Microsoft Build 2026 Highlights? 7 eigenentwickelte KI beschleunigen Autonomie, Quantenchips verzeichnen 1.000-fachen Sprung

Microsoft hat gleichzeitig sieben neue KI-Modelle eingeführt, die alle in die MAI (Microsoft AI)-Familie integriert sind. Diese Modelle decken ein breites Spektrum an Fähigkeiten ab, darunter Reasoning, Programmierung, Bilderkennung, Sprache und Multimodalität, und markieren eine entscheidende Implementierungsphase der KI-„Autonomie“-Strategie von Microsoft.

Microsoft beschreibt diese Modellreihe als Kernkomponenten einer „Hill-Climbing-Maschine“ – ein System, das durch kontinuierliche Investitionen in Rechenressourcen, optimierte Trainingsdaten und verfeinerte Evaluierungssysteme eine iterative Selbstverbesserung erreicht und sicherstellt, dass die Nutzer an der technologischen Spitze bleiben.

Die sieben diesmal veröffentlichten Modelle zielen nicht nur auf die schiere Parametergröße ab; stattdessen streben sie den Aufbau eines vollständigen Funktionsspektrums aus „Denken, Reasoning, Ausführung und Programmierung“ an, um KI-Agentensysteme der nächsten Generation zu unterstützen.

Zu den Kernprodukten gehören die MAI-Thinking-Serie von Reasoning-Modellen, hocheffiziente Programmiermodelle, Bild- und multimodale Modelle, leichtgewichtige Modelle für Agentensysteme sowie spezialisierte Modelle, die für Unternehmens- und Entwicklerszenarien optimiert sind.

Die beiden am meisten beachteten Produkte sind MAI-Thinking-1, Microsofts erstes Flaggschiff-Reasoning-Modell, und MAI-Code-1-Flash, ein hocheffizientes Programmiermodell, das speziell für GitHub-Szenarien entwickelt wurde.

Als Kerninstrument in Microsofts Strategie für den KI-Unternehmensmarkt wurde MAI-Code-1-Flash auf Basis eines durchgängig „sauberen und lizenzierten“ Datensatzes trainiert und wird derzeit schrittweise an einzelne Nutzer von GitHub Copilot in VS Code ausgerollt.

Nutzer können entweder manuell über das Modellauswahlmenü zu dem Modell wechseln oder es durch den automatischen Selektor des Systems basierend auf der Komplexität der Aufgabe intelligent zuweisen lassen.

Neben MAI-Code-1-Flash ist das Reasoning-Modell MAI-Thinking-1 von Microsoft gleichermaßen bemerkenswert. Die bedeutendste Ankündigung ist die erstmalige Einführung einer Reasoning-Modellfamilie durch Microsoft – MAI Thinking.

Reasoning-Modelle werden im Jahr 2026 zum neuen Schlachtfeld im KI-Wettbewerb. Im Gegensatz zu herkömmlichen Chat-Modellen, die auf die Interaktion in natürlicher Sprache fokussiert sind, legen Reasoning-Modelle den Schwerpunkt auf logisches Denken – sie zerlegen komplexe Probleme in ausführbare Schritte, bewältigen langkettige Planungsaufgaben, verarbeiten mathematische sowie Programmier-Logik und unterstützen die autonome Ausführung von Agentensystemen. Diese Fähigkeit deckt sich perfekt mit den Kernanforderungen von Unternehmensanwendungen und macht sie zu einem strategischen Schlüsselsegment für Tech-Giganten.

Das MAI-Thinking-1 von Microsoft zielt direkt auf diesen Markt ab. Laut offiziellen Daten ist die Leistung dieses mittelgroßen Modells bei wichtigen Software-Engineering-Benchmarks mit branchenführenden Modellen vergleichbar und nähert sich insbesondere bei den Programmierfähigkeiten dem Niveau von Claude Sonnet 4.6 an.

Mustafa Suleyman, Leiter von Microsoft AI, räumte in einem Medieninterview ein, dass Anthropic weiterhin einen Vorsprung von mehreren Monaten hat, betonte jedoch, dass Microsoft die Lücke in einem erstaunlichen Tempo schließt und in den letzten sechs Monaten sprunghafte Fortschritte erzielt hat.

