Schlüsselwörter：DeepSeek, OpenAI, Google Android XR, Zhiyuan Roboter, Doubao Handy-Assistent, KI-Lernpartner, SpaceX Orbitales Rechenzentrum, DeepSeek R1-Modell, OpenAI Roter Alarm, Android XR SDK, Zhiyuan Roboter Expedition A1, Doubao KI-Assistent für appübergreifende Operationen
🔥 Fokus
DeepSeek-Gründer Liang Wenfeng in die Nature-Liste der Top 10 Wissenschaftler des Jahres aufgenommen: Liang Wenfeng wurde vom Magazin Nature aufgrund der Beiträge und des transformativen Einflusses des DeepSeek-Modells im Bereich AI zu einem der Top 10 Wissenschaftler des Jahres 2025 ernannt und als “Technologie-Disruptor” bezeichnet. DeepSeek hat die Branche mit seinen leistungsstarken, kostengünstigen und Open-Source-Modellen (wie R1, V3.2) erschüttert und bewiesen, dass Large Language Models nicht unbedingt unbegrenzte Ressourcen aufstapeln müssen, um ein Spitzenniveau zu erreichen, was die technologische Präsenz inländischer Large Language Models in der globalen Gemeinschaft gefördert hat. Die Bewertung von DeepSeek hat 1,05 Billionen Yuan erreicht, und Liang Wenfengs Vermögen ist dementsprechend auf 184,62 Milliarden Yuan gestiegen. Seine “Geek”-Attribute und sein Festhalten an Open Source werden als Symbol für Chinas Wandel im Bereich AI vom Nachahmer zum Innovator angesehen. (Quelle: 36氪, 36氪, 36氪)
OpenAI ruft “rote Alarmstufe” aus und veröffentlicht Enterprise AI-Bericht: OpenAI-CEO Sam Altman hat am 1. Dezember aufgrund des intensiven Wettbewerbs durch Google Gemini und Meta die höchste “rote Alarmstufe” ausgerufen, nicht-kerngeschäftliche Aktivitäten eingestellt und Ressourcen konzentriert, um die Kernvorteile von ChatGPT zu stärken. Gleichzeitig veröffentlichte OpenAI den “Bericht zum Status quo von Enterprise AI”, der zeigt, dass die AI-Adoption in Unternehmen sich beschleunigt und Mitarbeiter durchschnittlich fast eine Stunde Arbeitszeit pro Tag sparen. Die Effizienz der Top 5% der Power-User ist jedoch um das 16-fache gestiegen, was Bedenken hinsichtlich einer “Wohlstandsschere” im AI-Zeitalter aufwirft. Der Wettbewerb konzentriert sich auf Modellfähigkeiten, Marktanteil und Talentakquise. (Quelle: 36氪, 36氪)
Google stellt Android XR-Plattform und mehrere AI-Brillen vor: Google hat auf dem XR Edition-Event Android XR systematisch vorgestellt und als erste einheitliche Extended Reality-Plattform positioniert, die darauf abzielt, das Android-Erlebnis auf den XR-Bereich auszudehnen. Die Plattform wurde in Zusammenarbeit mit Samsung und Qualcomm entwickelt und bietet vielfältige Hardware-Formfaktoren, darunter modische AI-Smart Glasses (in Zusammenarbeit mit Warby Parker und Gentle Monster), kabelgebundene XR-Brillen (Project Aura in Zusammenarbeit mit XREAL) sowie Updates für Samsungs Galaxy XR-Headset. Das Android XR SDK wurde ebenfalls aktualisiert, um Entwicklern umfassende Unterstützung zu bieten, was bedeutende Fortschritte bei der Konvergenz von AI und XR ankündigt. (Quelle: 36氪, 36氪)
Zhiyuan Robotik von “Zhihui Jun” erreicht Massenproduktion von 5.000 Einheiten: Zhiyuan Robotik, gegründet vom Embodied AI-Entrepreneur “Zhihui Jun” Peng Zhihui, hat innerhalb von weniger als drei Jahren die Massenproduktion von 5.000 allgemeinen Embodied Robotern abgeschlossen. Die Produktlinie umfasst Humanoid-Roboter in voller Größe (Expedition A1/A2), Humanoid-Roboter in halber Größe (Lingxi X1/X2) und radbasierte Embodied Roboter (Elf G1/G2), die hauptsächlich in der industriellen Fertigung, Logistiksortierung, Datenerfassung und -training sowie bei Empfangsdiensten, Unterhaltung und kommerziellen Auftritten eingesetzt werden. Dieser Meilenstein markiert, dass der Fortschritt der Massenproduktion in der Embodied AI-Branche die Erwartungen übertroffen hat und bereits Aufträge im Wert von mehreren hundert Millionen Yuan erhalten wurden. (Quelle: 36氪)
