Warum entwickelt Anthropic keine Hardware?

Das Pixel 11 steht kurz vor der Markteinführung.

Google hat angekündigt, am 12. August Ortszeit in New York eine neue Ausgabe der „Made by Google“-Präsentation abzuhalten. Nach aktuellen Informationen werden das Pixel 11, das Pixel 11 Pro, das Pixel 11 Pro XL und das faltbare Smartphone Pixel 11 Pro Fold voraussichtlich gemeinsam vorgestellt.

Neben Smartphones verfügt Google zudem über Android, Chrome, Pixel Watch, Kopfhörer und Smart-Home-Geräte. Im Mai dieses Jahres stellte es das neue KI-Notebook Googlebook vor, das auf der Gemini-Intelligenz basiert. Die ersten Produkte werden voraussichtlich im Herbst dieses Jahres auf den Markt kommen.

Von Smartphones über Computer bis hin zu Browsern, Wearables und Smart-Home-Geräten verfügte Google bereits über ein Ökosystem aus Hard- und Software, das Arbeit und Leben abdeckt.

Auf der anderen Seite holt OpenAI den Hardware-Bereich komplett von Grund auf nach.

Im Jahr 2025 übernahm es das von Jony Ive gegründete Hardware-Unternehmen io und begann, sein eigenes KI-Geräteprogramm voranzutreiben. Nun zeichnet sich die Form des ersten Produkts bereits ab: Laut einem Bericht von Bloomberg entwickelt OpenAI einen tragbaren, bildschirmlosen Smart-Lautsprecher. Er soll die häusliche Umgebung wahrnehmen, aktiv Hilfe anbieten und als langfristige Präsenz fungieren, die einem „menschenähnlichen KI-Begleiter“ näherkommt – ein bisschen wie unser bekannter „Xiao Ai“ (GPT-Version).

Das eine Unternehmen verfügt bereits über ein Hardware-Ökosystem, das andere will neue Endgeräte von Grund auf neu entwickeln. Beide Unternehmen mit unterschiedlichen Hintergründen richten ihren Blick auf die nächste Zugangsebene im KI-Zeitalter.

Unter den „drei Großen“ wirkt nur Anthropic besonders still.

Es gibt kein Claude-Smartphone, keine Smart-Brille und kein öffentlich vorgestelltes neues Gerät, das die Mensch-Maschine-Interaktion verändern soll. Obwohl Claude zu einem der wichtigsten Basismodelle geworden ist, läuft das Kernprodukt von Anthropic nach wie vor auf Computern, Browsern und Cloud-Plattformen, die von anderen hergestellt werden.

Während immer mehr KI-Unternehmen um die Endgeräte konkurrieren, an denen Nutzer mit KI in Kontakt treten, setzt Anthropic möglicherweise auf eine andere Zukunft:

Was im KI-Zeitalter wirklich kontrolliert werden muss, ist nicht unbedingt das Gerät in der Nähe des Nutzers, sondern das Basismodell selbst sowie die Werkzeuge, die das Modell tatsächlich in die Arbeit bringen.

Wer Altes anpasst, geht den einfachen Weg – wer Neues schafft, strebt nach Vollständigkeit

Sowohl Google als auch OpenAI entwickeln Hardware, aber ihre Ausgangspunkte sind genau gegensätzlich.

Für Google ist Hardware eine Karte, die es bereits in der Hand hält.

Suche, Chrome, Android, Workspace und Cloud bilden Googles Internet-Imperium; Pixel-Smartphones, Uhren, Kopfhörer, Smart-Home-Geräte und das kommende Googlebook erweitern dieses Ökosystem bis hin zu den Geräten, die Nutzer täglich verwenden.

Das im Mai dieses Jahres vorgestellte Googlebook ist besonders typisch. Wie wir in früheren Artikeln erläutert haben, treibt KI den Wert eines Teils der Produktivitätshardware wieder in die Höhe. Gleichzeitig mit der Entwicklung von KI-Agenten benötigen Computer auch stärkere lokale Leistung, tiefere Systemberechtigungen und eine reibungslosere app-übergreifende Zusammenarbeit, damit KI besser in den täglichen Arbeitsablauf der Nutzer integriert werden kann.

Was Google tun will, ist das ursprünglich um das Internet aufgebaute Produkt-System in ein Ökosystem umzuwandeln, das auf KI basiert.

