Ja, einen guten Teil deiner Buchhaltung kannst du mit KI automatisieren. Belege erfassen, Buchungen vorschlagen, Zahlungen abgleichen und Mahnungen vorbereiten: Das erledigt eine gut eingerichtete Lösung heute weitgehend selbstständig. Die Verantwortung lässt sich dagegen nicht automatisieren. Beurteilungen, Abgrenzungen, Bewertungen und Sonderfälle bleiben bei dir oder deiner Steuerberatung. Ich zeige dir, wo diese Grenze verläuft, wie du als EPU oder KMU in Österreich Schritt für Schritt startest und worauf du bei Datenschutz und Kontrolle achten solltest.

Kurz gesagt

• KI übernimmt die Routine: Belegerfassung, Kontierungsvorschläge, Zahlungsabgleich und Mahnläufe sind heute gut automatisierbar.

• Die Freigabe bleibt beim Menschen: Die KI schlägt vor, eine fachkundige Person prüft und gibt frei.

• Saubere Daten zuerst: Mit unordentlichen Stammdaten automatisierst du vor allem deine Fehler.

• Mit echten Belegen testen: Eine Testphase mit einer abgeschlossenen Periode zeigt dir, was die Lösung im Alltag wirklich leistet.

• Datenschutz von Anfang an mitdenken: Kläre vor dem Start, wo deine Belegdaten verarbeitet werden und wer Zugriff hat.

  
  

Was KI in der Buchhaltung heute übernimmt

Wenn ich mit Unternehmerinnen und Unternehmern über KI in der Buchhaltung rede, höre ich oft eine von zwei Erwartungen: Entweder macht die KI bald alles, oder sie kann ohnehin nichts Verlässliches. Die Wahrheit liegt dazwischen, und sie ist ziemlich gut greifbar. Die Schweizer Fachplattform Weka fasst es klar zusammen: KI übernimmt im Rechnungswesen vor allem Routineaufgaben, während Beurteilung, Abgrenzung und Verantwortung bei Fachpersonen bleiben.

So sieht die Aufteilung in der Praxis aus:

Ein Punkt wird dabei gern vermischt: Nicht jede „KI“ in der Buchhaltung ist dieselbe Technik. Die Belegerkennung beruht oft auf trainierten Modellen, die genau eine Sache sehr gut können, nämlich strukturierte Daten aus Dokumenten ziehen. Generative KI, also Sprachmodelle wie ChatGPT, Claude oder Gemini, spielt ihre Stärken woanders aus: bei unstrukturierten Informationen, bei Texten, bei Fragen an deine Daten in normaler Sprache. Beide Welten wachsen gerade zusammen, und genau dort entsteht der spannende Teil der Automatisierung.

Wo du beim Automatisieren genau hinschauen solltest

KI in der Buchhaltung funktioniert dann zuverlässig, wenn du ihre Eigenheiten kennst und den Prozess darauf ausrichtest. Vier Punkte sind mir aus der Praxis besonders wichtig.

Rechnen gehört nicht zur KI

Sprachmodelle arbeiten mit Wahrscheinlichkeiten, nicht mit Rechenregeln. Deshalb lautet meine wichtigste technische Faustregel: Beträge, Summen und Steuersätze kommen aus dem Beleg oder aus den Stammdaten und werden deterministisch berechnet, also von klassischem Programmcode, der bei gleicher Eingabe immer dasselbe Ergebnis liefert. Die KI liest, ordnet zu und schlägt vor. Die Rechenarbeit übernimmt die Buchhaltungssoftware.

Schlechte Daten werden fortgeschrieben

Eine KI lernt aus dem, was du ihr gibst. Wenn deine bisherigen Buchungen uneinheitlich sind, übernimmt sie diese Uneinheitlichkeit. Laut Haufe ist mangelhafte Datenqualität eines der häufigsten Risiken, weil KI-Modelle Fehler aus historischen Daten weitertragen. Die gute Nachricht: Das kannst du vor dem Start beheben, dazu gleich mehr.

Technisch möglich heißt nicht fachlich richtig

Eine KI kann eine Buchung erzeugen, die formal sauber aussieht und trotzdem steuerlich falsch ist. Bei komplexen Sachverhalten, etwa innergemeinschaftlichen Lieferungen, Anlagegütern oder gemischt genutzten Ausgaben, gehört der Vorschlag deshalb immer vor fachkundige Augen. Dazu kommt: Nicht jede Entscheidung eines Modells lässt sich im Nachhinein lückenlos erklären. Umso wichtiger ist ein Prozess, in dem du nachvollziehen kannst, wer was freigegeben hat.

KI ist ein Werkzeug in der Buchhaltung, nicht die Buchhaltung selbst

Auch ein KI-Agent, der selbstständig in deiner Software arbeitet, ersetzt nicht deren Grundfunktionen: die Steuerlogik, den Belegbezug, die Nachvollziehbarkeit jeder Buchung. Die Software bleibt das Fundament, die KI macht die Arbeit darauf schneller.

Drei Wege, KI in deine Buchhaltung zu holen

Im Grunde gibt es drei Werkzeugtypen. Welcher für dich passt, hängt davon ab, wie du heute arbeitest.

1. Buchhaltungssoftware mit eingebauter KI. Viele gängige Programme bringen inzwischen automatische Belegerkennung, Kontierungsvorschläge und Bankabgleich mit. Wenn du schon eine solche Software nutzt, ist das meist der schnellste Einstieg, weil Steuerlogik und Exporte bereits vorhanden sind.

2. Spezialisierte Erfassungs- und Workflow-Tools. Sie kümmern sich um Belegeingang, Prüfung und Freigabe und übergeben die Daten an deine Buchhaltungssoftware oder direkt an deine Steuerberatung. Interessant, wenn mehrere Personen Rechnungen prüfen oder freigeben müssen.

3. Allgemeine Sprachmodelle für Randaufgaben. ChatGPT, Claude oder Gemini helfen beim Formulieren von Mahntexten, beim Erklären einer Saldenliste, bei Excel-Formeln oder bei der Vorbereitung von Fragen an deine Steuerberatung. Für das Hochladen echter Belege brauchst du hier eine Version mit passenden Datenschutzeinstellungen. 

Für viele Ein-Personen-Unternehmen reicht anfangs Weg 1, ergänzt um ein Sprachmodell für Texte und Auswertungen. Die Wirtschaftskammer hat dazu in ihrer EPU-Reihe eine eigene Folge zu Finanzen und Buchhaltung mit KI veröffentlicht, die einen guten ersten Eindruck vermittelt.

Schritt für Schritt zur KI-gestützten Buchhaltung

Der größte Fehler, den ich sehe, ist nicht das falsche Tool. Es ist der Start ohne Plan. So gehst du strukturiert vor:

1. Ablauf aufzeichnen. Schreib auf, wie ein Beleg heute durch dein Unternehmen wandert: Wo kommt er an, wer prüft ihn, wer bucht, wann geht er an die Steuerberatung? Allein dieser Schritt zeigt oft, wo die meiste Zeit verloren geht.

2. Den Engpass finden. Ist es das Abtippen? Die Suche nach fehlenden Belegen? Der Bankabgleich am Monatsende? Automatisiere zuerst dort, wo es am meisten weh tut. Wenn du dir dabei unsicher bist, was das alles kosten kann, hilft dir mein KI-Check für EPU und KMU.

3. Stammdaten bereinigen. Lege Konten, Umsatzsteuer-Codes, Belegarten und Lieferantendaten einheitlich fest. Doppelte Lieferanten, veraltete Konten und kreative Buchungstexte sind Gift für jede lernende Lösung.

4. Steuerberatung einbinden. Kläre früh, in welchem Format deine Kanzlei die Daten braucht und welche Kontrollen sie erwartet. Eine Automatisierung, die am Ende nicht zur Kanzlei passt, kostet dich doppelt.

5. Testphase mit echten Belegen. Spiel eine bereits abgeschlossene Periode, etwa einen Monat, mit der neuen Lösung durch und vergleiche das Ergebnis mit deinen tatsächlichen Buchungen. Sammle jede Abweichung.

6. Prüfstatus und Rollen festlegen. Jeder KI-Vorschlag bekommt einen Status: offen, geprüft, freigegeben. Und für jeden Schritt ist klar, welche Person verantwortlich ist.

7. Dokumentieren und schrittweise ausbauen. Halte fest, wie Freigaben, Exporte und Kontrollen laufen. Erst wenn ein Bereich stabil läuft, nimmst du den nächsten dazu.

Wenn du Mitarbeitende hast, nimm sie von Anfang an mit. Das Wiener Softwarehaus haude rät in einem Interview mit Leitbetriebe Austria, Mitarbeitende einzubinden und ihnen die Entlastung zu zeigen, die KI bei Routineaufgaben bringt. Meine Erfahrung bestätigt das: Wer versteht, dass die KI ihm das Abtippen abnimmt und nicht den Job, arbeitet mit, statt das System auszutricksen.

Datenschutz und Kontrolle in Österreich

Belege sind voller personenbezogener Daten: Namen, Adressen, IBAN, bei Personalkosten sogar sehr sensible Informationen. Bevor du Belege einer KI-Lösung anvertraust, kläre deshalb drei Fragen.

• Wo werden die Daten verarbeitet? Serverstandort und mögliche Weitergabe an Drittanbieter gehören auf den Tisch.

• Gibt es einen Auftragsverarbeitungsvertrag? Seriöse Anbieter stellen ihn von sich aus bereit.

• Werden deine Daten zum Training verwendet? Bei vielen Sprachmodellen lässt sich das abschalten, bei Business-Versionen ist es oft standardmäßig ausgeschlossen.

Die österreichische Datenschutzbehörde betont in ihren FAQs zu KI und Datenschutz, dass gegenüber Betroffenen Transparenz über die Datenverarbeitung bestehen muss und dass Risiken nicht einfach über AGB auf die betroffene Person abgewälzt werden dürfen. Wie du das im Alltag umsetzt, habe ich in meinem Beitrag zu KI und Datenschutz ausführlich beschrieben. Bei konkreten Fragen zu Personaldaten oder Lohnbelegen sprich am besten zusätzlich mit deiner Datenschutzberatung oder deiner Steuerkanzlei.

Der zweite Pfeiler ist die menschliche Kontrolle, oft „Human in the Loop“ genannt. Für die Buchhaltung heißt das ganz konkret: Die KI erzeugt Kontierungsvorschläge, die verbindliche Freigabe macht eine fachkundige Person. Diese klare Trennung zwischen maschinellem Vorschlag und verantworteter Entscheidung ist dein zentraler Kontrollpunkt, gerade wenn das Finanzamt später einmal nachfragt. Und unabhängig von jeder KI gilt: Belege und Buchungen müssen für die gesetzlichen Aufbewahrungsfristen vollständig und unverändert verfügbar bleiben. Prüfe also, ob deine Lösung das Archiv sauber führt oder ob du selbst ablegen musst.

Auch der EU AI Act spielt hinein, vor allem über die Pflicht zur KI-Kompetenz deiner Mitarbeitenden. Was davon für kleine Betriebe tatsächlich gilt, erkläre ich im Beitrag EU AI Act 2026 für KMU und EPU. Wer sich tiefer einarbeiten will: Austrian Standards hat einen Lehrgang zu KI und Ethik ins Leben gerufen, der unter anderem die Einhaltung des AI Act behandelt.

Genauigkeit und Zeitersparnis ehrlich messen

„Spart 80 Prozent Zeit“ steht schnell auf einer Website. Was zählt, ist, was in deinem Betrieb passiert. Wie unterschiedlich KI-Modelle bei Buchhaltungsaufgaben abschneiden, zeigt eine Auswertung in der Fachzeitschrift RWK: Mit AccountingBench wurde 2026 untersucht, wie gut KI-Modelle im Rechnungswesen arbeiten. Solche Benchmarks geben eine Orientierung, ersetzen aber nicht den Blick auf deine eigenen Belege.

Ich empfehle dir, in der Testphase vier Kennzahlen mitzuschreiben:

Zeitersparnis entsteht dann, wenn Erfassung, Prüfung und Kontrollstatus sauber getrennt sind. Wer Vorschläge blind bucht, spart am Anfang Minuten und verliert am Jahresende Stunden mit der Steuerberatung.

Was kostet das, und wie viel Aufwand steckt drin?

Die Kosten setzen sich laut dem Interview mit haude aus Software und Hardware, Schulungen und unter Umständen Spezialisten zusammen. Den Einführungsaufwand hältst du klein, wenn du auf bereits integrierte KI-Funktionen setzt und stufenweise vorgehst.

Was in keiner Preisliste steht, ist deine eigene Zeit: für das Bereinigen der Stammdaten, für die Testphase, für die Abstimmung mit der Kanzlei. Plane das ehrlich ein. Diese Stunden sind gut investiert, weil sie den Unterschied zwischen einer Lösung machen, der du vertraust, und einer, die du ständig nachkontrollierst.

Meine Sicht auf KI in der Buchhaltung

Deine Buchhaltung, ehrlich durchleuchtet

Du willst wissen, wo KI in deiner Buchhaltung konkret etwas bringt? Im kostenlosen KI-Check schauen wir gemeinsam, welche Schritte sich bei dir automatisieren lassen und wo sich der Aufwand rechnet. Auch das Erstgespräch kostet dich nichts.

Wenn du danach tiefer einsteigen willst, begleite ich dich in der Beratung KI-Strategie & Prozesse um 150 € pro Stunde: von der Prozessaufnahme über die Toolauswahl bis zum Prüfprozess, der zu deiner Steuerberatung passt. Und wenn dein Team erst die Grundlagen braucht, ist der kostenlose AI Literacy Kurs ein guter Anfang.

Häufige Fragen

Quellen

• Weka: Buchhaltung automatisieren mit AI, Prozesse und Grenzen

• Haufe: KI in Finance

• WKO: KI-Tools für EPU, Folge 3: Finanzen und Buchhaltung

• Leitbetriebe Austria: haude zu KI in der Buchhaltung

• Datenschutzbehörde: FAQs zum Thema KI und Datenschutz

• Unternehmensserviceportal: Austrian Standards setzt neue Maßstäbe in KI und Ethik

• RWK 2026, 142: AccountingBench

  
  

Empfehlungen

• KI-Check für EPU & KMU: Wo sich KI wirklich rechnet

• 20 praktische Use Cases für Generative KI

• KI-Förderrechner Österreich: KMU.DIGITAL berechnen (Stand Oktober 2026)

  
  

Weiterlesen auf digitalhandwerk

KI-Dokumentenverarbeitung heißt: Eine Software liest deine Rechnungen, Verträge, Lieferscheine und Formulare, versteht, was drinsteht, und überträgt die wichtigen Daten strukturiert in deine Buchhaltung, dein CRM oder deine Ablage. Für Einzelunternehmer und KMU in Österreich ist das kein Zukunftsthema mehr. Entscheidend ist, dass du mit dem richtigen Dokumenttyp beginnst, eine Prüfschleife einbaust und Aufbewahrung sowie Datenschutz von Anfang an mitdenkst. Wie das in der Praxis aussieht, zeige ich dir hier Schritt für Schritt.

Kurz gesagt

• KI-Dokumentenverarbeitung verbindet klassische Texterkennung (OCR) mit KI-Modellen, die den Inhalt verstehen. Damit lassen sich auch unstrukturierte Dokumente wie E-Mails oder Verträge auswerten.

• Der beste Einstieg sind Eingangsrechnungen: Sie kommen oft, sind ähnlich aufgebaut und haben klare Pflichtfelder.

• Ein guter Ablauf hat immer eine Prüfstufe: Die KI liest und schlägt vor, du oder dein Team gebt frei.

• In Österreich gilt für Belege eine Aufbewahrungsfrist von sieben Jahren, und sobald personenbezogene Daten im Spiel sind, gilt die DSGVO neben der KI-Verordnung.

• Miss den Nutzen ehrlich: Minuten pro Beleg, Korrekturquote und Durchlaufzeit vor und nach der Einführung.

