0818 | Privatsphäre & KI-Agenten: Hansel, Omni, Treg & Recall.ai

Lena Vogel: Willkommen zu Product Hunt täglich auf Bri Radio. Ich bin Lena Vogel, und heute spreche ich mit Felix Hartmann über die auffälligsten Neuvorstellungen auf Product Hunt.

Felix Hartmann: Schön, dass ihr dabei seid. Wir schauen uns unter anderem an, warum ein Tool die E-Mail in den privaten Raum zurückholen will, wie eine Lösung das Babysitten von KI-Agenten übernehmen möchte und was ein sogenannter OpenRouter für Tools bedeuten soll.

Lena Vogel: Und zusätzlich gibt es neue Startup-Hilfe für Meeting-Infrastruktur, eine freie Erweiterung, die Blender mit KI verbindet, ein komplett lokales KI-Tagebuch sowie ein kleines Werkzeug gegen Umgebungsvariable-Probleme. Bleibt dran.

Lena Vogel: Hansel von Seedling will sich als echte Alternative zu Gmail und Outlook positionieren – für Teams, denen Privatsphäre und das Eigentum an den eigenen Daten wichtiger sind als Bequemlichkeit. Das Kernversprechen laut Produktbeschreibung: Die E-Mail läuft auf dem eigenen Server der Nutzer, Nachrichten werden auf dem eigenen Gerät verschlüsselt, und die Plattform selbst kann sie nicht lesen. Auch Spam soll auf Architekturebene gelöst sein – ohne den eigenen Schlüssel kann eine Nachricht schlicht nicht ankommen. Dazu kommen verschlüsseltes Messaging, E-Mail über die eigene Domain, Kalender, Notizen und Enterprise-Admin-Werkzeuge. Die Ankündigung lautet, dass kein Unternehmen einen aussperren könne. Den Auslöser beschreibt Gründer Kemone Phillips II, laut eigener Angabe ehemaliger Google-Mitarbeiter im ursprünglichen GTM-Team von Google Workspace: Google habe im Vormonat sein Workspace-Abo gekündigt und ihn ohne Vorwarnung aus E-Mail, Kontakten und allem ausgesperrt – eine Early Termination innerhalb der Gnadenfrist. Daraufhin habe er Hansel in unter 30 Tagen zusammen mit seinem KI-Engineering-Partner Bob gebaut und beschreibt das Produkt als souveräne Kommunikationsplattform, die bietet, was Gmail oder Outlook bieten, die man aber selbst besitzt. Dafür haben sie ein eigenes kryptografisches Protokoll namens Wicked Crumbs entwickelt, mit rotierenden Identitäten und manipulationssicheren Nachrichtenketten. Ohne den eigenen Schlüssel könne eine Nachricht schlicht nicht ankommen; keine Firma könne den Account kündigen oder die Daten lesen, weil nichts davon bei der Firma liege.

Felix Hartmann: Und hinter der Ankündigung steckt eine sehr persönliche Geschichte. Gründer Kemone Phillips II war laut eigener Angabe früher beim ursprünglichen Launch-Team von Google Workspace. Und genau bei Google hat er eine Erfahrung gemacht, die ihn offenbar zum Umdenken gebracht hat: Google habe ihm im Vormonat sein Workspace-Abo gekündigt und ihn ohne Vorwarnung aus E-Mail, Kontakten und allem ausgesperrt – eine vorzeitige Kündigung innerhalb der Gnadenfrist. Daraufhin hat er Hansel gemeinsam mit seinem KI-Engineering-Partner Bob in unter 30 Tagen gebaut.

Lena Vogel: Das Produkt beschreibt er als souveräne Kommunikationsplattform – sie bietet, was Gmail oder Outlook bieten, aber man besitzt sie selbst. Dafür haben sie ein eigenes kryptografisches Protokoll namens „Wicked Crumbs“ entwickelt, mit rotierenden Identitäten und manipulationssicheren Nachrichtenketten. [emotion type="emphasis"] Der entscheidende Punkt: Ohne den eigenen Schlüssel kann eine Nachricht schlicht nicht ankommen – kein Unternehmen kann den Account kündigen oder die Daten lesen, weil nichts davon bei der Firma liegt.

