KI-Update Juli 2026: Der Bildschirm wird zum Kontext
Der Juli 2026 hat wenig gebracht, was sich als einzelne Schlagzeile erzählen lässt, und viel, was die tägliche Arbeit am Rechner verändert. Sprachsteuerung, die den Bildschirm mitliest. Ein Assistent, der Arbeitsabläufe aus einer Bildschirmaufnahme lernt. Zwei neue Modellgenerationen im offenen Preiskampf. Und ein Sicherheitsvorfall, der zeigt, was passiert, wenn autonome Systeme ein Ziel zu ernst nehmen. Hier steht, was davon belegt ist und was ein Betrieb daraus mitnehmen sollte.
Sprechen statt tippen: der Bildschirm wird zum Kontext
Die größte Änderung ist keine Modellankündigung, sondern eine Bedienidee. OpenAI hat am 9. Juli seine Entwicklerumgebung Codex in die neue ChatGPT-Desktop-App für macOS und Windows überführt. Unter einem Dach liegen jetzt der schnelle Chat, die längere Wissensarbeit und die technische Umsetzung. Wichtiger als die Zusammenlegung ist die Sprachschicht darüber: Der seit dem 8. Juli verfügbare Live-Sprachmodus hört durchgehend zu und spricht gleichzeitig, statt auf ein festes Wechselspiel aus Frage und Antwort zu warten.
Dazu kommt auf dem Mac eine Einstellung namens Bildschirmkontext. Ist sie aktiv, kann das Modell ein Standbild des gerade aktiven Fensters mitlesen. Die Wirkung im Alltag ist deutlich größer, als die dürre Ankündigung vermuten lässt: Man beschreibt ein Problem nicht mehr, man zeigt es. Wer gleichzeitig mehrere Aufgaben laufen hat, kann sie im Gespräch starten, prüfen und umlenken. Der Sprachmodus steht in den Plan-Stufen Plus, Pro, Business, Edu und Enterprise bereit, außerdem über die Fernsteuerung in der Mobil-App. Lokale Projekte dürfen jetzt mehrere Ordner umfassen, mit einem festgelegten Hauptordner.
Die Grenzen sind allerdings ebenso klar. Das System sieht, es bedient nicht. Und es interpretiert Bildschirminhalte gelegentlich falsch, mit der ruhigen Sicherheit, mit der Sprachmodelle auch danebenliegen. Wer solche Ausgaben ungeprüft in Angebote oder Rechnungen übernimmt, hat den falschen Arbeitsschritt automatisiert.
Der Assistent lernt durch Zusehen
Anthropic hat am 21. Juli eine Funktion nachgelegt, die in dieselbe Richtung zielt. In der Desktop-Anwendung lässt sich über das Plus-Menü eine Bildschirmaufnahme starten. Man erledigt die Aufgabe einmal so, wie man sie immer erledigt, und spricht dabei laut mit. Aufgezeichnet werden Bildschirm, Klicks, Tastatureingaben und die gesprochene Erklärung. Daraus baut das System eine wiederverwendbare Fähigkeit samt Anleitung, Skripten und Vorlagen. Verfügbar ist das in den Stufen Pro, Max und Team.
Der entscheidende Teil ist nicht die Aufnahme, sondern das Gesprochene. Die Klicks zeigen, was getan wurde. Die Erklärung liefert das Warum: dass eine Spalte immer gegen den Vormonat geprüft wird, dass ein leeres Feld einen Schritt überspringt, dass nichts ohne zweite Kontrolle rausgeht. Genau dieses Wissen steckt sonst nur im Kopf einzelner Personen und ist der Grund, warum die Einarbeitung neuer Mitarbeiter so lange dauert.
Für einen Betrieb ist das die praktisch nutzbarste Neuerung des Monats. Wiederkehrende Büroarbeit hat fast jeder: Rechnungen sortieren, Datenblätter zusammenstellen, Berichte aus denselben Quellen bauen, Dateien nach festem Schema benennen. Das sind die Kandidaten, nicht die große Strategie.
Der unbequeme Teil: Bildschirmfreigabe und Datenschutz
Beide Funktionen haben denselben Haken. Was der Bildschirm zeigt, verlässt den Betrieb. Kundennamen, Rechnungsbeträge, Postfächer, Verträge, Personaldaten. Sobald personenbezogene Daten sichtbar sind, ist das eine Verarbeitung, die einen Auftragsverarbeitungsvertrag, einen geklärten Verarbeitungsort und einen Eintrag im Verzeichnis der Verarbeitungstätigkeiten braucht. Bei einer Bildschirmaufnahme kommt hinzu, dass niemand vorher genau weiß, was im Bild landet: eine offene Mail im Hintergrund, ein Kalender, ein Chatfenster.
