KI Brief · Donnerstag, 12. November 2026

Ausgabe 7 · Donnerstag, 12. November 2026

Heute in Kürze

Österreich: Die TU Graz veröffentlicht CLARA, eine Open-Source-Toolbox, die Bioreaktor-Simulationen per Clustering bis zu 10.000-mal schneller rechnet
Modelle: Google bringt Gemini Decision 1, ein Modell, das bis zu 1.000 Ja/Nein-, Auswahl- und Bewertungsfragen in einem Durchgang beantwortet
Papers: AlphaGenome 2 sagt voraus, wie DNA-Varianten in einzelnen Zelltypen wirken
Modelle: Alibaba öffnet eine zweiwöchige Vorschau auf Qwen4-Max mit 1 Mio. Token Kontext
Builder: Der AWS Emulator bildet AWS-Dienste lokal nach, geschrieben komplett von KI-Agenten
Tools: DeepL Aure trägt Tonfall und Sprechtempo in die Echtzeit-Übersetzung
Europa: Der Londoner Chip-Entwickler Fractile holt 720 Mio. USD
Recht: United Airlines verbietet fremden KI-Agenten, Flüge zu buchen
Markt: Nvidias Aufsichtsrat berät über die Ablöse von Jensen Huang

Österreich / Förderungen

TU Graz: CLARA rechnet Bioreaktoren bis zu 10.000-mal schneller. Ein Team um Stefan Radl vom Institut für Prozess- und Partikeltechnik hat die Software-Toolbox CLARA (CLustering AlgoRithm Austria) in der Fachzeitschrift Chemical Engineering Science vorgestellt und als Open Source veröffentlicht. Sie beschleunigt Simulationen großer Bioreaktoren laut TU Graz um bis zu das 10.000-Fache, ohne die physikalische Aussagekraft zu verlieren.

Bisher liefen solche Berechnungen als CFD-Simulation: genau, aber so rechenintensiv, dass ein realer Prozess über Tage oder Wochen eventuell Monate Rechenzeit braucht. CLARA baut daraus automatisch Modelle reduzierter Ordnung. Ein unüberwachtes Clustering-Verfahren gruppiert Millionen Datenpunkte aus kürzeren CFD-Läufen in 5 bis 50 verbundene Zonen; Totzonen mit schlechter Durchmischung, Bereiche mit hohen Scherkräften und der Gasaustausch bleiben dabei erhalten. Eigene Algorithmen sorgen dafür, dass die Massenbilanz stimmt, eine typische Schwäche vereinfachter Modelle. Entwickelt wurde CLARA im TU-Graz-Leadprojekt DigiBioTech, im Einsatz ist es schon am COMET-Zentrum BEST und beim Spin-off SimVantage.

Wer in Fermentation, Biomasse-Nutzung, Polymer- oder Batteriezellfertigung digitale Zwillinge baut, kann sich das Repository ansehen; laut Radl sind alle getesteten Funktionen schon drin, neue kommen nach und nach dazu. Für die Anwendung braucht es weiterhin CFD-Daten als Ausgangspunkt. TU Graz · Paper (DOI)

Modelle & Papers

Gemini Decision 1: ein Modell nur für geschlossene Fragen. Google DeepMind hat am Mittwoch die Gemini Decisions API mit dem neuen Modell gemini-decision-1 gestartet, verfügbar über die Gemini API in Google AI Studio. Das Modell bewertet vorgegebene Optionen in einem einzigen Forward Pass und liefert Wahrscheinlichkeiten samt Konfidenzwert zurück.

Pro Anfrage gehen ein multimodaler Input (Text, Bild, Audio, Video, PDF, bis 256.000 Token) und bis zu 1.000 unabhängige Fragen hinein. Drei Typen gibt es: Ja/Nein, Auswahl aus 2 bis 255 Optionen und Bewertung auf einer geordneten Skala. Die Antwort kommt laut Google in 150 bis 250 ms, der Preis liegt bei 0,10 USD pro Million Input-Token, Output-Token kosten nichts. Auf Googles eigener Benchmark-Sammlung soll das fast fünfmal günstiger sein als Gemini 3.5 Flash-Lite, bei der niedrigsten Kalibrierungsfehlerrate im Vergleich. Intern routet Gemini Notebook damit Anfragen auf das passende Modell, mit bis zu 40 % weniger Latenz für Alltagsfragen. Auf Hacker News kam die Ankündigung auf über 350 Punkte.

