1. Zusammenfassung

Am 13. Juni 2026 wagte Zhipu AI einen kühnen Schritt auf dem wettbewerbsintensiven Markt der künstlichen Intelligenz mit der Einführung von GLM-5.2.2.2, ihrem neuesten großen Sprachmodell. Das herausragendste Merkmal ist das Versprechen eines "nutzbaren" Kontextfensters von 1 Million Tokens, eine Zahl, die, wenn sie zutrifft, die Grenzen des Verständnisses und der Kohärenz bei groß angelegten Aufgaben der natürlichen Sprachverarbeitung neu definieren würde. Darüber hinaus führt GLM-5.2.2.2 zwei Stufen des "Denkaufwands" ein – Hoch und Maximal –, die Entwicklern eine granulare Kontrolle über das Gleichgewicht zwischen Leistung, Latenz und Inferenzkosten bieten.

Diese Veröffentlichung richtet sich nicht nur an bestehende Nutzer von GLM-Codierungsplänen, sondern strebt auch eine breitere Akzeptanz an, indem sie einen mit der Anthropic API kompatiblen Endpunkt anbietet, der die Integration in Umgebungen wie Claude Code, Cline und OpenClaw ermöglicht. Die Entscheidung von Zhipu AI, GLM-5.2.2.2 ohne die Bereitstellung anfänglicher Leistungsbenchmarks zu veröffentlichen, hat jedoch eine beträchtliche Debatte und Skepsis in der Technologiegemeinschaft ausgelöst. Das Unternehmen hat versprochen, die offenen Gewichte nächste Woche unter der MIT-Lizenz freizugeben, ein Schritt, der, wenn er sich materialisiert, die Open-Source-Landschaft und den Zugang zu Spitzentechnologie-Modellen erheblich verändern könnte.

Dieser Bericht untersucht die technischen und marktbezogenen Implikationen von GLM-5.2.2.2, analysiert das transformative Potenzial seines erweiterten Kontexts und seiner Anstrengungsstufen und beleuchtet gleichzeitig die Auswirkungen des Fehlens von Benchmarks und der erwarteten Freigabe offener Gewichte. Die Branche, von einzelnen Entwicklern über große Unternehmen bis hin zu direkten Wettbewerbern, beobachtet aufmerksam, wie sich die nächsten Tage entwickeln werden, da die Glaubwürdigkeit von Zhipu AI und die Zukunft von GLM-5.2.2.2 maßgeblich von der Überprüfung ihrer kühnen Behauptungen abhängen.

2. Tiefgehende technische Analyse

Die Einführung von GLM-5.2.2.2 durch Zhipu AI bringt mehrere technische Innovationen mit sich, die eine detaillierte Untersuchung verdienen, obwohl das Fehlen überprüfbarer Benchmarks zum Zeitpunkt der Veröffentlichung eine Analyse auf der Grundlage von Versprechen und theoretischen Implikationen erzwingt. Das zentrale Merkmal ist das Kontextfenster von 1 Million Tokens, eine Fähigkeit, die, wenn sie wirklich "nutzbar" ist, einen qualitativen Sprung im Umgang mit Langzeitinformationen darstellt. Modelle wie Llama 4 haben bereits Kontexte von 10 Millionen Tokens gezeigt, und Kimi K2.7-Code ist bekannt für seine lange Kontextfähigkeit, aber der Schlüssel hier ist das Wort "nutzbar". Historisch gesehen hatten Modelle mit extrem langen Kontexten mit dem Phänomen des "Verloren in der Mitte" (lost-in-the-middle) zu kämpfen, bei dem relevante Informationen im Zentrum eines umfangreichen Kontexts ignoriert oder falsch gewichtet werden. Die Behauptung von Zhipu AI deutet darauf hin, dass sie diese Herausforderung angegangen sind, möglicherweise durch effizientere Aufmerksamkeitsarchitekturen, verbesserte Informationsabrufmechanismen oder spezifische Trainingsmethoden, um Kohärenz und Relevanz über massive Sequenzen hinweg aufrechtzuerhalten.