Das ist die KI-Transformation eines etablierten Technologieunternehmens.

Sein Vorteil liegt darin, dass es genügend Karten in der Hand hat. Das Modell muss keine Nutzer von Grund auf suchen, sondern kann direkt in Smartphones, Computer, Browser, E-Mails, Bürosoftware und Cloud-Dienste integriert werden. Aber genau hier liegt auch seine Schwierigkeit: Jede alte Karte ist mit einer ausgereiften Produktlogik, Einnahmestruktur und Nutzergewohnheiten verbunden.

Als weiteres etabliertes Technologieunternehmen steht Apple vor dem gleichen Problem.

Es verfügt über Smartphones, Computer, Betriebssysteme, Chips, App Stores und eine große Anzahl hochwertiger Nutzer. Theoretisch beherrscht es die Zugangsebene im KI-Zeitalter, die am schwierigsten zu erlangen ist. Gerade im Bereich der Basismodelle hat Apple jedoch lange Zeit keine ausreichend wettbewerbsfähigen Fähigkeiten entwickelt.

Schließlich entschied sich Apple, auf Google zu setzen. Im Januar dieses Jahres gaben beide Seiten eine mehrjährige Zusammenarbeit bekannt: Das nächste grundlegende Apple-Modell wird auf dem Gemini-Modell und der Cloud-Technologie von Google basieren und für die neue Version von Siri sowie weitere Apple-Intelligence-Funktionen verwendet.

Das stärkste Vermögen von Apple weist damit eine deutliche Lücke auf: Endgeräte, Systeme und Nutzer sind bereits bereit – die Intelligenzebene, die die nächste Generation der Interaktion antreiben kann, muss von außen ergänzt werden.

Meta wirkt dagegen wie ein Beispiel für eine fehlgeleitete Transformation.

Es hatte einst ein fast beneidenswert gutes Blatt in der Hand: globale Nutzer und soziale Verbindungen durch Facebook, Instagram und WhatsApp, den Einfluss des Modells Llama, umfangreiche Investitionen in Rechenleistung und ein seit Jahren bestehendes Hardware-Team.

Von Quest, Ray-Ban-Brillen bis hin zu Orion und myoelektrischen Armbändern hat Meta fast keine Richtung verpasst, die als nächste Zugangsebene dienen könnte. Doch all diese Investitionen haben nie zu einer Haupt-Produktlinie geführt, die das Unternehmen neu definieren könnte. Es hat sich in der Hardware-Entwicklung an vielen Stellen versucht – und am Ende blieb es mit dem Gefühl des Scheiterns zurück, nichts wirklich erreicht zu haben.

Im Vergleich dazu weiß Google zumindest, wohin es seine Karten ausspielen soll.

Auf der anderen Seite der etablierten Technologieunternehmen muss OpenAI als natives KI-Unternehmen bei der Hardware-Entwicklung komplett von Grund auf neu anfangen.

Es startete mit Basismodellen und ChatGPT und verfügt über keine eigenen Smartphones, Betriebssysteme, App Stores, Browser-Kerne und Lieferketten für Unterhaltungselektronik. Obwohl ChatGPT eine große Anzahl von Nutzern hat, müssen diese Nutzer es dennoch über Geräte verwenden, die von Apple, Google und Microsoft kontrolliert werden. Mit anderen Worten: OpenAI beherrscht das Modell und die Anwendungen, aber nicht die Endgeräte, die sie tragen.

Daher ist die grundlegende Logik von OpenAIs Hardware-Entwicklung zunächst, fehlende Grundlagen nachzuholen.

Im Jahr 2025 integrierte OpenAI das von Jony Ive gegründete Team io in das Unternehmen und baute offiziell eigene Gerätekompetenzen auf. Am 15. Juli meldete Bloomberg unter Berufung auf informierte Quellen, dass das erste Gerät, das von OpenAI und dem Team von Jony Ive entwickelt wird, ein tragbarer, bildschirmloser Smart-Lautsprecher sein könnte. Er soll als „menschenähnlicher KI-Begleiter“ konzipiert sein, der die häusliche Umgebung wahrnimmt und aktiv Hilfe anbietet.

Dem Bericht zufolge wird das Produkt dazu beitragen, Smart-Home-Geräte zu steuern, Medieninhalte abzuspielen, Fragen zu beantworten und Nachrichten zu bearbeiten – und dabei alle Funktionen zu nutzen, die ChatGPT bietet.

