Thursday, 2 July 2026
← Archive (all briefings)An agentic "AI coworker" now in beta for Team & Enterprise: it builds context from a workspace, delegates multi-step tasks and works asynchronously in the background. (Single-source report — verify branding on release.)
Source →AlphaFold creator and Nobel laureate John Jumper reportedly departed Google DeepMind for Anthropic after ~9 years; Gemini contributors Jonas Adler and Alexander Pritzel are said to follow. (Reported moves — confirm individually.)
Source →Google integrated computer-use (agentic UI control) directly into Gemini 3.5 Flash via API and its enterprise agent platform — pushing agent automation down to its faster, cheaper model tier.
Source →Google released a $99.99 standalone smart speaker built natively on Gemini Live — its first new speaker hardware in five years, signalling a push to put conversational AI back into the home.
Source →CNBC reports enterprise buyers are moving from spend-at-all-costs "tokenmaxxing" to cost efficiency, pressuring OpenAI and Anthropic; Microsoft countered with a suite of new low-cost models.
Source →Nvidia's next-gen Rubin platform — six new chips forming one AI supercomputer — is in full production, with partner products expected in H2 2026. BofA lifted its 2026 chip forecast to $1.3T.
Source →Global AI revenue (ex-China) reached ~$25B in Q1 2026, exceeding data-center depreciation for a second straight quarter — though margins across the sector remain thin.
Source →Client-facing role building and deploying AI solutions on-site across Germany and Austria.
Zur Stelle →Internship variant of BCG X's FDE track — hands-on applied-AI delivery for students / early-career engineers.
Zur Stelle →Model Deployment for Business: embed with enterprise customers to ship high-impact GPT use cases to production.
Zur Stelle →Work directly with customers to build and generalise automation/AI workflows on the n8n platform.
Zur Stelle →Über 60 aktuelle AI-Engineer-Stellen; Gehälter oft €3.500–5.500/Monat bzw. ab €60k/Jahr.
Zu den Stellen →Prototyping, production validation & use-case generalisation. Avg. Zürich pay ≈ CHF 155k.
Zu den Stellen →Das Vorgangspassiv betont die Handlung, nicht die handelnde Person. Es wird mit werden + Partizip II gebildet. Der Handelnde kann mit von (+ Dativ) genannt werden — muss aber nicht.
Beispielsätze:
In vielen Unternehmen werden heute Routineaufgaben von Software übernommen. Dadurch wird den Mitarbeitenden mehr Zeit für kreative Tätigkeiten gegeben. Kritiker warnen jedoch, dass wichtige Entscheidungen nicht allein einer Maschine überlassen werden sollten. Deshalb wird empfohlen, die Ergebnisse immer von einem Menschen prüfen zu lassen. So können Fehler frühzeitig erkannt werden.
1. Was wird laut Text heute in vielen Unternehmen von Software übernommen?
→ Routineaufgaben.
2. Was wird empfohlen, um Fehler frühzeitig zu erkennen?
→ Die Ergebnisse immer von einem Menschen prüfen zu lassen.
Beschreiben Sie in 4–5 Sätzen im Passiv, wie ein typischer Arbeitstag in Ihrem Beruf abläuft (z. B. „Zuerst werden die E-Mails gelesen …"). Verwenden Sie mindestens zwei der heutigen Vokabeln.
Intuition. A derivative answers one question: if I nudge the input a tiny bit, how much does the output change, and in which direction? It's the slope of a function at a point. In machine learning the "function" is the loss (how wrong the model is), and we want to nudge the parameters in whatever direction makes the loss go down.
Mechanism. For a single-variable function the derivative is the limit of the rise-over-run as the step shrinks to zero:
Most functions in ML have many inputs (millions of weights), so instead of one derivative we collect the partial derivative with respect to each parameter into a vector — the gradient, written ∇f. The gradient points in the direction of steepest increase; to minimise loss we step in the opposite direction.
Why it matters. This is the engine of all of deep learning. Training = repeatedly computing the gradient of the loss and taking a small step downhill: w ← w − η·∇L (gradient descent, where η is the learning rate). Backpropagation is just an efficient way to compute this gradient through every layer using the chain rule. No gradients, no learning.
Worked example. Numerically estimate the derivative of f(x)=x² at x=3 (true answer: 2x = 6):
def f(x):
return x**2
h = 1e-6
x = 3.0
deriv = (f(x + h) - f(x)) / h
print(round(deriv, 4)) # ≈ 6.0 (matches 2*x)
# Gradient of f(x,y)=x^2 + y^2 at (1,2) -> [2x, 2y] = [2, 4]
def grad(x, y):
return (2*x, 2*y)
print(grad(1, 2)) # (2, 4)Curriculum: AI Engineering from Scratch — Phase 1, Math foundations. Reference →
3 € pro Homeoffice-Tag (max. 100 Tage = 300 €) als Werbungskosten, plus bis zu 300 € für ergonomische Büromöbel — zusammen bis zu 600 € pro Jahr. In der Arbeitnehmerveranlagung geltend machen.
Quelle: arbeiterkammer.at →Pendlerpauschale je nach Pendeltagen/Monat (ab >10 Tagen voll, 8–10 zwei Drittel, 4–7 ein Drittel). Der Pendlereuro steigt 2026 auf 6 € pro km einfacher Wegstrecke. Homeoffice-Tage zählen nicht als Pendeltage.
Quelle: arbeiterkammer.at →Eine Gewinnbeteiligung an aktive Dienstnehmer ist bis 3.000 € pro Jahr lohnsteuerfrei (gemeinsame Obergrenze mit einer etwaigen Mitarbeiterprämie). Voraussetzung: Gewährung an alle oder Gruppen von Mitarbeitern.
Quelle: wko.at →Arbeitgeber können ihren Beschäftigten bis zu 3 € pro Telearbeitstag (max. 100 Tage/Jahr) steuerfrei als Telearbeitspauschale ersetzen — eine einfache, abgabenschonende Zusatzleistung. Details & Voraussetzungen bei der WKO.
Quelle: wko.at →