Felix Hartmann: Für den Start ist der Download aktuell für Windows verfügbar; macOS und mobile Geräte sollen folgen. [pause ms="200"] Das ist schon deshalb interessant, weil es genau das Szenario adressiert, das Vielen Angst macht – seine Daten in den Händen einer Firma, die jederzeit den Stecker ziehen kann. Hansel baut die Antwort darauf direkt ins Fundament ein.

Felix Hartmann: Omni von xpander, vorgestellt von xpander.ai auf Product Hunt, will das sogenannte Babysitten von KI-Agenten übernehmen. Der Ausgangspunkt laut Launchtext: Die besten KI-Workflows leben heute noch in Claude auf dem eigenen Rechner – sie stoppen, sobald der Laptop zuklappt, und laufen nur für eine einzelne Person. Omni wird als AI Engineer beschrieben, der genau das beheben soll: Man beschreibt, was man will, oder bringt mit, was man bereits gebaut hat; Omni verdrahtet Tools und Skills, testet mit Mock-Daten und übergibt einen laufenden Cloud-Agenten – geplant, langlaufend und mit dem Team teilbar. Danach soll Omni die Wartung übernehmen: System-Prompts verbessern, Modelle vergleichen, fehlgeschlagene Runs debuggen und reparieren. Mitgründer Ran sagt, Omni sei gebaut, damit man KI nutzt, statt an ihr herumzubasteln. Als reale frühe Nutzeranfragen nennt er unter anderem: einen Agenten, der aktuelle Sonnet-, GPT- und Qwen-Modelle benchmarkt und das günstigste bei gleicher Qualität nennt; den Cloud-Bill beobachten und bei Spikes die Ursache in Slack posten; morgens neue Anmeldungen anreichern und die interessanten in den Kanal legen; einen fehlgeschlagenen nächtlichen Lauf analysieren und fixen. Omni sei auch für Einzelnutzer geeignet, aber auf Multiplayer-KI-Arbeit ausgelegt: Agenten-Builder können ihre Agenten mit Teammitgliedern teilen. In der Community-Diskussion gibt es Interesse, aber auch offene Fragen – etwa wie viel vom repariert sich selbst tatsächlich funktioniert und wie viel Eingreifen nötig ist.

Lena Vogel: Konkret bedeutet das: Man beschreibt, was man will, oder bringt etwas mit, das man bereits gebaut hat. Omni verdrahtet dann Tools und Skills, testet mit Mock-Daten und übergibt am Ende einen laufenden Cloud-Agenten – geplant, langlaufend und mit dem Team teilbar. Und danach soll Omni die Wartung übernehmen: System-Prompts verbessern, Modelle vergleichen, fehlgeschlagene Runs debuggen und reparieren.

Felix Hartmann: Mitgründer Ran bringt es auf den Punkt: Omni sei gebaut, damit man KI nutzt, statt an ihr herumzubasteln. Als reale frühe Nutzeranfragen nennt er unter anderem einen Agenten, der aktuelle Sonnet-, GPT- und Qwen-Modelle benchmarkt und das günstigste bei gleicher Qualität nennt, oder einen, der den Cloud-Bill beobachtet und bei Kosten-Spikes die Ursache direkt im Teamkanal postet. Auch das Anreichern neuer Anmeldungen am Morgen und das Analysieren und Fixen fehlgeschlagener nächtlicher Läufe gehören zu den gewünschten Anwendungen.

Lena Vogel: Omni sei zwar auch für Einzelnutzer geeignet, aber auf „Multiplayer-KI-Arbeit“ ausgelegt: Agenten-Builder können ihre Agenten mit Teammitgliedern teilen, sodass die Arbeit nicht nur ihnen selbst zugutekommt. [pause ms="200"] In der Community-Diskussion gibt es allerdings auch offene Fragen. Ein Nutzer fragt, wie viel vom Versprechen „repariert sich selbst“ tatsächlich funktioniert und wie viel menschliches Eingreifen weiter nötig ist – er sei von solchen Versprechen schon enttäuscht worden. Ein anderer will wissen, wie die Modelle und Werkzeuge konkret verwaltet werden. Das Interesse ist also da, aber die Skepsis bei den Versprechen ebenfalls.

