KI-News — Freitag, 28. August 2026

$ cat top-story.md

▸ Google veröffentlicht Gemini 3.5 Transcribe: Speech-to-Text in 85 Sprachen

Neues Sprache-zu-Text-Modell erkennt über 85 Sprachen, entfernt automatisch Füllwörter und Selbstkorrekturen, unterscheidet mehrere Sprecher mit Zeitstempeln und senkt die Latenz um rund 70 % gegenüber dem Vorgänger Chirp 3 (Word Error Rate: 4,0 % Streaming, 2,6 % bei Aufnahmen). Verfügbar über Live-API und Interactions-API. Warum relevant: Potenziell günstigere, genauere Alternative zu Whisper-Setups für eigene Meeting-/Audio-Transkription vor dem RAG-Ingest. // Google Blog

▸ DeepSeek Harness: offener Agent-Baukasten mit 200.000 Sternen in zwei Wochen

DeepSeek hat mit "dsh" einen offenen Coding-Agent-Unterbau veröffentlicht, bei dem Modell-Adapter, Tool-Registry und Agent-Loop komplett austauschbare Plugins sind ("Everything is a Plugin"). Der Standardmodus liefert einen vollwertigen Coding-Agenten mit Dateisystem, Shell, Websuche, Subagents und Plan-Modus, ein Minimal-Modus reduziert auf zwei Tools. Erst am 13. August erstellt, aber bereits über 200.000 Sterne. Warum relevant: MIT-lizenzierte, selbst hostbare Alternative bzw. Ergänzung zu Claude Code für alle, die einen offenen, anpassbaren Agent-Unterbau wollen. // GitHub Trending

▸ claude-mem: persistenter Kontext über Claude-Code-Sessions hinweg

Memory-Compression-System, das per Lifecycle-Hooks (SessionStart, PostToolUse, Stop, SessionEnd) automatisch protokolliert, was ein Agent während einer Session tut, es per KI zu semantischen Zusammenfassungen komprimiert und relevanten Kontext in künftige Sessions zurückspielt — SQLite plus Chroma-Vektor-DB für hybride Semantik-/Keyword-Suche, Apache-2.0, über 92.000 Sterne. Warum relevant: Löst "Kontext geht zwischen Claude-Code-Sessions verloren" per npx claude-mem install — nutzt im Kern dieselbe Vektorsuche-Idee wie der eigene Qdrant-Stack, nur fürs Agenten-Gedächtnis. // GitHub Trending

▸ Anthropic öffnet Claude für die physische Welt: Model Hardware Standard

Research Preview eines offenen Standards, mit dem Agenten lernen, physische Geräte wie Mikroskope, Liquid-Handler oder Roboterarme zu bedienen, ohne Handbücher oder Spezialwissen zu benötigen — Integrationszeit soll von Wochen auf Minuten sinken. MHS ist modellagnostisch, nutzbar über Standard-Protokolle wie MCP, und wird nach der Preview-Phase open-source. Erste Partner: Hugging Face (LeRobot), Raspberry Pi, AWS, Danaher. Warum relevant: Zeigt, wie MCP als Basis auch jenseits von Coding/RAG zum Standard für Agent-Hardware-Steuerung wird — relevant für alle, die eigene MCP-Server bauen oder die Richtung des Ökosystems im Blick behalten. // Anthropic

▸ Claude Code v2.1.248: Restricted Mode und Cross-Session-Messaging

Neuer --restricted-Flag deaktiviert Bash-/Code-Ausführung und WebFetch komplett und verweigert bypassPermissions — gedacht für besonders sensible Umgebungen. Dazu neue Cross-Session-Messaging-Tools (SendMessage/ListAgents), mit denen separate Claude-Code-Sessions auf derselben Maschine sich direkt Nachrichten schicken können, sowie experimental.cacheTtl zur granularen Prompt-Cache-Steuerung pro Subagent. Warum relevant: Cross-Session-Messaging ist ein direkter Baustein für eigene Multi-Agenten-Setups; Restricted Mode adressiert die wachsende Sorge um Agenten mit zu weitreichenden Rechten (siehe Top-Story). // Claude Code Changelog