Brauchbar ist das überall, wo heute ein großes Modell nur „ja“ oder „nein“ sagen soll: Tool-Auswahl, Policy-Checks, Routing, Qualitätsprüfung von Bildern oder Dokumenten. Integrationen für OpenRouter, LangChain, Vercel, LiteLLM und Pydantic AI rollen aus, zum Ausprobieren gibt es eine kostenlose Stufe in AI Studio. Google
AlphaGenome 2 sagt DNA-Effekte pro Zelltyp voraus. Google DeepMind hat AlphaGenome 2 vorgestellt, den Nachfolger seines Modells für die nicht-codierende DNA, die rund 98 % des Genoms ausmacht. Es liest eine Million DNA-Buchstaben und sagt voraus, wie eine Variante die Genaktivität und andere Messwerte verändert, jetzt getrennt nach einzelnen Zelltypen und Zellzuständen statt nach Gewebe-Durchschnitten.

Trainiert wurde mit über 100 Millionen Einzelzell-Profilen aus 68 Geweben, 637 menschlichen und 311 Maus-Zelltypen. Laut DeepMind findet das Modell fast doppelt so viele Varianten, die die Genexpression verändern, wie der Vorgänger. Neu ist DNA-Methylierung als Vorhersage, und mit frischen Einzelzell-Daten, etwa aus kranken Zellen, rechnet es auch für Zustände, die es im Training nie gesehen hat. Peter Donnelly, CEO von Genomics, zählt nach: Die Richtung eines Effekts trifft das Modell bei 90 % Präzision für 43 % der geprüften Varianten, der Vorgänger schaffte 23 %. Sichere Vorhersagen liefert es aber nur für einen kleinen Teil der Varianten.

Für Biotech und Pharma ist das ein Werkzeug, um Kandidaten für Experimente vorzusortieren; klinisch oder diagnostisch ist es nicht zugelassen. Forschende ohne kommerzielles Ziel können es ab sofort über die AlphaGenome API nutzen, kommerzielle Nutzung läuft als Private Preview. Google DeepMind · Nature · Genomics
Qwen4-Max startet als befristete Vorschau. Alibaba hat am Mittwoch eine Preview von Qwen4-Max geöffnet, dem Flaggschiff der nächsten Qwen-Generation. Das Modell versteht Text, Bilder und Video und verarbeitet bis zu eine Million Token Kontext.

Per API gibt es die Vorschau unter qwen4-max-preview nur mit Alibabas Token-Plan-Abo, außerdem in der Qwen-App, in Qoder, QwenWork und QwenStudio. Die API ist kompatibel zu OpenAI Chat Completions, Responses und Anthropic Messages, Reasoning ist standardmäßig auf der höchsten Stufe xhigh an. Laut Alibaba-Dokumentation endet die Preview am 25. November um Mitternacht chinesischer Zeit, danach wird das Modell abgeschaltet.

Wer Agenten mit sehr langem Kontext baut, kann Qwen4-Max in diesen zwei Wochen gegen die eigenen Aufgaben testen; für Produktion taugt die Preview wegen des festen Enddatums nicht. Achtung beim Umstieg: max_tokens zählt hier Denk- und Antwort-Token zusammen (maximal 393.216), ein knapp gesetztes Limit schneidet die Antwort ab. Alibaba Cloud · TechNode

Builder / Tools

AWS Emulator: die AWS-API lokal, geschrieben von Agenten. Amazon hat den AWS Emulator veröffentlicht, einen lokalen Nachbau der AWS-Dienste. AWS CLI, SDKs und Coding-Agenten sprechen über einen lokalen HTTPS-Endpunkt mit denselben APIs wie in der Cloud, der Anwendungscode bleibt unverändert. Der Emulator ist gratis, in Rust geschrieben und steht unter CC0 auf GitHub; unter Linux kommt er als RPM- oder Debian-Paket, unter macOS und Windows per Docker.