Was KI-Dokumentenverarbeitung eigentlich ist

Der Begriff wird gerade von allen Seiten verwendet, und ehrlich gesagt wird man vom Wort KI regelrecht überfahren. Deshalb lohnt sich ein kurzer Blick darauf, welche Technik eigentlich was macht.

Kurz erklärt

OCR (Optical Character Recognition) macht aus einem Bild oder einem gescannten PDF maschinenlesbaren Text. Mehr nicht. OCR weiß nicht, ob die Zahl rechts unten der Bruttobetrag oder eine Kundennummer ist.

Regelbasierte Automatisierung (RPA, Vorlagen, Zonen-Erkennung) arbeitet mit festen Regeln: „Das Feld an Position X ist die Rechnungsnummer.“ Das funktioniert zuverlässig, solange jedes Dokument gleich aussieht. Sobald ein Lieferant sein Layout ändert, bricht die Regel.

Intelligente Dokumentenverarbeitung (IDP) mit KI geht einen Schritt weiter. Die klassische OCR bleibt dabei die Basistechnologie, wird aber durch KI-Modelle ergänzt, die den Inhalt semantisch interpretieren, sodass aus Dokumenten tatsächlich geschäftsrelevante Daten entstehen. Moderne Sprachmodelle wie ChatGPT, Claude oder Gemini können zusätzlich Fragen zu einem Dokument beantworten, Verträge zusammenfassen oder Abweichungen erklären.

Der wichtigste Unterschied für deinen Alltag: Klassische Automatisierung ist deterministisch, sie liefert bei gleichem Input immer dasselbe Ergebnis. KI-Modelle arbeiten mit Wahrscheinlichkeiten. Das macht sie flexibel, und genau deshalb braucht ein sauberer Prozess Prüfregeln, die das Ergebnis absichern.

Wie verbreitet das in Österreich schon ist

Wer glaubt, das sei etwas für Konzerne, irrt. Laut Statistik Austria setzten 2025 bereits 30 % der Unternehmen ab 10 Beschäftigten KI ein, 2021 waren es noch 9 %. Und das Spannende: 73 % der KI-nutzenden Unternehmen verwenden KI für Texterkennung und -verarbeitung, 38 % für die Organisation betriebswirtschaftlicher Prozesse. Dokumente sind also der häufigste Einstieg in KI überhaupt. Das deckt sich mit dem, was ich in Beratungen sehe: Die Belegflut ist fast überall das erste Thema, das auf den Tisch kommt.

Welche Dokumente sich eignen

Nicht jedes Dokument ist ein guter Startkandidat. Ich frage in Workshops immer drei Dinge: Wie oft kommt das Dokument vor? Wie ähnlich sind sich die Exemplare? Und was passiert, wenn ein Feld falsch erkannt wird?

Sehr gut geeignet:

• Eingangsrechnungen: hohe Stückzahl, klare Pflichtfelder, gut prüfbar über Summen.

• Lieferscheine und Bestellbestätigungen: lassen sich mit Bestellungen abgleichen.

• Formulare und Anträge: etwa Anmeldungen, Rückmeldebögen, Schadensmeldungen.

• Reisekostenbelege und Kassabons: viele kleine Belege, die sonst händisch abgetippt werden.

Gut geeignet, mit mehr Prüfaufwand:

• Verträge: Laufzeiten, Kündigungsfristen und Preisgleitklauseln herausziehen und in einer Übersicht sammeln.

• E-Mails und Anfragen: automatisch einer Kategorie zuordnen und an die richtige Person weiterleiten.

• Berichte und Protokolle: zusammenfassen, Aufgaben extrahieren.

Mit besonderer Sorgfalt:

• Dokumente mit Gesundheitsdaten, Personalakten oder anderen sensiblen personenbezogenen Daten. Hier entscheiden Datenschutz und Tool-Wahl über alles. Mehr dazu weiter unten.

Wenn du Inspiration brauchst, welche Aufgaben rund um Texte und Dokumente sich sonst noch mit generativer KI lösen lassen, findest du in meinen 20 praktischen Use Cases für generative KI weitere Beispiele aus der Praxis.

So läuft die Verarbeitung typischerweise ab

Egal ob du ein spezialisiertes Tool, deine Buchhaltungssoftware mit KI-Funktion oder einen selbst gebauten Ablauf mit einem Sprachmodell nutzt: Der Prozess folgt fast immer denselben sechs Schritten.

1. Eingang bündeln. Alle Dokumente landen an einem Ort: ein eigenes Rechnungspostfach, ein Upload-Ordner, ein Scanner, der direkt in die Cloud speichert. Je weniger Eingangskanäle, desto stabiler der Prozess.

2. Lesen und erkennen. OCR macht aus Scans und Fotos Text. Bei digitalen PDFs oder strukturierten E-Rechnungen entfällt dieser Schritt teilweise, weil die Daten bereits maschinenlesbar sind.

3. Klassifizieren. Die KI entscheidet: Ist das eine Rechnung, eine Gutschrift, eine Mahnung, ein Vertrag? Davon hängt ab, welche Felder sie im nächsten Schritt sucht.

4. Daten extrahieren. Lieferant, Rechnungsnummer, Datum, Nettobetrag, Steuer, Bruttobetrag, IBAN, Positionen. Bei Verträgen etwa Laufzeit und Kündigungsfrist.

5. Prüfen und freigeben. Plausibilitätsregeln laufen automatisch, unsichere Felder werden markiert, ein Mensch gibt frei. Dieser Schritt ist kein Misstrauensvotum gegen die KI, sondern das, was den Prozess verlässlich macht.

6. Übergeben und archivieren. Die Daten wandern in Buchhaltung, ERP oder Tabellen, das Original geht revisionssicher ins Archiv.

Der Schritt, der in Werbetexten gern unter den Tisch fällt, ist Nummer fünf. Gerade der macht aber den Unterschied zwischen einer netten Demo und einem Prozess, auf den du dich bei der nächsten Betriebsprüfung verlassen kannst.

Rechnungen mit KI bearbeiten: so wird es verlässlich

Rechnungen sind der Klassiker und der Bereich, in dem du am schnellsten Zeit gewinnst. Damit das auch so bleibt, baue ich mit Kunden die Prüfung meist in drei Ebenen auf.

Ebene 1: Automatische Plausibilitätsregeln

Das sind Regeln, die ohne Mensch laufen und nichts mit KI zu tun haben, also deterministisch und nachvollziehbar sind:

• Netto plus Steuer ergibt Brutto? Wenn nicht, wird der Beleg markiert.

• Gibt es diese Rechnungsnummer vom selben Lieferanten schon? Dann droht eine Doppelbuchung.

• Stimmt die IBAN mit der hinterlegten IBAN des Lieferanten überein? Eine geänderte Bankverbindung ist ein klassisches Betrugsmuster und gehört immer händisch geprüft.

• Passt der Betrag zur Bestellung oder zum Lieferschein?

Ebene 2: Konfidenz und Markierung

Gute Systeme zeigen dir an, wie sicher sie sich bei einem Feld sind. Unsichere Felder werden hervorgehoben, sichere nicht. So schaust du nicht jede Zahl an, sondern nur die, bei denen es sich lohnt.

Ebene 3: Menschliche Freigabe

Am Ende gibt jemand frei, bevor gebucht oder bezahlt wird. Bei wenigen Belegen pro Monat bist das du selbst, bei größeren Mengen kann das gestaffelt werden, etwa Freigabe durch die Buchhaltung bis zu einer Betragsgrenze und darüber durch die Geschäftsführung.

Mein Praxistipp: Lass die KI in den ersten Wochen nur vorschlagen und zähle mit, wie oft du korrigieren musst. Diese Korrekturquote ist deine wichtigste Kennzahl, und sie zeigt dir auch, bei welchen Lieferanten der Prozess noch hakt.

Strukturierte E-Rechnungen gleich mitdenken

Wenn du an Bundesdienststellen lieferst, kennst du das schon: Vertragspartner des Bundes müssen Rechnungen ausschließlich in elektronisch strukturierter Form einbringen. Strukturierte Rechnungen sind für jede Automatisierung ein Geschenk, weil die Daten nicht erst aus einem Bild gelesen werden müssen. Ein guter Ablauf verarbeitet beides: strukturierte E-Rechnungen direkt und PDF- oder Papierrechnungen über die KI-Erkennung.

Was in Österreich rechtlich zu beachten ist

Hier wird es ernst, und hier sparen viele zu früh. Drei Bereiche solltest du kennen, bevor du das erste Tool einrichtest. Die Details klärst du am besten mit deiner Steuerberatung, wenn es um Buchhaltung und Vorsteuer geht.

Echtheit, Unversehrtheit, Lesbarkeit

Für den Vorsteuerabzug bei elektronischen Rechnungen müssen laut Unternehmensserviceportal die Echtheit der Herkunft, die Unversehrtheit des Inhalts und die Lesbarkeit ab Ausstellung bis zum Ende der siebenjährigen Aufbewahrungsfrist gewährleistet sein. Das lässt sich etwa über ein innerbetriebliches Steuerungsverfahren sicherstellen. Genau hier hilft ein sauberer KI-Prozess: Wenn Eingang, Prüfung und Freigabe dokumentiert ablaufen, ist das innerbetriebliche Steuerungsverfahren praktisch schon mit eingebaut.

Wichtig für deinen Ablauf: Die KI darf das Original nie überschreiben. Extrahierte Daten sind eine Kopie zur Weiterverarbeitung, der Beleg selbst bleibt unverändert im Archiv.

Sieben Jahre aufbewahren

Buchhaltungsunterlagen, auch digital archivierte Belege, sind grundsätzlich sieben Jahre aufzubewahren. Die Frist beginnt mit dem Schluss des Kalenderjahres, für das verbucht wurde oder auf das sich der Beleg bezieht. Für deine Tool-Wahl heißt das: Achte darauf, wo die Dokumente liegen, wie du sie exportierst und was passiert, wenn du das Tool in drei Jahren wechselst.

DSGVO und KI-Verordnung gelten nebeneinander

Rechnungen enthalten fast immer personenbezogene Daten: Namen, Adressen, bei Einzelunternehmern oft die private Bankverbindung. Die österreichische Datenschutzbehörde stellt klar, dass bei KI-Systemen die DSGVO parallel zur KI-Verordnung anwendbar ist, sobald personenbezogene Daten verarbeitet werden, und dass der Verantwortliche die Beweislast für die rechtmäßige Verarbeitung trägt. Verantwortlich bist du, nicht der Tool-Anbieter.

Praktisch heißt das: Prüfe, wo das Tool die Daten verarbeitet, ob es einen Auftragsverarbeitungsvertrag gibt und ob deine Dokumente zum Training verwendet werden. Ich habe dazu einen eigenen Beitrag zu KI und Datenschutz geschrieben. Und weil die KI-Verordnung auch von kleinen Betrieben etwas verlangt, etwa KI-Kompetenz im Team, lohnt sich ein Blick auf meine Übersicht EU AI Act 2026 für KMU und EPU.

Einführung im EPU oder KMU: Schritt für Schritt

Der häufigste Fehler, den ich sehe: Ein Tool wird gekauft, bevor klar ist, welches Problem es lösen soll. So gehst du es besser an.

1. Ist-Stand erheben. Welche Dokumente kommen pro Monat herein, über welche Kanäle, wer bearbeitet sie und wie lange dauert das? Eine einfache Strichliste über zwei Wochen reicht.

2. Einen Prozess auswählen. Nimm den mit der höchsten Stückzahl und dem klarsten Aufbau. Fast immer sind das Eingangsrechnungen.

3. Tool-Kategorie wählen. Viele Buchhaltungsprogramme haben inzwischen eine KI-Belegerkennung eingebaut. Daneben gibt es spezialisierte IDP-Plattformen und flexible Abläufe mit Sprachmodellen. Welche Kategorie passt, hängt von deiner bestehenden Software ab. Einen Überblick über aktuelle Werkzeuge findest du in meinem Beitrag KI-Tools im Test.

4. Datenschutz klären. Speicherort, Auftragsverarbeitungsvertrag, Zugriffsrechte, Löschkonzept. Lieber vor dem Start als nach dem ersten Upload.

5. Pilot mit echten Belegen. Vier bis sechs Wochen, parallel zum alten Ablauf. Die KI schlägt vor, du prüfst alles.

6. Prüfregeln schärfen. Wo musstest du am häufigsten korrigieren? Daraus entstehen neue Plausibilitätsregeln.

7. Ausrollen und dokumentieren. Wer gibt frei, was passiert bei Abweichungen, wo liegt das Archiv? Diese Dokumentation brauchst du auch für Steuerberatung und Betriebsprüfung.

Den Nutzen messen, statt ihn zu schätzen

Ohne Zahlen bleibt jede KI-Einführung ein Bauchgefühl. Drei Kennzahlen reichen für den Anfang:

• Minuten pro Beleg vom Eingang bis zur Freigabe.

• Korrekturquote: Anteil der Belege, bei denen du ein Feld ändern musstest.

• Durchlaufzeit: Tage vom Rechnungseingang bis zur Buchung oder Zahlung, wichtig für Skonto.

Ein Rechenbeispiel, damit das greifbar wird: Angenommen, ein Betrieb bearbeitet 200 Eingangsrechnungen pro Monat und braucht händisch vier Minuten pro Beleg. Das sind gut 13 Stunden im Monat. Sinkt die Bearbeitung durch Vorschläge und reine Prüfung auf eine Minute, bleiben gut drei Stunden. Die gewonnenen zehn Stunden kannst du dann ehrlich gegen Tool-Kosten und Einrichtungsaufwand rechnen. Die Zahlen sind ein Beispiel, deine eigenen misst du im Pilot.

Wenn du wissen willst, wo sich KI in deinem Betrieb konkret rechnet, schau dir den KI-Check für EPU und KMU an. Für kleinere Digitalisierungsprojekte kann sich außerdem ein Blick auf die Förderung lohnen, mit meinem KMU.DIGITAL Förderrechner siehst du schnell, was möglich ist.

Meine Sicht auf KI-Dokumentenverarbeitung

Ich erlebe bei fast jedem Erstgespräch dasselbe Bild: Die Belege stapeln sich, irgendwo gibt es ein Rechnungspostfach, das niemand gern öffnet, und die Hoffnung, dass „die KI das schon macht“. Die gute Nachricht: Sie kann einen großen Teil davon tatsächlich übernehmen. Der Weg dorthin ist aber kein Tool-Kauf, sondern ein Prozess.

Was ich in der Praxis immer wieder sehe: Die größten Effekte entstehen nicht durch das ausgefeilteste Modell, sondern durch einen klaren Eingangskanal, gute Prüfregeln und eine saubere Freigabe. Wer diese drei Dinge hat, kann das Werkzeug später wechseln, ohne von vorne anzufangen. Wer sie nicht hat, automatisiert nur das Chaos.

Deshalb berate ich ohne Hype und ohne Fachchinesisch. Ich schaue mir an, welche Dokumente bei dir wirklich anfallen, wo Datenschutz eine Rolle spielt und was sich messbar rechnet. Dann bauen wir gemeinsam einen Ablauf, den dein Team versteht und dem es vertraut. Das ist weniger spektakulär als manche Werbeversprechen, hält aber dafür auch, wenn die nächste Technikwelle anrollt.

Alex

Dein Weg zu weniger Belegchaos

Wenn du deine Dokumentenverarbeitung mit KI angehen willst, starten wir am besten mit einem kostenlosen KI-Erstgespräch. Darin klären wir, welche Dokumente bei dir den meisten Aufwand verursachen und wo ein Pilot sinnvoll ist.

Für die Umsetzung gibt es zwei Wege: In der Beratung KI-Strategie und Prozesse um 150 € pro Stunde planen wir deinen Ablauf von Eingang bis Archiv, inklusive Datenschutz und Messung. Wenn du und dein Team vor allem lernen wollt, Sprachmodelle wie ChatGPT, Claude oder Gemini sicher für Dokumente einzusetzen, ist der Workshop Fokus LLMs um 120 € pro Stunde der passende Einstieg. Der KI-Check und der AI Literacy Kurs sind kostenlos.

