SAN FRANCISCO / LONDON (IT BOLTWISE) – Microsofts KI-Chef Mustafa Suleyman beschreibt, dass eine Vertragsänderung OpenAI-Restriktionen lockerte und sein Team nun offiziell bis Richtung „Superintelligence“ forschen darf. Parallel stellt der Konzern eine neue Inhouse-Modellfamilie vor, darunter ein reasoning-Model, multimodale Bausteine für Code, Bilder, Transkription und Sprache sowie Gewicht-Tuning über die Foundry-Infrastruktur. Entscheidend ist jedoch weniger die Modell-Launch-Story als der strategische Shift: Weg von reiner Modell-Miete hin zu agentenfähigen, unternehmensnah trainierten Systemen auf eigener Rechenpower. Gleichzeitig bleibt OpenAI wichtiger Partner – aber Microsoft baut eine zunehmend selbstständige KI-Landschaft für 2030 und darüber hinaus.
Microsofts KI-Strategie stand in den vergangenen Jahren so eng mit OpenAI in Verbindung, dass Außenstehende sie lange als „OpenAI-Story“ lasen. Genau diese Erzählung will Mustafa Suleyman nun nachjustieren: In einem Gespräch rund um die Microsoft Build 2026 macht er deutlich, dass sein KI-Bereich vor etwa sechs Monaten formell „freier“ wurde, eigene Forschungs- und Entwicklungswege zu verfolgen – bis hin zu dem, was er als „superintelligence“ bezeichnet. Das klingt nach einem isolierten Vertragsdetail, entfaltet aber eine viel größere Wirkung: Microsoft positioniert seine KI-Abteilung als eigenständiges Forschungs- und Delivery-Zentrum, ohne OpenAI in der Praxis zu ersetzen.
Das technisch greifbarste Signal kam zeitgleich mit einem großen Inhouse-Release: Microsoft präsentierte eine Modellfamilie mit sieben neuen, vollständig selbst entwickelten KI-Modellen, die unter dem „MAI“-Namen laufen. Der Fokus reicht von Reasoning und Code über Bildgenerierung sowie Transkription bis hin zu Sprachsynthese. Das Flaggschiff, MAI-Thinking-1, wird als 35 Milliarden „active parameters“ beschrieben und soll sich auf Software-Engineering-Benchmarks auf Augenhöhe mit führenden Modellen in seiner Klasse bewegen. Besonders betont Suleyman die Trainingslinie: Laut Aussagen soll das Modell ohne Distillation von Drittanbieter-Frontier-Systemen entstanden sein, sondern von Grund auf auf sauber lizenzierten Daten.
Für Unternehmen ist diese „Train-from-scratch“-Behauptung mehr als ein PR-Narrativ. Sie adressiert mehrere gleichzeitige Anliegen: erstens die Kontrolle über Datenherkunft und Lizenzlage, zweitens die Möglichkeit, die Modellfähigkeiten gezielter auf Enterprise-Workflows auszurichten, und drittens die Reduktion von Abhängigkeiten von externen Output-Pipelines. Dazu passt das weitere Portfolio der MAI-Familie: MAI-Code-1-Flash ist als schlankes Coding-Modell gedacht, MAI-Image-2.5 unterstützt sowohl Text-zu-Bild als auch Bildbearbeitung, MAI-Transcribe-1.5 soll über 43 Sprachen besonders präzise sein, und MAI-Voice-2 liefert mehrsprachige Sprachgeneration. Alle Modelle laufen über Microsoft Foundry, und erstmals können Entwickler Gewichte über Drittplattformen wie OpenRouter, Fireworks oder Baseten anpassen.
Wichtig ist aber die Perspektivverschiebung, die Suleyman in diesem Interview konsequent verfolgt: Die sieben Modelle seien eher ein Proof of Concept, nicht das Ende einer Reise. Sein Kernargument ist der Aufbau einer „lab“-fähigen Organisation, die über Jahre hinweg die nächste Frontier-Iteration schlagen soll. Strategisch wird daraus ein Vergleichsrahmen gegen typische Branchenmuster: In einem Markt, in dem viele Teams durch Distillation und günstigeres Training schneller skalieren, stellt Microsoft die disziplinierte Datenkette und die internen Evaluationsroutinen als differentiierende Faktoren in den Vordergrund. Genau hier positioniert sich Microsoft gegenüber anderen Modell-Anbietern wie Anthropic und OpenAI, aber auch gegenüber der generellen These, dass Modellschichten schneller zu austauschbaren Commodity-Produkten werden.
Der Marktkern des Updates liegt jedoch weniger in einzelnen Modellen als in der Fähigkeit, Enterprise-spezifisch zu tunen. Microsoft kündigte dafür „Frontier Tuning“ an: Unternehmen sollen MAI-Modelle mit eigenen, proprietären Daten und Prozesskontexten anpassen können – innerhalb eines eigenen Sicherheits- und Compliance-Rahmens. Der Ansatz basiert auf Reinforcement-Learning-Umgebungen, die Microsoft als „training gyms“ beschreibt. In diesen Umgebungen sollen Agenten aus realen Aufgaben lernen, ohne Produktionssysteme direkt zu beeinträchtigen. Laut Microsoft-Ergebnissen erreicht ein Excel-getuntes Modell vergleichbare Leistung wie ein GPT-5.4-Referenzniveau, bei bis zu zehnfacher Effizienz; bei einzelnen Early-Adoptern wurden zudem hohe Trefferquoten bei deutlich niedrigeren Kosten gemessen.
