1114 | KI-Tools im Turbo: Agenten, Dev-Werkzeuge und Apps der Woche

||下载

节目备注

Diese Folge blickt auf die neuesten Tools und Modelle: KI-Agenten, die Meetings und Apps übernehmen, neue Werkzeuge für Entwickler und Daten-Teams, persönliche Apps für Alltag und Gesundheit sowie ungewöhnliche Ideen rund um Trading Cards und Tracker.

Zeitleiste

  • 00:00:04 Einleitung
  • 00:00:53 KI-Agenten: günstiges Coding und Meetings
  • 00:05:48 Werkzeuge für Agenten und Entwickler
  • 00:10:29 Daten und Infrastruktur: schneller replizieren, visualisieren
  • 00:14:23 Persönliche Tools: Desktop, Selbst-Daten und soziale Health
  • 00:20:46 Ausgefallene Randnotizen: Trading Cards und Tracker
  • 00:24:02 Abschluss

Weitere Links

Diese Folge wurde von Bri produziert. Bri nutzt fortschrittliche KI-Technologie, um die Feeds, die dir wichtig sind, in Podcasts zum Zuhören zu verwandeln. Kontakt: hi@bri.so.

文字稿

Lena Vogel: Hallo und herzlich willkommen zur neuen Folge unseres Podcasts! Ich bin Lena Vogel.

Felix Hartmann: Und ich Felix Hartmann. Schön, dass du wieder dabei bist. Wir schauen heute wieder auf eine ganze Reihe neuer Produkte und Updates, und wenn man sie nebeneinanderlegt, fällt ein roter Faden auf: KI verlässt zunehmend das Chatfenster und rückt in echte Arbeitsumgebungen ein.

Lena Vogel: Genau das ist der Rahmen für heute. Wir fangen mit den großen Meldungen an – einem neuen günstigen Modell von Google für agentisches Coding und Claude, das jetzt an Meetings teilnimmt. Danach schauen wir, welche Werkzeuge Agenten zum Testen und für komplette Workflows bekommen, dann geht es um Daten und Infrastruktur, um persönliche Tools fürs Leben und den Desktop, und am Ende um zwei Kuriositäten: Trading Cards mit echten Aktien und ein Tracker von Google.

Felix Hartmann: Ein breites Spektrum, ich weiß. Aber lass uns direkt einsteigen, denn die erste Geschichte ist tatsächlich die größte: Google hat ein neues Modell vorgestellt, das Gemini 4 Hydrogen heißt. Die Idee dahinter ist ziemlich klar formuliert: Es ist ein Modell, das eigens für agentisches Coding gebaut ist – also für KI-Agenten, die selbstständig Code schreiben, Aufgaben abarbeiten, mehrere Schritte hintereinander ausführen.

Lena Vogel: Und das Entscheidende dabei ist der Preis. Google nennt 1,50 Dollar pro Million Input-Tokens und 7,50 Dollar pro Million Output-Tokens. Zur Einordnung: Das ist die kostengünstige Variante für diese Art von Arbeit. Agentisches Coding bedeutet ja, dass ein Modell sehr viele Anfragen hintereinander stellt, viel Kontext liest, viel Text produziert.

Lena Vogel: Da summiert sich der Preis pro Token schnell auf, und wenn ein Anbieter das bewusst billig macht, dann liegt der Schluss nahe: Google will, dass Entwickler Agenten laufen lassen können, ohne bei jedem Durchlauf über die Kosten nachzudenken.

Felix Hartmann: Genau. Das ist weniger ein Token-Fakts als eine Preisstrategie. Wenn agentisches Coding der Modus ist, in dem die meiste Rechenzeit verbraucht wird, dann entscheidet der Preis pro Million Tokens, ob ein Team so etwas flächendeckend einsetzt oder nur für einzelne Aufgaben. Mit dieser Preisgestaltung positioniert sich Hydrogen ganz bewusst als Modell für Masseneinsatz.

