
1115 | Sicherheitslücken, Stealth-Server und ein Klassiker: die Tech-Woche
节目备注
Diese Folge blickt auf eine Woche voller Technologie-Nachrichten: Sicherheitslücken in KI-Code-Projekten, ein neues Responsible-Disclosure-Zeitalter bei Google Project Zero, dubiose Nvidia-Finanzkonstrukte, DeepSeek-KI nachgebaut auf einem MacBook, prekäre Jobangebote, neue Datenschutzstreitfälle – und zum Abschluss Nostalgie von Wozniaks handgeschriebenem BASIC bis Monkey Island in 13 Versionen.
Zeitleiste
- 00:00:04 Einleitung
- 00:01:01 Security-Landschaft: von KI-Code-Projekten bis Disclosure-Regeln
- 00:12:05 Nvidia: zirkuläre Finanzierung und ein Rücktritt
- 00:15:24 KI zum Anfassen: ein Spark lernt, DeepSeek wird mini
- 00:18:14 Arbeit zwischen MLM-Fallen und staatlichem Rückzug
- 00:22:24 Steuerrecht in Lean: Lücken auf dem Prüfstand
- 00:24:38 Datenschutz: Bußgeld für Meta, Bystander unter Druck
- 00:28:04 Retro & Community: Wozniak, KDE, Monkey Island
- 00:31:07 Abschluss
Weitere Links
- Lovable apps expose passport details and more than 200K private messages
- Project Zero will disclose vulnerabilities 90 days after reporting
- PyPI's redesigned project pages with clearer security signals are now live
- Show HN: Agweb – a browser for agents that stays out of your way
- Advancing science and engineering with Antigravity's /teamwork
- Nvidia deliberately kept GPU prices high through circular financing deals
- Serving GLM-5.3 at 607.8 tok/s across two Nvidia DGX stations with vLLM
- A visual explanation of reinforcement learning
- Show HN: DeepSeek V3 in ~200 lines of pure Jax
- A family tree of software job titles
- LinkedIn, Monster take down over 1000 fake job postings after CBC investigation
- US IRS free online tax filing open source repo (2025)
- Formalizing US Tax Code (Using Lean)
- Italy fines Meta $887M over Android users' data access
- Tech companies are trying to shift the concept of privacy again
- How did Woz write the Apple 1 BASIC before building the computer?
- KDE: The documentary [video]
- Monkey Island: all 13 versions side by side
Diese Folge wurde von Bri produziert. Bri nutzt fortschrittliche KI-Technologie, um die Feeds, die dir wichtig sind, in Podcasts zum Zuhören zu verwandeln. Kontakt: hi@bri.so.
文字稿
Lena Vogel: Herzlich willkommen zurück zu eurem Hacker-News-Podcast, ich bin Lena Vogel.
Felix Hartmann: Und ich Felix Hartmann. Und heute ist wieder so ein Tag, bei dem die Geschichten mehr verbinden, als man denkt: Es geht um Vertrauen – Vertrauen in Software, die jemand schnell zusammengeklickt hat, Vertrauen in Firmen, die versprechen, dass sie nichts Unfug treiben, und Vertrauen in Regeln, die entscheiden sollen, wann Schwachstellen öffentlich werden.
Lena Vogel: Genau, das ist der rote Faden durch die ganze Sendung. Wir fangen bei der Security-Landschaft an, von KI-generierten Projekten bis zu neuen Disclosure-Regeln, dann gibt es ein großes Nvidia-Thema, wir schauen uns zwei sehr anschauliche KI-Projekte an, reden über Arbeit und Jobtitel, über Steuerrecht formalisiert in Lean, über Datenschutz und Meta, und am Ende geht es zurück zu den Wurzeln: Wozniak, KDE, Monkey Island.
Felix Hartmann: Und beim ersten Thema bleibt wir auch ordentlich hängen, denn da ist tatsächlich viel Diskussionsstoff. Leg mal los.
Lena Vogel: Also, das große Thema: Crissy Field hat 159.041 Lovable-Projekte analysiert. Lovable ist dieser KI-App-Builder, mit dem Leute per Prompt komplette Web-Applikationen generieren. Das Ergebnis: 24.664 dieser Projekte betreiben Supabase-Datenbanken, die ohne jede Authentifizierung offen im Netz stehen.
Felix Hartmann: Viertundzwanzigtausendsechshundertvierundsechzig. Von knapp 160.000. Das ist immerhin jeder siebte, jeder sechste. Und was lag da offen?
Lena Vogel: Daten von echten Menschen. Das reicht von profanen Dingen bis zu Passdaten und über 200.000 Nachrichten. Also keine hypothetischen Demo-Daten, sondern da wurden offenbar echte Anwendungen gebaut, in denen echte Leute stecken, und die dahinterliegende Datenbank war einfach lesbar, vermutlich auch schreibbar, für jeden, der die URL kennt.
Felix Hartmann: Und ich denke, wichtig ist, das technisch einzuordnen, sonst klingt es nur nach einem Lovable-Bashing. Supabase ist Postgres-as-a-Service mit einem API-Layer drüber, und es hat Row Level Security. Das heißt, die Plattform gibt dir Mittel in die Hand, Zugriff zu beschränken. Das Problem ist, dass die Default-Erfahrung so ist, dass ein Anfänger, der sagt „mach mir eine App, wo Leute Nachrichten hinterlassen können“, ein Projekt bekommt, das funktioniert – solange er es testet.
