Die Digitalwoche vom 7. bis 13. September 2026 hatte ungewöhnlich viel Substanz. OpenAI stellte mit GPT‑6 Astra nicht nur ein neues Spitzenmodell vor, sondern zugleich die Infrastruktur für lange laufende KI-Agenten und natürlichere Sprachsysteme. Apple brachte mit dem iPhone Duo sein erstes faltbares Smartphone. In Europa startete eine konkrete Meldepflicht des Cyber Resilience Act. Und in der Forschung reichten die Meldungen von einem KI-generierten Lösungsvorschlag für das Navier‑Stokes-Problem bis zu einem Roboter, dessen Steuerung auf physikalischen Wellen beruht.
Dieser Digital-Wochenrückblick KW 37 ordnet die wichtigsten Entwicklungen ein. Entscheidend ist dabei nicht nur, was angekündigt wurde, sondern wie belastbar die Aussagen sind, welche technische Idee dahintersteht und was daraus für Deutschland und Europa folgt.
1. GPT‑6 Astra verschiebt den Fokus von Antworten zu echter Arbeit
Am 9. September stellte OpenAI GPT‑6 Astra vor. Das Modell ist für professionelle Aufgaben konzipiert, bei denen ein KI-System nicht nur Text erzeugt, sondern Dokumente versteht, Software bedient, recherchiert, programmiert und über längere Abläufe hinweg Entscheidungen vorbereitet. Damit setzt sich ein Trend fort, der bereits in unserem Überblick Welche KI gibt es 2026? sichtbar wurde: Moderne Modelle entwickeln sich von universellen Chatbots zu Systemen, die unterschiedliche Medien, Werkzeuge und Arbeitsschritte verbinden.
Technisch wichtig ist vor allem die verbesserte Computersteuerung. Astra kann Anwendungen über ihre Benutzeroberfläche bedienen, selbst wenn keine passende Programmierschnittstelle vorhanden ist. Für Unternehmen ist das relevant, weil viele reale Prozesse nicht in einer einzigen modernen Cloud-Anwendung stattfinden. Daten werden aus einem ERP-System exportiert, in einer Tabellenkalkulation geprüft, in eine Präsentation übernommen und anschließend in einem Kundenportal dokumentiert. Ein Modell, das solche Übergänge versteht, kann bestehende Abläufe unterstützen, ohne dass jeder Schritt zunächst als eigene API-Integration gebaut werden muss.
OpenAI nennt deutliche Fortschritte bei Softwareentwicklung, Dokumentenanalyse und langen Agentenaufgaben. Auf Terminal-Bench 4.0 erreicht Astra nach Herstellerangaben 57,9 Prozent, gegenüber 37,3 Prozent bei GPT‑5.6 Sol. Externe Testpartner berichten unter anderem von weniger selbstbewusst falschen Aussagen und einer höheren Trefferquote bei Fehlern, die sich nur über mehrere Dateien hinweg erkennen lassen. Solche Zahlen sind interessant, sollten aber nicht mit einer Garantie für den Alltag verwechselt werden: Benchmarks messen definierte Aufgaben, während echte Unternehmensprozesse unvollständige Daten, Berechtigungen, Ausnahmen und widersprüchliche Anweisungen enthalten.
Mindestens ebenso wichtig wie die Leistung ist deshalb die Kontrollschicht. Unternehmen können erlaubte Websites und Desktop-Anwendungen einschränken, Uploads und Downloads steuern sowie Bestätigungen vor folgenreichen Aktionen verlangen. OpenAI berichtet, dass Astra in einem internen Sicherheitstest deutlich seltener unbeabsichtigte Ergebnisse erzeugte als frühere Modelle. Für europäische Firmen bleibt dennoch die Grundregel: Je mehr ein Modell ausführen darf, desto wichtiger werden Rollen, Protokollierung, Freigaben und eine klare Trennung zwischen Vorschlag und verbindlicher Aktion.
