oder andere Blackwell-GPUs) unter Linux betreiben will, steht vor drei Hürden: Zwingend erforderliche Open-Source-Kernel-Module, aktuelle Treiber (mindestens Version 570+) und häufig ein Mainboard-BIOS-Update. Dieser Artikel dokumentiert unsere Erfahrungen aus der Praxis.
Das Problem: Blackwell ist anders
NVIDIAs neue Blackwell-Architektur bringt beeindruckende Hardware – die RTX PRO 6000 Blackwell etwa bietet 96 GB VRAM in einer Karte und ist bis zu 30% schneller als die Ada-Generation. Doch beim Einbau in bestehende Linux-Workstations oder Server zeigt sich: Die Installation ist nicht trivial.
Anders als bei früheren GPU-Generationen (Ada Lovelace, Ampere) gelten für Blackwell besondere Anforderungen:
1. Open-Source-Kernel-Module sind Pflicht
Ab der Treiber-Serie 560 hat NVIDIA die Open-Source-Kernel-Module zum Standard gemacht. Für Blackwell-GPUs geht es noch weiter: Die proprietären Kernel-Module funktionieren nicht mehr. Das ist eine fundamentale Änderung:
„From Blackwell, only the open source kernel module can be used. The GSP cannot be deactivated.“ NVIDIA Developer Forum
Konkret bedeutet das:
Paket nvidia-driver-xxx → funktioniert nicht
Paket nvidia-driver-xxx-open → erforderlich
2. Treiber-Mindestversion: 570+
Blackwell-GPUs werden erst ab der Treiber-Serie R570 unterstützt. Für optimale Kompatibilität empfehlen wir die aktuelle R580-Serie zusammen mit CUDA 13.0.
NVIDIA-Treiber mindestens 570.x // empfohlen 580.x
CUDA Toolkit mindestens 12.8 // empfohlen 13.0
3. Mainboard-BIOS-Update oft notwendig
Ein häufig übersehenes Problem: PCIe-Link-Training-Fehler. Blackwell-GPUs nutzen PCIe 5.0, und viele ältere BIOS-Versionen haben Schwierigkeiten mit dem Link-Training.
Symptome: GPU wird nicht erkannt. Oder GPU wird erkannt, läuft aber nur mit PCIe Gen 1 (statt Gen 4/5). Performance-Einbrüche (statt 38 Token/s nur 2 Token/s bei LLM-Inferenz). Instabilität unter Last.
Lösung: Mainboard-BIOS auf die neueste Version aktualisieren. In unserem Fall (ASUS Pro WS WRX90E-SAGE SE) war ein Update von April auf November 2025 notwendig, um PCIe Gen 4 zu erreichen.
Weiterführende Links
NVIDIA Driver Installation Guide – Kernel Modules
https://docs.nvidia.com/datacenter/tesla/driver-installation-guide/kernel-modules.html
NVIDIA Developer Forum – RTX PRO 6000 Blackwell
https://forums.developer.nvidia.com/t/rtx-pro-6000-blackwell-workstation-edition-driver-support/332701
Level1Techs Forum – Blackwell Setup Guide Ubuntu
https://forum.level1techs.com/t/wip-blackwell-rtx-6000-pro-max-q-quickie-setup-guide-on-ubuntu-24-04-lts-25-04/230521
Level1Techs Forum – PCIe Gen 1 Problem WRX90
https://forum.level1techs.com/t/dual-rtx-pro-6000-blackwell-on-wrx90-pcie-stuck-at-gen-1-anyone-else/242079
Phoronix – NVIDIA CUDA 13.0
https://www.phoronix.com/news/NVIDIA-CUDA-13.0
GitHub – vLLM Blackwell Setup Guide
https://github.com/Audible83/vllm-blackwell-setup
Kleiner Tipp noch: Wenn Sie nvtop oder nvidia-smi ausführen, erschrecken Sie vielleicht, wenn es heißt „PCIe Gen1“. Das sind aber nur Stromsparmechanismen. Lassen Sie nvtop während einer Inferenz laufen, und die Anzeige sollte auf Gen4 oder 5 gehen (falls nicht, haben Sie tatsächlich ein Problem 😀).
Hand aufs Herz: Unsere Smartphones wissen mehr über uns als unsere engsten Freunde. Im geschäftlichen Umfeld sind diese Daten nicht nur privat, sondern oft wettbewerbskritisch. Kontakte, E-Mails, Standortdaten, Planungsdaten – all das sind Informationen, die geschützt werden müssen.