Häufige Fragen

Kann ich Rechnungen einfach in ChatGPT hochladen?

Technisch ja, und für einzelne Auswertungen kann das hilfreich sein. Für den laufenden Betrieb solltest du aber vorher klären, wo die Daten verarbeitet werden, ob ein Auftragsverarbeitungsvertrag besteht und ob deine Uploads zum Training genutzt werden. Rechnungen enthalten personenbezogene Daten, die Verantwortung dafür liegt bei dir.

Wie genau ist KI bei der Dokumentenerkennung?

Das hängt stark von Dokumentqualität, Layout-Vielfalt und Tool ab. Verlass dich nicht auf Prozentangaben aus Werbetexten, sondern miss im Pilot deine eigene Korrekturquote mit deinen echten Belegen. Mit Plausibilitätsregeln und Freigabe bleibt der Prozess verlässlich, auch wenn einzelne Felder unsicher erkannt werden.

Darf ich Papierbelege nach dem Scannen wegwerfen?

Das hängt davon ab, ob Echtheit, Unversehrtheit und Lesbarkeit über die gesamte siebenjährige Aufbewahrungsfrist gesichert sind und wie dein Archiv aufgebaut ist. Kläre das konkret mit deiner Steuerberatung, bevor du Originale entsorgst.

Lohnt sich das auch für ein Einpersonenunternehmen?

Oft ja, gerade weil du die Zeit sonst selbst am Abend aufbringst. Schon bei einigen Dutzend Belegen im Monat spürt man den Unterschied, und viele Buchhaltungsprogramme haben eine KI-Erkennung bereits eingebaut. Ein kurzer Ist-Stand über zwei Wochen zeigt dir, ob sich der Aufwand rechnet.

Muss ich KI-generierte Daten kennzeichnen?

Für intern verarbeitete Rechnungsdaten in deiner Buchhaltung in der Regel nicht. Kennzeichnungspflichten nach der KI-Verordnung betreffen vor allem Inhalte, die du nach außen veröffentlichst oder mit denen Menschen direkt interagieren. Details dazu findest du in meinem Beitrag zur KI-Kennzeichnungspflicht für EPU und KMU.

Quellen

• Statistik Austria: IKT-Einsatz in Unternehmen 2025

• ITWelt.at: Intelligent Document Processing in der Dokumentenverarbeitung

• Unternehmensserviceportal: e-Rechnung

• Unternehmensserviceportal: e-Rechnung an die öffentliche Verwaltung

• Unternehmensserviceportal: Aufbewahrungspflicht

• Datenschutzbehörde: Verhältnis zwischen DSGVO und KI-Verordnung

Empfehlungen

• KI-Check für EPU & KMU: Wo sich KI wirklich rechnet

• KI-Tools im Test: Alternativen zu ChatGPT und KI-Anbieter im Vergleich

• 20 praktische Use Cases für Generative KI

Weiterlesen auf digitalhandwerk

Fünf Prozent. So selten wird der Arbeitsspeicher in deinem Computer laut Sam Altman tatsächlich gebraucht, und deshalb findet der OpenAI-Chef es „quite terrible“, dass so viel vom knappen DRAM der Welt in privaten Rechnern steckt. Auf meinem Schreibtisch steht ein Mac mini mit 16 GB, auf dem jeden Tag ein lokales Sprachmodell vertrauliche Kundenmails zusammenfasst. Für mich ist dieser Speicher der Grund, warum diese Mails Salzburg nie verlassen. In meiner Beratung empfehle ich EPU und KMU genau dieses Setup für alles, was vertraulich ist.

Altman verpackt sein Argument in Volkswirtschaft, und es dient vor allem einem Geschäftsmodell: seinem. Nach diesem Artikel weißt du, was er wirklich gesagt hat, wo seine Rechnung hinkt und warum du deinen RAM behalten solltest. Zuerst zum Wortlaut, denn der wird gerade kräftig zugespitzt.

Kurz erklärt

DRAM: der Arbeitsspeicher, in dem Computer, Smartphones und Server die Daten halten, mit denen sie gerade arbeiten.

Lokale Inferenz: ein KI-Modell beantwortet Anfragen direkt auf deinem eigenen Gerät statt auf den Servern eines Anbieters.

Letter of Intent: eine Absichtserklärung, die eine geplante Zusammenarbeit festhält und in der Regel noch kein verbindlicher Kaufvertrag ist.

Open-Weight-Modell: ein Sprachmodell, dessen trainierte Gewichte frei heruntergeladen und selbst betrieben werden dürfen.

Was hat Sam Altman über RAM wirklich gesagt?

Die Aussage fiel im Stripe-Podcast Cheeky Pint, die Folge erschien am 29. Oktober 2026. Altman sprach dort über Menschen, die sich von Open-Source-Modellen erhoffen, KI künftig auf dem eigenen Rechner zu betreiben und die großen Rechenzentren damit weniger zu brauchen. Seine Antwort darauf, so zitieren es mehrere Fachmedien übereinstimmend:

Sinngemäß: Aus Sicht der globalen Verteilung sei es ziemlich schlimm, dass jeder einen Teil des knappen DRAM-Angebots im eigenen Computer hat, wo er nur fünf Prozent der Zeit genutzt wird. Seine Alternative formulierte er gleich mit: In einem derart knappen Markt wolle man „maximum utilization in the cloud“, also maximale Auslastung in der Cloud.

Fairerweise muss ich festhalten: Altman hat nicht gesagt, dass Menschen keine Computer mehr besitzen sollen. Manche Schlagzeilen machen genau das daraus, und online kursiert eine schärfere Version des Zitats, die so nie gefallen ist. Ein offizielles Transkript hab ich nicht gefunden, der Wortlaut stützt sich auf die übereinstimmende Wiedergabe in mehreren Fachmedien. Ich will ihn für das kritisieren, was er gesagt hat. Das reicht völlig.

Warum hinkt die 5-Prozent-Rechnung?

Fangen wir bei der Zahl an. Woher die fünf Prozent stammen, sagt Altman nicht. Es ist seine Schätzung, keine Messung, und sie bezieht sich auf die Inferenz, also auf die Zeit, in der ein lokales Modell tatsächlich rechnet.

Genau da liegt der Denkfehler. Der RAM in meinem Rechner ist nicht für KI angeschafft worden. Er hält das Betriebssystem, drei Browser mit fünfzig Tabs, einen laufenden Videoexport und nebenbei eben auch ein Sprachmodell. Altman misst den Speicher an genau der einen Aufgabe, für die er ihn gern in seinem Rechenzentrum hätte, und erklärt ihn dann für schlecht ausgelastet.

Dein Auto steht auch den Großteil des Tages in der Garage. Trotzdem kommt kaum jemand auf die Idee, das als globale Fehlallokation von Stahl zu bezeichnen. Das Bild hinkt leicht, weil Carsharing in Städten tatsächlich Sinn macht, aber es trifft den Kern: Der Wert liegt darin, dass das Ding da ist, wenn du es brauchst, und dass niemand anderer entscheidet, ob du es heute benutzen darfst.

Der Arbeitsspeicher in meinem eigenen Rechner sorgt dafür, dass meine Daten, meine Werkzeuge und meine Arbeitsfähigkeit von keinem Abo-Vertrag in Kalifornien abhängen. Dass er die meiste Zeit wartet, gehört zu seinem Job.

Ganz falsch ist Altmans Ökonomie trotzdem nicht. Ein Rechenzentrum, das Anfragen von Millionen Nutzern bündelt, lastet seine Hardware besser aus als ein einzelner PC. Das bestreite ich nicht. Er lässt nur die Frage weg, wem die ausgelastete Hardware dann gehört und wer den Zugang dazu regelt.

Wer hat den Speicher eigentlich knapp gemacht?

Und jetzt kommt der Teil, der die ganze Aussage schwer verdaulich macht. Am 1. Oktober 2025 unterzeichnete Altman in Seoul Absichtserklärungen mit Samsung und SK Hynix. Für das Rechenzentrumsprojekt Stargate rechnet OpenAI mit einem Bedarf von bis zu 900.000 DRAM-Wafern pro Monat. Analysten von TechInsights schätzten, dass das bis zu 40 Prozent der weltweiten DRAM-Produktion entsprechen könnte. Es waren Absichtserklärungen, keine fixen Bestellungen. Das Signal an die Hersteller war trotzdem eindeutig.

Gut zwei Monate später zog Micron die Konsequenz. Am 3. Dezember 2025 kündigte Micron den Ausstieg aus dem Crucial-Consumer-Geschäft an, nach 29 Jahren. Die Begründung des Herstellers: Die KI-getriebene Nachfrage aus Rechenzentren sei so stark, dass man Kapazität für große strategische Kunden freimachen wolle. Ausgeliefert wurde über den Handel nur noch bis Februar 2026.

Was das für Endkunden heißt, hab ich am eigenen Leib erlebt, als ich meinen Office-PC aufrüsten wollte und die Preise für Arbeitsspeicher plötzlich wie ein Luxusgut aussahen. Ausgerechnet der Mann, dessen Firma sich den größten Brocken des Weltmarkts reservieren wollte, erklärt jetzt den Leuten mit 32 GB im Rechner, dass sie schlecht mit knappen Ressourcen umgehen. Das ist schon ein starkes Stück.

Warum ist lokale KI für EPU und KMU kein Luxus?

Für die Steuerberaterin, den Tischler oder die kleine Agentur ist lokale KI vor allem eine Datenschutzfrage. Wenn ein Modell auf dem eigenen Gerät läuft, verlassen Kundennamen, Angebote und Vertragsdetails den Rechner nicht. Es gibt keine Übermittlung in ein Drittland und keinen Auftragsverarbeiter für diesen Teil der Arbeit. Wie einfach das inzwischen geht, hab ich in meiner Anleitung für lokale KI mit Ollama beschrieben. Bei mir übernehmen kleine Llama-Modelle die Mailanalysen.

Der zweite Punkt ist Abhängigkeit, und den hab ich heuer auf die harte Tour gelernt. Am 12. Juni 2026 musste Anthropic seine neuen Modelle Fable 5 und Mythos 5 wegen einer US-Exportkontrolle weltweit abschalten. Erst am 1. Juli kam Fable 5 zurück. Neunzehn Tage, in denen europäische Nutzer schlicht nichts tun konnten, und das bei dem Anbieter, mit dem ich selbst täglich arbeite. Die Details hab ich in meiner Analyse zum Fall Fable 5 und Europas Abhängigkeit aufgeschrieben. Ein Modell auf meinem eigenen Rechner kann mir kein Ministerium in Washington abdrehen.

Und dann ist da das Geschäftsmodell. OpenAI verdient sein Geld mit Abos und API-Zugängen zu Modellen, die in Rechenzentren laufen. Jede Anfrage, die lokal beantwortet wird, ist eine Anfrage, die OpenAI nicht verrechnen kann. Ich empfehle OpenAI-Produkte meinen Kunden seit einiger Zeit nicht mehr, aus Datenschutz- und Qualitätsgründen und wegen der politischen Nähe des Unternehmens zur US-Regierung. Diese Aussage bestärkt mich darin.

Ich bin mir nicht ganz sicher, ob Altman das bewusst als Lobbying platziert hat. Mein Eindruck ist, dass er es schlicht glaubt. Das finde ich fast bedenklicher, weil es zeigt, wie selbstverständlich in seiner Welt die Annahme geworden ist, dass Rechenleistung zentral gehört und gemietet wird.

Warum widerspricht OpenAI sich hier selbst?

Schauen wir mal ein gutes Jahr zurück. Am 5. August 2025 veröffentlichte OpenAI mit gpt-oss sein erstes Open-Weight-Modell seit GPT-2. Die kleinere Variante gpt-oss-20b ist laut OpenAI ausdrücklich dafür gebaut, auf Geräten mit 16 GB Speicher zu laufen. Ich hab das damals selbst getestet und gpt-oss lokal mit Ollama betrieben, am MacBook mit M3 ganz ordentlich, am älteren Office-PC eher als Geduldsspiel.

OpenAI hat also selbst ein Modell auf den Markt gebracht, das genau den RAM nutzen soll, den sein CEO jetzt für verschwendet hält. Entweder war gpt-oss ein Marketingprojekt für die Open-Source-Szene, oder Altmans neue Rechnung ist eine Positionierung für den Börsengang. Vermutlich ein bisschen von beidem.

Was heißt das konkret für dich?

Verkauf deine Hardware nicht, nur weil dir jemand erklärt, dass sie in einem Rechenzentrum besser aufgehoben wäre. Wenn du gerade einen neuen Rechner planst, rechne beim Arbeitsspeicher großzügig. Für den Einstieg in lokale Modelle reichen nach meiner Erfahrung 8 GB, sinnvoll arbeiten lässt es sich ab 16 GB, und mit 32 GB hast du Luft für größere Modelle.

Trenn deine Arbeit in zwei Töpfe. Alles mit Kundendaten, Verträgen oder internen Zahlen läuft lokal. Alles, wo du die beste Qualität brauchst und die Daten unkritisch sind, darf in die Cloud, am besten bei mehr als einem Anbieter. Mit dieser Aufteilung bist du weder vom Speichermarkt noch von einer Exportkontrolle komplett abhängig.

Altman darf seine Rechenzentren auslasten, wie er will. Meinen RAM bekommt er nicht.

Häufige Fragen zu Sam Altmans RAM-Aussage

Weiterlesen auf digitalhandwerk

Zwei Websites, je rund 1.000 KI-Artikel über Capybaras, an einem Tag online gestellt. Google hat beide nach wenigen Wochen still aus dem Index geworfen, ohne eine einzige Warnung. Microsoft Copilot zitiert eine der beiden heute öfter als Wikipedia.

Meine These: KI-Massencontent ist bei Google ein Todesurteil für die Domain, und wer das als Chance in anderen KI-Suchen liest, hat das Experiment falsch verstanden. Ich arbeite seit 1989 in der Kommunikationsbranche und schreibe auf digitalhandwerk.rocks inzwischen über 640 Artikel, die mit KI-Unterstützung entstehen. Genau deshalb hat mich diese Studie interessiert.

Nach diesem Artikel weißt du, was das Experiment wirklich belegt, wo die Methodik wackelt und was du für deine eigene Website konkret daraus mitnimmst.

Fangen wir bei den Zahlen an, die gerade durch die SEO-Szene geistern.

Kurz erklärt

Scaled Content Abuse: eine Spam-Richtlinie von Google gegen Seiten, die massenhaft erzeugt werden, um Rankings zu manipulieren, egal ob per KI, von Menschen oder gemischt.

Manual Action: eine manuelle Maßnahme eines Google-Mitarbeiters, die in der Search Console angezeigt wird und gegen die man Einspruch erheben kann.

ChatGPT-User: der Abruf-Agent von OpenAI, der eine Seite lädt, wenn eine Person in ChatGPT eine Aktion auslöst.

OAI-SearchBot: der Crawler von OpenAI, der Seiten für die Suchergebnisse in ChatGPT erfasst.

Was hat OtterlyAI eigentlich getestet?

OtterlyAI, ein Anbieter, der ein Tool zur Messung von KI-Sichtbarkeit verkauft, hat seine Ergebnisse unter dem Titel The 2,000 AI Blogs Experiment veröffentlicht und im August 2026 um einen vierten Monat ergänzt. Alle Zahlen in diesem Abschnitt stammen aus dieser einen Quelle, unabhängig nachgemessen hat sie bisher niemand. Zusammenfassungen wie jene der japanischen Agentur FourM geben dieselben Kernaussagen wieder, belegen sie aber nicht eigenständig.

Der Aufbau laut OtterlyAI: zwei frische Domains ohne Vorgeschichte, capybaraverse.com und capybara-world.com. Auf jede kamen rund 1.000 vollständig KI-generierte Artikel, erstellt mit einem handelsüblichen Content-Tool, das direkt in WordPress veröffentlicht. Live in weniger als einem Tag, ohne menschliche Nachbearbeitung. Start war Anfang April 2026.

