0829 | Almanac, Caddi, screenpipe und Aramb: Neues zu KI-Agenten

Lena Vogel: Willkommen zu Product Hunt täglich auf Bri Radio. Ich bin Lena Vogel.

Felix Hartmann: Und ich bin Felix Hartmann. Heute schauen wir auf den Almanach, auf Caddi, und auf Neuheiten wie screenpipe, Aramb, Spline und Gemini Omni.

Lena Vogel: Außerdem im Programm: CTRL Micro, Revalvo, der Firecrawl Developer Index, Fide Island, Glisio und Microduck. Viel Stoff, lasst uns loslegen.

Lena Vogel: Vom Produkt Almanac: ein KI-Agent, der laut unserem Interviewpartner Kushagra, einem von drei Gründern, die eigene Firma kennt und aus den mit einem Klick verbundenen Konten ein sich selbst aktualisierendes Gedächtnis aufbaut. Er lebt in Slack und iMessage, erledigt dort Aufgaben und besitzt einen eigenen Computer, sodass er weiterarbeitet, wenn man den Laptop zuklappt.

Felix Hartmann: Genau das klingt nach dem, was OpenTag verspricht – ein KI-Kollege in Slack und Teams mit vollem Firmenkontext. Zur Launch-Feier gibt es zwei Monate lang fünfzig Prozent Rabatt: Man taggt ihn in einem Kanal, übergibt eine Aufgabe, und das Ergebnis landet im Thread für das ganze Team.

Lena Vogel: Caddi geht aber weiter, denn es verwandelt erzählte Screenshares in Produktionsagenten. Man zeigt eine Aufgabe einmal, und Caddi lernt den Prozess, baut die Automatisierung und lässt sich in einfachem Englisch pflegen. Anders als RPA-Werkzeuge, die Scope-Definition und Entwickler brauchen, verbindet es KI-Argumentation mit deterministischer Ausführung, wobei jeder Lauf protokolliert und jede Berechtigung abgegrenzt wird.

Felix Hartmann: Neu auf Product Hunt ist screenpipe, eine Gedächtnis-Software für KI-Agenten, die Bildschirm, Audio und Aktivität auf dem Computer aufzeichnet und diese Historie vorhandenen Agenten über MCP zur Verfügung stellt. Wer nach Anrufen, Bugs oder Dokumenten fragt, muss seine Arbeit nicht erneut erklären. screenpipe sei lokal-first, source-available und läuft auf Mac, Windows und Linux, unterstützt von Y Combinator. Der Rohverlauf bleibt standardmäßig lokal unter einem versteckten Ordner, mit lokaler REST-API und MCP-Server.

Lena Vogel: Erfasst werden Accessibility-Kontext, Bildschirm-Frames mit OCR und transkribiertes Mikrofon- und Systemaudio. Passwort-Manager sind ausgeschlossen, Karten und Schlüssel werden geschwärzt, der Cloud-Upload ist aus, und Apps, Fenster und URLs lassen sich ausschließen. Die Website nennt für Unternehmen MDM, SSO und Audit-Logs; in der Produktdemo arbeitet screenpipe mit Claude Opus 5 und siebenundvierzig Tagen Verlaufsspeicher.

Lena Vogel: Ein Nutzerbericht erzählt von vier Monaten Nutzung, ein Gründer vom Wert beim Kontextwechsel, ein anderer nutzt es für Erinnerungen an unerledigte Arbeit. Subjektiv, nicht verifiziert. Der Download ist kostenlos; der Code BUSINESS20 senkt Jahrespläne bis zum achtundzwanzigsten August, vierundzwanzig Uhr pazifischer Zeit. Offen bleibt der erwartete Verbrauch von CPU, Akku und Speicher.

Felix Hartmann: Aramb nennt sich das Betriebssystem für KI-Agenten. In zwanzig Minuten lassen sich Agenten bauen, starten und monetarisieren; eine API deckt Laufzeit, Speicher, Browser und Abrechnung ab. Das Team begründet das damit, dass ein einzelner Agent bisher neun Produkte brauchte – von Modellanbieter über Voice-API bis Stripe und Redis – mit neun SDKs, neun Schlüsseln und neun Rechnungen.