▸ Sicherheitslücke: llms.txt-Dateien lassen Agenten unautorisierten Code ausführen

Forscher fanden über 8.000 llms.txt/llms-full.txt-Dateien ("robots.txt für KI-Agenten"), von denen rund 227 auf nicht registrierte Domains bzw. Pakete verwiesen. Nach Registrierung dieser Namen liefen innerhalb weniger Minuten erste Installationsversuche auf — Claude, OpenAI Codex und Nous Researchs Hermes hatten den Code bei Dutzenden Firmen (u. a. Fortune-500) automatisch ausgeführt; mindestens eine Seite verwies auf aktive Malware. Warum relevant: Direkte Warnung für alle, die Agenten frei im Web surfen oder Dokumentation automatisch nachladen lassen — llms.txt-Konventionen verdienen so wenig blindes Vertrauen wie unbekannter Code. // Ars Technica (via Slashdot)

▸ IBM Granite 4.2: offene, agentenfähige Modelle mit nativer vLLM-Integration

IBM hat Granite 4.2 (3B, 8B, 30B, dense, Apache-2.0) veröffentlicht, trainiert auf ca. 15 Billionen Tokens mit bis zu 512K Kontext. Die 8B- und 30B-Varianten durchliefen Agentic-RL-Training in echten Sandbox-Umgebungen (Tool-Nutzung, Code-Ausführung, Websuche) und unterstützen OpenAI-kompatibles Tool-Calling; nativ für vLLM optimiert (vllm serve ibm-granite/granite-4.2-8b-instruct --enable-auto-tool-choice), zusätzlich als FP8/NVFP4/GGUF-Quantisierung. Warum relevant: Die 8B-Variante gilt als "Single-GPU-Agenten"-Modell für Standardhardware — ein direkter, ressourcenschonenderer Kandidat für den eigenen vLLM-Stack neben oder statt Gemma, inklusive sauberem Tool-Calling für RAG-Agenten. // Hugging Face Blog

▸ Sam Altman: "AGI in 2026", just as Models Start to [Mis]Train Themselves

AI Explained ordnet Sam Altmans AGI-Aussagen zusammen mit dem neuen METR-/OpenAI-Bericht zum Hugging-Face-Hack ein und diskutiert Trainingsprobleme, KI-Schwärme und Cybersicherheitsrisiken aktueller Frontier-Modelle. Warum relevant: Fundierte englischsprachige Einordnung direkt zur Top-Story dieser Ausgabe. // AI Explained / YouTube EN

▸ So gut wie Opus 5 (low) für meine eigene Grafikkarte?

The Morpheus Tutorials testet Qwen 3.8-27B auf eigener Hardware und vergleicht die Praxistauglichkeit mit Claude Opus 5 im "low"-Reasoning-Modus. Warum relevant: Konkreter Praxistest eines offenen Modells auf eigener GPU — direkt relevant für Self-Hosting-Entscheidungen. // The Morpheus Tutorials / YouTube DE

▸ MCP vs. CLI: Wenn 26.000 Tokens verbrennen, bevor der Agent überhaupt startet

Analyse mit konkreten Zahlen: Ein CLI-Ansatz ohne Skill-Datei kostet 0 Tokens Initialisierung, ein schlanker MCP-Server (15 Tools) rund 3.185 Tokens, der voll ausgestattete GitHub-MCP-Server (alle Tools) dagegen 26.644 Tokens — allein für Tool-Definitionen, bevor das Modell zu denken beginnt. Fazit: Nicht MCP an sich ist das Problem, sondern schlecht designte Server mit zu vielen Tools. Warum relevant: Sehr praktischer Hinweis zur Kontext-/Kosten-Optimierung bei der eigenen MCP-Server-Auswahl in Claude Code — direkt umsetzbar. // Blocks.ai Blog