Aus Sicht der technischen Architektur ähnelt die Designphilosophie von MAI-Thinking-1 stark der Claude-Serie von Anthropic – wobei auf das blinde Streben nach Parametergröße verzichtet wird, um sich stattdessen auf praktische Reasoning-Fähigkeit und Effizienz zu konzentrieren. Dieser Ansatz ermöglicht es dem Modell, komplexe Aufgaben effektiver zu bewältigen und gleichzeitig die Bereitstellungskosten zu senken, wodurch es besser für groß angelegte Unternehmensanwendungen geeignet ist.

Gleichzeitig hat Microsoft offiziell seinen Quantenchip der nächsten Generation, Majorana 2, vorgestellt. Der Chip ist der Nachfolger des Majorana-Projekts, das im vergangenen Jahr für Kontroversen in der Branche sorgte, und markiert den neuesten Meilenstein in Microsofts 20-jährigem Engagement für die Roadmap der „topologischen Qubits“. Microsoft weicht damit vom Pfad der supraleitenden Quantencomputer ab, den Giganten wie Google und IBM verfolgen, und hat sich für eine technisch anspruchsvollere Route entschieden: die Nutzung von Majorana-Quasiteilchen zur Konstruktion von von Natur aus rauschresistenten Qubits.

In Bezug auf die technischen Spezifikationen sind die Verbesserungen des Majorana 2 revolutionär. Während die Anzahl der Qubits auf dem Chip von acht in der Vorgängergeneration auf 12 gestiegen ist, liegt der eigentliche Durchbruch in der Stabilität der Qubits. Nach Angaben von Microsoft übersteigt die durchschnittliche Lebensdauer der Qubits des neuen Chips 20 Sekunden, wobei einige Werte von über einer Minute erreicht werden – im Vergleich dazu hielt das im Vorjahr vorgestellte Produkt der ersten Generation weniger als 12 Millisekunden. Dies entspricht einer mehr als 1.000-fachen Steigerung der Zuverlässigkeit; ein Fortschritt, den Microsoft mit dem „Austausch eines Handyakkus, der einen Tag hält, durch einen, der fast drei Jahre hält“, vergleicht.

Majorana 2 verabschiedet sich von den aluminiumbasierten supraleitenden Materialien des Vorgängers und setzt stattdessen auf bleibasierte Supraleiter, während der aktive Halbleiterbereich auf eine Kombination aus Indiumarsenid und Indiumantimonid umgestellt wurde. Diese neue Materialzusammensetzung schafft eine stabilere topologische Phase, wodurch die Widerstandsfähigkeit der Qubits gegenüber Umgebungsrauschen deutlich erhöht wird.

Chetan Nayak, Forscher und leitender Mitarbeiter in der Quantenhardware-Sparte von Microsoft, erklärte, dass dieser Fortschritt dem Unternehmen die Zuversicht gebe, den Zeitplan für Forschung und Entwicklung eines praxistauglichen Quantencomputers zu halbieren und das Zieljahr von 2035 auf 2029 vorzuziehen.

Es ist bemerkenswert, dass der gesamte F&E-Prozess für Majorana 2 mithilfe von KI-gestütztem Design erfolgte. Durch den Microsoft Discovery Agent konnte das Forschungsteam das Material-Screening und die Architekturoptimierung beschleunigen, wodurch ein Entwicklungszyklus, der normalerweise Jahre in Anspruch nehmen würde, drastisch verkürzt wurde.

Microsoft demonstrierte nicht nur Durchbrüche im Quantencomputing, sondern brachte mit Web IQ auch ein wegweisendes Produkt im Bereich der KI-Agenten auf den Markt.

Diese speziell für KI-Agenten konzipierte Such-API-Suite rekonstruiert ihre zugrunde liegende Architektur auf Basis der zwei Jahrzehnte langen technischen Expertise von Bing. Sie zielt darauf ab, die Schwachstellen hoher suchbezogener Kosten und langsamer Reaktionszeiten in aktuellen KI-Anwendungen zu beheben, und dient als „Informationsfundament“ für die Ära der Agenten.

Im Gegensatz zu herkömmlichen Suchmaschinen bedient Web IQ KI-Agenten und keine menschlichen Nutzer. Jordi Ribas, President of Microsoft Search and AI, erklärte in einem Interview, dass die Suche durch Menschen zwar erfordert, dass Suchmaschinen Ergebnisse gewichten und anzeigen, KI-Agenten jedoch hochgradig verdichtete, strukturierte Informationsschnipsel für eine schnelle Analyse und Nutzung benötigen, ohne dabei übermäßig viele Token zu verbrauchen. Infolgedessen baute Web IQ seine gesamte Architektur von Grund auf neu auf und nutzt die zwanzigjährige technische Erfahrung von Bing, um „maßgeschneiderte“ Suchdienste für KI-Agenten anzubieten.