Die eigentliche Testvariable war Autorschaft. Version B bekam unter jedem Artikel eine Autorenbox mit einer erfundenen Wildbiologin, angeblich 15 Jahre Felderfahrung. Die Hypothese: Solche Signale stärken E-E-A-T und lassen Massencontent länger überleben.

Diese Frage beantwortet das Experiment nicht. Die beiden Seiten haben sich gegenseitig kannibalisiert und tauchten für dieselben Suchanfragen auf. OtterlyAI schreibt das offen hin, was ich ihnen hoch anrechne. Übrig bleibt trotzdem keine kontrollierte Studie, sondern eine doppelte Fallbeobachtung.

Wie schnell hat Google die Seiten aus dem Index geworfen?

Schneller, als die meisten Verkäufer von One-Click-Content-Tools zugeben würden.

capybara-world.com war laut OtterlyAI am 3. April indexiert und erreichte am 5. April den Höchstwert von 2.426 Impressionen pro Tag. Am 9. April fiel die Kurve von 1.629 auf 15. Erholt hat sich die Seite nie.

capybaraverse.com hielt länger durch. Zehn Wochen lang sah das wie eine Erfolgsgeschichte aus, mit bis zu rund 21.700 Impressionen pro Woche Mitte Mai und echten Klicks. Am 26. Juni dann dieselbe Klippe: von 859 auf 85 Impressionen, am Tag darauf einstellig.

Das ist der Punkt, an dem es interessant wird. Ein Screenshot aus Woche sechs hätte eine wunderbare Erfolgsstory für Massencontent abgegeben. Der Absturz kommt später, und er kommt auf einmal.

Und jetzt kommt der Teil, der die meisten überrascht: In der Search Console stand unter manuellen Maßnahmen bei beiden Domains bis zuletzt „keine Probleme erkannt“. Keine Nachricht, keine Mail, nichts zum Einspruch erheben. Die einzige Warnung war der Traffic-Graph.

Überraschend ist das eigentlich nicht. Google hat am 5. März 2024 drei neue Spam-Richtlinien eingeführt, darunter Scaled Content Abuse, und das in der offiziellen Ankündigung auf Google Search Central festgehalten. Search Engine Roundtable berichtete damals, dass die Richtlinie sowohl algorithmisch als auch über manuelle Maßnahmen durchgesetzt wird, und dass es egal ist, ob der Massencontent per KI, von Hand oder gemischt entsteht. Algorithmische Abwertung erzeugt eben keine Manual Action. Das Experiment bestätigt also eine Regel, die seit März 2024 offiziell gilt.

Warum zitiert KI-Suche die gelöschte Seite trotzdem?

Hier wird die Studie wirklich spannend, und gleichzeitig am wackeligsten.

Laut OtterlyAI stiegen die KI-Zitierungen von capybara-world.com nach dem Rauswurf bei Google Monat für Monat: 100 im April, 845 im Mai, 1.323 im Juni und 1.666 allein vom 1. bis 27. Juli. Eine Seite, die für Google nicht mehr existiert, wurde in KI-Antworten immer sichtbarer.

Der Durchschnitt verschleiert aber, was passiert. Aufgeteilt nach Plattform zeigt sich ein klares Bild:

• Microsoft Copilot lieferte 2.718 der 3.934 Zitierungen von capybara-world.com, also rund 69 Prozent. Im Juli war die Seite laut OtterlyAI die meistzitierte Domain der Kategorie auf Copilot, vor Wikipedia und Britannica.
• Claude kam auf 1.005 Zitierungen für Seite A und 714 für Seite B, mehr als Perplexity.
• Perplexity zitierte die Seiten anfangs, im Juli lag der Wert aber 53 Prozent unter dem Höchststand vom Mai. Hier hat der Filter offenbar gegriffen.
• ChatGPT, Gemini, Google AI Overviews und AI Mode zitierten die Slop-Seiten praktisch nie.

Was das konkret bedeutet: „KI-Suche“ ist kein Kanal. Es sind mehrere Systeme mit völlig unterschiedlichen Filtern, die auf unterschiedlichen Indizes sitzen. Copilot hängt am Bing-Index, und Bing hat die Seiten nie abgestraft. Im Juli lieferte Bing laut OtterlyAI zusammen 119.935 Impressionen. Claude wiederum bezieht seine Websuche nach Analysen von Profound und Xponent21 unter anderem über Brave Search, also weder über Google noch über Bing.

Genau das meine ich mit Search Everywhere Optimization: Sichtbarkeit entsteht auf vielen Oberflächen, und jede davon tickt anders. Der Begriff stammt von Ashley Liddell, ich übertrage ihn auf EPU und KMU im deutschsprachigen Raum.

Wer Massencontent ohne eigene Erfahrung veröffentlicht, wettet darauf, dass ein einzelner Anbieter seinen Qualitätsfilter noch nicht eingeschaltet hat. Perplexity hat im selben Experiment gezeigt, wie schnell sich das ändert.

Wo hat das Experiment blinde Flecken?

Beim genaueren Lesen sind mir einige Punkte sauer aufgestoßen.

Die Zitierzahlen sind synthetisch. OtterlyAI misst Zitierungen mit dem eigenen Brand Report, also mit einem Set an Prompts, die das Tool selbst an die Plattformen schickt. Das zeigt nicht, was echte Menschen sehen, sondern was dieses Prompt-Set auslöst. Aussagen wie „die gelöschte Seite schlägt echte Capybara-Magazine“ hängen davon ab, welche Fragen im Set stehen.

Die ChatGPT-Crawls könnten teilweise selbst gemacht sein. OtterlyAI zählt 4.808 Besuche des Agenten ChatGPT-User auf beiden Seiten, aber kaum Zitierungen. OpenAI beschreibt ChatGPT-User als Abruf, der durch eine Aktion von Nutzerinnen und Nutzern in ChatGPT ausgelöst wird, während der OAI-SearchBot für den Suchindex zuständig ist. Den hat OtterlyAI in 90 Tagen nur 80 Mal gesehen. Wer massenhaft Prompts an ChatGPT schickt, um Sichtbarkeit zu messen, kann solche Abrufe mitverursachen. Ich bin mir nicht ganz sicher, wie groß dieser Effekt hier ist, aber die Studie diskutiert ihn gar nicht. Das ist für mich die größte Lücke.

Die Nische verzerrt. Capybaras sind ein dünn besetztes Thema mit wenigen Quellen. Dass Copilot dort eine Slop-Seite vor Wikipedia stellt, sagt vermutlich mehr über die fehlende Konkurrenz als über Copilot im Allgemeinen. In einem umkämpften Feld würde ich das nicht hochrechnen.

Der Absender verkauft die Lösung. Die wichtigste Empfehlung der Studie lautet: Miss deine KI-Sichtbarkeit pro Plattform. Das ist genau das Produkt, das OtterlyAI anbietet. Falsch wird die Empfehlung dadurch nicht, aber man sollte es beim Lesen im Hinterkopf haben.

Die erfundene Expertin bleibt unkommentiert. Eine fiktive Wildbiologin mit Felderfahrung ist Fake-E-E-A-T. Auf Wegwerf-Domains für einen Test ist das vertretbar. Dass der Artikel das mit keinem Wort problematisiert, finde ich trotzdem schwach. Wer so etwas auf einer echten Firmenseite macht, täuscht seine Leser.

Und der Teil, der mich am meisten nervt: Daraus wird jetzt sicher bald auf LinkedIn die Botschaft „KI-Slop funktioniert auf Copilot“. Das Experiment zeigt das Gegenteil, nämlich eine Domain, die in der größten Suchmaschine verbrannt ist, und eine Sichtbarkeit, die an einem einzigen Anbieter hängt.

Was heißt das für Websites mit KI-unterstützten Inhalten?

Lass mich ehrlich sein: Auch meine Artikel entstehen mit KI. Recherche, Gliederung, Endfassung, Linting, das läuft bei mir über eine Pipeline mit Claude. Vom Capybara-Experiment unterscheidet sich das an drei ziemlich unspektakulären Stellen. Erstens im Tempo: Ich veröffentliche nicht tausend Artikel an einem Tag, sondern einen (oder zwei), wenn ich etwas zu sagen habe. Zweitens in der Prüfung: Jede Tatsachenbehauptung braucht bei mir zwei unabhängige Quellen, Einzelquellen werden im Text gekennzeichnet. Du siehst das in diesem Artikel ja eh an jeder Zahl von OtterlyAI. Drittens in der Substanz: Bevor ich schreibe, frage ich mich, was ich über das Thema weiß, das jemand anderes nicht wissen kann.

Diese letzte Frage ist der Kern dessen, was ich in meinem Artikel über die Bland Tax bei 490 eigenen Blogartikeln beschrieben habe. Austauschbarer Inhalt wird von KI-Systemen verwertet, aber nicht zitiert. Das Capybara-Experiment ist die Extremform davon: Tausendfach umformuliertes Wissen, das jedes Modell ohnehin schon kennt.

Sogar OtterlyAI kommt in seiner letzten Empfehlung genau dorthin. Sinngemäß: Wenn du KI für Inhalte nutzt, dann für Inhalte, die die KI noch nicht kennt. Eigene Daten, eigene Erfahrung, eigene Einschätzung. Das macht Sinn, und es ist die eigentliche Lektion der ganzen Studie.

Wer stattdessen auf Masse setzt, produziert das, was ich in Digitaler Einheitsbrei: Warum AI Slop das Internet ruiniert beschrieben habe. Kurzfristig sieht das nach Reichweite aus. Langfristig verbrennt man die Domain.

Welche drei Dinge solltest du jetzt konkret einrichten?

Aus dem Experiment lassen sich unabhängig von der Methodenkritik drei sehr praktische Schritte ableiten.

1. Indexierte Seiten wöchentlich prüfen. In der Google Search Console unter „Indexierung“ und dann „Seiten“ siehst du, wie viele URLs Google im Index hat. Ein schleichender Rückgang ist das Frühwarnsignal. Der Tab für manuelle Maßnahmen hilft dir bei algorithmischer Abwertung nicht, das hat das Experiment sehr deutlich gezeigt.

2. Bing Webmaster Tools mit dem AI Performance Report aktivieren. Microsoft hat diesen Bericht im Februar 2026 als Public Preview gestartet, wie unter anderem Search Engine Journal berichtet. Er zeigt, wie oft deine Seiten in Copilot und in KI-Zusammenfassungen von Bing zitiert werden, samt den Suchanfragen dahinter. ChatGPT ist laut Adobe nicht enthalten. Trotzdem sind das die einzigen echten Zitierdaten, die ein großer Plattformbetreiber derzeit herausgibt. Die Einrichtung dauert ein paar Minuten, wenn du die Seite aus der Search Console importierst.

3. KI-Sichtbarkeit nie als eine Zahl berichten. Wer seinen Kunden einen einzigen „KI-Score“ zeigt, rechnet Copilot, ChatGPT und Perplexity zusammen, obwohl die drei völlig unterschiedlich entscheiden. Teste deine wichtigsten Fragen auf jeder Plattform getrennt und notiere, wer dich zitiert. Klingt mühsam, ist es auch. Aber nur so siehst du, ob dein Inhalt wirklich trägt oder ob du gerade nur in einer Lücke stehst.

Schauen wir mal, wie sich die Zahlen von OtterlyAI in den nächsten Monaten entwickeln. Die Firma will das Experiment weiterlaufen lassen und eine saubere Wiederholung auf getrennten Domains nachliefern. Ich lese mit, aber mit Abstand: Eine Herstellerstudie mit zwei Domains in einer Nische taugt als Hinweis, für einen Beweis bräuchte es eine unabhängige Wiederholung. Das gilt für Ergebnisse, die mir gefallen, genauso wie für die anderen.

Häufige Fragen zu KI-Massencontent und Google

Weiterlesen auf digitalhandwerk

Mein Lenovo Yoga Smart Tab war lange das schönste Gerät in meinem Büro, das nichts getan hat. Schlankes Design, eingebauter Standfuß, ein ordentliches Display. Verwendet hab ich es trotzdem nicht, weil ich schlicht keine Aufgabe dafür hatte. Seit gestern steht es neben meiner Tastatur und ist das Gerät, auf das ich am öftesten schaue.

Einem alten Tablet fehlt meistens nur die passende Software, und die schreibst du mit Vibe Coding in ein, zwei Tagen selbst. In diesem Artikel zeige ich dir, was mein DeskPanel kann, wie ich das Tablet entrümpelt hab, wo Claude Code und ich gestolpert sind und wie du mit deinem eigenen Gerät anfängst.

Ich bin seit 1989 in der Kommunikationsbranche und baue mir meine Werkzeuge inzwischen mit Claude selbst. Das DeskPanel ist das bisher sichtbarste davon.

Kurz erklärt

Debloat: das Entfernen vorinstallierter Apps und Dienste, die der Hersteller mitliefert und die du nicht brauchst.

adb: die Android Debug Bridge, ein Kommandozeilenwerkzeug, mit dem du ein Android-Gerät vom PC aus per USB steuerst, Apps installierst oder entfernst.

Launcher: die App, die Android als Startbildschirm anzeigt. Wer den Launcher ersetzt, bestimmt, was nach dem Einschalten zu sehen ist.

Long-Lived Token: ein dauerhafter Zugangsschlüssel für Home Assistant, mit dem ein Gerät ohne Passwort-Login Daten lesen und Befehle schicken darf.

Warum lohnt sich ein sieben Jahre altes Tablet überhaupt?

Das Yoga Smart Tab hat Lenovo auf der IFA 2019 vorgestellt, als Tablet mit Google Assistant im Ambient Mode, das ausgeklappt auf seinem Ständer zum Smart Display wird. Zum Marktstart kostete es 299 Euro. Für heutige Verhältnisse ist es kein schnelles Gerät mehr. Für einen Bildschirm, der Uhrzeit, Wetter und Termine anzeigt, ist es mehr als ausreichend.

Die Zahlen dazu sind ernüchternd. Laut dem Global E-waste Monitor 2024 der Vereinten Nationen sind 2022 weltweit 62 Millionen Tonnen Elektroschrott angefallen, dokumentiert gesammelt und recycelt wurden davon 22,3 Prozent. Bei kleinen IT-Geräten wie Laptops, Handys und Routern liegt die dokumentierte Quote laut den UN-Daten ebenfalls bei nur 22 Prozent. Die vollständige Auswertung findest du beim Global E-waste Monitor 2024 der ITU.

Deshalb hab ich mein Tablet neu programmiert, statt ein neues Gerät zu kaufen. Ein Gerät mit Akku, WLAN, Lautsprecher und Full-HD-Display ist eine fertige Hardware-Plattform. Was fehlt, ist eine App, die genau das tut, was du brauchst, und sonst nichts.

Was zeigt mein DeskPanel?

Links dominiert eine große Uhr mit Datum. Darunter läuft ein Radio mit sechs Sendern: mein eigenes digitalhandwerk Radio, das inzwischen auch als HLS-Stream läuft, dazu fünf Streams von Rock Antenne mit Interpret und Titel. Unter dem Radio tanzt ein Live-Spektrum mit 64 Frequenzbändern, das die App selbst aus dem Audiosignal berechnet. Funktional ist das völlig überflüssig. Ich schau trotzdem öfter hin, als ich zugeben mag.

Rechts sitzt alles, was aus Home Assistant kommt. Die Außentemperatur und Luftfeuchte liefert mein Eve-Sensor im Garten, dazu kommen Niederschlagstyp, eine Vorhersage für eine und sechs Stunden und ein Wettersymbol. Daneben steht die aktuelle Leistung meiner Photovoltaik und die Tagesproduktion. Um 7:13 Uhr an einem Oktobermorgen zeigt sie verlässlich 0 Watt.

Darunter liegen vier Lichtschalter für Wohnzimmer, Küche, Vorzimmer und Garten, vier Raumtemperaturen und ein Kalender mit sieben Tagen. Dort landen Familientermine, die Spiele von FC Red Bull Salzburg und von FC Liefering. Ganz unten läuft eine Statusleiste mit dem Zustand von zehn Websites, dem neuesten Blogartikel als Ticker und dem Status von Home Assistant und Claude.