Felix Hartmann: Der Datenzugriff funktioniert eben auch, weil die Policies erstmal offen sind. Sicherheit fällt nicht auf, Sicherheitslücken schon.
Lena Vogel: Und genau das ist der Kern der Diskussion, die ich auch sehr spannend finde: Ist das ein Tool-Problem oder ein Menschen-Problem? Es gibt zwei Lager. Das eine sagt: Wenn du ein Tool verkaufst, das explizit dafür beworben wird, dass Nicht-Programmierer komplette Apps bauen, dann trägst du als Plattform Verantwortung für einen sicheren Default. „Secure by default“ ist seit Jahrzehnten ein Grundsatz des Sicherheits-Engineerings, und hier ist der Default „offen bis auf Weiteres“.
Felix Hartmann: Und das andere Lager sagt?
Lena Vogel: Das andere sagt: Jede herkömmliche Entwicklung hat das gleiche Problem, nur sieht es weniger spektakulär aus. Auch ein Junior-Entwickler vergisst Row Level Security, auch ein Startup mit vier Leuten schifft eine offene Firebase-Datenbank aus. Es gab ja schon vor der KI-Ära regelmäßig diese Enthüllungen über offen im Netz stehende Datenbanken.
Lena Vogel: Der Unterschied ist nur die Skala: Wenn die Hürde, eine App zu bauen, von Monaten auf Minuten fällt, dann vervielfacht sich auch die Anzahl der unsicheren Apps pro Zeiteinheit.
Felix Hartmann: Und da finde ich eine Gegenfrage interessant, die man stellen muss: Wäre es überhaupt gelöst, wenn Lovable jede neue App hinter Authentifizierung zwingt? Denn dann würde ein Teil der Leute den Wizard-Dialog abnicken, ohne zu verstehen, was da passiert, und ein anderer Teil würde absichtlich offene Endpunkte bauen, weil er schnell etwas testen will. Die Aufforderung, „prüf deine Policies“, fruchtet bei jemandem, der nicht weiß, was eine Policy ist, wenig.
Lena Vogel: Was aber ziemlich unbestreitbar ist: Ein Tool, das Sicherheit zum konfigurierbaren Opt-in macht, das der Nutzer nicht verstehen kann, verschiebt die Verantwortung systematisch auf die schwächste Stelle. Und die Entdeckungsmethode bei Crissy Field war ja auch nicht Hacking im klassischen Sinn – das sind konfigurierbar öffentliche Endpunkte, man kann die scannen, ohne irgendwelche Schutzmechanismen zu umgehen. Das spricht eher für die „Default-ist-das-Problem“-Fraktion.
Felix Hartmann: Und dann gibt es noch die ganz unbequeme Frage, die ich als unresolved stehen lassen würde: Wer haftet hier? Der Hobby-Bauer der App? Lovable? Supabase? Und zwar nicht nur juristisch – juristisch ist das vermutlich chaotisch – sondern moralisch. Denn die Passdaten gehören ja gar nicht dem App-Bauer, sondern Dritten, die nie zugestimmt haben, dass ihre Daten in so einem Konstrukt landen.
Lena Vogel: Was uns gut überleitet zum nächsten Stück aus dem gleichen Themenfeld. Denn die Antwort der Sicherheits-Community auf „zu viele Lücken, zu langsame Fixes“ ist gerade eine strukturelle: Google Project Zero hat seine Disclosure-Policy geändert.
Felix Hartmann: Erklär kurz, was Project Zero ist, für die, die es nicht kennen.
Lena Vogel: Das ist das Elite-Team bei Google, das Sicherheitslücken in beliebiger Software sucht – nicht nur bei Google-Produkten – und das berühmt geworden ist für seine Disclosure-Policy: Sie melden die Lücke beim Hersteller und veröffentlichen nach Ablauf einer Frist automatisch, ob gepatcht wurde oder nicht. Der Druck soll über die Deadline kommen. Bis jetzt waren das 90 Tage, mit optionaler Verlängerung, wenn der Hersteller kurz vor einem Patch steht.
Felix Hartmann: Und jetzt?
Lena Vogel: Jetzt gilt: wieder volle 90 Tage, ohne Verlängerungsmöglichkeit. Ab Februar 2027 sinkt das auf 60 Tage, ab Januar 2028 auf 30. Und die sogenannte Patch-Soak-Time wurde gestrichen – das war die Idee, dass man nach Veröffentlichung des Patches noch eine Weile wartet, bevor man die Details offenlegt, damit Nutzer Zeit haben, das Update auch wirklich einzuspielen.
Felix Hartmann: Das ist eine drastische Kurve. 90 auf 30 in gut zwei Jahren. Und das Soak-Time-Streichen ist für mich der eigentlich interessante Teil, denn die 90-Tage-Debatte kennt man seit Jahren, aber die Soak-Time war die Kompromiss-Erfindung der letzten Jahre: „Wir publizieren zwar, aber geben euch nach dem Patch noch zwei Wochen Zeit.“ Wenn die weg ist, heißt das: Am Tag der Veröffentlichung kennt die Welt die Details – und die Angreifer genauso wie die Verteidiger.