Doch wie schützt man sich effektiv, wenn das Betriebssystem selbst (meist Android oder iOS) als Datenschleuder bekannt ist? Die Antwort klingt für viele zunächst paradox: Wir kaufen Google-Hardware, um Google-Software loszuwerden. Die Lösung heißt GrapheneOS.
Was ist GrapheneOS?
GrapheneOS ist ein Open-Source-Betriebssystem für Mobilgeräte, das auf AOSP (Android Open Source Project) basiert. Der Fokus liegt kompromisslos auf Privatsphäre und Sicherheit. Es wird oft von Journalisten, Sicherheitsexperten und Unternehmen genutzt, die absolute Kontrolle über ihre Daten benötigen. Edward Snowden hat es bereits vor Jahren empfohlen, und seitdem ist es nur besser geworden.
Die Ironie der Hardware: Warum ausgerechnet Pixel?
Es mag seltsam klingen, ein Gerät vom „Datenkraken“ Google zu kaufen, um Privatsphäre zu erlangen. Doch die Google Pixel-Telefone (ab Pixel 6 und neuer) bieten dank des Titan M2 Sicherheitschips und der Möglichkeit, eigene kryptografische Schlüssel für den Boot-Vorgang zu hinterlegen (Verified Boot), die sicherste Hardware-Plattform für Android. GrapheneOS nutzt diese Hardware-Sicherheitsfeatures voll aus, entfernt aber sämtliche Google-Dienste und Tracking-Mechanismen aus dem System.
Die Killer-Features für Unternehmen
Warum schauen wir uns das für den Unternehmenseinsatz an? Hier sind die drei schlagenden Argumente:
Ist das alltagstauglich?
Früher waren solche Systeme nur etwas für Bastler. Heute ist die Installation über einen Web-Installer in 15 Minuten erledigt. Die allermeisten Banking-Apps, Signal, WhatsApp und Business-Tools funktionieren dank der Sandboxed Play Services einwandfrei. Die Kamera-Qualität auf den Pixels bleibt hervorragend, da GrapheneOS eine eigene, sehr gute Kamera-App mitbringt oder die Google Camera in der Sandbox nutzen kann.
Fazit
Für uns als Unternehmen ist Datensicherheit keine Option, sondern Pflicht. GrapheneOS bietet derzeit die beste Balance aus maximaler Sicherheit („Security Hardening“) und moderner Usability. Es verwandelt das Smartphone wieder in das, was es sein sollte: Ein Werkzeug, das uns dient – und nicht uns überwacht.
Ein Hinweis in eigener Sache: Brandfrisch haben Sie nun die Möglichkeit, sich für unseren Newsletter anzumelden. Sie lesen gerne hier, aber oft besuchen Sie uns, und es gibt nichts Neues? Wir schaffen leider nur 1 – 2 Beiträge in der Woche. Aber nun können Sie unseren Newsletter abonnieren, und wenn es einen neuen Beitrag gibt, erhalten Sie eine Mail dazu. Es kostet nichts, hat keinerlei Verpflichtungen für Sie, ist DSGVO-konform bei einem deutschen Provider gehostet und Sie können unseren Newsletter natürlich jederzeit wieder abbestellen.
Wer im KI-Bereich arbeitet, kennt das Problem: Auf dem Smartphone sammelt sich schnell ein ganzer Zoo an Apps an. Eine App für ChatGPT, eine für Claude, eine für Gemini und vielleicht noch Perplexity. Das nervt nicht nur, es schränkt auch ein. Man ist an die Oberfläche und die Einschränkungen des jeweiligen Anbieters gebunden.
Für den Desktop ist das Problem längst gelöst. Tools wie Chatbox AI erlauben es uns, unseren eigenen API-Schlüssel (API Key) zu hinterlegen und in einer einzigen, sauberen Oberfläche zwischen GPT5, Claude 3.5 Opus oder Mistral und vielen mehr zu wechseln – oft zu deutlich günstigeren Konditionen als über die monatlichen Abos der Einzelanbieter („Pay as you go“). Und gerade wenn zum Beispiel mal das eine Modell versagt, dann schaltet man eben auf ein anderes um, und damit findet man die Lösung.
Aber wie sieht es mobil aus? Können wir diesen Komfort auch auf Android und iOS genießen? Die kurze Antwort: Ja! Wir stellen Ihnen heute Tools vor, um Ihre KI-Modelle auch dort zu befreien.
