0905 | Modelle, Agenten, Kontrolle: KI wird zum Kollegen

Lena Vogel: Hallo und willkommen zurück zur Tech-Briefing, ich bin Lena Vogel.

Felix Hartmann: Und ich Felix Hartmann. Heute schauen wir auf fünf Geschichten, und die hängen erstaunlich eng zusammen. Am Anfang stehen zwei neue Frontier-Modelle von OpenAI und Google, die gar nicht mehr für Einzelchat gebaut sind, sondern für lange, eigenständige Aufgaben. Und wenn Modelle agentisch werden, dann stellt sich sofort die Frage: Wo arbeitet so ein Agent eigentlich?

Lena Vogel: Genau. Und die Antworten darauf, die wir heute sehen, reichen vom Kalender-Tool bis zum ganzen Betriebssystem. Und dann, dritter Schritt: Der Mensch muss ja trotzdem irgendwo im Loop bleiben. Das zieht sich durch alle heutigen Produkte.

Felix Hartmann: Fangen wir bei den Modellen an. OpenAI hat GPT-6 Astra vorgestellt. Das ist ihr fähigstes Modell, laut eigener Beschreibung, für komplexes Reasoning, Software Engineering, Computer Use und wissenschaftliche Arbeit.

Lena Vogel: Was mich an Astra wirklich interessiert, sind zwei Dinge. Erstens Async-Tool-Calling und Mid-Turn-Steering. Das heißt, das Modell kann mehrstufige Agenten-Workflows durchziehen, und man kann mittendrin eingreifen und den Kurs korrigieren, während es arbeitet. Ein Kommentator auf Product Hunt brachte das gut auf den Punkt: Das fühle sich an wie ein echter Kollege statt eines Spielautomaten.

Felix Hartmann: Und das zweite Ding?

Lena Vogel: Astra ist das erste OpenAI-Modell, das die Schwelle für sogenannte Critical Cybersecurity-Fähigkeiten erreicht. Fortgeschrittene Cyber-Funktionen sind limitiert. Das ist eine sicherheitspolitisch interessante Einordnung, die OpenAI selbst kommuniziert.

Felix Hartmann: Verfügbarkeit?

Lena Vogel: Der Rollout läuft über einen sogenannten Trusted Access beziehungsweise Daybreak-Zugang zuerst, dann Plus, Pro, Business, Enterprise und die API in den kommenden Tagen. Der API-Preis liegt bei zehn Dollar für Input und fünfzig für Output pro Million Tokens im kurzen Kontext. Interessant war auch ein Hinweis vom Team, das ich zitieren will: Es gibt einen banked Reset pro Tag, an dem man keinen Astra-Zugang auf dem bezahlten ChatGPT-Plan hatte. Das Team arbeitet also offenbar noch an der Ausrolle.

Felix Hartmann: Das heißt, die zeigen es erst, dann kommt der Zugang. Eine Community-Frage war da auch etwas spitz: Was ist eigentlich mit Product Hunds Regel, keine Pre-Release-Produkte auf der Startseite zu erlauben?

Lena Vogel: Ja, das wurde tatsächlich gefragt, und wir wissen es nicht. Aber es zeigt, wie das Frontier-Rennen inzwischen funktioniert: Google hat quasi direkt geantwortet. Mit Gemini 3.8 Flash, dem dritten Flash-Drop in sechs Wochen.

Felix Hartmann: Und der ist bemerkenswert, weil er als Workhorse-Modell mit größeren Frontier-Modellen mithalten will. Die Zahlen, die Google nennt: 73,7 Prozent auf DeepSWE v1.1 für langfristiges Software-Engineering, 89,4 Prozent auf Terminal-bench 2.1, und 54,9 Prozent auf HLE-Verified für mehrstufiges Reasoning.

Lena Vogel: Und der Preis ist derselbe Einführungspreis wie bei 3.7: 75 Cent und 3,75 Dollar pro Million Tokens bis zum 31. Dezember. Google sagt selbst, wie das geht: Das Modell arbeitet einfach mehr. Auf komplexen Aufgaben macht es mehr Reasoning-Schritte und ruft Tools iterativ auf, manchmal auch mit mehr Tokens. Wer Token-Effizienz braucht, kann niedrigere Effort-Level nutzen oder bei 3.7 bleiben, das weiter unterstützt wird.

