Alles, was auf der Microsoft Build 2026 angekündigt wurde

Die Microsoft Build 2026 wartete mit so vielen Produktnamen auf, dass sich Entwickler fragen konnten, ob die Keynote ihren eigenen Paketmanager mitbringt.

Vereinfachen wir also das Ganze: Microsoft will eine Welt schaffen, in der KI-Agenten echte Arbeit erledigen.

Das war von Anfang an Satya Nadellas Perspektive. Er eröffnete die Keynote mit den Worten, dass es bei Entwicklerkonferenzen darum gehe, technologische Umbrüche und den neuen Stack zu verstehen. Der neue Stack, den er skizzierte, bestand aus fünf Ebenen: Computing, Modelle, Kontext, Tools und Laufzeitumgebung – umgeben von Sicherheits- und Governance-Systemen.

Das bedeutet mehr als nur eine bessere Copilot-Schaltfläche. Auf der Build 2026 zeigte Microsoft einen Agenten-Stack, der Chips und Rechenzentren, Windows-PCs, GitHub-Workflows, Azure-Tools, Microsoft-365-Daten und neue Geräte wie Büro-Badges und Schreibtischbegleiter umfasst.

Die zentrale Idee lautet: Agenten brauchen einen Ort, an dem sie leben können.

Ein Chatfenster funktioniert gut, wenn man eine Frage stellen möchte. Ein echter Unternehmensagent – also eine Software, die stellvertretend für einen Aufgaben erledigen kann – braucht deutlich mehr. Er benötigt Rechenleistung, auf der er läuft, die Berechtigung zum Zugriff auf Dateien, eine Identität, damit das Unternehmen weiß, wer was getan hat, ein Gedächtnis für die Aufgabe, Tools, die er sicher verwenden kann, und einen Prüfpfad, über den die IT später nachvollziehen kann, was passiert ist.

Microsofts Antwort besteht also darin, den gesamten Stack darum herum aufzubauen.

Tauchen wir ein, einverstanden? Scrollen Sie weiter für unsere vollständige Zusammenfassung.

Zuerst die Kurzfassung

Bei der Microsoft Build 2026 ging es nicht wirklich um eine neue Copilot-Funktion, ein neues Surface-Gerät oder ein neues Modell.

Microsoft versuchte vielmehr, den gesamten Agenten-Stack zu zeigen.

Bei 1:50 skizzierte Satya Nadella den Rahmen: Computing, Modelle, Kontext, Tools, Laufzeitumgebung und Sicherheit. Einfach ausgedrückt: Microsoft ist der Ansicht, dass nützliche Agenten eine vollständige Arbeitsumgebung benötigen.

Die wichtigsten Ankündigungen lassen sich in diese Struktur einordnen:

• Lokale Agenten: Bei 4:24 kündigte Microsoft Updates für die Windows AI APIs an, darunter Aion 1.0 Instruct und Aion 1.0 Plan. Aion Instruct ist ein kleineres On-Device-Modell für Zusammenfassungen, Umformulierungen, Intents und Barrierefreiheit. Aion Plan ist ein Modell mit 14B Parametern für Schlussfolgerungen und Tool-Aufrufe mit einem Kontext von 32K, das als Bestandteil von Windows direkt mitgeliefert wird.
• Windows für Entwickler: Microsoft kündigte außerdem Windows Development Configurations an, die nun allgemein verfügbar sind. Damit können Entwickler mithilfe einer einzigen WinGet-Konfigurationsdatei eine optimierte Entwicklungsmaschine einrichten. Außerdem wurde Intelligent Terminal vorgestellt, ein experimentelles Windows Terminal mit Agentenkontext über ACP, sowie Coreutils for Windows und WSL containers, die demnächst als Preview verfügbar sein sollen.
• KI-PCs: Bei 6:14 stellte Microsoft den Surface Laptop Ultra vor, eine hochwertige Windows-KI-Workstation mit Nvidia-Chips und bis zu 128 GB gemeinsam genutztem Speicher. Bei 7:23 folgte die Vorstellung der Surface RTX Spark Dev Box, einer kompakten lokalen KI-Entwicklungsmaschine mit bis zu 1 Petaflop KI-Rechenleistung, 128 GB gemeinsam genutztem Speicher, Unterstützung für lokal ausgeführte Modelle mit bis zu 120B Parametern und Verfügbarkeit im Laufe dieses Jahres.
• Nvidia-Stack: Microsoft und Nvidia kündigten einen einheitlichen agentischen KI-Stack für RTX Spark Windows PCs und die DGX Station for Windows an. Die übergeordnete Idee: Windows wird zu einem Ort, an dem Entwickler persönliche Agenten lokal ausführen und auf hochmoderne Agenten in der Cloud hochskalieren können.
• Infrastruktur: Zu den Infrastruktur-Updates von Microsoft für das Agentenzeitalter gehörten Maia 200 im Produktivbetrieb, Cobalt 200 VMs als Preview sowie Multipath Reliable Connection (MRC), ein offenes Netzwerkprotokoll, das gemeinsam mit AMD, Broadcom, Intel, OpenAI und Nvidia entwickelt wurde, damit KI-Workloads im Extremmaßstab zuverlässig ausgeführt werden können.
• Neue Agentengeräte: Bei 37:49 stellte Microsoft Project Solara vor, eine Chip-bis-Cloud-Plattform für Agenten-orientierte Geräte, darunter Schreibtischgeräte und Konzepte für tragbare Badges, die gemeinsam mit MediaTek und Qualcomm entwickelt wurden.
• Agentische Datenbanken: Microsoft gab eine Preview von Azure HorizonDB heraus, einem vollständig verwalteten PostgreSQL-Dienst für agentische Apps. Er bietet extrem niedrige Latenzen, horizontale Skalierung für Lesevorgänge, bis zu dreimal schnellere Transaktionen und Suchvorgänge, fortschrittliche Vektorindizierung, semantische Suche, Modellzugriff innerhalb der Datenbank sowie Integrationen mit Microsoft Fabric und Foundry.
• Schnellere Analysen: Microsoft kündigte ein GPU-accelerated Fabric Data Warehouse an, das geeignete Abfragen ohne Anpassungen am Abfragecode auf Nvidia-beschleunigter Rechenleistung ausführen kann. Die zugrunde liegende CoddSpeed-Forschung wurde auf der SIGMOD 2026 als bestes Industrie-Paper ausgezeichnet, und laut Microsoft zeigten interne Benchmarks eine bis zu siebenmal schnellere Leistung.
• Webzugriff für Agenten: Bei 55:58 kündigte Microsoft Web IQ an, das Corey Noles als Microsofts neuere, schnellere und effizientere Möglichkeit für Agenten einordnete, das Internet zu nutzen. Laut Microsoft ist Web IQ modellunabhängig, MCP-nativ und für Web, Nachrichten, Bilder und Videos entwickelt. Es liefert bereits die Grounding-Daten für Microsoft Copilot und ChatGPT.
• Unternehmenskontext: Bei 56:57 stellte Microsoft seine umfassendere IQ-Ebene vor, darunter Work IQ, Foundry IQ und Fabric IQ. Übersetzt bedeutet das: Agenten können Webdaten, Unternehmensdaten, den Kontext des Arbeitsplatzes und Geschäftsbeziehungen in einem einheitlich verwalteten System nutzen.
• Produktive Agenten: Bei 1:14:57 positionierte Microsoft Foundry als Produktivschicht für Agenten – mit gehosteten Agenten, dem Starten von Sandboxen in unter 100 ms, null Leerlaufkosten, Toolboxes, Unterstützung für Fireworks AI, Tracing, Evaluierungen, Agent Optimizer, Adaptive Evaluations und der Veröffentlichung in Teams und Microsoft 365 Copilot mit nur einem Klick.
• Coding-Agenten: Bei 1:18:21 zeigte GitHub die neue GitHub Copilot app – im Grunde Microsofts Antwort auf Codex und Claude Code, mit Zugriff auf Modelle von OpenAI, Anthropic und Google. Außerdem gibt es ein GitHub repo für Entwickler.
• Backends für Unternehmens-Apps: Microsoft gab eine Preview von Rayfin heraus, einem Open-Source-SDK und einer CLI, mit denen Agenten typisierte, verwaltete App-Backends mit Datenbanken, Authentifizierung, Speicher und Zugriffsrichtlinien generieren können. Das Rayfin repo ist live. Dank der Partnerschaft mit Replit können Entwickler in Replit arbeiten und App-Daten sowie -Dienste in ihren eigenen Fabric-Tenant bereitstellen.
• Schutzvorkehrungen für Unternehmen: Bei 1:04:31, Microsoft stellte Microsoft Execution Containers oder MXC über dieselben Windows agent runtime updates. Um 1:25:53 stellte Microsoft außerdem Agent 365 vor, seine Steuerungsebene für die Verwaltung von Agents mit Identität, Berechtigungen, Sicherheit, Datenschutz und Compliance.
• Cloud-PCs für Agents: Microsoft kündigte Windows 365 for Agents an. Der Dienst stellt Agents abgesicherte, verwaltete Cloud-PCs für die Interaktion mit Apps, Browsern, Altsystemen, APIs und UI-gesteuerten Workflows bereit. Er unterstützt No-Code- und Pro-Code-Agents, funktioniert über die Tools von Agent 365 und die Vorschau von Copilot Studio und nutzt verbrauchsabhängige Preise.
• Offene lokale Agents: Microsoft hat OpenClaw on Windows als Teil der Windows agent runtime updates über MXC in die Vorschau gebracht. Nvidia bringt OpenShell ebenfalls auf Windows, um sandboxbasierte autonome Agents mit Richtlinienverwaltung, Inferenz-Routing und Verschleierung personenbezogener Daten zu ermöglichen.
• Dauerhaft aktive Arbeits-Agents: Um 1:43:31 stellte Microsoft Copilot Autopilots vor, beginnend mit Microsoft Scout, einem dauerhaft aktiven Arbeits-Agent auf Basis von OpenClaw. Scout läuft in Teams, Outlook, OneDrive, SharePoint und bei Aktionen auf dem lokalen Gerät – mit einer eigenen, durch Richtlinien gesteuerten Entra-Identität.
• Microsofts eigene Modelle: Um 1:51:51 stellte Microsoft die next-gen Microsoft AI model family vor, darunter MAI-Thinking-1, das erste Reasoning-Modell des Unternehmens. Um 1:52:00 sagte Mustafa Suleyman, es handle sich um ein Modell mit 35 Milliarden aktiven Parametern, das in der Gewichtsklasse mittelgroßer Modelle konkurriert.
• Unternehmensspezifische Modelle: Um 1:46:38 stellte Microsoft Frontier Tuning als Möglichkeit vor, wie Unternehmen ihre eigene „Hill-Climbing-Maschine“ bauen können – also private Trainingsschleifen, die Modelle rund um die eigenen Workflows, Evaluierungen, Tools und Daten verbessern.
• Security-Agents: Microsoft hob außerdem MDASH hervor, sein agentisches Sicherheits­system mit mehreren Modellen, das Teams von Agents einsetzt, um ausnutzbare Fehler besser zu finden als ein einzelnes Modell oder ein einzelner Scanner.
• Wissenschaftliche Entdeckungen: Um 2:10:45 teilte Microsoft mit, dass Microsoft Discovery nun allgemein verfügbar ist. Das System nutzt spezialisierte Agents, Wissensgraphen, Simulationen und Labor-Workflows, damit Forschende schneller durch den wissenschaftlichen Prozess kommen. Microsoft hat außerdem einen Discovery blog.
• veröffentlicht. Quantencomputing:Um 2:18:18 kündigte Microsoft Majorana 2 an, seinen Quantenchip der nächsten Generation, dessen Qubits laut Microsoft 1.000-mal zuverlässiger

sind als die von Majorana 1.Kurz gesagt:

Microsoft will Agents aus Chatfenstern in das Betriebssystem, den Browser, die Codebasis, die Cloud, die Unternehmensdatenbank und schließlich in neue Geräte wie Badges und Schreibtischbegleiter bringen.