Diese Richtung passt zu Suleymans Aussage, dass Microsoft „Conversation“ bereits überholt sieht und jetzt „Action“ in den Mittelpunkt rückt. Er führt dazu eine Progression von IQ zu EQ und dann zu AQ ein, wobei AQ als „Actions Quotient“ die Fähigkeit beschreibt, Ton und Stil in konkrete Handlungen zu übersetzen. Für Entscheider ist das relevant, weil es den Architekturwechsel von reinem Prompt-Response hin zu agentischer Ausführung markiert: Systeme sollen in Unternehmenssoftware einloggen, Workflows über mehrere Anwendungen hinweg navigieren und Aktionen in Tools wie Excel, Teams, Jira oder CRM-Umgebungen ausführen. Produkte wie Microsoft Scout (als Always-on-Assistent auf OpenClaw-Basis), Windows 365 for Agents (mit verwalteten Cloud-PCs) sowie Foundry-Updates mit „sub-100-millisecond“ Cold Starts zielen genau auf diese operative Ebene.
Historisch betrachtet ist das gleichzeitig eine Antwort auf einen Engpass, der seit dem Boom generativer KI immer wieder sichtbar wurde: Die erste Welle war stark auf öffentlich zugängliche Daten angewiesen – Bücher, Websites, Code-Repositories und Community-Posts. Diese Grundlage wird zunehmend juristisch und politisch umkämpft, während die tatsächlichen Wettbewerbsvorteile in Unternehmen immer dort entstehen, wo Arbeit stattfindet: in internen Wissensstrukturen, Entscheidungsspuren und Prozesslogiken. Suleyman argumentiert daher, dass die nächste Trainingsphase stärker auf Enterprise-Daten und institutionelle Besonderheiten setzen wird. Regulatorisch ist dieser Punkt entscheidend, weil das Tuning- und Deployment-Modell sicherstellen muss, dass personenbezogene oder sensible Informationen nicht unkontrolliert in externe Trainings- oder Prompt-Kontexte geraten.
Technisch rundet Microsoft die Strategie mit einer Compute-Story ab, die Suleyman ungewöhnlich offen adressiert. Er sagt, dass Microsoft zu den größten Käufern von GPUs weltweit gehöre, nennt dabei insbesondere GB200s und GB300s. Parallel läuft jedoch der Aufbau eigener KI-Hardware: Maia 200, der zweite Generation-Akzelerator, ist bereits in Produktion und soll in mehreren Regionen weiter ausgerollt werden. Microsoft behauptet Bestwerte beim Tokens-per-Dollar-per-Watt und nennt für Maia 200 im Vergleich zu NVIDIA-GB200 eine 30% bessere Kosteneffizienz; zusätzlich sieht man beim nativen Co-Optimizing von MAI-Modellen auf Maia-Chips noch einmal einen Faktor von 1,4x beim Performance-per-Watt. Wenn diese Vorteile skaliert nutzbar werden, entsteht ein vertikal integrierter Stack aus Modellen, Chips, Cloud und agentischem Tuning – ein Wettbewerbsvorteil, den Anbieter ohne eigene Hardwareko-Optimierung schwer replizieren können.
Für die nächsten Jahre zeichnet sich damit ein klarer Zukunftspfad ab: Microsoft will bis 2030 und darüber hinaus nicht nur Modelle einkaufen, sondern die Frontier-Fähigkeit selbst erzeugen – als kontinuierlichen „Hill-Climbing“-Prozess, nicht als einmaligen Endpunkt. Suleyman lehnt dabei die einfache Commoditisierungslogik ab: „Quality tokens“ – Zusammensetzung, Kuratierung, Lizenzierung und Deduplication der Trainingsdaten – sollen entscheidender sein als bloße Rohskalierung. Entscheidend ist außerdem die operative Governance der Agenten: Scout arbeitet mit eigener, in Microsoft Entra geregelter Identität, damit Aktionen auditierbar und zuordenbar bleiben; Foundry ergänzt hosted Agents und agentische Publishing-Workflows. Der Risikoaspekt bleibt trotzdem: Eine Frontier-Lab-Transformation ist eine Dekadeninvestition, erfordert Forschungstreue unter Produktdruck und stellt Fragen der Sicherheit, Datenhoheit und Modellverifikation in den Vordergrund. Für Entwickler eröffnet das neue Möglichkeiten – von Weight-Tuning über Foundry bis zu agentenfähigen Workflows –, aber nur, wenn die Kontroll- und Compliance-Schichten mitwachsen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Microsofts KI-Abteilungschef verkündet: Vertrag mit OpenAI löst „Superintelligence“-Pfad" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Microsofts KI-Abteilungschef verkündet: Vertrag mit OpenAI löst „Superintelligence“-Pfad" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Microsofts KI-Abteilungschef verkündet: Vertrag mit OpenAI löst „Superintelligence“-Pfad« bei Google Deutschland suchen, bei Bing oder Google News!