# AI Infrastructure, Agentic Commerce, and Edge Computing Shifts

**Podcast:** KI-Update – ein heise-Podcast
**Published:** 2026-08-12

## Transcript

Das KI-Update – ein heiser Podcast mit redaktioneller Unterstützung von The Decoder.
Ich bin Isabel Grünewald und dies sind heute unter anderem unsere Themen.
Meta veröffentlicht Muse Glimmer für Consumer Hardware.
KI findet mehr Zero-Day-Schwachstellen.
Forschende erkunden Denkprozesse von KI-Chatbots und finden Passwörter.
Und MIT-Studierende konstruieren Jet-Triebwerk mit KI.
Meta hat mit Muse Glimmer ein neues, offenes KI-Sprachmodell vorgestellt, das gezielt für den Einsatz auf gewöhnlicher Consumer-Hardware entwickelt wurde.
Begleitet wurde die Veröffentlichung von einem sehr langen Schreiben von Meta-Chef Mark Zuckerberg, der darin die künftige KI-Strategie seines Konzerns darlegt.
Malte Kirchner aus dem heise Online-Newsroom mit den Einzelheiten Was, wenn ein leistungsfähiges KI-Modell nicht mehr in der Cloud laufen muss, sondern einfach auf dem eigenen Rechner?
Genau das verspricht Meta mit seinem neuen Sprachmodell namens Muse Glimmer.
Die Meta Superintelligence Labs, also die Forschungsabteilung, die bei Meta an fortschrittlicher KI arbeitet, haben das Modell jetzt veröffentlicht.
Und zwar offen.
Die Gewichte, also die trainierten Parameter des Modells, stehen auf der Plattform Hugging Face zum freien Download bereit, sogar für kommerzielle Zwecke.
Das Besondere daran...
Muse Glimmer soll auf einem ganz normalen Mac oder PC mit einer einzelnen handelsüblichen Grafikkarte laufen.
Damit eignet es sich vor allem für lokale KI-Agenten, für sogenanntes Function Calling, also das automatische Ansteuern von Programmfunktionen, für Coding-Aufgaben und auch dafür andere KI-Ausgaben zu bewerten.
Möglich wird das durch einen technischen Kniff.
Meta komprimiert die Gewichte auf rund 4-Bit-Genauigkeit.
Aus über 55 GB wären so unter 20 GB.
Das Modell passt damit erstmals in den Speicher eines gewöhnlichen Rechners.
Und wie schlägt sich Muse Glimmer im Vergleich?
Laut eigenen Benchmarks gut, besser als ähnlich große Modelle wie Gemma 4 oder QN 3.6.
Aber, und das muss man dazu sagen, Hersteller-eigene Vergleiche sind immer mit Vorsicht zu genießen.
Ob sich das in unabhängigen Tests bestätigt, bleibt abzuwarten.
Begleitet wurde die Veröffentlichung von einem langen Grundsatzpapier von Mark Zuckerberg.
Darin geht es um nichts Geringeres als die Frage, wer künftig Zugang zu sogenannter Superintelligenz haben wird und wer sie kontrolliert.
Zuckerbergs Antwort, je breiter KI-Fähigkeiten verteilt sind, desto sicherer seien am Ende alle.
Offene Modelle sind für Meta also kein Geschenk an die Community, sondern Ausdruck einer klaren Strategie.
Und die hat auch einen wirtschaftlichen Kern.
Meta positioniert sich damit bewusst als Gegenentwurf zu Wettbewerbern, die auf geschlossene Modelle setzen und die aus Zuckerbergs Sicht eher Institutionen stärken als einzelne Menschen.
Dahinter dürfte vor allem eine stecken, der Anspruch, künftig die Standards in der Branche zu setzen.
Dankeschön, Malte.
Google erweitert sein Ask Maps Feature um agentische Fähigkeiten von Gemini.
NutzerInnen können künftig über Google Maps Essen bestellen.
indem sie der KI mitteilen, was sie bei welchem Restaurant zum Mitnehmen möchten.
Google Maps sucht das passende Restaurant, legt das gewünschte Essen in den Warenkorb und erstellt eine Übersicht zur Bestätigung.
Die KI kann über Personal Intelligence auf Nutzervorlieben zugreifen und favorisierte Restaurants sowie Ernährungsbedürfnisse berücksichtigen.