Lena Vogel: Treg ist ein auf Product Hunt vorgestelltes Produkt, das sich selbst als OpenRouter für Tools beschreibt – die Idee: Mehr als zweitausendsechshundert agentenfreundliche Tools aus rund vierzig Anbietern gebündelt hinter einer einzigen URL und einem Token. Die Themenfelder reichen von SEO über Social Media, Leads und Ads bis hin zu Scraping. Agenten sollen per Aufgabenbeschreibung suchen können – etwa Backlinks für eine Domain – und dabei Preis, Request und Response pro API einsehen. Bezahlt wird pro Aufruf ohne Abo und ohne Aufschlag; der Stückpreis entspricht laut Anbieter dem des jeweiligen Abos. Wer bereits ein Abo hat, kann einen eigenen API-Key mitbringen, und diese Aufrufe werden laut Anbieter nicht mitgezählt. Entstanden ist Treg laut Gründer Jason als internes Tool aus dem Frust, dass die Daten und Systeme, die Agenten für echte Arbeit brauchen, entweder in für Menschen bepreisten SaaS-Bundles stecken oder tagelange OAuth-Einrichtungen erfordern – die These dahinter: Die Zukunft sei aufgabenbasiert statt anbieterbasiert. Technisch leitet ein Proxy die echten Upstream-Anfragen weiter und injiziert Anmeldedaten serverseitig; der Agent selbst hält nie ein Geheimnis. Die Anbieter modellieren die Upstream-APIs nicht und sollen dadurch Anbieterwechsel überstehen. OAuth-Setups etwa für Google-, Meta-Werbeanzeigen, Social-Posting und Business-Profile werden übernommen; nach einmaliger Verbindung kann der Agent jedes Teammitglieds handeln. Treg ist unter AGPL als Open Source veröffentlicht und selbst hostbar.

Felix Hartmann: Gezahlt wird pro Aufruf, ohne Abo und ohne Aufschlag; der Stückpreis entspricht laut Anbieter dem des jeweiligen Abos. Wer bereits ein Abo hat, kann sogar seinen eigenen API-Key mitbringen – diese Aufrufe werden laut Anbieter nicht mitgezählt. Entstanden ist Treg laut Gründer Jason als internes Tool, aus dem Frust darüber, dass die Daten und Systeme, die Agenten für echte Arbeit brauchen, entweder in für Menschen bepreisten SaaS-Bündeln stecken – er nennt ein Beispiel mit einhundertneununddreißig Dollar pro Monat ohne Transparenz – oder tagelange OAuth-Einrichtungen erfordern. Seine These: Die Zukunft sei aufgabenbasiert statt anbieterbasiert.

Lena Vogel: Technisch leitet ein Proxy die echten Anfragen an die Anbieter weiter und injiziert die Anmeldedaten serverseitig – der Agent selbst hält also nie ein Geheimnis. Die Anbieter modellieren die Upstream-APIs nicht, wodurch sie Anbieterwechsel überstehen sollen. OAuth-Setups etwa für Google-, Meta-Werbeanzeigen, Social-Posting und Business-Profile werden übernommen; nach einer einmaligen Verbindung kann der Agent jedes Teammitglieds handeln. Treg ist außerdem unter der AGPL als Open Source veröffentlicht und selbst hostbar – ein Punkt, der für Teams mit strengen Datenschutzanforderungen interessant sein dürfte.

Felix Hartmann: Aus der Community gibt es bereits einen Nutzerbericht zur Einrichtung. Das Spannende an Treg ist letztlich die grundsätzliche Verschiebung: Nicht mehr ein Abo pro Anbieter, sondern eine Aufgabe, die der Agent über eine zentrale Schnittstelle erledigt – bezahlt nur für das, was tatsächlich genutzt wird. [pause ms="200"] Ob das hält, was es verspricht, bleibt abzuwarten, aber die Aufgabe, die es adressiert, ist für jeden, der mit KI-Agenten arbeitet, sehr konkret.

