Newsletter · 21. Juni 2026
Weekly Digest 25
Midjourney startet eine Medizinsparte rund um einen Ganzkörper-Ultraschallscanner und wettet darauf, dass sich Bildgebung im Consumer-Health-Bereich von episodischer Diagnose hin zu kontinuierlicher Messung verschieben lässt; Z.ais quelloffenes GLM 5.2 zeigt, wie schnell China den Rückstand beim Frontier-Coding aufholt, während US-Labore die Nachwirkungen der Fable-Exportkontrolle verarbeiten; und eine Welle prominenter Forscherabgänge bei Google DeepMind wirft die Frage auf, ob es eine Belastung oder ein unterschätzter Vorteil ist, das einzige börsennotierte Labor zu sein.
Themen, die wir verfolgen
Midjourney will medizinische Bildgebung alltäglich machen
Quelle: Midjourney — Midjourney Medical wird vorgestellt
Midjourney, das vor allem für Bildgenerierung bekannte Unternehmen, startet Midjourney Medical, eine neue Gesundheitssparte rund um einen Ganzkörper-Ultraschallscanner. Das Gerät heißt Ultrasonic CT und erzeugt mit Schall, Wasser und einem 60-Sekunden-Scan Bilder vom Körperinneren. Midjourney zufolge soll der erste Standort Ende 2027 in San Francisco eröffnen.
Ultraschall ist kein MRT. Er ist bedienerabhängig, gewebeabhängig und nicht überall im Körper gleich nützlich. Midjourney hat einen Prototyp gezeigt, keine klinisch validierte Bildgebungsplattform. Der erste Anwendungsfall wirkt zudem näher an einem Tracking der Körperzusammensetzung als an einer regulierten Diagnostik.
Ein Scan im Krankenhaus ist knapp, teuer und wird meist durch einen Krankheitsverdacht ausgelöst. Ein Scan im Spa ist Routine, schnell und in Wellness verpackt. Das Produkt ist eine Wette darauf, dass sich Bildgebung von episodischer Diagnose hin zu kontinuierlicher Messung verschieben kann.
Das ist Teil einer breiteren Verschiebung im Consumer-Health-Bereich. Wearables machten Herzfrequenz, Schlaf und Aktivität sichtbar. CGMs machten Glukose sichtbar. GLP-1-Telemedizin verwandelte Gewichtsabnahme in einen gemanagten Consumer-Workflow. Heimlabore, DEXA-Scans, Longevity-Kliniken und Biomarker-Dashboards weisen alle in dieselbe Richtung — hin zu einem Körper, der durch kontinuierliche Messung optimiert wird.
Wenn Midjourney Ganzkörper-Scans günstig, wiederholbar und gesellschaftlich normal machen kann, wäre das ein sehr wertvoller Datensatz: wiederholte Karten des Körperinneren, verknüpft mit Biomarkern, Symptomen, Medikamenten, Bewegung, Ernährung und Ergebnissen. KI-Unternehmen suchen nach proprietären Datenquellen jenseits des bereits abgegrasten Internets. Der menschliche Körper ist eine der größten verbleibenden Quellen.
Das Risiko ist, dass reichlich verfügbare Bildgebung zu einer Maschine für Überdiagnose werden kann. Je öfter man hinschaut, desto mehr findet man. Manche Befunde sind relevant. Viele nicht. Ohne klinischen Kontext kann Ganzkörper-Scanning als Konsumprodukt falsch positive Befunde, unnötige Folgeuntersuchungen und einen neuen Markt für Gesundheitsangst schaffen.
Es ist unklar, wie sich das auf Midjourneys übriges Produktangebot auswirkt, aber es könnte ein Zeichen dafür sein, dass das Unternehmen bei der Bild- und Videogenerierung zunehmend unter Druck der großen Labore und chinesischen Labore steht und nach anderen Feldern sucht, in die es expandieren kann.
Bild- und Videogenerierung haben nicht dieselbe dauerhafte Zugkraft entwickelt wie andere KI-Kategorien. OpenAI hat Sora eingestellt, die Vibes-App von Meta AI hat sich nicht durchgesetzt, und Googles Nano Banana 2 scheint, so technisch hervorragend es auch ist, in der Online-Diskussion an Schwung verloren zu haben.
Ein Teil des Problems könnten Compute-Budgets und der ROI sein. Bild- und Videogenerierung sind teure Workloads, und der Ertrag ist weniger klar als bei Codegenerierung oder Agenten, wo sich der Wert leichter an eingesparter Zeit, Workflow-Automatisierung und Unternehmensbudgets festmachen lässt.
GLM 5.2 zeigt, wie schnell China den Modellrückstand aufholt
Quelle: Latent Space — GLM 5.2 besteht den Vibe-Check
Z.ai hat diese Woche GLM 5.2 veröffentlicht, sein neues quelloffenes Modell für langlaufendes Coding und agentische Aufgaben. Das Modell verfügt über ein Kontextfenster von 1 Million Token und ist für Arbeiten ausgelegt, die sich über Stunden erstrecken, statt über einzelne Prompt-Antwort-Interaktionen.
Die Veröffentlichung wurde schnell zu einem öffentlichen Gradmesser für das KI-Rennen zwischen den USA und China. Nachdem Elon Musk angedeutet hatte, China könne bis zum ersten Quartal des kommenden Jahres Fähigkeiten der Fable-Klasse erreichen, entgegnete Z.ai-Gründer Tang Jie, das werde „nicht so lange dauern“.
