0902 | Agenten everywhere: KI-Tools im Schnelldurchlauf

Lena Vogel: Hallo und willkommen zurück bei Produkt-Update, dem täglichen Podcast rund um neue Tools, Apps und alles, was gerade an Schnittstellen zwischen Technik und Alltag passiert. Ich bin Lena Vogel.

Felix Hartmann: Und ich Felix Hartmann. Was heute alle Storys verbindet, ist eigentlich eine ganz einfache Frage: Wie viel überlassen wir denn nun den Maschinen – und wie viel Kontrolle behalten wir selbst? Bei Coding-Agenten, bei Kundenkontakt, beim Lernen, sogar bei der Kamera im Handy geht es fast immer um dieses Verhältnis.

Lena Vogel: Genau, und wir gehen das heute in sechs Themenblöcken durch. Fangen wir bei etwas an, das viele von uns direkt betrifft: Coding-Agenten. Und da gibt es ein auffälliges Muster – der Agent wird vom festen Arbeitsplatz losgelöst. Das erste Beispiel ist Nodeterm.

Felix Hartmann: Die Idee hinter Nodeterm ist, dass man das Terminal und Coding-Agenten als Knoten auf eine unendliche Canvas legt. Also nicht mehr dieses eine Terminalfenster, sondern ein räumlicher Arbeitsbereich, in dem mehrere Sessions nebeneinander liegen können. Das Klingt erstmal nach Spielerei, aber der eigentliche Punkt ist ein anderer: tmux-Sessions werden persistiert.

Lena Vogel: Und das heißt konkret: Wenn man den Rechner neu startet, sind alle Sessions danach wieder da. Das ist für alle, die mit langlaufenden Agenten arbeiten, ein echtes Problem, das gelöst wird. Man hat es sicher auch selbst erlebt – man hat einen Agenten laufen, der mitten in einer Aufgabe steckt, und dann kommt ein Neustart oder die Verbindung bricht ab, und alles ist weg.

Felix Hartmann: Und die zweite Hälfte der Story ist, dass man per SSH oder sogar vom Handy aus weiterarbeiten kann. Also die Session lebt nicht auf dem Gerät vor mir, sondern folgt mir. Das ist die eigentliche Verschiebung: Der Arbeitszustand ist nicht mehr an den Schreibtisch gebunden.

Lena Vogel: Wichtig ist dabei ehrlich zu bleiben: Das sind Angaben des Makers. Wie stabil so eine Recovery im echten Alltag ist, nach einem harten Absturz, mit halbfertigen Zuständen – das ist die offene Frage. Persistierung klingt immer einfacher, als sie in der Praxis ist.

Felix Hartmann: Genau. Und während Nodeterm den Ort wechselt, bleibt das zweite Beispiel im Editor – aber wechselt den Anbieter. Kilo Code gibt es jetzt als Plugin für JetBrains, nativ und Open Source.

Lena Vogel: Das ist erwähnenswert, weil der Coding-Agenten-Markt stark auf VS Code fokussiert war. JetBrains-Nutzer, also die IDE mit IntelliJ, PyCharm und so weiter, hatten oft nur Umwege. Kilo Code bringt jetzt native Unterstützung. Und was drinsteckt: Man kann parallele Agenten laufen lassen, die jeweils in isolierten Worktrees arbeiten.

Felix Hartmann: Der Worktree-Punkt ist wichtig, wenn man es erklärt. Wenn zwei Agenten gleichzeitig am selben Repository arbeiten, kommen sie sich in die Quere. Isolierte Worktrees bedeuten, jeder Agent hat seine eigene Arbeitskopie, und die Änderungen lassen sich später sauber zusammenführen.

Lena Vogel: Dazu kommt, dass man Pull Requests auf GitHub direkt in der IDE reviewen kann, inklusive Diffs. Man muss also nicht mehr zwischen IDE und Browser wechseln, um zu prüfen, was ein Agent gebaut hat. Und es werden über 500 Modelle unterstützt, man ist also nicht an einen Anbieter gebunden.