2. Die Agents API macht lange laufende KI-Prozesse zur Plattform
Einen Tag nach dem Modellstart folgte die Agents API in einer öffentlichen Beta. Der eigentliche Fortschritt liegt nicht darin, dass eine API einen Prompt entgegennimmt. Neu ist die verwaltete Umgebung um das Modell: Sitzungen können lange laufen, Kontext über mehrere Arbeitsphasen verdichten, Werkzeuge dynamisch finden und Teilaufgaben an spezialisierte Unteragenten verteilen. Entwickler müssen damit weniger eigene Infrastruktur für Zustände, Wiederanläufe, Zwischenergebnisse und parallele Arbeit bauen.
Das verändert die Architektur von KI-Anwendungen. Bisher bestehen viele Lösungen aus festen Ketten: Anfrage empfangen, Daten suchen, Modell aufrufen, Ergebnis speichern. Agentensysteme arbeiten eher wie ein kontrollierter Prozess. Sie planen Schritte, wählen Werkzeuge, prüfen Zwischenergebnisse und können nach einem Fehler einen anderen Weg versuchen. Die API erlaubt dafür eine von OpenAI gehostete Sandbox, eigene Infrastruktur oder Umgebungen von Partnern. Das ist für europäische Unternehmen relevant, weil Speicherort, Zugriff auf Geheimnisse, Protokollierung und Datenresidenz je nach Anwendungsfall unterschiedlich geregelt werden müssen.
Passend dazu veröffentlichte OpenAI GPT‑Live‑1 für Sprachagenten. Das Modell kann gleichzeitig zuhören und sprechen, Unterbrechungen natürlicher verarbeiten und anspruchsvollere Entscheidungen an ein Textmodell delegieren. Klassische Sprachbots zerlegen ein Gespräch häufig in Spracherkennung, Textmodell und Sprachausgabe. Jede Übergabe kostet Zeit und verliert Nuancen. Ein Full-Duplex-System verarbeitet einlaufendes und ausgehendes Audio enger zusammen. Das ist nicht bloß ein Komfortmerkmal: In Lernanwendungen wurden Unterbrechungen in frühen Tests um fast 80 Prozent reduziert. Für Telefonservice, Terminannahme oder Assistenzsysteme könnte damit erstmals ein Gesprächsfluss entstehen, der weniger nach starren Sprechpausen klingt.
Die Kombination aus Astra, Agents API und Live-Stimme zeigt die Richtung: Das Modell ist nur eine Schicht. Wettbewerbsentscheidend werden Orchestrierung, sichere Ausführungsumgebungen, Rechteverwaltung, Beobachtbarkeit und die Fähigkeit, einen Prozess nach Stunden oder Tagen verlässlich fortzusetzen.
3. Apple betritt mit dem iPhone Duo den Markt für Foldables
Die größte Hardwaremeldung der Woche kam am 9. September aus Cupertino. Apple stellte mit dem iPhone Duo sein erstes faltbares iPhone vor. Geöffnet bietet es ein 7,6-Zoll-Display, geschlossen ein 5,4-Zoll-Außendisplay. Beide Bildschirme verwenden dasselbe Seitenverhältnis, damit Inhalte beim Auf- und Zuklappen proportional wechseln. Das klingt nach einem Detail, ist aber zentral: Ein Foldable überzeugt nicht durch das Scharnier allein, sondern dadurch, dass Software den Übergang zwischen kompaktem und großem Arbeitsbereich ohne Reibung gestaltet.
Das Gerät nutzt den A20 Pro, eine eigens angepasste Vapor-Chamber-Kühlung und eine Dual-Battery-Architektur. Die innere Displaylage kombiniert einen steiferen Polymeraufbau, Glaslagen, flexible Klebstoffe und eine Titanplatte. Diese Materialarchitektur soll den wiederholten Biegestress verteilen. Genau hier entscheidet sich die Alltagstauglichkeit faltbarer Geräte: Bildschirm, Scharnier, Klebstoffe und Gehäuse arbeiten mechanisch als Gesamtsystem. Apple kündigte Vorbestellungen für den 16. Oktober und den Verkaufsstart für den 23. Oktober an.