Zusätzlich soll die KI detaillierte Informationen zu Hotels und Events liefern und Buchungen sowie Ticketkäufe aus der App heraus ermöglichen.
Die Funktionen sind zunächst auf die USA beschränkt und funktionieren nur bei Restaurants, die mit Partnern wie Square, Toast oder künftig Uber Eats zusammenarbeiten.
Google will das Programm aber ausweiten.
generierter Titel vorzugehen.
Ab September dürfen kostenlose Nutzende nur noch sieben Songs insgesamt herunterladen, pro Abonnenten 20 monatlich.
Die Maßnahme soll böswillige Akteure am massenhaften Export hindern.
Allerdings bleiben die Beschränkungen inkonsequent.
Studio-Abonnenten sind von den Limits ausgenommen und zusätzliche Downloads lassen sich nachkaufen.
Während Suno also KI-Spam eindämmen will, entwickelt es gleichzeitig noch effizientere Generierungstools.
Das Unternehmen hat neue Modelle mit höherer Qualität angekündigt und betont, dafür mit Künstlerinnen und Künstlern zusammengearbeitet zu haben.
Dies könnte ein Versuch sein, Konflikte mit der klagenden Musikindustrie zu entschärfen.
Der Security-Bereich ändert sich durch künstliche Intelligenz, wo so schnell wie kaum ein anderer.
Bug-Bounty-Programme werden mit Fehlerberichten nur so geflutet.
User und Firmen leiden unter KI-Angriffen.
Ben Schwan sprach für Heise Online mit Sandra Joyce, der Chefin von Google Threat Intelligence, über die aktuelle Bedrohungslage.
Das Auffinden schwerwiegender Sicherheitslücken mittels KI wird sich in den nächsten Monaten weiter verstärken.
Davon geht die Chefin von Google Threat Intelligence aus, der Sicherheitsabteilung des Internetkonzerns.
Die Vizepräsidentin Sandra Joyce sagte im Interview mit heise online, dass sie mehr Zero-Day-Lücken als je zuvor erwarte, die mithilfe von KI entdeckt werden.
Über Zero-Days lassen sich Systeme hacken, weil es noch keine Schutzmaßnahmen gibt.
Angriffe erfolgten verstärkt sowohl von Regierungsinstitutionen als auch von Kriminellen.
Das Konzept der sogenannten Bug-Bounty-Programme, bei denen Sicherheitsexperten den Unternehmen Lücken gegen eine Geldzahlung melden, werde derzeit auf die Probe gestellt, sagte Joyce.
Bugs seien aufgrund von KI leichter zu finden als je zuvor.
Es zeige sich aber, dass die Erkennung von Bedrohungsszenarien auch mit bewährten Methoden weiter helfe.
Google selbst habe hier ein tiefes Know-how.
Joyce selbst ist seit vielen Jahren im Cybersicherheitsgeschäft und war unter anderem Soldatin bei der US-Luftwaffe.
Die Google-Sicherheitsabteilung Google Threat Intelligence hatte in den vergangenen Jahren schwerwiegende Lücken auch auf Konkurrenzsystemen wie iOS entdeckt, die für massive Hacking-Kampagnen unter anderem gegen Menschenrechtsaktivisten und Journalisten verwendet wurden.
Es werde noch einiges auf die Menschen zukommen, wenn diese Bedrohungsakteure nun KI nutzen und mit KI auch angreifen, sagte Joyce.
Vielen Dank, Ben.
Das ganze Interview lest ihr natürlich auf heise online.
Die Bundesregierung setzt bereits umfassend auf KI-Technologie, ohne dass eine spezielle Kennzeichnungspflicht besteht.
Eine Anfrage der linken Fraktion offenbarte, wie tief die Technologie bereits in den Behördenalltag eingedrungen ist.
Die Regierung argumentiert, dass KI lediglich ein unterstützendes Instrument sei, solange Menschen das Ergebnis fachlich prüfen.
Zur Wahrung des Datenschutzes nutzt der Bund hauptsächlich die interne Plattform Kipitz, die im Rechenzentrum des ITZ-Bund betrieben wird.
Diese ermöglicht die Verarbeitung selbstvertraulicher Dokumente, ohne dass Daten an externer Anbieter abfließen.
Alle Ministerien setzen auf eine Qualifizierungspflicht.
Ohne vorherige Schulung darf niemand KI-Systeme nutzen.
Das Wirtschaftsministerium verlangt sogar einen mehrteiligen KI-Führerschein für den Systemzugriff.