Die schwierige Aufgabe besteht darin, das einfach wirken zu lassen.

Microsoft verfolgt eine kohärente Agent-Strategie. Gleichzeitig hat das Unternehmen ein Namensproblem, das groß genug ist, um als Infrastruktur durchzugehen. Andererseits geht es hier um KI. In dieser Branche waren Namen noch nie der tragende Teil des Stacks.

Die Schlagzeile: Microsoft baut den Agent-Computer

Ein nützlicher Agent braucht mehr als ein intelligentes Modell. Er benötigt dieselben unspektakulären, aber unverzichtbaren Bestandteile wie jedes Arbeitsplatzsystem:

• Rechenleistung für einen günstigen und schnellen Betrieb, manchmal auf dem eigenen Gerät.
• Kontext aus Unternehmensdateien, Apps, Datenbanken und dem Web.
• Identität damit das Unternehmen weiß, wer oder was eine Aktion ausgeführt hat.
• Abschirmung, also eine sichere Umgebung, in der der Agent Code ausführen oder Dateien berühren kann, ohne sich im gesamten Computer auszubreiten.
• Schnittstellen, die dort auftauchen, wo die Arbeit stattfindet, statt alles über eine einzige Chat-App zu erzwingen.

Diese Einordnung erklärt die Flut an Ankündigungen. Windows AI APIs, Aion Instruct, Aion Plan, Surface Laptop Ultra, Surface RTX Spark Dev Box, Windows agent containment, OpenClaw on Windows, Microsoft Foundry, Web IQ, Scout, GitHub Copilot App, Azure HorizonDB, Project Solara, Maia 200, Cobalt 200, Microsoft Discovery, Majorana 2 und die Partnerschaft mit der Mayo Clinic weisen alle in dieselbe Richtung.

Microsoft versucht, Windows, Azure, GitHub und Microsoft 365 zur Betriebsumgebung für Agents zu machen.

Oder anders gesagt: Microsoft will Agents von einem „Ding, das man fragt“ zu einem „Ding, dem das Unternehmen sicher Arbeit zuweisen kann“ machen.

Windows wird zur lokalen Agent-Plattform

Microsoft begann an der Edge, weil das Unternehmen möchte, dass Entwickler Windows-PCs wieder als ernstzunehmende KI-Maschinen betrachten.

Um 2:46 begann Satya mit Windows. Er sagte, die in PCs vorhandene lokale Rechenleistung sei „erstaunlich“, und verwies dann auf aktuelle Beispiele, die bereits die integrierte KI nutzen: Outlook-Zusammenfassungen, Alternativtexte in PowerPoint, Super-Resolution in Teams sowie Adobe-Tools wie After Effects und Premiere.

Die Botschaft lautete, dass Windows ML und Windows AI erweitert werden, damit Entwickler lokale, integrierte KI entwickeln können, die auf der gesamten installierten Basis von Windows-GPUs, NPUs und CPUs läuft.

Dann kündigte Microsoft um 4:24 Aion Instruct und Aion Plan.

an. Aion Instruct ist das kleinere On-Device-Modell für Zusammenfassungen, Umformulierungen, Absichten und Barrierefreiheit. Aion Plan ist das Reasoning- und Tool-Calling-Modell mit 14 Milliarden Parametern und einem Kontext von 32K, das als Bestandteil von Windows direkt mitgeliefert wird. Zusammen ermöglichen sie laut Satya eine vollständige lokale agentische Schleife: Entwickler können Agents Tool-Zugriff geben und agentische Anwendungen erstellen, ohne eine Anfrage zur Cloud senden zu müssen.

Diese Formulierung, „Umweg über die Cloud“, ist entscheidend. Wenn jeder Schritt eines Agents das Gerät verlassen muss, wird die Erfahrung langsamer, teurer und aus Datenschutzsicht komplizierter. Microsoft möchte, dass mehr dieser Schleifen lokal ablaufen.

Das ist also der erste Teil der Build-Geschichte: Microsoft will Windows zu einem Ort machen, an dem Agents lokal schlussfolgern, planen, Tools nutzen und ausgeführt werden können.

Surface Laptop Ultra ist der High-End-KI-PC

Surface Laptop Ultra ist Microsofts Flaggschiffversion dieses Versprechens lokaler KI.

Um 6:14 stellte Satya ihn als Gerät vor, das Nvidias System-on-Chip der nächsten Generation mit dem Surface-Design verbindet. Ein System-on-Chip integriert CPU, GPU und KI-Funktionen in einem gemeinsamen Chip. Laut Microsoft umfasst die Plattform einen gemeinsamen Speicher und integriertes DRTM, eine Sicherheitsfunktion zum Aufbau einer vertrauenswürdigen Start- und Laufzeitumgebung.

Kurz übersetzt: Microsoft versucht, einen Windows-Laptop zu bauen, der wie eine ernstzunehmende KI-Workstation agieren kann, aber weiterhin wie ein gewöhnlicher Premium-Laptop aussieht und sich auch so verhält.

Der Surface Laptop Ultra bietet:

• Bis zu 128 GB gemeinsamen Speicher.
• Ein helles Display mit 2.000 Nits.
• Akkulaufzeit für den ganzen Tag.
• Lokale KI-Leistung mit Nvidia-Technik.
• Verfügbarkeit in diesem Herbst.

Gemeinsamer Speicher bedeutet, dass CPU und GPU auf denselben großen Speicherpool zugreifen können. KI-Modelle benötigen viel Speicher. Mehr gemeinsamer Speicher hilft dem Gerät daher, größere lokale Modelle, umfangreichere Datensätze oder komplexere Agent-Workflows auszuführen, ohne Daten ständig hin- und herschieben zu müssen.

Corey wird auf der Build versuchen, praktische Zeit mit dem Surface Laptop Ultra zu bekommen – genau der richtige Test. Technische Daten sind das eine. Die eigentliche Frage ist, ob sich das Gerät wie eine praktische lokale KI-Workstation anfühlt oder wie ein Konferenzgerät mit guter Beleuchtung.

Surface RTX Spark Dev Box ist die lokale KI-Box für Entwickler

Anschließend trieb Microsoft dieselbe Idee mit der Surface RTX Spark Dev Box.

noch weiter voran. Um 7:23 stellte Satya sie als die Maschine dar, die man für Entwickler baut, wenn man „die Rechenleistung maximiert“ und „den Speicher maximiert“. Um 8:35 bezeichnete die Videopräsentation sie als „Traummaschine“ mit:

• 1 Petaflop KI-Rechenleistung.
• 20 CPU-Kernen.
• 128 GB gemeinsamem Speicher.
• Einer Warteliste zum Start.

Ein Petaflop ist ein Maß für Rechenleistung. Die genaue Mathematik ist hier nicht nötig. Entscheidend ist, dass Microsoft sagt, diese kleine Box könne anspruchsvolle lokale KI-Workloads bewältigen.

Die Surface-Seite von Microsoft ergänzt die praktischen Entwicklerdetails: Die Dev Box wird mit einer für Entwickler optimierten Windows-11-Pro-Umgebung, Visual Studio Code, GitHub Copilot in Windows Terminal, WSL, PowerShell 7, Coreutils für Windows, BitLocker, Microsoft Defender, Entra ID, Intune, zwei USB-C-Anschlüssen, USB-A, HDMI, Ethernet, einem Kopfhöreranschluss und einem thermischen Budget von 100 Watt in einem Aluminiumgehäuse ausgeliefert.

Um 9:13 Uhr, sagte Satya außerdem, dass Windows auf NVIDIA’s DGX Station kommt, die er als „Desktop-Rechenzentrum“ bezeichnete, das ein Modell mit 1 Billion Parametern lokal ausführen kann. Die Aussage war fast absichtlich absurd: Hardware, die einst mit Supercomputern für frühe Frontier-Modelle verbunden war, wandert nun in Richtung Schreibtische, Labore und Entwickler-Workstations.

Stell dir also einen Agenten vor, der deine private Codebasis überprüft, lokale Tests ausführt, Fehlerprotokolle kontrolliert und einen Fix entwirft. Ein Cloud-Modell kann dabei helfen. Lokale Rechenleistung ermöglicht diesem Workflow schnellere Iterationen, niedrigere API-Kosten und einen besseren Datenschutz.

Corey wird außerdem versuchen herauszufinden, ob er die Dev Box während seines Aufenthalts nutzen kann. Dieser praktische Teil wird hilfreich sein, denn diese Kategorie steht und fällt mit dem Nutzungserlebnis: Wie schnell laufen lokale Modelle, wie laut wird die Box, wie aufgeräumt ist das Setup, und fühlt sich der Entwickler-Workflow nach dem Ende der Keynote noch normal an?

Windows soll sich für Entwickler auch weniger nervig anfühlen

Microsoft zeigte außerdem eine für Entwickler optimierte Windows-Umgebung, und dieser Teil wirkte fast wie ein Friedensangebot an Entwickler, die normalerweise macOS oder Linux bevorzugen.

Um 9:44 Uhr, sagte Satya, dass Windows 365 jetzt eine für Cloud-Produktivität optimierte Entwickler-Distribution bietet und Windows selbst eine ganze Reihe entwicklerfreundlicher Updates erhält:

• Eine ablenkungsfreie Entwicklerumgebung.
• Ein intelligentes Terminal mit integriertem GitHub Copilot.
• Mehr Unterstützung im Linux-Stil unter Windows.
• Homebrew-Unterstützung unter nativem Windows.
• Erstklassige Unterstützung für Container.
• Mehr als 70 Kommandozeilenprogramme.

Die Demo auf der Surface RTX Spark Dev Box machte das konkret. Um 11:47 Uhr verfügte die Standardumgebung über keinen Newsfeed, keine Widgets, keine Benachrichtigungen und einen aktivierten Dunkelmodus. Die Idee dahinter war „ruhiges Windows“ – was lustig ist, weil dieser Ausdruck nur funktioniert, wenn man das normale Windows kennt.

Die Demo umfasste außerdem:

• Eine vertikale Taskleiste, jetzt in Windows-Insider-Builds verfügbar.
• Ein öffentliches Konfigurations-Repository, das Entwicklertools installiert und Windows-Einstellungen anpasst.
• PowerToys’ Grab and Move, mit dem sich Fenster von überall aus verschieben lassen, statt die Titelleiste zu ziehen.
• Eine „Task beenden“-Verknüpfung, mit der sich ein Prozess beenden lässt, ohne den Task-Manager zu öffnen.
• Dev Drive, wobei Microsoft Defender asynchron ausgeführt wird, um die Entwicklerleistung zu verbessern.
• Git-bewusster Status im Datei-Explorer.
• Intelligent Terminal mit einem Terminal- und einem Agentenbereich nebeneinander.
• WSL-Container, die die GPU nutzen können.
• Microsoft Edit mit Syntaxhervorhebung.
• Tools im Linux-Stil wie Starship, Homebrew und btop.