Parallel erschienen iPhone 18 Pro und Pro Max. Die auffälligste Kameraänderung ist eine variable Blende mit sechs Lamellen. Smartphones simulieren Tiefenschärfe meist rechnerisch; eine physisch veränderbare Öffnung erlaubt zusätzlich, Lichtmenge und Schärfentiefe optisch zu beeinflussen. A20 Pro, ein überarbeitetes Kühlsystem und Siri AI rücken lokale Rechenleistung stärker in den Mittelpunkt. Das Smartphone wird damit zugleich Kamera, persönlicher Kontextspeicher und KI-Endgerät.
Für den Markt ist das iPhone Duo wichtiger als eine einzelne Spezifikation. Apple tritt spät in die Foldable-Kategorie ein, kann sie dadurch aber für Entwickler und Nutzer normalisieren. Wenn Apps künftig selbstverständlich zwischen Außen- und Innenbildschirm wechseln, wird aus einer Nische ein weiteres reguläres Layoutziel. Für europäische Anbieter bedeutet das mehr Testaufwand, aber auch neue Möglichkeiten für produktive mobile Oberflächen, etwa parallele Dokument- und Kommunikationsansichten.
4. Der Cyber Resilience Act wird operativ
Am 11. September begann in der EU ein konkreter Teil des Cyber Resilience Act zu gelten. Hersteller von Produkten mit digitalen Elementen müssen aktiv ausgenutzte Schwachstellen und schwere Sicherheitsvorfälle melden. Betroffen sind nicht nur klassische Programme, sondern grundsätzlich auch vernetzte Hardware und digitale Produkte, die auf Software angewiesen sind.
Die Fristen sind bewusst knapp: Innerhalb von 24 Stunden ist eine Frühwarnung erforderlich, innerhalb von 72 Stunden eine vollständige Meldung. Bei aktiv ausgenutzten Schwachstellen folgt spätestens 14 Tage nach Verfügbarkeit einer Korrekturmaßnahme ein Abschlussbericht; bei schweren Vorfällen gilt dafür grundsätzlich ein Monat nach der 72-Stunden-Meldung. Die Meldung läuft über die von ENISA eingerichtete Single Reporting Platform. Die übrigen zentralen Produktpflichten des CRA greifen überwiegend erst ab 11. Dezember 2027.
Damit verändert sich Produktsicherheit von einer freiwilligen Qualitätsfrage zu einem dokumentierten Prozess. Hersteller müssen wissen, welche Komponenten in einem Produkt stecken, wer Meldungen bewertet, wie ein Vorfall eskaliert wird und wann eine Schwachstelle tatsächlich als aktiv ausgenutzt gilt. Gerade für kleinere Softwareanbieter ist die organisatorische Vorbereitung mindestens so wichtig wie ein technisches Sicherheitstool. Eine ausführliche Einordnung der Fristen und Abläufe bietet unser Beitrag zum Cyber Resilience Act 2026.
Für Deutschland und Europa ist der Stichtag ein Signal: Digitale Lieferketten sollen nachvollziehbarer werden, und Sicherheitsinformationen sollen schneller dort ankommen, wo sie für Abwehr und Marktaufsicht benötigt werden. Die Qualität wird davon abhängen, ob Unternehmen Meldeprozesse in ihre Entwicklung integrieren, statt sie erst nach einem Vorfall improvisieren zu müssen.
5. Hinter ChatGPT wächst eine Speicherplattform in Internetgröße
Eine weniger spektakuläre, technisch aber bemerkenswerte Veröffentlichung der Woche betrifft die Infrastruktur hinter ChatGPT. OpenAI beschreibt seine Speicherplattform Habitat, die inzwischen mehr als 70 Millionen Anfragen pro Sekunde verarbeitet. Sie unterstützt Produkte mit mehr als einer Milliarde wöchentlichen Nutzern, arbeitet über fast 40 geografische Regionen hinweg und verwaltet mehr als 500 Petabyte Daten.