Lena Vogel: Diese Dienste seien nun sieben Bausteine: ein Modell- und Anbieter-Routing nach Preis, Latenz oder Absicht; Sprache in unter vierhundert Millisekunden über Whisper, ElevenLabs, Cartesia und Deepgram; Headless Chrome jenseits von Captchas und Logins; Linux-Sandboxen, pro Endnutzer abgegrenzt; Suche ohne RAG-Aufwand; über dreitausend vorab autorisierte Integrationen; und Nutzungsereignisse, die an Stripe oder ein eigenes Hauptbuch gehen.

Felix Hartmann: Sechs Zeilen Code genügten für den ersten Agenten. Jede Sitzung sei einer Endnutzer-ID zugeordnet, sodass Entwickler eigene Kunden weiterbelasten können.

Felix Hartmann: Ein ähnlicher Agenten-Alltag steckt hinter CTRL Micro – ein haptisches Steuerungsdeck, das iPhone oder iPad als taktiles Deck für den Mac nutzt. Es entstand, weil Codex Micro von OpenAI und Work Louder ausverkauft war. Als unabhängiges Projekt von MedHue Labs übernimmt es Apples Taptic Engine samt Ton, Licht und Multitouch.

Lena Vogel: Damit lassen sich Codex, Claude und Cursor überwachen, Aufgaben öffnen und Prompts beantworten. Diktat wird mit Whisper lokal transkribiert, ohne Cloud. Die Verbindung funktioniert lokal oder über end-to-end-verschlüsseltes Remote Anywhere; Bildschirm-, Eingabe- und Diktatinhalte bleiben laut Hersteller lokal verarbeitet und verschlüsselt, ohne Konto.

Felix Hartmann: Die iOS-App ist im App Store, der Mac-Host in Version 1.0.11; Konto und Zahlung entfallen. Ein Entwickler lobte die Taptic-Engine als clever, fragte aber, ob sich das Muster unterscheidet, wenn ein Agent fertig wird oder scheitert – unbeantwortet. Offen ist auch das Protokoll der Remote-Verbindung; der Hersteller bittet um Feedback zur Game-Boy-artigen Desktop-Ansicht.

Lena Vogel: Revalvo läuft komplett lokal und startet denselben Prompt parallel gegen mehrere Sprachmodelle, bewertet die Antworten mit vierzig integrierten Evaluatoren und versioniert Prompts wie Code. Getestet wird in Batches auf Datensätzen, bevor etwas in Produktion geht.

Felix Hartmann: Mm. Ein Konto oder eine gehostete Datenbank braucht es nicht – die API-Schlüssel bleiben im Browser. Anbindbar ist ein OpenRouter- oder beliebiger OpenAI-kompatibler Schlüssel, komplett offline läuft es über Ollama. Die Macher beschreiben das als Lücke zwischen schnellen Chat-Playgrounds ohne Beleg und gründlichen, aber langsamen server-seitigen Eval-Plattformen, mit Einrichtung in unter einer Minute und Side-by-Side-Multi-Model-Läufen.

Lena Vogel: Beim Bring-your-own-key-Ansatz berühren die Entwickler die Schlüssel nie und schlagen keinen Aufschlag auf API-Ausgaben auf – diesen Verzicht hat ein Kommentator ausdrücklich richtig genannt. In der Community blieb aber die Frage offen, ob jeder der vierzig Evaluatoren deterministisch arbeitet oder ein Bewertungsmodell nutzt, das den Fehlermodus des Bewerteten erbt – diese Unterteilung teilt das Material nicht mit.

Felix Hartmann: Firecrawl hat einen Developer Index gestartet – einen kuratierten Index mit über siebzig Millionen Artefakten für Coding-Agenten, von GitHub-Readmes über Issues und Pull Requests bis zur Dokumentation, durchsuchbar über einen einzigen Endpunkt. Für den Einstieg braucht es keinen API-Schlüssel, erreichbar ist er über API, CLI und MCP.

Lena Vogel: Ausgangspunkt ist, dass eine einzige Debugging-Sitzung Hunderttausende Token verbrauchen kann. Bei 1.179 realen Entwicklerabfragen erreicht der Index nach Herstellerangabe 63 Prozent Recall bei den Top-Ten-Treffern, rund zehn Prozentpunkte über dem nächsten externen Anbieter – Firecrawl nennt ihn selbst den Index mit der höchsten Recall-Rate unter coding-spezifischen Indizes.