Lena Vogel: Recall.ai, der Anbieter von Infrastruktur für Meeting-Aufzeichnungen, hat auf Product Hunt ein Startup-Programm vorgestellt, das Frühphasen-Startups einen vergünstigten Satz von 0,25 US-Dollar pro Stunde für die ersten 10.000 Recording-Stunden bietet. Das Programm richtet sich an Teams, die Produkte rund um Meeting-Daten bauen – also Dinge, die auf Gesprächsaufzeichnungen und Transkripten aufsetzen. Laut Ankündigung umfasst das Angebot dieselben Produkte und denselben Support wie für andere Kunden: Engineer-Unterstützung, schnelle Bot-Joins, alle Recording-Produkte, MCP-Zugang und Kalenderintegration. Auf der Produktwebsite heißt es, enthalten seien zuverlässige Recording-Infrastruktur für Zoom, Google Meet, Microsoft Teams und Slack sowie Recording- und Transkriptions-APIs und verschiedene Recording-Formfaktoren. Das Auswahlverfahren läuft über Bewerbung, Prüfung durch das Recall.ai-Team und dann den Start zum vergünstigten Satz. Maggie von Recall.ai erklärte im Diskussionsthread, Teams, die mit Meeting-Daten bauen, unterschätzten oft, wie aufwendig der Aufbau eigener Recording-Infrastruktur sei – und das Programm habe bereits in einer Beta mit Teams aus Bereichen wie Notizen, Interviews und Finanzen gelaufen und werde nun breiter geöffnet.

Felix Hartmann: Und was bekommen die Startups konkret? Ist das eher ein Rabatt auf die bestehende API oder ein eigenes Paket?

Lena Vogel: Es ist ein vergünstigter Satz: angenommene Startups zahlen nur 25 Cent pro Stunde für die ersten zehntausend Recording-Stunden. Und laut Ankündigung bekommen sie dafür dieselben Produkte und denselben Support wie alle anderen Kunden – also Engineer-Unterstützung, schnelle Bot-Joins, alle Recording-Produkte, MCP-Zugang und Kalenderintegration.

Felix Hartmann: Das ist ja durchaus relevant für ein Team, das gerade so ein Produkt baut. Warum macht Recall.ai das eigentlich? Die Idee dahinter scheint ja zu sein, dass viele Teams unterschätzen, wie aufwendig es ist, selbst eine Recording-Infrastruktur aufzubauen. Genau das hat die Verantwortliche im Diskussions-Thread erklärt.

Lena Vogel: Stimmt, Maggie von Recall.ai. Sie hat gesagt, Teams unterschätzen oft, wie viel Arbeit der Aufbau eigener Recording-Infrastruktur bedeutet. Das Programm hat ja schon als Beta mit Teams aus Bereichen wie Notizen, Interviews und Finanzen gelaufen und wird jetzt breiter geöffnet. Das Auswahlverfahren ist dabei ziemlich klassisch: Bewerbung, Prüfung durch das Team, dann startet man zum vergünstigten Satz.

Felix Hartmann: Und die Community-Reaktion? In den Kommentaren habe ich gesehen, dass das positiv aufgenommen wurde – unter anderem, weil es eine echte technische Kostenstelle adressiert statt nur zusätzliche Perks zu bieten.

Lena Vogel: Ja, genau das fand ich auch bemerkenswert. Es geht nicht darum, noch einen Gratis-Vorteil obendrauf zu legen, sondern um eine der teuren und komplexen Stellen im Produktbau – das holt tatsächlich etwas. Und die Infrastruktur deckt dabei die gängigen Plattformen ab, von Zoom über Google Meet und Microsoft Teams bis Slack. Wenn man so ein Produkt plant, ist das wohl ein Ersparnis-Faktor, den man nicht unterschätzen sollte – verstehe die Logik dahinter schon.