Felix Hartmann: Google hat auch eine Cyber-Variante gebracht, den 3.8 Flash Cyber, für trusted Defender, also Verteidiger, mit Fokus auf Schwachstellen-Erkennung und automatisiertes Patchen.

Lena Vogel: Und damit sind wir bei einem spannenden Muster: OpenAI sagt, ihr Modell ist an der Cyber-Schwelle, limitiert. Google baut eine eigene Cyber-Variante für Verteidiger. Beide Labore treiben sich gegenseitig, und beide bauen für lange, eigenständige Aufgaben, nicht mehr für den Einzelchat.

Felix Hartmann: Eine Community-Frage zu Astra hat mich aber ehrlich nachdenken lassen. Die Frage war: Mid-Turn-Steering ist schön und gut, solange die Tool-Aufrufe noch nicht extern sind. Aber was, wenn ein Schritt schon draußen ist? Eine Zahlung abgeschickt, eine Mail versendet, ein Telefonat klingelt schon? Kann man da noch steuern, oder funktioniert Steering nur für Dinge, die den Sandbox-Bereich noch nicht verlassen haben?

Lena Vogel: Das bleibt offen. Darauf gibt es in unseren Quellen keine Antwort. Und diese Frage taucht in anderen Produkten heute immer wieder auf, merkwürdig oft sogar.

Felix Hartmann: Denn wenn Modelle agentisch werden, brauchen sie Orte, an denen sie arbeiten. Und genau da setzen die nächsten drei Produkte an, die auf drei ganz unterschiedliche Weisen dieselbe Frage beantworten: Wie planen, kanalisieren und kontrollieren wir Agentenarbeit?

Lena Vogel: Nehmen wir Clockwork. Das ist eine Mac-App, und die Idee ist wunderbar simpel formuliert: Wenn ein Agent die Arbeit machen kann, gib ihm einen Arbeitstag. Einen Slot im Kalender, ein Budget, Permission-Regeln und einen Bericht hinterher.

Felix Hartmann: Der Macher, Vimox Shah, sagt, er hat Clockwork gebaut, weil er für Claude-Kapazität bezahlt hat, die etwa achtzehn Stunden am Tag ungenutzt herumlag, während er dieselben Repo-Chores jede Woche von Hand wiederholt hat.

Lena Vogel: Die Details sind das eigentlich Spannende. Die Läufe laufen in einer macOS-Seatbelt-Sandbox und einem eigenen Git-Worktree pro Lauf. Schreibzugriffe sind auf den Worktree beschränkt. Die Umgebung ist eine Allowlist, SSH-Agent-Sockets und Provider-Tokens kommen nie beim Agenten an. Riskante Schritte pausieren und fragen nach, statt still weiterzumachen.

Lena Vogel: Und es gibt harte Budget-Grenzen in Dollar, Turn-Limits und Zeitlimits, die vom Supervisor durchgesetzt werden, nicht von den guten Absichten des Modells, wie der Macher es selbst sagt.

Felix Hartmann: Und was ich sehr respektiere: Er nimmt sich die Grenzen selbst vor den Kasten. Die Läufe brauchen einen wachen Mac. Die App ist noch nicht notarisiert, man muss das Quarantäne-Flag von Hand löschen. Und es gibt nur Apple Silicon, vorerst.

Lena Vogel: Er macht auch einen Punkt, den ich selten bei so frühen Tools höre: Er sagt explizit, bitte nennt das nicht Open Source. Der Sandbox-Teil, die Credential-Denylist und die Env-Allowlist sind Apache-2.0 mit Tests, die tatsächlich ein Fake-Geheimnis in SSH- und AWS-Ordner schreiben und dann behaupten, dass ein Cat im Sandbox-Kontext fehlschlägt. Der Rest der App ist source-available unter proprietärer Lizenz. Er will lieber präzise als schmeichelhaft sein.

Felix Hartmann: Die Community hat sehr konkrete Fragen gestellt, die den Kern treffen. Ein Nutzer fragt: Wenn ein Agent mitten im Commit oder Rebase steckt und sein Zeit-Slot abläuft, lässt der Supervisor die Git-Operation zu Ende laufen, oder schneidet er das Ding ab und hinterlässt einen halbfertigen Worktree? Und eine andere Frage: Wenn der Agent um zwei Uhr nachts auf eine Freigabe wartet, stirbt dann der Slot, oder hält er, bis ich Ja sage?

