Anthropic in talks to buy Decart for about $6 billion
Bloomberg reported on 13 August that Anthropic is negotiating to acquire Israeli startup Decart AI for roughly $6 billion — what would be its largest known acquisition. Decart builds GPU-efficiency software plus real-time video/world models, and was valued near $4 billion in May 2026, making this a ~50 % premium. The rationale is inference cost: Anthropic filed a confidential S-1 in June, and gross margin is the number IPO investors will price.
Early-stage talks — not confirmed by either company, may not close
fortune.com →Vantage Data Centers weighs an IPO at around $100 billion
Reuters reports the Silver Lake- and DigitalBridge-backed hyperscale operator has held preliminary talks with advisers about a listing that could raise ~$10 billion at a ~$100 billion valuation, possibly as soon as next year; a sale is also on the table. Vantage has raised roughly $11 billion since late 2023 and is tied to the Wisconsin Stargate campus. It would be the clearest public-market signal yet that data centres are priced as AI infrastructure, not real estate.
Preliminary — no filing; company has not confirmed
reuters.com →SpaceXAI ships Grok 4.6 for long-running agents
SpaceXAI (formerly xAI) released Grok 4.6 on 12 August, targeting multi-step agents and coding. It reportedly matches GPT-5.6 Sol on the Artificial Analysis Intelligence Index at $2 per million input tokens and $6 per million output tokens, with a faster variant at double the price. Available through the API, Cursor, Grok Build and OpenRouter — relevant mainly because agent-heavy workloads are token-hungry and price-sensitive.
Benchmark parity is vendor-stated; index placement worth checking independently
siliconangle.com →Lenovo posts a record $26.9B quarter, AI revenue up ~60 %
Lenovo reported first-quarter revenue of $26.9 billion, up 43 % year over year, with every major business group hitting a Q1 record. AI-related products and services grew roughly 60 % and now account for about 35 % of total revenue. It is evidence the AI spend cycle has reached PCs, servers and enterprise hardware rather than staying concentrated in GPUs and hyperscaler capex.
investor.lenovo.com →India lands a 10,000-GPU cluster: L&T wins Together AI order
Larsen & Toubro secured an AI infrastructure contract worth ₹10,000–15,000 crore (up to about $1.57 billion) to build out roughly 10,000 Nvidia B300 GPUs for Together AI at an L&T campus in Chennai — positioned as India's largest single-cluster AI installation. It matters because frontier-scale compute has so far been concentrated in a handful of markets.
economictimes.indiatimes.com →Microsoft keeps shrinking in China while leaving an AI door open
Reuters reports Microsoft has closed or exited at least 15 branches and joint ventures in China in recent years, with the country down to about 1.5 % of worldwide revenue by 2024; a fuller exit was reportedly weighed in 2023. What remains is tied to Azure and AI tooling serving Chinese companies expanding abroad — a strategy of controlled exposure rather than retreat.
reuters.com →Cognition discusses a round at $40 billion or more
Bloomberg reports the Devin maker is in early talks with investors at a valuation of at least $40 billion — more than 50 % above its recent mark — as annualised revenue reportedly approaches $1 billion. Separately, legal-AI startup Legora is said to be raising above a $10 billion valuation, four months after ~$5.6 billion. Coding and legal work are where AI revenue is currently easiest to measure.
