Field Notes

Self-Service-Analytics, private Coding-Agenten und robuste LLM-Qualität jetzt umsetzbar

Drei direkt nutzbare Bausteine für deinen Alltag plus eine Infrastrukturzahl, die deine Planung schärft.

Die wichtigsten KI-Nachrichten der Woche

  • Proaction meldet 60 Prozent mehr Umsatz und 75+ eingesparte Stunden mit Codex, GPT-Live-1 und GPT-6 Astra. Das sind Anbieterangaben ohne unabhängige Prüfung. Wenn du Außendienst und After-Sales führst, kannst du ähnliche Agenten für Angebot, Einsatzplanung und Übergabe testen.1
  • Datacor baut mit Amazon QuickSight eine Self-Service-Mietanalyse in TrackAbout. 27,5 Millionen Assets und 725.000 Rechnungen pro Monat werden so für Fachbereiche zugänglich. Nutzer stellen Fragen in natürlicher Sprache und sehen Dashboards zu Auslastung, Ausnahmen und Rückständen. SPICE, das In-Memory-Backend von QuickSight, aktualisiert die Datensätze geplant.2
  • Offene Gewichte als Coding-Agent auf Amazon Bedrock: Mit OpenCode steuerst du Modelle wie Kimi K3, GPT-OSS 120B oder Nemotron 3 Super 120B aus deinem Terminal. Daten bleiben in deinem AWS-Konto. Drei Preistypen, hohe Standard-Kapazität und Profilwahl nach Geografie oder globaler Latenz. Die genannten Effizienzgewinne und Markttrends stammen aus einem AWS-Beitrag.3
  • Produktionsreife LLM-Qualitätssicherung auf Bedrock: NarrateAI beschreibt fünf Techniken von adaptiver Orchestrierung bis Daten-Verifikation. Ziel sind ungefähr 99 Prozent numerische Treffer bei Echtzeit-Streaming, laut AWS. Wenn du Live-Zahlen in Reviews nutzt, brauchst du solche Sicherungen.4
  • Chinas Rechenzentrumsboom in Zahlen: SemiAnalysis trackt über 1.000 Facilities und schätzt 24 GW installierte Kapazität in China, mehr als EMEA. ByteDance belegt rund ein Fünftel der gelieferten Kapazität. BAT investierten im 2. Quartal 2026 zusammen 20 Milliarden US-Dollar Capex und rutschten laut Bericht in negativen Free Cashflow. Das ist ein Modell-Preview des Herausgebers, keine amtliche Statistik. Colocation, also gemietete Rechenzentrums-Fläche mit Strom und Kühlung, spielt dabei eine Schlüsselrolle.5
  • Microsoft meldet die Zerschlagung der Cybercrime-Plattform EvilTokens. Das zeigt, dass KI-gestützte Angriffe produktisiert werden. Du prüfst Token-Sicherheit, Rate Limits und Abrechnungsalarme.6

Die Woche für dein Unternehmen

  1. Self-Service-Analytics für Miete und wiederkehrende Erlöse. Baue drei Kernansichten: Auslastung, Ausnahmen, Rückläufer. Aktiviere QuickSight Q für natürliche Fragen und plane SPICE-Refreshs. So entscheidest du Preise und Rückholaktionen ohne IT-Ticket.2
  2. Private Coding-Agenten ohne Sitzlizenzen. Setze OpenCode auf und verbinde Amazon Bedrock. Wähle pro Aufgabe das passende Modell und Profil: global für geringere Kosten oder geografisch für Datenresidenz. Starte mit Code-Refactor, Tests und Migrationsplänen.3
  3. Live-Zahlen absichern, bevor sie in den Vorstand gehen. Implementiere eine Pipeline mit paralleler Auswertung, Absatz-für-Absatz-Checks und zweistufiger Zahlenprüfung. So senkst du Halluzinationsrisiken bei Echtzeit-Berichten.4
  4. Sales- und Service-Workflows als Agenten denken. Proaction zeigt, wie kombinierte Assistenten Vertrieb, Betrieb und Betriebsmittel schneller verzahnen. Skizziere deine drei häufigsten Schritte und prototypisiere sie als geführte Aufgaben. Zahlen zum Effekt stammen vom Anbieter.1
  5. Agenten im Betrieb absichern. Ergänze eine Laufzeit-Prüfung, die Risiken findet, Fixes anwendet und den Nachweis liefert. So reduzierst du manuelle Audits und dokumentierst Eingriffe.7

Nächste Woche ausprobieren

  1. Richte OpenCode mit Amazon Bedrock ein. Lege ein Global- oder US-Geoprofil für Moonshot AI Kimi K3 fest. So bleibt deine Codebasis im eigenen AWS-Konto.3
  2. Definiere zwei Flows: Architektur-Planung mit reasoning_config hoch auf Kimi K3 und Boilerplate-Generierung auf einem schnelleren Modell. Schalte nach Bedarf um.3
  3. Messe eine Woche: Tokenverbrauch, Laufzeit pro Aufgabe, Review-Korrekturen. Entscheide, wo ein kleineres offenes Modell teure Generalisten ersetzt.3

Ein guter Fund

  • Bewertung wird leichter, wenn der Mensch Zwischenschritte sieht. Baue Oberflächen, die Quellen, Zwischen-Antworten und Unsicherheiten anzeigen. So prüfst du gezielt, statt Endtexte zu raten.8
  • Multi-Modell-Routing setzt sich durch. OpenRouter erklärt im Gespräch, warum Verteilung und Betrugsabwehr bei Tokenströmen zentral werden. Wenn du Agenten skalierst, plane Limits, Anomalie-Erkennung und Abrechnungsschutz ein. Inhalte stammen aus den Shownotes.9

Quellen

  1. Proaction boosts sales 60% and saves 75+ hours with Codex (openai.com)
  2. How Datacor built self-service rental analytics with Amazon Quick Sight (aws.amazon.com)
  3. Use open weight models as your AI coding agent with Amazon Bedrock (aws.amazon.com)
  4. NarrateAI: production-ready LLM quality assurance on Amazon Bedrock (aws.amazon.com)
  5. The Chinese AI Infrastructure Boom: Introducing the SemiAnalysis China Datacenter Model (newsletter.semianalysis.com)
  6. Disrupting EvilTokens: Taking down an AI-powered cybercrime platform (blogs.microsoft.com)
  7. A new skill finds AI agent risks, fixes them, and proves the fix worked (commandline.microsoft.com)
  8. @hamelhusain: Q: How can I make AI outputs easier for people to evaluate?

A: Start with the product design. Keep the human in the loop by designing workflows that walk through intermediate outp (x.com) 9. OpenRouter: from Seed to Stripe — with OpenRouter’s Alex Atallah & AMP’s Anjney Midha (latent.space)