Felix Hartmann: Alles drei zusammen – Parallelität, Review im Editor, Modellfreiheit – zeigt, wohin die Reise geht: Der Agent ist kein Zauberwerkzeug mehr, sondern wird wie ein Kollege behandelt, dessen Arbeit man auch prüfen kann. Das ist ein Reifeschritt.

Lena Vogel: Und dann die konsequente Fortsetzung: Wenn der Agent nicht mehr an den Rechner gebunden ist, warum sollte der Mensch es sein? Genau dafür gibt es Superset Mobile.

Felix Hartmann: Superset Mobile läuft auf dem Handy und erlaubt, parallel mehrere Coding-Agenten zu steuern. Man kann Aufgaben starten, den Fortschritt verfolgen, Diffs ansehen und sich gegebenenfalls erinnern lassen, wenn etwas Aufmerksamkeit braucht. Und es synchronisiert mit dem Desktop beziehungsweise mit Remote-Arbeitsumgebungen.

Lena Vogel: Also das Szenario: Man schickt morgens drei Agenten los, macht im Laufe des Tags andere Sachen, und checkt vom Handy aus, was fertig ist und was reviewt werden muss. Das klingt nach der logischen Ergänzung zu Nodeterm – dort wird die Session portabel, hier wird die Steuerung portabel.

Felix Hartmann: Und auch hier dieselbe Einschränkung: Sync und Recovery klingen auf dem Papier gut, aber der Beweis, dass das im Alltag zuverlässig funktioniert – etwa wenn ein Agent auf dem Laptop hängt und man vom Handy aus eingreifen will –, ist noch offen. Das wird sich erst zeigen.

Lena Vogel: Etwas verwandt, aber mit einem anderen Fokus: Murmell. Das ist eine geteilte Cloud-Canvas für AI-Agenten, die das Gedächtnis der Agenten vereinheitlicht.

Felix Hartmann: Interessant ist dort der Konfliktschutz: Man kann Dateien reservieren, damit mehrere Agenten nicht gleichzeitig an derselben Datei arbeiten. Dazu gibt es Echtzeit-Kollaboration, und nach dem Zuklappen des Laptops wird der Zustand genau wiederhergestellt. Das ist also wieder dasselbe Thema – persistenter Zustand – nur aus der Multi-Agenten-Perspektive.

Lena Vogel: Und noch ein Verwandter in diesem Block: Naseem, ein in Swift nativ geschriebener AI-Agent für macOS, der mit Dateien, dem Terminal und dem iOS-Simulator arbeitet. Der Verzicht auf Electron und die Eigenentwicklung des Modells sind die Unterscheidungsmerkmale. Man sieht: In diesem Feld wird gerade an allen Ecken gebaut – Canvas, IDE, Handy, native Apps.

Felix Hartmann: Und damit sind wir beim nächsten großen Thema. Die Agenten arbeiten nicht mehr nur am Code, sondern zunehmend am Kunden. Das ist ein anderer Bereich, weil es nicht um die eigene Produktivität geht, sondern um Kontakte mit echten Menschen.

Lena Vogel: Das erste Beispiel ist Tovel AI, ein AI-Recorder für Anrufe. Die Grundidee: Anrufe werden automatisch in CRM-Einträge, To-dos und Entwürfe für Follow-up-Mails umgewandelt.

Felix Hartmann: Was Tovel von anderen Tools abhebt, ist die Tiefe der Integration – es soll ohne Zapier auskommen, also ohne diesen Umweg über Drittanbieter-Automatisierung. Das bedeutet weniger Bruchstellen im Workflow.

Lena Vogel: Und dann der Punkt, der in diesem ganzen Themenblock zentral ist: Alles wird erst nach Freigabe versendet. Der Mensch sieht den CRM-Eintrag, sieht die Mail, und gibt grünes Licht. Nichts geht automatisch raus. Das ist genau diese Human-in-the-Loop-Kontroverse, die wir gleich noch bei Keiki sehen werden.