Early discussions — terms could change or the round may not happen
bloomberg.com →Forward Deployed Software Engineer — Palantir Technologies
FDSEs arbeiten in kleinen Teams direkt beim Kunden, verantworten End-to-End-Delivery hochkritischer Projekte, Datenintegration im großen Maßstab und bauen kundenspezifische Applikationen. Stack: Python, Java, C++. Palantir ist in der DACH-Region der bekannteste Arbeitgeber für dieses Rollenprofil.
devjobs.de →Forward Deployed AI Engineer — Palantir Technologies
Owns Gen-AI strategy and implementation directly with customers: end-to-end workflows into production, working "like a hands-on AI startup CTO" in small delivery teams. Listed requirements include experience with Foundry/AIP, prompt engineering and applied AI, 3+ years cloud (AWS/Azure/GCP) and Python, PySpark or Java.
jobs.lever.co →AI Engineer — DEVjobs.at Listung
Laufend aktualisierte AI-Engineer-Ausschreibungen für den Wiener Markt. Aktuell mit Ausschreibungen u. a. von Dynatrace, Siemens AG, VERBUND AG, KPMG Österreich und der Vienna Insurance Group (eine AI-Rolle mit Bewerbungsfrist 19. 08. 2026 — also nächste Woche).
devjobs.at →AI Automation Engineer — Aspire Software
Aufbau und Betrieb von Automatisierungs- und AI-Workflows im wachsenden Wiener Team. Solide Einstiegsrolle für den Wechsel von klassischer Softwareentwicklung in angewandte AI; ausgeschrieben über WeAreDevelopers.
wearedevelopers.com →Artificial Intelligence Engineer — BMW Group
Die BMW Group führt AI als eigenes Job-Field und schreibt laufend Rollen in München aus (AI Platform, Deployment, ML Engineering) — mit weiteren Standorten in Wien und Zürich. Für Kandidat:innen mit Industrie-/Fertigungsbezug einer der stabilsten Einstiege in AI-Engineering in der DACH-Region.
bmwgroup.jobs →Marktnotiz: FDE-Ausschreibungen wachsen stark, Basis bleibt klein
Die Zahl der FDE-Ausschreibungen ist zwischen April 2025 und April 2026 um rund 729 % gestiegen; in DACH entstehen die Rollen vor allem bei Applied-AI-Startups, europäischen Teams von US-AI-Labs und Enterprise-AI-Dienstleistern. US-Basisgehälter liegen im Schnitt bei ca. $155.780; DACH liegt deutlich über einem klassischen Senior Engineer, aber im europäischen Rahmen.
Wachstumszahl stammt von einem einzelnen Personalberater — als Richtung, nicht als exakte Größe lesen
Alle FDE-Jobs Deutschland (Glassdoor) →Tageslektion: Erweiterte Partizipialattribute
a) Grammatik des Tages
Erweiterte Partizipialattribute verdichten einen ganzen Relativsatz zu einem Attribut vor dem Nomen. Sie sind ein Markenzeichen wissenschaftlicher und journalistischer Texte — im TestDaF begegnen sie Ihnen ständig im Leseverstehen. Zwei Formen:
- Partizip I (aktiv, gleichzeitig): Infinitiv + -d + Adjektivendung → steigende
- Partizip II (passiv oder abgeschlossen): Partizip II + Adjektivendung → veröffentlichte
Beispielsätze:
- Die seit Jahren steigenden Mieten belasten vor allem junge Familien. (= die Mieten, die seit Jahren steigen)
- Der gestern von der Regierung veröffentlichte Bericht wurde heftig kritisiert. (= der Bericht, der gestern von der Regierung veröffentlicht wurde)
- Die von vielen Fachleuten geforderte Reform ist bisher nicht umgesetzt worden. (= die Reform, die viele Fachleute fordern)
Merksatz: Partizip I = das Nomen tut etwas. Partizip II = mit dem Nomen wird/wurde etwas getan. Beim Lesen zuerst Artikel und Nomen suchen — alles dazwischen ist das Attribut.
b) Wortschatz des Tages
- die Voraussetzung, -en
- Bedingung, die erfüllt sein muss. — Eine Voraussetzung für die Steuerfreiheit ist ein lückenlos geführtes Fahrtenbuch.
- zunehmend (Adj./Adv., Partizip I)
- immer mehr werdend. — Unternehmen setzen zunehmend auf automatisierte Verfahren.