Lena Vogel: Was ich dabei fairerweise sagen muss: Das ist die Beschreibung von Google selbst. Wir wissen nicht, wie gut das Modell im Alltag tatsächlich arbeitet, wie zuverlässig es bei längeren Aufgabenketten ist, wie oft es Fehler macht. Das ist der Punkt, der bei allen agentischen Systemen offen bleibt – die Versprechen klingen plausibel, aber ob ein Agent über zwanzig Schritte hinweg wirklich sauber arbeitet, zeigt sich erst im praktischen Einsatz.

Felix Hartmann: Und genau an dieser Stelle kommt die zweite große Meldung ins Spiel, weil sie dasselbe Muster zeigt, nur auf einer anderen Ebene. Anthropic hat Claude Meetings vorgestellt. Das ist eine Beta für Team- und Enterprise-Kunden, und die Funktion ist im Kern: Claude nimmt an Google-Meet-Calls teil.

Lena Vogel: Also nicht einfach ein Notiz-Tool, das hinterher das Transkript zusammenfasst, sondern eine Teilnahme in Echtzeit. Was Claude dabei machen soll: Notizen schreiben, Action Items herausziehen und parallel daran arbeiten – es baut Docs und Whiteboards live während des Meetings auf.

Felix Hartmann: Das ist ein interessanter Sprung, wenn man es mit dem klassischen Notiz-Bot vergleicht. Der klassische Ablauf war: Meeting läuft, ein Bot schreibt mit, nachher bekommst du eine Zusammenfassung. Bei Claude Meetings passiert das nicht hinterher, sondern während des Gesprächs. Wenn im Meeting also gesagt wird „Wir brauchen noch ein Dokument dazu", dann entsteht dieses Dokument nicht morgen, sondern während ihr noch redet.

Lena Vogel: Und die Action Items sind auch nicht nur eine Liste am Ende, sondern ein Arbeitsprodukt, das direkt weiterverwendet werden kann. Das ist die eigentliche Idee: Claude ist nicht mehr ein Tool, das du nach dem Meeting öffnest, sondern ein Teilnehmer, der im Meeting schon arbeitet.

Felix Hartmann: Für wen ist das gedacht? Die Beta läuft für Team- und Enterprise-Kunden, also für Organisationen, die ohnehin Claude im Team nutzen. Das ergibt Sinn, weil der Nutzen erst dann richtig sichtbar wird, wenn mehrere Leute zusammenarbeiten und die Dokumente, die während des Meetings entstehen, anschließend im Team weiterverwendet werden. Ein Einzelnutzer, der mal eben ein Call-Protokoll braucht, hat davon weniger.

Lena Vogel: Und was ändert das gegenüber dem, was es schon gibt? Es gibt ja viele Transkriptions- und Zusammenfassungs-Tools für Meetings. Der Unterschied ist die Verlagerung der Arbeit in den Moment selbst. Statt Meeting, dann Zusammenfassung, dann Dokument schreiben, dann Whiteboard bauen – sind das parallele Schritte, die gleichzeitig passieren. Das spart theoretisch eine ganze Nachbereitungsschleife.

Felix Hartmann: Theoretisch – und da müssen wir ehrlich bleiben. Auch hier gilt: Das ist die Ankündigung, und die Beta läuft erst für einen begrenzten Kundenkreis. Wie zuverlässig Claude mitten im Gespräch mitverfolgt, was gemeint ist, wie oft nachgebessert werden muss, wie die entstandenen Docs in der Praxis aussehen – das wissen wir noch nicht. Es ist ein Versprechen mit einem konkreten Szenario dahinter, aber keine nachgeprüfte Erfahrung.

Lena Vogel: Wenn man die beiden Meldungen zusammen sieht, wird aber das größere Bild klar: Beide Unternehmen drängen KI aus dem Chatfenster heraus. Gemini 4 Hydrogen macht agentisches Coding billig genug für den Dauerbetrieb, Claude Meetings setzt einen Agenten mitten in einen realen Arbeitsablauf. Das ist keine Verbesserung einzelner Antworten mehr, sondern eine Umstellung darauf, dass KI als dauerhafter Beteiligter im Arbeitsalltag sitzt.