Lena Vogel: Und hier teilen sich die Geister, wie so oft. Das Pro-Argument: Der Zeitdruck hat einen Hysterese-Effekt. Wenn Hersteller wissen, dass sie garantiert nur 30 Tage haben, priorisieren sie anders. Es gab in der Geschichte von Project Zero immer wieder Fälle, wo eine Deadline ein Festfahren aufgebrochen hat, wo eine Lücke jahrelang als „low priority“ herumlag und dann plötzlich in zwei Wochen gefixt wurde, weil der Kalender tickte.
Felix Hartmann: Das Contra-Argument ist aber auch nicht von der Hand zu weisen: Für Enterprise-IT und für Router, Cars, IoT – also alles, wo Updates nicht automatisch fließen – ist eine 30-Tage-Frist brutal. Da dauert der Rollout eines Patches in einer großen Firma oft länger als 30 Tage. Dann erreichst du das paradoxeste Ergebnis: Die Details sind öffentlich, der Patch existiert, aber der Großteil der Geräte ist noch verwundbar. Du hast die Angreifer informiert und die Verteidiger nicht geschützt.
Lena Vogel: Und dann die Frage, die in der Diskussion offen blieb und die ich wirklich offen lasse, weil ich sie für unbeantwortbar halte: Beschleunigen schnellere Deadlines überhaupt das Finden von Lücken? Denn die eigentliche Ressource ist nicht die Deadline, sondern die Zahl der Leute, die suchen. Wenn Project Zero 30-Tage-Fristen setzt, aber niemand sonst genügend Forscher hat, dann hast du schnellere Veröffentlichung bekannter Lücken, aber nicht mehr Entdeckung unbekannter.
Lena Vogel: Deadline-Diskussion ist Distribution, nicht Entdeckung.
Felix Hartmann: Schön gesagt. Und was auch dazugehört, ist die Perspektive, dass Project Zero hier als private Institution setzt, was eigentlich regulatorische Politik sein sollte. Ein Team bei Google definiert faktisch einen Industriestandard. Manche finden das gut – schnell, pragmatisch, am Puls. Andere finden es beunruhigend, weil ein einzelner Konzern die Rollkultur des gesamten Ökosystems verschiebt, ohne dass irgendwer abgestimmt hat.
Lena Vogel: Es gibt aber auch noch ein drittes Stück in diesem Security-Komplex, und das ist fast schon das Optimistischste von allen: PyPI, der Python-Package-Index, hat die Projektseiten redesigned und live geschaltet, und zwar mit einem neuen Security-Tab.
Felix Hartmann: Was zeigt der an?
Lena Vogel: Provenance-Status – also ob für ein Paket eine nachprüfbare Herkunft des Builds existiert, mit den Zuständen full, none oder warnings – und per-file Attestations, also kryptografische Belege pro Datei, dass dieses Artefakt wirklich von dieser Build-Pipeline aus diesem Quellcode stammt.
Felix Hartmann: Und das ist wichtig, weil der klassische Angriff auf Ökosysteme wie PyPI nicht „ich finde eine Lücke im Code der Bibliothek“ ist, sondern „ich lade eine bösartige Version hoch“ oder „ich kompromittiere den Release-Prozess“. Wenn ich auf einen Blick sehe: Dieses Artefakt wurde nachweislich vom CI der Maintainerin gebaut und nicht von irgendeinem fremden Rechner hochgeladen, dann wird diese Angriffsklasse viel teurer.
Felix Hartmann: Es ist Verschanzung gegen Supply-Chain-Angriffe, sichtbar gemacht für normale Nutzer.
Lena Vogel: Und die Granularität finde ich bemerkenswert: pro Datei, nicht pro Release. Das heißt, ich kann ein einzelnes Wheel prüfen, ohne dem ganzen Release blind zu vertrauen. Und der gestufte Status – full, none, warnings – ist ehrlich. Er behauptet nicht, alles sei sicher, er sagt nur, was nachweisbar ist. Das ist genau die richtige Bescheidenheit für so ein Feature.
Felix Hartmann: Jetzt lege ich mal einen Finger in die Wunde: Bringt das was, wenn kaum jemand hinschaut? Provenance-Anzeige hilft nur, wenn Installer oder Entwickler sie prüfen. Als Sichtbarkeit und als Druckmittel Richtung Maintainer und CI-Dienste ist es wertvoll. Als aktive Verteidigung für den Alex, der `pip install foo` um 23 Uhr macht? Solange Tools das nicht automatisch bewerten, ist es eher Informationsgesetz als Schutzwall.
Lena Vogel: Fair. Und dann kommt das vierte und letzte Stück aus dem Security-Komplex, und es ist zugleich das politischste: Ein macOS-WebKit-Browser, gebaut für Coding-Agents. Also nicht für Menschen, sondern dafür, dass KI-Agenten darin arbeiten.
Felix Hartmann: Was macht der anders als ein normaler Browser?
