Durch den Wegfall des permanenten, flexiblen Datenabrufs aus Zwischenspeichern reduziert diese hochspezialisierte Datenverarbeitung den Energieverbrauch auf ein Zehntel und senkt die Hardwarekosten drastisch.

Parallel vollzieht sich auf der Software-Ebene der fundamentale Sprung von isolierten Sprachmodellen zu aktionsfähigen Agenten. Aktuelle Systeme, wie die erweiterten Claude-Agenten von Anthropic, erhalten direkten Schnittstellenzugriff auf lokale Betriebssysteme. Sie agieren nicht länger als passive Assistenten, sondern führen komplexe, geplante Operationen autonom über diverse Programme, Dateisysteme und E-Mail-Clients hinweg aus. Diese rapide Progression in Richtung einer echten künstlichen allgemeinen Intelligenz (AGI) wird von führenden Entwicklern als herannahender technologischer Tsunami beschrieben, der die bisherige Wahrnehmung von Produktivitätssoftware grundlegend verändern wird. Werkzeuge wie LM Studio Remote dezentralisieren diese Prozesse zusätzlich durch mobile Steuerungsoptionen für lokale Netzwerke.

Im kommerziellen Sektor rationalisieren multimodale Modelle nun komplette Wertschöpfungsketten. Plattformen wie Googles Pomelo automatisieren die Erstellung von Marken-DNA und Produktfotografie vollständig, was klassische Agenturmodelle strukturell obsolet macht. Automatisierungstools wie aiqora übernehmen die algorithmische Konstruktion von Videometadaten. Während Modelle wie Nano Banana 2 in der Bildgenerierung und die geleakte SeeDance 2.0-Architektur in der Videosynthese neue Standards in der Detailtiefe definieren, zeigt das eher enttäuschende Release von SeeDream 5, dass die Entwicklung nicht immer linear verläuft. Ergänzt wird diese gewaltige Dynamik durch Open-Source-Modelle wie Alibabas Qwen 3.5, die agentische Fähigkeiten dezentral verfügbar machen, dabei jedoch unvermeidbar rechtliche Kollisionen um die Extraktion gigantischer Trainingsdatenmengen provozieren – ein struktureller Konflikt, der sich aktuell präzise zwischen DeepSeek und Anthropic entlädt.

Das Problem: Keys wählte für seine berühmte Sieben-Länder-Studie gezielt Daten aus, die seine These stützten, und ließ widersprechende weg. Frankreich hatte denselben Fettkonsum wie Finnland, aber eine siebenmal niedrigere Infarktrate. Frankreich wurde ausgeschlossen. Zwei Statistiker fochten seine Methode öffentlich an. Keys sammelte daraufhin Geld für eine neue Studie, die ihn erneut bestätigen sollte. Die Framingham-Studie, das größte Langzeitprojekt zu Herzerkrankungen, fand dann etwas Unbequemes: Keinerlei Verbindung zwischen Cholesterinspiegel und Herzinfarktrisiko. Menschen, deren Cholesterin über 30 Jahre gesunken war, starben häufiger an Herzinfarkt als jene, deren Werte stabil blieben oder stiegen.

Was mich an dieser Dokumentation am meisten beschäftigt, ist die Frage nach dem Cholesterin im Gehirn. Das Gehirn enthält mehr Cholesterin als jedes andere Organ. Es braucht Cholesterin für die Myelinscheide, die Schutzschicht der Nervenzellen. Statine passieren die Blut-Hirn-Schranke und stören dort die Cholesterinsynthese. Die Dokumentation zeigt den Fall eines Professors mit einem IQ über 180, bei dem zwei Universitätskliniken fortschreitende Alzheimer diagnostizierten. Nach dem Absetzen des Statins verschwanden die Symptome innerhalb von zwei Jahren vollständig.

Cholesterin ist kein Gift. Es ist eine lebenswichtige Substanz, die der Körper zu 70 bis 80 Prozent selbst produziert. Wer sie medikamentös drückt, greift in Stoffwechselketten ein, deren Folgen nach 10 bis 15 Jahren Dauermedikation erst sichtbar werden: Muskelschmerzen, Diabetes, Gedächtnisstörungen. Der französische Kardiologe Michel de Lorgeril fasst es zusammen: Cholesterinablagerungen in den Arterien sind die Folge einer fortgeschrittenen Arteriosklerose, nicht ihre Ursache.