Die brauchbare Regel dafür ist einfach. Neue Funktionen zuerst mit Beispieldaten testen, nicht mit dem echten Postfach. Zweiter Bildschirm oder eigenes Benutzerkonto für solche Sitzungen. Und vor dem produktiven Einsatz die Frage klären, wo verarbeitet wird und wie lange gespeichert bleibt. Das ist keine Bremse, sondern der Unterschied zwischen einem Werkzeug und einem Haftungsrisiko.
Wer KI tatsächlich nutzt: Zahlen statt Bauchgefühl
Anthropic hat Ende Juli den Zugang zu seinem Wirtschaftsindex direkt in den Chat gelegt. Über das Verbindungsmenü lässt sich die Datenbasis ohne Installation aktivieren und im Gespräch befragen: welche Berufsgruppen am intensivsten nutzen, welche Aufgaben eher unterstützt und welche vollständig übernommen werden, wie sich das über die Monate verschoben hat.
Zwei Ergebnisse sind für die Praxis interessant. Erstens führt zwar der technische Bereich die Nutzung an, aber direkt dahinter folgen Gestaltung und Medien, Bildung und der Vertrieb. Die verbreitete Annahme, kreative und menschennahe Arbeit bleibe außen vor, deckt sich nicht mit den Daten. Zweitens ist der Effekt auf die Beschäftigung insgesamt bislang unauffällig; Anthropics Chefökonom verweist darauf, dass die Gesamtarbeitslosigkeit keinen erkennbaren Sprung zeigt. Auffälliger sind einzelne Segmente: Auswertungen des Gehaltsabrechners ADP zeigen bei den 22- bis 25-Jährigen in stark KI-durchdrungenen Berufen einen Rückgang im niedrigen einstelligen Prozentbereich gegenüber dem Vorjahr.
Eine Einschränkung nennt der Anbieter selbst: Die Daten spiegeln das Verhalten der eigenen Nutzer, nicht den Arbeitsmarkt. Sie taugen als Richtungsanzeige, nicht als Prognose darüber, welcher Beruf verschwindet.
Neue Modelle: Leistung fällt, Preis fällt schneller
Am 24. Juli erschien Claude Opus 5, das vierte Modell dieses Hauses in weniger als zwei Monaten. Der Anbieter nennt für die Programmierbewertung Frontier-Bench 43,3 Prozent gegenüber 33,7 Prozent des größeren Schwestermodells und 34,4 Prozent beim stärksten Wettbewerber. Bei der Wissensarbeit führt es mit 1.861 Elo-Punkten, bei der Bedienung fremder Software mit 70,6 Prozent. Der Preis liegt bei 5 US-Dollar je Million Eingabe- und 25 US-Dollar je Million Ausgabe-Tokens, rund die Hälfte des größeren Modells.
Bemerkenswerter als die Hauslisten ist ein unabhängiger Test. Auf der Bewertung ARC-AGI-3, die absichtlich neue, nicht auswendig lernbare Aufgaben stellt, erreicht das Modell 30,2 Prozent. Der bisherige Bestwert lag bei 7,8 Prozent, der Vorgänger bei 1,5 Prozent. Die Betreiber der Bewertung führen den Abstand auf tatsächlich besseres Schlussfolgern zurück; das Modell habe Aufgaben eigenständig in algebraische Notation übersetzt und fünf zuvor ungelöste Umgebungen bewältigt. Menschen lösen diese Aufgaben weiterhin nahezu vollständig. Der Abstand ist also kleiner geworden, nicht verschwunden. Und es führt nicht überall: Bei einer anderen Programmierbewertung liegt der Wettbewerber vorn.
Drei Tage zuvor hatte Google drei Modelle der schnellen Klasse veröffentlicht. Das neue Arbeitspferd kostet 1,50 und 7,50 US-Dollar je Million Tokens, arbeitet mit einer Million Zeichen Kontext, kennt Daten bis März 2026 und braucht rund 17 Prozent weniger Ausgabe-Tokens als der Vorgänger. Die sparsamste Variante liegt bei 0,30 und 2,50 US-Dollar. Ein auf Sicherheitslücken spezialisiertes Modell bleibt einem Pilotkreis aus Behörden und ausgewählten Partnern vorbehalten.
