Das AGORÀ Briefing — Freitag, 21. August 2026

Danke Adam. Am 24. September eröffnet Neko Health das erste amerikanische Büro, in SoHo, an der 300 Lafayette Street. Dahinter steht die Begegnung zwischen Daniel Ek, Mitgründer und CEO von Spotify, und Hjalmar Nilsonne, heute CEO des Unternehmens. Laut TechCrunch stehen bereits über 25.000 New Yorker auf der Warteliste. Im vergangenen Monat schloss das Unternehmen eine Series-C-Runde über 700 Millionen Dollar ab, mit 100.000 bereits gescannten Personen. Die Standorte bleiben im Vereinigten Königreich und in Schweden. Das Modell verbindet drei Quellen: den Körperscan, die Blutuntersuchungen und die Daten der Fitnessgeräte. Der einzelne Scan bleibt reproduzierbar. Die Orchestrierung der Daten erzeugt den Lock-in. Hier entsteht der wahre Wert.

Genau, Adam. Drei Schätzungen, eine Richtung. Goldman Sachs sagt in einem Papier von 2023 einen Anstieg der Produktivität um 1,5 Prozentpunkte im Jahrzehnt voraus. McKinsey kommt bis auf 3,4 Punkte bis 2040. Die Forscher des MIT bleiben vorsichtig: 0,53 Prozent bis 2034, wie CNBC berichtet. Der Abstand zwischen 0,53 Prozent und 3,4 Prozent ist der Raum, in dem die Führungsaufgabe lebt. Diese Spanne hängt von den Bedingungen ab, die die Organisationen schaffen, noch vor den Werkzeugen, die sie erwerben. Der Boom dauert seit dem Start von ChatGPT im November 2022 fast vier Jahre. Er bleibt größtenteils eine Phase von Hardware und Infrastruktur. Ben Snider, Chief U.S. Equity Strategist bei Goldman, schreibt es klar: der echte Gewinn kommt aus den Bedingungen, noch vor den Werkzeugen.

Danke Adam, und ja, gegen den Strom. Der Konsens behandelt das Compute als den endgültigen Burggraben der KI. Er hat den falschen Rahmen. Das Compute wird bis 2027 wie eine Commodity bepreist. Der Wert wandert von der Schicht, die Token produziert, zur Schicht, die weiß, wie sie genutzt werden. Das AI Observatory der Stanford STAIR Lab zeigt es: es hat sieben Datensätze echter Gespräche zusammengeführt, mit Einwilligung der Nutzer zwischen 2023 und 2025 erhoben. Und es gibt den finanziellen Beweis. Die Commodity Futures Trading Commission hat am 19. August 2026 eine Konsultation über 60 Tage zu den Verträgen rund um die Rechenleistung eröffnet. CME Group und Intercontinental Exchange beabsichtigen, Futures auf das Compute zu starten. Die beiden Plattformen dominieren die globalen Derivate. Hohe Zuversicht bei der Technologie, mittlere beim Timing.

Mit Vergnügen, Adam. Im Jahr 1956, während der Suezkrise, weigerte sich Washington, das Pfund zu stützen. London gab in Tagen nach. Wer die Reservewährung kontrolliert, diktiert die Bedingungen. Das Pfund übergab den Vorrang an den Dollar. Ende der britischen Vorherrschaft. Die Theorie des Machtübergangs, 1958 von A.F.K. Organski formuliert, beschreibt das Risiko: die Gefahr wächst, wenn sich der Aufsteiger der Parität mit dem Hegemon nähert. Heute schrumpft der Abstand zwischen Washington und Peking entlang dreier Achsen: Fertigung, Energie, Halbleiter. China übertrifft heute die Vereinigten Staaten bei der industriellen Wertschöpfung, eine Umkehr, die seit 2000 gereift ist. Ein Machtübergang kommt als langsame Erosion, dann als plötzlicher Bruch.