Felix Hartmann: Und genau deshalb ist die offene Frage so wichtig: wie zuverlässig das im Alltag arbeitet. Ein Modell, das eine einzelne Frage gut beantwortet, ist etwas anderes als ein Agent, der zwanzig Schritte ohne Aufsicht macht. Und ein Meeting-Bot, der live dokumentiert, ist etwas anderes als ein Bot, der hinterher ein sauberes Protokoll abliefert. Beide Meldungen sind Schritte in dieselbe Richtung, aber ob die Richtung trägt, entscheidet die Praxis.

Lena Vogel: Bleiben wir beim Thema Agenten, denn wenn Agenten aus dem Chatfenster in Arbeitsumgebungen rücken, brauchen sie auch Werkzeuge, um ihre Arbeit zu prüfen. Und da gibt es eine Entwicklung, die direkt an das anschließt, was wir eben besprochen haben: Expo hat Cloud-Simulatoren vorgestellt, genauer gesagt Cloud-iOS-Simulatoren und Android-Emulatoren.

Felix Hartmann: Das ist technisch interessanter als es erst klingt. Der Engpass bei Coding-Agenten ist ja längst nicht mehr das Schreiben des Codes. Ein Agent kann Code produzieren, aber um zu wissen, ob der Code funktioniert, muss jemand den Build installieren, die App öffnen, klicken, schauen, ob etwas abstürzt. Das war bisher oft Handarbeit – oder der Agent musste die Tests überspringen.

Lena Vogel: Genau hier setzen die Expo Simulators an: Die Simulatoren laufen in der Cloud, und Coding-Agenten können dort Builds installieren, die App testen und verifizieren – und zwar parallel. Das heißt, ein Agent kann mehrere Varianten ausprobieren, jede in einem eigenen Simulator hochfahren und schauen, welche wirklich funktioniert. Das ist eine Art Prüffeld für Agenten.

Felix Hartmann: Und das passt punktgenau zu der Frage, die wir vorhin offen gelassen haben: wie zuverlässig Agenten arbeiten. Wenn ein Agent seinen eigenen Code nicht testen kann, dann liegt die Verantwortung beim Menschen, und der Agent bleibt ein Vorschlagswerkzeug. Wenn der Agent Builds selbst installieren und verifizieren kann, dann kann er auch selbst sagen: „Das funktioniert" oder „Das funktioniert nicht". Damit rückt der ganze Ablauf näher an einen echten End-to-End-Workflow heran.

Lena Vogel: Wobei auch hier die Grenze sichtbar bleibt. Wie gut ist die automatische Verifizierung wirklich? Dass ein Agent eine App im Simulator installiert und sie startet, heißt noch nicht, dass er erkennt, ob die Benutzeroberfläche sinnvoll ist oder ob ein Feature inhaltlich richtig funktioniert. Diese Qualitätsfrage ist noch offen. Was Expo hier liefert, ist die Infrastruktur – die eigentliche Bewertung, ob die Verifizierung belastbar ist, muss die Praxis zeigen.

Felix Hartmann: Aber die Richtung ist klar, und sie passt zu einem zweiten Produkt, das in dieselbe Discussion gehört: Trainn MCP. Das verbindet Claude oder ChatGPT mit Trainn, und über diese Verbindung lassen sich aus Aufnahmen – also aus Videoaufzeichnungen – Produktvideos, Hilfeartikel und Kurse erstellen, und zwar per Chat.

Lena Vogel: Das ist wieder derselbe Gedanke in einem anderen Gewand. Statt „der Agent schreibt Code" heißt es hier „der Agent erstellt Schulungsmaterial". Du hast eine Aufnahme, sagen wir eine Demo oder ein internes Briefing, und du fragst den Chat, daraus soll ein Hilfeartikel oder ein Kurs werden. Der Agent übernimmt den ganzen Umformungsprozess.

Felix Hartmann: Für wen ist das gedacht? Vor allem für Teams, die Produktschulungen und Dokumentation erstellen müssen. Das ist oft eine Aufgabe, die viel Zeit frisst und gerne liegen bleibt, weil niemand Lust hat, aus einer Aufzeichnung einen gepflegten Hilfeartikel zu machen. Wenn das per Chat aus einer Aufnahme entsteht, wird der Aufwand drastisch kleiner – zumindest in der Theorie.