Felix Hartmann: Blender Agent Bridge ist eine freie, quelloffene Blender-Erweiterung, die Blender über das Model Context Protocol mit KI-Clients wie Codex, Claude Desktop, Claude Code und Cursor verbindet. Aufgebaut ist sie als Blender-Extension plus lokaler MCP-Server auf localhost, sodass Agenten die geöffnete Szene inspizieren, visuelle Belege sammeln und reversible Bearbeitungen vornehmen können – während Blender laut Entwickler die Kontrolle über Edits, Skript-Vertrauen, Freigaben für kostenpflichtige Generierung, Dateien und Zugangsdaten behält. Den Anlass beschreibt der Ersteller so: KI-Kreativtools lieferten beeindruckend aussehende Ergebnisse, aber für präzise Änderungen fehlte oft eine editierbare Blender-Szene oder ein Workflow darunter. Das Projekt soll KI-Assistenten in einem echten Blender-Workflow arbeiten lassen, ohne den Künstler aus dem Prozess zu nehmen. Es ist als Public Beta ausgewiesen, und der Entwickler bittet gezielt um Feedback von Blender-Nutzern, Technical Artists und Leuten, die MCP-Workflows bauen – etwa dazu, wo sich der Workflow nützlich oder sperrig anfühlt und welche Sicherheits- und Kontroll-Erwartungen vor dem Einsatz in echten Projekten gelten sollten.

Lena Vogel: Wie muss ich mir das vorstellen? Läuft dabei eine eigene KI in Blender, oder wie ist die Architektur?

Felix Hartmann: Genau das fand ich spannend: Es braucht keine KI in Blender selbst. Die Erweiterung plus ein lokaler MCP-Server auf dem eigenen Rechner bilden die Brücke. Ein KI-Chat-Programm oder ein Modell-Anbieter-Schlüssel kann außerhalb von Blender laufen, während Blender die Kontrolle behält – über Edits, über Skript-Vertrauen, über Freigaben für kostenpflichtige Generierung und über den Zugriff auf Dateien und Zugangsdaten.

Lena Vogel: Und was können die Agenten damit konkret in der Szene tun?

Felix Hartmann: Sie können die geöffnete Szene inspizieren – also etwa Objekte, Materialien, Animation, Rigs, Kameras und Render-Einstellungen anschauen. Dazu sammeln sie visuelle Belege in Form von Renders oder Viewport-Bildern und führen dann reversible Bearbeitungen durch. Der Punkt dabei: Die Änderungen sind nicht gestrickt, sondern editierbar – das ist ja genau das, was an vielen KI-Kreativtools fehlt.

Lena Vogel: Das klingt nach dem Kern der Sache: Beeindruckende KI-Ergebnisse gibt es ja schon, aber oft fehlt darunter eine editierbare Blender-Szene, ein Modell oder ein Rig. Der Ersteller spricht das ja auch an – das Projekt solle Blender-Wissen nicht ersetzen und den Künstler nicht aus dem Prozess nehmen, sondern KI-Assistenten in einem echten Blender-Workflow arbeiten lassen.

Felix Hartmann: Und es ist als Public Beta ausgewiesen. Der Entwickler sucht gezielt Feedback von Blender-Nutzern und Technical Artists – zum Beispiel dazu, wo sich der Workflow nützlich oder sperrig anfühlt und welche Sicherheits- und Kontroll-Erwartungen man vor dem Einsatz in echten Projekten haben sollte. Für alle, die KI-Workflows experimentell in Blender nutzen wollen und trotzdem die Kontrolle behalten möchten, ist das genau das richtige Werkzeug zum Ausprobieren.

Lena Vogel: Ich frage mich, wie gut die reversiblen Edits in der Praxis funktionieren – aber genau dafür gibt es ja die Beta-Phase mit gezieltem Feedback.