Lena Vogel: Auch gefragt: Webhooks? Also Dinge, die immer bei einem neuen Release laufen sollen, statt zu fester Zeit. Und wann es bezahlte Pläne gibt. Zur Erinnerung: Clockwork ist aktuell kostenlos, es gibt keinen bezahlten Tier. Diese Fragen sind alle offen.

Felix Hartmann: Was Clockwork also macht: Es plant Agentenarbeit vorab, in zeitlichen Slots, mit Kontrolle. Inline geht einen anderen Weg. Inline ist eine Thread-basierte Chat-App, aktuell Beta für macOS und iOS, in der Agenten wie Teammitglieder mitarbeiten. Der Gedanke: Diskussion und Agenten-Output leben in Threads, der Agent ist ein Kollege im Chat.

Lena Vogel: Und auch hier die bekannte Frage. Ein Kommentator fragt: Was passiert, wenn ein Mensch mitten in einem laufenden Agenten-Task in den Thread springt und die Richtung ändert? Sieht der Agent das als neuen Kontext im selben Thread und korrigiert sich, oder muss jemand den Agenten abwürgen und von vorn neu prompten? Genau der Moment, sagt er, in dem solche Tools in der Praxis klobig werden.

Felix Hartmann: Darauf haben wir keine Antwort, aber die Frage zeigt: Sowohl bei Clockwork mit seinen Pausen und Genehmigungen als auch bei Inline mit dem menschlichen Eingriff mittendrin, es geht immer um dieselbe Grenzlinie. Wann darf der Agent weiterlaufen, wann greift der Mensch ein?

Lena Vogel: Und dann geht Omarchy, DHHs Linux-Distribution, nochmal einen Schritt weiter. Das ist ein opinionated Linux-Desktop auf Arch, Hyprland und Quickshell. In Version 4, genannt Quattro, wird es zum agenten-editierbaren Setup.

Felix Hartmann: Die Logik dahinter ist eigentlich sehr hübsch. Linux hat alles immer über Dateien und Commands offengelegt. Das hieß früher: mehr Arbeit für den Nutzer. Mit Agenten bedeutet das gleiche Design plötzlich: Das System ist ungewöhnlich leicht zu inspizieren, zu verändern und zu reparieren. Die Formulierung aus der Diskussion finde ich stark: DHH kann starke Entscheidungen vorgeben, aber Agenten machen es viel billiger, mit ihm nicht einverstanden zu sein.

Lena Vogel: Omarchy liefert also eine komplette Keyboard-first-Workstation mit System-Themes, gepackten Updates und Coding-Agenten, die das Setup selbst umgestalten können. 37.800 Stars auf GitHub, das Repo zeigt Migrationen, Themes, sogar einen Snapshot-Mechanismus.

Lena Vogel: Aber die kritische Frage aus der Community ist genau die, die man stellen muss: Wenn ein Agent einen Teil der Konfiguration umschmeißt, während man wegschaut, und es ist subtil falsch, gibt es einen sauberen Weg zu diffen und genau das zurückzurollen? Oder verlässt man sich auf Dotfiles in Git und hofft, dass man kürzlich committed hat?

Felix Hartmann: Das ist, sagt der Kommentator, im Grunde dasselbe Problem wie Agenten an Produktionssysteme zu lassen, nur auf den eigenen Desktop heruntergebrochen.

Lena Vogel: Halten wir fest: Drei Antworten auf dieselbe Frage. Clockwork kanalisiert Agenten über Zeit und Budget. Inline kanalisiert sie über Chat und Threads. Omarchy gibt ihnen das ganze System. Aber alle drei scheitern gerade an derselben Stelle: Kontrolle braucht Menschen, die prüfen und entscheiden. Und darum geht es im nächsten Thema.

Felix Hartmann: Der Mensch im Loop, und wie eng der Loop inzwischen geworden ist. Drei Produkte. Erstens: Compliance by TwelveLabs.

Lena Vogel: Das ist eine SaaS-Anwendung, die deine Videobibliothek gegen Regelpakete prüft, die dein Team schreibt, nicht TwelveLabs. Es nimmt Footage auf, wendet die eigenen Compliance-Regeln an und liefert Reviewer-fertige Befunde mit Kontext, nicht nur einen Zeitstempel und ein Label.