Felix Hartmann: Dazu gibt es Hardware – einen Recorder zum Vorbestellen für 99 Dollar. Dass ein Software-Anbieter physische Hardware baut, ist ein Statement: Der Anruf soll an der Quelle erfasst werden, nicht nachträglich aus der Cloud rekonstruiert werden.

Lena Vogel: Für wen ist das gedacht? Offenbar für Menschen, deren Arbeit aus vielen Anrufen besteht – Vertrieb, Kundenbetreuung, Beratung. Das eigentliche Problem ist ja nicht das Telefonieren, sondern dass danach nichts dokumentiert wird. Ein CRM-Eintrag, der von selbst entsteht, ist genau dieser Hebel.

Felix Hartmann: Der zweite Spieler heißt Keiki und geht noch einen Schritt weiter. Keiki ist ein kundenorientierter Agent, der über mehrere Messaging-Kanäle hinweg läuft: SMS, iMessage, WhatsApp, Slack, Telegram und E-Mail.

Lena Vogel: Man kann es sich so vorstellen: Ein Agent, der das Gedächtnis für die Kundenbeziehung hat, unabhängig davon, über welchen Kanal der Kunde sich meldet. Der Kunde schreibt per WhatsApp, der Agent antwortet im Kontext, auch wenn die vorherige Nachricht per Mail kam. Diese Kanalübergreifheit ist der eigentliche technische Kern.

Felix Hartmann: Dazu kommen Werkzeuge und ein Gedächtnis, also der Agent kann nicht nur antworten, sondern Dinge tun und sich an frühere Gespräche erinnern. Und – auch hier – ein Human-Approval-Mechanismus. Der Mensch behält das letzte Wort.

Lena Vogel: Das gemeinsame Muster bei Tovel und Keiki ist also: Die Agenten übernehmen die Kommunikationskanäle, aber der Mensch behält die Kontrolle über das, was tatsächlich beim Kunden ankommt. Kein Tool hier versendet autonom.

Felix Hartmann: Bleibt offen, wie zuverlässig so etwas bei echten Kundenkontakten ist. Ein Missverständnis in einem internen PR-Review ist ärgerlich; ein Missverständnis gegenüber einem zahlenden Kunden ist ein anderer Fall. Genau da liegen die offenen Fragen bei beiden.

Lena Vogel: Das dritte Beispiel in diesem Block geht in eine andere Richtung – vom Agenten, der mit Kunden spricht, zur Infrastruktur, die Telefonate selbst übernimmt: ThunderPhone.

Felix Hartmann: ThunderPhone ist eine Self-Service-Plattform für AI-Telefonagenten. Man baut sich also selbst einen Sprachagenten, der Anrufe annimmt oder führt. Preislich liegt man bei 2 Cent pro Minute, inklusive Modellkosten – das ist ein bemerkenswert transparentes Preismodell.

Lena Vogel: Und die Zahlen, die der Maker nennt: 99,4 Prozent auf Big Bench Audio, 47 Sprachen, und die Genauigkeit kommt durch Multi-Modell-Fusion – also mehrere Modelle, deren Ergebnisse kombiniert werden. Ich möchte betonen: Das ist ein Benchmark-Wert des Anbieters, kein unabhängig verifiziertes Ergebnis.

Felix Hartmann: Und genau da liegt der Unterschied zu einem echten Kundengespräch. Ein Benchmark ist kontrolliert. Ob ein Telefonagent im echten Gespräch mit Akzenten, Hintergrundgeräuschen und emotionalen Kunden so gut funktioniert, ist die eigentliche Frage. Aber das Preismodell – 2 Cent pro Minute inklusive Modell – macht den Einstiegshürden extrem niedrig.

Lena Vogel: Noch als Kontext: In diesem Feld entstehen auch die Verbindungsstücke. Cosmic Agent Plugins zum Beispiel koppelt offizielle MCP-Server der Hersteller, Skills und Token-Slots an einen einzelnen Agenten, damit er mit echten Tools wie GitHub oder Stripe arbeiten kann. Also die Bausteine, aus denen solche Kundenservices zusammengesetzt werden.