Die Lösung für Android: ChatBoost und mehr
Wer ein Android-Gerät nutzt, genießt traditionell etwas mehr Freiheit bei der App-Auswahl. Ein hervorragendes Beispiel dafür ist ChatBoost.
Diese App fungiert als neutrale Schnittstelle. Sie geben einfach Ihre API-Schlüssel von OpenAI, Anthropic oder Google ein und können sofort loslegen. Der Vorteil? Sie zahlen nur für das, was Sie tatsächlich nutzen (via API) und haben alle Chatverläufe an einem Ort.
Alternative für Android: Falls Ihnen ChatBoost nicht zusagt, lohnt sich ein Blick auf BotGem. Diese App ist ebenfalls sehr beliebt und bietet eine ähnliche Funktionalität mit einem aufgeräumten Design. Allerdings ist das ist von einem chinesischen Entwickler mit unklarem Hintergrund, für viele Unternehmen also ein klares No-Go.
Ein Wort der Warnung: Die höhere Freiheit unter Android geht auch mit höherem Risiko einher. AI-Wrapper-Anwendungen gibt es dort viele, aber wirklich empfehlenswerte haben wir nur recht begrenzt gefunden.
Und was ist mit iOS? (iPhone & iPad)
Lange Zeit war es schwierig, gute API-Wrapper im Apple App Store zu finden, aber das hat sich geändert. Während es ChatBoost leider nicht für iOS gibt, stehen starke Alternativen bereit:
Chatbox AI (Mobile): Viele kennen und lieben die Desktop-Version. Die gute Nachricht: Es gibt eine offizielle App für iOS (und Android). Der Vorteil hier ist die nahtlose Synchronisation. Wer seine Prompts und Personas auf dem Desktop eingerichtet hat und die Synchronisierung aktiviert, findet sie oft direkt auf dem iPhone wieder.
Pal – AI Chat Client: Wenn man etwas „Apple-typisches“ sucht, ist Pal – AI Chat Client hervorragend. Es ist minimalistisch, sauber und unterstützt sehr viele Anbieter nativ.
NextChat AI: Ein sehr interessantes Open Source Project (Code bei Github verfügbar), das ebenfalls das Einbinden vieler Anbieter per API erlaubt.
Das bereits bei Android erwähnte Botgem ist übrigens auch im Appstore verfügbar.
Für die Profis: Self-Hosted AI mit Open WebUI
Für Unternehmen und Datenschutz-Enthusiasten ist Open WebUI (früher Ollama WebUI) mittlerweile das Nonplusultra. Es ist eine selbst gehostete Oberfläche, die ChatGPT zum Verwechseln ähnlich sieht, aber komplett auf Ihrem eigenen Server läuft.
Das Problem bisher: Wie greift man mobil bequem darauf zu?
Unter Android ist die App Conduit der klare Favorit. Sie verbindet sich direkt mit Ihrer Open WebUI-Instanz und bietet ein natives App-Gefühl, statt nur eine Webseite im Browser anzuzeigen. Quelloffen, kostenlos, Code in Github einsehbar.
Die Überraschung für iOS-Nutzer: Lange Zeit hieß es, iOS erlaube solche („Web-Wrapper“) Anwendungen nicht. Doch das hat sich geändert! Conduit ist mittlerweile auch im Apple App Store verfügbar. Damit können Sie sich nun auch vom iPhone aus sicher und bequem mit Ihrer firmeneigenen oder privaten Open WebUI-Instanz verbinden, ohne auf Safari zurückgreifen zu müssen.
Ohnehin ist aber auch die Open WebUI Web-Anwendung responsiv und funktioniert gut in mobilen Browsern.
Fazit: Bring Your Own Key (BYOK)
Der Trend geht klar weg von geschlossenen Abo-Modellen hin zu flexiblen „Bring Your Own Key“-Lösungen. Ob mit Chatbox AI, NextChat oder via Conduit und Open WebUI – die Werkzeuge sind da, um KI mobil genauso professionell zu nutzen wie am Desktop.
Fliehen auch Sie auf Ihrem Mobilgerät aus dem Walled Garden!
