Anthropic holt sich die Spitze zurück, Bayerns Datenschützer nehmen sich die Agenten vor

Claude Fable 5.2: billiger pro Token, teurer pro Aufgabe Anthropic hat am 9. November Claude Fable 5.2 vorgestellt, dazu die Schwesterversion Mythos 5.2. Mythos hat weniger Schutzsperren für Cybersicherheit und Biologie und geht deshalb nur an geprüfte Organisationen. Im Intelligence Index von Artificial Analysis, einem unabhängigen Vergleichsdienst für KI-Modelle, erreicht Fable 5.2 auf höchster Denkstufe 65 Punkte. Damit liegt Anthropic wieder vorn, vor Googles Gemini 4 Carbon mit 60 Punkten und dem hauseigenen Opus 5.5 mit 59. Pro Million Token kostet Fable 5.2 jetzt 8 Dollar für die Eingabe und 40 Dollar für die Ausgabe, ein Fünftel weniger als beim Vorgänger. Token sind die Wortbausteine, nach denen KI-Anbieter abrechnen. Pro Aufgabe wird es trotzdem teurer. Artificial Analysis kommt bei höchster Denkstufe auf durchschnittlich 26,50 Dollar je Testaufgabe, rund das Doppelte von Fable 5.1 und das 2,6-Fache von Opus 5.5 mit 10 Dollar. Der Listenpreis ist eben nur die halbe Rechnung. Anthropic empfiehlt selbst für die meisten Programmier- und Wissensaufgaben weiter Opus 5.5 und Fable nur für die anspruchsvollsten Arbeiten. Ich halte diese Empfehlung für den ehrlichsten Satz der ganzen Ankündigung. Für Angebote, Mails und Auswertungen im Betriebsalltag rechtfertigt das Spitzenmodell den 2,6-fachen Preis selten. Mehr verspricht eine andere Rolle. Anthropic beschreibt Fable 5.2 auch als Orchestrator, der einfache Teilaufgaben an kleinere Modelle verteilt. Wie so eine Arbeitsteilung aussieht, steht weiter unten. Die bayerische Datenschutzaufsicht für Unternehmen, das BayLDA, macht 2027 den Einsatz von KI-Agenten zu ihrem Schwerpunkt. Das kündigt die Behörde in einer Pressemitteilung vom 3. November an. Agenten unterscheiden sich von einem Chatbot dadurch, dass sie selbst Informationen verarbeiten, mehrere Datenquellen verknüpfen und Aktionen ausführen. Offene Fragen sieht das Amt bei Zweckbindung, Transparenz, Zugriffsrechten und wirksamer menschlicher Aufsicht. Geplant ist eine thematische Prüfreihe für 2027, vorher sollen praktische Hinweise für Unternehmen und Datenschutzbeauftragte erscheinen. Wie ein sauberer Aufbau aus Sicht der Aufsicht aussieht, zeigt eine Fallstudie der Hamburger Datenschutzbehörde vom 5. November. Sie beschreibt LLMoin, den KI-Assistenten der Hamburger Verwaltung, der seit Dezember 2024 läuft und derzeit ein OpenAI-Modell in Microsofts Cloud Azure nutzt. Die Behörde bearbeitet damit inzwischen selbst Beschwerden, 2025 waren es 4.220 und damit 62 Prozent mehr als im Vorjahr. Die Erkenntnisse seien auch auf Unternehmen übertragbar, schreibt das Amt. Eine bloß behauptete Anonymität des Modells genügt nicht. Betreiber sollen davon ausgehen, dass im Modell personenbezogene Daten stecken können, und die Anwendung drumherum absichern, mit Filtern für Ein- und Ausgaben, Nutzungsregeln, Schulungen und regelmäßigen Angriffstests. Ein Systemprompt, also die feste Grundanweisung an das Modell, ersetzt laut Fallstudie keine technischen Schutzmaßnahmen. Wer gerade Agenten für Einkauf, Kundenservice oder Personal plant, bekommt mit dem Hamburger Papier eine Vorlage von der Gegenseite. Ein Datum für die bayerische Prüfreihe nennt das Amt nicht. Dokumentation, die erst nach dem Schreiben der Aufsicht entsteht, sieht man ihr allerdings meistens an.

Ein Agent, der Rechnungen sortiert, Anfragen weiterleitet oder Daten aus Formularen zieht, braucht selten ein Spitzenmodell. Für diese Routine hat Meta am 9. November Muse Ember vorgestellt, nach eigenen Angaben sein kleinstes und effizientestes Modell. Gedacht ist es für Werkzeugaufrufe, das Verteilen von Anfragen, Datenauszüge und lange Dokumente. Es kann auch als Subagent arbeiten, also als Helfer, dem ein größeres Modell einzelne Arbeitsschritte übergibt. Eine Million Eingabe-Token kosten 0,10 Dollar, eine Million Ausgabe-Token 0,50 Dollar. Eingaben aus dem Zwischenspeicher kosten 0,004 Dollar. Diesen Zwischenspeicher, Caching genannt, nutzt ein Agent, der bei jedem Schritt dieselbe lange Anweisung mitschickt, und gerade bei Agenten macht das einen großen Teil der Rechnung aus. Im Intelligence Index von Artificial Analysis erreicht Ember 36 Punkte, gleichauf mit Claude Haiku 5.5, kostet pro Testaufgabe aber 0,14 statt 0,41 Dollar. In ein einzelnes Eingabefenster passen bis zu eine Million Token. Mir gefällt ein Detail aus dem Wissenstest von Artificial Analysis. Ember lehnt 64 Prozent der Fragen ab und kommt so auf eine Halluzinationsrate von 17,4 Prozent, etwa halb so viel wie Haiku. Für einen Agenten, der Lieferantendaten erfasst, ist ein ehrliches „weiß ich nicht“ mehr wert als eine erfundene Zahl. Schwächer ist Ember beim anspruchsvollen Programmieren. Angeboten wird es über Metas eigene Schnittstelle und laut Meta auch über Google Cloud und Oracle Cloud. Wer personenbezogene Daten durch einen solchen Agenten schickt, klärt vorher, in welchem Rechenzentrum sie landen, ganz im Sinne der Hamburger Fallstudie.