Lena Vogel: Und auch hier gilt, was wir schon zweimal gesagt haben: Es ist ein Versprechen, das plausibel klingt, aber nicht nachgeprüft ist. Wie gut die automatisch erzeugten Videos und Kurse tatsächlich sind, ob sie ohne Nacharbeit benutzbar sind – das wissen wir nicht. Was aber auffällt, ist das gemeinsame Muster mit Expo Simulators: Beide Produkte geben Agenten End-to-End-Workflows, nicht nur Antworten.

Lena Vogel: Der eine hilft beim Testen und Verifizieren von Code, der andere beim Produzieren von Material aus Aufnahmen.

Felix Hartmann: Es gibt noch ein paar weitere Entwicklungen in diesem Umfeld, die das Bild abrunden. Ein Beispiel: Willo, eine Sprach-Begleiter-App für World of Warcraft. Du stellst Fragen laut, und die Antworten kommen in deiner eigenen Stimme. Das ist eher ein Unterhaltungs- und Komfort-Anwendungsfall, aber es zeigt, dass die Idee des interaktiven Begleiters in ganz verschiedene Bereiche zieht. Kostenlos starten kann man dort mit fünfzig Antworten pro Tag.

Lena Vogel: Und noch eine Variante: Die Aven App Agent. Das ist ein KI-Assistent, der direkt in Apps sitzt. Nutzer stellen eine Frage nach einer Aufgabe, und statt nur eine Erklärung zu bekommen, erhalten sie Walkthroughs, in denen die passenden UI-Elemente hervorgehoben werden. Also nicht „gehe in die Einstellungen und klicke auf ...", sondern die App zeigt dir, wo genau das ist. Das ist wieder die Bewegung vom Textvorschlag zur konkreten Anleitung im Interface selbst.

Felix Hartmann: All diese Beispiele zeichnen dasselbe Bild: Das Agenten-Ökosystem wächst in die Breite. Coding, Meetings, Testen, Schulungsmaterial, In-App-Anleitungen, sogar Gaming-Begleiter. Und genau weil die Agenten mehr machen sollen, brauchen sie auch mehr Infrastruktur darunter. Und das führt uns zum nächsten Bereich – Daten und Cloud-Infrastruktur.

Lena Vogel: Fangen wir mit Filament an. Das ist eine Open-Source-Datenreplikations-Engine, geschrieben in Go, unter der Apache-2.0-Lizenz. Wer das noch nie gebraucht hat, kurz erklärt: Datenreplikation bedeutet, dass Daten von einem System in ein anderes kopiert und aktuell gehalten werden – zum Beispiel aus einer Produktionsdatenbank in ein Warehouse oder in ein Analyse-System.

Lena Vogel: CDC steht für Change Data Capture, also dass nicht alles immer wieder komplett kopiert wird, sondern die Änderungen erfasst werden, während sie passieren.

Felix Hartmann: Und die Zahlen, die genannt werden, sind beachtlich: bis zu 2,6 Millionen Zeilen pro Sekunde und 91-mal schneller als Airbyte. Airbyte ist ein bekanntes Open-Source-Tool in genau diesem Bereich, also ist das eine sehr direkte Kampfansage. Wenn die 91-fache Geschwindigkeit auch nur annähernd stimmt, dann verändert das die Frage, welche Pipelines überhaupt praktikabel sind.

Lena Vogel: Aber lass uns vorsichtig sein mit den Zahlen. „Bis zu 2,6 Millionen Zeilen pro Sekunde" und „91-mal schneller" – das sind Herstellerangaben, und bei Benchmarks hängt das Ergebnis stark davon ab, was genau verglichen wurde: Welche Daten? Welche Konfiguration? Welche Hardware? Als Behauptung ist das stark, als nachgeprüftes Ergebnis ist es das nicht. Was aber unabhängig davon gilt: Open Source mit Apache 2.0 bedeutet, dass man den Code einsehen und selbst hosten kann.

