Kurze Geschichte, die zeigt, wo unser Rechtssystem gerade an der KI vorbeiläuft. Das Biotech-Unternehmen Insilico Medicine hat mit generativen KI-Modellen einen Wirkstoff gegen idiopathische Lungenfibrose entwickelt: Rentosertib, ein sogenannter TNIK-Inhibitor. Die KI hat nicht nur beim Sortieren geholfen – sie hat das Zielprotein vorgeschlagen und die Moleküle entworfen. Und das ziemlich schnell: Vom Ziel bis zum fertigen Wirkstoffkandidaten vergingen 12 bis 18 Monate. Klassisch dauert dieser Schritt zweieinhalb bis vier Jahre. Und es funktioniert offenbar. In der Phase-IIa-Studie mit 71 Patientinnen und Patienten legte die Lungenfunktion nach zwölf Wochen bei der höchsten Dosis um 98,4 Milliliter zu – während sie in der Placebo-Gruppe um 20,3 Milliliter absackte. Veröffentlicht in „Nature Medicine". Phase III läuft. Der Haken steckt im Patentantrag Insilico beschreibt die eigene KI-Plattform öffentlich als diejenige, die das Molekül „entdeckt" hat. Im Patent stehen als Erfinder: fünf Menschen. Von der KI kein Wort. Das ist kein Betrug, sondern schlicht die Rechtslage. In den USA können nur natürliche Personen Erfinder sein – seit dem Urteil Thaler v. Vidal ist das gerichtsfest. Das US-Patentamt hat seine Regeln dazu Ende 2025 sogar noch einmal nachgeschärft: KI-Systeme gelten ausdrücklich als Werkzeug, rechtlich auf einer Stufe mit einem Laborgerät oder einer Datenbank. Ein Mikroskop wird ja auch nicht als Miterfinder eingetragen. Warum das trotzdem knirscht Die Werkzeug-Logik trägt, solange der Mensch die zündende Idee hat und die Maschine nur ausführt. Bei Insilico verschiebt sich das Verhältnis. Der Journalist Antonio Regalado bringt es auf den Punkt: KI-Modelle erzeugen atomare Strukturen für Medikamente inzwischen fast so beiläufig, wie ChatGPT eine Dankeskarte schreibt. Wenn der menschliche Beitrag irgendwann nur noch aus Prompt, Auswahl und Unterschrift besteht – wer ist dann Erfinder? Aktuell: derjenige, der die Formulare unterschreibt. Das ist keine juristische Spitzfindigkeit. Patente sollen Erfindungen belohnen und dadurch neue anstoßen. Wenn unklar wird, wem eine Erfindung gehört, wird auch unklar, wer die Milliarden für Studien vorstreckt.

Stell dir vor, du lieferst deinem größten Kunden nicht ganz das, was er verlangt. Und der sperrt dich daraufhin vom gesamten Markt aus. Genau das ist Anthropic passiert, der Firma hinter Claude. Jetzt steht fest: Die Aktion war rechtswidrig. Was passiert ist Im Februar wollte das US-Verteidigungsministerium Claude für „alle rechtmäßigen Zwecke" einsetzen. Anthropic zog zwei Linien: keine Massenüberwachung von US-Bürgern, keine vollautonomen tödlichen Waffen. Daran platzte ein Vertrag über rund 200 Millionen Dollar. Die Retourkutsche kam prompt. Verteidigungsminister Pete Hegseth stufte Anthropic als „Lieferkettenrisiko" ein – ein Paragraf, der eigentlich vor Sabotage durch ausländische Zulieferer schützen soll und hier zum ersten Mal öffentlich gegen ein US-Unternehmen zum Einsatz kam. Präsident Trump wies Bundesbehörden an, Claude nicht mehr zu nutzen. Für Anthropic standen Milliarden auf dem Spiel. Am 28. August hat Bundesrichterin Rita Lin in San Francisco das auf 59 Seiten kassiert: grundlos und rechtswidrig. Ihr Kernsatz: „Der leere Verweis auf die nationale Sicherheit ist kein Freibrief, um Kritiker der Regierung zu bestrafen und sich an ihnen zu rächen." Ein Detail aus dem Urteil sagt viel: Das Pentagon arbeitete weiter mit Anthropic, während es die Firma offiziell als Sicherheitsrisiko führte. Fast 150 ehemalige Richterinnen und Richter hatten Anthropic im Verfahren den Rücken gestärkt. Die Regierung will in Berufung gehen – das letzte Wort ist noch nicht gesprochen. Was das für dich heißt Ein US-Rechtsstreit über Militärverträge klingt weit weg von deinem Alltag mit KI. Ist er nicht. Drei Dinge nimmst du mit: Nutzungsbedingungen sind keine Deko. Jeder Anbieter schreibt in seine Regeln, wofür seine KI nicht benutzt werden darf. Bei den meisten steht das da, weil es gut aussieht. Hier hat eine Firma diese Regeln gegen ihren mächtigsten Kunden durchgezogen und dafür ein Vermögen riskiert. Das ist der Unterschied zwischen Marketing und Haltung – und du kannst ihn ab jetzt nachprüfen, statt ihn zu glauben.