Dann kam die Demo zum eigentlichen Agentenpunkt: Surface RTX Spark führt große lokale Modelle aus.

Die Präsentatorin sagte, sie habe mit einem Modell mit 120 Milliarden Parametern entwickelt, das die meisten Rechner nicht laden können, dabei 3,4 Millionen lokale Tokens auf dem Gerät verwendet und über Fleet Agenten gestartet. Sie nutzte Copilot Voice, das über ein lokales Modell lief, um den Agenten aufzufordern, console-Write-Line-Aufrufe zu finden und sie in den Standard-Logger umzuwandeln, der an anderer Stelle in der Codebasis verwendet wird.

Der Hauptagent delegierte mithilfe der GPU Teilaufgaben an das lokale Modell, wodurch der Workflow günstiger wurde. Anschließend analysierte Aion Instruct die Protokolldateien lokal, während die Maschine anzeigte, dass etwa 90 GB RAM von der GPU genutzt wurden.

Das ist die eigentliche Geschichte lokaler Agenten. Die Maschine beantwortet nicht nur Eingaben. Sie führt gleichzeitig Agenten, lokale Modelle, Container, Kommandozeilenprogramme und Code-Workflows aus.

Infrastruktur ist die politische Ebene

Nach dem Edge-Bereich wechselte Microsoft in die Cloud. Satya beschrieb Microsofts zentrale Infrastrukturformel als „Tokens pro Dollar pro Watt“.

Das ist eine nützliche Formulierung. Bei KI-Infrastruktur geht es nicht nur darum, die größten Chips zu haben. Es geht darum, Elektrizität so effizient wie möglich in nützliche Tokens umzuwandeln.

Dann wandte er sich dem politischen Teil zu: die Zustimmung der Gemeinden gewinnen.

KI-Rechenzentren sind zu einem Konfliktthema für Gemeinden geworden, weil sich die Menschen wegen Stromkosten, Wasserverbrauch, Flächennutzung, Umweltverschmutzung, lokaler Arbeitsplätze und der Frage sorgen, ob die Vorteile überhaupt den Menschen zugutekommen, die neben den Gebäuden leben.

Microsofts erklärte Grundsätze lauteten:

• Die lokalen Strompreise nicht erhöhen.
• Wasser verantwortungsvoll nutzen.
• Arbeitsplätze für die lokale Bevölkerung schaffen.
• Die Steuerbasis erweitern.
• In lokale Weiterbildungsangebote und gemeinnützige Organisationen investieren.

Dann nannte Satya die Größenordnung: Azure umfasst inzwischen mehr als 500 Rechenzentren, und Microsoft hat in den vergangenen 18 Monaten mehr Rechenzentrumskapazität hinzugefügt als im ersten Jahrzehnt von Azure.

Das Unternehmen baut rund um drei dominante Workloads: Training, Inferenz und Agentenlaufzeit.

Letztere ist die neue Kategorie. Beim Training werden Modelle erstellt. Bei der Inferenz werden Modelle ausgeführt. Die Agentenlaufzeit führt lang andauernde Workflows aus, in denen Modelle Tools verwenden, auf Daten zugreifen, APIs aufrufen und Aktionen ausführen.

Das Fairwater-Rechenzentrumsdesign von Microsoft wurde als „KI-Superfabrik“ präsentiert, die sich über Georgia und Wisconsin erstreckt, gemeinsam mit Nvidia gebaut wurde und auf eine hohe GPU-Dichte, leistungsfähigere Netzwerke, geringere Latenz und mehr Bandbreite ausgelegt ist. Microsoft sagte außerdem, die Stromversorgung und Kühlung so neu gestaltet zu haben, dass die Anlage effektiv ohne Wasserverbrauch betrieben werden kann; der tägliche Wasserverbrauch über das Jahr entspreche ungefähr dem eines einzigen Restaurants.

Microsoft kann die Zukunft der Agenten also nicht aufbauen, ohne auch die physische Zukunft darunter zu errichten.

Der Druck wird aus der realen Welt kommen. Die Gemeinden werden Microsofts Versprechen anhand von Stromrechnungen, lokaler Wasserknappheit, Arbeitsplätzen und Transparenz beurteilen – nicht anhand von Keynote-Sätzen.

Maia 200, Cobalt 200 und der Chip-Stack für Agenten

Microsoft nutzte die Keynote außerdem, um zu zeigen, wie sich seine Siliziumstrategie verändert.

Um 22:42 Uhr, sagte Satya, dass Maia 200, Microsofts KI-Beschleuniger, in Arizona in Betrieb ist und international eingeführt werden soll. Er sagte, der Chip liefere 30 % mehr Tokens pro Dollar als die derzeit führende GPU und werde Microsoft 365 Copilot antreiben.

Dann machte er einen zweiten Punkt: Agenten verändern den CPU-Bedarf.

Bei normalen KI-Unterhaltungen konzentrieren sich die Menschen auf GPUs. Auch Agenten benötigen GPUs, erzeugen aber zusätzlich zahlreiche Tool-Aufrufe, Datenzugriffe, Orchestrierungsschritte und Koordinationsaufgaben mit niedriger Latenz. Dadurch wird die CPU wichtiger.

Microsoft kündigte daher Cobalt 200 VMs an, seine CPU-Plattform der nächsten Generation für cloudnative und agentische Workloads. Anhand von Agenten-Traces aus GitHub Copilot sagte Microsoft, Cobalt habe Folgendes gezeigt:

• 33 % geringere Latenz bei Agentenaufrufen.
• 14 % höhere Geschwindigkeit.
• 23 % mehr Durchsatz.
• 30 % bessere cloudnative Leistung im Vergleich zur vorherigen Generation.

Das ist ein nützlicher Hinweis darauf, wohin sich die Agenteninfrastruktur als Nächstes entwickelt. Wenn Agenten ständig Tools aufrufen, muss das gesamte System auf viele kleine, schnelle und koordinierte Aktionen abgestimmt sein. Die GPU erledigt möglicherweise die Modellarbeit, während die CPU dafür sorgen muss, dass der ganze Zirkus in Bewegung bleibt.

Jensens Perspektive: Der PC wird zur persönlichen KI

Der Nvidia-Teil schärfte das Bild der lokalen Hardware.

Jensen Huang sagte, Microsoft und Nvidia hätten vor etwa drei Jahren begonnen, an dieser PC-Klasse zu arbeiten. Ziel sei es gewesen, ein leistungsfähiges System für Designer, Kreative und KI zu bauen, mit Rechenleistung und einem Software-Stack, der in Windows und Kreativtools integriert ist.

Dann bot er eine bessere Formulierung an: Der PC entwickelt sich vom Personal Computer zur persönlichen KI.

Sein Beispiel war einfach. Man könnte unterwegs sein, seinem PC eine Nachricht schicken, ihn bitten, Programmieraufgaben zu erledigen oder Designänderungen vorzunehmen, und er würde auf dem Rechner Tools starten, Änderungen vornehmen und gemeinsam mit einem iterieren, während man selbst unterwegs ist.

Das ist eine völlig andere Computermetapher. Der PC wird zu etwas, das ein Agent nutzen kann, nicht nur zu etwas, das man direkt bedient.

Jensen sagte außerdem, RTX Spark verfüge über eine Petaflop MVFP4-Leistung, ein numerisches Format, an dem Microsoft und Nvidia gemeinsam gearbeitet haben. Dadurch könne das System 128 GB Speicher nutzen und „vielleicht ein Modell mit ein paar hundert Milliarden Parametern“ aufnehmen.

Coreys Instinkt ist also richtig: Das Interessante daran ist nicht nur die Box. Es ist die Idee, dass ein KI-Assistent den PC als dauerhaft verfügbare lokale Workstation bedienen kann.

Microsoft und Nvidia entwickeln für Cloud-Systeme im Maßstab von Agenten

Dann übertrug Jensen dasselbe Muster auf die Cloud.

Er sagte, Hopper habe sich auf das Pretraining konzentriert. Grace Blackwell habe den Schwerpunkt auf Post-Training, bestärkendes Lernen und Reasoning-Modelle verlagert. Dann wurde Vera Rubin für Agenten entwickelt.

Das ist eine nützliche Hardware-Zeitleiste:

• Hopper: Pretraining-Ära.
• Grace Blackwell: Post-Training, bestärkendes Lernen und Inferenz.
• Vera Rubin: agentische Workloads.

Jensen sagte, Microsoft habe weltweit die größte Anzahl an Grace-Blackwell-Systemen bereitgestellt. Außerdem sagte er, Fairwater werde flüssigkeitsgekühlt und im geschlossenen Kreislauf betrieben und verbrauche nahezu kein Wasser.

Dann nannte er die wirtschaftliche These: Grace Blackwell könne die Rate der Tokenerzeugung steigern und die Kosten der Tokenerzeugung um ungefähr das 30-Fache gegenüber Hopper.

senken. Das übergreifende Muster ist, dass Microsoft und NVIDIA den gesamten Stack für Agenten gemeinsam entwickeln: Edge-Geräte, Rechenzentren, CPUs, GPUs, Netzwerke, Verschlüsselung und Software.

Jensen sagte außerdem, Agentensysteme benötigten verschlüsselte Pfade vom Speicher, der als Langzeitgedächtnis fungiert, über den Arbeitsspeicher bis hin zu Daten während der Übertragung. Er beschrieb Vera als eine für Agenten entwickelte CPU, weil Agenten ungeduldiger als Menschen seien und extrem niedrige Latenz benötigten.

Dann sagte er etwas, das in den Artikel gehört: Die Zahl der GitHub-Commits ist parabolisch gestiegen. In den vergangenen Monaten habe sich die Zahl der Commits verdreifacht.

Das war sein Beleg dafür, dass agentische Systeme nicht nur beeindruckend, sondern auch nützlich, produktiv und profitabel genug sind, um die Nachfrage nach Rechenleistung anzutreiben.

Project Solara fragt, was nach dem Laptop kommt

Die seltsamste und interessanteste Ankündigung war Project Solara.

Project Solara ist Microsofts Chip-to-Cloud-Plattform für agentenorientierte Geräte. Die Formulierung klingt abstrakt, die Idee ist jedoch einfach: Wenn Agenten zur Benutzeroberfläche werden, sehen Computer möglicherweise nicht mehr wie ein Hauptbildschirm mit einer Reihe von Apps aus.

Microsofts „großes Aha“ war, dass das nächste Gerät kein einzelner Formfaktor ist. Es sind alle Geräte, die als ein einziges System zusammenarbeiten, wobei Agenten dort und dann auftauchen, wo und wann man sie braucht.

Project Solara ruht auf drei Säulen:

• Unternehmenstaugliche Geräte, ermöglicht durch eine auf AOSP basierende Microsoft-Plattform für ein Geräteökosystem.
• Agentengesteuerte Interaktion, mit einer Just-in-time-Benutzeroberfläche, die sich an den Formfaktor anpasst.
• Erweiterbarkeit, damit Unternehmen ihre eigenen Agenten einbinden können.

Azure verbindet das gesamte System über Cloud und Gerät hinweg.

Microsoft zeigte zwei frühe Referenzkategorien: stationäre Geräte und tragbare Geräte.