Nach offiziellen von Microsoft offengelegten Daten können 95 % der Anfragen innerhalb von 165 Millisekunden beantwortet werden, was im Durchschnitt etwa dem 2,5-Fachen der Geschwindigkeit von Branchenkonkurrenten entspricht; durch Grounding-Technologie sind die zurückgegebenen Informationen kompakter, wodurch der Token-Verbrauch im Vergleich zu herkömmlichen Such-APIs um 60 % gesenkt wird.

Diese Leistungskennzahl ist im aktuellen Umfeld von KI-Anwendungen besonders entscheidend. Ein McKinsey-Bericht für das erste Quartal 2026 zeigt, dass der suchbezogene Token-Verbrauch 35 % der Gesamtkosten von KI-Anwendungen ausmacht, wobei Fälle mit einer Antwortlatenz von über 300 Millisekunden einen Anteil von 40 % erreichen und somit zu einem erheblichen Engpass für das Nutzererlebnis der Agenten werden.

Die Kernkompetenz von Web IQ liegt in seiner leistungsstarken Grounding-Funktionalität. Es unterstützt KI-Agenten dabei, zuverlässige Internetinformationen in Echtzeit abzurufen – einschließlich aktueller Nachrichten, Echtzeitpreisen, dynamischer Bestände, Webinhalten, API-Dokumentationen und Unternehmensinformationen –, wodurch Probleme mit KI-Halluzinationen effektiv reduziert werden.

Noch wichtiger ist, dass Web IQ nicht einfach nur Webinhalte zurückgibt, sondern ausführbare Informationsstrukturen bereitstellt, die es KI-Agenten ermöglichen, Websitedienste direkt aufzurufen, Transaktionen automatisch abzuschließen, Seitensemantik zu verstehen, Online-Tools zu bedienen und sogar mit externen Agenten zusammenzuarbeiten. Dieses Design steht in hohem Maße im Einklang mit der zuvor von Microsoft forcierten Model Context Protocol (MCP)-Strategie und signalisiert eine Evolution des Internets von „Browsern, die Webseiten lesen“ hin zu „KI-Agenten, die Dienste lesen“.

In den vergangenen vier Jahren hat Microsoft fast seine gesamten KI-Wetten auf die Partnerschaft mit OpenAI gesetzt. Von Copilot bis Azure AI und von Unternehmensdiensten bis hin zu Verbraucheranwendungen bildete die Modelltechnologie von OpenAI das zentrale Rückgrat der KI-Fähigkeiten von Microsoft. Da die Partnerschaft jedoch derzeit Anpassungen erfährt, schlägt Microsoft einen Weg der „echten Selbstversorgung“ in der KI-Entwicklung ein.

Der Ausgangspunkt dieser Transformation lässt sich auf die Neuverhandlung der Partnerschaftsvereinbarung zwischen den beiden Parteien im vergangenen Jahr zurückführen. Obwohl Microsoft weiterhin einen Anteil von rund 27 % an OpenAI hält und sich langfristigen Zugang zu fortgeschrittenen Modellen sichert, hat das Unternehmen intern damit begonnen, explizit eine Multi-Modell-Strategie aufzubauen, um die „Abhängigkeit von einer einzigen Quelle zu eliminieren“.

Mustafa Suleyman, Leiter der KI-Sparte bei Microsoft, räumte in einem Interview ein, dass eine übermäßige Abhängigkeit von einem einzigen Partner strukturelle Risiken birgt und dass eigene Forschungs- und Entwicklungskapazitäten der einzige Weg sind, um langfristige strategische Autonomie zu gewährleisten.

Angesichts des rasanten Aufstiegs von Wettbewerbern wie Google, Meta und Anthropic im KI-Sektor muss Microsoft seinen technologischen Burggraben dringend verstärken. Insbesondere hat die Gemini-Modellserie von Google OpenAI's GPT-4o in bestimmten Performance-Benchmarks überholt, was Microsoft zu der Erkenntnis führte, dass eine übermäßige Abhängigkeit von externer Technologie das Unternehmen im künftigen KI-Wettbewerb ins Hintertreffen geraten lassen könnte.

Dieser Inhalt wurde KI-übersetzt und von Menschen überprüft. Er dient nur zu Referenz- und Informationszwecken und stellt keine Anlageberatung dar.