rohdata
AI · BUSINESS · KLARTEXT
KW 13 / 2026 — Das Muster dieser Woche: Weniger Spektakel. Mehr Substanz.
Die aktuelle Woche hat keine großen Modell-Releases, keine Börsenpaniken, keine Super-Bowl-Spots. Was sie hat: einen überraschenden Rückzug, der mehr über die Wirtschaftlichkeit von KI verrät als jedes Benchmark-Ergebnis. Eine Infrastruktur-Entscheidung, die bestimmt, wie sauber Datenstacks in fünf Jahren aussehen. Eine deutsche Behörde, die Regulierung nicht als Bremse, sondern als gestalteten Prozess versteht. Und einen Essay, der die unbequemste Frage dieser KI-Ära stellt: Was verlieren wir, wenn wir alles komprimieren?
dbt wird native auf Microsoft Fabric. Das ist wichtiger als es klingt.
Am 24. März verkündet Microsoft bei FabCon erste First-class dbt Core Adapter für Fabric Warehouse und Lakehouse. Native GitHub-Integration, Enterprise-Logging direkt nach OneLake ohne Größenlimit, dbt Jobs als native Pipeline-Aktivität mit Parameterunterstützung. Die dbt Fusion Engine — Microsofts nächster Schritt — folgt in Q2 2026. Parallel dazu: Databricks führt echte atomare Transaktionen (BEGIN/COMMIT/ROLLBACK) für Delta Lake und Iceberg ein — klassische Datenbankkonzepte, die jetzt im Lakehouse ankommen.
Warum es zählt: dbt ist heute der de-facto-Standard für Analytics Engineering. Mehr als 80.000 Data-Teams weltweit — Siemens, Roche, Condé Nast — arbeiten damit. Wer bisher Microsoft Fabric ohne dbt-Strategie geplant hat, hat eine zentrale Schicht im modernen Datenstack ignoriert. Die Botschaft aus FabCon ist klar: Fabric und dbt sind keine Alternativen mehr, sondern komplementäre Ebenen desselben Stacks. Transformation-Logik in dbt, Speicherung und Governance in OneLake, BI in Power BI. Wer das heute designt, baut sauber. Wer es ignoriert, baut technische Schulden.
OpenAI stellt Sora ein. Das Ende von „immer weiter und größer“.
Am 25. März verkündet OpenAI völlig überraschend das Ende von Sora — App und API. Das Sora-Team war noch am Montag mit Disney an einem aktiven Projekt, am Dienstag wurde intern und extern gleichzeitig das Aus kommuniziert. Der Milliarden-Deal mit Disney platzt. Team-Zukunft: Robotik. Begründung: Fokus auf Kerngeschäft, steigende Rechenkapazitätsnachfrage. CFO Sarah Friar zur selben Zeit: neue Finanzierungsrunde über $10 Milliarden. IPO-Ziel: Ende 2026.
Warum es zählt: Soras Ende ist kein Produkt-Misserfolg — es ist ein Strategiesignal. OpenAI braucht für den IPO ein profitables, skalierbares Kerngeschäft. Videogenerierung ist das Gegenteil: hohe Infrastrukturkosten, niedrige Zahlungsbereitschaft, einfach kopierbar durch chinesische Wettbewerber wie Seedance. Was bleibt: Coding-Agenten, Enterprise-Integrationen, API-Geschäft. Die Botschaft an den Markt: Consumer-KI-Spektakel wird zurückgefahren, Enterprise-Substanz wird ausgebaut. Das verändert, wie Unternehmen ihre KI-Vendor-Strategie bewerten sollten — weg von „wer hat die beeindruckendste Demo“ hin zu „wessen Geschäftsmodell trägt sich?“
→ heise.de
Deutschland baut eine Datenschutz-Sandbox. Regulierung wird konstruktiv.
Am 23. März startet die Bundesbeauftragte für den Datenschutz, Prof. Dr. Louisa Specht-Riemenschneider, die erste Ausschreibung des ReguLab — Deutschlands neuem strukturierten Datenschutz-Beratungsformat. Erste Runde: bundesunmittelbare Kranken- und Pflegekassen plus ihre Dienstleister können sich bis 3. Mai bewerben. Bis zu 3 Projekte werden 12 Monate intensiv begleitet bei der datenschutzkonformen Gestaltung innovativer datenbasierter Anwendungen. Die gewonnenen Erkenntnisse werden öffentlich im „ReguLab-Report“ veröffentlicht.
Warum es zählt: Das ReguLab ist ein Modell, das die KI-Debatte braucht: Regulierung nicht als nachträgliche Bremse, sondern als begleiteter Gestaltungsraum. Unternehmen, die innovative Datenprodukte bauen und dabei proaktiv Rechtssicherheit schaffen wollen, bekommen hier einen direkten Kanal zur nationalen Aufsichtsbehörde. Für Mittelständler im Gesundheitssektor ist das eine unmittelbar nutzbare Möglichkeit. Für alle anderen ist es ein Modell, das zeigt, wohin sich Datenschutz-Governance in Deutschland entwickeln sollte: weg von der Bußgeld-Kultur, hin zur gestaltenden Partnerschaft.
Anthropic hat 81.000 Menschen befragt. Benn fragt: War das Zuhören?
Benn Stancil, einer der schärfsten Analytiker im Data-Ökosystem, schreibt am 20. März über Anthropics 81.000-Personen-Studie — in drei Monaten, 159 Länder, 79 Sprachen, 25 Mitarbeitende. Zum Vergleich: Die Weltbank hat eine ähnliche Studie in den 1990ern mit fast 400 Menschen über zwei Jahre durchgeführt. Stancil stellt die unbequeme Frage: „Ist das Zuhören?“ Er zitiert einen Teilnehmer aus Ghana: „Armut ist wie Hitze — du kannst sie nicht sehen, du kannst sie nur fühlen.“ Und Ezra Klein: „Nicht sehr viel, was KI mir gegeben hat, hat mich wirklich verändert.“
Warum es zählt: Die Frage gilt nicht nur für Forschung. Sie gilt für jede Organisation, die KI einsetzt, um Kunden, Mitarbeitende oder Märkte zu „verstehen“. Wenn wir jedes Gespräch in Transkripte, jedes Transkript in Cluster und jeden Cluster in ein Bullet-Point-Summary komprimieren — was bleibt dann noch? Für Data Leader ist das eine konkrete Governance-Frage: Welche Erkenntnisse brauchen menschliche Erfahrung, um wirksam zu werden — und welche nicht? Nicht alles, was sich skalieren lässt, sollte skaliert werden.
Diese Woche zeigt eine Branche, die anfängt, zwischen Spektakel und Substanz zu unterscheiden. OpenAI bricht mit der Consumer-Demo-Logik. Microsoft investiert in die handwerkliche Infrastruktur des Datenstacks. Deutschland baut einen konstruktiven Regulierungsrahmen statt reaktiver Bußgeldmechanismen. Und ein Essay erinnert daran, dass Skalierung kein Selbstzweck ist. Das verbindende Signal: Die Phase des „Schaut, was KI kann“ geht zu Ende. Die Phase des „Was soll KI für uns leisten — und was nicht“ hat begonnen.
Nicht als Newsletter-Empfehlung, sondern weil das Gespräch stattfinden sollte.
rohdata erscheint wöchentlich. Kein Hype. Keine Werbung. Nur das was zählt.