Gebaut ist er aus den über 400 API-Modellen, die auch hinter den AWS-SDKs stehen. Für unterstützte Operationen liefert er dieselben Ergebnisse und Fehler wie AWS, nicht unterstützte melden 501. Jede Instanz bekommt eigenen Port, eigene Schlüssel und eigenen Zustand im Speicher, Testläufe und Agenten sehen also nichts voneinander. Den Code hat laut AWS kein Mensch geschrieben oder geprüft: Drei Agententeams auf Bedrock AgentCore erstellen Zehntausende Fidelity-Tests gegen echtes AWS, suchen Abweichungen und beheben sie, jede Änderung muss durch automatische Prüfungen auf Codequalität, Sicherheit und Regressionen. Auf Hacker News landete das Projekt mit über 750 Punkten weit oben.

Für Teams, die Coding-Agenten an AWS-Code arbeiten lassen, ist das eine Sandbox ohne Kosten und ohne Risiko für die echte Umgebung, und Tests in der CI laufen ohne AWS-Konto. Vor dem Umstieg lohnt der Blick in den Fidelity-Report, welche Dienste schon vollständig abgedeckt sind. AWS News Blog · Amazon: Wie die Agenten gebaut wurden
DeepL Aure übersetzt auch den Tonfall. Das Kölner Unternehmen DeepL hat Aure vorgestellt, ein neues Sprachmodell für seine Echtzeit-Übersetzung DeepL Voice. Es passt die übersetzte Stimme laufend an, wenn sich Tonfall, Emotion, Betonung oder Tempo der sprechenden Person ändern.

Bisher erzeugte DeepL Voice die übersetzte Stimme aus einer festen Probe vom Gesprächsbeginn. Stimmungswechsel oder Sarkasmus gingen dabei verloren. Aure wertet dagegen fortlaufend den übersetzten Text und das Originalaudio aus; Training mit getrennten Repräsentationen für Stimme, Prosodie und Inhalt plus Reinforcement Learning soll Akzente vermeiden. Gesprächsdaten speichert DeepL laut eigener Aussage nicht dauerhaft, das Modell muss sich deshalb in jedem Gespräch neu auf die Person einstellen. Zum Start kann Aure Englisch, Deutsch, Spanisch, Französisch, Italienisch, Japanisch, Portugiesisch und Koreanisch.

Wer DeepL Voice in Meetings, im persönlichen Gespräch oder über die Voice-API nutzt, bekommt Aure automatisch, ohne Einstellung. Wer Verhandlungen oder Kundengespräche über Sprachgrenzen führt, kann jetzt prüfen, ob Ironie und Nachdruck in der Übersetzung ankommen. DeepL · heise

Europa / Recht

Fractile: 720 Mio. USD für Inferenz-Chips aus London. Das britische Startup Fractile hat eine Series C über 720 Mio. USD abgeschlossen, angeführt von Thrive Capital, Founders Fund, Lightspeed und Redpoint und unterstützt vom staatlichen Sovereign AI Fund. Die britische Regierung nennt eine Bewertung von über 5 Mrd. Pfund, FT und Reuters berichten von 7 Mrd. USD.

Fractile setzt auf gestapelten DRAM direkt auf dem Chip, um den üblichen Zielkonflikt zwischen Speicherbandbreite und Speicherkapazität zu umgehen. Das zählt vor allem bei Agenten, die lange Aufgabenketten mit großen Modellen abarbeiten. Dazu kommt ein eigener ML-Compiler, der LLMs auf die Chips bringt. Mit Axelera, Etched und OLIX gehört Fractile laut TechCrunch zu den am besten finanzierten Startups für spezialisierte KI-Chips. Die ersten Chips und Systeme sollen 2027 ausgeliefert werden.