Felix Hartmann: Und das leitet zum nächsten Thema über – denn wenn Agenten nicht nur arbeiten, sondern auch Menschen unterrichten, ändert sich noch etwas Grundsätzlicheres: das Lernen selbst.

Lena Vogel: Das erste Beispiel dort ist Creatium Coach, ein multimedialer AI-Trainer. Man wählt ein Lernziel, und der Coach generiert Simulationen und Rollenspiele – optional in einer sogenannten Aristoteles-Welt, also einem bestimmten simulierten Umfeld.

Felix Hartmann: Rollenspiele sind der Kern. Statt Videos zu schauen, übt man Situationen – Verhandlungen, Gespräche, was auch immer das Ziel verlangt. Der Agent spielt die Gegenseite.

Lena Vogel: Und dann gibt es eine Zahl, die das interessant macht: Eine Studie zeigt eine Effektstärke von g gleich 0,48. Zum Vergleich – der Durchschnitt von klassischem Unterricht liegt bei etwa 0,37. Das heißt, der KI-Trainingsansatz schnitt in dieser Studie besser ab als herkömmlicher Unterricht im Schnitt.

Felix Hartmann: Ich will das fair einordnen: Das ist ein einzelner Studienergebnis, keine breite Evidenz. Effektstärken aus Einzelstudien sollte man vorsichtig interpretieren. Aber die Richtung ist bemerkenswert – es gibt erstmals quantitative Hinweise darauf, dass KI-gestütztes Training klassischen Unterricht übertreffen kann. Wie belastbar das ist, wird man an weiteren Studien sehen müssen.

Lena Vogel: Und das zweite Beispiel in diesem Block bedient eine andere Lernsituation: Gauth AI Course. Die Idee: Jedes Thema lässt sich in Sekunden in einen interaktiven Kurs verwandeln.

Felix Hartmann: Und der Unterschied zu einem generischen Chatbot ist die Struktur: Es gibt eingebaut 200 Plus amerikanische Mathe-Kurse für die High School, von Algebra 1 bis AP Calculus. Also nicht nur spontan generierte Inhalte, sondern ein kuratierter Grundbestand mit echtem Lehrplanbezug.

Lena Vogel: Dazu kommen Quizfragen im Kurs und ein AI-Tutor, den man mitten im Lernen fragen kann. Das ist der entscheidende Interaktionspunkt – man bleibt im Material und bekommt sofort Hilfe, statt den Kontext zu verlassen.

Felix Hartmann: Zusammen mit Creatium Coach zeichnet sich ein Bild ab: Lernen wird weniger zum passiven Konsum und mehr zur Übung mit direkter Rückmeldung. Der eine Ansatz für professionelle Rollenspiele, der andere für Schulfächer.

Lena Vogel: Und für Sprachlernende gibt es noch eine Spezialität: WaseiGo. Das ist eine App, die über 1000 sogenannte Wasei-Eigo beibringt – also Wörter, die wie Englisch klingen, aber auf Japanisch eine andere Bedeutung haben. 50 Wörter sind gratis, danach einmalig kaufen, kein Abo. Ein Nischenfall, aber ein schönes Beispiel dafür, wie spezifisch KI-Lernwerkzeuge inzwischen werden.

Felix Hartmann: Vom Lernen ans Gestalten – das ist der Sprung zum nächsten Thema. Und dort geht es um Bewegtbild, auf zwei sehr verschiedenen Wegen: einerseits generativ, andererseits robotisch.

Lena Vogel: Der erste Weg ist Impractical, ein Tool für AI-Motion-Design. Der Agent verbindet sich über MCP und erzeugt Videos in After-Effects-Qualität – also Publish-taugliche Motion-Graphics, nicht nur Rohclips.

Felix Hartmann: Die Zahl, die der Maker nennt: Von Prompt bis zum fertigen Video etwa 20 Minuten. Und – das ist vielleicht der wichtigste Punkt – man kann das Ergebnis per natürlicher Sprache ändern. Also nicht zurück zum Anfang und neu prompten, sondern den Agenten bitten, die Animation anzupassen.