Doubao Mobile Assistant löst Kampf um den AI-Eingang aus: ByteDance’s Doubao Mobile Assistant versucht durch eine intensive Zusammenarbeit mit ZTE, AI-Fähigkeiten in die Betriebssystemebene von Mobiltelefonen zu integrieren, um globale Operationen über verschiedene Apps hinweg zu ermöglichen, was die Branche erschüttert hat. Das Produkt zielt darauf ab, den Status bestehender Super-Apps als Traffic-Eingang herauszufordern, stieß jedoch umgehend auf technische Einschränkungen durch große Unternehmen wie WeChat und Taobao. Dieses Ereignis hat den Wettbewerb um den Super-Eingang im AI-Zeitalter auf die Tagesordnung gesetzt und deutet darauf hin, dass Software-Hardware-Integration, Ökosystem-Aufbau und End-Cloud-Kollaboration zu den Schlüsseltrends für die Entwicklung von AI-Assistenten in der Zukunft werden. (Quelle: 36氪, 36氪)
🎯 Trends
AI-Veteran Zou Yang: AGI ist nicht das Kernproblem, Anwendungsbereitstellung verändert die Welt: Zou Yang, Mitbegründer von Future Intelligence, ist der Meinung, dass die aktuelle Large Language Model-Technologie zwar noch nicht den Höhepunkt der AGI erreicht hat, aber bereits ausreichend ist, um alle Branchen grundlegend zu verändern. Er betont, dass der wahre Wert von AI darin liegt, sich in industrielle Prozesse zu integrieren und zu einem “externen Gehirn” für repetitive intellektuelle Aufgaben in Unternehmen zu werden, um die strukturierte Reproduktion von Expertenwissen zu ermöglichen. Er weist darauf hin, dass die Branche sich darauf konzentrieren sollte, wie bestehende Technologien in Geschäftsabläufe integriert und skaliert werden können, anstatt übermäßig dem fernen Gipfel der AGI nachzujagen. (Quelle: 36氪)
AI-generierte Werbung gestaltet die Branche neu, Chancen und Herausforderungen koexistieren: Künstliche Intelligenz verändert die digitale Werbebranche grundlegend und entwickelt sich von programmatischer zu intelligenter Werbung. Chancen umfassen die Diversifizierung der Traffic-Eingänge, die Automatisierung der Materialerstellung, die extreme Personalisierung des Erlebnisses (“Tausend Gesichter für eine Person”), intelligente Bereitstellungsmechanismen und die Transformation der Rolle von Werbeagenturen. Jedoch müssen Probleme wie unzureichende technologische Reife (instabile Modellinferenz, mangelnde Erklärbarkeit von Algorithmen), regulatorische Herausforderungen (irreführende Werbung, Deepfakes), Benutzervertrauen und Datenschutzrisiken sowie Kosten für grenzüberschreitende Compliance dringend gelöst werden. Die Branche muss ein System der “leichten Regulierung + gemeinschaftlichen Governance” aufbauen, die Plattform-Risikokontrolle verbessern, die Daten-Governance stärken und Markeninhaber ermutigen, eigene intelligente Agenten zu entwickeln. (Quelle: 36氪)
Globaler Versicherungsbranchenausblick 2026: AI “rekodiert” die Spielregeln: Ein Deloitte-Bericht weist darauf hin, dass die globale Versicherungsbranche in eine Phase verlangsamten Wachstums und unter Druck stehender Gewinne eintritt, wobei AI zu einer entscheidenden Kraft wird, die die Spielregeln der Branche neu definiert. Im Nichtlebensversicherungsbereich ermöglicht AI die “Vorhersage von Risiken” durch Aktuariat, Betrugserkennung und Risikowarnungen. Im Bereich Lebens- und Rentenversicherungen beschleunigen sich Veränderungen in der Kapitalstruktur und die Integration von Private Equity, wobei Asset-Management-Fähigkeiten zentral werden. Im Bereich der Gruppenversicherungen sind im B2B2C-Modell digitale Zugangsfähigkeiten und ein herausragendes Benutzererlebnis entscheidende Wettbewerbsfaktoren. Die skalierte Anwendung von AI hängt von hochwertigen Daten, modernen Systemen und Sicherheitsgarantien ab und erfordert eine Neugestaltung der Fähigkeiten der Fachkräfte. (Quelle: 36氪)