Das DeskPanel läuft auch zeitgesteuert. Ab 20 Uhr wird die Anzeige wärmer und dunkler, von 23 bis 6 Uhr bleibt nur eine gedimmte Uhr, das Radio pausiert und startet in der Früh von selbst wieder. Alle zehn Minuten verschiebt sich der Inhalt um ein paar Pixel, damit sich nichts ins Display einbrennt.

Wie hab ich das Tablet entrümpelt?

Bevor Claude Code eine Zeile App-Code geschrieben hat, haben wir aufgeräumt. Das Ergebnis: 65 Pakete entfernt, 13 deaktiviert, darunter sämtliche Google-Dienste. Den Lenovo-Launcher hab ich ebenfalls entfernt, damit das DeskPanel der einzige Startbildschirm ist. Nach einem Neustart erscheint direkt mein Panel, ohne Umweg über einen Homescreen.

Claude Code hat dafür ein Skript geschrieben, das die Pakete in drei Gruppen einteilt, jeden Schritt protokolliert und ein zweites Skript für den Rückweg mitbringt. Das war mir wichtig. Wer per adb Systempakete löscht, sollte wissen, wie er sie wieder zurückbekommt.

Zwei Dinge hätte ich ohne Lehrgeld nicht gewusst. Android 10 schreibt Paketänderungen verzögert auf den Speicher. Wer gleich nach dem Debloat neu startet, hat danach wieder ein voll ausgestattetes Lenovo-Tablet. Seitdem warte ich vor jedem Neustart 30 Sekunden. Und Gboard, die Google-Tastatur, braucht die Google-Dienste. Nach dem Aufräumen hatte mein Tablet keine Tastatur mehr. Für ein Panel, das man nur antippt, ist das verschmerzbar, eine Alternative steht trotzdem auf der Liste.

Die vorinstallierte Android System WebView war auf Version 81 stehen geblieben, und darin rendert die Home-Assistant-Oberfläche nicht sauber. Also kam Version 155 aufs Gerät, mit geprüfter Google-Signatur.

Warum läuft alles direkt auf dem Gerät?

Die naheliegende Architektur wäre ein kleiner Server gewesen, der die Daten sammelt und ans Tablet schickt. Ich hab mich dagegen entschieden. Das DeskPanel spricht direkt per WebSocket mit meinem Home Assistant, es gibt keinen Zwischenserver, keinen PC, der laufen muss, und keine Cloud außer meiner eigenen. Die SIM-Karte bleibt im Tablet. Fällt das WLAN aus, hängt es sich ins Mobilfunknetz.

Das Prinzip kenne ich von meiner BUSY Bar, die ihre Daten ebenfalls ohne meinen PC aus Home Assistant bekommt. Beim Tablet kommt ein Unterschied dazu: Es darf schalten. Und ein Gerät, das schalten darf und mit SIM-Karte das Haus verlassen kann, braucht ein paar Sicherungen.

Das hab ich mit Claude Code so gelöst:

• Das Panel meldet sich mit einem eigenen Home-Assistant-Benutzer ohne Adminrechte an.
• Der Token liegt AES-GCM-verschlüsselt im Android Keystore und kommt nur per adb aufs Gerät, nie über eine Eingabemaske.
• Eine Allowlist in der App legt fest, welche Geräte und Dienste das Panel überhaupt ansprechen darf: Lichter ein- und ausschalten, Wetter und Kalender lesen, sonst nichts.
• Außerhalb meines Heim- und Büronetzes verlangt das Panel eine PIN, bevor es ein Licht schaltet.

Ein Risiko kenne ich und hab es bewusst in Kauf genommen. Für die Home-Assistant-Weboberfläche, die sich mit einem Tipp aufs Wetter öffnet, liegt der Token zusätzlich unverschlüsselt im Speicher der WebView. Das spart mir Login und Zwei-Faktor-Abfrage. Wer das Tablet stiehlt, hat damit Zugriff auf einen eingeschränkten Benutzer. Den Widerruf des Tokens hab ich noch nicht getestet, das ist der nächste Punkt auf meiner Liste.

Wo hat es beim Vibe Coding gehakt?

Die erste Version war schön und hat das Tablet ins Schwitzen gebracht. Jede Animation des Spektrums hat den ganzen Bildschirm neu gezeichnet. Die Lösung von Claude Code: alles Statische in eine eigene Ebene außerhalb des Bildschirms, nur das Spektrum wird pro Frame neu berechnet. Seitdem braucht ein Frame 7 bis 8 Millisekunden. Mit laufendem Radio liegt die CPU-Last trotzdem bei rund 48 Prozent, ohne Radio bei 19 und in der Nacht bei 6 Prozent. Mein Ziel aus dem Konzept war unter 25 Prozent mit Radio. Das hab ich nicht erreicht, und ich bin mir nicht ganz sicher, ob das alte Tablet es überhaupt hergibt.

Das Spektrum selbst hat Claude im ersten Anlauf mit einem eigenen Audio-Prozessor gebaut, der zuverlässig abgestürzt ist. Erst der Umweg über einen fertigen Baustein der Media3-Bibliothek, der das Signal nur abzweigt, lief stabil.

Und dann die Frage, woran das Panel erkennt, dass es daheim ist. Der WLAN-Name wäre naheliegend, verlangt auf Android 10 aber die Standortberechtigung. Ein Panel, das nur deshalb meinen Standort kennen darf, wollte ich nicht. Jetzt prüft es das Subnetz. Das funktioniert genauso gut und braucht keine zusätzliche Berechtigung.

Mein Radio ist übrigens kein klassischer Stream. Das Panel rechnet aus der Serverzeit aus, an welcher Stelle der Sendung es gerade sein müsste, und korrigiert sich ab 20 Sekunden Abweichung selbst. Dasselbe Prinzip nutzt auch der Webplayer im Browser.

Der 72-Stunden-Dauertest läuft noch. Erst danach schalte ich USB-Debugging ab. Bis dahin ist das DeskPanel ein Gerät, das funktioniert, aber noch nicht als fertig gilt.

Ein neues Smart Display zeigt dir, was der Hersteller für wichtig hält. Mein altes Tablet zeigt mir nach zwei Tagen Arbeit genau das, was ich jeden Morgen wissen will.

Wie fängst du mit deinem alten Gerät an?

Du brauchst kein Yoga Tab und keinen Home Assistant. Ein altes Android-Tablet, ein ausgedientes Handy oder ein E-Book-Reader mit WLAN reichen für den Anfang. So würde ich vorgehen:

1. Gerät prüfen: Hält der Akku noch, läuft das WLAN stabil, lässt sich USB-Debugging in den Entwickleroptionen aktivieren?
2. Zweck festlegen: Schreib auf, was du täglich nachschaust. Wetter, Termine, Stromverbrauch, ein Radiosender. Das ist dein Pflichtenheft.
3. Datenquellen finden: Welche Schnittstelle liefert diese Daten? Ein Kalender-Abo, eine Wetter-API, ein Smart-Home-System.
4. Konzept mit Claude schreiben: Lass dir vor dem ersten Code ein Konzept mit Phasen erstellen. Mein DeskPanel hatte acht davon, von der Bestandsaufnahme bis zum Dauertest.
5. Debloat mit Rückweg: Lass dir für jedes entfernte Paket ein Wiederherstellungsskript bauen und prüfe die Liste selbst, bevor du sie ausführst.
6. Sicherheit von Anfang an: Eigener Benutzer mit minimalen Rechten, Zugangsdaten verschlüsselt, keine offenen Ports.

Den Code schreibt dabei ein Coding Agent wie Claude Code. Deine Aufgabe ist das genaue Beschreiben und das Prüfen am Gerät. Getestet wird am echten Tablet, nicht im Emulator. Das hab ich beim Stream Deck schon gelernt, wo der Text am Gerät breiter war als am Bildschirm.

Häufige Fragen

Und wo ist jetzt meine Tastatur?

Eine Sache hab ich bei der Planung übersehen: den Platz. Auf meinem Schreibtisch stehen inzwischen mein Statusmonitor, der mir zeigt, welcher Dienst gerade ausfällt, die BUSY Bar mit ihren 72 mal 16 LEDs, das Stream Deck mit seinen Live-Tasten, mein StackChan, der seit Kurzem den Kopf dreht und mein Gesicht verfolgt, und die runde M5 StopWatch mit ihren Modulen aus Home Assistant. Jetzt also auch noch das DeskPanel.

Zähl ich den Hauptbildschirm mit, schauen mich am Morgen sieben Displays an, bevor ich den ersten Kaffee hab. Die Tastatur hat nur noch Untermiete. Der StackChan muss mich hinter dem Tablet inzwischen wirklich suchen, und wenn die BUSY Bar, die StopWatch und das DeskPanel gleichzeitig melden, dass es regnet, glaub ich es auch ohne Blick aus dem Fenster.

Manchmal frag ich mich selbst, ob ich hier noch einen Arbeitsplatz einrichte oder schon eine Leitstelle. Jedes dieser Geräte zeigt mir trotzdem genau das, was ich brauche, und keins davon hätte ich so im Laden gefunden.

Schau in deine Laden. Irgendwo liegt ein Tablet, das auf seine zweite Aufgabe wartet. Du kannst es weiter liegen lassen. Oder du beschreibst heute Abend Claude, was es können soll.

Weiterlesen auf digitalhandwerk

Zwei Wochen. So lange war Gemini 4 Argon das stärkste Modell von Google, dann hat am 28. Oktober 2026 Gemini 4 Carbon nachgelegt. Argon hab ich bis heute nicht live getestet, weil es in meinem Google-Workspace-Account schlicht nicht aufgetaucht ist. Jetzt steht der Nachfolger da, und meine Einschätzung hat sich nicht bewegt: Carbon ist eine beeindruckende Tabelle, für EPU und KMU in Österreich aber noch kein Werkzeug.

Nach diesem Artikel weißt du, welche Zahlen von Google selbst stammen, welche unabhängig gemessen wurden, was Carbon kosten soll und warum Firmenkonten schon bei Argon hinten angestanden sind. Ich bin seit 1989 in der Kommunikationsbranche und schreibe auf digitalhandwerk.rocks laufend über genau diese Lücke zwischen Launch-Post und Arbeitsalltag. Also zuerst zu dem, was Google tatsächlich angekündigt hat.

Kurz erklärt

Fairwind Program: Googles Zugangsprogramm, über das ausgewählte Partner aus der Cyberabwehr neue Modelle vor allen anderen bekommen.

Long-Horizon-Aufgabe: eine Aufgabe, an der ein KI-Agent über viele Schritte und lange Zeit selbstständig arbeitet, etwa die Fehlersuche quer durch eine große Codebasis.

Artificial Analysis Intelligence Index: ein Sammelwert des unabhängigen Anbieters Artificial Analysis, der mehrere Benchmarks zu einer einzigen Zahl verdichtet.

Was hat Google mit Gemini 4 Carbon angekündigt?

Den Launch-Post hat wie schon bei Argon Koray Kavukcuoglu geschrieben, Senior Vice President bei Google DeepMind. Google nennt Carbon sein bislang stärkstes Modell und stellt zwei Felder in den Vordergrund: Cybersicherheit und Long-Horizon-Aufgaben. Laut Google haben interne Teams Carbon tagelang an komplexen Engineering-Aufgaben arbeiten lassen, etwa beim Aufspüren und Beheben versteckter Bugs in großen Codebasen.

Die Schlagzeilenzahl: Auf der neuen Version 5.0 des Artificial Analysis Intelligence Index liegt Carbon mit 59 Punkten auf Platz eins. Das berichten neben Google auch technology.org und mehrere Fachdienste.

Dazu kommen drei Cyber-Benchmarks, die Google entlang der Arbeit eines Sicherheitsteams aufreiht. 88,2 Prozent auf SEC-bench Pro für das Finden echter Schwachstellen, 54,8 Prozent auf ExploitGym für die Frage, ob eine Lücke tatsächlich ausnutzbar ist, und 71,0 Prozent auf CWE-bench für das Beheben an der Ursache. Diese Werte hat Google veröffentlicht, die Fachpresse übernimmt sie. Eine unabhängige Nachmessung hab ich nicht gefunden.

Das gilt auch für die Sicherheitszahlen. Im Gray-Swan-Benchmark für indirekte Prompt Injection soll Carbon laut Herstellerangabe jeden getesteten Angriff abgewehrt haben, Argon lag dort bei 0,7 Prozent erfolgreichen Angriffen. Und in Googles internen Tests halbiert Carbon die Zahl unbelegter Behauptungen gegenüber Argon ungefähr. Für meine Arbeit ist das die interessanteste Zahl im ganzen Post, weil ein Modell, das weniger erfindet, mir bei jeder Recherche Prüfzeit spart. Belegen kann ich sie nicht, sie stammt aus Googles eigenem Testlabor.

Ein Platz eins auf einer Bestenliste, die gerade erst neu aufgesetzt wurde, sagt mir weniger als ein Modell, das ich morgen früh in meinem eigenen Workflow aufrufen kann.

Wie belastbar ist der Platz eins im Index?

Google schreibt selbst, dass der Artificial Analysis Intelligence Index erst kürzlich auf Version 5.0 umgestellt wurde. Argon wurde noch auf der Vorversion 4.3.2 bewertet. Wer jetzt die alte Argon-Zahl neben die neue Carbon-Zahl legt, vergleicht zwei verschiedene Messlatten. Der Abstand zwischen den beiden Modellen mag real sein, nur sieht man ihn in dieser Gegenüberstellung nicht sauber.

Spannender finde ich einen zweiten, unabhängigen Blick. Vals AI hat Carbon bereits durch seinen eigenen Vals Index geschickt, der wirtschaftlich relevante Aufgaben misst. Dort landet Carbon laut Vals AI mit 70,36 Prozent auf Platz zwei von 29 Modellen, knapp hinter Claude Sonnet 5.5 mit 70,85 Prozent und knapp vor Claude Opus 5.5 mit 70,18 Prozent. Und jetzt kommt der Teil, der in keinem Launch-Post steht: Vals gibt für Carbon selbst eine Schwankungsbreite von plus/minus 0,97 Prozentpunkten an. Die drei Spitzenmodelle liegen also innerhalb der Messunsicherheit beieinander.

Was das konkret bedeutet: Auf dieser Liste teilen sich derzeit drei Modelle die Spitze, ein klarer Sieger lässt sich daraus nicht ablesen. Warum ich solche Bestenlisten generell nur als groben Filter verwende, hab ich in meinem Artikel über KI-Benchmarks und die Frage, ob ein Modell deinen Job erledigt ausführlich aufgeschrieben. Carbon ändert daran nichts.

Was kostet Gemini 4 Carbon?

Google übernimmt den Einführungspreis von Argon: 2 Dollar pro Million Input-Tokens und 10 Dollar pro Million Output-Tokens, gecachte Input-Tokens sind um 95 Prozent günstiger. Nach der Einführungsphase gelten 4 und 20 Dollar. Wie lange die Einführungsphase dauert, sagt Google nicht.

Die Seite von Vals AI führt Carbon übrigens bereits mit 4 und 20 Dollar. Ich rechne für Kundenprojekte immer mit dem Normalpreis, weil ein Workflow, der nur zum Aktionstarif aufgeht, nach der Einführungsphase zum Problem wird. Die Rechnung, warum ein niedriger Preis pro Token noch lange keinen niedrigen Preis pro Aufgabe bedeutet, hab ich bei Gemini 4 Argon und dem gestaffelten Start für Cyber-Partner durchgespielt. Sie gilt für Carbon genauso.

Wer darf Gemini 4 Carbon nutzen, und wann?

Ab dieser Woche bekommt eine Teilmenge von Cyber-Verteidigern Zugang. Danach öffnet Google schrittweise für weitere vertrauenswürdige Partner über das Fairwind Program. Entwickler, Unternehmen und Privatnutzer sollen Carbon bekommen, sobald Google genug Feedback gesammelt und die Guardrails nachgeschärft hat. Ein Datum gibt es nicht. Parallel nimmt Google wieder am freiwilligen Verfahren der US-Regierung teil, bei dem neue Modelle vor dem Release geprüft werden. Europa kommt im Post erneut nicht vor.