Trotz dieser detaillierten Verwaltungsrichtlinien bleibt die Regierung bei konkreten Fragen zu ministeriellen KI-Texten auskunftsscheu und verweist auf interne Arbeitsabläufe.
Auch in der deutschen Justiz wird KI genutzt.
Wie intensiv ist allerdings weniger bekannt.
Ein Fall aus Hessen gibt jetzt Einblicke in die Praxis.
Der hessische Verwaltungsgerichtshof verwendete ChatGPT für die Recherche in einem Beschluss über ukrainische Aufenthaltsrechte.
Verräterische Links mit der Endung source-chatgpt.com machten die KI-Nutzung nachvollziehbar.
Das Gericht wollte mit dem Chatbot offenbar schwer zugängliche georgische Rechtsquellen finden.
Dabei entstanden jedoch problematische Fehler.
ChatGPT lieferte falsche Quellenangaben, etwa zu einem georgischen Regierungsdekret.
Ein Link verwies auf einen Artikel aus dem falschen Ja.
Das Gericht räumte die Fehler zwar ein, betonte aber, dass zusätzliche Quellen die Rechtslage bestätigen und das Endergebnis korrekt sei.
Die richterliche Unabhängigkeit umfasse auch die Wahl der Arbeitsmittel, solange keine sensiblen Daten in externe Systeme eingegeben werden, betonte hessische VGH.
Der Fall verdeutlicht jedoch einmal mehr die Grenzen heutiger KI-Systeme für Recherchezwecke.
Und das nicht nur in der Justiz.
Anthropic führt für seine Cloud-Modelle ein unsichtbares Wasserzeichen ein, um KI-generierten Text erkennbar zu machen.
Die Kennzeichnung soll Bedeutung und Lesbarkeit nicht verändern, aber beim Kopieren erhalten bleiben.
Damit will das Unternehmen Betrug in Bildungseinrichtungen und Diebstahl von Werken verhindern.
Das Wasserzeichen folgt EU-Vorgaben für mehr Transparenz beim KI-Einsatz.
Alle Cloud-Modelle ab August unterstützen die weltweite Kennzeichnung.
Allerdings gibt es Schlupflöcher.
Umfangreiche Bearbeitungen, Übersetzungen oder das Vermischen mit anderen Texten können das Wasserzeichen unkenntlich machen.
Kritiker befürchten daher, dass Menschen Texte ohne Wasserzeichen nun fälschlicherweise als garantiert menschlich einstufen könnten.
Dabei funktionieren statistische Wasserzeichenverfahren ungenau und können auch menschliche Texte als KI-Erzeugnisse brandmarken.
Der unsichtbare Stempel wird zweifellos ein Hemmnis sein.
Aber der Preis sei vermeintliche Sicherheit und das Risiko von Falschverdächtigungen.
Was ein KI-Modell intern schlussfolgert, bekommt normalerweise niemand zu sehen.
Forschende haben die Verschlüsselung jetzt umgangen und schließen dabei auf Zugangsdaten von Nutzenden.
Die Details hat Jonathan Kemper von The Decoder.
Sicherheitsforscher haben in den Programmierschnittstellen aller großen KI-Anbieter eine Schwachstelle gefunden.
Über die Lücke lassen sich die verschlüsselten Reasoning-Prozesse der Modelle auslesen.
Betroffen sind OpenAI, Anthropic und Google.
Reasoning-Modelle erzeugen beim Lösen komplexer Aufgaben interne Schlussfolgerungen.
Diese Reasoning-Tokens sehen Nutzer normalerweise nur als Zusammenfassung oder gar nicht.
Die Anbieter verschlüsseln die rohen Schritte zum Schutz vor Nachahmung durch andere KI-Unternehmen.
Ein Team vom Alice Institute Tübingen und vom Max-Planck-Institut für intelligente Systeme hat diese Verschlüsselung umgangen.
Die Denkspuren sind frei übertragbar.
Sie funktionieren über verschiedene Sitzungen, Nutzer und Modelle desselben Anbieters hinweg.
So kann Anthropics kleineres Modell Haiku das Reasoning des stärkeren Opus lesen.
Per Jailbreaking, also dem gezielten Aushebeln von Schutzmaßnahmen, brachten die Forscher das kleinere Modell dazu, die Schritte wörtlich zu transkribieren.
Bei OpenAI und Google klappte derselbe Trick.