Felix Hartmann: Der Agent soll aus Primärquellen Fragen zu Code-Verhalten, API-Verträgen, Fehlermeldungen und bekannten Bugs beantworten, etwa eine unbekannte Fehlermeldung zum gemergten Fix eines ähnlichen Issues führen. Für die beste Leistung empfiehlt Firecrawl CLI oder MCP mit dem Companion-Skill. Ein Kommentar gratuliert zum zwölften Launch, ein anderer fragt, wie stark der Index den Token-Verbrauch wirklich senkt – dazu nennt der Hersteller keine gemessene Zahl.

Lena Vogel: Zwei Apps machen aus der MacBook-Notch eine echte Arbeitsfläche. Fide Island verwandelt die Kerbe in eine kompakte Befehlsfläche: Medien steuern, Kalender ansehen, Dateien und Zwischenablage griffbereit halten, Rechnungen ausführen und Systemrückmeldungen sehen – ohne die aktuelle Arbeit zu verlassen.

Felix Hartmann: NotchDrop v2 geht weiter und macht aus der Notch einen vollwertigen Arbeitsbereich mit Produktivitätswerkzeugen, Bildschirmaufnahme samt Editor, Dateifreigabe, Systemwerten, Live-Hintergründen, Kalender, Taschenrechner und Terminal-Werkzeugen. Neu sind ein eingebauter Bildschirmrekorder-Editor, Live Wallpaper, eine Unterschriftenfunktion, Keep Awake, verbessertes Teilen über AirDrop und lokale Netzwerke sowie anpassbare Designs.

Lena Vogel: Beide reagieren auf dasselbe Gefühl: Die Community beschrieb die Notch als viel Platz, der nicht viel tut – ein Kommentator nannte sie direkt so, als Apple mit der Dynamic Island voranging. Fide Island und NotchDrop füllen diesen toten Raum jetzt mit unterschiedlichen Ansätzen.

Felix Hartmann: Glisio ist eine native Mac-App für Produkt-Demos, Launch-Videos und Tutorials, gebaut von einem Ehepaar, das bestehende Werkzeuge zu teuer fand oder in der Qualität nicht überzeugend. Die App nimmt Display, Fenster oder Bereich auf – mit Systemaudio, Mikrofon und optionaler Webcam, ein automatischer Zoom folgt den Klicks. Snap ist ein eingebauter Screenshot-Editor mit Hintergrund, Zuschneiden und Annotieren.

Lena Vogel: Aufnahme und Export bleiben komplett auf dem Mac, ohne Cloud-Upload, auf Basis von Apples ScreenCaptureKit und macOS 13 oder neuer. Exportiert wird lokal als MP4 in 16:9, 9:16 oder 1:1. Im Editor stecken Tempo und Zoom-Bearbeitung, Bewegungsunschärfe, Hintergrundmusik, Audio-Bereinigung, Klick-Markierungen und Auto-Save.

Felix Hartmann: Die kostenlose Version exportiert mit Wasserzeichen, Pro kostet 79 Dollar einmalig oder 9,99 Dollar im Monat und gilt für bis zu drei Macs – zum Launch gibt es nach Herstellerangabe 40 Prozent Rabatt auf die Lifetime-Version. Ein Kommentator fragte, ob der Auto-Zoom Klicks oder den Cursor verfolgt; die Produktseite nennt Klicks. Die Exportleistung hängt nach Herstellerangabe von Länge, Auflösung und Mac ab, und für Windows gibt es eine offene Warteliste.

Lena Vogel: Microduck ist ein 25 Zentimeter großer, quelloffener zweibeiniger Roboter von Hugging Face und Pollen Robotics, gebaut für Sim-to-Real-Verstärkungslernen, zum Preis von 399 US-Dollar vor Steuern und Versand. Er bringt sieben vorab trainierte Verhaltensweisen mit – Laufen, Sitzen und Aufstehen, Treten, Greifen, Rollerskaten mit Aufsätzen und Aufstehen aus Rückenlage.