Lena Vogel: Das ist ein echter Unterschied zu reinen Cloud-Diensten.

Felix Hartmann: Für wen ist das relevant? Für Teams, die Datenpipelines betreiben. Diejenigen, die täglich Daten zwischen Systemen bewegen, kennen das Problem: Replikation ist oft langsam, teuer oder schwer zu warten. Wenn eine Open-Source-Alternative in Go deutlich schneller arbeitet und CDC unterstützt, dann ist das ein echter Kandidat zum Ausprobieren – nicht weil die Marketingzahl stimmt, sondern weil die Grundidee und die Lizenz stimmen.

Lena Vogel: Und die offenen Fragen sind dieselben wie immer bei Infrastruktur: Langzeit-Stabilität und Kosten im Betrieb. Eine Engine, die im Benchmark schnell ist, heißt noch nicht, dass sie im Dauerbetrieb über Monate stabil läuft. Und „Open Source" heißt nicht „kostenlos im Betrieb" – Rechenzeit, Wartung und Monitoring kosten auch bei selbst gehosteter Software.

Felix Hartmann: Das zweite Produkt in diesem Bereich geht eine Ebene höher, weg von den Daten und hin zur Infrastruktur selbst: Paxper. Damit plant man Cloud-Infrastruktur visuell als Diagramm. Man sieht also seine AWS-Ressourcen als Bild, macht Änderungen in diesem Diagramm, prüft die Änderungen und wendet sie dann im eigenen AWS-Account an. Und dabei ist eine Kostenschätzung inklusive.

Lena Vogel: Das ist eine interessante Kombination aus zwei Dingen, die sonst getrennt sind. Einerseits das Visuelle: Infrastruktur ist sonst oft Code oder eine Konsole voller Listen, und gerade bei größeren Setups verliert man leicht den Überblick, was wovon abhängt. Ein Diagramm macht sichtbar, wie die Dienste zusammenhängen.

Lena Vogel: Andererseits die Sicherheitsschleife: Änderungen werden erst geprüft, bevor sie angewendet werden, und das passiert im eigenen Account – man behält also die Kontrolle, es ist kein Blackbox-Dienst, der etwas anfasst, ohne dass man es sieht.

Felix Hartmann: Und die Kostenschätzung ist pragmatisch gedacht. Eines der nervigsten Probleme bei AWS ist, dass man Änderungen macht und erst die nächste Rechnung zeigt, was sie gekostet haben. Wenn man schon im Planungs-Diagramm sieht, was eine Änderung voraussichtlich kostet, dann trifft man Entscheidungen mit mehr Information.

Lena Vogel: Auch hier bleiben die üblichen Fragen offen – wie genau die Kostenschätzung ist, wie gut die Prüfung vor dem Anwenden in der Praxis funktioniert. Aber das Muster bei beiden Produkten ist dasselbe: Filament macht den Datenfluss schneller und offener, Paxper macht die Infrastruktur-Planung sichtbarer und kontrollierter. Beides sind Werkzeuge, die dafür sorgen, dass man versteht, was im Hintergrund passiert, statt es als Blackbox zu akzeptieren.

Felix Hartmann: Und damit ist die Brücke zum nächsten Thema fast schon gelegt: Von den großen Systemen gehen wir jetzt nach unten, ins Persönliche. Denn genau dieselbe Idee – Daten sichtbar machen und daraus Entscheidungen ableiten – taucht jetzt auch im eigenen Leben auf. Fangen wir mit einem Produkt an, das eher den Desktop betrifft: Ganella.

Lena Vogel: Ganella ist ein nativer macOS-Dock-Ersatz. Also kein Dashboard, das du zusätzlich öffnest, sondern es ersetzt das Dock am unteren Rand des Bildschirms. Was es anders macht: Live-Widgets. Statt nur Symbole, die Apps starten, siehst du laufende Inhalte – die Quellen nennen Spotify, Kalender, Xcode und Claude beziehungsweise ChatGPT als Beispiele.