Lena Vogel: Meridian ist ein quelloffenes, KI-gestütztes Arbeitstagebuch, das laut Hersteller vollständig auf dem Gerät läuft: Es schreibt die Arbeit im Tagesverlauf in einfachem Englisch mit und liefert am Tagesende eine Zusammenfassung – außerdem entwirft es Updates für Projektmanagement-Tools wie Jira, die nach Freigabe gepostet werden. Der Launch verspricht keine Cloud, kein Konto, MIT-Lizenz und kostenlose Nutzung für einzelne Entwickler, und die eigene KI kann mitgebracht werden – etwa Claude Code, Cursor oder Codex CLI – oder kostenlos Groq genutzt werden. Auslöser der Entwicklung war laut Gründer, dass bei Updates, die er von Claude schreiben ließ, danach zehn Minuten lang fehlender Kontext rekonstruiert werden musste, weil die ungeplante Arbeit des Tages unsichtbar blieb. Meridian erkennt offene Jira- und GitHub-Tickets, gruppiert den Tag in einer Timeline und erzeugt daraus Arbeitsprotokoll, Standup-Notiz und Tageszusammenfassung, wobei laut Hersteller nichts das Gerät verlässt, bevor der Nutzer zustimmt. Auf der Website heißt es ausdrücklich, das Tool sei kein Monitoring-Tool.

Felix Hartmann: Der interessante Teil ist ja, dass es daraus auch Updates für Projektmanagement-Tools wie Jira entwirft, die man dann nur noch freigeben muss, bevor sie gepostet werden. Und laut Hersteller verlässt nichts das Gerät, bevor der Nutzer zustimmt – das ist ja ein klares Statement: keine Cloud, kein Konto, MIT-Lizenz, kostenlos für einzelne Entwickler – keine Sitzplatz-Gebühr, keine Kreditkarte.

Lena Vogel: Und die eigene KI kann man mitbringen – zum Beispiel Claude Code oder Cursor – oder gratis auf Groq zurückgreifen. Das ist für mich der Punkt, der es praktisch macht: Man ist nicht an einen Anbieter gebunden.

Felix Hartmann: Die Geschichte dahinter ist auch bezeichnend. Der Gründer hat vor drei Monaten gekündigt, um Meridian zu bauen. Der Auslöser: Wenn er Claude Updates schreiben ließ, musste er danach zehn Minuten lang fehlenden Kontext rekonstruieren – die ungeplante Arbeit des Tages blieb einfach unsichtbar. Sein Reddit-Post darüber, wie sehr Softwareentwickler ungeplante Arbeit unterschätzen, sei viral gegangen. Genau dieses Problem löst Meridian: Es erkennt offene Tickets, gruppiert den Tag zu einer Timeline und erzeugt daraus ein Arbeitsprotokoll, eine Standup-Notiz und eine Tageszusammenfassung – ohne dass man es selbst dokumentieren muss.

Lena Vogel: Und es betont ausdrücklich, kein Monitoring-Tool zu sein – die Daten bleiben ja auch auf dem Gerät. Das war mir als Entwickler wichtig: Niemand will ein System, das einen beobachtet. Es wirkt eher wie ein Gedächtnis, das stattdessen die unsichtbare Arbeit sichtbar macht.

Felix Hartmann: Für mich ist das Positions-Statement das Herzstück: Man hat mehr getan, als man glaubt, und soll die Arbeit nicht unbemerkt verstreichen lassen. Verfügbar ist es für Mac- und Windows-Nutzer – und wenn euch das interessiert, lohnt es sich, einen Blick darauf zu werfen.