Ein Hinweis in eigener Sache: Brandfrisch haben Sie nun die Möglichkeit, sich für unseren Newsletter anzumelden. Sie lesen gerne hier, aber oft besuchen Sie uns, und es gibt nichts Neues? Wir schaffen leider nur 1 – 2 Beiträge in der Woche. Aber nun können Sie unseren Newsletter abonnieren, und wenn es einen neuen Beitrag gibt, erhalten Sie eine Mail dazu. Es kostet nichts, hat keinerlei Verpflichtungen für Sie, ist DSGVO-konform bei einem deutschen Provider gehostet und Sie können unseren Newsletter natürlich jederzeit wieder abbestellen.
https://www.gamestar.de/artikel/chatgpt-52-die-3-groessten-neuerungen,3444875.html
Es kriselt bei OpenAI – so viel ist klar. Seit dem Release von Gemini 3 und Nano Banana (Pro) sieht OpenAI-CEO Sam Altman ein, dass ChatGPT dem Konkurrenten von Google etwas hinterherhinkt. Und der im Mainstream etwas weniger bekannte Anbieter Anthropic hat mit Claude starke Konkurrenz am Start, die ich persönlich übrigens sehr gerne nutze. Nun ist OpenAIs Antwort auf Gemini 3 und Anthropics Claude Opus 4.5 erschienen […]
In einem beispiellosen Entwicklungstempo hat OpenAI gerade ChatGPT 5.2 veröffentlicht – weniger als einen Monat nach dem Vorgängermodell. Hinter diesem beschleunigten Release-Zyklus steht eine klare Botschaft: Der KI-Wettlauf mit Google Gemini 3 und Anthropic Claude ist in die heiße Phase getreten. Für Unternehmen stellt sich nun die Frage: Was bringt diese neue Version wirklich und wie können wir davon profitieren?
Die drei wichtigsten Neuerungen in GPT-5.2 für Unternehmen:
Auch in meinen ersten Tests konnte ich erheblich gestiegene Leistung und Qualität feststellen (allerdings hat es irgendwie seinen Humor verloren, aber das mag auch an meinen Use Cases gelegen haben). Andere Nutzer äußern sich jedoch teilweise enttäuscht und sagen, dass die erhofften Fortschritte in der Logik ausgeblieben sind.
Dennoch ist ChatGPT 5.2 mehr als ein inkrementelles Update – es ist eine klare Antwort auf den zunehmenden Wettbewerbsdruck im KI-Markt. Für Unternehmen bietet es konkrete Verbesserungen in Verlässlichkeit, Professionalität und Skalierbarkeit. Aber die Frage ist ja längst nicht mehr, ob KI in Unternehmen eingesetzt wird – sondern wie wir ihre stetig wachsenden Fähigkeiten optimal nutzen können. Ich muss zugeben, mir fällt es schwer, mit der Flut an neuen Modellen Schritt zu halten und jeweils zu entscheiden, welches Modell für welche Aufgabe am besten geeignet ist. Und ich beschäftige mich hauptberuflich damit.
Außerdem, ich finde eine weitere Entwicklung im Bereich KI sogar noch spannender. ChatGPT und die anderen US-„Platzhirsche“ (Gemini, Anthropic, LLama) setzen immer noch auf „Muskeln“ – mehr und schnellere Prozessoren, mehr RAM. Aber, Köpfchen schlägt Muskeln, wie wir alle wissen – und deshalb ist für mich die eigentliche Sensation das ebenfalls ganz neu herausgekommene DeepSeek V3.2. China unterliegt einem massiven Embargo, und muss deshalb mit viel weniger Mitteln und veralteter Hardware auskommen. Und dennoch liegt DeepSeek V3.2 nahezu gleichauf mit den aktuellen Top-Modellen der US-Anbieter. Wie schafft DeepSeek das?
Statt immer größere neuronale Netze zu bauen, optimieren die Chinesen die Architektur („Mixture-of-Experts“ und „Sparse Attention“). Sie haben quasi den Motor effizienter gemacht, statt einfach den Tank zu vergrößern. Und ich finde durchaus, bevor der KI-Rüstungswettlauf noch die globale Ökonomie beschädigt, wäre das amerikanischen Ingenieuren auch anzuraten.
Tipp: Falls es Ihnen unangenehm ist, bei einem chinesischen Anbieter ein Konto anzulegen, Sie können DeepSeek V3.2 mit der Ollama Cloud auch auf einem datensicheren, neutralen und die Privatsphäre wahrenden Dienst nutzen, und Chatbox AI oder Open WebUI für die Steuerung der KI einsetzen.