Lena Vogel: Das verändert den Prozess fundamental. Motion Design war bislang ein Handwerk, das Wochen dauern kann, mit Frames, Keyframes und Timeline. Wenn aus einem Satz eine Video-Vorlage wird und Korrekturen in Sprache geschehen, verschiebt sich die Rolle des Designers vom Frame-Bauer zum Art Director.

Felix Hartmann: Und der zweite Weg ist HONOR Robot Phone – ein Flaggschiff-Smartphone, das buchstäblich Robotik in die Kamera einbaut.

Lena Vogel: Konkret: Im Gerät steckt ein 4-Achsen-Gimbal aus Titan, und die 200-Megapixel-Hauptkamera bewegt sich physisch. Das heißt, das Objektiv bewegt sich im Gehäuse, um Stabilisierung, Verfolgung von Motiven und sogar autonome Aufnahmen zu ermöglichen. Und das Ganze bei 9,6 Millimetern Gehäusedicke – das ist die technische Leistung dahinter.

Felix Hartmann: Das ist ein anderer Ansatz als reine Software-Stabilisierung. Software rechnet die Wackler weg, hier wird physisch entgegengewirkt. Und autonomes Filmen heißt, das Handy kann selbst entscheiden, wohin die Kamera schaut – etwa bei einem Gespräch oder einem sportlichen Moment.

Lena Vogel: Was dabei offen bleibt: die Qualität der Aufnahmen im echten Einsatz und der Preis. Ein solches mechanisches System in einem dünnen Gehäuse ist ambitioniert, aber ob es im Alltag überzeugt, muss sich zeigen.

Felix Hartmann: Und um das kreative Bild abzurunden: Auch Musik wird generativ. Happy Shrimp von Alibaba ist ein AI-Musikgenerator, der aus einer Idee ein komplettes Lied macht – mit Text, Melodie, Arrangement und Gesang. Man kann eigene Lyrics einbringen oder ein reines Instrumental erzeugen lassen.

Felix Hartmann: Auf dem mobilen Ende gibt es mit ARC-24 einen achtstimmigen Groovebox für iOS mit Scale-Locking, also man kann spielerisch keine falschen Noten treffen, Synthesizern, Samplern, Drum Machine und Loops – 7 Tage gratis testen, dann einmalig 9,99 Dollar ohne Abo.

Lena Vogel: Also von der vollständig generierten Musik bis zum Werkzeug, das menschliche Improvisation unterstützt. Beides existiert nebeneinander, und das ist vielleicht die interessanteste Beobachtung in diesem Block.

Felix Hartmann: Bleiben wir kurz in der Kreativwelt, dann gibt es noch einen Querverweis: ChannelOS ist eine lokale Windows-App, die die eigenen Mediendateien in ein lineares TV-Programm verwandelt – also ein echtes Kabel-TV-Erlebnis mit Programmführer, Mediathek und Gamepad-Unterstützung. Und zwar als Open Source unter MPL-2.0.

Lena Vogel: Das passt thematisch, weil es auch um die Frage geht, wie wir Medien konsumieren – lineares Fernsehen mit Programmführer versus On-Demand. Hier wird beides kombiniert, lokal und selbstbestimmt.

Felix Hartmann: Und damit zum nächsten Block, der etwas nüchterner, aber deshalb nicht weniger wichtig ist: Vertrauen und Infrastruktur. Denn all die Agenten, die wir eben besprochen haben, laufen auf Infrastruktur, der man vertrauen muss – Backups, Rechenleistung, Modell-Zugänge.

Lena Vogel: Fangen wir mit BobVault an, einem CLI-Tool für Zero-Knowledge-Backups in Zusammenarbeit mit AWS. Das zu sichernde sind Quellcode, Konfigurationen und AI-Kontexte – also genau die Dinge, die in Agenten-Workflows entstehen.

Felix Hartmann: Und der Kern ist das Versprechen: Alles wird lokal verschlüsselt, bevor es hochgeladen wird. Der Schlüssel verlässt das Gerät nie. Auf der Cloud-Seite liegt nur Chiffretext. Das heißt, der Cloud-Anbieter kann theoretisch nichts mit den Daten anfangen, selbst wenn er wollte.