Felix Hartmann: Powered vom Pegasus-Modell, das erklärt, warum ein Moment gegen eine Regel verstoßen könnte, damit Reviewer in einer Queue annehmen, ablehnen oder annotieren können. Dazu ist NVIDIAs Synthetic Video Detector eingebaut, das macht Frame-Scoring für synthetische Medien. Es gibt unterschriebene Berichte und API-Zugang.

Lena Vogel: Simon Lecointe, Head of Field Engineering, hat erklärt, was das Problem eigentlich ist: Wenn Reviewer das ganze Video neu anschauen müssen, um KI-Flags zu validieren, was haben wir dann gespart? Compliance-Review ist immer noch überwiegend manuell, und jeder Markt bringt andere Regeln. Violences zu erkennen reicht nicht, Reviewer müssen verstehen, was passiert ist, in welchem Kontext, und warum es unter der angewandten Policy zählt.

Felix Hartmann: Das Team nennt ein konkretes Ziel: eine Reviewer-Ablehnungsrate von maximal 15 Prozent. Also weniger Zeit mit False Positives, mehr Zeit für Entscheidungen, die menschliches Urteilsvermögen brauchen.

Lena Vogel: Aber hier kommt der beste Kommentar, den wir heute gesehen haben. Ein Nutzer sagt: Diese 15 Prozent als False-Positive-Metrik klingen vernünftig, aber bei einem Compliance-Tool ist mir die andere Richtung viel wichtiger. Die Verletzung, die niemals geflaggt wird, sodass kein Mensch jemals auf den Clip schaut. False Positives werden irgendwann von einem Menschen in der Queue gefunden. False Negatives tauchen einfach nie auf.

Lena Vogel: Und dann fragt er: Gibt es eine Möglichkeit, das durchgewischte Material zu samplen, um zu sehen, was Pegasus verpasst hat, oder hängt alles daran, dass das Regelpaket von vornherein vollständig ist?

Felix Hartmann: Darauf gibt es keine Antwort in unseren Quellen. Aber es ist die perfekte Ausformulierung des Themas: Das Tool verengt den Loop, weil der Mensch nur noch die Flags sieht, nicht das Gesamte. Und je enger der Loop, desto wichtiger die Frage, was der Loop nicht zeigt.

Lena Vogel: Andere Kommentare fragten, wie leicht man Regeln für verschiedene Länder anpasst, jeder Markt hat eigene Standards, das ist natürlich der Kern des Produkts. Regionale Packs adaptieren, Regeln editieren, Thresholds tunen, Versionen veröffentlichen, ohne auf TwelveLabs warten zu müssen. Und eine Person fragte nach Regeln, die mehr vom Kontext abhängen als von dem, was sichtbar ist. Auch offen.

Felix Hartmann: Vom Videobereich in die Organisationskultur: Snitch. Das ist ein Slack-Agent, der eine einzige Frage stellt: Wem reportest du an? Aus den Antworten baut er die Org-Chart. Kein HR-System, nichts auszufüllen.

Lena Vogel: Und die Umkehrung der Datenpflege ist der eigentliche Clou: Jeder füllt seine eigene Karte aus, statt dass HR ein veraltetes Diagramm pflegt. Wenn jemand neu ins Team kommt, fragt Snitch am ersten Tag. Wenn Angela in einem Meeting sagt, sie reportet jetzt an Oscar, sagt sie es Snitch, und die Chart bewegt sich. Und Snitch flaggt auch Fehler: fehlende Manager, Reporting-Loops, den gelegentlichen zweiten CEO.

Felix Hartmann: Wir haben bemerkt, dass die Website sogar Dunder Mifflin als Demo-Workspace zeigt. Jim reportet an Michael Scott, Regional Manager. Drei Klicks, neun Sekunden, letzte Org-Chart-Admin-Aufgabe, sagt die Marketing-Seite.

Lena Vogel: Und es hat etwas sehr Praktisches: Wenn ein Manager das Unternehmen verlässt und drei Leute noch auf den leeren Stuhl reporten, flaggt Snitch das und fragt sie nochmal. Genau der Zustand, in dem jede Org-Chart nach ein paar Wochen steckt.

Felix Hartmann: Preise: 19 Dollar pro Monat bis 50 Leute, 39 Dollar für 51 bis 100, 59 Dollar für 101 bis 200. 45 Tage gratis, ohne Karte. Alle Pläne enthalten dieselben Features.