Nvidia baut keine KI-Modelle. Nvidia baut die Chips, auf denen alle anderen ihre Modelle trainieren. Im Geschäftsjahr 2025 hat allein die Rechenzentrum-Sparte 193,7 Milliarden Dollar umgesetzt, 75 Prozent mehr als im Vorjahr. Jeder Dollar, den OpenAI oder Anthropic für Rechenleistung ausgeben, fließt zu einem erheblichen Teil an Nvidia zurück. Die 40 Milliarden, die Huang in beide Unternehmen gesteckt hat, waren also ein Investition in die eigene Lieferkette. Wer seinen größten Kunden Milliarden überweist, stellt sicher, dass deren gesamte Infrastruktur auf der eigenen Hardware steht, bevor die Verträge durch einen Börsengang öffentlich und verhandelbar werden.

Und genau das hat funktioniert. OpenAI trainiert auf Nvidia-Chips, Anthropic trainiert auf Nvidia-Chips, und die Rechenzentren beider Unternehmen sind so tief in diese Architektur eingebaut, dass ein Wechsel Jahre dauern und Milliarden kosten würde. Huang hat seine Kunden an die eigene Hardware gebunden, bevor der Markt sich öffnet. Jetzt wo die Abhängigkeit in Beton gegossen ist, braucht er das Geld als Hebel schlicht weniger. Er kann sich zurücklehnen und über den Chipverkauf mitverdienen, egal welche Richtung die KI-Branche einschlägt.

TechCrunch schrieb, Huangs Erklärung werfe mehr Fragen auf als sie beantworte. Die unbequemste davon lautet: Wenn die beiden wichtigsten KI-Unternehmen der Welt demnächst an die Börse gehen und beide auf den Chips eines einzigen Herstellers laufen, wer kontrolliert dann eigentlich wen? Huang hat 40 Milliarden ausgegeben, um eine Position zu kaufen, die ihm erlaubt, an jedem Fortschritt der gesamten Branche mitzuverdienen, ohne selbst ein einziges Sprachmodell zu betreiben.

📌 Die Fakten

☑️ Manus durchsucht eigenständig das Netz und liefert fertige Dokumente zu jedem Thema

☑️ Die Bedienung funktioniert über einfache Texteingabe — so simpel wie eine Nachricht schreiben

☑️ Ergebnisse kommen als herunterladbare Datei, direkt verwendbar

☑️ Zum Ausprobieren stehen täglich kostenlose Credits zur Verfügung

🔗 Quellen: MIT Technology Review — technologyreview.com | CyberNews — cybernews.com | Manus — manus.im

➡️ Hier anmelden und direkt loslegen

Die Lösung liegt am Münchner Flughafen. Auf einem Laufband demonstriert der Experimentator das Prinzip: Wer in Laufrichtung geht, addiert seine Geschwindigkeit zur Bandgeschwindigkeit. Wer entgegen der Laufrichtung geht, subtrahiert sie. Bei gleicher Geschwindigkeit bleibt man auf der Stelle stehen. Bei höherer Geschwindigkeit bewegt man sich rückwärts — obwohl das Band vorwärts läuft. Genau das muss mit dem Pfeil passieren. Wenn sich der Schütze schneller rückwärts bewegt als der Pfeil vorwärts fliegt, wandert der Pfeil relativ zum Boden nach hinten.

Zuerst der Geschwindigkeitstest: Der Pfeil fliegt mit rund 50 km/h. Also muss das Fahrzeug mindestens 60 km/h schnell sein. Ein Stuntfahrer übernimmt das Steuer, die Stuntfrau wird mit Sicherheitsgurt auf der Ladefläche gesichert, und bei voller Fahrt schießt sie den Pfeil nach vorne ab. Das Ergebnis: Der Pfeil fliegt tatsächlich rückwärts. Die Fahrzeuggeschwindigkeit übersteigt die Pfeilgeschwindigkeit, die Geschwindigkeiten subtrahieren sich, und der Pfeil bewegt sich relativ zum Boden in die entgegengesetzte Richtung.

Das Prinzip dahinter heißt Galileische Relativität und ist dieselbe Physik, die erklärt, warum ein Ball, den man aus einem fahrenden Zug nach hinten wirft, für einen Beobachter am Bahnsteig fast still in der Luft steht. Oder warum Raketen im Weltraum Treibstoff in die eine Richtung ausstoßen, um sich in die andere zu bewegen. Ein Experiment auf einer Landstraße bei Nürnberg, das ein Grundprinzip der Mechanik sichtbar macht — ohne eine einzige Formel, dafür mit einem Pfeil, der das Unmögliche tut.