Für europäische Rechenzentren und Cloud-Anbieter, die von Nvidia unabhängiger werden wollen, ist das ein Name für die Beobachtungsliste, auch wenn es vor 2027 nichts zu kaufen gibt. TechCrunch
United Airlines sperrt KI-Agenten bei Buchungen aus. United verbietet ab sofort nicht autorisierten KI-Agenten und persönlichen KI-Assistenten, Flüge zu buchen, umzubuchen, Zusatzleistungen zu kaufen oder Konten zu verwalten. Das gilt direkt auf united.com und in der App, aber auch indirekt über Reisebüros und Vergleichsportale; dafür hat die Airline ihre Buchungs-, Ticket- und Vertriebsregeln geändert.

Als Gründe nennt United Kontosicherheit, ungewollte Käufe oder eingelöste MileagePlus-Meilen und Vorschriften von FAA und DOT: Beim Check-in muss ein Mensch bestätigen, dass kein Gefahrgut im Gepäck ist. Laut InsideFlyer steht die Sperre in Tarifregel 6.J.6, Regel 5.H erlaubt die Stornierung solcher Buchungen. Buchungen von Agenten vor dem 11. November bleiben bestehen. Suchen und Vergleichen per KI bleibt erlaubt, solange das Tool nicht auf die United-Seite zugreift; Hilfstechnik für Menschen mit Behinderung ist ausgenommen. Southwest geht laut Engadget den umgekehrten Weg und bietet ein Plugin für Buchungen per ChatGPT.

Wer Reise- oder Shopping-Agenten baut, sollte vor dem Checkout die Nutzungsbedingungen des Händlers prüfen und den Kauf im Zweifel an den Menschen übergeben. United sagt selbst, dass Banken und Händler ähnliche Sperren eingeführt haben. United · United: FAQ zu KI-Agenten · InsideFlyer

Markt

Nvidias Aufsichtsrat berät über die Ablöse von Jensen Huang. Das Wall Street Journal berichtete am Mittwochabend, der Aufsichtsrat bereite die Absetzung des CEO vor; CNBC bestätigte, dass das Gremium dazu tagt und die Sitzung bis in den Abend dauerte. Eine Entscheidung meldete bis Mittwochabend (US-Zeit) niemand.

Kurz zuvor hatte die New York Times über eine Beziehung Huangs zu einer Managerin berichtet, die ihm unterstellt ist. Wenige Tage davor hatte Huang eine Affäre mit einer Frau eingeräumt, die US-Geheimdienste für eine chinesische Spionin halten; der Aufsichtsrat hat dazu eine unabhängige Untersuchung bei der Kanzlei Wachtell, Lipton, Rosen & Katz beauftragt. Die Aktie fiel nachbörslich um mehr als 9 %, nachdem sie im regulären Handel noch 2,9 % zugelegt hatte. Laut CNBC steuerte sie schon vorher auf die sechste Verlustwoche in Folge zu.

Huang führt Nvidia seit der Gründung 1993. Wer in Nvidia investiert ist, achtet jetzt auf die Entscheidung des Aufsichtsrats und darauf, wen er übergangsweise an die Spitze setzt. CNBC · WSJ

Tipp des Tages

Wenn ein Modell bei dir nur klassifiziert oder routet, lass dir statt Freitext eine Wahrscheinlichkeit zurückgeben, wie es die neue Decisions API von Google vormacht. Leg eine Schwelle fest, etwa 0,7, und schick alles darunter an ein größeres Modell oder an einen Menschen. Logge diese Fälle und schau dir jede Woche 50 davon an; danach weißt du, ob die Schwelle passt oder ob dir eine Kategorie fehlt.

Begriff des Tages

Begriff des Tages: Self-Hosting (eigenes Modell statt API)

Self-Hosting heißt, ein Modell mit offenen Gewichten auf eigenen Servern oder gemieteten GPUs zu betreiben, statt jede Anfrage per API an OpenAI oder Anthropic zu schicken. Dafür lädt man die Gewichte herunter und startet einen Inferenz-Server wie vLLM, SGLang oder llama.cpp, der eine OpenAI-kompatible Schnittstelle bereitstellt. Die Anwendung merkt davon kaum etwas, nur die Basis-URL ändert sich.