Die Fähigkeit, 1 Million Tokens auf einmal zu verarbeiten, eröffnet eine beispiellose Bandbreite an Anwendungen. Im Rechtsbereich würde dies Modellen ermöglichen, Verträge, Gerichtsakten oder ganze Bibliotheken von Rechtsprechung zu analysieren, um Informationen zu extrahieren, Muster zu identifizieren oder kohärente Zusammenfassungen zu erstellen. Für die Codierung könnte ein so breiter Kontext ganze Codebasen, API-Dokumentationen und Problem-Repositories umfassen, was das Debugging, die Refaktorierung und die Codegenerierung in einem Umfang erleichtern würde, von dem aktuelle Modelle nur träumen können. Die Implementierung eines Kontexts dieser Größe bringt jedoch erhebliche Herausforderungen in Bezug auf den Rechenspeicher, die Inferenzlatenz und, entscheidend, die mit der Ausführung solcher Modelle verbundenen Kosten mit sich. Die Effizienz bei der Ressourcennutzung wird ein entscheidender Faktor für die massive Akzeptanz von GLM-5.2.2.2 sein.

Die Einführung von zwei Stufen des "Denkaufwands" – Hoch und Maximal – ist eine weitere bemerkenswerte Innovation. Dieses Merkmal deutet darauf hin, dass Zhipu AI GLM-5.2.2.2 mit einer Architektur entwickelt hat, die es ermöglicht, die Verarbeitungstiefe oder die Anzahl der Inferenzschritte zu modulieren. Die Stufe "Hoch" könnte eine schnellere Verarbeitung mit geringeren Kosten bedeuten, geeignet für Routineaufgaben oder wo Geschwindigkeit an erster Stelle steht. Die Stufe "Maximal" hingegen würde wahrscheinlich komplexere Denkpfade, eine größere Anzahl von Iterationen oder sogar die Abfrage spezialisierter Module aktivieren, was zu einer höheren Antwortqualität, aber auch zu einer Erhöhung der Latenz und der Kosten führen würde. Diese Flexibilität ist ein entscheidendes Unterscheidungsmerkmal, da sie es den Benutzern ermöglicht, die Modellnutzung entsprechend den spezifischen Anforderungen jeder Aufgabe zu optimieren, etwas, das aktuelle monolithische Modelle nicht nativ bieten.

FÜR SIE EMPFOHLEN NVIDIA GeForce RTX 5090 Grafikkarte

Die Entscheidung von Zhipu AI, einen mit der Anthropic API kompatiblen Endpunkt anzubieten, ist ein strategisch kluger Schachzug. Durch die Ausrichtung an einem De-facto-Standard im KI-Ökosystem senkt Zhipu AI die Eintrittsbarriere für Entwickler, die bereits mit Claude Code, Cline und OpenClaw vertraut sind, drastisch. Diese Kompatibilität erleichtert nicht nur die Migration und Experimente, sondern positioniert GLM-5.2.2.2 auch als direkte und potenziell überlegene Alternative zu Anthropic-Modellen in bestimmten Anwendungsfällen, insbesondere solchen, die einen extrem langen Kontext erfordern. Die Schlüsselfrage ist, wie "kompatibel" dieser Endpunkt wirklich ist: Bietet er volle Funktionsparität oder ist es eine grundlegende Kompatibilität, die zusätzliche Anpassungen erfordert?

Schließlich ist das Fehlen von Benchmarks bei der Veröffentlichung der umstrittenste Punkt. In einer Ära, in der KI-Modelle streng nach standardisierten Metriken wie MMLU, HumanEval, GSM8K oder MT-Bench bewertet werden, erzeugt das Fehlen überprüfbarer Leistungsdaten tiefes Misstrauen. Dieses Versäumnis könnte auf verschiedene Weisen interpretiert werden: eine Strategie, um Erwartungen zu wecken, ein Zeichen dafür, dass das Modell noch nicht für allgemeine Benchmarks optimiert ist, oder ein Fokus auf spezifische Anwendungsfälle, in denen traditionelle Metriken seinen Wert nicht erfassen. In einem so wettbewerbsintensiven Markt ist Transparenz jedoch unerlässlich. Das Versprechen, die offenen Gewichte nächste Woche unter der MIT-Lizenz freizugeben, ist ein Gegengewicht zu diesem anfänglichen Mangel an Transparenz. Wenn Zhipu AI dies einhält, könnte es enormen Goodwill gewinnen und die Akzeptanz durch die Open-Source-Gemeinschaft beschleunigen, die nach leistungsstarken Alternativen zu proprietären Modellen sucht.