Für Endnutzer ist die Lücke direkt gefährlich.
Wer Programmiersitzungen mit verschlüsselten Reasoning-Blöcken öffentlich teilt, riskiert die Preisgabe persönlicher Daten.
Ein Scan von rund 7000 öffentlichen Sitzungen förderte 62 Zugangsschlüssel, 33 E-Mail-Adressen und 33 Passwörter zutage.
Aufwendig ist der Angriff nicht.
Das Dekodieren von 10.000 Sitzungen kostete laut den Autoren etwa 720 US-Dollar.
Die extrahierten Daten zeigen auch, welcher Gedankenkette die Modelle folgen.
In einem Beispiel erkennt ein Modell die Lösung eines Mathematikproblems und konstruiert die passende Rechnung rückwärts.
In der angezeigten Zusammenfassung taucht aber davon nichts auf.
Manche OpenAI-Modelle verfallen in Schleifen aus kontextlosen Begriffen, wie Marinade oder Wächter.
In einzelnen Fällen erwägen Modelle sogar, absichtlich zu betrügen.
Ein Modell versuchte, ein Capture auszulesen und Schwachstellen einer Webseite zu winnen.
Erst als das scheiterte, löste es die Aufgabe selbst.
Das Team hat den üblichen Meldeprozess durchlaufen, worauf die Anbieter bereits mehrere Probleme behoben haben.
Danke, Jonathan.
OpenAI erweitert sein Cybersicherheitsprogramm Daybreak um zwei Zugangsstufen und ein neues Modell.
GPT 5.6 Cyber soll Verteidigern helfen, Schwachstellen zu finden, bevor Angreifer KI-Werkzeuge im großen Stil nutzen.
Daybreak Blue richtet sich an defensive Arbeit wie die Analysen von Schadsoftware und die Reaktion auf Sicherheitsvorfälle.
Daybreak Red zielt auf Forscherinnen und Forscher, die Schwachstellen suchen und Penetrationstests durchführen.
Der Zugang erfordert daher auch eine Identitätsprüfung, Überwachung und rechtliche Erklärungen.
Über die RED-Stufe läuft dann das Modell GPT 5.6 Cyber.
Es ist darauf trainiert, sicherheitsrelevante Anfragen zu beantworten, die andere Modelle blockieren.
In einem internen Benchmark liegt die Antwortquote bei 95 Prozent.
Das reguläre Modell mit aktiven Schutzmaßnahmen kommt nur auf 1,5 Prozent.
In der Praxis fand das Modell bereits mehrere Schwachstellen in weit verbreiteten Anwendungen, die inzwischen behoben wurden.
NVIDIA hat mit Nemotron 3.5 Lightning ein neues offenes KI-Modell herausgebracht.
Mit rund 32 Milliarden Parametern ist es nur ein Viertel so groß wie OpenAI's, frei verfügbares GPT-OSS-120b, soll aber ähnlich leistungsfähig sein.
Im Intelligence Index der Plattform Artificial Analysis liegt es klar über seinem Vorgänger und auf Augenhöhe mit dem größeren Konkurrenzmodell.
Die Stärke ist das Tempo.
Das Modell nutzt eine hybride Architektur, bei der nur ein kleiner Teil der Parameter aktiv ist.
In Vorab-Tests ist Nemotron fast doppelt so schnell wie Googles Gemini 3.5 Flashlight und damit das schnellste im Vergleichsfeld.
Eine Testaufgabe erledigte es in rund einer halben Minute, andere Modelle derselben Klasse brauchen mehrere Minuten.
Die größten Fortschritte zeigen sich bei agentischen Aufgaben, also beim eigenständigen Lösen mehrstufiger Probleme.
Nvidia stellt das Modell unter einer freien Lizenz bereit.
Das Time Magazine betreibt eine zweite Version seiner Website nur für KI-Crawler, inklusive Werbung, die nur Sie sehen.
Diese Informationen sollen in Chatbot-Antworten landen.
Wie das funktioniert, erklärt Carolin Riedmüller von heise online.
Im konkreten, vom Freelance-Entwickler Vincent Schmalbach entdeckten Fall handelt es sich um Werbung für die Bank Alley, die in die Markdown-Version der Time-Website eingebettet ist.
Anders als Werbung für Menschen kommt sie ohne catchy Slogans aus und ähnelt eher einem FAQ mit Fakten zur Bank.
