KI-Crash: Das versteckte Problem hinter dem Börsenbeben
Der KI-Crash ist ein Kurssturz der Technologie-Aktien, ausgelöst durch Zweifel am Ausbau der KI-Rechenzentren. Die Nasdaq verlor an einem einzigen Donnerstag 5,5 Prozent. Für uns bei Everlast AI ist klar: Die größte Schwachstelle des KI-Booms ist die Infrastruktur. Gleichzeitig beschleunigt sich die Entwicklung hinter verschlossenen Türen weiter.
KI-Crash in Zahlen: Der schwärzeste Tag seit 2020
Mit dem Minus von 5,5 Prozent rutscht die Nasdaq offiziell in eine Korrektur. Der Index liegt damit über 10 Prozent unter ihrem Rekord von vor wenigen Wochen. Einen so starken Tagesverlust gab es zuletzt bei den Trump-Zöllen im April 2025.
Am härtesten traf es die Profiteure des KI-Booms. Micron und AMD verloren jeweils über 17 Prozent, Nvidia über 9 Prozent. Damit gab Nvidia sein komplettes Jahresplus an einem Tag ab. Chip-Aktien erlebten ihren schlechtesten Tag seit März 2020.
Laut CNBC verloren die sieben größten Tech-Konzerne über eine Billion Dollar Börsenwert. Rund 440 Milliarden davon entfielen allein auf Nvidia. Am Freitag erholte sich die Nasdaq um etwa 1 Prozent, ein Bruchteil des Verlusts.
Der Auslöser: Wähler stoppen die Rechenzentren
Der eigentliche Grund für den Börsen-Crash liegt an den Wahlurnen. Bei den Zwischenwahlen holten die Demokraten beide Kammern des Kongresses. Die Partei gewann auch wichtige Rennen in Texas und Ohio, wo besonders viele KI-Rechenzentren entstehen.
Noch deutlicher fielen die lokalen Abstimmungen aus. In 41 Gemeinden aus 10 Bundesstaaten entschieden Bürger direkt über neue Rechenzentren. In 40 davon stimmten sie mit Nein. Bernie Sanders fordert nun ein landesweites Moratorium. Dazu will er fortgeschrittene KI pausieren und Superintelligenz verbieten.
Abdul El-Sayed zieht für Michigan in den US-Senat ein. Er knüpft neue Rechenzentren an harte Bedingungen: Gewerkschaftspersonal, Schutz der Wasserversorgung und stabile Strompreise. In Texas fordert Gouverneurin Gina Hinojosa einen sofortigen Baustopp. Dort sind rund 27 Prozent aller geplanten US-Kapazitäten vorgesehen.
Ein bekannter Wall-Street-Analyst sieht den Höhepunkt der Investitionen schon 2027. Bisher galt 2028 oder 2029 als Termin. Von 800 bis 1.000 geplanten KI-Rechenzentren könnten 10 bis 20 Prozent wegfallen oder sich verzögern. OpenAI reagiert mit neuer Wortwahl für seine Standorte und sichert Anwohnern stabile Stromkosten zu. Unsere Einschätzung: Rund um Rechenzentren können künftig Standorte wachsen, ähnlich wie Wolfsburg rund um seine Fabrik.
Anthropic-Börsengang: Was der KI-Crash für die Bewertung bedeutet
Anthropic wollte ab dem 9. November bei Investoren werben. Das Ziel: rund 100 Milliarden Dollar frisches Kapital bei bis zu 2 Billionen Dollar Bewertung. Im Prospekt nennt die Firma rund 500 Milliarden Dollar an fest zugesicherten, unkündbaren Verträgen für Rechenleistung.
Laut Reuters diskutieren Investoren inzwischen nur noch über rund 1,5 Billionen Dollar. Laut Wall Street Journal halten drei große Investoren sogar nur rund 1 Billion für realistisch. Zudem fehlen im aktualisierten Prospekt die Umsatzzahlen für Oktober. Bei Polymarket rechnet weniger als die Hälfte mit einem Börsengang bis zum 20. November.