Das Schreibtischgerät basiert auf MediaTek-Silizium. Es nutzt Windows Hello for Business, sodass man einfach herantreten, sich sicher anmelden und auf einen Agenten zugreifen kann. Das Beispiel war Microsoft 365 Copilot, der mit Work IQ angereichert wurde, mit Sprach- oder Tippsteuerung, die beim Denken, Planen und Delegieren von Aufgaben hilft.

Das Schreibtischgerät kann als Ergänzung zu einem vorhandenen Windows-Copilot+-PC dienen oder bei Verbindung mit einem Monitor auf Windows 365 zugreifen.

Das Badge-Gerät basiert auf Qualcomm-Silizium für Wearables. Es ist ein leichter Formfaktor für Agenten unterwegs, mit Entsperrung per Fingerabdruck, Kameraeingabe und sicherem Zugriff auf Agenten.

In der Live-Demo wurde das Badge verwendet, um Aufnahmen von der Keynote zu machen, sie zu bereinigen und zur Prüfung an ein Team zu senden. Anschließend nannte Microsoft das Gesundheitswesen als Beispiel: Das Badge könnte bei Check-ins, Patientenakten, wichtigen Erkenntnissen, sprachbasierter Dokumentation ohne Händeinsatz, dem Scannen von Medikamenten, dem Erfassen von Vitalwerten und der Überprüfung von Arbeitsabläufen helfen.

Microsoft erklärte außerdem, dass sich dieselbe Grundlage für den Einzelhandel, industrielle Arbeit, das Gastgewerbe, Finanzdienstleistungen, die Rechtsbranche und andere Branchen anpassen lässt. AccuWeather, Best Buy, Target und andere erkunden die Geräte.

Dann formulierte Qualcomm-CEO Cristiano Amon den strategisch wichtigeren Punkt: Im Smartphone-Zeitalter war das Telefon das Zentrum des digitalen Lebens. Im Zeitalter der Agenten werden Agenten zum Zentrum, und Geräte werden zu den besten physischen Schnittstellen für unterschiedliche Situationen.

Die Datenschutzfrage liegt auf der Hand. Ein Arbeits-Badge mit Mikrofonen, Kamera und „nur einen Fingertipp vom Aufzeichnen eines spontanen Gesprächs auf dem Flur entfernt“ braucht sehr klare soziale Regeln. Wer jemals „kurzer Abgleich“ gesagt und anschließend einen Kollegen 19 Minuten lang festgehalten hat, hat den Testfall bereits geschaffen.

Solara zeigt also, wohin Microsoft Agenten als Nächstes bewegen sieht: näher an die Aufgabe, außerhalb des App-Rahmens und über eine Reihe von unternehmensverwalteten Geräten hinweg.

Foundry verfügt jetzt über mehr als 12.000 Modelle, darunter OpenAI und Anthropic

Nach den Geräten ging Satya auf der Stack-Ebene nach oben – zu Modellen, Kontext und Tools.

Er sagte, dass Foundry jetzt über mehr als 12.000 Modelle verfügt, und bezeichnete dies als den größten Modellkatalog. Dazu gehören Modelle von OpenAI und Anthropic, MAI-Modelle sowie neu hinzugekommene Frontier-Modelle wie die Echtzeit-Sprachmodelle von OpenAI und Claude Opus 4.8.

Microsofts Modellstrategie ist also eindeutig multimodellfähig. Das Unternehmen will OpenAI- und Anthropic-Modelle, eigene MAI-Modelle, Open-Weight-Modelle über Partner wie Fireworks und alles Weitere anbieten, was Entwickler benötigen.

Das Versprechen lautet nicht „ein Microsoft-Modell, das sie alle beherrscht“. Es lautet: „Wählt das richtige Modell für die richtige Aufgabe, das richtige Budget und die richtige Mischung aus Evaluierungen.“

Das ist auch für GitHub Copilot wichtig. Coreys Einschätzung war richtig: GitHub Copilot wird zu Microsofts Antwort auf Codex und Claude Code, mit dem Vorbehalt, dass Entwickler weiterhin Zugriff auf OpenAI- und Claude-Modelle erhalten.

Microsoft muss also nicht jeden Modellkampf gewinnen, wenn es den Ort beherrscht, an dem Agenten diese Modelle nutzen.

Azure HorizonDB bringt PostgreSQL in Agenten-Apps

Danach wechselte Microsoft zur Datenebene.

Satya sagte, Agenten erzeugten andere Aufrufmuster, weil sie ständig Daten speichern, abrufen, Schlussfolgerungen ziehen, handeln und lernen. Das bedeutet, Datenbanken müssen für Agenten-Workloads konzipiert sein, nicht nur für herkömmliche Anwendungen mit Benutzeroberfläche.

Daher stellte Microsoft Azure HorizonDB, einen vollständig verwalteten PostgreSQL-Dienst auf Azure, vor.

PostgreSQL ist eine beliebte Open-Source-Datenbank. Entwickler schätzen sie, weil sie vertraut, flexibel und umfassend unterstützt ist.

Azure HorizonDB ist für hohe Verfügbarkeit und leseintensive Workloads ausgelegt. In der Keynote sagte Satya, der Dienst biete automatisches Failover, bis zu 128 TB pro Cluster sowie horizontale Skalierung für leseintensive Workloads. Microsoft erklärte außerdem, interne Tests hätten einen 3-fachen Durchsatz im Vergleich zu PostgreSQL gezeigt.

Der Microsoft-Produktbeitrag ergänzt die agentenspezifischen Funktionen: extrem niedrige Latenz, schnelle horizontale Leseskalierung, bis zu 3-mal schnellere Transaktionen und Suchleistung im Vergleich zu selbstverwaltetem PostgreSQL, fortschrittliche Vektorindizierung, semantische Suche, Zugriff auf KI-Modelle innerhalb der Datenbank sowie Integrationen mit Microsoft Fabric und Foundry.

HorizonDB ist also Microsofts Aussage: Nutzt PostgreSQL weiter, und wir ergänzen die KI-nativen Datenbankfunktionen darum herum.

Die GPU-Beschleunigung von Fabric macht Analysen für Agenten schneller

Microsoft kündigte außerdem GPU-Beschleunigung für Fabric Data Warehouse.

an. Eine GPU ist ein Chip, der dafür ausgelegt ist, gleichzeitig große Mengen paralleler Berechnungen zu verarbeiten. GPUs wurden für KI zentral, weil das Trainieren und Ausführen von Modellen enorme Mengen paralleler Berechnungen umfasst. Microsoft wendet diese Hardwarebeschleunigung nun auch auf geeignete Analyseabfragen in Fabric Data Warehouse an.

Satya erklärte es einfach: Data Warehouses waren für menschliche Nutzer bereits wichtig und werden noch wichtiger, wenn Agenten Analysen spontan benötigen. Microsoft erklärte, eine 7-fache Leistungssteigerung.

zu beobachten.Microsoft verwies außerdem auf CoddSpeed

, die zugrunde liegende Forschungsarbeit, die auf der SIGMOD 2026 als bestes Industriepapier ausgezeichnet wurde. Die Produktidee ist unkompliziert: Geeignete Fabric-Abfragen können auf beschleunigter Nvidia-Recheninfrastruktur ausgeführt werden, ohne dass Entwickler Abfragen umschreiben oder Infrastruktur verwalten müssen.

Web IQ ist Microsofts neue Methode, mit der Agenten das Internet nutzen

Dann folgte eine der wichtigsten Ankündigungen: Web IQ.

Coreys Eindruck aus dem Raum war, dass Microsoft Web IQ als die neuere, schnellere und effizientere Methode betrachtet, mit der Agenten auf das Internet zugreifen. Das entspricht Satyas Einordnung.

Satya sagte, die Web-Anreicherung benötige „aktuelle, hochwertige und schnelle Webdaten“. Web IQ basiert auf Microsofts globaler Infrastruktur, die bereits mehr als 1 Mrd. Nutzer versorgt, und wurde für LLM- und Agenten-Workflows neu konzipiert.

Web IQ ist:

• Modellagnostisch.
• MCP-nativ.
• Für die Anbindung an jede Agenten-Laufzeitumgebung konzipiert.
• Für Web, Nachrichten, Bilder und Videos entwickelt.
• Dafür konzipiert, Antworten auf aktuellen, überprüfbaren Inhalten zu fundieren.
• Laut Microsoft branchenführend in Qualität, Geschwindigkeit und Kosten.

MCP, kurz für Model Context Protocol, ist ein Standard, der KI-Systemen hilft, sich mit Tools und Datenquellen zu verbinden. „MCP-nativ“ bedeutet also, dass Web IQ ohne eine Menge kundenspezifischer Verbindungsschichten in Agenten-Stacks integriert werden kann.

Die alte Version einer mit dem Web verbundenen KI war im Wesentlichen „suchen, scrapen, zusammenfassen“. Web IQ klingt eher nach einer speziell entwickelten Internetzugriffsschicht für Agenten: die richtigen Quellen finden, relevante Belege zusammenstellen, die Latenz niedrig halten und dabei weniger Tokens verbrauchen.

Das ist der Agenten-Wettlauf im Kleinformat. Modelle antworten aus dem, was sie wissen. Such- und Retrieval-Systeme antworten aus dem, was sie finden können. Unternehmensagenten brauchen beides – plus Berechtigungen, Überprüfbarkeit und eine Möglichkeit, die interne Realität mit der Außenwelt abzugleichen.

Microsoft IQ verbindet das Web, Geschäftsdaten und Wissen aus dem Arbeitsumfeld

Anschließend stellte Microsoft Microsoft IQ vor, eine einheitliche Intelligenzschicht über Foundry, Fabric und Microsoft 365 hinweg.

Was das ohne Marketing-Buzz bedeutet:

• Work IQ versteht den Kontext des Arbeitsumfelds, etwa Personen, Meetings, Dateien, Chats, E-Mails und Geschäftsabläufe.
• Fabric IQ vermittelt Agenten ein gemeinsames Verständnis von Geschäftsdaten und Zusammenhängen.
• Foundry IQ hilft Agenten, über Unternehmenswissen und das Web hinweg Schlussfolgerungen zu ziehen.

Die Demo machte das verständlicher.

In einer Demo eines Leitstellenszenarios für Energieversorger bewertete ein Agent einen Vorfall im Netzbetrieb und erstellte eine Antwortvorlage. Er war mit einer Foundry-IQ-Wissensdatenbank verbunden, die Dokumente, Betriebsdaten und Personen zu einem Kontext bündelte, über den der Agent Schlussfolgerungen ziehen konnte.

Anschließend nutzte der Agent Web IQ, um eine aktuelle Frage zu den Strompreisen in San Francisco zu beantworten. Der Präsentator nannte Web IQ eine „für das KI-Zeitalter entwickelte Suche“ mit branchenführender Qualität, Geschwindigkeit und Effizienz.

Dann nutzte der Agent Fabric IQ, um internen Kontext zu gefährdeten Umspannwerken abzurufen. Fabric IQ stellte das Stromnetz als Ontologie dar, also als strukturierte Karte des Unternehmens und der Beziehungen zwischen seinen Bestandteilen.

In diesem Fall war die Ontologie mit Live-Telemetriedaten verknüpft und spiegelte daher den tatsächlichen Betriebszustand des Netzes von Minute zu Minute wider.

