KI am Wendepunkt: Healthcare, Robotik und die Zukunft der Arbeit

In dieser Folge verdichten sich fünf parallele Entwicklungen zu
einer klaren strategischen Verschiebung: Große
Foundation-Model-Anbieter gehen stärker in vertikale Märkte, rücken
näher an reale Workflows heran und suchen neue Datenquellen,
während Hardware- und Robotik-Stacks eine neue Dynamik Richtung
„Physical AI“ bekommen. Im Gesundheitswesen starten OpenAI und
Anthropic praktisch im Gleichschritt eigene Healthcare-Linien.
OpenAI bringt mit ChatGPT Health eine getrennte Consumer-Erfahrung,
die persönliche Gesundheitsdaten aus Apps und teils auch
medizinische Unterlagen sicher einbindet und laut Anbieter nicht
fürs Modeltraining nutzt. Kurz darauf folgt OpenAI for Healthcare
als Enterprise-Angebot mit HIPAA-Orientierung, BAA-Optionen und
Integrationen, ergänzt um frühe Partnerschaften mit großen
Kliniken. Anthropic zieht mit Claude for Healthcare nach und
positioniert das Produkt als HIPAA-konforme Schicht für Provider,
Versicherer und Life-Sciences, inklusive Anbindungen an CMS- und
Kodierdaten sowie Workflows wie Prior Authorization. Hinter der
sichtbaren „KI kommt in die Medizin“-Story steht eine zweite Logik:
Healthcare liefert eine belastbare Kapitalmarkt-Erzählung, braucht
aber reale Datenflüsse, Compliance und nachweisbare Wirkung.
Gleichzeitig verändert diese Vertikalisierung die Marktstruktur,
weil Kliniken weniger Gründe haben, spezialisierte Healthcare-KI
zuzukaufen, wenn Basismodell-Anbieter direkt die Anwendungsebene
besetzen. Der konkrete Nutzenfokus trifft ein Feld mit hohem
administrativem Schmerz, etwa Prior Authorizations, die in den USA
laut Ärzteverbänden weiterhin zweistellige Stunden pro Woche an
Zeit binden und durch neue CMS-Regeln ab 2026 stärker
standardisiert werden sollen. Der zweite Block ist ein Macht- und
Paradigmenkonflikt: Yann LeCun verlässt Meta und befeuert die
zentrale Debatte, ob Skalierung von Sprachmodellen Richtung
Superintelligenz trägt oder ob ein fundamentaler Ansatzwechsel
nötig wird. Im Hintergrund stehen Fragen nach Benchmark-Integrität,
Organisationsvertrauen und der strategischen Wette, ob „World
Models“ und alternative Architekturen gegenüber reiner
LLM-Skalierung gewinnen. Praktisch laufen beide Realitäten
parallel: agentische Systeme werden besser, Generalisierung bleibt
aber fragil, und die Branche bewegt sich ohne endgültigen Beweis
weiter nach vorn. Drittens rückt Physical AI über Robotik und
autonome Systeme nach vorn. Nvidia stellt auf der CES die
Rubin-Plattform als nächstes Rechenzentrums-Fundament vor und
positioniert sich als Full-Stack-Layer für Training, Simulation und
Edge-Inference. Parallel kündigen Boston Dynamics und Google
DeepMind eine Kooperation an, um Gemini-basierte „Robotics
Foundation Models“ mit Atlas-Robotern für industrielle Aufgaben zu
verbinden. Entscheidend ist die Rückkopplungsschleife: Roboter
ausrollen, Daten im Betrieb sammeln, Modelle verbessern, schneller
wieder ausrollen. Ob hier eine ähnliche Skalierungsdynamik wie bei
Sprachmodellen entsteht, hängt an embodied data,
Simulation-Transfer und leistungsfähiger Edge-Hardware. Viertens
verschiebt sich der Datenkampf. Ein Bericht beschreibt, dass OpenAI
in einem Programm mit Handshake AI Auftragnehmer auffordert, reale
Arbeitsartefakte aus früheren Jobs hochzuladen, um Agentenleistung
gegen menschliche Baselines zu messen. Das ist ein Signal für zwei
Trends zugleich: öffentliches Webmaterial wird knapper, und
wertvollere Fähigkeiten entstehen eher aus echten
Unternehmens-Workflows, Dokumenten und Prozessartefakten. Damit
werden interne Datenbestände strategischer, und das Risiko
unkontrollierten Abflusses steigt, weil „Scrubbing“ in der Praxis
fehleranfällig bleibt. Fünftens zeigen Builder-Workflows einen
Sprung: agentisches Programmieren wird durch parallele Instanzen,
wachsende Regeldateien und lange Laufzeiten produktiver, und OpenAI
schiebt mit GPT‑5.2-Codex ein stärker auf long-horizon Engineering
optimiertes Modell nach. Die Grenze verschiebt sich von „kann Code
schreiben“ zu „kann über Tage iterieren, testen und refactoren“.
Das macht sichtbar, was in Wissensarbeit noch fehlt: ein harter,
automatisierbarer Feedback-Loop wie bei Software. Genau dort
entsteht der nächste Produktkampf um sandboxed Arbeitsumgebungen,
klare Erfolgskriterien und verlässliche Ausführung über mehrere
Schritte. Quellen: Introducing ChatGPT Health (OpenAI)
https://openai.com/index/introducing-chatgpt-health/ Introducing
OpenAI for Healthcare (OpenAI)
https://openai.com/index/openai-for-healthcare/ Anthropic expands
into healthcare a week after OpenAI launched a similar product
(Business Insider)
https://www.businessinsider.com/anthropic-chases-openai-ai-heath-claude-2026-1
Boston Dynamics & Google DeepMind Form New AI Partnership to
Bring Foundational Intelligence to Humanoid Robots (Boston
Dynamics)
https://bostondynamics.com/blog/boston-dynamics-google-deepmind-form-new-ai-partnership/
Nvidia launches Vera Rubin AI computing platform at CES 2026 (The
Verge)
https://www.theverge.com/tech/855412/nvidia-launches-vera-rubin-ai-computing-platform-at-ces-2026
NVIDIA Kicks Off the Next Generation of AI With Rubin — Six New
Chips, One Incredible AI Supercomputer (NVIDIA Investor Relations)
https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-Kicks-Off-the-Next-Generation-of-AI-With-Rubin--Six-New-Chips-One-Incredible-AI-Supercomputer/default.aspx
OpenAI Is Asking Contractors to Upload Work From Past Jobs to
Evaluate the Performance of AI Agents (WIRED)
https://www.wired.com/story/openai-contractor-upload-real-work-documents-ai-agents
AI 'gold rush' for chatbot training data could run out of
human-written text (Associated Press)
https://apnews.com/article/9676145bac0d30ecce1513c20561b87d
Introducing GPT-5.2-Codex (OpenAI)
https://openai.com/index/introducing-gpt-5-2-codex/ Fixing prior
auth: First, speed up payers’ response times (American Medical
Association)
https://www.ama-assn.org/practice-management/prior-authorization/fixing-prior-auth-first-speed-payers-response-times