Auch OpenAI musste laut Financial Times Ende Oktober zurückstecken. Das Finanzierungsziel sank von 30 auf 20 Milliarden Dollar, die Bewertung von 1,4 auf 1,25 Billionen. Fest zugesagt sind bisher rund 11 Milliarden. Mehr Hintergrund zum Anthropic-Börsengang liefert unser Artikel zum Anthropic-Börsengang. Wir bleiben trotzdem optimistisch: Selbst ein Baustopp würde die KI-Integration maximal ein bis zwei Jahre bremsen.
Model 4: Anthropic beschleunigt hinter verschlossenen Türen
Ein unabhängiger Bericht von METR liefert erstmals harte Daten zum Tempo bei Anthropic. Die Prüfer erhielten 11 Wochen lang Einblick in interne Daten. Dazu gehörten Benchmarks unveröffentlichter Modelle und Interviews mit Forschern.
Seit Oktober 2025 verbessert Anthropic seine Modelle etwa 1,9-mal so schnell wie zuvor. Verglichen wird mit den 18 Monaten davor. Rund 80 Prozent dieser Beschleunigung führt METR auf die KI selbst zurück. Mehr Rechenleistung nennt der Bericht ausdrücklich nicht als Grund. Wie dieser Kreislauf funktioniert, beschreibt unser Beitrag zur rekursiven Selbstverbesserung.
Im Bericht taucht auch das geheime Model 4 auf. Das Training endete im September oder Oktober. Bei allen getesteten Benchmarks erreicht es über 50 Prozent. Es soll deutlich vor Claude Opus 5 liegen. Ob es sich um Mythos 5.5 handelt, bestätigen weder METR noch Anthropic.
Ein Startup bewies mit einem nicht öffentlichen Anthropic-Modell zudem eine Vermutung der Quanten-Informatik. Forscher arbeiteten seit 2008 daran. Die KI fand den vollständigen Beweis am dritten Tag und verifizierte ihn in Lean.
GPT-6-Cyber: Warum jede Website jetzt ein Sicherheits-Audit braucht
OpenAI stellte diese Woche GPT-6-Cyber vor. Dazu gehört eine Pipeline, die Sicherheitslücken findet, ausnutzt und repariert. Im Linux-Kernel fand sie 2.308 mögliche Lücken. Ein Teil davon verschafft Angreifern volle Administrationsrechte. Die API-Kosten lagen bei rund 1,2 Millionen Dollar.
Wie absurd manche Lücken sind, zeigt Alpine Linux. Auf vielen Cloud-Servern genügte ein beliebiges Passwort mit über 256 Zeichen für den Login. Teilweise gab es dabei volle Administrationsrechte. Unternehmen sollten sich deshalb vorbereiten, angefangen bei der eigenen Website.
Im Video zeigt unser Team ein Audit mit RelationFlow. Als Modell dient ein abliteriertes DeepSeek-Modell über den Anbieter Morph. Eine Prompt-Vorlage ersetzt die Website-Adresse durch eine Variable. Der Prompt erlaubt nur Lesezugriffe, also keine Exploits, Logins oder Lasttests. RelationFlow sendet keine Trainingsdaten und protokolliert keine Inhalte.
Das Ergebnis für die geprüfte Seite: Gelb. Es gab keine Cookies, keine Schlüssel im Frontend und kein offenes Git-Verzeichnis. Es fehlten aber Sicherheits-Header, eine saubere HSTS-Konfiguration und serverseitige Kontingente. Mehr zu unseren Leistungen rund um KI-Sicherheit zeigt unsere Übersichtsseite.
Lokale KI-Modelle schlagen die Spitzenmodelle
Palantir zeigt im neuen Quartalsbericht ein feinjustiertes Nemotron-Modell von Nvidia. Es hat nur 4 Milliarden Parameter und läuft auf einem normalen Rechner. Bei einem Baukonzern sortiert es Anfragen mit rund 75 Prozent Genauigkeit. Claude Sonnet 5.5 schafft 66 Prozent, GPT-6 Astra nur 62 Prozent.
Dazu kostet das kleine Modell 10 Cent pro Million Tokens statt 4 oder 20 Dollar. Laut Palantir spart der Kunde so über 30.000 Arbeitsstunden pro Jahr. Diese Erfahrung decken wir aus über 3.500 Unternehmen, die wir betreut haben. Selbst Voicely.de stellen wir komplett auf lokale Modelle um.