Lena Vogel: Und wieder eine sehr scharfe Community-Frage: Die Wer-soll-das-Frage funktioniert am Tag eins. Aber Monat sechs, da mache ich mir Sorgen. Fragt Snitch nochmal nach, wenn jemand das Team wechselt, oder driftet die Chart? Und eine andere: Was ist mit Dotted-Line-Reporting? Viele Leute in größeren Firmen reporten fürs Headcount an eine Person und für die eigentliche Tagesarbeit an eine andere.

Lena Vogel: Kann Snitch zwei Antworten entgegennehmen, oder erzwingt es eine einzige Antwort und nimmt einfach die erste, die getippt wird?

Felix Hartmann: Offen. Die Frage des Drifts und der mehrfachen Reporting-Linien ist echt, und Snitch muss sie noch beantworten.

Lena Vogel: Drittes Produkt in diesem Thema: Chalked für Mac. Die Idee ist, dass das Schwierige beim Antworten selten das Schreiben des Satzes ist, sondern das Rekonstruieren dessen, was man vereinbart hat, ob man Zeit hat, und was die Person eigentlich braucht.

Felix Hartmann: Chalked ist also eine Reply-Ebene. Es liest die sichtbare Konversation, plus Kalender und Arbeitskontext, und bereitet eine Antwort vor. Tab fügt sie ein, fn gedrückt halten erlaubt, das gewünschte Ergebnis per Stimme zu ändern. Und nichts sendet sich selbst. Man reviewt und sendet selbst.

Lena Vogel: Beispiel aus der Demo: Eine Person fragt, ob man Dienstag noch kann, und nennt ein genehmigtes Budget. Chalked schlägt eine vollständige Antwort vor, die aus dem Kalender und einem aufgenommenen Commitment kommt: Dienstag um zwei funktioniert, ich halte das überarbeitete Deck unter 42k und sende, sobald Jack absegnet. Fn gedrückt, und daraus wird Dienstag morgen.

Felix Hartmann: Und der Kern des Produkts ist eigentlich das Gedächtnis: Aufgenommene Commitments behalten Quelle und Status. Wenn sich etwas ändert, kann Chalked den alten Eintrag ersetzen, statt beide als gültig zu behandeln. Es gibt auch Datenschutz-Design: Keine Screenshots, kein Screen-Recording, Chalked liest das aktuelle Fenster über Accessibility, der Text bleibt auf dem Mac.

Lena Vogel: Und die Kritik aus der Community ist präzise. Ein Nutzer sagt: Tab ist der riskante Teil. Wenn man eine Antwort tippt, ist man langsam genug, dass man nachprüft, was man tatsächlich vereinbart hat. Ein Tastendruck entfernt genau diese Pause. Der Fehlermodus, vor dem ich Angst habe, ist nicht eine schlechte Antwort, sondern eine gute mit falschem Datum drin, die schneller rausgeht als alles, was du von Hand geschrieben hättest.

Lena Vogel: Alles, was aus dem Kalender oder einem alten Thread kommt, sollte einen Blick überleben müssen, bevor Tab irgendetwas tut.

Felix Hartmann: Und die zweite Frage: Was passiert, wenn ein aufgenommenes Commitment veraltet ist? Muss man es selbst aufspüren und löschen, oder altert es von selbst? Auch offen.

Lena Vogel: Was alle drei Produkte verbindet, ist dieser eine Gedanke: Der Mensch bleibt im Loop, aber der Loop wird enger. Bei Compliance sieht man nur Flags. Bei Snitch tippt man eine Antwort. Bei Chalked drückt man Tab. Die Entscheidung bleibt beim Menschen, aber der Rahmen, in dem er trifft, wird von der KI gesetzt.

Felix Hartmann: Und das gilt auch beim Code. Nextes Thema: Werkzeuge, die Entwicklung sichtbar machen. Erst sidebranch, dann TrackMCP, dann ein kleiner Offline-Playground.

Lena Vogel: Sidebranch ist ein Git-basiertes visuelles Diffing-Tool. Man kann PRs aus der laufenden App heraus reviewen: Einen In-Page-Widget öffnen, eine andere Branch wählen, und dann im Split-Screen vergleichen. Loopback-only, keine Abhängigkeiten.

Felix Hartmann: Der Macher erklärt den Kontext: Agentic Coding macht Entwicklung effizienter, Teams schicken tausende PRs, und mit Evals und Verifikation nähern wir uns einer Welt, in der 99 Prozent der PRs komplett von Agenten geschrieben und reviewed werden. Aber dieses letzte Prozent, wo man selbst erleben will, wie ein Feature sich anfühlt, bevor man es freigibt, dort lebt sidebranch.