Anschließend nutzte der Agent Work IQ, um das Reaktionsverfahren des Unternehmens aus SharePoint abzurufen. Der Präsentator betonte, dass der Agent nicht mit einem veralteten Upload oder einer kopierten Momentaufnahme arbeitete. Er antwortete aus derselben Quelle, die das Team täglich pflegt.

Wenn sich das Verfahren ändert, ändert sich auch die Antwort.

Das ist der Traum von Unternehmen: eine Antwort, die in der Außenwelt, im laufenden Betrieb, in den internen Dokumenten, den Verfahren und den Personen verankert ist, die reagieren müssen.

Anschließend zeigte der dauerhaft laufende Agent seine Arbeit: Web IQ für die Außenwelt, Fabric IQ für den Betriebszustand und Work IQ für Personen und Verfahren. Der Präsentator sagte außerdem, Foundry-Routinen könnten dies nach einem Zeitplan ausführen und so aus einer einmaligen Antwort eine kontinuierliche, proaktive Ausführung machen.

Der Traum von Unternehmen besteht also nicht darin, „der KI eine Frage zu stellen“. Er besteht darin, „die Aufgabe einem Agenten zu geben und anschließend eine Antwort zurückzubekommen, die im eigenen Unternehmen, in der Außenwelt und in jeder von ihm genutzten Quelle verankert ist“.

Microsoft Execution Containers geben Agenten einen sicheren Ort zum Handeln

Als Nächstes wechselte Microsoft vom Kontext zur Laufzeitumgebung.

Satya sagte, Agenten seien eine neue Ausführungsumgebung, weil sie kontinuierlich Schlussfolgerungen ziehen, dynamisch Code erzeugen und ausführen und über Dateien, Geräte und Netzwerke hinweg handeln.

Daher stellte Microsoft über seine Windows agent runtime updates.

Microsoft Execution Containers (MXC) vor. Ein Container ist eine kontrollierte Umgebung, in der Software ausgeführt werden kann, ohne vollständigen Zugriff auf das gesamte System zu erhalten. Entwickler nutzen Container auf Servern bereits ständig. Microsoft möchte dieses Konzept nun in einer nativen Windows-Version für KI-Agenten anbieten.

Satya sagte, MXC sei eine neue Richtlinienschicht, mit der Windows mithilfe nativer Betriebssystemelemente Isolation und Begrenzung durchsetzen kann. In verständlicher Sprache: Windows selbst erzwingt, was der Agent tun darf.

MXC unterstützt verschiedene Stufen der Begrenzung:

• Isolation auf Prozessebene für leichte Agentenaktionen.
• Isolation auf Sitzungsebene zur Trennung von Benutzern.
• Windows- und Linux-Computer einschließlich WSL für stärkere Grenzen.
• Windows 365 for Agents für maximale Isolation in einer separaten verwalteten Umgebung.

Damit erhalten Teams eine Auswahl an Sicherheitsoptionen für Agenten. Kleine Aufgabe? Einen leichteren Container verwenden. Riskanter Workflow? Den Agenten in einen separaten Cloud-PC stecken.

Microsoft möchte Agenten also einen abgeschirmten Arbeitsbereich auf dem Gerät oder in der Cloud geben.

OpenClaw unter Windows ist die Demo für Agentensicherheit

Microsoft kündigte anschließend OpenClaw unter Windows an, das MXC nutzt.

Die Demo blieb im Gedächtnis, weil sie genau das zeigte, worüber sich alle Sorgen machen: einen Agenten, der versucht, Dateien zu löschen.

Die OpenClaw-Windows-App kann Nutzern dabei helfen, ihren eigenen Claw einzurichten oder eine Verbindung zu bestehenden Claws herzustellen. Sie sieht wie eine native Windows-App aus und umfasst Chat, Canvas, Nutzung, Sitzungen, Berechtigungen und die Konfiguration der Sandbox.

Die Vortragenden zeigten detaillierte Sicherheitskontrollen – unter anderem, auf welche Dateien und Ordner OpenClaw zugreifen kann, ob es die Zwischenablage verwenden darf und ob es mit dem Internet kommunizieren kann.

Dann forderten sie OpenClaw auf, alle Dateien auf einem Desktop zu löschen. Der Agent versuchte es. MXC stoppte ihn, weil der Ordner schreibgeschützt war. Die Demo zeigte, dass 94 JPEGs weiterhin sicher waren.

Genau solche langweiligen Demos braucht Enterprise-KI. Der Agent versuchte, etwas Falsches zu tun, und das Betriebssystem setzte die Regel trotzdem durch.

Peter Steinberger, der Schöpfer von OpenClaw, sprach dann den offensichtlichen Teil aus: Vor sechs Monaten hätte das funktioniert. Er entwickelte OpenClaw mit Zugriff auf Dateien, Rechner und Chats. Diese Macht machte das Tool nützlich – und zugleich machte sie Unternehmen nervös.

Seine Nachricht lautete: „Ihr könnt es jetzt in eurem Unternehmen ausführen“. Er sagte, OpenClaw verfüge nun über Beobachtbarkeit, einen Automatikmodus für Berechtigungen, granularere Zugriffsrechte, ein Plugin-Harness, Unterstützung für beliebige Tools, denen Unternehmen bereits vertrauen, dauerhaften Speicher, Heartbeats sowie OpenClaw innerhalb von Slack oder Teams.

OpenClaw unter Windows ist also Microsofts Sicherheitsargument im Kleinformat: Leistungsfähige lokale Agenten brauchen eine systemweite Eindämmung, nicht nur Prompts nach dem Motto „Bitte benimm dich“.

Foundry macht Agenten-Demos bereit für den Einsatz

Dann wandte sich Satya Microsoft Foundryzu, das Microsoft zu einer vollständigen Anwendungsplattform für das Zeitalter der Agenten ausbaut.

Foundry ist Microsofts Plattform zum Entwickeln, Testen, Bereitstellen und Verwalten von KI-Apps und -Agenten. Man kann es sich als den Ort vorstellen, an dem Unternehmen eine coole Demo in etwas verwandeln, das die IT tatsächlich genehmigen könnte.

Satya sagte, Foundry Hosted Agents könnten IQ-Schichten, Tools, Robustheit, Speicher, Zustand, Sandboxing, Rubriken, Evaluierungen, Sicherheit und Schutzvorkehrungen umfassen. Er betonte außerdem Foundrys Schleife zur Selbstverbesserung: einen Agenten bauen, ihn evaluieren, ihn verbessern und den nächsten Durchlauf in die nächste Evaluierung einfließen lassen.

Microsoft kündigte außerdem eine Partnerschaft mit Fireworks AI an, durch die die Open-Weight-Modelle von Fireworks mit einem Inferenz-Stack und Enterprise-Funktionen in Foundry integriert werden.

Das Foundry-Update umfasst außerdem gehostete Agenten, Sandbox-Kaltstarts von unter 100 ms, keine Leerlaufkosten, Foundry-Toolboxen, Tracing, Evaluierungen, Agent Optimizer, Adaptive Evaluations sowie die Veröffentlichung per Mausklick in Teams und Microsoft 365 Copilot.

Das ist der Unterschied zwischen „Schaut zu, wie dieser Agent auf der Bühne etwas erledigt“ und „Unser Unternehmen könnte diesen Agenten vielleicht auf Kundendaten loslassen“.

Microsofts Vorteil besteht nicht darin, dass es die spektakulärste Demo erstellen kann. Der Vorteil ist, dass Microsoft die Demo in Entra, Intune, Defender, Purview, Fabric, Teams, GitHub, Azure und all die anderen Systeme einbinden kann, die Unternehmen bereits gekauft haben.

GitHub wird zur Steuerungsebene für Programmieragenten

Dann wandte sich Satya GitHub zu.

Er sagte, GitHub werde zur Steuerungsebene für alle Agenten und fast alles, was GitHub misst, wachse dank agentischer Workflows: Repository-Erstellung, PR-Aktivität, API-Nutzung und Aktionen.

Er machte außerdem einen guten Punkt zur CLI. Die Kommandozeile ist wieder zugänglicher, weil Modelle und natürliche Sprache ihre Nutzung erleichtern. Und wenn jeder Agent in einem Terminal lebt, hat der Entwickler irgendwann 100 offene CLI-Sitzungen.

Deshalb entwickelte GitHub die neue GitHub Copilot app: ein Tool mit der Geschwindigkeit und Flexibilität einer CLI, den Fähigkeiten einer IDE und der Möglichkeit, auf viele Agentensitzungen zu skalieren. Das GitHub repo ist für Releases, Issues und Diskussionen live.

Coreys Einschätzung stimmt: Das ist Microsofts Antwort auf Codex und Claude Code.

Der große Vorbehalt – und vielleicht der klügere Plattformzug – besteht darin, dass Copilot nicht nur ein Wrapper für Microsoft-Modelle ist. In der Demo sagte Cassidy, dass Entwickler über ein einziges GitHub-Copilot-Abonnement Zugriff auf beliebte Modelle haben, darunter von OpenAI, Anthropic und Google.

Microsofts Botschaft lautet also nicht: „Nutzt unseren Programmieragenten statt deren.“ Sie geht eher in diese Richtung: Nutzt GitHub als den Ort, an dem all diese Programmieragenten tatsächlich arbeiten.

Die Copilot-App ist ein Sitzungsmanager, der beim Abschluss von Aufgaben hilft

Die Demo der Copilot-App begann mit einem praktischen Problem: Ein Release hat zahlreiche Blocker, und ein Entwickler muss entscheiden, was behoben werden soll.

Cassidy wählte alle aus, und die App startete für jedes Issue eine eigene Sitzung. Jede Sitzung läuft in ihrem eigenen Git-Worktree.

Ein Worktree ist eine separate Arbeitskopie eines Code-Branches. Einfach gesagt bekommt jeder Agent seinen eigenen kleinen Arbeitsbereich, sodass mehrere Agenten parallel arbeiten können, ohne sich gegenseitig in die Quere zu kommen.

Dann zeigte Copilot Agent Merge, das einen Pull Request durch CI-Prüfungen, Code-Review und Merge-Bedingungen „bemuttert“.

Continuous Integration oder CI ist das automatisierte Testsystem, das prüft, ob Codeänderungen etwas beschädigt haben.

Die App umfasst außerdem:

• Eine fokussierte Ansicht von Projekten, PRs und Aktivitäten.
• Wiederverwendbare Automatisierungen, die lokal oder in der Cloud ausgeführt werden können.
• Sitzungen, die überall gestartet und in die App geladen werden können.
• Integrierter Browser, integriertes Terminal und integrierter Chat.
• „Auswählen und verfeinern“: In der App lässt sich beliebiger Inhalt auswählen und zum Chat hinzufügen.
• Wechsel zwischen Modellen von OpenAI, Anthropic und Google.
• Rubber Duck Review, bei der ein anderes Modell die Implementierung kritisiert, um blinde Flecken aufzudecken.
• Canvas-Ansichten, also benutzerdefinierte UIs, die ein Agent zur Kommunikation mit euch erstellen kann.

Die Canvas-Demo umfasste sogar das Genehmigen von PRs per Daumen-hoch-Geste vor der Kamera. Dieser Teil wirkte eher experimentell; die größere Aussage ist nachhaltiger: Die Arbeit mit KI sollte 2026 mehr sein als Chatprotokolle und Textwände.