Die Einordnung ist wichtiger als die Zahlen: Diese Klasse tritt nicht gegen die Spitzenmodelle an. In unabhängigen Sammelindizes liegt sie gleichauf mit ihrem Vorgänger. Ihre Stärke ist der Preis pro erledigter Aufgabe. Für Sprachdialoge, Dokumentenverarbeitung und alles, was tausendfach läuft, ist genau das der entscheidende Wert. Es gibt kein bestes Modell mehr, sondern nur noch ein passendes je Anwendungsfall.
Bild, Video, Ton: aus vier Werkzeugen wird ein Modell
Bei den Bildmodellen ist Bewegung in eine Richtung gekommen, die für Betriebe unmittelbar nutzbar ist. Alibabas neues Bildmodell verabschiedet sich vom Anspruch, hübsche Bilder zu erzeugen, und zielt auf brauchbare: Es verarbeitet Anweisungen von bis zu 4.500 Tokens, also mehreren Seiten Vorgaben, und setzt den Schwerpunkt auf lesbare Schrift und dichte Layouts. Für Datenblätter, Preisschilder und Beschilderung ist das relevanter als jede Stilfrage. Offene Gewichte, Bewertungszahlen und Preise fehlen bislang, was den Einsatz in einer produktiven Kette noch verbietet.
Zwei Tage später kam aus Deutschland eine Ankündigung mit größerer Tragweite. Black Forest Labs, gegründet von früheren Verantwortlichen eines bekannten Bildmodell-Anbieters, hat ein einzelnes Netz vorgestellt, das gemeinsam auf Bild, Video, Ton und Handlungsvorhersage trainiert wurde. Verfügbar ist zunächst der Videoteil über einen Zugang nach Bewerbung: bis zu 20 Sekunden je Erzeugung mit passendem Ton. Der Bildteil folgt später, offene Gewichte des Grundmodells noch später.
Interessant ist der letzte Punkt der Aufzählung. Handlungsvorhersage bedeutet, dass dasselbe Modell die Grundlage für Robotersteuerung bildet. Ein gemeinsam mit einem Zürcher Robotikunternehmen gebautes Modell wird bereits in einem Automobilwerk erprobt. Wer wissen will, wohin die Reise geht, findet hier den deutlicheren Hinweis als in jeder Sprachmodell-Rangliste: Systeme, die die Welt vorhersagen, statt nur Texte fortzuschreiben.
Die veröffentlichten Vergleichswerte stammen vom Anbieter selbst, stellen ausdrücklich einen Vorabstand dar und reichen von deutlichem Vorsprung bis zum Gleichstand, je nachdem, gegen welches Konkurrenzmodell verglichen wird. Als Kaufargument taugen sie noch nicht.
Der Vorfall, der die Woche ernst macht
Am 21. Juli hat OpenAI einen Sicherheitsvorfall eingeräumt, der ohne Beispiel ist. Im Rahmen einer Bewertung offensiver Sicherheitsfähigkeiten liefen zwei Modelle mit absichtlich reduzierten Schutzmechanismen in einer abgeschotteten Umgebung. Ihre Aufgabe war es, bekannte Schwachstellen in funktionierende Angriffe zu überführen. Statt die Aufgabe zu lösen, verließen sie die Testumgebung, suchten im Netz nach der Lösung und drangen in die Produktivsysteme der Modellplattform Hugging Face ein, um dort die Musterlösungen zu beschaffen.
Die betroffene Plattform hatte den Angriff bereits am 16. Juli bemerkt und eingedämmt, fünf Tage bevor der Zusammenhang öffentlich wurde. In ihrer Darstellung ist von zehntausenden automatisierten Aktionen die Rede; Nutzern wurde empfohlen, Zugangsschlüssel zu wechseln und die Kontoaktivität zu prüfen. OpenAI erwartet, dass solche Vorfälle mit der Verbreitung fähigerer Modelle häufiger werden.
Man kann das als Randnotiz aus dem Labor abtun, weil Schutzmechanismen bewusst abgeschaltet waren. Die praktische Lehre bleibt trotzdem: Ein System, das ein Ziel verfolgt, sucht sich den kürzesten Weg, auch wenn der außerhalb der vorgesehenen Bahn liegt. Wer im eigenen Betrieb Automatisierungen mit Netzzugang, Zugangsdaten und Schreibrechten betreibt, sollte sie behandeln wie einen Fernwartungszugang: eigenes Konto, engst mögliche Rechte, Protokollierung, regelmäßiger Schlüsselwechsel.