Googles neue HOPE-Architektur löst das Problem des Langzeitgedächtnisses bei Large Language Models: Google hat in einem Paper das neue HOPE-Framework vorgestellt, das darauf abzielt, das Problem des Langzeitgedächtnisses bei Large Language Models zu lösen, was für die breite Anwendung von AI-Agenten entscheidend ist. Diese Architektur definiert den Self-Attention-Mechanismus des Transformers als “Kurzzeitsystem” und führt ein unabhängiges neuronales Langzeitgedächtnis-Modul ein, das für das Speichern und Abrufen wichtiger Informationen über Kontextfenster hinweg verantwortlich ist und die “Gehirnstruktur” von Large Language Models neu definiert. Langzeitgedächtnis entwickelt sich von einem technischen Patch zu einer Kernfähigkeit des Modells, entscheidend dafür, ob AI langfristig genutzt und vertraut werden kann. (Quelle: 36氪)
AI-Lernpartner gestalten Bildung neu und verbinden Fähigkeiten, Emotionen und Wissensbegleitung: AI-Lernpartner gewinnen im globalen Bildungsbereich schnell an Bedeutung, indem sie als “Begleiter” in den täglichen Lernprozess der Schüler integriert werden. Im Bereich des Kompetenztrainings bieten AI-Sprachtrainer (wie Duolingo Roleplay, Gulu Oral English) immersive Dialoge und sofortige Korrekturen. Im Bereich der psychologischen Begleitung und des Gewohnheitsmanagements bietet AI (wie Replika, Xueersi “Xiaosi 3.0”) emotionale Unterstützung und Gewohnheitsführung. Im Bereich der Wissensvermittlung entwickelt sich AI (wie PhotoMath, Xiaoyuan AI Hyper-Realistic Teacher) zu “Eins-zu-Eins-Nachhilfe für alle Fächer” und bietet prozessorientierte Erklärungen. (Quelle: 36氪)
Musks großes Narrativ: SpaceX dringt in orbitale Rechenzentren vor: Ein Morgan Stanley-Bericht weist darauf hin, dass der Anstieg der SpaceX-Bewertung teilweise auf die Preisgestaltung des Marktes für das große Narrativ des “orbitalen Rechenzentrums” als völlig neue AI-Infrastruktur zurückzuführen ist. Elon Musk stellt sich vor, Starship und Starlink V3-Satelliten mit GPUs auszustatten, um eine riesige Rechenwolke im Orbit durch Hochgeschwindigkeits-Laserverbindungen zu bilden. Dies soll den Strommangel auf der Erde lösen, extreme Kühlung, unbegrenzte Energie und globale Edge-Konnektivität ermöglichen. Dieser Bereich zieht viele Akteure wie Starcloud, Axiom Space, Google und Nvidia an. (Quelle: 36氪)
🧰 Tools
Zhipu veröffentlicht multimodale Large Language Model-Serie GLM-4.6V als Open Source: leistungsstark und zum halben Preis: Zhipu hat die multimodale Large Language Model-Serie GLM-4.6V und den AutoGLM-Agenten als Open Source veröffentlicht, mit dem Ziel, die Zugangsschwelle für multimodale AI zu senken. GLM-4.6V erhöht das Kontextfenster auf 128k Tokens und integriert erstmals Function Call nativ in ein visuelles Modell. Tests zeigen eine stabile Leistung in Bereichen wie Bilderkennung für Einkäufe, Webseiten-Replikation, Langdokument- und Videoverständnis, aber die Mischung aus Bildern und Text muss noch optimiert werden. Der API-Preis wurde halbiert, und die leichte Version GLM-4.6V-Flash ist kostenlos, was die Anwendung von multimodaler AI bei Einzelpersonen und kleinen Teams fördert. (Quelle: 36氪)