Solche Größenordnungen machen sichtbar, warum ein KI-Produkt weit mehr als ein Modell benötigt. Bevor eine Antwort entsteht, müssen Kontoinformationen, Berechtigungen, Einstellungen, Konversationen, Dateien und Produktzustände schnell und konsistent erreichbar sein. Ein einzelner Nutzerklick kann viele Datenabfragen auslösen. Ist nur ein kleiner Anteil davon langsam, entsteht die gefühlte Verzögerung am Ende trotzdem beim Nutzer.
Habitat sitzt als gemeinsame Schicht vor unterschiedlichen Speichersystemen und übernimmt unter anderem Routing, Zugriffskontrolle, Datenresidenz, Mandantentrennung, Caching und Lastbegrenzung. Diese Abstraktion erlaubt es Produktteams, neue Funktionen zu bauen, ohne jede Datenbanklogik selbst zu implementieren. Gleichzeitig entsteht eine anspruchsvolle technische Aufgabe: Eine gemeinsame Plattform muss einfach genug bleiben, um zuverlässig betrieben zu werden, darf aber die Besonderheiten der darunterliegenden Systeme nicht vollständig verstecken.
Für europäische Organisationen ist besonders das Thema Datenresidenz interessant. Globale KI-Dienste müssen nicht nur schnell sein, sondern Daten entsprechend regionaler und vertraglicher Vorgaben platzieren. Die Veröffentlichung zeigt daher einen breiteren Branchentrend: Mit wachsender KI-Nutzung wird die unsichtbare Daten- und Kontrollinfrastruktur mindestens so wichtig wie das sichtbare Sprachmodell.
Wissenschaft & Digital
6. Ein KI-System legt einen Lösungsvorschlag für Navier‑Stokes vor
Die wissenschaftlich folgenreichste Meldung der Woche könnte aus der Mathematik kommen. OpenAI veröffentlichte am 8. September einen KI-generierten Beweisvorschlag zum Navier‑Stokes-Problem, einem der sieben Millennium-Probleme. Die Gleichungen beschreiben die Bewegung von Flüssigkeiten und Gasen und bilden eine Grundlage für Strömungssimulationen in Luftfahrt, Wettermodellen, Turbinen, Fahrzeugen und der Medizin.
Die offene Frage lautet vereinfacht: Bleiben Lösungen der dreidimensionalen Gleichungen bei glatten Anfangsbedingungen immer glatt, oder kann in endlicher Zeit eine Singularität entstehen, bei der mathematische Größen unbeschränkt wachsen? Das veröffentlichte Ergebnis konstruiert nach Angaben von OpenAI einen Fall, in dem eine anfangs ruhende Flüssigkeit unter einer glatten äußeren Kraft eine solche Singularität entwickelt, während ihre Gesamtenergie endlich bleibt. Neben der klassischen mathematischen Darstellung wurde eine Formalisierung in Lean veröffentlicht. Ein Beweisassistent prüft dabei, ob jeder formale Schritt aus den festgelegten Definitionen und Regeln folgt.
Wichtig ist die sprachliche Präzision: Eine veröffentlichte, formal geprüfte Konstruktion ist noch nicht automatisch eine endgültig anerkannte Lösung des Millennium-Problems. Fachleute müssen kontrollieren, ob Formalisierung und mathematische Aussage tatsächlich exakt die verlangte Problemform treffen, ob alle Voraussetzungen korrekt abgebildet sind und ob keine versteckte Lücke besteht. Auch die Anerkennung durch das Clay Mathematics Institute folgt einem eigenen Prüfverfahren. Der richtige Stand ist deshalb: ein außergewöhnlich bedeutender Lösungsvorschlag, dessen unabhängige Prüfung läuft.
Unabhängig vom endgültigen Urteil markiert die Arbeit einen Wendepunkt. Das System soll mit vielen parallel arbeitenden Agenten einen langen Suchraum erkundet haben, während ein weiteres Modell die Argumentation formalisierte und prüfte. KI wird damit nicht nur zum Werkzeug für Literaturrecherche oder Berechnungen, sondern zum möglichen Erzeuger neuer mathematischer Konstruktionen. Die zentrale wissenschaftliche Aufgabe verschiebt sich teilweise vom Finden einer Idee zur überprüfbaren Einordnung einer maschinell erzeugten Idee.