Lena Vogel: Vier Punkte. Erstens: kein Fokus-Diebstahl. Der Browser klaut dem Menschen nicht die Fenster, das Keyboard, die Aufmerksamkeit. Ein Agent kann im Hintergrund surfen, während du weiterarbeitest. Zweitens: Steuerung über Shell-Befehle im Stil von playwright-cli, also der Agent spricht den Browser nicht über eine exotische API an, sondern über Kommandos, die es schon in Millionen Automatisierungs-Skripten gibt.
Lena Vogel: Drittens: geteilte Profile, damit der Agent in dem Kontext arbeitet, den du ihm gibst, inklusive Logins, die du kontrollierst. Und viertens: Idle-Tabs werden suspendiert – Ressourcen werden freigehalten, auch wenn der Agent zwanzig Tabs offen lässt.
Felix Hartmann: Und warum ist das eine Security- und nicht nur eine Usability-Geschichte?
Lena Vogel: Weil der Punkt „kontrollierbar“ der eigentliche ist. Das Hauptrisiko bei Browser-Use-Agenten ist ja: Der Agent agiert in deinem Kontext, mit deinen Sessions, auf deinen Accounts, und du siehst nicht, was er tut.
Lena Vogel: Wenn die Infrastruktur dafür designed ist – keine Fokus-Konkurrenz, also du siehst, was passiert, wenn du hinschaust; ein eigenes Profil, also begrenzter Blast Radius; suspendierte Tabs, also kein Ressourcen-Fresser – dann ist Agent-Arbeit plötzlich etwas, das man einem Kollegen ähnlich delegieren kann, dem man einen eingeschränkten Account gibt. Agenten-Arbeitsplätze statt Agenten-Geisterfahrer.
Felix Hartmann: Es schließt damit den Bogen des ganzen Komplexes: Wir hatten die generierte App mit offener Datenbank – Vertrauensverlust. Wir hatten Disclosure-Fristen – Vertrauensverwaltung zwischen Forschern und Herstellern. Wir hatten Provenance – Vertrauensnachweis für Pakete. Und jetzt: Vertrauensarchitektur für Agenten. In allen vier Fällen ist die eigentliche Frage nicht „kann die Technik das?“, sondern „an welche Regeln knüpfen wir Vertrauen?“.
Lena Vogel: Guter Übergang. Und von Regeln kommen wir direkt zu einer Firma, die gerade viel zu wenig von denen zu haben scheint. Nämlich Nvidia.
Felix Hartmann: Und da ist die Story in zwei Teilen. Teil eins ist der Wall-Street-Journal-Bericht: Nvidia hat Mitte 2026 zirkuläre Finanzierungsdeals genutzt. Das heißt vereinfacht: Nvidia investiert Geld in Firmen, die wiederum Nvidia-Produkte kaufen. Damit werden zwei Dinge erreicht: die Wafer-Überschüsse von TSMC werden absorbiert – also die Chip-Nachfrage künstlich stabilisiert – und die GPU-Preise werden hochgehalten, weil die scheinbare Nachfrage größer ist, als sie organisch wäre.
Lena Vogel: Und diePointe: Jensen Huang ist über Affären zurückgetreten. Das ist nicht die übliche „Unternehmenskrise, CFO fliegt“-Story, sondern eine persönliche. Und sie macht es natürlich interpretierbar: Wenn der Gründer-Chef geht, während solche Deals aufgedeckt werden, dann fragt man, was er wusste und was er gedeckt hat. Wobei – und das müssen wir sauber trennen – der Rücktritt ist laut Bericht wegen der Affären, nicht wegen der Deals.
Lena Vogel: Das ist ein wichtiger Unterschied, den man nicht verwischen sollte.
Felix Hartmann: Nein. Aber man darf trotzdem fragen: War die Führungsstruktur so personenzentriert, dass eine private Verfehlung ein so großes Unternehmen trifft? Und die Deals an sich sind ja nicht neu – zirkuläres Financing ist ein Muster, das man aus anderen Wachstumsphasen kennt, auch aus der Telekom-Ära und aus dem Solar-Boom. Es ist immer dasselbe Problem: Wachstum sieht größer aus, als es ist, weil man selbst seine eigenen Kunden finanziert.
Lena Vogel: Und um das greifbar zu machen, warum das System überhaupt so viel Hardware verlangt: Es gibt parallel einen NVIDIA-Blog-Post, der zeigt, wie GLM-5.3 betrieben wurde. Das ist ein 753-Billionen-Parameter-MoE-Modell in NVFP4-Precision, grob 464 GB an Gewicht, verteilt auf zwei DGX Stations, verbunden über ConnectX-8-RDMA, inferiert mit vLLM und Tensor-Parallelismus von 2. Peak: 607,8 Token pro Sekunde.
Felix Hartmann: Das heißt auf Deutsch: Ein Modell, das allein fast eine halbe Terabyte braucht, passt nicht auf eine Maschine. Man braucht zwei High-End-Workstations, die per High-Speed-Netzwerk wie ein einziges System zusammenspielen. Und genau diese Art Nachfrage – „ich brauche noch eine Maschine, weil mein Modell um 100 Billionen Parameter gewachsen ist“ – ist es, die die Wafer-Nachfrage strukturiert.
Felix Hartmann: Die Hardware-Hunger-Geschichte des Blogs und die zirkuläre Finanzierungs-Geschichte des WSJ sind zwei Seiten derselben Ökonomie.