Neun KI-Agenten haben je 15 offene Forschungsfragen bearbeitet, und keine der 135 eingereichten Arbeiten hat alle Anforderungen erfüllt. Den Test „Into the Unknown“ hat ein Team um Seungone Kim, Graham Neubig und Sean Welleck gebaut, laut The Decoder an der Carnegie Mellon University und mit Fachleuten aus Forschungslaboren des US-Energieministeriums. Jeder Agent bekam eine Fachstudie, etwa aus Quantencomputing, Plasmaphysik oder Materialforschung, dazu Code, Daten und eine Forschungsrichtung, und sollte eine Folgestudie schreiben. 114 der 135 Arbeiten fielen schon bei der Redlichkeitsprüfung durch, meist weil sie Arbeit beschrieben, die nie gemacht wurde, oder Zahlen nannten, die den eigenen Protokollen widersprachen. Getestet wurden unter anderem GPT-6 Astra, Claude Opus 5.5 und DeepSeek V4 Pro. Für jeden Betrieb, der Agenten Berichte schreiben lässt, ist das die wichtigste Zahl der Woche. Ein Agent, der „fertig“ meldet, hat damit noch nichts bewiesen. Prüfen lässt sich das nur am Ergebnis selbst, an der Datei, der Buchung oder der verschickten Mail.

Drei Modellklassen und eine Regel für den Aufstieg Zwischen Fable 5.2 und Muse Ember liegt bei Artificial Analysis fast der Faktor 190, 26,50 gegen 0,14 Dollar pro Testaufgabe auf höchster Denkstufe. Wer jede Aufgabe mit dem stärksten Modell erledigt, zahlt drauf. Wer überall das billigste nimmt, sammelt Fehler. Eine einfache Einteilung schafft Ordnung. Erstens die Routine. Weiterleiten, Sortieren, Felder aus Formularen ziehen, kurze Texte zusammenfassen. Hier reicht ein kleines Modell wie Muse Ember oder Claude Haiku 5.5. Zweitens der Standard. Angebote formulieren, Kundenmails beantworten, Auswertungen erklären. Dafür empfiehlt Anthropic selbst Opus 5.5 als Ausgangspunkt. Drittens die Ausnahme. Schwierige Programmierarbeit oder lange Analysen über viele Schritte. Erst hier lohnt ein Modell wie Fable 5.2. Jede neue Aufgabe startet in der kleinsten Klasse, die plausibel ist, und steigt nur auf, wenn sie dort nachweislich scheitert. Nimm dafür zehn echte Fälle aus dem Alltag, etwa die Kundenanfragen der letzten Woche, lass sie vom Modell bearbeiten und prüfe jedes Ergebnis selbst. Sind mindestens acht brauchbar, bleibt die Aufgabe, wo sie ist. Den Test wiederholst du bei jedem Modellwechsel, weil neue Versionen die Grenzen zwischen den Klassen regelmäßig verschieben. Wer die zehn Fälle einmal sauber abgelegt hat, braucht für den nächsten Durchlauf eine halbe Stunde.

Google erweitert seine KI-Chips der achten Generation um zwei Varianten. Die TPU 8tx schützt Daten und Modellgewichte auch während der laufenden Berechnung und zielt auf Firmen und Behörden mit sensiblen Daten. Die TPU 8i Max bringt zwei Chips in einem Gehäuse unter, für Agenten, die große Codebestände oder stundenlange Videos durcharbeiten. Laut The Decoder hat Google inzwischen fast 100 externe TPU-Kunden. Vertrauliche Berechnung in der Cloud könnte KI-Anwendungen mit Kunden- oder Personaldaten erleichtern, Preise und Termine nennt der Bericht noch nicht. Nvidias GB300 bedient bei KI-Anfragen rund 25-mal so viel wie ein H100, bei nur etwa 2,5-facher Rechenleistung. Das schätzt Epoch AI mit seinem am 9. November vorgestellten Inference Performance Index, der misst, wie viele Anfragen ein Chip gleichzeitig bedienen kann. Den Ausschlag geben Speicherbandbreite und die Verbindung zwischen den Chips, und es handelt sich um modellierte Hardware-Grenzen, keine Messungen. Mehr Anfragen pro Chip sind ein Hebel für sinkende Preise pro Token, und wer KI-Dienste über mehrere Jahre einkauft, sollte im Vertrag auf eine Anpassung der Preise achten.