3. Branchenauswirkungen und Marktimplikationen

Die Einführung von GLM-5.2.2.2 mit seinen charakteristischen Merkmalen und den damit verbundenen Kontroversen wird voraussichtlich erhebliche Wellen in der Künstlichen Intelligenz-Branche schlagen. Das Versprechen eines "nutzbaren" Kontextes von 1 Million Tokens hat das Potenzial, die Erwartungen an die Leistungsfähigkeit eines großen Sprachmodells neu zu definieren. Für Unternehmen bedeutet dies die Möglichkeit, Prozesse zu automatisieren und zu optimieren, die zuvor undenkbar waren, wie die umfassende Überprüfung technischer Dokumentationen, die Synthese komplexer Finanzberichte oder die Unterstützung bei groß angelegten wissenschaftlichen Forschungen. Branchen wie Recht, Gesundheitswesen, Beratung und Softwareentwicklung könnten eine radikale Transformation erleben, vorausgesetzt, die Nutzbarkeit und Zuverlässigkeit des Kontexts erweisen sich in der Praxis als gegeben.

Die Einführung konfigurierbarer Anstrengungsstufen (Hoch und Maximal) ist eine direkte Antwort auf die wachsende Nachfrage nach KI-Modellen, die ein flexibles Gleichgewicht zwischen Leistung, Latenz und Kosten bieten. In einem Geschäftsumfeld, in dem die Inferenzkosten schnell steigen können, ermöglicht die Fähigkeit, den "Denkaufwand" eines Modells anzupassen, Unternehmen, ihre Betriebsausgaben zu optimieren. Beispielsweise könnten routinemäßige oder weniger kritische Textgenerierungsaufgaben mit der Stufe "Hoch" ausgeführt werden, um die Kosten zu minimieren, während kritische Anwendungen, die tiefgreifendes Denken oder extreme Präzision erfordern, die Stufe "Maximal" nutzen könnten. Diese Granularität bei der Kontrolle von Leistung und Kosten ist ein Wettbewerbsvorteil, der ein breites Spektrum von Unternehmenskunden anziehen könnte, insbesondere solche mit knappen Budgets oder groß angelegten Verarbeitungsanforderungen.

Die Kompatibilität mit dem Anthropic-Endpunkt ist ein Meisterzug für die Marktakzeptanz. Indem GLM-5.2.2.2 eine nahtlose Integration in die bestehenden Claude Code-, Cline- und OpenClaw-Workflows ermöglicht, positioniert sich Zhipu AI als direkter Konkurrent und praktikable Alternative für Anthropic-Benutzer. Dies könnte erheblichen Druck auf Anthropic ausüben, seine eigenen Kontextfähigkeiten zu verbessern und eine größere Kostenflexibilität anzubieten. Der Wettbewerb wird sich verschärfen, was letztendlich Entwicklern und Unternehmen durch eine größere Auswahl an Optionen und potenziell niedrigere Kosten zugutekommt.

Die fehlenden Benchmarks bei der Einführung sind jedoch ein zweischneidiges Schwert. Obwohl dies ein beträchtliches Medienecho hervorgerufen hat, hat es auch Zweifel an der wahren Leistungsfähigkeit von GLM-5.2.2.2 gesät. In einem Markt, in dem proprietäre Modelle wie GPT-5.5, Gemini 3.5 und Claude 4.8 Opus erbittert um Leistungsmetriken konkurrieren, erschwert das Fehlen vergleichbarer Daten Entwicklern und Unternehmen eine objektive Bewertung des Werts von GLM-5.2.2.2. Diese Situation könnte die anfängliche Akzeptanz verlangsamen, da potenzielle Benutzer auf die Veröffentlichung von Benchmarks oder die Überprüfung durch Dritte warten werden, bevor sie sich vollständig auf das Modell einlassen. Die Glaubwürdigkeit von Zhipu AI steht auf dem Spiel, und wie sie diese Mängel in den kommenden Tagen angehen, wird entscheidend sein.

