KI-Modelle im Februar 2026: Was Unternehmen wissen sollten

Anfang Februar 2026 veröffentlichte OpenAI GPT-5.3 Codex - laut eigener System Card am 5. Februar. Anthropic brachte im selben Zeitraum Claude Opus 4.6 heraus, ein Modell mit einer Million Tokens Kontextfenster und adaptivem Denken. Kurz nach diesen Releases schrieb Matt Shumer, KI-Unternehmer und Investor, einen langen Essay mit dem Titel 'Something Big Is Happening'. Der Text richtet sich nicht an Entwickler, sondern an Freunde, Familie und alle, die bisher nur beiläufig mitbekommen haben, wie schnell sich KI-Systeme verbessern. Wir fassen die zentralen Aussagen zusammen und ordnen ein, was davon für Unternehmensentscheidungen relevant ist.

Was Anfang Februar passiert ist

OpenAI bezeichnet GPT-5.3 Codex als sein bislang leistungsfähigstes agentisches Coding-Modell. Es vereint die Programmierleistung des Vorgängers GPT-5.2-Codex mit verbesserten Reasoning-Fähigkeiten und ist laut OpenAI 25 Prozent schneller. Es kann lang andauernde Aufgaben übernehmen, die Recherche, Tool-Nutzung und komplexe Ausführung umfassen. Besonders bemerkenswert: OpenAI schreibt in der System Card, GPT-5.3 Codex sei das erste Modell des Unternehmens, 'das maßgeblich an seiner eigenen Entwicklung beteiligt war'. Das Codex-Team nutzte frühe Versionen, um das eigene Training zu debuggen und die eigene Bereitstellung zu steuern.

Anthropic veröffentlichte Claude Opus 4.6 Anfang 2026 mit einem Kontextfenster von einer Million Tokens und adaptivem Denken. Das Modell plant laut Anthropic sorgfältiger, arbeitet länger an komplexen Aufgaben und fängt eigene Fehler ab. Es kann Finanzanalysen durchführen, Recherchen anstellen sowie Dokumente, Tabellen und Präsentationen verwenden und erstellen. Seit einigen Monaten ist zudem Opus 4.7 verfügbar, das bei agentischer Codierung 64,3 Prozent auf SWE-bench Pro erreicht.

Wenn KI sich selbst verbessert

Shumers zentrale Beobachtung: Die KI-Labore haben bewusst zuerst das Programmieren optimiert, weil besserer Code die Entwicklung der nächsten Modellgeneration beschleunigt. Wenn ein Modell nachweislich an seiner eigenen Entstehung mitwirkt - wie OpenAI es für GPT-5.3 Codex dokumentiert hat - entsteht eine Rückkopplungsschleife. OpenAIs eigene Dokumentation liefert damit ein konkretes Beispiel für den Mechanismus, den Shumer beschreibt: Jede Generation hilft, die nächste zu bauen, die wiederum leistungsfähiger ist. Ob sich dieser Kreislauf in den nächsten ein bis zwei Jahren vollständig verselbstständigt, wie manche in der Branche vermuten, lässt sich nicht sicher sagen. Aber der Mechanismus ist nicht mehr theoretisch.

Messbare Fortschritte statt Bauchgefühl

Shumer stützt sich unter anderem auf die Messungen der Organisation METR, die untersucht, wie lange Aufgaben (gemessen an der Bearbeitungszeit menschlicher Experten) ein KI-Modell eigenständig lösen kann. Laut METRs ursprünglicher Analyse lag der sogenannte 'Time Horizon' - die Aufgabenlänge, bei der ein Modell eine 50-prozentige Erfolgsquote erreicht - bei Claude 3.7 Sonnet bei ungefähr einer Stunde. METR hat im Januar 2026 eine aktualisierte Analyse (Time Horizon 1.1) veröffentlicht, mit 34 Prozent mehr Aufgaben im Testsatz und doppelt so vielen Aufgaben ab acht Stunden Dauer. Die Modelle vom 5. Februar sind darin noch nicht enthalten.

Shumers persönliche Erfahrung deckt sich mit dem Trend: Er beschreibt, dass er einem Modell eine App-Idee in Alltagssprache beschreibt, den Rechner für vier Stunden verlässt und ein fertiges, getestetes Ergebnis vorfindet - eines, das das Modell selbst durchgeklickt, geprüft und iteriert hat. Das ist eine einzelne Anekdote, aber sie passt zur dokumentierten Entwicklung.

Arbeitsmarkt-Prognosen: Was die KI-Chefs selbst sagen

Anthropic-CEO Dario Amodei prognostizierte im Frühjahr 2025, dass KI bis 2030 rund 50 Prozent aller Einstiegs-Bürojobs überflüssig machen könnte und die Arbeitslosigkeit auf bis zu 20 Prozent steigen könnte. Er nannte konkret die Bereiche Technologie, Finanzen, Recht und Service. Shumer hält diese Schätzung nach den jüngsten Modellen für eher konservativ. Unabhängig davon, ob man seinen Optimismus bezüglich der Geschwindigkeit teilt: Die Richtung ist eindeutig, und sie betrifft nicht nur eine einzelne Branche.

Was kurzfristig schwerer zu ersetzen bleibt

Shumer benennt selbst Bereiche, die KI langsamer durchdringen wird: Tätigkeiten mit physischer Präsenz, Rollen mit lizenzierter Verantwortung (etwa Anwälte, die persönlich haften), und Branchen mit hohen regulatorischen Hürden. Keiner dieser Faktoren ist ein dauerhafter Schutz, aber sie kaufen Zeit. Und Zeit ist laut Shumer das Wertvollste - vorausgesetzt, man nutzt sie zur Anpassung.

Einordnung: Was Unternehmen konkret mitnehmen sollten

Shumers Essay ist keine neutrale Analyse - er kommt von jemandem, der wirtschaftlich in der KI-Branche investiert ist. Trotzdem lassen sich seine Kernaussagen an öffentlich überprüfbaren Fakten festmachen: den Modell-Releases, den METR-Messungen, den Aussagen der Lab-CEOs. Die Frage ist nicht, ob sich etwas verändert, sondern wie schnell und wie tiefgreifend. Daraus ergeben sich drei konkrete Handlungsfelder.

Erstens: Eigene Erfahrung aufbauen. Unternehmen, die KI noch nicht systematisch in Arbeitsabläufe eingebunden haben, sollten das jetzt tun - nicht mit einem Großprojekt, sondern mit gezielten Tests in ein bis zwei Abteilungen. Zweitens: Personalstrategie überdenken. Wenn Einstiegspositionen in Rechtsabteilungen, Controlling oder Marketing tatsächlich innerhalb weniger Jahre teilweise durch KI abgedeckt werden, verändert das die Nachwuchsplanung. Drittens: Budget realistisch planen. KI-Tools kosten pro Nutzer typischerweise 20 bis 200 US-Dollar im Monat je nach Leistungsstufe - deutlich weniger als eine Vollzeitstelle, aber die Einführung braucht Zeit, Schulung und Prozessanpassung.

Shumers Originaltext ist lesenswert, auch wenn man nicht jede seiner Einschätzungen teilt. Den vollständigen Essay finden Sie hier: https://www.matthewshumer.com/p/something-big-is-happening