Gebraucht wird das, wenn Daten das Haus nicht verlassen dürfen, wenn man ein Modell auf eigenen Daten feintunen will oder wenn das Volumen so hoch ist, dass GPUs im Dauerbetrieb billiger kommen als Token-Preise. Ein guter Test: die eigenen Prompts aus einer Woche durch beide Varianten schicken und Qualität, Latenz und Kosten pro Aufgabe vergleichen.

Der Haken: Auslastung und Betrieb. Eine GPU kostet auch nachts, wenn niemand fragt, und Updates, Sicherheit, Monitoring und Skalierung übernimmt kein Anbieter für dich. Große Modelle brauchen außerdem viel Speicher: Allein die Gewichte von Mistral Small 4 mit 119 Mrd. Parametern belegen in BF16 rund 240 GB.

Europa + offen: Mistral (Paris). Lizenzen laut Hugging Face, Stand heute: Mistral Small 4 (Mixture of Experts, 119 Mrd. Parameter, 6,5 Mrd. aktiv pro Token, 256.000 Token Kontext) steht unter Apache 2.0 und ist damit frei kommerziell nutzbar. Mistral Medium 3.5 (dicht, 128 Mrd. Parameter) läuft unter einer modifizierten MIT-Lizenz mit Ausnahmen für Firmen mit sehr hohem Umsatz. Mistral Large 4 (rund 1 Billion Parameter, etwa 52 Mrd. aktiv, 1 Mio. Token Kontext) steht unter der Mistral Ecosystem Open-Weight License: kommerziell nutzbar, wer das Modell aber als Dienst an Dritte verkauft, braucht eine eigene Lizenz von Mistral. Die Model Card rechnet mit einem Knoten aus acht GPUs, eine NVFP4-Variante zielt auf Blackwell.

Proprietär: GPT von OpenAI und Claude von Anthropic gibt es nur per API (oder über Cloud-Anbieter), Gewichte bekommst du nicht. Abgerechnet wird pro Token, etwa 8 USD pro Million Input- und 40 USD pro Million Output-Token bei Claude Fable 5.2. Dafür musst du dich um keine Hardware kümmern und bekommst die stärksten Modelle am Tag ihres Starts; die Prompts gehen allerdings an den Anbieter, und ältere Modellversionen werden irgendwann abgeschaltet.

Wann was: Mistral selbst hosten, wenn Datenschutz oder Feintuning den Ausschlag geben und das Volumen eine GPU über den Tag auslastet; für die meisten Firmen reicht dafür Small 4 unter Apache 2.0. Die API von OpenAI oder Anthropic, wenn du die beste Qualität für schwierige Aufgaben brauchst, das Volumen schwankt oder niemand im Team GPUs betreiben will.

Merksatz: Selbst hosten lohnt sich bei viel Last und sensiblen Daten. Bei wenig Last zahlst du für leere GPUs.

AI Stocks

1M- und 12M-Sparklines · Schlusskurse bis 11. Nov. 2026 · Quelle Yahoo Finance · Keine Anlageberatung

Ticker	1 Monat	12 Monate
NVDA	−23%	−9%
AMD	−7%	+124%
MSFT	−4%	+2%
GOOGL	−17%	+6%
META	−15%	+3%
AVGO	−3%	+1%

AMD stieg am Mittwoch um 7,3 %, AVGO um 4,0 %, NVDA um 2,9 % und GOOGL um 2,1 %; MSFT (−2,3 %) und META (−2,0 %) gaben nach. Der nachbörsliche Einbruch von NVDA nach den Berichten über Huang ist in den Schlusskursen noch nicht enthalten. Über zwölf Monate liegt AMD mit +124 % weit vorn, NVDA als einziger Wert im Minus.

← Vortag Archiv nächste →

Markdown