Das Versprechen, die offenen Gewichte nächste Woche unter der MIT-Lizenz freizugeben, ist vielleicht die disruptivste Marktkonsequenz. Wenn Zhipu AI dieses Versprechen einhält, könnte GLM-5.2.2.2 zu einem dominanten Akteur im Bereich der Open-Source-Modelle werden und direkt mit Llama 4 und Mistral Large 3 konkurrieren. Ein 1-Millionen-Token-Modell mit offenen Gewichten würde den Zugang zu fortschrittlichen KI-Fähigkeiten demokratisieren, Innovationen fördern und einer breiteren Gemeinschaft von Forschern und Entwicklern ermöglichen, auf dieser Technologie aufzubauen. Dies könnte die Entwicklung von Nischen-KI-Anwendungen beschleunigen und die Abhängigkeit von proprietären Ökosystemen verringern. Wenn die offenen Gewichte jedoch eine eingeschränkte oder weniger leistungsfähige Version als die proprietäre Version sind, könnte die Enttäuschung erheblich sein und den Ruf von Zhipu AI in der Open-Source-Gemeinschaft schädigen.

FÜR SIE EMPFOHLEN KI-Sprachrekorder Plaud Note

4. Expertenperspektiven und Strategische Analyse

Die Gemeinschaft der KI-Analysten und -Experten hat auf die Einführung von GLM-5.2.2.2 mit einer Mischung aus Faszination und Vorsicht reagiert. Das Merkmal des "nutzbaren" 1-Millionen-Token-Kontexts ist zweifellos der größte Interessenspunkt. Der technische Konsens besagt, dass die Behauptung eines "nutzbaren" 1-Millionen-Token-Kontexts kühn ist und ihre Überprüfung von größter Bedeutung sein wird. Die Erfahrung mit anderen Langkontextmodellen hat gezeigt, dass die bloße Fähigkeit, viele Token zu akzeptieren, keine konsistente Leistung oder Informationsspeicherung über die gesamte Sequenz hinweg garantiert. Der wahre Test für GLM-5.2.2.2 wird seine Fähigkeit sein, Kohärenz zu bewahren, Halluzinationen zu vermeiden und relevante Informationen in extrem langen Kontexten effektiv abzurufen, indem es die Herausforderungen der "verdünnten Aufmerksamkeit" überwindet, die viele aktuelle Modelle betreffen.

Die Denkaufwandsstufen werden als intelligente strategische Innovation angesehen. Der technische Konsens legt nahe, dass das Anbieten konfigurierbarer Aufwandsstufen ein pragmatischer Ansatz ist, um die inhärenten Kompromisse zwischen Qualität, Geschwindigkeit und Kosten bei großen Sprachmodellen zu managen. Diese Funktionalität könnte besonders attraktiv für Unternehmen sein, die ihre KI-Operationen optimieren möchten, indem sie Rechenressourcen je nach Kritikalität der Aufgabe effizienter zuweisen können. Es ist eine Funktion, die andere proprietäre Modelle wie GPT-5.5 oder Gemini 3.5 in Betracht ziehen könnten, um ihren Benutzern mehr Flexibilität zu bieten.

Das Fehlen von Benchmarks bei der Einführung ist jedoch der Aspekt, der am meisten Skepsis hervorgerufen hat. Einige Marktanalysten weisen darauf hin, dass das Zurückhalten von Benchmarks bei der Einführung, obwohl es manchmal ein strategischer Schachzug ist, um Erwartungen zu wecken, oft auf mangelndes Vertrauen in die Wettbewerbsfähigkeit oder einen bewussten Versuch hindeutet, die Erzählung nach der Einführung zu kontrollieren. In einem Sektor, in dem Transparenz und empirische Validierung entscheidend sind, lässt das Fehlen vergleichbarer Daten mit führenden Modellen wie GPT-5.5, Claude 4.8 Opus oder Qwen 3.7-Max GLM-5.2.2.2 in einer Position der Unsicherheit zurück. Entwickler und Unternehmen zögern, eine Technologie ohne klare Beweise für ihre überlegene oder zumindest wettbewerbsfähige Leistung zu übernehmen. Diese Entscheidung könnte ein kalkuliertes Risiko von Zhipu AI sein, die darauf setzt, dass das Versprechen eines massiven Kontexts und offener Gewichte genügend Interesse wecken wird, um den anfänglichen Mangel an Validierung zu überwinden.

