Anthropic hat gestern Claude Fable 5 veröffentlicht, und das ist kein normales Update. Fable ist das erste öffentlich zugängliche Modell aus der neuen „Mythos"-Klasse – einer Stufe, die über Opus liegt. Bisher lief diese Technologie nur hinter verschlossenen Türen bei ausgewählten Sicherheitspartnern. Jetzt darfst du ran. Was kann das Ding? Fable 5 ist state of the art auf nahezu allen getesteten Benchmarks – Softwareentwicklung, Wissensarbeit, Bildverständnis, wissenschaftliche Forschung. Die entscheidende Eigenschaft: Je länger und komplexer eine Aufgabe ist, desto größer wird Fables Vorsprung gegenüber den anderen Modellen. Der eigentliche Sprung liegt im Durchhaltevermögen. In einer Agent-Umgebung wie Claude Code kann das Modell tagelang am Stück arbeiten: seinen Ansatz planen, den Fortschritt gegen das Ziel prüfen und seine Arbeit unterwegs nachbessern. Stripe hat in Tests in einer 50-Millionen-Zeilen-Ruby-Codebasis an einem Tag eine Migration durchgeführt, für die ein ganzes Team von Hand über zwei Monate gebraucht hätte. Besonders stark: das Sehen. Fable 5 ist das neue State-of-the-Art-Modell für Aufgaben mit Bildverständnis. Es kann präzise Zahlen aus detaillierten wissenschaftlichen Grafiken ziehen und den Quellcode einer Web-App allein aus Screenshots rekonstruieren. Für dich heißt das konkret: Diagramme, Tabellen und Charts in PDFs werden zuverlässig gelesen – Gold wert bei Finanz-, Analyse- oder Vertragsunterlagen. Als Spielerei am Rande: Fable hat Pokémon FireRed komplett durchgespielt – nur mit den rohen Bildschirmbildern, ohne Karten oder Navigationshilfen. Wann setzt du es ein – und wann nicht? Hier liegt der Knackpunkt. Fable ist nicht für jeden Handgriff gedacht. Die Faustregel von Anthropic ist klar: Fable ist für die ambitioniertesten, asynchronen Aufgaben – große Projekte, die das Modell selbstständig zerlegen, recherchieren, erstellen und über längere Zeiträume selbst überprüfen soll. Opus eignet sich besser für die schnellere, synchrone Zusammenarbeit an komplexen Aufgaben.

Kurze Frage vorweg: Wie oft hast du schon gezögert, etwas wirklich Persönliches in ChatGPT oder Gemini zu tippen? Den Arztbrief, den Vertragsentwurf, die Gehaltsverhandlung? Genau da wird's gerade richtig spannend. Google hat mit Gemma 4 12B ein neues KI-Modell veröffentlicht, das komplett lokal auf deinem Rechner läuft – ohne Cloud, ohne dass ein einziges Wort an einen Server geschickt wird. Und das Beste: Es braucht nur 16 GB RAM. Das hat heute fast jedes normale Notebook. Warum das ein größerer Deal ist, als es klingt: → Multimodal von Haus aus. Das Modell versteht Text, Bilder und als erstes Modell dieser Größe auch Audio – direkt, ohne Umwege. → Schnell und sparsam. Im Test von Heise hat es eine Aufgabe in rund 10 Minuten gelöst, für die ein vergleichbares älteres Modell über eine Stunde brauchte – und dabei nur ein Viertel der Tokens verbraucht. → Kostenlos und offen. Apache-2.0-Lizenz heißt: Du darfst es frei nutzen, auch geschäftlich. Kein Abo, keine Nutzungsgrenze. Der eigentliche Punkt für dich: Lokale KI ist die Antwort auf die zwei größten Bremsen, die Menschen vom KI-Einsatz abhalten – Datenschutz und laufende Kosten. Was auf deiner Festplatte bleibt, kann niemand mitlesen und für nichts trainieren. Und Win-win nebenbei: Wer lokal arbeitet, entlastet auch die völlig überlasteten Server der Anbieter. Genau deshalb pushen Google & Co. das Thema gerade so hart. Was du konkret tun kannst – heute noch: 1. Lade dir LM Studio (kostenlos, Mac & Windows) herunter – die einfachste Art, lokale Modelle ohne Technik-Frickelei zu starten. 2. Such im LM Studio nach „Gemma" und lade dir eine Variante, die zu deinem RAM passt. 3. Stell ihm eine echte Aufgabe, bei der du sonst zögerst – etwas Privates, Sensibles. Und spür den Unterschied, wenn nichts davon je dein Gerät verlässt. Lokale KI ist kein Ersatz für die großen Cloud-Modelle. Aber für alles, was vertraulich bleiben soll, ist sie ab jetzt eine ernsthafte Option für jeden – nicht nur für Nerds mit Gaming-PC.