Felix Hartmann: Das ist ein feiner, aber wichtiger Unterschied. Das klassische Dock ist eine Startliste: Symbole, Klick, App öffnet sich. Bei Ganella wird das Dock selbst zur Oberfläche, die Informationen zeigt. Du siehst, was in deinem Kalender ansteht, was gerade läuft, und kannst KI-Assistenten direkt dort ansprechen, ohne die App erst zu öffnen.

Lena Vogel: Was den Desktop angeht, ist das ein Hinweis auf eine Richtung: Der Desktop wird datengetriebener. Statt einer starren App-Liste wird er ein Ort, an dem laufende Informationen sichtbar sind. Der Preis ist übrigens bewusst niedrig gehalten: 9,99 Dollar einmalig, plus sieben Tage Trial zum Ausprobieren. Also kein Abo, sondern ein Einmalkauf, was bei Desktop-Tools eher die Ausnahme ist.

Felix Hartmann: Und wer ist das für? Für Leute, die viel am Mac arbeiten und ihren Desktop aktiv gestalten wollen – Entwickler, die Xcode im Blick haben wollen, Leute, die ihre Termine und Musik ständig im Auge behalten. Es ist kein Produkt, das den Arbeitsablauf umkrempelt, aber es verändert, wie der Arbeitsplatz aussieht und wie viel Information dort sichtbar ist.

Lena Vogel: Vom Desktop geht es jetzt einen Schritt tiefer, nämlich in die eigenen Daten. Und da gibt es ein Produkt, das genau die Idee durchzieht: Kairos, eine persönliche Analytics-Engine über Gesundheit, Finanzen und Kalender. Also drei Bereiche des eigenen Lebens, die normalerweise in getrennten Apps leben, werden zusammengeführt.

Felix Hartmann: Und was kommt dabei raus? Morgentliche Bewertungen, die zeigen, was Energie und Stimmung treibt. Das ist der Kern: Nicht einfach Statistiken über den eigenen Körper oder die eigenen Ausgaben, sondern ein Zusammenhang – was an einem Tag dazu geführt hat, dass du dich so oder so fühlst. Wenn du zum Beispiel schlecht geschlafen hast und viele Termine hattest und danach erschöpft warst, dann ist das die Art von Muster, die so ein Tool sichtbar machen will.

Lena Vogel: Das ist eigentlich eine fascinating Idee, wenn man sie ernst nimmt. Wir haben alle Daten über uns verstreut: die Uhr im Schlafzimmer zählt Schritte, die Bank-App zeigt Ausgaben, der Kalender zeigt Termine. Aber nirgendwo wird das zusammengerechnet und zurückgespielt als Antwort auf die Frage, die wir uns eigentlich stellen: Warum fühle ich mich heute so? Kairos versucht genau das.

Felix Hartmann: Und weil das so intime Daten berührt, ist die Datenschutzfrage hier besonders spitz. Gesundheit und Finanzen zusammen in einem System – das ist der sensibelste Datenbestand, den ein Mensch hat. Wir wissen aus den Quellen nicht, wie Kairos mit diesen Daten umgeht, wo sie liegen, wer Zugriff hat. Das ist eine echte offene Frage, bevor man so etwas vertraut.

Lena Vogel: Und es ist eine Frage, die sich direkt an das dritte Produkt in diesem Bereich anschließt, weil es genau die andere Seite derselben Medaille zeigt: WHOOP Humans. Das ist ein soziales Netzwerk innerhalb der WHOOP-App. Freunde können einander folgen und teilen dann ihre Schlaf-, Recovery- und Strain-Daten. Außerdem gibt es sogenannte Momente – also einen Moment mit Foto und Notiz festhalten.

Felix Hartmann: WHOOP ist ja ohnehin eine Fitness- und Recovery-Plattform, die über eine Wearable gemessen wird. Neu an Humans ist die soziale Schicht: Statt dass die Daten nur für einen selbst sichtbar sind, werden sie geteilt. Schlaf, Recovery, Strain – das sind genau die Zahlen, die vorher privat waren.