- etwas in Kauf nehmen (feste Wendung)
- einen Nachteil bewusst akzeptieren. — Wer schnell abnehmen will, nimmt oft Muskelverlust in Kauf.
- der Aufwand (nur Sg.)
- Einsatz von Zeit, Geld oder Mühe. — Der bürokratische Aufwand steht in keinem Verhältnis zum Nutzen.
- sich abzeichnen (Verb, trennbar)
- allmählich erkennbar werden. — Eine Lösung des Konflikts zeichnet sich noch nicht ab.
c) Lesetext
Der in den vergangenen Monaten stark gewachsene Bedarf an Rechenleistung verändert die Bauwirtschaft. In Indien entsteht derzeit ein von einem Industriekonzern errichtetes Rechenzentrum mit rund 10.000 Grafikprozessoren. Die dafür benötigte Energie ist beträchtlich, weshalb Betreiber zunehmend nach Standorten mit günstigem Strom suchen. Einige Unternehmen nehmen sogar den Aufwand in Kauf, schwimmende Anlagen auf dem Meer zu erproben. Ob sich solche Konzepte wirtschaftlich rechnen, zeichnet sich bisher nicht ab. Voraussetzung wäre vor allem eine zuverlässige Wartung unter schwierigen Bedingungen.
Verständnisfragen:
- Warum suchen Betreiber von Rechenzentren nach bestimmten Standorten?
- Welches Problem ist bei schwimmenden Anlagen laut Text noch ungelöst?
Antworten anzeigen
1. Weil der Betrieb sehr viel Energie benötigt; deshalb sind Standorte mit günstigem (bzw. verfügbarem) Strom entscheidend.
2. Es ist offen, ob sich solche Anlagen wirtschaftlich rechnen — Voraussetzung wäre eine zuverlässige Wartung unter schwierigen Bedingungen.
Bonus — Partizipialattribute im Text: „der in den vergangenen Monaten stark gewachsene Bedarf“, „ein von einem Industriekonzern errichtetes Rechenzentrum“, „die dafür benötigte Energie“.
d) Schreib- und Sprechaufgabe
Schreiben (ca. 120 Wörter): Formulieren Sie die drei markierten Partizipialattribute aus dem Lesetext als vollständige Relativsätze um. Schreiben Sie anschließend eine kurze Stellungnahme zur Frage: Sollten Rechenzentren verpflichtet werden, ihren Strom ausschließlich aus erneuerbaren Quellen zu beziehen? Verwenden Sie dabei mindestens zwei eigene Partizipialattribute.
Sprechen (2 Minuten): Beschreiben Sie einer Kollegin den Inhalt des Lesetextes — ohne den Text vor sich zu haben. Nutzen Sie zunehmend, der Aufwand und sich abzeichnen.
Gradient Descent — how a model actually learns
Intuition. Yesterday's concept gave us a loss function: linear regression with mean squared error produces a bowl-shaped surface over the parameter space. Every point on that surface is one choice of weights, and its height is how wrong that choice is. Learning is just walking downhill on this surface. Gradient descent is the walking rule — and it is deliberately dumb: look at the slope where you stand, step in the steepest downhill direction, repeat. No map of the landscape, no memory of where you have been. That crudeness is exactly why it scales from two parameters to a trillion.
Mechanism. The gradient ∇θL is the vector of partial derivatives of the loss with respect to each parameter. It points in the direction of steepest increase, so we move against it:
θ ← θ − η · ∇_θ L(θ)The scalar η is the learning rate, and it is the whole game. Too small and you crawl — thousands of wasted steps. Too large and you overshoot the valley floor and bounce up the far wall, with the loss oscillating or diverging to NaN. There is a hard bound: for a quadratic loss with curvature captured by the Hessian, updates diverge once η exceeds 2/λmax, where λmax is the largest eigenvalue of the Hessian. This is where the Hessian from phase 1 pays off — it tells you how steep the steepest direction curves, and therefore how big a step you are allowed to take.