7. KI übernimmt Routinen im Quantenlabor und sucht Moleküle
Zwei weitere Fallstudien zeigten in derselben Woche, wie KI in reale Forschungsabläufe hineinwächst. In einer Zusammenarbeit mit dem MIT wurde GPT‑5.6 Sol über Codex mit der Software eines Quantenlabors verbunden. Supraleitende Qubits müssen nach Herstellung, Verpackung und Abkühlung auf Temperaturen nahe dem absoluten Nullpunkt sorgfältig charakterisiert und kalibriert werden. Dafür sind hunderte bis tausende voneinander abhängige Messungen nötig. Resonanzfrequenzen, Kohärenzzeiten und Steuersignale können sich verändern; das Ergebnis einer Messung bestimmt daher oft den nächsten Versuch.
Das System konnte wiederkehrende Messabläufe ausführen, Resultate analysieren und abhängig davon den nächsten Schritt wählen. Der Nutzen liegt nicht in einer angeblich autonomen wissenschaftlichen Entdeckung, sondern in der Entlastung von Routine. Forschende gewinnen Zeit für Versuchsdesign, Interpretation und die Entscheidung, welche Frage als Nächstes sinnvoll ist. Zugleich bleibt die Grenze klar: Ungewöhnliche physikalische Effekte, fehlerhafte Sensorik oder Sicherheitsrisiken verlangen menschliche Aufsicht.
Ein zweites Beispiel stammt aus der Suche nach antimikrobiellen Molekülen. Das Labor von César de la Fuente untersucht Genome lebender und ausgestorbener Organismen nach Peptiden, die gegen Mikroorganismen wirken könnten. Deep-Learning-Modelle erkennen dafür Muster in biologischen Sequenzen und reduzieren die erste Suche nach Kandidaten nach Angaben des Teams von Jahren auf Stunden. ChatGPT und Codex werden ergänzend eingesetzt, um Hypothesen zu entwickeln, Code zu schreiben, Datensätze auszuwerten und Verbindungen zwischen Disziplinen sichtbar zu machen.
Beide Projekte zeigen dasselbe Muster: KI ist besonders stark, wenn ein Forschungsprozess digital steuerbar ist, viele Wiederholungen enthält und klare Rückmeldesignale liefert. Der Engpass verschwindet dadurch nicht; er wandert. Aus Millionen rechnerisch interessanter Kandidaten müssen weiterhin wenige belastbare Experimente, reproduzierbare Ergebnisse und schließlich sichere Anwendungen entstehen.
8. Ein Roboter wird durch Wellen statt durch klassische Neuronen gesteuert
Eine peer-reviewte Arbeit in Nature Communications demonstrierte am 10. September eine ungewöhnliche Form neuromorphen Rechnens. Forschende nutzten physikalische Welleninteraktionen als Reservoir Computer, um Hindernisse zu erkennen und ein kleines Fahrzeug in Echtzeit zu steuern. In ihrem anschaulichen Versuchsaufbau dienten Wasserwellen als Rechenmedium. Das System erreichte bei der Hinderniserkennung eine nahezu perfekte Genauigkeit und leitete daraus unmittelbar die Bewegung des Roboters ab.
Reservoir Computing nutzt ein dynamisches physikalisches System, dessen komplexe Reaktionen Eingaben in einen reichhaltigen Zustandsraum abbilden. Statt ein großes künstliches neuronales Netz vollständig zu trainieren, wird vor allem die Ausgabeschicht angepasst. Die Physik des Reservoirs übernimmt einen Teil der Transformation. Wasser ist dabei kein realistischer Chip, aber ein transparentes Modell, an dem sich die Wellendynamik direkt beobachten lässt.