Kurzer Tipp, der bei mir gerade richtig viel Zeit und Kontext spart. Das Problem: Wenn du ein PDF an Claude oder ChatGPT schickst, landet nicht „das Dokument" im Modell, sondern ein Berg an Tokens. Pro Seite rechnest du grob mit 1.500 bis 3.000 Tokens – Layout-Reste, Kopfzeilen, Zeilenumbrüche an falschen Stellen, alles inklusive. Bei einem 20-Seiten-Papier bist du schnell bei 50.000 bis 70.000 Tokens. Dein Kontextfenster ist voll, bevor die eigentliche Arbeit anfängt. Und genau da liegt der Denkfehler, den viele machen: Das Modell „liest" dein PDF nicht. Es rechnet mit dem, was du reinschiebst. Je sauberer das Material, desto besser das Ergebnis – und desto billiger. Die Lösung heißt MarkItDown Microsoft hat dafür ein kleines Open-Source-Tool gebaut. Es konvertiert Word, Excel, PowerPoint, HTML, EPUB, Bilder, Audio und PDFs in sauberes Markdown. MIT-Lizenz, kostenlos, kein GPU nötig. Installation: pip install "markitdown[all]" Nutzung: markitdown praesentation.pptx -o praesentation.md Das war's. Statt eines aufgeblähten Binärformats bekommst du Klartext mit Struktur: Überschriften, Listen, Tabellen. Je nach Ausgangsdatei sparst du damit einen erheblichen Teil deiner Tokens – und bekommst obendrein bessere Antworten, weil Sprachmodelle mit Unmengen Markdown trainiert wurden. Das Format ist ihre Muttersprache. Der Komfort-Trick: MCP-Server MarkItDown bringt einen MCP-Server mit. Heißt: Du hängst ihn einmal an Claude Desktop, und ab da wandert jede Datei automatisch durch die Konvertierung, bevor das Modell sie sieht. Einmal einrichten, danach nie wieder dran denken. Wo der Tipp seine Grenze hat Und jetzt der Teil, den du in den meisten Reels zu diesem Tool nicht hörst. Bei Office-Dateien ist MarkItDown stark. Word, Excel, PowerPoint – sauber, verlässlich, schnell. Ausgerechnet bei PDFs ist es aber schwach. Im Hintergrund arbeitet standardmäßig pdfminer.six, und das zieht nur den Textstrom heraus: keine Layout-Analyse, keine OCR, Tabellenstruktur zerfällt, Überschriften werden nicht als solche erkannt. In Vergleichstests landet MarkItDown bei PDFs regelmäßig im hinteren Feld.