Wie so ein Stufenplan in der Praxis ausgeht, zeigt Argon. Vorgestellt am 30. September, zunächst nur für Fairwind-Partner. Am 13. Oktober kam Argon in die Gemini-App, und zwar für Abonnenten von Google AI Pro und Ultra. Bei Firmenkonten sieht es anders aus: Laut einer Auswertung von digitalapplied.com, die sich auf Googles Hilfeseite für Arbeitskonten stützt, steht in der Argon-Zeile bei allen Kern-Editionen von Business Starter bis Enterprise Plus nur „N/A“. Das ist eine Einzelquelle, deckt sich aber genau mit dem, was ich in meinem eigenen Workspace erlebt habe.

Wer über die Google Cloud geht, stößt auf die nächste Einschränkung. In Googles Dokumentation zu Gemini Enterprise ist Argon standardmäßig deaktiviert und nur in der Region „global“ verfügbar. Eine EU-Region ist für Argon dort nicht gelistet, während andere Modelle im selben Dokument sehr wohl in der EU-Region laufen. Für Betriebe, die ihre KI-Verarbeitung aus DSGVO-Gründen in der EU halten wollen, ist das kein Detail.

Meine Prognose, und es ist nur eine Prognose: Carbon wird denselben Weg gehen. Zuerst Cyber-Partner, dann Privatabos, und Workspace-Konten irgendwann danach. Das Muster kennt man von Google inzwischen. Bei den Gemini Skills, die Arbeitskonten und den EWR ausschließen, war es genauso.

Was heißt das für EPU und KMU in Österreich?

Nimm einen Einpersonenbetrieb in Salzburg, der seine ganze Büroarbeit über ein Workspace-Konto erledigt, ein Setup, das in kleinen Betrieben weit verbreitet ist. Für diesen Betrieb ist Carbon derzeit aus zwei Gründen außer Reichweite: Es ist noch gar nicht freigegeben, und schon der Vorgänger fehlt in seinem Kontotyp. Ein privates AI-Pro-Abo daneben zu buchen, löst das nur halb. Testen kannst du damit, mit Kundendaten arbeiten solltest du damit nicht, solange Verarbeitungsort und Auftragsverarbeitung für dieses Konto nicht geklärt sind. Ich bin zertifizierter KI-Beauftragter nach ISO 42001, und ich plane mit meinen Kunden nichts auf Basis eines Modells, das in ihrem Vertrag nicht vorkommt.

Konkret würde ich drei Dinge tun. Erstens keinen bestehenden Workflow umbauen, solange Carbon nicht in deinem Konto aufrufbar ist. Zweitens im Admin-Bereich von Workspace regelmäßig nachschauen, ob neue Modelle freigeschaltet werden, denn bei Gemini Enterprise ist Argon zum Beispiel standardmäßig aus und muss aktiv eingeschaltet werden. Drittens dir schon jetzt zwei, drei echte Aufgaben aus deinem Alltag zurechtlegen, mit denen du Carbon am ersten Tag prüfst. Bei Gemini 3.1 Pro hab ich das einen Monat lang im Praxistest gemacht, und die Ergebnisse waren aussagekräftiger als jede Tabelle.

Bleibt die Frage nach dem Tempo. Zwei Frontier-Modelle in zwei Wochen zeigen, wie hoch der Druck bei Google ist. Laut einem Bericht von Business Insider, den mehrere Seiten aufgegriffen haben, standen in einem internen Dokument drei Gemini-4-Namen: Argon, Barium und Carbon. Ich bin mir nicht ganz sicher, was das für die nächsten Wochen heißt, aber die Reihenfolge im Alphabet lässt vermuten, dass Google noch nicht fertig ist.

Häufige Fragen zu Gemini 4 Carbon

Die Benchmark-Schlacht geht weiter, und Google hat für diese Runde eine starke Hand. Ich schau mir Carbon an dem Tag an, an dem es in einem Konto auftaucht, das ich für Kundenarbeit verwenden darf. Den vollständigen Launch-Post von Google zu Gemini 4 Carbon und die unabhängige Auswertung von Vals AI kannst du bis dahin selbst nachlesen.

Titelbild: Google

Weiterlesen auf digitalhandwerk

Um sechs Uhr früh hab ich Claude gefragt, ob ich einen eigenen Alexa-Skill für meinen Blog bauen kann. Kurz vor acht lag die Mail von Amazon im Postfach: Zertifizierung bestanden, der Skill geht in den Store. Seither liest Alexa die neuesten Beiträge von digitalhandwerk vor, als Teil der täglichen Zusammenfassung.

Ein Alexa-Skill für den eigenen Blog ist heute keine Programmieraufgabe mehr. Die eigentliche Arbeit steckt darin, Text fürs Ohr statt fürs Auge aufzubereiten. Nach diesem Artikel weißt du, wie der Weg zum eigenen Skill aussieht, wo ich hängen geblieben bin und warum der Standard-Feed von WordPress dafür nicht reicht. Ich arbeite seit 1989 in der Kommunikationsbranche, und trotzdem ist mir manches erst beim Hinhören aufgefallen. Der größte Stolperstein lag in einem Plugin, das ich nie verdächtigt hätte.

Ein Alexa-Skill für den eigenen Blog ist in ein paar Stunden gebaut. Was Zeit braucht, ist der Text: Ein Blog ist fürs Auge geschrieben, Alexa spricht fürs Ohr.

Kurz erklärt

Flash Briefing: ein Skill-Typ, bei dem Alexa Inhalte aus einem RSS- oder JSON-Feed vorliest, ohne dass du ein Dialogmodell programmierst. Im deutschen Skill Store heißt das „Tägliche Zusammenfassung“.

Endpoint: eine Adresse auf deinem Server, die Daten maschinenlesbar ausliefert, hier im JSON-Format.

Excerpt: die Kurzfassung eines WordPress-Beitrags, die in Übersichten, Feeds und Suchergebnissen auftaucht.

Wie entsteht ein Alexa-Skill für den eigenen Blog?

Unspektakulär. In der Alexa Developer Console legst du einen Skill an, wählst die Vorlage für die tägliche Zusammenfassung und füllst ein Formular aus: eine Ansage, die mit „Von“ oder „Aus“ beginnen muss, einen Namen, die Adresse deines Feeds und ein Icon mit 512 mal 512 Pixeln. Programmiert wird dabei nichts. Für digitalhandwerk hab ich zuerst einfach den normalen WordPress-Feed eingetragen.

Spannender war das Testen. Claude hat mir anfangs eine Anleitung für die alte Alexa-App gegeben. Auf meinem Echo Show 11 mit Alexa+ gab es die beschriebenen Menüs schlicht nicht mehr. Ich hab den Skill dann direkt zur Zertifizierung eingereicht, und Amazon hat ihn innerhalb weniger Stunden freigegeben. Das ging schneller als die Suche nach dem richtigen Testmenü.

Dabei ist mir ein Detail durchgerutscht, das ich erst auf der fertigen Store-Seite gesehen hab: Amazon zeigt dort automatisch den Sprachbefehl „Alexa, spiel meine tägliche Zusammenfassung“. In meiner Beschreibung stand „Alexa, spiel mein Flash Briefing“. Für deutsche Nutzerinnen und Nutzer ist das der falsche Begriff. Korrigiert ist das schnell, aber jede Änderung an der Beschreibung bedeutet eine neue Zertifizierung.

Vor gar nicht langer Zeit hab ich darüber geschrieben, warum Siri, Alexa und Co. dümmer sind als dein Toaster. Mit Alexa+ hat sich da einiges getan. Ob Amazon die tägliche Zusammenfassung dort langfristig weiterpflegt, weiß ich nicht. Mein Eindruck ist, dass sie läuft, aber nicht mehr im Mittelpunkt steht. Abgespielt hat Alexa+ meinen Feed jedenfalls problemlos. Allerdings: Die Sprachbefehle funktionieren nicht immer zuverlässig! Einmal funktioniert „Alexa, spiel mir mein Briefing.“ beim nächsten Versuch geht „Alexa, spiel meine tägliche Zusammenfassung.“. Aber das ist ein Problem, das ich nicht lösen kann.

Warum stand plötzlich Englisch in meinem Feed?

Beim ersten Durchlesen des Feeds stand unter jedem Beitrag „Read more at digitalhandwerk“. Auf Englisch, auf einem deutschsprachigen Blog. Eingestellt hatte ich das nirgends.

Gefunden hat die Ursache Claude, über die Verbindung, die ich mit WPVibe zwischen Claude und WordPress eingerichtet hab. Theme, WPCode-Snippets und Datenbank waren sauber. Der Satz steckt fest im Code des SEO-Plugins SureRank, in der Datei für den Feed. Eine Einstellung dafür gibt es nicht, und die deutsche Übersetzung fehlt.

Die Lösung war ein kleines Snippet, das genau diesen einen Satz übersetzt. Seither steht dort „Weiterlesen auf digitalhandwerk“. Ganz entfernen wollte ich den Satz nicht. Er hat einen Zweck: Wer meinen Feed kopiert und anderswo veröffentlicht, nimmt den Link zu mir mit.

Hier ist, was ich daraus mitnehme: Plugins schreiben in deinen Feed, ohne dich zu fragen. Wer seinen Feed nie selbst liest, merkt das nie.

Warum reicht der normale WordPress-Feed nicht?

Der erste Hörtest auf dem Echo Show war ernüchternd. Alexa hat pro Beitrag gerade einmal ein bis zwei Sätze vorgelesen, weil sie aus dem RSS-Feed nur die Kurzfassung nimmt, also den Excerpt. Nach rund zehn Sekunden war jeder Beitrag vorbei.

Den Excerpt einfach länger zu schreiben, wäre der falsche Weg gewesen. SureRank verwendet ihn bei mir als Meta Description, und die soll kurz bleiben. Die Kurzfassung für Google und der Sprechtext für Alexa sind zwei verschiedene Texte.

Deshalb hat Claude einen eigenen Endpoint gebaut, der parallel zum normalen Feed läuft. Er liefert die fünf neuesten Beiträge im JSON-Format und nimmt als Sprechtext die Einleitung bis zur ersten Zwischenüberschrift. Das sind jetzt 50 bis 65 Sekunden pro Beitrag statt zehn. Die Vorgaben dafür stehen in der Feed-Referenz für Flash Briefing Skills von Amazon: höchstens fünf Einträge, reiner Text ohne HTML, unter 4.500 Zeichen pro Eintrag, und was älter als sieben Tage ist, ignoriert Alexa.

Was ändert sich, wenn Text fürs Ohr statt fürs Auge ist?

Das ist der Punkt, an dem es interessant wird. Technisch war der neue Feed sofort sauber. Beim Durchlesen mit Alexa-Ohren sind aber vier Dinge aufgefallen, die im Blog niemanden stören.

Erstens enden meine Einleitungen oft mit einer Überleitung zum nächsten Abschnitt. Im Blog funktioniert das. Bei Alexa folgt danach nichts, und der Satz hängt in der Luft. Zweitens steht in vielen Einleitungen ein Satz über meine Erfahrung. Einmal gelesen ist das sinnvoll, fünfmal hintereinander im Briefing klingt es nach Endlosschleife.

Drittens die Ich-Perspektive. Wenn die Alexa-Stimme sagt „Ich arbeite seit Jahren täglich mit KI“, klingt das, als spräche Alexa über sich selbst. Jetzt steht vor jedem Beitrag „Alex schreibt:“. Viertens die Aussprache: „S12.at“ wird zu „S zwölf Punkt at“, aus „C64“ wird „C vierundsechzig“.

Neu ist mir das nicht. Bei meinem Webradio hab ich gelernt, warum ein Sprachmodell keine Zahlen für die Sprachausgabe ausschreiben sollte. Auch beim Alexa-Skill macht deshalb normaler Code die Aufbereitung, kein Sprachmodell. Das ist berechenbar, und es erfindet nichts dazu.

Übrigens: Die Einleitung dieses Artikels hörst du genau so auf Alexa. Den Satz über meine Erfahrung filtert der Endpoint heraus.

Lohnt sich ein Alexa-Skill für einen Blog?

Als Reichweitenkanal: eher nicht. Ich rechne nicht mit Tausenden Hörerinnen und Hörern, weil die Suche im Skill Store schwach ist und kaum jemand dort nach Blogs sucht. Als Experiment schon. Der Skill kostet nichts, läuft ohne Server-Prozess und zwingt dich, deine Texte einmal laut zu hören. Das hat bei mir mehr gebracht als jede Lesbarkeitsanalyse.

Ein Punkt gehört noch dazu: die Datenschutzerklärung. Der Skill selbst verarbeitet bei mir keine Nutzerdaten, Amazon holt nur den öffentlichen Feed ab. Erwähnt hab ich ihn trotzdem, weil ein veröffentlichter Skill auf eine Datenschutzseite verlinkt, in der er sonst gar nicht vorkommt.

Als Nächstes will ich, dass Alexa nicht mehr mit ihrer eigenen Stimme spricht, sondern mit der Moderatorenstimme meines Radios. Amazon erlaubt dafür MP3-Dateien statt Text, verlangt aber 256 kbps und eine genormte Lautstärke. Das muss ordentlich getestet werden. Schauen wir mal, wann ich dazu komm.

Häufige Fragen zum Alexa-Skill für den eigenen Blog

Du kannst den Skill gleich ausprobieren. Aktiviere digitalhandwerk im Amazon Skill Store und sag: „Alexa, spiel meine tägliche Zusammenfassung.“ Und wenn du selbst einen Blog hast: Hör ihn dir einmal vorlesen. Du wirst Sätze finden, die du nie wieder so schreibst.

Weiterlesen auf digitalhandwerk

Heute früh hab ich mir die Trending-Anfragen zum Thema KI bei Bing angeschaut. Ganz oben stehen „chat gpt kostenlos nutzen“ und „chat gpt kostenlos ohne anmeldung“, beide mit zehn- bis fünfzigtausend Suchen. Dahinter folgen „ki kostenlos ohne anmeldung“, „ki programme kostenlos“ und „ki fragen kostenlos“. Ich war kurz schockiert.

Dann hab ich genauer hingeschaut. Wer „ohne Anmeldung“ sucht, ist selten geizig, sondern vorsichtig. Und genau diese Vorsicht führt viele auf die falschen Seiten.

Ich arbeite seit 1989 in der Kommunikationsbranche und berate heute EPU und KMU beim Einsatz von KI. In diesem Artikel zeige ich dir, was beim kostenlosen Einstieg im Oktober 2026 tatsächlich funktioniert, womit du bei den Gratis-Versionen trotzdem bezahlst und welche Angebote deine Daten wirklich in Ruhe lassen. Die meistgesuchte Frage hat seit ein paar Wochen übrigens eine neue Antwort.

Kurz erklärt

Gastmodus: die Nutzung eines KI-Chats ohne Konto, meist mit kleinerem Modell, engeren Limits und ohne gespeicherten Verlauf.

Wrapper: eine Website oder App eines Drittanbieters, die ein fremdes KI-Modell über eine Schnittstelle einbindet und unter eigenem Namen anbietet.

Training-Opt-out: die Einstellung, mit der du einem Anbieter untersagst, deine Eingaben zum Verbessern seiner Modelle zu verwenden.

Free-Tier: der kostenlose Tarif eines Dienstes, finanziert über Limits, Werbung oder deine Daten.

Kann man ChatGPT kostenlos ohne Anmeldung nutzen?

Ja, und für uns in Österreich ist das tatsächlich neu. OpenAI hat den Gastmodus schon 2024 eingeführt, Europa blieb aber lange außen vor. Noch im Sommer 2026 stand auf der Hilfeseite von OpenAI, dass die Nutzung ohne Konto in Europa mit Ausnahme von Großbritannien nicht verfügbar ist. Inzwischen nennt die Hilfeseite von OpenAI zur ChatGPT-Startseite Europa ausdrücklich bei den unterstützten Regionen. Mit einem Zusatz, den du ernst nehmen solltest: Je nach Standort oder Netzwerk kann trotzdem eine Anmeldung verlangt werden.