Über Simulationen übertrug das Team das Prinzip auf Spinwellen in einem magnetischen Nanobauelement bei Gigahertz-Frequenzen. Daraus könnte langfristig Hardware entstehen, die Sensorinformationen mit geringerem Energiebedarf direkt verarbeitet. Die Arbeit ist noch ein Machbarkeitsnachweis, kein fertiger Roboterprozessor. Sie passt jedoch zu einer breiteren Suche nach Alternativen zum klassischen digitalen Rechnen – ähnlich wie optische Ansätze, die wir im Beitrag über Photonic Computing ausführlich erklärt haben.
Der gemeinsame Gedanke lautet: Rechenoperationen müssen nicht immer als Folge diskreter Transistorschaltungen stattfinden. Licht, magnetische Anregungen, elektrische Widerstandszustände oder andere physikalische Prozesse können bestimmte Aufgaben effizienter abbilden. Gerade für kleine autonome Geräte ist das relevant, weil Energie, Abwärme und Reaktionszeit oft wichtiger sind als maximale Universalität.
9. Medizinische KI besteht den Europa-Test – aber mit vielen Fehlalarmen
Eine weitere Studie der Woche liefert ein gutes Beispiel dafür, warum hohe KI-Kennzahlen allein nicht genügen. Forschende prüften ein LSTM-Modell zur frühen Vorhersage eines septischen Schocks erstmals systematisch über US-amerikanische und europäische Intensivstationsdaten hinweg. Das Modell war ursprünglich mit der MIMIC-III-Datenbank aus Boston entwickelt worden und wurde nun unter anderem an Daten des Amsterdam University Medical Centers getestet.
Auf der niederländischen Kohorte erreichte es eine AUROC von 0,8851 und erkannte Risiken im Median 47 Stunden vor dem dokumentierten Beginn. Das klingt stark. Bei externer Übertragung verschlechterten sich jedoch Kalibrierung und Trefferquote, und die Präzision lag je nach Einstellung nur zwischen 0,01 und 0,17. Anders gesagt: Ein großer Teil der positiven Warnungen wäre ein Fehlalarm. In einer Intensivstation kann das zu Alarmmüdigkeit und unnötigen Maßnahmen führen.
Die Studie ist deshalb weniger ein Beweis für eine einsatzbereite Diagnose-KI als eine Lektion über Generalisierbarkeit. Krankenhäuser erfassen Daten unterschiedlich, behandeln andere Patientengruppen und folgen eigenen Arbeitsabläufen. Ein Modell kann Gruppen statistisch gut trennen und trotzdem schlecht kalibrierte Einzelwarnungen erzeugen. Gepooltes Training mit Daten aus mehreren Regionen verbesserte Robustheit und Brier Score, beseitigte das Problem aber nicht. Vor einem klinischen Einsatz sind lokale Kalibrierung, prospektive Tests und eine sorgfältige Gestaltung der Alarmgrenzen notwendig.
Was von KW 37 bleibt
Die Woche zeigt drei Entwicklungen, die weit über einzelne Produkte hinausreichen. Erstens werden KI-Systeme handlungsfähiger: Modelle, Agenten-Infrastruktur und Sprache wachsen zu einer gemeinsamen Anwendungsschicht zusammen. Zweitens verändert sich Hardware an beiden Enden – vom faltbaren Smartphone für Millionen Nutzer bis zu experimentellen Wellencomputern im Labor. Drittens steigen die Anforderungen an Nachweis und Kontrolle. Der Cyber Resilience Act verlangt schnelle, strukturierte Meldungen; mathematische KI-Ergebnisse benötigen unabhängige Prüfung; medizinische Modelle müssen sich außerhalb ihres Ursprungsdatensatzes bewähren.
Genau darin liegt die wichtigste Botschaft des Digital-Wochenrückblicks KW 37: 2026 wird nicht nur durch leistungsfähigere Technik geprägt. Entscheidend ist, ob sie zuverlässig in reale Systeme übersetzt werden kann. Ein Benchmark, eine Demo oder ein beeindruckender Prototyp ist der Anfang. Dauerhafter Nutzen entsteht erst, wenn Sicherheit, Material, Infrastruktur, Regulierung und menschliche Kontrolle gemeinsam funktionieren.