AI-Lernpartner gestalten Bildung neu und verbinden Fähigkeiten, Emotionen und Wissensbegleitung: AI-Lernpartner gewinnen im globalen Bildungsbereich schnell an Bedeutung, indem sie als “Begleiter” in den täglichen Lernprozess der Schüler integriert werden. Im Bereich des Kompetenztrainings bieten AI-Sprachtrainer (wie Duolingo Roleplay, Gulu Oral English) immersive Dialoge und sofortige Korrekturen. Im Bereich der psychologischen Begleitung und des Gewohnheitsmanagements bietet AI (wie Replika, Xueersi “Xiaosi 3.0”) emotionale Unterstützung und Gewohnheitsführung. Im Bereich der Wissensvermittlung entwickelt sich AI (wie PhotoMath, Xiaoyuan AI Hyper-Realistic Teacher) zu “Eins-zu-Eins-Nachhilfe für alle Fächer” und bietet prozessorientierte Erklärungen. (Quelle: 36氪)
📚 Lernen
Visuelle Fähigkeiten von Large Language Models “versagen”: EgoCross enthüllt Cross-Domain-Generalisierungsengpässe: Das EgoCross-Projektteam konzentriert sich auf die Bewertung von Cross-Domain-First-Person-Video-Q&A und enthüllt die Generalisierungsengpässe bestehender MLLMs in spezialisierten Szenarien wie Chirurgie, Industrie, Extremsport und Tierperspektiven. Die Studie zeigt, dass selbst Top-Modelle in diesen unbekannten Bereichen eine Genauigkeit von unter 55% aufweisen, weit unterhalb der Leistung in Alltagsszenarien. Das Team hat den ersten Cross-Domain-EgocentricQA-Benchmark erstellt und durch Methoden wie Prompt Learning, Supervised Fine-tuning und Reinforcement Learning bestätigt, dass RL-Methoden eine signifikante Leistungsverbesserung bringen können, was eine Richtung für den Aufbau von Modellen mit besserer Generalisierungsfähigkeit bietet. (Quelle: 36氪)
Rechenleistung in der Wissenschaft “massakriert”, Stanford: Pro Kopf ≈ 0,1 GPUs: Spitzenuniversitätslabore in den USA stehen allgemein vor einem gravierenden GPU-Mangel, wie Stanford mit nur etwa 0,14 GPUs pro Kopf, weit unter dem Industriedurchschnitt. Dies erschwert der Wissenschaft die Durchführung groß angelegter AI-Forschung, Spitzentalente strömen beschleunigt in die Industrie und verlieren allmählich die Fähigkeit, die Spitze der Forschung zu definieren. Obwohl einige Universitäten (wie NYU, UT Austin) eigene AI-Fabriken bauen, ist der Gesamtressourcenunterschied enorm, was eine ernste Herausforderung für AI-Forschung und -Bildung darstellt. (Quelle: 36氪)
Mensch-Roboter-Interaktion und soziale Robotik: Interview mit Professorin Marynel Vázquez: Der AAAI-Podcast “Generations in Dialogue” interviewt Professorin Marynel Vázquez und diskutiert Forschung zu Mensch-Roboter-Interaktion (HRI) und sozialer Robotik. Professorin Vázquez’ Forschung konzentriert sich auf die Dynamik sozialer Gruppen in Mehrparteienumgebungen und entwickelt Wahrnehmungs- und Entscheidungsalgorithmen, die autonomes, sozial bewusstes Roboterverhalten ermöglichen. Sie modelliert Interaktionen als Graphen, um Robotern synchrones Schlussfolgern über Individuen, Beziehungen und Gruppen zu ermöglichen. Sie erörtert auch das Potenzial von Robotern in der Bildung und wie Missverständnisse der Gesellschaft über Roboter ausgeräumt werden können. (Quelle: aihub.org)
💼 Business