Code-Agenten schaffen also einen neuen Engpass. Wenn zehn Agenten zehn Pull Requests erzeugen können, muss ein Mensch sie trotzdem prüfen, ohne den Nachmittag in eine Tabellenkalkulation voller Roboterhausaufgaben zu verwandeln.

Copilot entwickelt sich vom Pair-Programmierer zum Projektkoordinator.

Rayfin soll KI-erstellte Apps produktionsreif machen

Microsoft gab außerdem einen ersten Ausblick auf Rayfin, ein agentenorientiertes SDK, das Agenten als Dienst mit Unternehmens-Backends verbindet.

Hier die verständliche Kurzfassung: Programmieragenten können App-Frontends inzwischen sehr schnell erzeugen. Der langsamere Teil besteht darin, die App in etwas zu verwandeln, das ein Unternehmen tatsächlich betreiben kann. Dafür braucht man Identität, Speicher, Datenbanken, Schemata, Zugriffsrichtlinien, Governance und Deployment.

Rayfin soll diese Arbeit bündeln.

In der Copilot-Demo zeigte Cassidy eine zu 100 % von einem Agenten erstellte SignalBox-App, die containerisiert war und über ein Datenbank-Backend verfügte. Dann tippte sie „Rayfin up“ ein, und die App wurde in Microsoft Fabric bereitgestellt.

Laut Microsoft erhalten Agenten mit Rayfin ein vollständiges Enterprise-Backend, sodass Entwickler mit Zuversicht deployen können. Das Rayfin repo ist live und verbindet sich mit Replit. Entwickler können die App also in Replit erstellen, während App und Daten in einem von einem Unternehmen verwalteten Fabric-Tenant bereitgestellt werden.

Rayfin ist damit Microsofts Antwort auf ein sehr praktisches Problem von Programmieragenten: Etwas zum Laufen zu bringen ist schwieriger, als es erscheinen zu lassen.

Agent 365 ist die Steuerungsebene für die Verwaltung von Agenten

Nach dem Entwickler-Workflow wandte sich Microsoft der Governance zu.

Satya beschrieb Agent 365 als die Steuerungsebene für Agenten. Agenten benötigen eigene Identitäten, Zugriffskontrollen, Sicherheitsfunktionen, Datenschutz, Compliance und Verwaltung.

Microsoft erklärte, die folgenden Dienste erweitert zu haben:

• Entra für die Agentenidentität.
• Defender für Echtzeitabwehr.
• Purview für kontinuierlichen Datenschutz und Compliance.

Satya betonte außerdem, dass Agenten überall gehostet werden können: in Azure, AWS, GCP, lokal unter Windows oder anderswo, und dass sie mit jedem Framework erstellt werden können. Microsoft kündigte die allgemeine Verfügbarkeit des Agent 365 SDK an und sagte, dass die Unterstützung auf lokal unter Windows und anderen Systemen laufende Agenten ausgeweitet werde.

Die Demo zeigte, wie Foundry und Agent 365 zusammenspielen.

Zunächst können Entwickler mit Foundry Toolbox Tools einmalig hinzufügen und sie jedem Agenten über einen einzigen MCP-Endpunkt zur Verfügung stellen. In der Demo wurde eine Schutzvorkehrung angewendet, die verhindert, dass personenbezogene Daten (PII) nach außen dringen. Alle Agenten, die diese Toolbox verwenden, übernehmen automatisch diesen Schutz.

Anschließend wurde der Agent mit einem Codeblock und GitHub Actions in Foundry bereitgestellt.

Foundry startete eine dedizierte MicroVM für die Sitzung. Eine MicroVM ist eine kleine virtuelle Maschine zur Isolierung einer Workload. Die Sitzung erhielt außerdem ein eigenes dauerhaftes Dateisystem, und Foundry zeigte serverseitige Traces und Evaluierungen.

Dann zeigte Microsoft Rubrik-Evaluatoren. Foundry analysierte den Agenten und erzeugte aus Produktions-Traces personalisierte Evaluierungskriterien, darunter Governance, die Korrektheit des Ergebnisses und die vorgeschriebene Quellennutzung.

Anschließend optimierte Agent Optimizer vier Dinge: das Modell, die Anweisungen, die Tool-Beschreibungen und die Fähigkeiten. Er erzeugte verbesserte Kandidaten, bewertete sie anhand der Rubrik, zeigte genau, was sich geändert hatte, und machte es einfach, den besten Kandidaten als neue Agentenversion bereitzustellen.

Die zentrale Aussage lautete, dass jeder Durchlauf in die nächste Evaluierung einfließt und jede Evaluierung dem Optimizer zeigt, wo er als Nächstes Verbesserungen vornehmen sollte. Eure Agenten werden also besser, je häufiger sie eingesetzt werden.

Dann wurde der Agent in Teams und Microsoft 365 Copilot veröffentlicht. Es handelte sich um einen Autopilot-Agenten, also um einen Agenten mit eigener Identität und Produktivitätslizenz, der eigenständig im Namen seines Nutzers in M365 arbeiten konnte. Eine Genehmigung durch den Administrator ist erforderlich; Administratoren können ihn überprüfen, überwachen und blockieren.

Agent 365 ist damit Microsofts Governance-Antwort auf die offensichtliche Frage von Unternehmen: Was passiert, wenn Hunderte von Agenten anfangen, sich wie Mitarbeiter zu verhalten?

MDASH nutzt Agententeams, um Sicherheitslücken zu finden

Microsoft zeigte außerdem MDASH, sein agentisches Sicherheitsystem mit mehreren Modellen.

Satya beschrieb es als Agenten-Harness für Sicherheit, das mehr als 100 Agenten aus Frontier- und benutzerdefinierten Modellen zusammenbringt, um ausnutzbare Fehler besser zu finden, als es jedes einzelne Modell könnte. Vorgestellt wurde es auf dem CyberGym-Benchmark.

Die Demo zeigte MDASH als eigenständige CLI innerhalb der GitHub-Copilot-App auf einem lokalen Entwicklungsrechner. Das System scannte eine Codebasis, schlüsselte die Ergebnisse nach Schwachstelle, Domäne und Schweregrad auf und identifizierte sowohl traditionelle Probleme als auch KI-spezifische Schwachstellen.

Anschließend erzeugte es Logs und einen HTML-Bericht, zeigte Details über einen Defender-Befehl, schlug eine Lösung vor und erstellte einen Diff, damit ein Mensch die Änderungen prüfen konnte. Es konnte außerdem einen PR erstellen und Ergebnisse in Tools wie GitHub Advanced Security hochladen.

Das eindrucksvollste Beispiel war eine echte Schwachstelle, bei der keine einzelne Datei für sich genommen verdächtig aussah. Der Fehler verteilte sich über drei Teile der Codebasis. Ein Agententeam entdeckte die verdächtige Lücke, ein anderes zerlegte das Argument und ein drittes erstellte ein funktionierendes Beispiel, das den Absturz auslöste.

Genau diese vernetzte Form des Schlussfolgerns können normale Scanner und einzelne Modelle übersehen.

Microsoft erklärte, MDASH werde demnächst in der CLI und im Microsoft-Defender-Portal verfügbar sein.

Copilot entwickelt sich mit Chat, Cowork und Code zur Super-App

Später in der Keynote beschrieb Satya Microsofts übergreifende Copilot-Strategie.

Er sagte, Copilot habe mit Chat begonnen, sich dann für mehrstufige Aufgaben und die Erstellung von Artefakten zu Cowork weiterentwickelt, und nun komme das Programmieren in dasselbe Produkt. In diesem Sommer will Microsoft Chat, Cowork und Code in einer einzigen Copilot-„Super-App.”

zusammenführen. Das ist die auf Verbraucher ausgerichtete Version derselben Plattformgeschichte. Microsoft will Copilot zur Eingangstür für Agenten in den Bereichen Arbeit, Code und Zusammenarbeit machen.

Dann stellte Microsoft Copilot Autopilots vor, die Satya als „Enterprise-Krallen“ bezeichnete.

Autopilots sind autonome, langfristig laufende Agenten mit vollständiger Enterprise-Compliance, die in eurem Tenant ausgeführt werden. Sie können Folgendes haben:

• Einen Namen.
• Eine Persönlichkeit.
• Benutzerdefinierte Konnektoren.
• Kontext.
• Speicher.

Der erste Autopilot ist Microsoft Scout. Scout arbeitet dort, wo ihr arbeitet: in Teams-Gruppenchats und Outlook-Threads. Er ist ab sofort für Copilot-Frontier-Nutzer verfügbar. Microsoft erklärte außerdem, in den kommenden Monaten ein vollständiges digitales Autopilot-Team in Copilot aufzubauen.

Der Punkt ist also nicht, dass Scout Fragen beantworten kann. Microsoft will Copilot vielmehr von „auf Nachfrage chatten“ zu „mit Erlaubnis im Hintergrund arbeiten“ entwickeln.

Frontier Tuning ist Microsofts Ansatz nach dem Motto „Das Modell an euer Unternehmen anpassen“

Microsoft stellte außerdem Frontier Tuning vor, das sich an Unternehmen richtet, die Modelle an ihre eigenen Workflows, Richtlinien, Daten und ihren Stil anpassen möchten.

Satya stellte dies in den Kontext des impliziten Wissens: des Know-hows, das sich in einem Unternehmen durch Abläufe, Gewohnheiten, Prozesse und Urteilsvermögen anhäuft. Seine Frage lautete: Wie sieht die Zukunft des Unternehmens aus, wenn Modelle aus Daten und Entwicklungsverläufen lernen können?

Microsofts Antwort lautet, dass jede Organisation ihre eigene „Hill-Climbing-Maschine“ bauen müsse.

Diese Formulierung verdient eine Erklärung. Hill Climbing bedeutet, sich kontinuierlich auf ein Ziel zuzubewegen. In diesem Kontext bedeutet es, dass ein Unternehmen private Evaluierungen, private Reinforcement-Learning-Umgebungen, private Traces und private Workflows aufbaut und sie anschließend nutzt, um Agenten auf die eigenen Ziele hin zu optimieren.

Ein Foundation-Modell wird darauf trainiert, möglichst breit einsetzbar zu sein. Es kann über viele Themen hinweg schreiben, programmieren, zusammenfassen und schlussfolgern. Der Nachteil: Es kennt normalerweise weder eure internen APIs und euren Schreibstil noch eure Produktregeln oder Compliance-Anforderungen, sofern ihr sie ihm nicht immer wieder erklärt.

Frontier Tuning ist Microsofts Antwort auf diese Lücke.

Microsofts eigene Modelle sind nun Teil der Geschichte

Dann betrat Mustafa Suleyman die Bühne und ordnete die Modellentwicklung von Microsoft AI unter dem Begriff „humanistische Superintelligenz“ neu ein: hochmoderne KI-Fähigkeiten, die Menschen und Organisationen dienen sollen, statt sie zu ersetzen.

Er sagte außerdem, dass sich die Rechenleistung zum Trainieren von Frontier-Modellen in 15 Jahren um das Billionenfache erhöht habe – also um 12 Größenordnungen. Er prognostizierte, dass in den nächsten Jahren drei weitere Größenordnungen an Rechenleistung für das Training von Frontier-Modellen eingesetzt werden, und sagte, dass die Skalierungsgesetze weiterhin Bestand haben.

Anschließend kündigte Microsoft sieben neue Modelle für Bildgenerierung, Sprache, Transkription, logisches Denken und Programmierung an.