Lena Vogel: Und die Privatsphäre ist hier wenigstens als Feature gedacht: Es gibt granulare Privatsphäre-Einstellungen, also man kann offenbar steuern, was man teilt und was nicht. Das ist wichtiger als es klingt, denn die Erfahrung zeigt, dass Gesundheitsdaten-Social-Networks auf einer Messerschneide stehen. Auf der einen Seite: Mutual Accountability, man geht eher trainieren, wenn Freunde es sehen.

Lena Vogel: Auf der anderen Seite: Ein schlechter Schlafwert oder ein Burnout-Muster ist etwas, das man vielleicht nicht jedem zeigen will.

Felix Hartmann: Und genau da schließt sich der Kreis zu Kairos. Bei Kairos sammelt man Daten über sich selbst, für sich selbst. Bei WHOOP Humans gibt man dieselbe Art von Daten nach außen. Beide stehen auf derselben Entwicklung – das eigene Leben wird datengetrieben – aber sie beantworten die Privatsphäre-Frage gegensätzlich. Und die spannende Frage für die nächsten Jahre ist, welche Richtung sich durchsetzt:的自 ​​... pardon, die Frage ist, wie viel Teilen die Leute akzeptieren, wenn der Nutzen sichtbar wird.

Lena Vogel: Um das Bild noch etwas breiter zu machen, ohne den Faden zu verlieren: Auch in diesem Bereich gibt es einige kleinere Produkte, die zeigen, wie persönlich die Tools werden. Da ist zum Beispiel Templify AI, ein iPhone-Editor für Videos, Fotos und Carousels mit über 1200 Vorlagen, BeatSync und automatischen Untertiteln. Angeblich über eine Million Downloads und bootstrapped – also ohne Investoren finanziert.

Lena Vogel: Auch hier gilt: Das ist die Angabe des Herstellers, nicht ein unabhängig geprüftes Ergebnis.

Felix Hartmann: Und dann noch zwei Beispiele, die eher ins Lernen und Basteln gehen. de:volt ist ein Browser-Breadboard-Simulator mit echter Physik, 105 Bauteilen, und man kann darin Arduino und micro:bit programmieren, mit geführten Lernkursen. Also im Grunde eine Elektronik-Werkstatt im Browser. Und Hoverine bietet Rive-Animationsvorlagen an – etwa hundert Templates mit dokumentierten State-Machine-Inputs, dazu gibt es Riv Eye, einen kostenlosen Inspector, mit dem man .riv-Dateien anschauen kann.

Felix Hartmann: Das sind beides Nischenprodukte, aber beide machen Spezialwissen zugänglicher.

Lena Vogel: Was alle diese persönlichen Tools gemeinsam haben: Sie nehmen einen Bereich des Alltags – den Desktop, die eigenen Daten, das Lernen, das Content-Machen – und machen ihn messbar, sichtbar oder zugänglicher. Und genau deshalb lohnt sich der Blick auf die Datenschutzfragen, denn je persönlicher die Daten sind, desto wichtiger ist die Frage, wer sie sieht.

Felix Hartmann: Genau. Und um den Bogen nochmal zu schlagen: Am Anfang standen Agenten in Meetings und Coding-Umgebungen, dann Daten und Infrastruktur, dann das eigene Leben. Jetzt kommen wir zum Ende unserer Runde, und da gibt es zwei Produkte, die in eine etwas ausgefallenere Richtung gehen. Aber auch sie passen in das Bild, das wir heute gezeichnet haben.

Lena Vogel: Das erste ist StockRip. Die Idee: digitale Trading Cards – wie Sammelkarten aus der Kindheit – aber mit tokenisierten Aktien drauf. Nvidia, Tesla, SpaceX werden genannt. Man packt Packs aus, also zufällige Sammlungen, wie man es von Sammelkarten-Sets kennt. Das Ganze läuft auf der Robinhood Chain.

Felix Hartmann: Das ist ein bemerkenswertes Konzept, weil es zwei Dinge verschmilzt, die normalerweise getrennt sind: das Sammeln und das Investieren. Eine Aktie ist normalerweise ein nüchternes Vermögenswert-Objekt, das auf einem Konto liegt. Hier wird sie zum Sammelobjekt mit einem Auspack-Erlebnis, wie man es von Panini-Sammelkarten oder digitalen Kartenspielen kennt. Die Tokenisierung bedeutet technisch, dass die Karte einen echten Vermögenswert repräsentiert, nicht nur ein Bild.