Lena Vogel: Technisch: Man installiert eine Chrome-Extension plus einen lokalen Sidecar-Daemon. Wenn man eine Branch im Widget wählt, baut sie in einem isolierten Worktree auf eigenem Dev-Server. Dein Arbeitsbaum, uncommitted Changes inklusive, bleibt unberührt. Es gibt auch Blend- und Onion-Modi, in denen UI-Änderungen hervorgehoben werden. Und es ist framework-agnostisch: Next, Vite, Django, Rails, alles, was HTTP auf einem Port beantwortet. Node builtins, keine externen Packages.

Felix Hartmann: Die Community war beeindruckt, aber hat auch nachgehakt. Eine Person fragt: Kann man Agents ins Diffing einbinden, sodass ein Agent prüfen kann, ob es dem agreed Mock spec entspricht? Das ist eine spannende Richtung, aktuell aber nicht das Produkt.

Lena Vogel: Und zwei sehr konkrete Sicherheitsfragen: Eine Person mag Loopback-only und keine Abhängigkeiten, weil das die Security-Konversation für Kundenprojekte einfacher macht, aber fragt, wie viele Worktrees parallel laufen, bevor der Laptop aufgibt. Und ein anderer Kommentar ist noch tiefer: Loopback-only hält das Internet draußen, aber es hält nicht automatisch andere Dinge auf deinem eigenen Rechner draußen.

Lena Vogel: Wenn der Daemon auf einem lokalen Port lauscht, um Worktree-Switches und Diffs zu servieren, was hindert einen anderen Tab oder lokalen Prozess daran, denselben Port zu treffen und Branch-Switches gegen Repos auszulösen, die er nicht anfassen sollte?

Felix Hartmann: Das ist genau die Grenze, die man prüfen müsste, bevor man das auf etwas Client-nahes installiert. Und die Antwort bleibt offen.

Lena Vogel: Dann TrackMCP. Das ist Google Analytics, bildlich gesprochen, für MCP-Server. Man fügt eine Zeile Code hinzu, und dann sieht man, wer den Server nutzt, was die Leute versuchen, ob die Arbeit erledigt wird und wo man verbessern kann.

Felix Hartmann: Der Macher, Krishna, sagt, er hat es gebaut, weil er immer wieder Leute gesehen hat, die MCP-Server gebaut haben, aber danach keinen klaren Blick hatten, wie sie genutzt werden. Die Fragen, die TrackMCP beantworten will: Wer nutzt den Server, welche Klients verbinden sich, was probieren sie, wo stoppt der Job.

Lena Vogel: Und das Beispiel auf der Website ist absolut fesselnd. Der send_email-Tool versagt 94 Prozent der Zeit, obwohl die Antwort 200 OK aussieht. Der eigentliche Fehler ist ein isError und ein Schema-Mismatch, Agenten probieren es dreimal und geben dann auf. Der suggested Fix ist so simpel wie: Akzeptiere auch einen String, nicht nur ein Array. Und TrackMCP sagt, die geschätzte Wiederherstellung liege bei ungefähr 2.100 Calls pro Woche.

Felix Hartmann: Das ist eigentlich der Kern des Produkts: Manche Calls sehen erfolgreich aus, beenden aber nie die eigentliche Aufgabe. TrackMCP zeigt, wo ein Request hängt, retried wird oder ohne Ergebnis endet. Es gibt auch einen weekly insight in Plain English, nicht nur ein Dashboard.

Lena Vogel: Die Community war begeistert, aber hat auch präzise Kritik. Eine Person fragt: Macht es automatisch die Verknüpfung zwischen Tool-Call und Outcome, oder muss der Server das explizit instrumentieren? Eine andere Person fragt: Loggt ihr nur Tool-Namen oder auch Tool-Argumente? Argumente tragen viel User-Text, aber ohne sie ist wo-stoppt-der-Job schwer zu beantworten. Das ist eine berechtigte Privacy-Frage, die offen bleibt.