Genau, Adam, und der Knoten liegt im Maßstab. Am 18. August 2026 wurde auf arXiv NeuroAbs hinterlegt, ein neuro-symbolisches Framework für die RTL-Abstraktion, angewandt auf die formale Verifikation, angenommen bei ICCAD 2026. Die formale Kontrolle garantiert die funktionale Korrektheit der Hardware-Designs. Jede neue Chip-Generation vervielfacht die erreichbaren Zustände, und das erschöpfende Model Checking explodiert in Zeit und Speicher. Die früheren Methoden verlangten schwere Handarbeit oder starre Regeln. NeuroAbs beschneidet den Zustandsraum und bewahrt dabei die relevanten Eigenschaften. Hier entscheidet die Qualität der Abstraktion alles: ein Beweis, der in Minuten schließt, gegen einen, der tagelang läuft. Und ein Beweis, der offen bleibt, blockiert die Freigabe des Designs.

Gerne, Adam. Im August 2026 veröffentlichte der Forscher Dmitry V. Alexandrov auf arXiv die erste mechanisierte Formalisierung der Triplet Logic von Romanov, umgesetzt mit dem Proof Assistant Rocq. Die Wahl kommt sofort: bevor man ein ausführbares Werkzeug baut, jede mathematische Eigenschaft des Systems beweisen. Das Ergebnis trägt ein seltenes Etikett in der Produktionssoftware: verified. Die Triplet Logic, abgekürzt TLS, ist ein kombinatorisches Framework, gegründet auf den Tripletts. Der operative Motor ist eine Prozedur der Schnittmenge, die Simple Vertex Intersection. Alexandrov hat den Kern innerhalb von Rocq formalisiert: die Compact Triplets Formulas, die Hyperstrukturen, die Clearing-Prozedur und die SVI selbst. Zuerst die bewiesene Theorie, dann das Werkzeug. Die Reihenfolge ist mit Methode umgekehrt.

Schöne Frage, Adam. Am 2. März 2026 kam auf arXiv "Conformal Policy Control", aktualisiert am 19. August 2026 und vorgestellt bei ICML 2026. Die Idee: eine sichere Referenz-Policy wirkt als probabilistischer Regulator gegenüber einer optimierten und noch zu erprobenden Policy. Ein Regulator ist hier eine Vorrichtung, die die Aktion eines anderen Systems begrenzt und moduliert. Die konforme Kalibrierung definiert, wie aggressiv die neue Policy handeln darf. Die Nachahmung des vergangenen Verhaltens garantiert Sicherheit. Ein Übermaß an Vorsicht entmutigt die Exploration und bremst die Verbesserung. Die Frage ist ausdrücklich: wie viel Veränderung wird zu viel? Die Antwort kommt aus der statistischen Kalibrierung, berechnet auf den Daten der sicheren Policy. Das Framework entfernt zwei Annahmen der konservativen Optimierung.

Danke Adam, und ich bringe die Daten. Eine bei ICDM 2026 angenommene Arbeit rückt ein Problem der Kalibrierung bei der Anomalieerkennung auf Logs in den Fokus. Der Titel sagt alles: "Too Sure to Be Safe". Die Autoren sind drei: Bin Li, Dongdong Wang und Siyang Lu. Hinterlegt am 18. August 2026. Die auf Sprachmodellen basierenden Detektoren erreichen hohe Performance. Ihre Konfidenzschätzungen bleiben schlecht kalibriert. Es sind zwei verschiedene Dinge: wie genau ein Modell ist, und wie verlässlich seine Schätzung der eigenen Gewissheit ist. Ein Modell kann korrekt klassifizieren und die Schätzung der eigenen Gewissheit verfehlen. Sie zu verwechseln ist das Risiko. Das gilt für einen Detektor auf Logs, und es gilt für jedes System, dem wir sensible Daten anvertrauen, den Körper eingeschlossen.