Lena Vogel: Das ist die klassische Zero-Knowledge-Architektur, aber angewendet auf einen sehr modernen Anwendungsfall: AI-Kontexte. Wenn Agenten mit sensiblen Projektdaten arbeiten, will man genau diese Daten nicht im Klartext in einer Cloud liegen haben. Der Trade-off, den man kennen muss: Wenn man den Schlüssel verliert, sind die Backups weg. Das ist der Preis für diese Sicherheitsstufe.

Felix Hartmann: Das zweite Thema dort ist der Preis von GPU-Stunden. Das ist unspektakulär klingend, aber wirtschaftlich relevant – denn GPU-Zeit ist der Rohstoff für alles, was wir heute besprochen haben.

Lena Vogel: Das Tool heißt CGI und ist der erste Open-Source-Preisindex für GPU-Stunden in Dollar pro Stunde. Die Daten kommen von 28 Anbietern und werden alle 15 Minuten aktualisiert. Wichtig: Das Verfahren ist überprüfbar, weil es open source ist.

Felix Hartmann: Der Vergleich ist leicht zu ziehen: Wir haben Preisindizes für Rohstoffe, für Strom, für Mieten. GPU-Stunden waren bisher eine Blackbox – man weiß nie, ob der Preis fair ist. Ein transparenter, überprüfbarer Index ist ein kleiner, aber wichtiger Schritt zu mehr Marktklarheit.

Lena Vogel: Und das dritte Beispiel in diesem Block ist TrustedRouter. Das ist eine API im OpenAI-Format, die Zugriff auf über 600 Modelle von über 90 Anbietern gibt.

Felix Hartmann: Der Knopf ist das Gateway: Es ist attestation-geprüft und speichert keine Prompts. Man schickt also seine Anfragen durch einen Router, der das Angebot vieler Anbieter aggregiert, aber die Inhalte nicht protokolliert. Das ist für Unternehmen, die sensible Daten an Modelle schicken, ein erheblicher Unterschied.

Lena Vogel: Und es ist Open Source. Man sieht hier dasselbe Muster wie bei CGI: Vertrauen wird nicht behauptet, sondern konstruierbar gemacht – durch Attestation, durch offenen Code, durch überprüfbare Verfahren. Ob sich diese Ansätze am Markt durchsetzen, ist allerdings noch offen. Transparenz ist ein Verkaufsargument, aber nicht immer das stärkste.

Felix Hartmann: Genau, und es gibt einen ähnlichen Querverweis in diesem Bereich: Sourclip 2.0, eine Chrome-Erweiterung für NotebookLM, die Massen-Erfassung, das Zusammenführen von Notebooks und Export ermöglicht. Die Pro-Version kostet 24 Dollar pro Jahr. Auch hier geht es also um Werkzeuge, die sich in bestehende Workflows einfügen.

Lena Vogel: Und damit zum letzten Block, der viel alltäglicher ist: Produktivität. Dort sehen wir eine ganze Bandbreite – von Profi-Monitoring bis zu Nostalgie.

Felix Hartmann: Das erste Beispiel dort ist EAS Observe, ein Performance-Monitoring für Expo und React Native. Das Besondere: Man misst auf echten Geräten, nicht in simulierten Umgebungen.

Lena Vogel: Was genau wird gemessen? Die App-Startzeit und die Time-to-Interactive pro Bildschirm – also nicht nur, wie lange das App-Icon braucht, um zu öffnen, sondern wann der Nutzer auf einem Screen wirklich interagieren kann. Diese Unterscheidung ist wichtig, weil die erste Zahl oft schöner aussieht als die zweite.

Felix Hartmann: Und ein cleveres Detail: Jeder Build und jedes OTA-Update wird separat markiert. Man kann also sehen, ob eine neue Version die Performance verschlechtert hat – und zwar getrennt für reguläre Builds und Over-the-Air-Updates, die ja in React Native üblich sind.