Das ist ein Wandel, denn Microsoft wurde in den vergangenen Jahren vor allem als Bereitstellungssystem für die Modelle von OpenAI im Unternehmensbereich wahrgenommen. Man kaufte Microsoft 365, und der von OpenAI unterstützte Copilot tauchte in Word, Excel, Outlook, Teams und GitHub auf.

Build 2026 zeigte also ein unabhängigeres Microsoft.

MAI-Image-2.5, MAI-Transcribe-1.5 und MAI-Voice-2

Das erste neue Modell war MAI-Image-2.5, außerdem gibt es eine Flash-Variante.

Mustafa sagte, MAI-Image-2.5 und Flash böten einen deutlichen Qualitätssprung, belegten Platz 2 und überträfen Nano Banana 2. Seinen Angaben zufolge ermöglichen die Modelle präzise Bearbeitungen mit Kontrolle und Konsistenz. Flash ist für effiziente Produktions-Workloads ausgelegt, während 2.5 maximale Detailtreue und Leistung auf professionellem Niveau bietet.

MAI-Image-2.5 ist ab heute in PowerPoint verfügbar, wird für OneDrive ausgerollt und steht in Foundry bereit.

Dann folgte MAI-Transcribe-1.5. Mustafa bezeichnete es als das beste Transkriptionsmodell der Welt mit branchenführender Genauigkeit in 43 Sprachen, das die Spitzenmodelle von Gemini und OpenAI übertreffe. Er sagte, das Modell erstelle Transkripte fünfmal schneller als Konkurrenzmodelle und sei in GitHub Copilot, Dynamics 365 Contact Center und Foundry integriert.

Anschließend kündigte Microsoft MAI-Voice-2 und MAI-Voice-2-Flash an. MAI-Voice-2 ist das neueste Modell zur Sprachgenerierung und bietet eine natürliche Wiedergabe, eine fein abgestufte Steuerung und 15 Sprachen. Voice 2 Flash ist auf Geschwindigkeit und Kosteneffizienz bei extrem niedriger Latenz ausgelegt.

Das sind also nicht nur Labormodelle. Microsoft integriert sie direkt in PowerPoint, OneDrive, GitHub Copilot, Dynamics, VS Code und Foundry.

MAI-Thinking-1 ist Microsofts erstes Modell für logisches Denken

Dann kam das Modell, auf das Corey hingewiesen hatte: MAI-Thinking-1.

Ein Modell für logisches Denken ist darauf ausgelegt, mehr Zeit mit der Bearbeitung mehrstufiger Probleme zu verbringen, statt sofort zu antworten. Microsoft beschrieb MAI-Thinking-1 als sein erstes Modell für logisches Denken, das auf Aufgaben in den Bereichen logisches Denken und Programmierung ausgerichtet ist.

Mustafa sagte, es handle sich um ein Modell mit 35 Mrd. aktiven Parametern, womit es in der „Gewichtsklasse mittelgroßer Modelle“ antritt. Kurz übersetzt: „35 Mrd. aktive Parameter“ bedeutet, dass das Modell bei der Beantwortung einer bestimmten Anfrage ungefähr 35 Mrd. interne Stellschrauben nutzt. Es ist kleiner als die größten Frontier-Modelle, und Microsoft positioniert es als effizient genug für den praktischen Einsatz in realen Produkten.

Coreys Hinweis auf 45 Mrd. aktive Parameter wirkt also wie ein Hörfehler. Im Transkript der Keynote heißt es 35 Mrd. aktive Parameter.

Die Benchmark-Angaben fielen größer aus als erwartet:

• Unabhängige menschliche Bewerter auf Surge bevorzugten MAI-Thinking-1 im direkten Vergleich mit Sonnet 4.6.
• Es erreichte 97 % bei AMI2025.
• und kam auf 53 % bei SWE-Bench Pro, womit es bei diesem Programmier-Benchmark neben Opus 4.6 landet.

SWE-Bench Pro ist ein anspruchsvoller Programmier-Benchmark. Die entscheidende Aussage lautet, dass Microsofts mittelschweres Modell für logisches Denken zumindest bei diesem Benchmark in die Nähe deutlich größerer, hochpreisiger Frontier-Systeme für die Programmierung kommt.

Mustafa sagte außerdem, das Modell sei von Grund auf entwickelt worden – ohne Distillation und ohne gezielte Optimierung auf Benchmarks. Bei der Distillation lernt ein Modell aus den Ausgaben eines anderen Modells. Microsoft behauptet, MAI-Thinking-1 sei mit sauberer, kommerziell lizenzierter Datenherkunft auf Unternehmensniveau entwickelt worden, sodass Firmen es mit größerem Vertrauen in die Produktion übernehmen können.

Coreys Einschätzung trifft also zu: Microsoft scheint eine eigene Nische gefunden zu haben. Es muss möglicherweise nicht das weltweit größte allgemeine Modell entwickeln, wenn es effiziente, saubere und produktgerechte Modelle bauen kann, die auf den Microsoft-Stack abgestimmt sind.

MAI-Code-1-Flash ist das kleine Programmiermodell

Dann kündigte Microsoft MAI-Code-1-Flash.

an. Mustafa beschrieb es als ein für die Inferenz effizientes Programmiermodell, das auf VS Code und GitHub CLI abgestimmt ist. Seinen Angaben zufolge erreichte es 51% beim Programmier-Benchmark, obwohl es über 5 Mrd. Parameter verfügt, womit es von der Größe her nahe an Haiku liegt und bei geringeren Kosten eine starke Programmierleistung bietet.

Es wird in VS Code ausgerollt.

Das ist wahrscheinlich das Modell, das Microsoft überall einsetzen möchte: günstig genug für eine breite Nutzung, leistungsfähig genug für routinemäßige Programmieraufgaben und dort integriert, wo Entwickler ohnehin arbeiten.

Microsoft öffnet den Modellzugang über Foundry hinaus

Microsoft teilte außerdem mit, dass die neuen MAI-Modelle auf OpenRouter, Fireworks und Baseten verfügbar sein werden.

Mustafa sagte, Entwickler könnten dadurch die Gewichte direkt in einem Ökosystem ihrer Wahl anpassen.

Das ist bemerkenswert, weil MAI dadurch weniger an Microsofts eigene Oberfläche gebunden ist. Microsoft will Foundry weiterhin als Unternehmensplattform etablieren und ermöglicht Entwicklern zugleich, über andere beliebte Modellplattformen auf die Modelle zuzugreifen und sie anzupassen.

Für die gesamte Modellfamilie erklärte Microsoft, dass Sicherheit und Schutz von Anfang an integriert seien:

• Sprachmodelle bieten Schutz vor unbefugtem Klonen.
• Ausgaben werden von Grund auf mit Wasserzeichen versehen.
• Die Modelle verringern Verweigerungen.
• Microsoft veröffentlicht einen ausführlichen technischen Bericht.

Anschließend ergänzte Mustafa einen Full-Stack-Aspekt: Microsoft entwickelt seine Modelle gemeinsam mit eigener Hardware. Er sagte, MAI-Thinking-1 sei auf Microsofts Maia-200-Chip optimiert und mit GB300 verglichen worden, wobei sich beim End-to-End-Betrieb des MAI-Modells ein weiterer Leistungsgewinn pro Watt um den Faktor 1,4 ergeben habe.

Er sagte außerdem, dass schnellere und effizientere MAI-Modelle „in einigen Monaten“ auf der N1X-Plattform unter Windows verfügbar sein werden.

Die übergeordnete Aussage lautet also: Wer den gesamten Stack besitzt, kann Modell, Hardware, Produkt und Kunden-Workflow gemeinsam optimieren.

Frontier Tuning gibt Unternehmen eine eigene Maschine zum schrittweisen Optimieren

Anschließend stellte Mustafa eine Verbindung zwischen den Modellen und Frontier Tuning.

her. Das große neue Element seien Umgebungen für bestärkendes Lernen, kurz RLEs. Er bezeichnete sie als „einzigartige Trainingshallen“ für KIs. Sie erzeugen unternehmens- und aufgabenspezifische Agenten, die ausschließlich an das jeweilige Unternehmen angepasst und auf MAI-Modellen aufgebaut sind.

Das Excel-Beispiel war eindrucksvoll: Microsoft nutzte RLEs und MAI-Modelle, um sich an die besten agentischen Einsatzmöglichkeiten in Excel heranzuarbeiten. Mustafa sagte, das daraus entstandene Modell liege bei öffentlichen und privaten Benchmarks auf Augenhöhe mit GPT-5.4 und sei bei den Kosten zehnmal effizienter.

Anschließend verwies er auf McKinsey: Microsoft habe Modelle anhand der Aufgaben von McKinsey optimiert, die höchste Erfolgsquote erzielt, GPT-5.5 übertroffen und eine zehnmal höhere Kosteneffizienz.

erreicht. Das Versprechen an Unternehmen lautet, dass ihre RLEs, Workflows, ihr Know-how, ihr Wissen, ihre Unternehmensdaten und ihre optimierten Modelle ihnen gehören. Mustafa sagte, diese Modelle würden zum Schutzwall des jeweiligen Unternehmens.

Das ist die klarste Beschreibung von Frontier Tuning: Miete nicht nur ein Frontier-Modell. Baue eine private Trainingsschleife rund um die tatsächliche Arbeit deines Unternehmens.

Microsoft und Mayo Clinic entwickeln ein Frontier-Modell für das Gesundheitswesen

Anschließend kündigte Microsoft eine Partnerschaft mit Mayo Clinic an, um ein Frontier-Modell für das Gesundheitswesen zu entwickeln und es in den Mayo-Kliniken und darüber hinaus einzusetzen.

Mayo-CEO Dr. Gianrico Farrugia sagte, Mayo Clinic Platform habe sieben Jahre damit verbracht, das Gesundheitswesen von einer Pipeline in eine Plattform zu verwandeln. Seinen Angaben zufolge ist die Plattform auf vier Kontinenten vertreten, erreicht etwa 100 Mio. Menschen und hat den eigenen Angaben zufolge den weltweit größten longitudinalen Datensatz zum Gesundheitswesen geschaffen, einschließlich multimodaler Daten und Genomdaten.

Ziel ist es, Microsofts Modellentwicklung mit der klinischen Praxis und dem Fachwissen von Mayo zu verbinden.

Für Patienten könnte das Modell klinische und organisatorische Fragen zur Gesundheitsversorgung beantworten. Für medizinisches Personal könnte es als Teammitglied in Echtzeit agieren, Erkenntnisse liefern, wahrscheinliche nächste Ereignisse vorhersagen, Schäden verhindern, die Patientensicherheit erhöhen und klinische Teams dabei unterstützen, eine bessere Versorgung zu leisten.

Das war eine der wichtigsten Ankündigungen und zugleich eine der am schwersten zu bewertenden Aussagen der Keynote. Modelle für das Gesundheitswesen brauchen mehr als starke Demos. Sie benötigen Sicherheit, Validierung, Workflow-Integration, Klarheit bei der Haftung und klinisches Vertrauen.

Microsoft und Mayo beschrieben das Ziel als sichere, geschützte, vertrauenswürdige und wirksame Lösungen für das Gesundheitswesen.

Das gehört in diese Geschichte, weil es zeigt, wohin Frontier Tuning führt, wenn besonders viel auf dem Spiel steht: nicht nur zu einem unternehmensspezifischen Schreibstil, sondern zu klinischem Fachwissen und Abläufen in der Patientenversorgung.