Die Kompatibilität mit dem Anthropic-Endpunkt wird allgemein als kluger taktischer Schachzug anerkannt. Durch die Reduzierung der Reibung bei der Akzeptanz durch eine bereits etablierte Benutzerbasis versucht Zhipu AI, die bestehende Infrastruktur und Workflows zu nutzen. Dies positioniert GLM-5.2.2.2 nicht nur als direkten Konkurrenten von Claude, sondern könnte auch den Markt für KI-APIs weiter fragmentieren und Anbieter dazu zwingen, schneller in Bezug auf Funktionen und Kosten zu innovieren. Die Frage ist, ob diese Kompatibilität tief genug ist, um eine nahtlose Migration zu ermöglichen, oder ob Entwickler Einschränkungen finden werden, die erhebliche Anpassungen erfordern.

Schließlich ist das Versprechen der offenen MIT-Gewichte für nächste Woche der volatilste Faktor. Branchenanalysten warnen, dass das Versprechen der offenen MIT-Gewichte für nächste Woche ein hohes Risiko darstellt. Wenn es eingehalten wird, könnte es die Glaubwürdigkeit von Zhipu AI erheblich steigern und ein lebendiges Ökosystem fördern; wenn es sich verzögert oder verwässert, könnte es das Vertrauen ernsthaft beschädigen. Ein 1-Millionen-Token-Modell mit offenen Gewichten könnte ein Wendepunkt für die KI-Forschung und -Entwicklung sein, indem es eine leistungsstarke Alternative zu proprietären Modellen bietet und die Innovation im Open-Source-Bereich beschleunigt, wo Llama 4 und Gemma 4 bereits Schlüsselakteure sind. Jede Nichteinhaltung dieses Versprechens oder die Veröffentlichung einer Version, die der proprietären deutlich unterlegen ist, könnte jedoch eine erhebliche negative Reaktion hervorrufen und das Vertrauen in Zhipu AI untergraben.

5. Zukünftige Roadmap und Prognosen

Die kommenden Tage und Wochen werden entscheidend sein für Zhipu AI und die Wahrnehmung von GLM-5.2.2.2 in der Branche. Die unmittelbare Aufmerksamkeit wird sich auf die Einhaltung des Versprechens konzentrieren, die offenen Gewichte unter der MIT-Lizenz freizugeben. Wenn Zhipu AI eine robuste und funktionale Version von GLM-5.2.2.2 mit offenen Gewichten liefert, könnte dies eine Welle der Begeisterung in der Open-Source-Gemeinschaft auslösen und Forscher und Entwickler anziehen, die die Fähigkeiten eines 1-Millionen-Token-Kontexts ohne die Einschränkungen proprietärer APIs erkunden möchten. Jede Verzögerung oder die Veröffentlichung einer eingeschränkten oder leistungsschwächeren Version könnte jedoch den Ruf von Zhipu AI und seine Glaubwürdigkeit im Open-Source-Bereich ernsthaft schädigen.

Nach der Freigabe der offenen Gewichte ist die nächste Erwartung die Veröffentlichung von Leistungsbenchmarks. Zhipu AI wird zunehmendem Druck ausgesetzt sein, transparente Daten bereitzustellen, die ihre Behauptungen über die "Nutzbarkeit" des 1-Millionen-Token-Kontexts und die Gesamtleistung des Modells validieren. Es ist wahrscheinlich, dass diese Benchmarks spezifische Metriken für Langkontextaufgaben sowie Standardbewertungen für Argumentation, Codierung und Sprachverständnis umfassen werden. Wie GLM-5.2.2.2 im Vergleich zu den aktuellen SOTA-Modellen abschneidet, sowohl proprietäre (GPT-5.5, Claude 4.8 Opus, Gemini 3.5) als auch Open-Source-Modelle (Llama 4, Mistral Large 3), wird seine Marktposition bestimmen.

Mittelfristig wird erwartet, dass die Kompatibilität mit dem Anthropic-Endpunkt eine schnelle Akzeptanz bei Entwicklern fördert, die dieses Ökosystem bereits nutzen. Dies könnte zu einer Verbreitung neuer Anwendungen und Dienste führen, die den erweiterten Kontext von GLM-5.2.2.2 nutzen. Der Wettbewerb zwischen Zhipu AI und Anthropic wird sich verschärfen, was Anthropic möglicherweise dazu veranlasst, eigene Innovationen im Bereich langer Kontexte und Kostenflexibilität zu beschleunigen. Es ist auch zu erwarten, dass andere große Akteure wie OpenAI und Google mit Verbesserungen ihrer eigenen Kontextangebote und Preismodelle reagieren werden.