Worked example. For linear regression with MSE, L(w,b) = (1/n)·Σ(ŷi − yi)², and the gradients have a clean closed form: the error, weighted by the input.
import numpy as np
X = np.array([1., 2., 3., 4.]) # feature
y = np.array([3., 5., 7., 9.]) # truth: y = 2x + 1
w, b, eta, n = 0.0, 0.0, 0.05, len(X)
for step in range(500):
y_hat = w * X + b
err = y_hat - y # residual
dw = (2/n) * np.dot(err, X) # ∂L/∂w
db = (2/n) * err.sum() # ∂L/∂b
w -= eta * dw # the update rule
b -= eta * db
print(round(w, 3), round(b, 3)) # ≈ 2.0 1.0Two lines carry all the learning. Everything else in deep learning — backpropagation, Adam, LoRA fine-tuning, RLHF — is a variation on computing that gradient more cheaply or applying it more cleverly.
Why it matters. The version above is batch gradient descent: it touches every training example before taking a single step. On a dataset of billions of tokens that is unusable, which is why real training uses stochastic gradient descent — estimate the gradient from a small random mini-batch and step immediately. The estimate is noisy, but noise is affordable and even helpful, since it nudges the optimiser out of sharp, poorly-generalising minima. Practically, this is why your training curve is jagged rather than smooth, why batch size and learning rate must be tuned together, and why a loss that suddenly explodes to NaN almost always means the learning rate was too high for the local curvature. Phase 5 will pick this up with momentum, Adam and learning-rate schedules.
- 30 Jun — Vectors & the dot product (1)
- 01 Jul — Matrices & matrix multiplication (1)
- 02 Jul — Derivatives & gradients (1)
- 03 Jul — The chain rule (1)
- 06 Jul — The Jacobian matrix (1)
- 07 Jul — Probability distributions & expectation (2)
- 08 Jul — The Hessian matrix (1)
- 09 Jul — Bayes' theorem (2)
- 10 Jul — Random variables, expectation & variance (2)
- 03 Aug — Maximum likelihood estimation (2)
- 04 Aug — Linear regression & MSE loss (3)
- 14 Aug — Gradient descent (3)
Telearbeitspauschale: 3 € pro Tag — plus 300 € für Möbel
Für jeden Telearbeitstag werden 3 € als Werbungskosten anerkannt, maximal 100 Tage pro Jahr, also bis zu 300 €. Zusätzlich sind bis zu 300 € pro Jahr für ergonomisch geeignetes Mobiliar (Drehstuhl, Schreibtisch, Beleuchtung) absetzbar — Voraussetzung dafür sind mindestens 26 Telearbeitstage im Jahr. In Summe können also bis zu 600 € jährlich zusammenkommen. Wichtig: Die Telearbeitstage müssen vom Arbeitgeber am Lohnzettel (L16) ausgewiesen sein.
oesterreich.gv.at →Verkehrsabsetzbetrag 2026: Zuschlag von 804 € prüfen
Arbeitnehmer:innen mit einem Einkommen bis 30.259 € im Kalenderjahr 2026 haben Anspruch auf den Verkehrsabsetzbetrag. In der Veranlagung 2026 kommt ein Zuschlag von 804 € dazu, wenn das Einkommen 19.761 € nicht übersteigt; darüber wird er einschleifend reduziert. Der Zuschlag wirkt auch dann, wenn gar keine Lohnsteuer angefallen ist — dann kommt er über die SV-Rückerstattung zur Auszahlung. Er wird nicht automatisch in der Lohnverrechnung berücksichtigt: Es braucht die Arbeitnehmerveranlagung.