Felix Hartmann: Und noch eine Frage, die mir sehr nachgegangen ist: Was ich nicht sehen kann, ist, ob das Ergebnis überhaupt gut war. Ein Tool gibt 200 mit einem leeren Array zurück, der Agent macht weiter und antwortet trotzdem. Meine Success-Rate sieht gesund aus, die Antwort ist falsch. Das Signal, das ich will, ist, was in der nächsten Runde passiert: Hat das Modell denselben Tool nochmal gerufen, einen anderen genommen, oder einfach ignoriert, was zurückkam?

Felix Hartmann: Das ist der Unterschied zwischen einem Server, der antwortet, und einem, der funktioniert.

Lena Vogel: Das ist die gleiche Art von Frage, die wir bei Compliance gesehen haben: Nicht der False Positive ist das Problem, sondern der Fall, wo alles grün aussieht und trotzdem nichts passiert ist.

Felix Hartmann: Und drittes in diesem Thema: Offline JS Playground. Das ist eine Chrome-Extension, ein simpler JavaScript-Editor und Runner, der komplett offline funktioniert. Kein Node.js, kein VS Code, kein npm, kein Setup.

Lena Vogel: Der Macher, Suman, sagt, die Idee kam beim Vorbereiten auf ein JavaScript-Interview. Online-Playgrounds sind eigentlich erstaunlich ablenkend: Man öffnet den Browser zum Coden, und das Internet ist gleich daneben. Offline-Editoren fühlen sich aber oft wie komplette IDEs an, wenn man nur was Kleines wollte. Also baute er was Leichtes, in purem JavaScript ohne Frameworks, unter 2 MB gepackt.

Felix Hartmann: Und die Community-Fragen zeigen die echte Grenze: Kann man Snippets gegen eine Library testen, also Lodash oder einen Fetch-Call? Oder ist es strikt Vanilla-JS/JSON ohne Möglichkeit, was Externes reinzuziehen? Diese Grenze entscheidet vermutlich, ob es einen ganzen Browser-Tab mit Scratch-Code ersetzt oder nur einen Teil davon.

Lena Vogel: Und eine zweite sehr praktische Frage: Wo landen die Snippets, und überleben sie einen Browser-Restart? Ein Kommentator macht den Punkt deutlich: Wenn Snippets in chrome.storage.sync liegen, stößt man an das per-Item-Limit bei langen Dateien, und der Write schlägt still fehl. Das ist das Worst-Case-Szenario für einen Scratchpad. chrome.storage.local umgeht das, aber dann folgt nichts auf eine zweite Maschine. Und niemand exportiert etwas, bevor er etwas verliert.

Lena Vogel: Ein geplanter Dump nach Downloads wäre mehr wert als der Export-Button.

Felix Hartmann: Auch hier keine Antworten, aber es zeigt die Philosophie: Manche Tools setzen bewusst auf Ablenkungsfreiheit statt Funktionsumfang.

Lena Vogel: Und das letzte Thema ist eigentlich das Gegenstück dazu: Wissen aufbauen und teilen. Zwei Produkte: myAIcademy und cmmnts.

Felix Hartmann: myAIcademy ist eine rollenbasierte, laufend aktualisierte AI-Trainingsplattform. Du gibst deine Rolle, Erfahrung, Ziele und Tools an, und es baut dir einen personalisierten Lernpfad. Du lernst einen echten Workflow in einer 15-minütigen Follow-Along-Lektion, übst ihn in einem sicheren Simulator, und dann wendest du ihn auf echte Arbeit an. Live auf iOS, Android und Web.

Lena Vogel: Die Gründerin, Malika, hat eine beeindruckende Background: Generative AI Black Belt bei Google Cloud, vorher Microsoft Cloud, jetzt auch adjunct faculty an Georgetown. Ihre Kernthese: Unternehmen kaufen AI-Lizenzen, sagen den Leuten nur benutze AI, und lassen sie mit generischen Kursen und Prompt-Libraries zurück. Die Lücke ist nicht der Zugang, sondern die Adoption. Und AI-Lernen sammelt content debt: Tools ändern sich wöchentlich, Kurse werden schnell ungenau.

Lena Vogel: AI-Lernen muss wie Software gepflegt werden.

Felix Hartmann: Und der Assistent heißt Aimy, der gibt step-by-step-Guidance während man arbeitet.

Lena Vogel: Die Community-Fragen sind wieder scharf. Wie stellt ihr sicher, dass die Inhalte aktuell bleiben, wenn sich Tools fast täglich ändern? Und läuft der Simulator mit echten API-Umgebungen oder mit guided Mock-Setups? Und was passiert, wenn jemand mitten im Lernpfad die Rolle wechselt? Eine Person fragt, was ist, wenn man Teacher und Founder gleichzeitig ist, mit Mixed Career Paths?