Kurze Frage in die Runde, bevor ich loslege: Wer von euch nutzt Manus? Bei mir lag heute Morgen eine Gutschrift im Account. Ohne Erklärung. Dazu der Hinweis, es seien „möglicherweise Maßnahmen erforderlich". Welche? Steht nirgends. Der Hintergrund in drei Sätzen: Meta hatte Manus im Dezember für zwei Milliarden gekauft. Chinas Planungsbehörde hat den Deal im April wieder gekippt – nachträglich, obwohl längst vollzogen. Jetzt wird Manus wieder eigenständig, der Rückkauf läuft über ein Konsortium um Tencent. Der Betrieb läuft weiter. Es ist kein Shutdown. Aber ein paar Dinge lohnen sich trotzdem, und die sind in zehn Minuten erledigt: - Gutschrift nur im Account prüfen, nie über einen Mail-Link. Eigentümerwechsel sind Phishing-Hochsaison, weil die Nachricht ja stimmt. - Rechnungen des Jahres als PDF ziehen. Rechnungsarchive verschwinden bei solchen Wechseln gern still. - Arbeitsergebnisse runterladen. Alles, was du weiterverwenden willst, gehört auf deine Platte. Die nächste AGB-Mail wirklich lesen. Neuer Eigentümer heißt neue Bedingungen. Zwei Fragen zählen: Wo liegen meine Daten? Werden sie zum Training genutzt? Und der Punkt, der mir am wichtigsten ist: Schreib auf, was dein Agent für dich tut. Welche Aufgabe, welche Anweisung, welche Quellen, welches Ergebnis. Ein simples Dokument, außerhalb des Tools. Wenn dein Prozesswissen nur in der Oberfläche eines Anbieters lebt, hängt es an dessen Schicksal. Mit so einem Dokument baust du denselben Ablauf an einem Nachmittag woanders nach. Was mich an der Geschichte am meisten beschäftigt: Manus hat nie ein eigenes KI-Modell gebaut. Der Agent orchestriert fremde – Claude, dazu Qwen-Modelle. Peking hat also gar keine Modell-Technologie geschützt, sondern die Schicht darüber. Genau da sitzt inzwischen der Wert. Nicht im Modell, sondern in dem, was damit erledigt wird. Das ist übrigens genau die Ebene, auf der wir hier arbeiten. Jetzt ihr: Wer nutzt Manus produktiv, und wofür? Und hat jemand von euch die Gutschrift auch gesehen – mit mehr Erklärung als bei mir? Schreibt's in die Kommentare, ich sammle das und ergänze den Beitrag.

Eine Geschichte, die klingt wie erfunden, aber in Gerichtsakten steht: Seit Wochen bekommen Antiquariate in ganz Deutschland nächtliche Massenbestellungen. Vollautomatisch, immer dasselbe Muster: vergriffene Sachbücher, pro Titel genau ein Exemplar, sofort bezahlt. Bis zu 700.000 Bücher allein aus Deutschland, schätzt die Branche. Und vieles spricht dafür, dass sie ein besonderes Ende nehmen: aufgeschnitten, gescannt, geschreddert – als Trainingsfutter für KI. Der belegte Präzedenzfall: Anthropic (die Firma hinter Claude) hat für das interne „Project Panama" Millionen gebrauchte Bücher gekauft, die Rücken abgetrennt, die Seiten gescannt, das Papier entsorgt. Ein US-Gericht sagt: völlig legal. Wer ein Buch kauft, darf damit machen, was er will. Warum der Aufwand? Das freie Internet ist als Trainingsquelle abgegrast. Und was dort nachwächst, ist zunehmend selbst KI-generiert – daraus lernt kein Modell mehr etwas Neues. Was die Branche sucht, sind von Menschen geschriebene, lektorierte, durchdachte Texte. Die stecken millionenfach in alten Büchern, die nie digitalisiert wurden. Mein Lieblingsdetail: Ich habe mit einem Antiquar gesprochen, bei dem fast nichts bestellt wurde – während ein Kollege in Berlin kräftig verkauft hat. Der Unterschied? Er listet seine Bücher ohne ISBN. Die Aufkäufer bestellen aber vollautomatisch nur nach dieser Nummer. Eine fehlende Ziffernfolge entscheidet, wer am KI-Boom mitverdient. Und genau da steckt die Lektion für uns alle: Maschinen kaufen nicht, was gut ist – sie kaufen, was maschinenlesbar ist. Das gilt für Bücher wie für deine Inhalte. Wer ohne Struktur, ohne Metadaten, ohne sauberes Format arbeitet, ist für KI-Systeme unsichtbar. Fluch oder Segen – je nachdem, was du willst. Übrigens: Die Bücher „leben" in den Modellen nicht weiter. Sie werden verrechnet, zerlegt in statistische Muster. KI denkt nicht, sie liest nicht mal. Sie rechnet. Meine Einordnung: Geschreddert wird Massenware, unser Bucherbe liegt sicher in der Nationalbibliothek – dort steht ein Pflichtexemplar von jedem Buch. Die echten Fragen sind Vergütung und Transparenz: Die Autorinnen und Autoren, deren Sprache die Modelle trainiert, bekommen keinen Cent.