Ein Cloud-KI-Tool wurde dabei erwischt, wie es komplette Nutzer-Verzeichnisse hochlädt, mit Netzwerk-Mitschnitt als Beweis. Es geht um Grok Build von xAI. Der Fall zeigt konkreter als jede Folie, warum der Ort, an dem dein Modell läuft, eine Architektur-Entscheidung ist.
Grok Build: der Netzwerk-Mitschnitt
Am 13. Juli postet ein Nutzer auf X, Grok habe sein komplettes Home-Verzeichnis auf die Server von xAI hochgeladen: SSH-Schlüssel, Passwort-Datenbank, Dokumente, Fotos. Einzelfall, Behauptung, Internet halt, könnte man sagen. Aber dann hat jemand den Netzwerk-Verkehr von Grok Build mitgeschnitten, Paket für Paket. Die Analyse zeigt: Das Tool schickt ganze Projekt-Verzeichnisse, unverändert, an einen Cloud-Speicher, den xAI nutzt. Das ist keine Verschwörungstheorie. Das ist ein Netzwerk-Mitschnitt.
Fairerweise: xAI hat den Upload serverseitig abgeschaltet und angekündigt, die Daten zu löschen; einen Tag später lag der komplette Quellcode von Grok Build unter Apache-2.0-Lizenz offen. Bemerkenswert, und genau der Punkt: Dass jemand nachschauen kann, was ein Werkzeug tut, war keine Selbstverständlichkeit. Es hat einen Vorfall gebraucht. Und: Es war kein böser Hack, sondern eine Funktion, die einfach an war. Wenn das Modell bei dir läuft, gibt es diese Frage gar nicht. Es gibt kein Nach-Hause-Telefonieren, wenn Zuhause dein Server ist.
Drei Modelle, die niemand mieten muss
Inkling, von Thinking Machines, dem Labor von Mira Murati: Die Gewichte liegen offen auf Hugging Face. Mit knapp 1.000 Milliarden Parametern ist das Server-Klasse, nichts für den Laptop. Der Wert liegt woanders: Wenn ein Labor aus der ersten Liga seine Gewichte offenlegt, entstehen daraus kleinere Ableger: Destillate, denen man beibringt, sich wie das große Modell zu verhalten. Das große läuft im Rechenzentrum, seine Enkel laufen auf deinem Laptop.
Kimi K3, vom chinesischen Labor Moonshot: Noch läuft es nur über deren App und Cloud, die offenen Gewichte sind für den 27. Juli angekündigt. Kalender-Eintrag machen. Und das Tempo: Qwen, DeepSeek, jetzt Kimi: Die offenen Modelle kommen im Wochentakt, der Abstand zu den geschlossenen Anbietern schrumpft jedes Mal.
Bonsai 27B, von Prism ML: ein Modell aus der 27-Milliarden-Klasse, in einer 1-Bit-Fassung nur noch 3,9 Gigabyte groß. Der Hersteller zeigt es in einer Demo auf einem iPhone 17 Pro Max und labelt sie selbst als „Demo Mode: Cached & Prefilled". Ein Teil der Arbeit war also vorher erledigt; unabhängige Messungen fürs Telefon gibt es nicht. Die Herstellerangabe für ein MacBook mit M5 Max: rund 87 Token pro Sekunde, flüssiger als du liest. Vor einem Jahr hieß 27-Milliarden-Klasse dicker Rechner. Heute heißt es: ordentlicher Laptop.
GPT-5.6 Sol: „Das hätte nicht passieren dürfen"
t3n berichtet, das neue OpenAI-Modell GPT-5.6 Sol habe bei mehreren Entwicklern Datenbanken gelöscht, ohne Anweisung. Der zitierte Satz eines Betroffenen, es hätte nicht passieren dürfen, ist kein Sicherheitskonzept; das ist der Satz, den man hinterher ins Postmortem schreibt. Wenn ein Agent auf fremden Servern läuft, sind seine Leitplanken nicht deine Leitplanken. Das ist kein Cloud-Bashing. Für vieles ist Cloud in Ordnung. Die Grenze läuft dort, wo Kundendaten und Produktivsysteme beginnen. Ein lokaler Agent heißt: deine Sandbox, dein Backup, dein Aus-Knopf.
Der lokale Voice-Stack
Drei Bausteine aus dieser Woche ergeben zusammen einen Sprach-Assistenten, der nichts nach draußen schickt. Apples neuer SpeechAnalyzer gewinnt im Benchmark eines Transkriptions-Anbieters klar gegen die kleineren Whisper-Modelle: Diktat und Meeting-Notizen direkt auf dem Mac, ohne dass Audio das Gerät verlässt. Das Hugging-Face-Projekt speech-to-speech verbindet offene Bausteine zu einem lokalen Sprach-Assistenten. Und Pocket-TTS vom Labor Kyutai ist eine Sprachausgabe, die auf einer ganz normalen CPU läuft: keine Grafikkarte, kein Cloud-Konto. Die Spracherkennung hört zu, dein lokales Modell denkt, Pocket-TTS spricht. Nichts davon verlässt deinen Rechner. Dazu passt Ollama-OCR: ein Werkzeug, das Rechnungen, Scans und PDFs lokal ausliest und den Text deinem Modell übergibt.
Was das für dich heißt
Weißt du, was deine KI-Tools nach draußen schicken? Nicht, was der Anbieter verspricht, sondern was tatsächlich über die Leitung geht. Für die Grenze zwischen Cloud und eigener Infrastruktur helfen drei Fragen. Darf das Werkzeug an Daten, deren Verlust dich Kunden oder Ärger mit dem Datenschutz kostet? Kann es Dinge verändern oder löschen, oder nur lesen? Und würdest du den Schaden bemerken, bevor er groß ist? Sobald du bei zwei von drei Fragen schlucken musst, gehört der Fall auf deine eigene Infrastruktur.
Quellen
- https://twitter.com/a_green_being/status/2076598897779020159
- https://gist.github.com/cereblab/dc9a40bc26120f4540e4e09b75ffb547
- https://www.theregister.com/ai-and-ml/2026/07/14/musk-promises-purge-after-grok-build-caught-sending-entire-repos-to-the-cloud/5271123
- https://github.com/xai-org/grok-build
- https://thinkingmachines.ai/news/introducing-inkling/
- https://www.kimi.com/blog/kimi-k3
- https://prismml.com/news/bonsai-27b
- https://t3n.de/news/gpt-5-6-sol-loescht-datenbanken-1752908/
- https://get-inscribe.com/blog/apple-speech-api-benchmark.html
- https://github.com/kyutai-labs/pocket-tts
- https://github.com/huggingface/speech-to-speech
- https://github.com/imanoop7/Ollama-OCR