Felix Hartmann: Und die tiefste Frage kommt von einem Kommentator, der sagt: Der Sprung von Aimy, das eine Person durch einen Checkpoint im Simulator führt, zu Aimy, das die Aufgabe mit ihr in echten Tools ausführt, laut einer Antwort oben, das ist der Punkt, den ich durchdacht sehen will. Ein simulierter Workflow ist sicher, weil es nichts Reales zum Zerstören gibt.

Felix Hartmann: Aber sobald Aimy authorisiert ist, in jemandes echtem CRM oder Postfach zu arbeiten, ist das eine andere Risiko-Kategorie als eine leicht veraltete Lektion. Ist das per-Persona gescoped oder eine offene Designfrage?

Lena Vogel: Und darauf gibt es keine Antwort. Aber es ist wieder dieselbe Muster, das wir heute schon mehrfach gesehen haben: Simulator ist safe, Ausführung ist riskant.

Felix Hartmann: Und das zweite Produkt in diesem Thema: cmmnts. Ein Kommentarsystem für jede Website. Threads, Moderation, Login, anonyme Kommentare, Markdown, Mentions, Emojis, GIFs. Man fügt es ein und sammelt Kommentare.

Lena Vogel: Der Macher sagt, sie haben gesehen, dass viele Dokumentationsseiten Kommentare gebrauchen könnten, direkt auf der Seite, damit Leute Issues melden, Fragen stellen oder Feedback geben, ohne woandershin zu müssen. Und das Problem ist, dass das Hinzufügen und Pflegen eines Kommentar-Systems Zeit und Infrastruktur kostet. Gleiches gilt für statische Websites und Blogs.

Felix Hartmann: Und der beste Kommentar ist wieder ein Community-Mitglied, das weiterdenkt: Docs sind der richtige Einstieg, aber auch der härteste. Ein Kommentar, der eine Frage zum alten API beantwortet, sitzt für immer unter der neuen Seite und liest sich autoritativer als die Docs darüber. Der Thread wird still zu Fehlinformation.

Felix Hartmann: Wenn ein Kommentar an die Version der Seite gepinnt werden könnte, an der er geschrieben wurde, und ausgegraut wird, wenn sich die Sektion ändert, dann wäre das das Teil, für das ich bezahlen würde. Alles andere auf der Liste ist ein Widget, das wäre ein Produkt.

Lena Vogel: Andere Fragen aus der Community betreffen Spam, ob Moderation nur yes/no ist oder mehr Kontrollen hat, und ob Mentions für jeden funktionieren oder nur für Leute, die schon auf der Seite registriert sind. Bei anonymen Kommentaren plus Mentions klingt das nach einem echten Moderations-Kopfschmerz.

Felix Hartmann: Und ein letzter Kommentar, der eigentlich auch für heute insgesamt gilt: Ein leerer Comment-Box auf einer Landing Page ist schlimmer als gar kein Comment-Box. Die erste, die landet, setzt den Ton für alle danach.

Lena Vogel: Das ist ein guter Punkt, um abzuschließen. Was war heute das große Muster, Felix?

Felix Hartmann: Ich denke, es ist diese eine Verschiebung: KI wird von etwas, das man fragt, zu etwas, das arbeitet.

Felix Hartmann: Und alles, was wir heute gesehen haben, Clockwork mit dem Kalender, Inline mit dem Chat, Omarchy mit dem ganzen OS, Compliance mit der Reviewer-Queue, Snitch mit der Org-Chart, Chalked mit dem Tab-Druck, sidebranch mit dem visuellen Diff, TrackMCP mit der Analytics, ist im Grunde dasselbe: Der Mensch bleibt im Loop, aber der Loop wird enger, und die Fragen, die offen bleiben, sind immer dieselben. Was passiert, wenn etwas extern ist und nicht mehr zurückgerufen werden kann?

Felix Hartmann: Was passiert mit den Dingen, die der Loop nicht zeigt?

Lena Vogel: Genau. Und vielleicht ist das der beste Takeaway für heute: Es ist weniger wichtig, wie groß die Modelle sind, und wichtiger, wo sie arbeiten dürfen. Danke fürs Zuhören, wir hören uns beim nächsten Briefing.

Felix Hartmann: Bis dann!