Im Mai dieses Jahres berichtete der Analyst Ming-Chi Kuo, dass OpenAI die Entwicklung eines Produkts für den Smartphone-Markt beschleunigt und die Massenproduktion frühestens 2027 beginnen will. Ende Juni kündigte das Entwicklerkonto von OpenAI öffentlich die Codex-Hardware in Zusammenarbeit mit dem spezialisierten Tastaturhersteller Work Louder an und markierte den 15. Juli als Enthüllungsdatum. Zum Zeitpunkt der Veröffentlichung sind die Produktdetails noch nicht offiziell bekannt gegeben worden.

Vom bildschirmlosen KI-Begleiter für den Haushalt über das gemeldete Smartphone bis hin zum öffentlich angekündigten Codex-Controller: OpenAI will offensichtlich nicht nur ein einzelnes Hardware-Produkt herstellen. Es testet gleichzeitig neue Geräteformen, den etablierten Smartphone-Markt und physische Zugangsebenen für spezifische Arbeitsszenarien.

Aber Hardware ist nur ein Teil dieser Expansion.

Von Suche und Browsern über Programmierung, Büroarbeit, Unternehmensdienste bis hin zu Anwendungsplattformen erweitert es sich ständig von dem Modell aus. ChatGPT ähnelt immer weniger dem ursprünglichen Chat-Produkt und nähert sich einem einheitlichen Zugangspunkt, der alle digitalen Aktivitäten zusammenfassen will.

Am 9. Juli begann OpenAI, seine ursprünglich verteilten Produktlinien unter ChatGPT zusammenzuführen: Die Codex-App wurde offiziell in die neue Desktop-Version integriert, und ChatGPT Work erweiterte die Fähigkeit von Codex zur Ausführung langwieriger Aufgaben von der Programmierung auf Dokumente, Websites und Präsentationen. Gleichzeitig wird der Atlas-Browser am 9. August eingestellt, und die zugehörigen Browsing-Funktionen werden weiter in ChatGPT integriert.

Das entspricht genau der Richtung des „Super-App“ auf dem Desktop, die zuvor von Medien berichtet wurde: Suche, Browsing, Programmierung und allgemeine Arbeit behalten keine separaten Zugangspunkte mehr, sondern werden schließlich zu Funktionsmodulen innerhalb von ChatGPT.

Der Expansionsweg von OpenAI ähnelt stark dem Wachstumsmuster von Super-Plattformen im Internet-Zeitalter: Zuerst Nutzer gewinnen, dann Zugangspunkte besetzen; sobald die Zugangspunkte entstanden sind, werden Suche, Browsing, Inhaltserstellung, Werkzeugaufruf und Aufgabenausführung nach und nach in ein einziges Ökosystem aufgenommen.

Wenn man jedoch die umfassende Expansion von OpenAI erwähnt, kommt man an Sam Altman kaum vorbei. Mit anderen Worten: Dieser Weg trägt seine sehr ausgeprägte persönliche Handschrift.

Altman wuchs im Internet-Startup-Ökosystem und dem Umfeld von Y Combinator auf. Er ist es gewohnt, von einem ausreichend großen Endzustand aus zu überlegen, welche Elemente für die Erreichung dieses Zustands noch fehlen – und sie dann nacheinander zu ergänzen. Neben OpenAI gehören zu den Bereichen, in die er langfristig investiert und die er vorantreibt, Chips, Energie, Identitätsüberprüfung und Biowissenschaften. Er hat auch nach extrem großen Kapitalmengen gesucht, um die globale Versorgung mit KI-Chips und Rechenleistung neu zu gestalten.

Daher ist die heutige Expansion von OpenAI nicht einfach „mehrere Produkte herstellen“. Altman scheint davon überzeugt zu sein: Wenn KI letztendlich zu einer grundlegenden Plattform wird, darf OpenAI nicht nur das Modell beherrschen. Es braucht auch Anwendungen, Nutzer, Endgeräte, Rechenleistung – und sogar Chips und Energie, die die Rechenleistung unterstützen.