Was das konkret bedeutet: Du rufst chatgpt.com auf und tippst los, ganz ohne E-Mail-Adresse oder Bestätigungsmail. Die Einschränkungen im Gastmodus sind überschaubar:

• Du führst immer nur ein Gespräch gleichzeitig.
• Der Verlauf ist weg, sobald die Sitzung endet.
• Du bekommst ein kleineres Modell als mit Konto, welches genau, verrät die Oberfläche nicht.
• Viele Zusatzfunktionen schaltet erst die Anmeldung frei.

Für eine schnelle Frage reicht das völlig. Wie du dein erstes Gespräch sinnvoll angehst, hab ich in meinem Leitfaden ChatGPT für Einsteiger 50+ beschrieben. Der funktioniert übrigens auch mit 30.

Für mich gibt es bei KI kein Gratis, nur unterschiedliche Währungen: Limits, Werbung und deine Eingaben. Wer weiß, womit er gerade bezahlt, kann ganz bewusst kostenlos arbeiten.

Womit bezahlst du bei der kostenlosen ChatGPT-Version?

Die erste Währung ist seit dem Spätsommer sichtbar. Seit 24. August 2026 zeigt ChatGPT in 31 europäischen Märkten Werbung, darunter Österreich, Deutschland und die Schweiz. Betroffen sind laut Euronews-Bericht zum Werbestart in Europa nur die günstigsten Tarife Free und Go. Im Europäischen Wirtschaftsraum und in der Schweiz sind die Anzeigen vorerst nicht personalisiert, sie richten sich nach dem Kontext des aktuellen Gesprächs. Wer keine Werbung will, kann in der Gratis-Version einen werbefreien Modus wählen, bekommt dafür aber engere Limits. Komplett werbefrei wird es erst ab Plus.

Die zweite Währung sind deine Eingaben. OpenAI verwendet Gespräche aus der kostenlosen Version standardmäßig, um seine Modelle zu verbessern, auch im Gastmodus. Mit Konto schaltest du das so ab:

1. Auf chatgpt.com anmelden.
2. Auf dein Profilbild klicken und die Einstellungen öffnen.
3. Den Bereich Datenkontrollen wählen.
4. Den Schalter „Modell für alle verbessern“ deaktivieren.

Das Opt-out wirkt nur für die Zukunft. Was schon ins Training geflossen ist, holt dort niemand mehr heraus.

Und jetzt kommt der Teil, der die meisten überrascht. Der Gastmodus fühlt sich privat an, weil du keinen Namen hinterlässt. Kein Konto heißt aber nicht, dass deine Eingaben nicht verarbeitet werden. Es heißt nur, dass du sie nachher selbst nicht mehr findest. Ich würde das eigentlich noch schärfer formulieren, aber so ist es genauer.

Welche KI kannst du noch ohne Anmeldung nutzen?

Ein Praxistest vom Oktober 2026 kommt zu folgendem Ergebnis: Ohne Konto antworten ChatGPT, der KI-Modus in der Google-Suche, Proton Lumo und Perplexity. Claude, Gemini, Mistral Vibe und Microsoft Copilot verlangen eine kostenlose Anmeldung. Das ändert sich laufend, schauen wir mal, wie lange diese Liste hält.

Zwei Angebote sind für Datenschutzbewusste besonders interessant, weil sie das „ohne Anmeldung“ ernst meinen.

Duck.ai ist der KI-Chat von DuckDuckGo. Du brauchst kein Konto, DuckDuckGo entfernt deine Metadaten, bevor die Anfrage an den Modellanbieter geht, und die Anbieter dürfen deine Chats nicht fürs Training verwenden. Zwischengespeicherte Daten müssen sie innerhalb von 30 Tagen löschen, dein Verlauf liegt lokal auf deinem Gerät. Der Haken: ein tägliches Nutzungslimit. Und der Schutz beruht auf Verträgen, nicht auf Technik. Die Modelle laufen weiterhin auf fremden Servern.

Proton Lumo kommt vom Schweizer Anbieter Proton, bekannt durch Proton Mail. Als Gast startest du sofort, Proton verspricht keine Protokolle und kein Training mit deinen Gesprächen. Mit einem kostenlosen Proton-Konto bekommst du mehr Nachrichten und einen verschlüsselten Verlauf.

Und wer nach „le chat mistral“ sucht: Den Namen gibt es nicht mehr. Mistral AI hat Le Chat am 28. Mai 2026 in Vibe umbenannt, Adresse chat.mistral.ai, Konten und Gespräche sind gleich geblieben. Ich schätze Mistral als europäischen Anbieter, das hab ich in meinem Artikel über Mistral 3 und Europas Chancen im KI-Wettbewerb begründet. Trotzdem: Auch bei Vibe fließen die Eingaben privater Nutzer standardmäßig ins Training, bis du es in den Einstellungen abschaltest. Europäisch heißt nicht automatisch trainingsfrei.

Warum sind Gratis-Seiten mit „ChatGPT“ im Namen riskant?

Wer „chatgpt kostenlos ohne anmeldung“ eingibt, landet nicht nur bei OpenAI. Ein guter Teil der Treffer sind Wrapper: fremde Seiten, die ein KI-Modell per Schnittstelle einbinden, Werbung drumherum bauen und mit dem bekannten Namen locken. Manche sind harmlos. Viele kannst du nicht beurteilen, weil du nicht weißt, wer dahintersteht, wo der Server steht und wer mitliest.

Dass das kein theoretisches Risiko ist, zeigt ein Befund, der schon ein paar Jahre alt ist: Die Sicherheitsfirma Cyble fand bereits 2023 über 50 schädliche Apps, die Logo und Namen von ChatGPT nutzten, um Schadsoftware zu verbreiten oder Abofallen zu stellen. Das Muster ist geblieben, nur die Verpackung wird besser.

Für Unternehmer kommt ein zweites Problem dazu. Sobald Kundendaten in so ein Tool wandern, bist du nach DSGVO dafür verantwortlich, ohne Vertrag zur Auftragsverarbeitung und ohne Ahnung, wohin die Daten gehen. Warum Firmeninterna in öffentlichen Chatbots generell schlecht aufgehoben sind, erkläre ich ausführlich im Artikel warum du Firmengeheimnisse nicht in ChatGPT und Co. werfen solltest.

Meine Prüfliste, bevor du irgendwo tippst:

1. Adresse kontrollieren: chatgpt.com, claude.ai, gemini.google.com, chat.mistral.ai, duck.ai oder lumo.proton.me. Alles andere ist ein Dritter.
2. Impressum und Datenschutzerklärung suchen. Fehlen sie, Tab zu.
3. Apps nur aus dem offiziellen Store laden und den Herausgeber prüfen: OpenAI, Anthropic, Google, Mistral AI oder Proton.
4. Nie Zahlungsdaten für angebliches „Premium gratis“ eingeben und nie das Passwort eines anderen Dienstes.

Welche kostenlose KI passt zu welcher Aufgabe?

Hier ist meine Einschätzung, ohne einerseits und andererseits.

Für eine schnelle Frage ohne persönlichen Bezug, etwa eine Formulierungshilfe oder eine Übersetzung, reicht der Gastmodus von ChatGPT oder Perplexity. Willst du keine Spuren hinterlassen, nimm Duck.ai oder Lumo.

Arbeitest du regelmäßig mit KI, ist das kostenlose Konto die bessere Wahl als der Gastmodus. Das klingt paradox, ist aber logisch: Erst mit Konto kommst du überhaupt an den Schalter für das Training, an deinen Verlauf und an bessere Modelle. Ich halte den Gastmodus für eine Schnupperstunde, nicht für einen Arbeitsplatz.

Kundendaten, Verträge und Interna haben in all diesen Gratis-Angeboten nichts verloren. Für solche Inhalte nutze ich eine kostenlose Lösung, die viele unterschätzen: Open-Weight-Modelle, die direkt auf deinem eigenen Rechner laufen. Wie du das ohne IT-Abteilung einrichtest, zeige ich in meiner Anleitung zur lokalen KI mit Ollama, DSGVO-konform und kostenlos. Das sind die einzigen „KI Programme kostenlos“, bei denen deine Eingaben das Haus wirklich nicht verlassen.

Ab wann lohnt sich ein bezahltes Abo?

Spätestens dann, wenn du jeden Tag an Limits stößt oder die Werbung dich beim Arbeiten stört. Ein Punkt wird dabei oft missverstanden: Auch bezahlte Privat-Tarife wie ChatGPT Plus oder Claude Pro trainieren je nach Einstellung mit deinen Daten, den Schalter musst du dort ebenfalls selbst umlegen. Wirklich trainingsfrei ab Werk sind in der Regel erst die Business-Tarife und die Programmierschnittstellen der Anbieter.

Was mich an der Bing-Liste wirklich stört, ist eine Lücke. Niemand sucht nach „KI für Angebote“ oder „KI für die Buchhaltung“. Die meisten fragen noch, wie sie an das Werkzeug kommen, und noch nicht, was sie damit bauen. Das ist eh normal am Anfang. Aber es ist auch der Grund, warum so viele nach dem ersten Ausprobieren wieder aufhören.

Du kannst weiter nach dem perfekten Gratis-Schlupfloch suchen. Oder du nimmst dir heute zehn Minuten, gehst auf eine der offiziellen Adressen und gibst der KI eine echte Aufgabe aus deinem Alltag.

Häufige Fragen

Weiterlesen auf digitalhandwerk

Der Mann, dessen Chips Europas KI-Pläne antreiben, erklärt uns, wir sollen endlich arbeiten. Der Kanzler antwortet mit einer Terminvereinbarung. Diese Szene aus Berlin vom 19. Oktober sagt mehr über die KI-Abhängigkeit Europas als manche Studie.

Ich bin seit 1989 in der Kommunikationsbranche, berate heute von Salzburg aus EPU und KMU bei KI und ärgere mich seit Jahren über den Stillstand auf diesem Kontinent. Meine These: Europa scheitert nicht an der Motivation, sondern daran, dass andere die Maschinen besitzen, auf denen unser Tempo läuft. Ich zeig dir, was in Berlin wirklich gesagt wurde, wie groß die Abhängigkeit in Zahlen ist und was du am Montag tun kannst. Fangen wir bei den Fakten an.

Was wurde in Berlin wirklich gesagt?

Jensen Huang, Chef von Nvidia, sagte auf dem Invest in Germany Summit, es schmerze ihn zu sehen, wie weit Deutschland zurückgefallen sei. Sein Rat: „Just get to work“. Das berichten der Euronews-Bericht zum Gipfel und die NZZ übereinstimmend. Die NZZ ergänzt, Huang halte es für eine europäische Eigenart, alles immer überdenken zu wollen. Zugleich lobte er Deutschlands Industriedaten und Ingenieurwissen und forderte, dieses Wissen im Land zu behalten, statt es zu exportieren.

Merz sagte laut Nvidia-Mitschrift, er wolle Huang regelmäßig treffen, „mindestens einmal im Jahr“, und die Fortschritte besprechen. Dann wolle er jemanden in seinem Büro sitzen sehen, der mit Deutschland als Investitionsstandort äußerst zufrieden ist. Das ist kein Jahresmeeting für ganz Deutschland, wie es in den LinkedIn-Posts dieser Tage klingt. Es ist ein Termin des Kanzlers mit einem Konzernchef. Das finde ich fast aufschlussreicher. Am selben Tag unterschrieben der Kanzler und zwei Ministerien eine Absichtserklärung mit Nvidia, und laut Handelsblatt will der Bund einen neunstelligen Eurobetrag beisteuern.

Merz wandte sich in Berlin außerdem an den Mittelstand: Die Betriebe sollten ihre Türen für KI öffnen, damit sie ihre Daten nutzen kann, davon hänge Deutschlands Zukunft als Industrieland ab, berichtet die NZZ. Das ist ein vernünftiger Satz. Er hilft einem Betrieb nur wenig, der nicht weiß, wohin seine Daten dann fließen.

Das ist, als würde dir dein Hauptlieferant erklären, du sollst mehr produzieren. Er hat recht und verdient daran. Das Bild hinkt leicht, weil Huang nicht nur verkauft: Er kündigte in Berlin auch Investitionen in vier deutsche Start-ups an. Aber ein Lieferant bleibt ein Lieferant.

Ich halte das für den Kern des Ganzen: Europa hat bei KI kein Motivationsproblem, sondern ein Abhängigkeitsproblem. Wer Chips, Cloud und Modelle von anderen bezieht, kann so fleißig arbeiten, wie er will. Das Tempo bestimmt trotzdem der Lieferant.

Wie abhängig ist Europa bei KI wirklich?

Ich hab schon nach einer ORF-Doku über Europas Abhängigkeit von amerikanischen Tech-Konzernen geschrieben, damals aus dem Bauch heraus. Diesmal hab ich nachgerechnet.

Fangen wir bei der Rechenleistung an. Europa stellt rund fünf Prozent der weltweiten KI-Rechenkapazität. Ifo-Präsident Clemens Fuest und seine Expertengruppe wollen den Anteil bis 2030 auf 15 Prozent heben. Fuest nennt außerdem eine Zahl, die wehtut: Europäische KI-Entwickler erwirtschaften zusammen weniger als zwei Prozent des Umsatzes von nur zwei US-Konkurrenten.

Bei der Cloud, also den Rechenzentren zum Mieten, sieht es nicht besser aus. Je nach Studie halten die US-Hyperscaler Amazon, Microsoft und Google grob zwei Drittel bis siebzig Prozent des europäischen Marktes. Forrester und Bitkom kommen auf leicht unterschiedliche Werte, die Richtung ist dieselbe.

Dann die Hardware. Die geplante deutsche AI-Gigafactory soll mit 100.000 Hochleistungschips laufen, und das Handelsblatt schrieb schon 2025, ohne Chips von Nvidia werde das kaum funktionieren. Auch die industrielle KI-Cloud, die die Telekom seit Februar 2026 gemeinsam mit Nvidia in München aufbaut, setzt auf rund 10.000 GPUs. Ich verstehe das, es gibt kaum eine Alternative. Nennen wir es trotzdem beim Namen: Europas Antwort auf Abhängigkeit ist bisher, sie in größeren Stückzahlen einzukaufen.

Und die eigenen Hoffnungen? Aleph Alpha ging im April 2026 mit dem kanadischen Anbieter Cohere zusammen. Mistral aus Paris ist der Lichtblick, den ich im Artikel zu Mistral 3 beschrieben hab. Ein Lichtblick ist aber noch kein Fundament.

Was passiert, wenn der Lieferant den Stecker zieht?

Das ist längst keine Denkaufgabe mehr. Anthropic brachte Claude Fable 5 am 9. Juni 2026 heraus. Am 12. Juni ordnete das US-Handelsministerium per Exportkontrolle an, dass Ausländer keinen Zugriff mehr haben dürfen. Weil sich die Nationalität der Nutzer nicht in Echtzeit prüfen ließ, schaltete Anthropic das Modell für alle ab. Am 30. Juni hob das Ministerium die Auflage auf, am 1. Juli kehrte Fable 5 zurück. Neunzehn Tage ohne Zugriff, und Europa hatte dabei kein Mitspracherecht. Was das konkret bedeutet, hab ich im Artikel zur Fable-Sperre durchgespielt. Ich arbeite selbst täglich mit amerikanischen Modellen und schreibe das nicht aus der Zuschauerloge.

Fable war nicht der erste Fall. Anfang 2025 verloren Richter des Internationalen Strafgerichtshofs über Nacht den Zugang zu ihren Microsoft-Konten, weil sie auf einer US-Sanktionsliste standen, berichtete die dpa. In der KPMG-Studie „Cybersecurity in Österreich“ geben 54 Prozent der Betriebe, die ihre Auslandsabhängigkeiten kennen, an, ohne ausländische Technologien nur bis zu drei Monate weiterarbeiten zu können. Drei Monate sind ein Quartal. Deutsche Unternehmen glauben laut Bitkom, im Schnitt 16 Monate ohne digitale Importe durchzuhalten. Das ist eine Selbsteinschätzung, kein Stresstest.