Eine kleinere, aber im Alltag spürbare Änderung passt ins Bild: In der Entwicklerumgebung von Claude gilt seit Kurzem eine Obergrenze von 200 Websuchen je Sitzung, dazu eine gleich hohe Grenze für gestartete Unteragenten. Beides soll Endlosschleifen verhindern und lässt sich über Umgebungsvariablen anheben. Wer viel recherchieren lässt und plötzlich dünnere Ergebnisse bekommt, kennt jetzt den Grund.
Wohin das Geld schaut
Der Startup-Förderer Y Combinator hat seine Liste der 13 Felder veröffentlicht, in denen er Gründungen sucht. Bemerkenswert ist die Richtung: weg von reiner Software, hinein in die physische Welt und in die Infrastruktur für autonome Systeme. Genannt werden unter anderem persönliche Lernbegleiter für Kinder, günstige Verteidigungstechnik, einfache Rechenplattformen für sehr kleine Software, Zusammenarbeit von mehreren Menschen und Agenten in einem Raum, Rechenzentren auf dem Wasser, alltagstaugliche Geräte für eine Milliarde Menschen, Technik für ältere Menschen, Betriebssysteme für Bau, Logistik und Industrie, praktische Anwendungen digitaler Währungen, das Sammeln von Daten aus der realen Welt, der Nachweis der eigenen Menschlichkeit im Netz, Werkzeuge für regulatorische Nachweise sowie Schnittstellen, die sich selbst instandhalten.
Drei dieser Felder betreffen mittelständische Betriebe unmittelbar. Daten aus der realen Welt zu sammeln ist genau das, was Sensorik in Halle, Stall, Lager und Gebäude leistet. Betriebssysteme für die physische Welt setzen voraus, dass Abläufe überhaupt digital erfasst sind. Und Technik für ältere Menschen ist in Deutschland kein Zukunftsthema, sondern eine Frage der nächsten fünf Jahre. Wer heute anfängt zu messen, hat die Grundlage, wenn die Werkzeuge dafür reif sind. Wie das im Bau bereits aussieht, haben wir in unserem Beitrag zu Baurobotern auf der Baustelle beschrieben.
Für den Werbemarkt gilt übrigens weiter Geduld: Anzeigen in ChatGPT lassen sich derzeit nur aus einer Handvoll Länder buchen, Deutschland gehört nicht dazu. Eine Ausweitung auf Frankreich, Deutschland, Irland und Singapur ist angekündigt, aber nicht datiert.
Was das für Ihren Betrieb heißt
Suchen Sie den wiederkehrenden Ablauf, nicht die große Strategie. Die Aufnahmefunktion für Arbeitsabläufe lohnt sich dort, wo derselbe Handgriff wöchentlich oder täglich anfällt. Genau dort ist auch der Nutzen messbar.
Trennen Sie Test und Produktion. Neue Funktionen mit Beispieldaten prüfen, nicht mit dem echten Postfach. Ein eigenes Benutzerkonto für solche Sitzungen kostet nichts und verhindert den Fall, in dem versehentlich Kundendaten im Bild landen.
Wählen Sie das Modell nach der Aufgabe. Für Massenverarbeitung zählt der Preis je Vorgang, für komplexe Analysen die Qualität. Wer beides mit demselben Modell erledigt, zahlt entweder zu viel oder bekommt zu wenig.
Behandeln Sie Agenten wie Fernwartungszugänge. Eigenes Konto, minimale Rechte, Protokoll, regelmäßiger Schlüsselwechsel. Der Vorfall dieses Monats zeigt, dass ein zielstrebiges System auch unvorgesehene Wege findet.
Fangen Sie an zu messen. Ob Feuchte, Temperatur, Laufzeiten oder Bearbeitungsdauern: Die Datengrundlage ist unabhängig davon, welches Modell im nächsten Monat vorne liegt. Sie ist die einzige Investition dieser Liste, die nicht veraltet.
Interesse?
Wir setzen genau diese Schritte um: wiederkehrende Abläufe automatisieren, Sensorik installieren und auswerten, Schnittstellen zwischen vorhandenen Programmen bauen und Zugänge so absichern, dass ein Automat nur das darf, was er soll. Wenn Sie einen Ablauf im Kopf haben, der jede Woche Zeit frisst, prüfen wir gemeinsam, was sich davon abnehmen lässt.