Ich wette, du kennst das Prinzip von Computerwürmern. Schwachstelle finden, Schwachstelle patchen, fertig. Genau das funktioniert beim neuen KI-Wurm nicht mehr. Forschende der Universität Toronto haben einen Prototyp gebaut, der die Spielregeln komplett verändert – und ich finde das ehrlich gesagt ziemlich beunruhigend. Was bisher so war Klassische Würmer haben eine einzige Schwachstelle im Visier. Ist die gepatcht, ist der Wurm erledigt. So läuft das seit dem Morris-Wurm 1988, der mal eben zehn Prozent des damaligen Internets lahmgelegt hat. Was jetzt anders ist Der neue Prototyp hat ein Large Language Model (LLM) eingebaut – also dieselbe Technologie, die hinter ChatGPT oder Claude steckt. Das Ergebnis: kein fixer Angriffspunkt mehr, sondern eine maßgeschneiderte Strategie für jedes Ziel. Der Wurm analysiert, wählt, handelt situativ. Und noch verrückter: Im Experiment nutzte er drei Sicherheitslücken aus, die zum Zeitpunkt seines Trainings noch gar nicht existierten. Er hat sie sich zur Laufzeit aus öffentlichen Sicherheitshinweisen zusammengebaut. Das Zitat, das alles sagt Projektleiter Nicolas Papernot (University of Toronto) zur New York Times: „Man braucht ein absolut sicheres System, um sich dagegen zu verteidigen – und wir wissen, dass das derzeit nicht machbar ist." Kein Drama, keine Übertreibung. Einfach eine nüchterne Einschätzung. Zur Beruhigung – ein bisschen Der Prototyp ist kein ausgefeiltes Angriffstool. Keine Verschleierungsmodule, keine Täuschungstaktiken. Im Testnetz ohne Verteidigungssoftware war er in rund 50 % der Fälle erfolgreich. Wer sein Netzwerk überwacht, hätte ihn bemerkt. Welches KI-Modell konkret eingesetzt wurde? Haben die Forschenden bewusst verschwiegen. Die eigentliche Botschaft Das Paper ist ein Warnschuss – das sagen die Forschenden selbst. Denn das eigentliche Problem ist die Dezentralität: Kein einzelner Anbieter kontrolliert das Modell, die Hardware, die Infrastruktur. Klassische Regulierung greift ins Leere.