bmf.gv.at →Kilometergeld & Taggeld: 0,50 € und 30 € — aber nur mit Nachweis
Für dienstlich gefahrene Kilometer mit dem Privat-Pkw können 0,50 € je Kilometer abgabenfrei ersetzt werden, maximal 30.000 km bzw. 15.000 € pro Jahr. Das amtliche Kilometergeld ist frei von SV, Lohnsteuer, DB, DZ und Kommunalsteuer. Taggeld bleibt bis 30 € pro Tag steuerfrei, bei Reisen zwischen 3 und 12 Stunden aliquot 2,50 € pro angefangener Stunde. Entscheidend bei jeder GPLB-Prüfung ist die Dokumentation: laufend geführtes Fahrtenbuch oder gleichwertige Aufzeichnungen — fehlt sie, wird der gesamte Ersatz nachverrechnet.
wko.at →Kinderbetreuungszuschuss: 2.000 € pro Kind und Jahr steuerfrei
Arbeitgeber können bis zu 2.000 € pro Kind und Kalenderjahr steuerfrei zur Kinderbetreuung beitragen. Voraussetzungen: Dem Dienstnehmer steht der Kinderabsetzbetrag zu, das Kind hat zu Jahresbeginn das 14. Lebensjahr noch nicht vollendet, und die Betreuung erfolgt in einer institutionellen Einrichtung oder durch eine pädagogisch qualifizierte Person. Zulässig sind Direktzahlung, Gutscheine oder — seit 2024 — der Ersatz nachgewiesener Kosten. Der Zuschuss muss allen Mitarbeitenden oder einer sachlich abgegrenzten Gruppe offenstehen; eine willkürliche Einzelzuwendung kippt die Steuerfreiheit.
bundeskanzleramt.gv.at →Friday — Lower Body Strength (Deadlift / Hip-Hinge Focus)
Your program: 6 training days/week (Mon Push · Tue Pull · Wed Legs · Thu Upper · Fri Lower · Sat Full-body/Conditioning · Sun rest). Goal: fat loss plus strength gain. Note on the 5 kg/month target: this plan is built for the sustainable, muscle-preserving pace of ~0.5–1 kg per week. Dropping faster than that costs lean mass, which lowers your maintenance calories and makes the weight easier to regain.
Warm-up (8–10 min): 5 min easy bike or rower, then 10 bodyweight hip hinges, 10 glute bridges, 10 leg swings per side, and two light ramp-up sets of the deadlift (empty bar, then ~50 % of working weight).
| Exercise | Sets × Reps | Rest | |
|---|---|---|---|
| Conventional deadlift (barbell) — main lift | 5 × 3 (heavy, 2 reps in reserve) | 3 min | |
| Romanian deadlift (dumbbells or barbell) | 3 × 8–10 (slow 3 s lowering) | 2 min | |
| Bulgarian split squat (rear foot elevated) | 3 × 8–10 per leg | 90 s | |
| Barbell hip thrust (bench-supported) | 3 × 10–12 (1 s squeeze at top) | 90 s | |
| Seated or lying hamstring curl (machine) | 3 × 12–15 | 60 s | |
| Standing calf raise (machine or Smith) | 4 × 12–15 (2 s pause at bottom) | 45 s | |
| Weighted plank or ab-wheel rollout | 3 × 30–40 s / 3 × 8–10 | 45 s |
Cardio finisher (12–15 min, low-impact): incline treadmill walk at 10–12 % grade, 4.5–5.5 km/h — steady state, conversational pace. Alternative: seated bike, 15 min at moderate resistance. Keep it low-impact today; your posterior chain has already done the hard work and running would compete with recovery.
📄 Download: Weekly plan as PDF
Nutrition tip of the day: Front-load your protein. Most people eat 20 g at breakfast and 70 g at dinner; spreading 1.6–2.2 g/kg bodyweight across 3–4 meals of roughly 30–40 g each keeps muscle-protein synthesis elevated through the day. At 75 kg that is ~120–165 g total. Combined with a ~500–700 kcal deficit, this is what makes the difference between losing fat and losing weight.