Ein Assistent, der bei Ihnen wohnt und die Aufgaben erledigt
n8n stellt Nod vor, einen persönlichen Assistenten, den Sie auf Ihrem Mac, Ihrem PC oder Ihrem eigenen Server installieren. Er liefert Ihnen nicht einfach eine Liste von Aufgaben: Er führt sie aus, auch auf Seiten ganz ohne Schnittstelle. Bevor er eine E-Mail verschickt, etwas bezahlt oder löscht, prüft ein zweites Modell, das nicht das handelnde ist, die Aktion gegen Ihre Anweisung und fragt nach, wenn die nicht ausreicht. Ihre Passwörter und Karten bleiben verschlüsselt auf dem Rechner, in Formularen, die das Modell nicht lesen kann. Der Code ist frei, und das Modell wählen Sie selbst, auch eines, das auf Ihrem eigenen Rechner läuft. Der Anbieter nennt 98 Prozent Erfolg bei 678 Durchläufen und keine unbefugte Aktion bei 216 Angriffen per E-Mail. Quelle: https://blog.n8n.io/meet-nod
Amazon veröffentlicht eine Nachbildung seiner Cloud, komplett von Agenten geschrieben
Amazon hat gerade einen kostenlosen nachgebauten Ersatz für seine eigenen Dienste veröffentlicht, der sich auf Ihrem Rechner installiert und auf dieselben Aufrufe antwortet wie die echte Cloud. Ihr Code bleibt unverändert, aber Sie zahlen nichts und brauchen kein Konto. Das Erstaunliche: Jede Zeile Code wurde von selbstständigen Agenten geschrieben, ohne menschliche Prüfung, ausgehend von der öffentlichen Beschreibung der Schnittstellen. Drei Agenten-Teams halten das Projekt in Stand: eines schreibt Tests, eines spielt sie ab und meldet jede Abweichung, eines korrigiert. Amazon weist die Verantwortung von sich: Der Ersatz prüft Ihre Zugriffsrechte nicht, eine Anfrage, die die echte Cloud ablehnen würde, kann hier also durchgehen. Der Code liegt in der öffentlichen Domäne. Quelle: https://www.aboutamazon.com/news/aws/how-autonomous-ai-agents-built-aws-emulator
Die Trainingsdaten reinigen kann die Falle scharf machen statt sie zu entschärfen
Ein Team von Anthropic zeigt, dass das Filtern der Trainingsdaten ein Modell nicht ausreichend schützt. Wenn ein manipulierter Datensatz immer eine Aufgabe mit einem bestimmten Wort paart, sagt nichts, welches von beidem das Verhalten steuert. Fügen Sie korrekte Beispiele derselben Aufgabe ohne das Wort hinzu, folgt das Modell am Ende nur noch dem Wort. Bei einem kleinen offenen Modell steigt die Rate der Regelverstöße von rund 7 auf 16 Prozent, sobald 20 Prozent manipulierte Daten mit sauberen Daten gemischt werden. Ein Netz, das nur Ziffern erkennt, geht nach 9 000 sauberen Beispielen von 10 auf 60 Prozent Fehler. Die Autoren sind klar: Sie untersuchen keine Trainingskette im Produktivbetrieb. Die Lehre ist einfach: Behandeln Sie ein heruntergeladenes Modell wie Code, den jemand Unbekanntes signiert hat. Quelle: https://alignment.anthropic.com/2026/homeopathic-learning
Perplexity öffnet die Gewichte eines kleinen Modells, das erlaubt oder verweigert
Perplexity veröffentlicht eine neue Version seiner Entscheidungsmodelle, jener, die nicht antworten, sondern eine Wahrscheinlichkeit zurückgeben. Sie bekommen Text und Frage, sie entscheiden. Ein Agent nutzt sie als Wache: Ist diese Anfrage erlaubt, lohnt sich dieses Ergebnis, soll ein größeres oder kleineres Modell befragt werden. Version 1.3 ergänzt eine Funktion, die genau die Textstelle zurückgibt, auf die die Frage zielt, samt Position. Die Gewichte stehen unter der Apache-2.0-Lizenz, der Anbieter nennt 93,98 Prozent Übereinstimmung mit Spitzenmodell-Judges über eine Million echter Anfragen. Zwei Grenzen: Die Funktion liest keine Bilder, und die Zahl der Fragen ist auf 128 pro Anfrage begrenzt. Quelle: https://www.perplexity.ai/hub/blog/perplexity-decider
Der Marktdaten-Anbieter ist 1,1 Milliarden wert, mit weniger als 40 Mitarbeitern