Ich wette, du hast dich das auch schon mal gefragt. Zufall? Klingt einfach nett? Nope. Da steckt eine richtig gute Geschichte dahinter. Der Namensgeber: Ein Mann, den kaum jemand kennt – obwohl er alles verändert hat Claude Shannon. 1916 geboren, 2001 gestorben. In Deutschland so gut wie unbekannt. Und trotzdem: Ohne ihn kein Internet, kein Smartphone, keine KI. 1948 veröffentlichte er ein Paper mit dem sperrigen Titel "A Mathematical Theory of Communication". Klingt trocken. War eine Revolution. Shannon fragte sich: Gibt es eine universelle Theorie der Kommunikation – egal ob Telefon, Radio oder Telegraph? Und er lieferte die Antwort. Er zeigte, wie Information mathematisch messbar ist. Und er führte dabei den Begriff "Bit" ein – die kleinste Einheit digitaler Information. Scientific American nannte sein Paper später die "Magna Carta des Informationszeitalters". Sein berühmtester Satz: "Information is the resolution of uncertainty." Information ist die Auflösung von Unsicherheit. Klingt fast wie eine Stellenbeschreibung für eine KI, oder? 😄 Und Anthropic? Die Gründer wählten den Namen bewusst. Als Verbeugung vor Shannon – und als Statement: Wir verstehen, was wir hier bauen. Keine Spielerei, sondern die Fortsetzung eines langen wissenschaftlichen Projekts. Alle anderen KI-Assistenten bekamen weibliche Namen – Alexa, Siri, Cortana. Claude sollte bewusst anders sein. (Und im Französischen ist Claude übrigens für alle Geschlechter gebräuchlich – auch das eine elegante Mehrdeutigkeit.) Das Schöne daran: Jedes Mal, wenn du mit Claude arbeitest, steckt da im Kern genau das drin, was Shannon 1948 beschrieben hat: Ein System, das Rauschen reduziert, Bedeutung überträgt und Unsicherheit auflöst. Nur halt mit deutlich mehr Rechenleistung als ein Einrad. 🚲 (Ja – Shannon war auch dafür bekannt, durch die Flure von Bell Labs auf einem Einrad zu fahren. Manchmal jonglierend. Weil er konnte.) Hättet ihr gewusst, woher der Name kommt? 👇

Ich habe gestern Selfies mit Von der Leyen, Musk, Tim Cook und Jennifer Lawrence gemacht. Ohne mein Büro zu verlassen. 📸 Und genau da fängt das Problem an. ChatGPT Images 2.0 und Nano Banana Pro liefern mittlerweile Bilder, bei denen meine eigene Mutter angerufen hat, wann ich denn in Brüssel war. Hautporen, Lichtstimmung, das schiefe Selfie-Lächeln – alles sitzt. Keine sechs Finger mehr. Keine Wachsfiguren-Optik. Einfach echt. Was bedeutet das für uns? Eine ganze Beweis-Währung wird gerade entwertet. Jahrelang galt: Pics or it didn't happen. Ein Foto war ein stabiles Stück Wirklichkeit. Im Urlaub, im Job, vor Gericht, in der Bewerbung. Diese Selbstverständlichkeit ist gerade Geschichte. Und es geht in beide Richtungen: → Falsche Bilder wirken echt. → Echte Bilder können als „bestimmt KI" abgetan werden. Juristen nennen das die Liar's Dividend – die Dividende des Lügners. Wer ohnehin lügt, profitiert am meisten davon, dass Wahrheit angreifbar geworden ist. Was heißt das konkret für uns als Community? Spart euch die „So erkennt ihr KI-Bilder in 5 Schritten"-Listen. Die funktionieren nicht mehr. Was funktioniert, ist eine neue Standardannahme: ❌ Alt: Ein Bild ist echt, solange nichts dagegen spricht. ✅ Neu: Ein Bild ist ein Vorschlag, solange seine Herkunft nicht überprüft ist. Klingt anstrengend. Ist es auch. Aber genau diese Hygiene macht den Unterschied zwischen „Ich nutze KI" und „KI nutzt mich". Wer KI als Superkraft begreift, muss auch die Schattenseite verstehen. Sonst wird man Teil des Problems, statt Teil der Lösung. Den ausführlichen Kommentar dazu findet ihr in meinem aktuellen LinkedIn-Beitrag – mit allen Beispiel-Selfies, die ich mit ChatGPT Images 2.0 erstellt habe. Schaut euch das an, ihr werdet es nicht glauben. 💬 Eure Frage an euch selbst: Wann habt ihr zuletzt ein Bild im Netz gesehen und euch gefragt: Ist das wirklich echt? Schreibt's in die Kommentare. Lasst uns diskutieren – und voneinander lernen. 🦾 Eure Superkraft KI Soll ich noch eine kürzere Version (für ein schnelles „Daily Drop" in der Community) oder eine ausführlichere Variante mit konkretem Diskussions-Workshop daraus bauen?