Metas Ambitionen für KI-Agenten stoßen im Zuge der Umstrukturierung auf Wachstumsschmerzen

Metas massiver Schwenk hin zu einer Zukunft mit agentischer KI stößt auf unerwartete Reibungsverluste, wie CEO Mark Zuckerberg kürzlich einräumte. Trotz enormer Investitionsausgaben und einer radikalen unternehmerischen Umstrukturierung hat das Unternehmen Schwierigkeiten, die Entwicklung autonomer KI-Agenten in dem ursprünglich angestrebten Tempo zu beschleunigen.

Die Diskrepanz in der agentischen Entwicklung

Während einer kürzlich abgehaltenen internen Town Hall gab Mark Zuckerberg zu, dass die Umstrukturierung von Meta rund um KI-Agenten nicht so reibungslos verlaufen ist wie erwartet. Er stellte fest, dass die Entwicklung der agentischen Fähigkeiten in den letzten vier Monaten nicht die erhoffte Beschleunigung erreicht hat, und erklärte, dass die strategischen Wetten auf diese neue Struktur „noch nicht aufgegangen sind“.

Dieses Eingeständnis erfolgt nach einer Phase intensiver Umstrukturierung. Im Mai entließ Meta etwa 10 % seiner weltweiten Belegschaft und versetzte rund 7.000 Mitarbeiter in spezialisierte KI-Teams. Ziel war es, Arbeitsabläufe zu optimieren und die astronomischen Kosten für die KI-Infrastruktur zu finanzieren. Während Führungskräfte anfangs „super optimistisch“ in Bezug auf die Fähigkeiten von Tools wie Anthropic’s Claude Code waren, hinkten die tatsächliche Integration und der Fortschritt von Metas eigenen agentischen Systemen hinter diesen Branchen-Benchmarks hinterher.

Hohe Einsätze und massive Wetten auf Rechenleistung

Das Ausmaß von Metas Engagement ist atemberaubend. Das Unternehmen ist auf dem besten Weg, in diesem Jahr bis zu 145 Milliarden US-Dollar für KI-Infrastruktur auszugeben – Teil einer breiteren kollektiven Investition der Big-Tech-Unternehmen in Höhe von 700 Milliarden US-Dollar. Um dies zu finanzieren, entwickelt Meta ein Cloud-Geschäft, um überschüssige Rechenkapazitäten an externe Kunden zu verkaufen.

Trotz Zuckerbergs vorsichtigem Ton gab KI-Chef Alexandr Wang einen optimistischeren Ausblick. Wang enthüllte, dass Metas nächstes großes Modell mit dem Codenamen „Watermelon“ sich derzeit im Training befindet. „Watermelon“ soll auf „Avocado“ folgen (der interne Name für das im April veröffentlichte Muse Spark-Modell) und wird eine Größenordnung mehr Rechenleistung nutzen. Wang behauptet, dass „Watermelon“ die Benchmarks von OpenAIs Top-Modellen bereits eingeholt hat, obwohl spezifische technische Daten noch nicht bekannt gegeben wurden.

Modellentwicklung und interne Kontroversen

Die Roadmap für die Modell-Linie von Meta wird immer deutlicher. Nach der Veröffentlichung von Muse Spark im April – das zwar vielversprechend war, aber Schwierigkeiten hatte, mit der Leistung von OpenAI oder Anthropic mitzuhalten – arbeitet Meta an einem großen Update, um die Coding- und agentischen Fähigkeiten zu verbessern. Wang kündigte zudem ein Coding-Modell an, das in naher Zukunft mit Anthropic’s Claude Opus konkurrieren soll.

Der Drang nach KI-Dominanz verlief jedoch nicht ohne interne Reibungen. CTO Andrew Bosworth äußerte sich zu der Kontroverse um Metas Mouse-Tracking-Software, die die digitale Aktivität der Mitarbeiter aufzeichnet, um KI-Trainingsdaten zu generieren. Obwohl eine interne Überprüfung ergab, dass keine sensiblen Mitarbeiterdaten tatsächlich in die KI-Trainingsdatensätze aufgenommen wurden, soll das Programm – dem es zuvor an einer Opt-out-Möglichkeit mangelte – voraussichtlich auf Opt-in-Basis neu eingeführt werden.

Wichtigste Erkenntnisse

• Strategischer Rückstand: Metas interne Umstrukturierung zur Priorisierung von KI-Agenten hat noch nicht die erwarteten Geschwindigkeits- oder Effizienzsteigerungen gebracht.
• Eskalation der Rechenleistung: Meta skaliert seine Trainingskapazitäten erheblich, wobei das kommende „Watermelon“-Modell weitaus mehr Rechenleistung nutzen wird als das aktuelle Muse Spark (Avocado).
• Infrastrukturinvestitionen: Mit geplanten Ausgaben von 145 Milliarden US-Dollar für die KI-Infrastruktur positioniert sich Meta sowohl als Modellentwickler als auch als potenzieller Cloud-Anbieter für überschüssige Rechenleistung.