In ihr heißt es zum Beispiel, dass Alley die einzige Bank ist, die für das heutige Leben gebaut ist.
und in einer eigenen Liga spielen würde.
Die Fragen in der Werbeanzeige klingen fast wie Nutzeranfragen, die die KIs bekommen könnten.
Ist LA gut für alltägliches Banking?
Oder kann man bei LA Bargeld einzahlen?
Die Hoffnung ist, dass die KIs den Inhalt ungefiltert als Antwort für ihre Nutzer übernehmen und sie so viel mehr Menschen erreicht, als nur die, die auf der Website waren, auf der die Werbung platziert war.
Wie Digiday berichtet, seien diese Agent-Ads eine der ersten Publisher-Kampagnen, die gezielt KI-Agenten adressiert.
Denn Google-Bots und Nutzer bekommen diese Werbung nicht zu sehen, da sie die HTML-Version der Webseiten ausgespielt bekommen.
KI-Bots hingegen erhalten diese Markdown-Version mit der Werbung.
Erste Werbekunden für diese neue Form von Werbeanzeigen ist neben der Allibank des Project Management Institute.
Die Geschäftslogik hinter Agent-Ads passt zum aktuellen Wandel des Web-Traffics.
Laut Cloud-Fair-Daten sind mittlerweile mehr als 50 Prozent des gesamten Internet-Traffics nicht mehr menschlich.
Zeitgleich verlassen sich die Menschen zunehmend auf KI-Zusammenfassungen.
Also auf genau die Instanzen, auf die Agent-Ads im FAQ-Format abzielen.
Dankeschön, Caroline.
NVIDIA kooperiert mit sechs Wall-Street-Finanzkonzernen, um über unabhängige Finanzplattformen weitere 500 Milliarden US-Dollar für KI-Infrastruktur einzusammeln.
Beteiligt sind Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs und KKR.
Die Finanzkonstrukte sollen der Kundschaft Zugang zu knappen Rechenressourcen ermöglichen und den Aufbau von Rechenzentren finanzieren.
Davon sollen unter anderem KI-Labore und Startups profitieren, erklärte Nvidia-CEO Jensen Huang.
Sein Unternehmen dürfte als wichtigster KI-Hardware-Hersteller davon am meisten profitieren.
Huang versichert jedoch, es handele sich nicht um Kreislaufdeals, sondern echte Nachfrage.
Rechenleistung sei zu einem Infrastrukturteil geworden, wie Elektrizität oder Internet.
Die Finanzkonzerne sind überzeugt, dass KI-Rechenleistung bald zu einer finanzierbaren Anlageklasse wird.
Das chinesische KI-Setup Manus löst sich nach der gescheiterten Meta-Übernahme vollständig von dem US-Konzern.
Ende August werden bestimmte Nutzerdaten gelöscht, die seit der geplanten Übernahme im Dezember entstanden sind.
China hatte den 2-Milliarden-Dollar-Deal im April blockiert.
Die Regierung fürchtet den Verlust wertvollen Wissens und Technologie.
Manes gilt als Nachfolger von DeepSeek und hatte seinen Sitz nach Singapur verlegt, um international zu expandieren.
Nun müssen betroffene Nutzerinnen und Nutzer ihre Daten bis zur Löschung sichern.
Mannes versichert, dass diese Maßnahmen ausschließlich regulatorischen Auflagen geschuldet sind.
Es gab demnach weder eine Datenschutzverletzung noch einen Sicherheitsvorfall.
Mit der Jarvis Challenge wollte das MIT herausfinden, ob sich ein Gasturbinentriebwerk für Flugzeuge mit Hilfe von künstlicher Intelligenz schneller entwickeln und bauen lässt als mit herkömmlichen Methoden.
Ob das den Studierenden gelang, weiß Oliver Bünthe von Heiser Online.
Insgesamt sieben Teams mit 31 Studierenden des MIT waren dazu aufgefordert, ihre Konstruktionen innerhalb von vier Wochen zum Laufen zu bringen.
Die Teams hatten bei der Konstruktion der Auswahl der Materialien und der Konstruktionsart freie Hand.
Den meisten Studierenden fehlte es jedoch einem nötigen Wissen über Gasturbinentriebwerke und den theoretischen Grundlagen, wie etwa über kompressible Strömungen und Thermodynamik.
Sie waren von den Lehrkräften dazu angehalten, das nötige Wissen mit dem Einsatz von KI zu kompensieren.