Lena Vogel: Und genau da liegt die spannende, aber auch heikle Stelle. Tokenisierte Aktien sind regulatorisch ein Minenfeld. Wer genau was besitzt, welche Rechte daran hängen, wie liquide das Ganze ist – das sind Fragen, die über die offensichtliche Spaß-Komponente hinausgehen. Ob das Konzept angenommen wird, hängt weniger davon ab, ob es Spaß macht, als davon, wie die regulatorischen Fragen beantwortet werden. Das ist offen, und es sollte offen bleiben, bis es Antworten gibt.

Felix Hartmann: Das zweite Produkt ist bodenständiger, aber es gehört in dieselbe Kategorie „Alltag wird digital aufgeladen": der Google Pixel Tag. Das ist ein Tracker für Android, kostet 29,99 Dollar, und läuft über das Find Hub-Netz. Das Netz umfasst laut Google rund eine Milliarde Geräte, die als Fund-Helfer fungieren – also wenn dein Tag verloren geht, können Geräte in der Nähe helfen, ihn zu lokalisieren.

Lena Vogel: Die zwei Merkmale, die bei einem Tracker normalerweise entscheiden, sind Ortungsgenauigkeit und Akku. Bei beiden ist hier etwas Erwähnenswertes dabei: Es gibt Präzisionsortung, also nicht nur grobe Anzeige des Viertels, und der Akku ist wechselbar. Das Letztere klingt banal, ist aber bei Trackern ein echtes Argument, denn die meisten konkurrierenden Tracker sind Wegwerfprodukte – wenn der Akku leer ist, ist das Gerät fertig.

Felix Hartmann: Für wen ist das? Für Android-Nutzer, die Schlüssel, Rucksack, Fahrradhelm oder was auch immer im Blick behalten wollen. Es ist das direkte Pendant zu dem, was es auf anderen Plattformen schon lange gibt, und der Preis von 29,99 Dollar positioniert es im bezahlbaren Bereich. Offen ist natürlich, wie zuverlässig die Ortung in der Praxis ist – auch das ist eine Herstellerangabe, kein unabhängig geprüftes Ergebnis.

Lena Vogel: Und wenn man die beiden nebeneinander sieht, wird das gemeinsame Thema sichtbar: StockRip lädt Aktien als Sammelobjekte digital auf, der Pixel Tag lädt Alltagsgegenstände als auffindbare Objekte digital auf. In beiden Fällen wird etwas, das vorher analog und beliebig war, mit einer digitalen Schicht versehen, die ihm neue Bedeutung gibt. Das ist eigentlich dieselbe Bewegung, die wir heute den ganzen Podcast über gesehen haben – nur einmal im Finanzbereich und einmal im Alltag.

Felix Hartmann: Das stimmt, und es ist ein guter Punkt zum Schluss. Wenn man die heutige Runde zusammenfassen will: Agenten rücken in echte Arbeitsumgebungen und bekommen Werkzeuge zum Testen und Produzieren, Daten und Infrastruktur werden schneller und sichtbarer, das eigene Leben wird datengetrieben, und selbst Aktien und Schlüsselanhänger bekommen digitale Schichten.

Lena Vogel: Und über allem steht dieselbe offene Frage: Wie zuverlässig ist das alles im Alltag? Bei den Agenten, bei den Benchmarks, bei den Trackern, bei den KI-generierten Kursen – fast alles, was wir heute besprochen haben, sind Herstellerangaben mit plausiblen Versprechen. Die Praxis muss zeigen, was davon hält, was es verspricht.

Felix Hartmann: Genau deshalb lohnt es sich, dranzubleiben. In der nächsten Folge schauen wir wieder, welche dieser Versprechen sich bewahrheitet und welche nicht. Danke, dass du dabei warst, und bis zum nächsten Mal!

Lena Vogel: Bis dann, und mach es gut!