Lena Vogel: Was hier offen ist und was man ehrlich so stehen lassen muss: Wie viel der gemeldeten Nachfrage organisch ist und wie viel durch die Deals selbst erzeugt wird, das kann man von außen nicht sauber trennen. Das WSJ hat den Mechanismus beschrieben, aber die Größenordnung des Effekts ist eine Schätzungssache. Und die Frage nach den Affären und der Nachfolge ist auch noch offen – es gibt noch keinen klaren Übergangsplan, den wir kennen würden.
Felix Hartmann: Und für die Listener, die gerade denken „was geht mich Nvidia an, ich nutze nur Software“: Es geht dich an, weil die Hardware-Kosten die Modell-Preise und damit die gesamten KI-Ökonomie prägen. Wenn die Preise durch künstliche Nachfrage oben gehalten werden, dann bezahlst du das am Ende beim Token.
Lena Vogel: Womit wir beim nächsten Thema sind, und das ist ganz bewusst der Aufwärmer danach: KI zum Anfassen. Zwei Projekte, die beide sagen: KI ist verständlich, wenn man sie klein macht.
Felix Hartmann: Das erste ist von Aatish Bhatia. Er hat eine interaktive Website gebaut, auf der man Reinforcement Learning zuschauen kann. Konkret: ein „Spark“ mit vier Neuronen, der über ungefähr 2.000 Versuche lernt, zum Licht hinzufinden. Man sieht den kleinen Agenten, man sieht die Belohnung, man sieht, wie das Verhalten langsam entsteht.
Lena Vogel: Und das ist mehr als ein Spielzeug, denn Reinforcement Learning ist für die meisten Menschen ein Blackbox-Begriff. „Reward“, „Policy“, „Exploration“ – das sind abstrakte Begriffe. Aber wenn man einen vier-Neuronen-Agenten zusehen kann, wie er erst zufällig herumtaumelt und dann irgendwann konsistent zum Licht driftet, dann klickt es. Vier Neuronen reichen, um zielgerichtetes Verhalten zu erzeugen.
Lena Vogel: Das ist die eigentliche Lehre: Man braucht keine Billionen Parameter, um „Intelligenz“ im Keim zu sehen.
Felix Hartmann: Und das zweite Projekt ist fast noch kompromissloser: Jemand hat die DeepSeek-V3-Architektur in rund 190 Zeilen purem JAX nachgebaut. Wir reden von einem Modell, das Original hat Hunderte Milliarden Parameter. Der Nachbau: 36,2 Millionen. Mit den Kernideen: MLA, also Multi-head Latent Attention, dann DeepSeekMoE mit aux-loss-free Balancing, und MTP, Multi-Token-Prediction. Und er hat das auf einem MacBook Air trainiert.
Lena Vogel: 190 Zeilen. Ein MacBook Air. Ich liebe das, denn es ist die restaurative Botschaft: Die Architektur-Ideen hinter den Frontier-Modellen sind keine Magie, sondern durchdachte, nachbaubare Ingenieurskunst. MLA ist eine Methode, den KV-Cache zu komprimieren. MoE ohne aux-loss bedeutet, das Load-Balancing wird nicht über einen künstlichen Verlustterm erzwungen, sondern über einen Mechanismus, der das direkt im Routing regelt.
Lena Vogel: MTP heißt, das Modell lernt, mehrere zukünftige Token gleichzeitig zu sagen, was das Training effizienter macht. Wenn du diese drei Ideen in 190 Zeilen verstehst, hast du DeepSeek verstanden – nicht die Größe, aber die Ideen.
Felix Hartmann: Und die Verbindung zwischen beiden Projekten ist genau das: Verstehen durch Nachbau und Visualisierung, nicht durch Benchmark-Vergleich. Benchmarks sagen dir, wer gewinnt. Nachbau sagt dir, warum. Und ich würde sogar so weit gehen: Diese Art von Projekt ist auch didaktisch unterversorgt. Wir haben Millionen von Tutorials „trainiere ein ResNet“, aber viel zu wenige „versteh eine Frontier-Architektur in Miniatur“.
Lena Vogel: Und hier ist die Überleitung, die das Thema nahtlos macht: Wenn man KI so klein und so verständlich machen kann, dann kann man das auch mit anderen Systemen. Zum Beispiel mit Jobs. Oder mit Vorschriften. Denn beide sind auch nur Systeme, die man nachbauen kann, um sie zu verstehen.
Felix Hartmann: Fangen wir mit Jobs an. Da gibt es nämlich einen schon etwas älteren, aber sehr griffigen Beitrag: einen Stammbaum von 104 Software-Jobtiteln, von den 1940ern bis heute. Und die Pointe, die die Diskussion zusammengefasst hat: DevOps, SRE und Platform Engineering sind im Kern dieselbe Arbeit, nur umbenannt, Welle um Welle. Der neueste Zweig: AI Agent und Context Engineer, so um 2025.
Lena Vogel: Und die Reaktion darauf ist, glaube ich, zweiteilig. Teil eins: Erkenntnis-Aha. „Ich mache seit 15 Jahren das Gleiche und habe dreimal den Titel gewechselt.“ Das ist die befreiende Lesart – die Arbeit ist stabil, der Markt benennt sie um, und du kannst den Titel auf deinem Profil aktualisieren, ohne dich neu erfinden zu müssen.