Schließlich wird die Entwicklung der "Denkanstrengungsstufen" von GLM-5.2.2.2 ein Schlüsselbereich sein, den es zu beobachten gilt. Es ist wahrscheinlich, dass Zhipu AI diese Stufen verfeinert, weitere Optionen einführt oder sogar eine granularere Konfiguration durch den Benutzer ermöglicht. Dies könnte einen Präzedenzfall für die Branche schaffen und andere Modellanbieter dazu veranlassen, ähnliche Kontrollen anzubieten, um das Gleichgewicht zwischen Leistung und Kosten zu optimieren. Die Fähigkeit von GLM-5.2.2.2, in Anwendungsfällen mit langem Kontext einen echten Mehrwert zu demonstrieren, und seine Fähigkeit, wettbewerbsfähige Kosten aufrechtzuerhalten, werden die entscheidenden Faktoren für seinen langfristigen Erfolg in einem sich ständig weiterentwickelnden KI-Markt sein.

6. Fazit: Strategische Imperative

Die Einführung von GLM-5.2.2.2 durch Zhipu AI ist ein mutiger und potenziell disruptiver Schritt in der Landschaft der künstlichen Intelligenz. Das Versprechen eines "nutzbaren" 1-Millionen-Token-Kontextes und die konfigurierbaren Anstrengungsstufen stellen bedeutende Fortschritte dar, die neue Grenzen in der Anwendung von KI erschließen könnten. Die Launch-Strategie, die durch das Fehlen von Benchmarks und die Erwartung offener Gewichte gekennzeichnet ist, hat jedoch eine Atmosphäre der Erwartung, gemischt mit berechtigter Skepsis, geschaffen. Die Glaubwürdigkeit von Zhipu AI und die Zukunft von GLM-5.2.2.2 hängen nun von der Überprüfung ihrer Behauptungen ab.

Für Zhipu AI ist das unmittelbarste strategische Gebot, das Versprechen zu erfüllen, die offenen Gewichte nächste Woche unter der MIT-Lizenz freizugeben. Dies würde nicht nur ihr Engagement für die Open-Source-Community bestätigen, sondern auch eine Plattform für Dritte bieten, um die Fähigkeiten des Modells zu überprüfen. Gleichzeitig muss das Unternehmen die Veröffentlichung transparenter und vergleichbarer Benchmarks priorisieren, die die Leistung von GLM-5.2.2.2 im Vergleich zu bestehenden SOTA-Modellen demonstrieren. Ohne diese Validierung wird die Massenadoption langsam sein und das Vertrauen in das Modell in Frage gestellt bleiben. Langfristig muss sich Zhipu AI auf spezifische Anwendungsfälle konzentrieren, in denen der 1-Millionen-Token-Kontext wirklich einen differenzierenden Wert bietet, und weiterhin Innovationen bei der Kostenoptimierung und Inferenzflexibilität vorantreiben.

Für Entwickler und Unternehmen lautet die Empfehlung, vorsichtig optimistisch zu sein. GLM-5.2.2.2 bietet ein immenses Potenzial für Anwendungen mit langem Kontext, aber es ist entscheidend, die Freigabe der offenen Gewichte und der offiziellen Benchmarks abzuwarten, bevor signifikante Investitionen getätigt werden. Die Kompatibilität mit Anthropic erleichtert das Experimentieren, aber die wahre "Nutzbarkeit" des Kontextes und das Kosten-Leistungs-Verhältnis der Anstrengungsstufen müssen in realen Szenarien bewertet werden. Die Wettbewerber wiederum sollten die Entwicklung von GLM-5.2.2.2 genau beobachten, insbesondere wenn sich die offenen Gewichte als so leistungsfähig erweisen, wie versprochen, da dies eine Neubewertung ihrer eigenen Produkt-Roadmaps und Marktstrategien erforderlich machen könnte. Der KI-Markt ist in ständigem Wandel, und GLM-5.2.2.2 ist mit seinen Versprechen und Unbekannten eine klare Erinnerung daran, dass Innovation und Wettbewerb die Entwicklung dieser transformativen Technologie weiterhin vorantreiben.