Databento, das Tradern Kaufaufträge und Transaktionen auf die Mikrosekunde genau verkauft, nimmt 100 Millionen Dollar bei einer Bewertung von 1,1 Milliarden auf. Das Unternehmen hat weniger als 40 Mitarbeiter. Das Geld geht in den Bau von neun Rechenzentren in vier Monaten, in sieben Städten von Singapur bis New York. Der Teil, der uns interessiert: Das Unternehmen sagt, es habe Unternehmenskontakte mit fünf der sechs größten KI-Forschungslabor der Spitze geschlossen, ohne einen zu nennen. Diese Labore müssen Minute für Minute wissen, was an den Märkten passiert, an dem Tag, an dem Agenten dort handeln. Die Firma sagt, sie habe kein Kapital gesucht, und dass der Umsatz seit Juli mehr als verdoppelt habe, ohne die Zahl zu nennen. Sie sei profitabel. Quelle: https://databento.com/blog/series-c
Vercel zerlegt Bildschirme in Bausteine, damit ein Agent sie selbst baut
Vercel veröffentlicht eine freie Bibliothek, die das Funktionieren einer Oberfläche in rund fünfzig wiederverwendbare Stücke zerlegt: ein Fenster öffnen, aus einer Liste wählen, mit der Tastatur navigieren, eine Tabelle umsortieren. Ein Programmieragent setzt sie selbst zusammen, um den gewünschten Bildschirm zu bauen, auch einen noch nicht vorhandenen, und wird danach selbst zum Nutzer. Der Anbieter misst: Ein Agent, der die Seite direkt steuert, ohne Bildschirmfotos, braucht 5 statt 16 Aufrufe, in 16 statt 41 Sekunden. Die Bibliothek deckt fünf Web-Bibliotheken ab. Quelle: https://ui-sdk.dev/
openEuler baut sein Betriebssystem für Agenten um
Die openEuler-Gemeinschaft, die das von Huawei gesponserte chinesische Betriebssystem trägt, hat ihr gesamtes System für Agenten umgebaut. In der neuen Version läuft der Agent nicht mehr in einer virtuellen Maschine, sondern in einem abgeschotteten Raum, der in unter 50 Millisekunden entsteht. Zehntausend solcher Räume starten laut Anbieter in zehn Sekunden. Der Speicher der Agenten wird schichtweise verwaltet, und der Anteil geblockter Risiken steigt von 50 auf 95 Prozent. Die Version ist für Dezember geplant. Quelle: https://www.openeuler.org/en/interaction/summit-list/summit2026
Drei Agenten gleichzeitig statt einer nach dem anderen
MuleSoft, die Salesforce-Tochter, die Unternehmenssoftware verbindet, kann ein Team von Agenten jetzt auf Ihrem Rechner testen, bevor es überhaupt live geht. Und wenn ein Schritt drei Agenten gleichzeitig aufrufen muss, starten sie künftig gemeinsam: Man wartet nicht mehr auf das Ende, sondern auf den langsamsten. Im Beispiel des Anbieters lösen sich eine Rechnung über 4 Sekunden, ein Support-Anruf über 3 und ein Kunden Datensatz über 5 in 5 statt 12 Sekunden. Die Reihenfolge bleibt gewahrt, wenn sie zählt. Quelle: https://blogs.mulesoft.com/automation/build-test-and-run-trusted-agent-orchestrations-faster-whats-new-with-agent-broker/
DeepSeek gibt die Werkzeuge seiner eigenen App frei
DeepSeek öffnet Entwicklern die Funktionen, die seine öffentliche App schon nutzte: im Web suchen, einen Link lesen, ein Dokument aufnehmen, Text in einem Bild lesen, eine Stimme transkribieren. Der Anbieter verkauft sie auch einzeln, mit einem Aufpreis auf die Token. Das betroffene Modell ist V4.1-Flash, und es gibt eine freie Demo zum Testen des Ganzen. Wichtig: Das ist keine Neuheit, die Such- und Seitenlesewerkzeuge gibt es seit dem 19. Oktober. Quelle: https://api-docs.deepseek.com/news/news261113/
📊 Trend
Heute steigen die Agenten aus dem Chatfenster und in die Werkstatt. Amazon lässt sie den Code schreiben und kostenlos auf Ihrem Rechner testen; n8n installiert Ihren zu Hause, mit einem zweiten Modell, das Nein sagt, wenn Ihre Anweisung nicht reicht; MuleSoft lässt drei Agenten gleichzeitig arbeiten, statt sie anzustellen. Auf der anderen Seite wird die Wache härter: Anthropic zeigt, dass das Reinigen der Trainingsdaten die Falle scharf machen statt sie zu entschärfen kann, und Perplexity öffnet die Gewichte eines Wächters, der für ein paar Cent Nein sagen kann. Und die Datenschicht beginnt, einen Preis zu haben: Databento kommt auf 1,1 Milliarden Dollar mit weniger als 40 Mitarbeitern. Entscheidend ist nicht, wie mächtig die Agenten sind, sondern wie große Rechte Sie ihnen geben.