Lena Vogel: Teil zwei: Die zynische Lesart – Jobtitel sind Schall und Rauch, Recruiting ist Theater, und der Stammbaum zeigt nur, wie die Industrie ihre Angle-Bias-Zyklen durchtitelt.
Felix Hartmann: Und der neue Titel „Context Engineer“ ist interessant, weil er einerseits ehrlich ist – ja, der Wert liegt heute oft darin, den Kontext zu bauen, in dem ein Modell gut performt. Aber andererseits: Ist das ein Beruf oder eine Phase? In fünf Jahren ist der Kontext-Bau so automatisiert wie heute das Deploy, und der Titel wird wieder umbenannt. Der Stammbaum sagt eigentlich: Die Titel ändern sich zyklisch, die Arbeit verdichtet sich. Nicht jeder neue Ast ist ein echter neuer Beruf.
Lena Vogel: Womit wir beim traurigeren Teil der Arbeitswelt sind: nicht umbenannte, sondern getürkte Jobs. Der CBC hat eine Recherche veröffentlicht, die zeigt, dass es auf LinkedIn und Monster ungefähr 1.500 Inserate für angebliche Remote-Reisejobs gab, die Bewerber in die Evolution-Travel-MLM gelenkt haben. Der Mechanismus: Man bewirbt sich auf einen echten klingenden Job, bekommt dann die „Möglichkeit“, Mitglied in einem Reise-MLM zu werden, und muss erstmal Gebühren zahlen. Über 1.
Lena Vogel: 000 der Anzeigen wurden inzwischen entfernt.
Felix Hartmann: Das ist die MLM-Maschine in neuem Gewand: Der „Job“ ist das Köder, die Gebühr ist das Produkt, und die Aussicht auf Einkommen ist die Illusion. Und die LinkedIn-Variante ist besonders fies, weil LinkedIn ein Vertrauensvorschuss hat. Menschen vertrauen der Plattform, dass Inserate dort wenigstens echt sind. Wenn die Plattform diese Vertrauensvorschuss nicht erfüllt, dann schadet das nicht nur den Einzelnen, sondern dem Konzept „Jobsuche im Internet“ insgesamt.
Lena Vogel: Und was man kritisch diskutieren kann: 1.500 Anzeigen ist eine Zahl, die man findet, wenn man sucht. Die eigentliche Frage ist, wie viel davon noch unentdeckt ist, und ob LinkedIn und Monster strukturell – also mit Screening, mit Verifizierung – reagieren oder nur reaktiv, mit Löschen nach Enthüllung. Über 1.000 Entfernungen klingt gut, aber sie kamen nach dem Rummel, nicht davor.
Felix Hartmann: Und hier kommt die Vernetzung zum nächsten Thema, und sie ist nicht offensichtlich, aber sie ist da: Es geht um staatliche Systeme und Verlässlichkeit. Nämlich: Das IRS Direct File, das Open-Source-Repo, ist archiviert, es wird nicht mehr gepflegt. Die Entwicklung stoppte im Januar. Und – und das ist der spezielle Twist – der Code ist nur per Bundesgesetz öffentlich.
Lena Vogel: Das ist eine interessante Konstellation. IRS Direct File war das Projekt, wo der Staat selbst eine kostenlose Steuer-Software anbietet, um den民营-Markt zu umgehen, der für kostenlose Filing seit Jahrzehnten eigentlich nur Lobby-Arrangements mit Bezahlung-in-Wirklichkeit ist. Und jetzt: Die Entwicklung ist eingestellt, das Repo ist archiviert. „Nur per Bundesgesetz öffentlich“ heißt: Der Code ist zwar zugänglich, aber nicht aus Offenheitsgründen, sondern weil ein Gesetz es verlangt.
Lena Vogel: Also kein Community-Projekt, sondern ein Pflicht-Archiv.
Felix Hartmann: Und ich finde, die Diskussionsfrage, die dahintersteckt, ist eine, die wir in der Software-Welt zu selten stellen: Was bedeutet „open source“ bei staatlicher Software, wenn niemand mehr dran arbeitet? Der Code ist einsehbar, aber totes Material. Keine Issues, keine PRs, keine Zukunft. Ist das noch Open Source im sinnvollen Sinn, oder ist es nur Publikation?
Lena Vogel: Und genau hier schließt sich der Kreis zum Thema, das ich ehrlich gesagt für das intellektuell spannendste der Sendung halte: Steuerrecht in Lean. Die Firma beziehungsweise das Projekt Lexifina hat US Title 26 – das ist der Internal Revenue Code, das US-Steuerrecht – formalisiert, also in die maschinenprüfbare Sprache Lean übersetzt.
Felix Hartmann: Das Ergebnis: 138 echte Entwurfsfehler gefunden. Und die Suche über das formalisierte Gesetz hat bekannte und neue Schlupflöcher entdeckt, darunter eine Besonderheit bei SALT und gemeinsamer Veranlagung. Und der Punkt ist nicht, dass das Tool „Lücken findet“ wie ein Zauberstab, sondern: Wenn man ein so komplexes textliches Regelwerk in eine formale Sprache überträgt, zwingt man sich, jede Definition, jede Ausnahme, jede Verkettung präzise zu machen.