Dazu setzten sie auf eine MIT-interne KI-Plattform namens Parlay, die verschiedene große Sprachmodelle vereint.
Den Einsatz der KI konnten die Lehrkräfte dabei überprüfen, etwa welche Prompts in den Projekten verwendet wurden und wie hoch die Kosten für die KI-Verwendung waren.
Die verschiedenen Teams setzten die KI unterschiedlich ein, je nachdem welche Wissenslücken und Kompetenzen im Team bereits vorhanden waren.
So verwendeten sie Pali etwa zur Zusammenfassung von Lehrbüchern, zum Erlernen der nötigen Konstruktionssoftware, zum Auffinden von Lieferanten und der Erstellung von Excel-Tabellen.
Außerdem setzten sie KI dafür ein, um spezifische Fragen zu beantworten, Referenzen aufzuspüren und zwischen verschiedenen Konstruktionsansätzen vergleichende Analysen durchzuführen.
Von den sieben Teams blieben zwei übrig, deren Konstruktionen funktionierten.
Das eine Team hatte KI intensiv eingesetzt, um Wissenslücken zu füllen.
Architekturvergleiche und Kosten-Nutzen-Analysen zu erstellen.
Das andere Team setzte dagegen auf bereits vorhandenes Fachwissen und nutzte KI lediglich in einzelnen Bereichen, um etwa Konstruktionssoftware schneller zu erlernen.
Beiden Teams gelang es, ihren Konstruktionen-Lauftests zu unterziehen.
Das Triebwerk des Teams, das weniger KI eingesetzt hatte, konnte alle Tests bewältigen.
Beim anderen Team versagte die Konstruktion, weil der Rotor blockierte.
Das Ergebnis der Jarvis Challenge ist, dass es nötig ist, über genügend Fachwissen zu verfügen.
um KI gezielt und gewinnbringend einsetzen zu können.
Der Mensch ist der entscheidende Faktor, der von der KI vorgeschlagene Ergebnisse bewertet und entscheiden muss, ob diese für weitere Entwicklungsschritte tauglich sind oder nicht.
Entsprechend kann KI als Beschleuniger eingesetzt werden.
Beim Bau sicherheitskritischer physischer Systeme ist aber menschliche Handarbeit und menschliche Verantwortung durch nichts zu ersetzen.
Danke, Oliver.
Ein australischer Nutzer wollte eigentlich per KI nur einen Kursplatz im Fitnessstudio buchen.
Dann erlebte er, wie Claude über die Schnittstelle OpenClaw unerlaubt in das Fitnessstudiosystem eindrang und sich Zugang zu Funktionen verschaffte, die nicht vorgesehen waren.
Claude buchte zunächst einen Kurs, der erst in Wochen stattfinden sollte, obwohl das System keine Vorabreservierungen über längere Zeiträume erlaubte.
Auf Nachfrage manipulierte die KI eine Warteliste, indem sie einen anderen Teilnehmer entfernte, um den Nutzer vorzurücken.
Die KI entdeckte dabei, dass die API keine Autorisierungsüberprüfungen für das Stornieren fremder Reservierungen hatte.
Den entfernten Teilnehmer konnte Cloud also nicht wieder hinzufügen.
Der Vorfall reiht sich in eine Serie von KI-Systemen ein, die ihre Aufgaben vielleicht etwas zu ernst nehmen.
Er zeigt sowohl, wie wichtig verantwortungsvolle KI-Nutzung ist, als auch die Notwendigkeit ordnungsgemäßer Sicherheitsmaßnahmen bei Webdiensten.
Das war das KI-Update von Heise Online vom 12.
August 2026.
Eine neue Folge gibt es montags, mittwochs und freitags ab 15 Uhr.
Ein Produkt geht nach kurzer Zeit kaputt, aber der Händler will es nicht zurücknehmen.
In einer Schublade habt ihr noch einen Gutschein, aber der Verkäufer meint, dieser sei nicht mehr gültig.
Euer Paket enthält etwas anderes, als ihr eigentlich online bestellt habt, doch der Versender stellt sich tot?
Im Podcast Vorsicht Kunde!
Besprechen wir solche und viele andere Probleme.
Wir, das bin ich, Ulrike Kuhlmann.
Und mein Kollege Oßmansmann aus der CT-Redaktion.
Zur Seite steht uns Rechtsanwalt Niklas Mühleis.
Hört einfach mal rein.
Wir freuen uns auf euch.