Frontier-Tuning-Demo: Land O’Lakes und der Butterbericht

Die Frontier-Tuning-Demo machte das Konzept greifbarer.

MAI-Thinking-1 ist als private Vorschau im Foundry-Modellkatalog verfügbar. Nutzer können es unverändert einsetzen oder feinjustieren.

In der Demo diente dann Land O’Lakes als Beispiel. Der Präsentator zeigte, wie eine Umgebung Fähigkeiten, Wissen und Tools enthalten kann.

Die Aufgabe bestand in der Erstellung eines Butterberichts, die viele manuelle Schritte und ein hohes Maß an Präzision erforderte. Der Präsentator sagte, eine Genauigkeit von knapp 80 % reiche für solche Aufgaben nicht aus. Deshalb erweitert Microsoft die Definition von Fähigkeiten um Bewertungsraster für die Frage, „wie ein gutes Ergebnis aussieht“.

Ein Bewertungsraster ist ein Leitfaden zur Bewertung. Es erklärt dem Modell, wie es beurteilen soll, ob die Ausgabe gut war.

Anschließend zeigte die Demo, wie Microsoft M365-Signale aus Teams, Outlook, Word, Excel und PowerPoint nutzen kann, um auf Grundlage der Arbeitsweise einer Organisation Fähigkeiten und Bewertungsraster vorzuschlagen. Nutzer können Organisationswissen aus OneDrive und SharePoint hinzufügen. Auch Tools lassen sich ergänzen.

Das wichtige Sicherheitsdetail war die Simulation: Da die Tools auf reale Workflows zugreifen, simuliert Microsoft die Ausführung, damit das Modell lernen kann, ohne den Live-Zustand des Unternehmens zu beeinflussen.

Der Demo zufolge half Frontier Tuning dabei, die Aufgaben von Land O’Lakes schrittweise auf mehr als 90 % Genauigkeit zu optimieren. Das feinjustierte Modell sei schätzungsweise zehnmal effizienter als Basismodelle.

Die zwischengespeicherte Antwort „fühlte sich zweifellos nach Land O’Lakes an“, und genau darum geht es im Unternehmensbereich. Ein optimierter Agent sollte in jedem Unternehmen wie ein generischer Berater klingen. Er sollte verstehen, wie genau dieses Unternehmen arbeitet.

Die übergeordnete Bedeutung von Frontier Tuning

Satya fasste den Wandel nach der Demo zusammen: Unternehmen gehen von der Nutzung von Frontier-Modellen dazu über, an der Frontier mitzuwirken.

Das bedeutet, dass private Evaluierungen, private Ergebnisse, private RLEs, Traces, Unternehmenswissen, Gerüste und Modelle zusammenwirken, damit das Unternehmen sich schrittweise auf seine eigenen Ziele zubewegen kann.

Das ist wahrscheinlich die typischste Microsoft-Idee der gesamten Keynote. Die Zukunft der KI in Unternehmen hängt nicht nur davon ab, welches Modell bei öffentlichen Benchmarks am besten abschneidet. Entscheidend ist, ob ein Unternehmen eine private Verbesserungsschleife rund um die Arbeit aufbauen kann, die nur es selbst beherrscht.

Microsoft Discovery verwandelt wissenschaftliche Forschung in eine Agentenschleife

Dann wandte sich Satya der Wissenschaft zu.

Er fragte, was geschehen würde, wenn die wissenschaftliche Methode kontinuierlicher und programmierbarer werden könnte. Microsoft Discovery ist die Antwort.

Microsoft Discovery ist jetzt allgemein verfügbar. Satya sagte, es führe Modelle, HPC-Rechenleistung, Wissensgraphen, wissenschaftliches Wissen, automatisierte Labore und Simulationen in einer einzigen agentischen Entdeckungsschleife zusammen.

HPC steht für High-Performance Computing, also Hochleistungsrechnen. Ein Wissensgraph ist eine strukturierte Darstellung von Konzepten und Beziehungen. Discovery ist somit im Grunde Microsofts Versuch, wissenschaftliche Arbeit stärker wie agentische Softwareentwicklung ablaufen zu lassen: Aufgabe definieren, spezialisierte Agenten arbeiten lassen, Simulationen ausführen, Kandidaten erzeugen, Protokolle erstellen und Verbindungen zu Laboren herstellen.

In der Demo ging es um das Recycling von Kunststoff. Heute bedeutet das Recycling einer Plastikflasche häufig Downcycling: Sie wird zerkleinert und eingeschmolzen, um daraus ein Material mit geringerem Wert herzustellen. In der Demo wurde gefragt, ob Proteine dabei helfen könnten, das Material immer wieder zu recyceln.

In der Microsoft-Discovery-App, die wie VS Code aussah, bat der Wissenschaftler um drei Dinge:

• Schreibe eine wissenschaftliche Arbeit über das Thema.
• Führe eine Recherche durch, um geeignete Proteine zu finden.
• Erstelle ein Protokoll, um die Ergebnisse in einem echten Labor zu testen.

Die Discovery Engine nutzte spezialisierte Agenten, die im Hintergrund liefen und der wissenschaftlichen Methode folgten. Der Präsentator sagte, dass Durchläufe Stunden oder Tage dauern können.

Das System erstellte eine Forschungsarbeit, erzeugte spontan einen benutzerdefinierten Agenten, nutzte HPC zur Generierung von Proteinkandidaten, untersuchte Millionen von Proteinvarianten und wählte 80 Proteine aus, die zum Testen ins Labor geschickt wurden.

Anschließend generierte es DNA-Sequenzen und übermittelte über einen benutzerdefinierten Agenten, der mit einem automatisierten Labor verbunden war, Anweisungen an das Labor. Die meisten Schritte liefen automatisiert ab, während der Mensch weiterhin im Prozess eingebunden blieb.

Das ist eine weitreichende Aussage: physikalische Wissenschaft, Simulation, Agenten und automatisierte Labore in einem einzigen Kreislauf.

Discovery könnte also eine der langfristig bedeutendsten Ankündigungen sein, auch wenn sie für die meisten Leser weniger unmittelbar praktisch ist als Copilot oder Surface-Hardware.

Majorana 2 ist Microsofts Quanten-Mondflug

Die letzte technische Ankündigung war Majorana 2, Microsofts Quantenchip der nächsten Generation.

Quantencomputer verwenden Qubits statt normaler Computerbits. Ein normales Bit ist entweder eine 0 oder eine 1. Ein Qubit kann komplexere Quantenzustände annehmen, was Computern eines Tages dabei helfen könnte, bestimmte Probleme zu lösen, die für heutige Maschinen extrem schwierig sind.

Das Problem ist, dass Qubits fragil sind. Sie verlieren leicht ihren Quantenzustand, was zuverlässiges Quantencomputing äußerst schwierig macht.

Satya sagte, Microsofts Majorana-Ansatz konzentriere sich auf die grundlegenden Hürden einer skalierbaren Quantenmaschine: Zuverlässigkeit, Geschwindigkeit und Größe.

Microsoft sagte, dass Qubits von Majorana 2 ihren Zustand durchschnittlich 20 Sekunden lang und bis zu einer Minute aufrechterhalten können. Satya sagte, das sei ungefähr 1.000-mal höher als bei Majorana 1.

Er sagte außerdem, dass Majorana 2 denselben kubischen Formfaktor wie Majorana 1 beibehält, mit einer digitalen Steuerung im Hundertstelmillimeterbereich, wodurch 1 Mio. Qubits auf einem Chip Platz finden, der kleiner als eine Kreditkarte ist.

Also ja, das klingt weiterhin nach Science-Fiction. Und Microsoft versucht zu zeigen, dass der Science-Fiction-Teil der nutzbaren Ingenieurtechnik näherkommt.

Die eigentliche Geschichte von Build 2026

Build 2026 war Microsofts bislang klarste Agentenstrategie: Agenten Realität werden zu lassen, indem man ihnen Computer, Kontext, Leitplanken und Bereitstellungsinfrastruktur gibt.

Oberflächlich betrachtet geht es um Produktvorstellungen. Die tiefere Geschichte ist, dass Microsoft versucht, Agenten in verwaltete Unternehmensinfrastruktur zu verwandeln.

Das ist eine sehr typische Wette von Microsoft.

Sie setzt voraus, dass die führende Agentenplattform diejenige sein wird, die dem Compliance-Team zustimmen kann. Sie setzt voraus, dass Entwickler lokale Rechenleistung und die Skalierbarkeit der Cloud wollen (äh, ja. Wollen sie). Sie setzt voraus, dass Unternehmen Agentenarbeit an Identität, Richtlinien, Nachverfolgung und internes Wissen knüpfen wollen (auch das wäre schön!). Sie setzt voraus, dass die Zukunft viele Agenten, viele Geräte und eine Steuerungsebene bereithält, die alles zusammenhält.

Das Risiko ist die Komplexität.

Microsoft verfügt über einen leistungsfähigen Stack, hat aber auch zu viele Namen. Copilot, Scout, Autopilots, Foundry IQ, Work IQ, Web IQ, Fabric IQ, OpenClaw, OpenShell, MXC, Windows 365 for Agents, Project Solara, Rayfin, Frontier Tuning, Agent Control Specification, Microsoft Agent Framework, Agent 365, MDASH, Microsoft Discovery, Maia, Cobalt, MRC, HorizonDB, MAI, Majorana, Aion Instruct und Aion Plan, um nur einige zu nennen.

Ach, der Fluch der Hyperscaler. Google und AWS haben TBH dasselbe Problem. Wenn man diese Größenordnung erreicht, gibt es einfach eine Menge zu verwalten.

Ein gewöhnlicher Entwickler könnte auf diese Übersicht schauen und sich fragen, wo der Einstieg ist. Der Kniff wird also darin bestehen, das alles zu vereinfachen und so leicht navigierbar wie möglich zu machen.

Allerdings ist die beste Version dieser Zukunft überzeugend. Ein Agent (idealerweise ein lokaler, sobald die Technik aufgeholt hat)erfasst deinen Arbeitskontext, verwendet das passende Modell, läuft sicher auf deinem Gerät oder in einem Cloud-PC, prüft aktuelle Webdaten, schreibt Code, testet ihn, eröffnet einen Pull Request, hält Richtlinien ein und hinterlässt einen Prüfpfad.

Die schlechteste Version ist Unternehmens-KI als Ordnerlabyrinth. Oder, wie ich es gerne nenne: ein spaghettiartiges Durcheinander aus Software-Müll.

Damit bleibt uns eine einzige Frage: Kann Microsoft den Agenten-Stack so selbstverständlich nutzbar machen, wie er sich auf dem Papier leistungsfähig anhört?

Wenn das gelingt, könnte Build 2026 als der Moment in Erinnerung bleiben, in dem Microsoft aufhörte, KI als Seitenleiste zu verkaufen, und begann, den Computer um sie herum neu aufzubauen. Ich persönlich bin zumindest einigermaßen optimistisch, was diese These angeht, zumindest was die Auswirkungen betrifft, die lokal zugängliche KI auf ganz normale Menschen haben könnte … vorausgesetzt, wir bekommen auch den Rest der Systeme drumherum aufgebaut und bringen ihn dazu, richtig zu funktionieren.

Anmerkung der Redaktion: Dieser Artikel erschien ursprünglich in unserer Schwesterpublikation The Neuron.