Felix Hartmann: Und an den Stellen, wo das Textliche nicht in die Formale übersetzt werden kann, ist die Lücke.
Lena Vogel: Zum Beispiel der SALT-Fall: Bei Joint Filing, also wenn Ehepaare gemeinsam veranlagt werden, gibt es offenbar eine Wechselwirkung in der Formulierung, die man formal sauber ausdrücken kann – und die dann einen Weg eröffnet, den der Gesetzestext textlich nie so gemeint hat. Das Formale erzwingt die Frage: „Was heißt das eigentlich genau?“ – und die Antwort auf die Frage kann eine Lücke sein.
Felix Hartmann: Aber, und das ist der Punkt, den die Projektbeteiligten selbst betonen: Formalisierung zeigt Lücken, ersetzt aber keine politische Klärung. Lean sagt dir: „Hier ist der Satz so interpretierbar, dass X möglich ist.“ Lean sagt dir nicht, ob X erlaubt sein soll oder nicht. Das ist eine politische Entscheidung, die das Parlament treffen muss. Die Technologie kann die Debatte präzisieren, aber nicht ersetzen.
Lena Vogel: Und das ist gleichzeitig die Verbindung zum IRS Direct File: Beide Themen handeln von demselben Ring – wie zuverlässig ist das Staat-System, mit dem Millionen von Menschen interagieren? Direct File ist die Software-Seite: Wenn der Staat aufhört zu bauen, überlässt er das Feld wieder den Privaten. Title 26 in Lean ist die Regel-Seite: Wenn die Regeln unklar sind, entscheidet am Ende nicht der Gesetzgeber, sondern wer am geschicktesten interpretiert.
Lena Vogel: Beide Male ist die Frage: Wer hat die Verantwortung und wer hat die Kontrolle?
Felix Hartmann: Und von „wer hat die Kontrolle“ kommen wir direkt zu Datenschutz, denn da dreht sich alles genau um diese Frage. Zuerst die gute Nachricht, quasi: Italien hat Meta zu rund 887 Millionen Euro Bußgeld verurteilt. Das ist etwa 805 Millionen Euro, umgerechnet. Der Grund: der Android-Kamera-Roll-Zugriff. Meta hat eine einzige app-weite Foto-Berechtigung verwendet, plus eine generische Warnung. Die italienische Aufsicht hat gesagt: Das ist keine informierte Einwilligung.
Lena Vogel: Und ich finde das Urteil inhaltlich stark, denn es adressiert einen Mechanismus, den wir alle kennen: Der Berechtigungsdialog „App darf auf deine Fotos zugreifen – Zulassen / Nicht zulassen“ ist formal eine Zustimmung, aber informell ist es ein Klick im Vorbeigehen. Eine app-weite Berechtigung sagt dem Nutzer nicht: „Für welche Funktion? Wann? Welche Fotos? Was passiert danach?“ Die italienische Position ist: Zustimmung muss informiert und spezifisch sein, sonst ist sie keine.
Felix Hartmann: Und das ist ein wichtiges Signal, weil es ein Pattern trifft, das weit über Meta hinausgeht: Die Mehrheit der Apps baut Berechtigungs-Broadcasts, die formal okay sind und substantiell leer. Wenn Regulatoren anfangen, „generische Warnung“ als unzureichend zu werten, dann wird das Berechtigungs-UI-Design zum regulierten Feld.
Felix Hartmann: Und das kann gut sein – aber es kann auch dazu führen, dass Nutzer in noch mehr Dialogen ertrinken, wenn App-Entwickler nur mehr Warnungen stapeln statt die Berechtigung wirklich einzuschränken.
Lena Vogel: Und der zweite Teil des Datenschutz-Komplexes ist fast noch wichtiger, weil er ein neues Territorium aufmacht: Die EFF warnt, dass Meta- und Google-Smart-Glasses, Apple Watch Audio Intelligence und Amazon Bee die Datenschutzlasten auf Bystander abwälzen – also auf Menschen, die gar nichts mitgeteilt haben und auch nicht opt-outen können.
Felix Hartmann: Das ist ein fundamentales Problem, und ich will es sauber formulieren: Klassischer Datenschutz basiert auf dem Modell „Der Nutzer des Geräts stimmt zu oder nicht“. Wenn du eine Brille trägst, die aufzeichnet, dann stimmen du zu. Aber die Person neben dir, auf die die Kamera zeigt, stimmt nicht zu – und hat technisch keine Möglichkeit, es zu tun. Sie ist ein bystander, ein unbeteiligter Dritter, und trägt trotzdem die Konsequenz.
Lena Vogel: Und Audio Intelligence macht es noch eine Stufe subtiler, denn eine Uhr, die „geräusche versteht“, hat nicht nur die Frage „wird aufgezeichnet?“, sondern „wird interpretiert?“. Aus einer Unterhaltung in der Nähe können Features extrahiert werden, die weder der Träger noch der Gesprächspartner jemals freigegeben haben. Die Grenze zwischen „mein Kontext“ und „dein Kontext“ wird durch Sensortechnik aufgeweicht, und die Weichmacher sind die Modelle.