Felix Hartmann: Technisch stecken 15 Motoren, Kamera, LiDAR, zwei IMUs und eine Onboard-Policy-Schleife mit 50 Hertz darin, das Gewicht liegt unter 800 Gramm. Der gesamte Software-Stack steht unter Apache 2.0 auf GitHub, lässt sich klonen, modifizieren und auf eigener Hardware neu trainieren. Trainiert werden die Verhaltensweisen in der MuJoCo-Simulation, auch im Browser, und dann auf den echten Roboter übertragen.

Lena Vogel: Vorbestellungen starten am 27. August 2026, ausgeliefert wird vor Weihnachten 2026 in vier Farbvarianten. Offen blieb, ob das in der Simulation gelernte Verhalten auf echter Hardware beim ersten Versuch funktioniert oder dort neu trainiert werden muss. Ein Community-Mitglied ordnete ein: Reachy Mini sei der Roboter, mit dem man redet, Microduck der, dem man das Laufen beibringt.

Lena Vogel: Spline V2 ist nach Herstellerangaben ein kompletter Neubau des browserbasierten 3D-Design-Tools Spline mit Echtzeit-Kollaboration und das größte Update der letzten fünf Jahre. Neu sind eine überarbeitete Oberfläche, ein KI-Agenten-Modus, das MCP-Protokoll, eine schnellere WebGPU-Engine, PBR- und HDR-Workflows sowie Custom Code und Scripting. Inhalte lassen sich per KI oder direkter Steuerung erstellen, mit Echtzeit-Rendering, schichtbasierten Materialien, Interaktivität über States, Events, Timeline, Physik und Partikel sowie Webhooks, APIs und KI für Echtzeitdaten. Exportiert wird ins Web, auf iOS und Android, mit Integrationen für Webflow, Framer, Wix Studio, React, Next.js, Swift und Kotlin.

Felix Hartmann: Wichtig bleibt, dass die Leistungsversprechen der WebGPU-Engine bislang nur Herstellerangaben sind. Unabhängig belegt ist nur ein Community-Kommentar, der die Aktualisierung als wirklich flüssig beschreibt; ein Benchmark fehlt.

Lena Vogel: Genau deshalb stützen sich die Designerstimmen eher auf den Workflow: Laut Andrew Pons hilft Spline der Marke, moderner zu wirken, und Zeh Fernandes zufolge war vor Spline für 3D-Integration ein Entwickler nötig. Pavel Dergachev nennt die Lernkurve niedrig, sodass auch Juniordesigner 3D direkt in Webflow integrieren können. Der Einstieg ist kostenlos, dazu gibt es ein Enterprise-Angebot.

Lena Vogel: Google DeepMind stellt mit Gemini Omni 1.1 Flash ein multimodales Modell für Videogenerierung und -bearbeitung vor. Laut Produktankündigung bietet es Studioqualität, Szenenverlängerung unter Erhalt von Figuren, Licht und Kontext, erste- und letzte-Bild-Steuerung sowie schnelleres Prototyping. Entwürfe lassen sich in 360p anlegen und später auf 4K hochskalieren, bis zu drei Sekunden Videoreferenzen sind möglich. Ein Community-Mitglied sieht genau darin die eigentliche Kostenänderung: günstiger 360p-Entwurf, teure 4K-Endversion.

Felix Hartmann: Dabei bleibt offen, ob der 360p-Durchlauf eine echte Vorschau derselben Generation ist. Üblicherweise bricht dieser Ablauf, weil Entwurf und Endversion nicht dieselbe Generation sind und das Hochskalieren Details wie Hände oder Gesichter neu interpretiert.

Lena Vogel: Genau deshalb wird das erste- und letzte-Bild-Werkzeug als Unterscheidungsmerkmal zwischen bloßem Clip und schneidbarem Shot bewertet. Der Rollout läuft über Google AI Studio, Flow und die Gemini Enterprise Agent Platform; die Szenenverlängerung steht Abonnenten von Plus, Pro und Ultra in der Gemini-App zur Verfügung.

Lena Vogel: Ein schöner Bogen: die Welle der KI-Mitarbeiter mit Almanac, OpenTag und SuperIntern, und dann Caddi, das aus einer eingesprochenen Bildschirmaufnahme eine komplette Produktionsautomatisierung macht.

Felix Hartmann: Genau da steckt der Punkt – mehr sprechen, weniger bauen. Danke, dass ihr dabei wart, und bleibt gespannt auf die nächste Folge.