Lena Vogel: envfix ist ein kleines, abhängigkeitsfreies Kommandozeilen-Tool, das Entwicklerinnen und Entwicklern bei Problemen mit Umgebungsvariablen in Node.js-Projekten helfen soll. Der Entwickler stellt es aktuell auf Product Hunt unter dem Titel „A tiny.env doctor for Node.js projects“ vor und beschreibt es dabei als eine Art Arzt für die.env-Konfiguration. Auslöser war ein alltägliches Problem: Die.env.example ändert sich, die lokale.env nicht, und die Anwendung schlägt fehl – mit einer Ursache, die lange zu finden ist. Nach Angaben des Entwicklers erkennt envfix fehlende, leere, zusätzliche und doppelte Variablen, fängt fehlerhafte Deklarationen ab, prüft, ob die.env sicher von Git ignoriert und nicht eingecheckt ist, ergänzt fehlende Konfiguration und erzeugt beziehungsweise synchronisiert.env.example-Dateien. Es läuft lokal und in CI, bietet JSON-Ausgabe und GitHub-Actions-Annotations und hat null Abhängigkeiten. Konservativ will es vor allem eines sein: Es überschreibt keine vorhandenen nicht-leeren Werte und gibt keine Umgebungsvariablen-Werte in Logs aus. Der Start ohne Installation erfolgt per npx envfix. Der Befehl envfix fix hängt fehlende Schlüssel an die.env an, ohne bestehende Zeilen anzutasten; envfix doctor ist ein vollständiger Gesundheitscheck zu Dateien, Syntax, Konsistenz und Git-Sicherheit; envfix example erzeugt beziehungsweise aktualisiert die Beispieldatei. Optionen wie --copy-values, --dry-run oder --strict steuern das Verhalten. Die dokumentierte Beispielausgabe von doctor meldet etwa einen doppelten Eintrag, fehlende und leere Variablen sowie 1 Fehler und 2 Warnungen.

Felix Hartmann: Der Ursprung klingt nach einem ziemlich alltäglichen Frustmoment. Die.env.example-Datei wird geändert, die lokale.env bleibt aber unverändert – und plötzlich schlägt die Anwendung fehl. Nur ist die Ursache eben alles andere als offensichtlich, wenn man nicht sofort daran denkt.

Lena Vogel: Genau daran setzt envfix an. Es prüft, ob Variablen fehlen, leer sind, zusätzlich auftauchen oder sogar doppelt vorkommen. Dazu fängt es fehlerhafte Deklarationen ab, kontrolliert, ob die.env sauber von Git ignoriert und nicht versehentlich eingecheckt wurde, ergänzt fehlende Konfiguration und kann die Beispieldatei erzeugen oder aktuell halten.

Felix Hartmann: Und dabei ist es bewusst minimal gehalten. Das Tool hat keinerlei Abhängigkeiten, läuft lokal und in der CI, bietet JSON-Ausgabe und sogar Annotations für GitHub Actions. Nutzbar ist es direkt per npx – ein Befehl, fertig, keine Installation nötig.

Lena Vogel: Am interessantesten finde ich aber, was es konservativ tun will. Es überschreibt nämlich keine vorhandenen, nicht-leeren Werte – und gibt keinerlei Werte aus Umgebungsvariablen in Logs aus. Das bedeutet: Selbst wenn es auf sensible Konfigurationen stößt, bleiben die Geheimnisse geheim.

Felix Hartmann: Dafür gibt es drei Kernbefehle. Der erste, envfix fix, hängt fehlende Schlüssel an die.env an, ohne bestehende Zeilen anzufassen. Der zweite, envfix doctor, ist der vollständige Gesundheitscheck – er prüft Dateien, Syntax, Konsistenz und Git-Sicherheit. Und envfix example erzeugt beziehungsweise aktualisiert die Beispieldatei.

Lena Vogel: Die Beispielausgabe des doctor-Befehls zeigt übrigens schön, wie konkret das wird: ein doppelter Eintrag, fehlende Variable, eine leere Variable – und am Ende eine Bilanz von einem Fehler und zwei Warnungen. Dazu gibt es Optionen wie eine Trockenübung oder einen strengeren Modus, um das Verhalten zu steuern.

Felix Hartmann: Also ein kompaktes Werkzeug für ein Problem, das jede Entwicklerin und jeden Entwickler irgendwann einmal Zeit gekostet hat – und das sich bewusst zurücknimmt, statt ungefragt etwas zu verändern.

Lena Vogel: So, das war's für heute. Schön, dass ihr bis zum Schluss dabei wart – wir hoffen, ihr nehmt etwas mit und seid morgen wieder mit dabei. Bleibt uns gewogen!

Felix Hartmann: Ja, vielen Dank fürs Zuhören. Bis bald!