Felix Hartmann: Und die Kernforderung der EFF ist quasi: Das Datenschutz-Modell muss sich erweitern. Nicht nur „Träger zustimmt“, sondern „Betroffene können erkennen und reagieren“. Also etwa Aufzeichnungs-Indikatoren, die nicht trivial abschaltbar sind, und technische Wege, wie bystanders wenigstens sagen können „Bitte nicht mit mir“. Wie das konkret aussieht, ist offen – und das ist eine der Fragen, die ich in der Diskussion als nicht gelöst stehen lasse. Das ist ein Design-Problem ohne ausgereifte Lösung.
Lena Vogel: Aber der gemeinsame Kern ist klar und wichtig: Wer sensorische Daten erhebt, braucht echte Zustimmung. Und „echt“ heißt: auch bei denen, die das Gerät nicht bedienen. Das ist ein viel größerer Anspruch, als der bisherige Consent-Dialog-Status quo, und genau darum wird es in den nächsten Jahren streiten geben.
Felix Hartmann: Und für die Überleitung zum Schluss lasst uns vom heutigen Überwachungs-Diskurs zurück zu den Anfängen der persönlichen Computer-Technik. Denn da gibt es drei schöne Geschichten.
Lena Vogel: Die erste ist fast schon mythologisch: Wozniak hat Apple 1 Integer BASIC auf Papier geschrieben. Und zwar nicht in einer höheren Sprache, die er dann kompilieren ließ – sondern hand-assembliert, 6502-Maschinencode, von Hand in Maschinensprache übersetzt, ohne Assembler. Bevor der Computer überhaupt gebaut war.
Felix Hartmann: Halt mal kurz inne, das heißt: Der Mann hat den BASIC-Interpreter als Maschinencode auf Papier geschrieben, mit Bleistift, bevor es die Maschine gab, auf der er laufen sollte. Und dann, als die Hardware da war, ist der Code gelaufen. Das ist eine handwerkliche Leistung, die heute fast niemand mehr vollbringen könnte – und die auch niemand mehr vollbringen muss, weil wir Assembler, Compiler, Simulator, alles haben.
Felix Hartmann: Aber es zeigt: Die ersten Generationen dieses Felds haben die Maschine buchstäblich mit der Hand gebaut und programmiert, im Kopf und auf Papier.
Lena Vogel: Und dann die zweite Geschichte: CultRepo hat eine KDE-Dokumentation veröffentlicht. KDE ist die große freie-Software-Desktop-Community, die seit 1996 existiert. Der Film covern die Geschichte dieser Community – wie sich Menschen über Jahrzehnte ehrenamtlich und beruflich einen Desktop gebaut haben, der heute auf Millionen von Maschinen läuft. Und er wurde breit gelobt, auch auf Hacker News, was schon was sagt, denn da sitzt das kritischste Publikum der Welt.
Felix Hartmann: Und die Verbindung zwischen Wozniak und KDE ist, glaube ich, Handwerk und Community. Wozniak ist das handwerkliche Genie, das allein auf Papier einen Interpreter baut. KDE ist das Community-Kunstwerk, das über Jahrzehnte von hunderten Leuten gebaut wird. Beide zeigen: Software ist nicht „nur Code“, Software ist ein kulturelles Produkt, das von Menschen getragen wird, die an etwas glauben.
Lena Vogel: Und die dritte Geschichte bringt beide Traditionen zusammen: Preservation. Es gibt jetzt eine Website, die alle 13 Versionen von The Secret of Monkey Island nebeneinander zeigt. Das sind 8 Editionen, und in 12 identischen Szenen verglichen. Aufgenommen in ScummVM und Hatari, also in Emulatoren, die die Original-Hardware respektieren.
Felix Hartmann: Monkey Island ist ein Meilenstein des Adventure-Genres, und die Tatsache, dass man jetzt alle Versionen vergleichen kann – von der Disketten-Version über die CD-Version mit gesprochenem Audio bis zu den Remasters – das ist Kulturerbe-Arbeit. Und sie funktioniert nur, weil die Emulator-Community – ScummVM, Hatari – Jahrzehnte an Arbeit reingesteckt hat, um alte Systeme auf moderner Hardware lebendig zu halten.
Lena Vogel: Und damit sind wir am Ende eines Bogens, der weiter gespannt ist, als man dachte: Wozniak hat 1970er-Jahre-Code auf Papier gebaut. Die KDE-Community bewahrt seit 1996 ein offenes Desktop-Ökosystem. Und die Monkey-Island-Site bewahrt ein Spiel in 13 Varianten. Das alles ist die gleiche Arbeit: technische Kultur pflegen, damit sie nicht verloren geht.
Felix Hartmann: Das war unsere Sendung. Wenn ihr eines mitnehmen wollt, dann das: Vertrauen in Software ist kein Zustand, sondern eine laufende Arbeit – ob es um offene Datenbanken geht, um Disclosure-Fristen, um sensible Sensoren oder um den Code, den jemand vor 50 Jahren auf Papier geschrieben hat.
Lena Vogel: Genau so ist es. Wir melden uns wieder. Danke fürs Zuhören.