Diese Denkweise einer „Internet-Plattform“ ist genau der Punkt, an dem er seit langem kritisiert wird: Super-Plattformen im Internet-Zeitalter konnten sich auf nahezu null Kosten für die Software-Vervielfältigung und starke Netzwerkeffekte stützen, um ständig neue Dienste auf bestehende Nutzer zu überlagern. Aber KI ist ein Geschäft, bei dem jeder Aufruf echte Kosten verursacht.

Altman baut möglicherweise das eigentliche Betriebssystem für das KI-Zeitalter – oder er überträgt nur die erfolgreiche Erfahrung des Internet-Zeitalters, „zuerst Zugangspunkte erobern, dann umfassend expandieren“, in ein Zeitalter, in dem Kostenstruktur und Branchengesetze anders sind.

Anthropic: Hardware ist nicht das Wichtigste

OpenAI hat sich dafür entschieden, das Basismodell ständig nach außen zu erweitern und schließlich alle Zugangsebenen zu ergänzen, die ein Unternehmen beherrschen kann. Anthropic, das ebenfalls mit Basismodellen begonnen hat, hat jedoch fast die gegenteilige Entscheidung getroffen.

Natürlich fügt Claude auch Fähigkeiten wie Suche, Design, Büroarbeit und mobile Nutzung hinzu. Trotz der wachsenden Nutzerzahl von Claude hat Anthropic kein Interesse gezeigt, es zu einem allumfassenden Super-Zugangspunkt zu machen.

Die Anzahl seiner Produkte steigt, aber die Hauptlinie bleibt immer konzentriert: Weiter in Basismodelle investieren und die Modelle in echte Arbeitsszenarien bringen.

Das ist auch der Unterschied zwischen Anthropic und vielen KI-Anwendungsunternehmen. Es nimmt nicht ein fertiges Modell und sucht dann nach einigen vertikalen Szenarien, die leicht zu monetarisieren sind. Hinter Claude Code, Cowork und Claude Science steht eine gemeinsame Voraussetzung: Das Basismodell selbst muss stark genug sein, um große Kontextmengen zu verstehen, mehrstufige Aufgaben zu planen, externe Werkzeuge aufzurufen und nach Fehlern weiter anzupassen.

Das MCP, das Anthropic 2024 eingeführt hat, bietet eine offene Verbindungsmethode, um diese Modelle in echte Arbeitsabläufe zu bringen. Auf Basis von MCP kann Claude über verschiedene Konnektoren auf Codebasen, Datenbanken, Google Drive, Slack und interne Unternehmenssysteme zugreifen, den Kontext aus verschiedenen Werkzeugen erfassen und nach Autorisierung Aktionen ausführen.

Anthropic hat nicht versucht, alle Daten und Software in die eigene geschlossene Ökosystem von Claude zu ziehen – später hat es MCP sogar einer herstellerunabhängigen offenen Governance übergeben. Es scheint zu glauben: Solange die harten Fähigkeiten des Modells ausreichen und es Zugang zu allen Arbeitsumgebungen hat, muss Claude nicht jede Anwendung selbst besitzen, um die zentrale Intelligenzebene im Workflow zu werden.

Die Konzentration von Anthropic auf echte Arbeitsszenarien zeigt sich zunächst in der fortwährenden starken Investition in Basismodelle.

Es ist nicht schwer, einen flüssigen Text zu schreiben. Aber um eine gesamte Codebasis zu verstehen, Dateien zu bearbeiten, Tests auszuführen und dann die Korrekturen basierend auf Fehlermeldungen vorzunehmen, muss das Modell viele Dinge nacheinander richtig machen. Das Gleiche gilt für Forschung, Finanzen, Recht und Unternehmensprozesse: Arbeit erstreckt sich oft über mehrere Software und Datenquellen, und die Ergebnisse müssen überprüfbar, nachverfolgbar und lieferbar sein.

Jeder Fehler in einem Schritt kann den gesamten Arbeitsablauf wertlos machen.

Der Wert von Claude Code kommt nicht nur von der Endgeräte-Oberfläche, dem Berechtigungssystem oder der Integration mit Entwicklungswerkzeugen. Es funktioniert vor allem, weil Claude selbst große Codebasen verstehen, lange Aufgabenstatus aufrechterhalten und nach fehlgeschlagenen Tests weiter nach Problemen suchen kann. Das Gleiche gilt für Cowork und Claude Science: Produkte können die Arbeitsumgebung bereitstellen – aber was letztendlich bestimmt, wie weit sie kommen, sind die Fähigkeiten des Modells.