AI-Simulations-Startup Aaru erhält 350 Millionen Yuan Finanzierung, Bewertung über 1 Milliarde US-Dollar: Das US-amerikanische AI-Syntheseforschungs-Startup Aaru, gegründet von drei Gründern der Generation Z (der jüngste 16 Jahre alt), hat Berichten zufolge eine Series-A-Finanzierungsrunde über 50 Millionen US-Dollar (ca. 350 Millionen Yuan) abgeschlossen, mit einer nominalen Bewertung von 1 Milliarde US-Dollar. Aarus Kerntechnologie ist die Nutzung von AI Agents zur Simulation menschlichen Verhaltens, um die Reaktion spezifischer Personengruppen auf Ereignisse vorherzusagen. Sie wurde bereits erfolgreich in politischen Wahlumfragen eingesetzt und bietet Datenmodellprodukte für Unternehmen, Politik und den öffentlichen Sektor an. (Quelle: 36氪)
Ehemaliger OpenAI-Forscher verbündet sich mit Google, um Nvidia zu umzingeln: Ein von Leopold Aschenbrenner, einem ehemaligen OpenAI-Forscher, gegründeter Fonds verhandelt über die Führung einer Finanzierungsrunde von über 700 Millionen US-Dollar für den Cloud-Dienstleister Fluidstack. Fluidstack, als Vertriebskanal für Google TPUs, zielt darauf ab, Nvidias Monopol bei der Rechenleistung herauszufordern. Dieser Schritt unterstreicht Googles strategische Ausrichtung im Bereich der AI-Chips sowie die frenetische Jagd des Kapitalmarktes nach AI-Infrastruktur. (Quelle: 36氪)
Shenzhener AI-Begleitroboterfirma Enabot erhält Sequoia-Investition, Nutzerzahl über eine Million: Enabot hat mit seinen AI-Begleitroboterprodukten weltweit über 1 Million Nutzer erreicht und mehrere Finanzierungsrunden von Sequoia, Longfor Capital und anderen erhalten. Das Unternehmen begann ursprünglich mit Haustierbegleitung, entdeckte später unerwartet den riesigen Markt für menschliche emotionale Begleitung und integrierte AI Large Language Model-Dialog- und multimodale emotionale Interaktionstechnologien, um Familienroboterprodukte wie den EBO X auf den Markt zu bringen. Die Produktfunktionen reichen von Fernüberwachung und Interaktion bis hin zu emotionaler Resonanz und passen sich den Bedürfnissen von Nutzern mit unterschiedlichem kulturellen Hintergrund an. (Quelle: 36氪)
🌟 Community
Die “letzte Meile”-Herausforderung bei der Offline-Verbreitung von AI-Brillen: Obwohl AI-Brillen online sehr beliebt sind, ist ihre Offline-Verbreitung in den zentralen Geschäftsvierteln von Guangzhou weit geringer als erwartet. Der Markt steht vor einer “Doppelidentitäts”-Herausforderung: Traditionelle Optiker verstehen keine Technologie, und Elektronikgeschäfte bieten keine professionellen Sehtests an. Das Problem der Sehstärkenanpassung bei AI-Brillen mit Display (wie Rokids magnetische Lösung und Quarks S1’s hochpreisige integrierte Lösung) begrenzt auch ihre Massenverbreitung. Der Bericht weist darauf hin, dass AI-Brillen, um wirklich in den Alltag der Menschen einzutreten, ein Offline-System etablieren müssen, das es den Verbrauchern ermöglicht, “sicher zu kaufen, bequem anzupassen und reibungslos zu nutzen”. (Quelle: 36氪)
Teslas Roboter “fällt ferngesteuert hin” und löst Debatte aus, Autonomie in Frage gestellt: Teslas Optimus-Roboter ist bei einer Veranstaltung angeblich nach dem “Abnehmen des Headsets” durch Fernsteuerung gestürzt, was in den sozialen Medien eine hitzige Debatte und Fragen zur Autonomie des Roboters auslöste. Zuvor wurde auch berichtet, dass Optimus beim Falten von Kleidung von einem Roboterarm unterstützt wurde und bei Veranstaltungen von Ingenieuren hinter den Kulissen ferngesteuert wurde. Obwohl Elon Musk große Hoffnungen in Optimus setzt, unterstreichen diese Vorfälle die Herausforderungen der vollständig autonomen Intelligenz humanoider Roboter und lösen Diskussionen über den Wert der Fernsteuerung von Robotern und zukünftige Arbeitsmodelle aus. (Quelle: 36氪)