GLM 5.2 wird direkt gegen Frontier-Coding- und Agentenmodelle von OpenAI, Anthropic und Google positioniert. Z.ai behauptet, das Modell liege bei langlaufenden Coding-Aufgaben bereits nahe am Niveau der jüngsten Claude-Opus-Versionen, bleibe dabei aber quelloffen und günstiger im Betrieb. Diese Benchmark-Behauptungen bedürfen noch einer unabhängigen Validierung, doch die Richtung ist klar.
Artificial Analysis Intelligence Index
Claude Fable 5with fallbackClaude Opus 4.8
GPT-5.5
GLM 5.2top open-weight model
Gemini 3.5 FlashClaude Sonnet 4.6Gemini 3.1 Pro
Qwen3.7 Max
MiniMax-M3
DeepSeek V4 Pro
Kimi K2.6Das setzt die US-Labore unter Druck. OpenAI, Anthropic und Google verarbeiten bereits die Nachwirkungen von Fable 5 und die Aussicht, dass künftige Frontier-Releases möglicherweise mehr staatliche Prüfung durchlaufen müssen, bevor sie auf den Markt kommen. In Ermangelung eines globalen Rahmens für KI-Sicherheit und Veröffentlichungsstandards entsteht dadurch eine offensichtliche Asymmetrie. US-Labore stoßen auf mehr Reibung, gerade während chinesische Labore leistungsfähige quelloffene Modelle in den Markt drücken.
Das heißt nicht, dass die USA keine Kontrollen haben sollten. Doch unilaterale Kontrollen werden weniger wirksam, wenn vergleichbare Modelle anderswo verfügbar sind — besonders, wenn sie quelloffen sind und von jedem heruntergeladen, verändert und eingesetzt werden können. Wenn sich die chinesische Open-Model-Spitze weiter verbessert, bremsen die USA womöglich ihre eigenen Labore aus, ohne die globale Verbreitung von Fähigkeiten nennenswert zu verlangsamen.
Googles KI-Talent-Schreck übersieht das Gesamtbild
Quelle: The Information — Nobelpreisträger John Jumper verlässt Google DeepMind in Richtung Anthropic
John Jumper, der Google-DeepMind-Forscher, der an der Entwicklung von AlphaFold beteiligt war und sich 2024 den Nobelpreis für Chemie teilte, wechselt zu Anthropic. Der Schritt erfolgte kurz, nachdem Noam Shazeer, eine der wichtigsten Figuren hinter Googles Arbeit an Gemini und Mitgründer von Character.AI, zu OpenAI gegangen war.
Alphabets Aktienkurs fiel am Montag deutlich, da Investoren die Abgänge als Signal werteten, dass Google den Kampf um Talente an Anthropic verlieren könnte.
Anthropic ist zu einem der stärksten Talentmagneten in der KI geworden — begünstigt durch seine Kultur, seinen Fokus und seine Position nahe der Spitze. Google DeepMind unter Demis Hassabis und Google Research unter Jeff Dean haben bei Talenten und Forschungsqualität weitgehend mit den privaten Laboren mitgehalten. Doch Google ist nach wie vor ein börsennotiertes Unternehmen mit vielen großen Geschäftsfeldern außerhalb der KI. Suche, YouTube, Cloud, Android und Werbung treiben weiterhin Alphabets Quartalsgewinne an. OpenAI und Anthropic sind reine Frontier-KI-Unternehmen.
Überraschender ist, wie viel Freiheit Alphabet seinen KI-Teams gelassen hat, um langfristige Forschung mit begrenztem unmittelbarem Umsatzeffekt zu verfolgen. AlphaFold, AlphaProof, AlphaGo, World Models, Robotik und wissenschaftliche KI waren allesamt bedeutende technische oder wissenschaftliche Durchbrüche, auch wenn sich die meisten noch nicht in großen direkten Umsatzposten niedergeschlagen haben. DeepMind selbst galt lange als teure Forschungswette. Waymo wurde bis vor Kurzem genauso gesehen.
Unsere Einschätzung ist, dass diese Vorstöße zu konvergieren beginnen könnten. Wissenschaftliche KI, Reasoning-Systeme, Robotik, World Models, autonomes Fahren und Foundation Models sind keine getrennten Forschungskuriositäten mehr. Sie bewegen sich auf denselben Markt zu: physische KI. In dieser Welt könnte Alphabet besser positioniert sein, als der Markt ihm derzeit zugesteht.
Die jüngsten Abgänge zeigen die Spannung, das einzige börsennotierte Labor zu sein. Google muss die Erwartungen der Aktionäre mit langfristiger Forschung in Einklang bringen. OpenAI und Anthropic hatten mehr Freiheit, Frontier-Fortschritt über kurzfristige Profitabilität zu stellen. Das muss nicht so bleiben. Beide Unternehmen dürften dieses Jahr an die Börse gehen, und wenn sie das tun, stehen sie vor demselben Problem, das Google bereits hat: wie man langfristige Frontier-Forschung finanziert und zugleich die Aktionäre überzeugt, dass sich die Erträge irgendwann in den Gewinnen niederschlagen.