Lena Vogel: Es gibt einen Gratis-Tarif mit 100.000 Events pro Monat. Das ist für kleine Teams und Open-Source-Projekte genug, um ernsthaft damit zu arbeiten, nicht nur zum Ausprobieren.

Felix Hartmann: Das zweite Beispiel ist Sider Code, eine Erweiterung des Sider-Browser-Plugins. Die Idee: Man beschreibt in natürlicher Sprache, was man an einer Webseite ändern möchte, und die AI versteht die Seite und schreibt den Code dafür.

Lena Vogel: Das ist im Prinzip der Coding-Agent, den wir am Anfang besprochen haben – nur in einer viel alltäglicheren Umgebung. Nicht im Repository, sondern auf beliebigen Webseiten im Browser. Und man kann die so gebauten Features speichern und ein- und ausschalten. Es gibt drei Tage gratis zum Ausprobieren.

Felix Hartmann: Und das dritte Beispiel in diesem Block ist Folio – und das nimmt einen ganz anderen Ansatz. Es sammelt Browser-Tabs, RSS-Feeds und Newsletter-Abos und setzt daraus eine magazine-artige Publikation mit Inhaltsverzeichnis zusammen.

Lena Vogel: Und dann liefert es das automatisch als PDF oder EPUB an ein reMarkable-Tablet oder einen Kindle. Das ist die entscheidende Idee: Statt Inhalte im Browser zu konsumieren, werden sie in ein Gerät gebracht, das für längeres Lesen gebaut ist. Das kostet 5 Dollar im Monat.

Felix Hartmann: Es geht also darum, den Lesefluss zurückzugewinnen. Tabs und Newsletter sind ja im Grunde ein durcheinandergebrachter Stapel, und Folio ordnet den in etwas, das man in Ruhe liest.

Lena Vogel: Und in diesem Alltagsthema gibt es noch ein paar Spezialitäten. Notchling zum Beispiel: eine kleine Kreatur, die im Notch des MacBook lebt und Dateien festhält, die man hineinzieht. Kostenlos, unter einem Megabyte, nichts verlässt den Mac. Ein kleines Spielzeug, aber charmant.

Felix Hartmann: Und dann nOS4 – ein Projekt, das das komplette iOS-4-Erlebnis im Browser nachbaut. Man kann Apps öffnen, Spiele spielen. Der Autor beschreibt es selbst als nostalgisches persönliches Experiment. Kein Produkt im klassischen Sinne, aber ein weiteres Beispiel dafür, wie breit das Spektrum in diesem Bereich ist – von Profi-Monitoring über Lesefluss bis zu Nostalgie.

Lena Vogel: Wenn man zum Schluss nochmal zurückschaut auf den Tag: Wir haben Agenten gesehen, die losgelöst vom Schreibtisch arbeiten – auf Canvas, in der IDE, auf dem Handy. Wir haben Agenten gesehen, die Kundenkontakte übernehmen, aber den Menschen als letzte Instanz behalten.

Felix Hartmann: Wir haben erste Studien, die nahelegen, dass KI-Training klassischen Unterricht schlagen kann. Wir haben Automatisierung und Robotik im Motion Design. Wir haben den Versuch, Vertrauen in die KI-Infrastruktur überprüfbar zu machen – mit Zero-Knowledge-Backups, GPU-Preisindizes und logfreien Gateways.

Lena Vogel: Und wir haben Werkzeuge für den Alltag, die von Performance-Monitoring bis zur Nostalgie reichen. Was uns bleibt, ist die Beobachtung, dass in fast allen diesen Feldern die Fragen nach Zuverlässigkeit, Kontrolle und Beweisführbarkeit noch offen sind – und genau dort wird sich in den nächsten Monaten zeigen, was von diesen Tools bleibt.

Felix Hartmann: Das war es von uns für heute. Vielen Dank, dass ihr dabei wart – wir hören uns morgen wieder mit einer neuen Runde Produkt-Update. Bis dann!

Lena Vogel: Bis dann!