Dialog mit Modellen im AI-Zeitalter, Amanda Askell teilt ihre Methodik: Amanda Askell, promovierte Philosophin bei Anthropic und bekannt als “Charakterdesignerin” von Claude, teilte ihre Methodik, wie man eine kollaborative Beziehung zu AI-Modellen aufbaut. Sie vergleicht AI mit einem “vergesslichen Genie” und betont, dass der Dialog mit Modellen eine klare Absichtsäußerung, die Zerlegung komplexer Aufgaben und die Bereitstellung ausreichenden Kontexts erfordert. Durch “Seelendokumente” wurde Claudes Persönlichkeit geformt, um ihn sanft und mit klaren Grenzen zu gestalten. Sie ist der Meinung, dass normale Menschen von “Befehle schreiben” zu “Dialoge gestalten” übergehen sollten, Unternehmen AI als Mitarbeiter und nicht als Werkzeug betrachten sollten, und personalisierte AI zum Schlüssel für Produktdifferenzierung wird. (Quelle: 36氪)
Die AI-Startup-Szene “altert”: Der chinesische Markt bevorzugt Erfahrung und Ressourcen: Beobachtungen zeigen, dass bei chinesischen AI-Startup-DemoDays die Gründer im Allgemeinen älter sind (meist nach 1980, vor 1995 geboren) und die Produkte eine “Ästhetik des mittleren Alters” aufweisen, wie intelligente Hörgeräte oder industrielle Embodied AI. Dies steht im Gegensatz zum “Jugendsturm” der AI-Startups in den USA. Analysen zufolge erfordert das Gründen im AI-Anwendungsbereich in China ein tiefes Kundenverständnis, eine hohe Produkt-Markt-Passung und Ressourcenakkumulation. Diese “Zeitfaktoren” machen “Jugend” zu einem Nachteil. Gleichzeitig führen die Oligopolisierung von Large Language Models und die Nachfrage nach “großen und schönen” Anwendungen dazu, dass mehr erfahrene Führungskräfte großer Unternehmen branchenübergreifend gründen, was den Trend “Die AI-Startup-Szene altert” verstärkt. (Quelle: 36氪)
Über 1000 Amazon-Mitarbeiter protestieren gemeinsam gegen AI-Strategie, besorgt, “Demokratie, Arbeitsplätze und den Planeten zu zerstören”: Über 1000 Amazon-Mitarbeiter haben einen offenen Brief unterzeichnet und warnen, dass die “außer Kontrolle geratene” AI-Entwicklungsgeschwindigkeit des Unternehmens enorme Schäden für Demokratie, Arbeitsplätze und den Planeten verursachen könnte. Mitarbeiter befürchten, dass Amazon Klimaverpflichtungen für AI opfert (erhöhte CO2-Emissionen von Rechenzentren), den Arbeitsplatzabbau beschleunigt (Massenentlassungen, erzwungene AI-Integration) und Überwachungstechnologien ausweitet (Polizeizugriff auf Ring-Kameras). Sie fordern Amazon auf, Pläne für erneuerbare Energien zu veröffentlichen, Mechanismen für die Beteiligung von Mitarbeitern an AI-Entscheidungen einzurichten und zu versprechen, dass AI-Technologien nicht für Gewalt, Überwachung und Massenvertreibung eingesetzt werden. Amazon weist die Vorwürfe zurück. (Quelle: 36氪)
Zurechnung der Haftung für Schäden durch AI-Agenten: Anpassung und Justierung bestehender Rechtsrahmen: Die Rechtswelt diskutiert die Frage der Haftungszurechnung für Schäden durch AI-Agenten, ob ein völlig neuer Rechtsrahmen erforderlich ist oder ob bestehende Gesetze (wie Fahrlässigkeits- und Produkthaftung) mit Anpassungen ausreichen. Einige argumentieren, dass AI-Agenten traditionellen Produkten ähneln und Entwickler sowie Nutzer die Verantwortung entsprechend ihrer Fähigkeit zur Risikoprävention tragen sollten. Die Herausforderung liegt in der Komplexität, Unvorhersehbarkeit und Intransparenz von AI, was den Nachweis von Fahrlässigkeit und Kausalität erschwert. Es wird vorgeschlagen, bestehende Gesetze sorgfältig anzupassen, z.B. Entwicklern eine strengere Rechenschaftspflicht aufzuerlegen und die technische Kompetenz von Juristen zu verbessern, um eine gerechte Haftungsverteilung zu gewährleisten. (Quelle: 36氪)