Sind wir in Österreich wirklich zu gemütlich?

Die Pointe vom gemütlichen Österreicher ist hübsch, die Zahlen widersprechen ihr. Laut der Erhebung von Statistik Austria zum IKT-Einsatz setzten 2025 30 Prozent der Unternehmen ab zehn Beschäftigten KI ein, EU-weit waren es 20 Prozent. 2021 lagen wir bei 9 Prozent. Gemütlich sieht anders aus.

Das eigentliche Problem steht im selben Datensatz: 77 Prozent der Unternehmen ohne KI-Nutzung haben es noch gar nicht in Erwägung gezogen. Die haben nicht lange überlegt und sich dagegen entschieden. Die haben gar nicht überlegt. Wohin die 30 Prozent ihre Daten schicken, sagt die Statistik nicht. Mein Eindruck aus der Beratung ist, dass der größte Teil nach Kalifornien funkt, ich bin mir da aber nicht sicher und hab dafür keine Zahl.

Ich hab einen Tischler aus dem Flachgau am Telefon gehabt, der KI für seine Angebote wollte. Er hat keinen IT-Administrator und keinen Serverraum. Souveränität kann man von so einem Betrieb nicht verlangen, die muss als Angebot da sein, bevor er fragt. Dort liegt die österreichische Schwäche: nicht im Tempo der Neugierigen, sondern darin, dass niemand den Nichtbeginnern einen europäischen Weg hinstellt.

Hat Europa überhaupt Hebel?

Ja, und das gehört zur ehrlichen Rechnung. Laut dpa hängen die USA und Taiwan bei Maschinen für hochentwickelte Chips komplett von ASML ab, einem niederländischen Unternehmen. Die EU-Kommission legte Anfang Juni 2026 ein Paket vor, mit dem Europa unabhängiger von US-amerikanischer und chinesischer Infrastruktur werden soll, samt Chips Act 2.0 und einer geplanten Ausschreibung für KI-Gigafabriken. Der europäische Anteil an der weltweiten Chipfertigung soll bis 2030 von rund zehn auf 20 Prozent steigen.

Auch von unten kommt Bewegung: Merz sagte im Gespräch mit Huang, die Hälfte der in den letzten zwei Jahren gegründeten deutschen Start-ups sei auf KI ausgerichtet. Das ist eine Aussage des Kanzlers, nachgeprüft hab ich sie nicht.

Die Brüsseler Maßnahmen sind Absichten und Regelwerke. Regulierung entsteht in Europa schneller als Infrastruktur, das macht Sinn, weil Gesetze billiger sind als Fabriken. Im Ernstfall fährt ein Gesetz aber kein Modell hoch. Und einen Punkt der LinkedIn-Kritik unterschreibe ich: Ein Jahr ist in der KI eine Ewigkeit, ob in Berlin, Brüssel oder Wien. Wer nur einmal jährlich nachschaut, merkt Abhängigkeit erst, wenn sie wehtut.

Was machst du am Montag?

Fang mit einer Inventur an, nicht mit einem neuen Tool. Schreib auf, welche Abläufe in deinem Betrieb an welchem Modell hängen, und beantworte pro Ablauf eine Frage: Was passiert, wenn das 19 Tage nicht läuft? Für Abläufe, die du nicht verlieren darfst, plane eine zweite Option ein, etwa ein Open-Weight-Modell wie Mistral auf eigener Infrastruktur oder eine Schnittstelle, die einen Anbieterwechsel zulässt. Wenn du noch gar nicht weißt, wo KI bei dir anfängt, ist mein KI-Check für EPU und KMU der leichtere Einstieg.

Huang hat recht damit, dass man anfangen muss. Er hat nur nicht dazugesagt, womit. Ich sag’s dir: mit dem Wissen, wo du heute abhängig bist. Das Jahresmeeting kannst du dir sparen, schau am Montag nach.

Häufige Fragen zur KI-Abhängigkeit Europas

Weiterlesen auf digitalhandwerk

Heute um 17:14 hat mir ein Gerät, das ich gerade erst ausgepackt hab, gesagt, dass ich um 07:00 einen Wecker gestellt hab und um 19:30 Red Bull Salzburg gegen Rapid spielt. Gut, das war noch ein Dummy-Termin. Auf einem Betriebssystem, das es zu Mittag noch nicht gab. DeckOS läuft auf einem LILYGO T-Deck Plus, die Firmware ist meine, gebaut in rund zwei Stunden mit Claude Code.

Bei Hardware wie dieser ist die mitgelieferte Software nur noch ein Funktionstest, das eigentliche Produkt schreibst du dir selbst. Ich bin seit 1989 in der Kommunikationsbranche, programmiert hab ich zuletzt ernsthaft auf dem C64. Nach diesem Artikel weißt du, was im T-Deck Plus steckt, was DeckOS heute kann, wo es noch hakt und warum zwei Stunden kein Marketing-Gag sind. Fangen wir beim Gerät an.

Kurz erklärt

Firmware: die Software, die direkt auf dem Mikrocontroller eines Geräts läuft und beim Einschalten alles steuert.

ESP32-S3: ein günstiger Mikrocontroller von Espressif mit zwei Rechenkernen, WLAN und Bluetooth, der in vielen Bastelgeräten steckt.

LoRa: eine Funktechnik für kleine Datenmengen über mehrere Kilometer, ganz ohne Mobilfunknetz oder WLAN.

ICS-Abo: eine Kalender-Adresse, über die Outlook, Google oder iCloud Termine als Datei zum Lesen freigeben, ohne Login.

Sync-Bridge: ein kleines Programm am PC, das Daten aufbereitet und an ein anderes Gerät weiterreicht.

Was ist der LILYGO T-Deck Plus eigentlich?

Der T-Deck Plus sieht aus wie ein BlackBerry, den jemand in einer Elektronikwerkstatt neu erfunden hat: schwarzes Gehäuse, oben ein Farbdisplay, darunter ein kleiner Trackball und eine echte QWERTY-Tastatur mit Tasten, die man fühlt. Telefonieren kann er nicht. Er ist ein Entwicklerboard im Handheld-Format, gedacht für Leute, die selbst etwas draufspielen wollen.

Was drin steckt, laut dem offiziellen Hardware-Datenblatt im LILYGO Wiki:

• ein ESP32-S3 mit 16 MB Flash-Speicher und 8 MB PSRAM
• ein 2,8-Zoll-IPS-Display mit 320 mal 240 Pixeln und Touch
• eine QWERTY-Tastatur, die ein eigener kleiner ESP32-C3 steuert
• ein Trackball, der zugleich als Boot-Taste dient
• ein LoRa-Funkmodul vom Typ SX1262 und ein GPS-Empfänger
• Lautsprecher, zwei Mikrofone, microSD-Slot und ein Akku mit 2000 mAh
• WLAN, Bluetooth 5 und USB-C zum Laden und Programmieren

Das ist für ein Gerät in Hosentaschengröße eine Menge. Der wichtigste Unterschied zum normalen T-Deck ohne Plus ist das fest verbaute GPS. Ab Werk kommt eine Demo-Firmware mit ein paar Testknöpfen: Funk senden, Funk empfangen, MP3 abspielen. Das zeigt, dass die Hardware funktioniert. Benutzen will man das im Alltag nicht.

Und genau da wird es für mich interessant. Ein Gerät mit Tastatur, Display und Akku, das ich mit eigener Software komplett neu belegen kann, war schon immer mein Traum vom perfekten Schreibtisch-Begleiter.

Warum hab ich nicht einfach eine fertige Firmware genommen?

Für den T-Deck gibt es Community-Projekte, etwa für LoRa-Mesh-Netze. Die sind gut, aber sie lösen ein Problem, das ich nicht hab. Ich will nicht mit Fremden über Funk chatten. Ich will auf einen Blick sehen, was heute ansteht, wen ich anrufen muss und ob die PV-Anlage gerade liefert.

Diese Kombination gibt es nicht zu kaufen. Das ist der Punkt, den ich schon bei den sechs Werkzeugen auf meinem Schreibtisch, die du nicht kaufen kannst beschrieben hab: Fertige Software ist für den Durchschnitt gebaut, und den Durchschnitt gibt es an keinem einzigen Schreibtisch.

Ein Gerät wird erst dann meins, wenn auf dem Display meine Termine, meine Kontakte und mein Zuhause stehen.

Was kann DeckOS heute schon?

DeckOS startet mit einem Karussell. Oben stehen Uhrzeit, Datum, WLAN-Symbol und Akkustand, darunter ein Band mit dem nächsten Termin. In der Mitte laufen große Karten durch, eine pro App, die ich mit dem Trackball weiterdrehe. Unten zeigen Punkte, wo ich gerade bin. Fünf Apps gibt es im aktuellen Stand.

Time ist Uhr und Wecker in einem: vier Wecker, Ton über den eingebauten Lautsprecher, Snooze. Klingt banal, ist aber die App, die ich am häufigsten aufrufe.

Agenda zeigt meine Termine aus Microsoft 365, Google Kalender und iCloud. Den Weg dorthin hab ich bewusst einfach gehalten, dazu gleich mehr.

Data ist mein Adressbuch. 872 Kontakte, importiert aus vCard und einem Outlook-Export, mit Suche über die echte Tastatur. Hier merkt man zum ersten Mal, warum ein Handheld mit Tasten Sinn macht. Einen Namen tippen geht schneller als auf jedem Touchscreen dieser Größe.

Home holt sich Daten aus meiner Home-Assistant-Installation: die Leistung der PV-Anlage, drei Klimaanlagen, Temperaturen aus mehreren Räumen. Lichter kann ich direkt am Gerät schalten.

Setup sammelt alles, was man einstellen will: WLAN, Synchronisation, Helligkeit, automatisches Abschalten, Tastenbeleuchtung, Lautstärke und eine größere Schrift, falls die Brille gerade woanders liegt.

Das Design hab ich vorher als Vorschau im Browser durchgespielt, bevor eine Zeile Firmware entstanden ist: Darkmode, Amber als Akzentfarbe, die Schrift Inter, weiche Animationen zwischen den Karten. Jedes Textpaar hat mindestens ein Kontrastverhältnis von 7:1. Das ist die höchste Stufe AAA, die die W3C-Richtlinie zum erweiterten Kontrast für normalen Text vorsieht, und auf einem kleinen Display in der Abendsonne merkst du sofort, warum.

Wie kommen Kalender und Kontakte aufs Gerät?

Das ist die Stelle, an der man bei solchen Projekten normalerweise Tage verliert. Kalender-Zugriff bei Microsoft oder Google heißt üblicherweise OAuth, also Anmeldefluss, Tokens, Ablaufzeiten, Weiterleitungen. Auf einem Mikrocontroller ohne Browser ist das kein Vergnügen.

Ich hab das umgangen. Alle drei Kalenderdienste bieten ICS-Abos an, also eine Adresse, unter der die Termine als Datei abrufbar sind. Kein Login, keine Freigabe-Dialoge. Die Daten holt aber nicht das T-Deck selbst, sondern eine kleine Sync-Bridge in Python, die auf meinem PC im Hintergrund mitstartet. Sie bereitet Termine, Kontakte und die Home-Assistant-Werte auf und schickt sie entweder per WLAN oder per USB-Kabel ans Gerät.

Ein Detail, das mir wichtig war: Den Zugangsschlüssel für Home Assistant bekommt das T-Deck ausschließlich über USB, nie über WLAN. Der Schlüssel landet also nur auf dem Gerät, wenn es physisch an meinem PC hängt. Ein Hochsicherheitskonzept ist das nicht, aber es schließt die naheliegendste Lücke: Mitlesen im eigenen Netzwerk.

Bewusst weggelassen hab ich E-Mail. Die stand am Anfang auf der Liste, ist dann aber rausgeflogen. Mail auf einem 2,8-Zoll-Display ist Beschäftigungstherapie, Home Assistant auf demselben Display ist nützlich.

Wie baut man ein Betriebssystem in zwei Stunden?

Indem ich nicht selbst tippe. Der Stack ist klassisch für ESP32-Projekte. PlatformIO als Entwicklungsumgebung, das Arduino-Framework für den ESP32, LovyanGFX fürs Display, ArduinoJson für die Daten und RadioLib fürs Funkmodul. Die Schrift Inter hab ich als Bitmap-Fonts in mehreren Größen erzeugen lassen, weil der Mikrocontroller keine Schriften im Desktop-Sinn kennt.

Den Code hat Claude Code geschrieben. Mein Teil war ein anderer: festlegen, was die fünf Apps können müssen, das Design freigeben, am echten Gerät testen und sagen, was nicht passt. Das ist Vibe Coding in seiner reinsten Form, und es funktioniert bei Hardware genauso wie bei Websites.

Nebenbei hat Claude Code die Architektur in einer eigenen Doku-Datei festgehalten, gleich neben dem Code im Projektordner. Damit weiß ich auch in drei Wochen noch, warum etwas so gebaut ist, wie es gebaut ist.

Bevor die erste eigene Firmware draufkam, hab ich die Werks-Firmware komplett gesichert, alle 16 MB. Das dauert eine Minute und erspart dir im Ernstfall einen Abend Verzweiflung.

Vier technische Erkenntnisse haben den Unterschied zwischen ruckelig und flüssig gemacht:

1. Das Display läuft mit 80 MHz am SPI-Bus. Mit den Standardwerten wirkt jede Animation wie eine Diashow.
2. Alles, was mit Netzwerk zu tun hat, läuft in einem eigenen Task auf dem zweiten Rechenkern. So friert die Oberfläche nicht ein, während im Hintergrund der Kalender lädt.
3. Der Trackball wird per Interrupt abgefragt statt in einer Schleife. Sonst gehen schnelle Bewegungen einfach verloren.
4. Bei Bewegung schafft DeckOS rund 22 Bilder pro Sekunde. Für ein Karussell mit großen Karten reicht das völlig.

Zum Vergleich, weil ich die Geschichte kenne: An meinem StackChan-Roboter bin ich im Mai neun Stunden lang an der Toolchain gescheitert, bevor überhaupt etwas Eigenes lief. Erst Monate später ist mir dort der Umstieg von der Stock- auf meine eigene Firmware gelungen. Beim T-Deck waren es zwei Stunden vom leeren Projektordner bis zur getesteten ersten Phase. Ich bin mir nicht ganz sicher, wie viel davon am Gerät liegt und wie viel an dem, was ich seither gelernt hab. Mein Eindruck ist: beides, ungefähr zu gleichen Teilen.

Wo hakt DeckOS noch?

Phase 1 läuft und ist am Gerät getestet. Fertig ist es nicht, und ich wär ein schlechter Berater, wenn ich das verschweigen würde.

Die Akku-Anzeige ist noch nicht kalibriert. Die 78 Prozent auf dem Foto sind also eher eine freundliche Schätzung.

Und Stromsparen ist noch kein Thema. DeckOS läuft, solange der Akku hält, ohne Light Sleep. Für einen Schreibtisch-Begleiter am USB-Kabel ist das egal, für die Hosentasche nicht.

Was kommt als Nächstes auf den T-Deck?

Die Liste ist eh schon länger als die zwei Stunden, die das Grundsystem gedauert hat. Ganz oben steht Phase 2 mit Karte und GPS, denn der Empfänger ist verbaut und wartet nur auf eine App. Danach Updates über WLAN, damit ich zum Flashen nicht jedes Mal das Kabel suchen muss. Und der Stromsparmodus, damit das Gerät auch einen Tag ohne Steckdose übersteht.

LoRa ist in den Einstellungen schon vorgesehen, aber noch ohne echte Funktion. Eine Idee hab ich dafür, aber die erzähl ich, wenn sie läuft. Bei meiner umgebauten Stoppuhr, die heute als Infodisplay läuft, hab ich gelernt, dass die besten Funktionen die sind, die man bewusst weglässt. Diese Regel gilt für DeckOS genauso.

Fragen zu DeckOS und dem T-Deck Plus

Du kannst warten, bis jemand die passende Software für den Durchschnitt baut. Oder du setzt dich heute Abend zwei Stunden hin und baust dir deine eigene.

Weiterlesen auf digitalhandwerk