Auch Thinking Machines Lab von Mira Murati liefert ein Signal. Ein kleines Open-Weights-Modell soll ein anderes Modell in 4,5 Stunden selbst weitertrainiert haben. Die Kosten lagen bei 426 Dollar.
Gemini Omni 1.2 Flash und KI-Avatare in Echtzeit
Ein US-Startup bietet Live-Avatare für Videocalls an. Ein Foto und 10 Sekunden Stimme genügen. Die Firma verspricht 50-mal mehr Tempo und 10- bis 100-mal geringere Kosten als bisherige Videomodelle. Unabhängig getestet ist das nicht. Umgerechnet kostet die Minute etwa 20 bis 30 Cent.
Gemini Omni 1.2 Flash erzeugt jetzt Clips bis 15 Sekunden statt 10. In 720p sinkt der Preis von rund 10 auf 7 Cent pro Sekunde. Die 15 Sekunden gibt es in der Gemini-App nur im Ultra-Abo. ChatGPT Images 2.6 erstellt zudem GIFs und hält Figuren über mehrere Bilder konsistent.
Fazit: Der KI-Crash trifft die Börse, die Technik läuft weiter
Der KI-Crash zeigt, wie stark die Bewertungen am Bau neuer Rechenzentren hängen. Wählerentscheide in den USA reichen, um eine Billion Dollar Börsenwert zu vernichten. Gleichzeitig verbessern sich die Modelle bei Anthropic schneller als je zuvor. Für Unternehmen lohnt sich jetzt ein Blick auf lokale Modelle und auf die eigene IT-Sicherheit. Wer tiefer einsteigen will, findet im Lehrgang zum AI-Automations-Manager den passenden Rahmen.
Häufige Fragen
Was hat den KI-Crash an der Nasdaq ausgelöst?
Auslöser war die US-Zwischenwahl. Die Demokraten holten beide Kammern des Kongresses. In 41 Gemeinden stimmten Bürger direkt über neue Rechenzentren ab, in 40 davon mit Nein. Anleger fürchten deshalb, dass die Investitionen in KI-Infrastruktur früher ihren Höhepunkt erreichen. Die Nasdaq verlor an einem Tag 5,5 Prozent. Micron und AMD gaben jeweils über 17 Prozent ab, Nvidia über 9 Prozent. Kurzfristig ändert das wenig an der Verfügbarkeit der Modelle. Wir raten trotzdem zu einer Strategie mit mehreren Anbietern.
Wackelt der Börsengang von Anthropic?
Die Bewertung wackelt, der Börsengang selbst steht noch. Anthropic wollte rund 100 Milliarden Dollar bei bis zu 2 Billionen Dollar Bewertung einsammeln. Laut Reuters diskutieren Investoren inzwischen über rund 1,5 Billionen Dollar. Laut Wall Street Journal halten drei große Investoren nur noch rund 1 Billion für realistisch. Zudem fehlen im aktualisierten Prospekt die Umsatzzahlen für Oktober. Bei Polymarket glaubt weniger als die Hälfte an einen Börsengang bis zum 20. November.
Was ist Model 4 von Anthropic?
Model 4 ist der Codename für das bislang stärkste interne Modell von Anthropic. Es taucht im unabhängigen Bericht von METR auf. Das Training endete im September oder Oktober. Bei allen getesteten Benchmarks erreicht es über 50 Prozent. Es soll deutlich vor Claude Opus 5 und dem Vorgänger Model 3 liegen. Ob dahinter Mythos 5.5 steckt, haben weder METR noch Anthropic bestätigt. Es handelt sich also um Gerüchte.
Lohnen sich kleine lokale KI-Modelle für Unternehmen?
Für viele Standardaufgaben ja. Palantir zeigt im Quartalsbericht ein feinjustiertes Nemotron-Modell von Nvidia mit 4 Milliarden Parametern. Es sortiert Kundenanfragen bei einem Baukonzern mit rund 75 Prozent Genauigkeit. Claude Sonnet 5.5 kommt auf 66 Prozent, GPT-6 Astra auf 62 Prozent. Der Preis liegt bei 10 Cent pro Million Tokens statt 4 oder 20 Dollar. Bei Everlast AI haben wir in über 3.500 Unternehmensprojekten ähnliche Ergebnisse gesehen.
