1115 | Neue Tools, neue KI: Arbeit leichter machen

||下载

节目备注

Diese Episode zeigt neue Tools und KI-Entwicklungen rund um den Arbeitsalltag: lokale Notiz- und Meeting-Apps für den Mac, effizientere und sicherere KI-Agenten für Code, neue Wege bei Jobsuche und Bewerbung, KI in Geschäft und Industrie sowie praktische Apps für unterwegs.

Zeitleiste

  • 00:00:04 Einleitung
  • 00:00:44 Notizen und Meetings ohne Cloud-Bot
  • 00:05:04 KI-Agenten: billiger und sicherer im Code
  • 00:08:46 Zuverlässigere Agenten und UI für Code
  • 00:10:17 Jobsuche automatisiert
  • 00:13:01 KI im Geschäft und in der Fabrik
  • 00:15:33 Mobilität und Alltag: Parken, Pläne, Musik
  • 00:18:49 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 zum Briefing! Ich bin Lena Vogel.

Felix Hartmann: Und ich Felix Hartmann. Schön, dass du da bist. Heute schauen wir uns eine ganze Reihe neuer Tools und Updates an, und eines fällt richtig auf: vieles dreht sich darum, KI und Software wieder näher an den eigenen Rechner zu holen, statt alles in die Cloud zu schieben. Oder, wenn KI doch im Spiel ist, sie billiger, sicherer und verlässlicher zu machen.

Lena Vogel: Genau das verbindet heute viel, vom Meeting-Notizen ohne Bot im Call über Agenten, die mit Code und Bewerbungen arbeiten, bis hin zu KI in der Fabrik und ganz Alltäglichem wie Parken und Musik. Fangen wir da an, wo vermutlich viele von uns jeden Tag stehen: in Meetings.

Felix Hartmann: Meetings, ja. Und da gibt es gerade einen echten Trend auf dem Mac: Tools, die bewusst ohne Bot in der Besprechung arbeiten. Kennst du das Problem? Man lädt einen Aufzeichnungs-Bot in den Call, alle sehen im Teilnehmerfenster plötzlich „Aufzeichnung läuft", und das Gespräch verändert sich.

Lena Vogel: Kenne ich, und ehrlich gesagt nervt es. Genau da setzt Tacie an. Das ist ein Mac-Tool für Meeting-Notizen, das gar keinen Bot in den Call schickt. Stattdessen durchsucht es während der laufenden Besprechung deine Antworten aus früheren Meetings und kann auch in Notion, Jira und Linear nachschlagen, während du noch im Gespräch bist. Also wenn jemand fragt: „Hatten wir das nicht schon mal besprochen?", hat Tacie die Antwort parat, ohne dass irgendein Bot mithört.

Felix Hartmann: Das ist ein spannender Ansatz, weil er zwei Probleme gleichzeitig löst. Erstens die Datenschutz- und Bürokratie-Frage: Manche Kunden oder Kollegen wollen schlicht keinen Bot im Call. Zweitens die Ablenkung: Statt selbst wild Notizen zu tippen oder Tab zu wechseln, kann das Tool das Nachschlagen übernehmen.

Felix Hartmann: Dass es dabei auf alte Meetings zugreift, finde ich fast die interessanteste Eigenschaft, denn das Wissen aus Besprechungen versinkt sonst ja meistens in einem Ordner, den nie wieder jemand öffnet.

Lena Vogel: Und was offen bleibt, ist die Detailsfrage: Wie genau funktioniert diese Suche während des Meetings? Man muss sich vorstellen, im Call wird geredet, überlappen sich Leute, es gibt Hintergrundgeräusche. Dass die Suche da zuverlässig die richtige Antwort aus Notion oder einem alten Meeting findet, das ist eine Behauptung, die man selbst testen müsste. Die Quellen sagen nicht, wie robust das im echten Meeting-Lärm ist.

Felix Hartmann: Weiter im selben Thema, aber einer anderen Baustelle: das Aufschreiben selbst. Da gibt es VB Notes. Das ist eine Notiz-App, die Markdown-Dateien als ganz normale .md-Dateien in deinem Ordner speichert. Also keine proprietäre Datenbank, sondern einfach Dateien, die man mit jedem Editor öffnen kann. Und die Suche sucht nicht nur nach Wörtern, sondern nach Bedeutung, und das komplett offline auf dem Gerät.

Lena Vogel: Offline-Bedeutungssuche ist der Kernpunkt. Heißt: Du kannst nach einem Konzept suchen, auch wenn das exakte Wort in der Notiz gar nicht steht, und dafür muss nichts deinen Rechner verlassen. Dazu kommt: Das Tool ist kostenlos, man braucht kein Konto, und der Code steht unter MIT-Lizenz. Das ist für Leute attraktiv, die ihre Notizen wirklich besitzen wollen und skeptisch sind gegenüber jedem Cloud-Abgleich.

Felix Hartmann: Und dann gibt es noch Replay, das ist quasi die Aufzeichnungs-Schwester dazu. Replay ist ein Meeting-Aufzeichner für den Mac, ebenfalls ohne Bot in der Besprechung. Es nimmt getrennte Spuren auf, eine für dich, eine für die anderen. Das ist praktisch, weil man später genau weiß, wer was gesagt hat. Die Transkription läuft lokal, und es gibt eine Suche darüber.

Lena Vogel: Wichtig bei den Availability-Fakten: Replay kostet zehn Dollar einmalig, braucht macOS 26 oder neuer und Apple Silicon. Einmalzahlung statt Abo, das passt in das Bild dieser neuen Generation von Mac-Tools. In dieselbe Richtung gehört auch FreeFlow Dictation: ein Diktat-Tool für den Mac, das angeblich hundert Prozent auf dem Gerät läuft, also ohne Cloud. Interessantes Detail: Es gibt einen Hook, um Claude Code per Stimme zu antworten. Das verbindet schon die Themen Meetings und KI-Agenten.

Lena Vogel: Kostet 99 Dollar einmalig, gilt für drei Macs.

Felix Hartmann: Wenn ich die drei zusammenlege, Tacie für das Nachschlagen im Meeting, VB Notes fürs lokale Archivieren, Replay für die Aufzeichnung, dann zeichnet sich ein Bild ab: Local-first könnte hier zum Standard werden, zumindest im Mac-Bereich. Die Versprechen sind konkret, aber wir sollten fair bleiben: Das sind alles Angaben der Anbieter.

Felix Hartmann: Ob die lokale Transkription bei Replay wirklich gut funktioniert bei schlechtem Audio, oder wie gut die Offline-Suche bei VB Notes bei großen Notizsammlungen skaliert, das weiß man erst nach eigenem Test.

Lena Vogel: Und genau da sehe ich den Ausblick: Wenn die lokalen Modelle auf Apple-Silicon-Chips so gut werden, dass Cloud gar nicht mehr nötig ist für diese Aufgaben, dann wird „läuft auf dem Gerät" zum Verkaufsargument Nummer eins. Offen bleibt für mich die Frage, wie diese Tools zusammenpassen. Replay zeichnet auf, Tacie sucht im Meeting, VB Notes archiviert. Drei getrennte Apps für einen Arbeitsfluss ist auf Dauer etwas umständlich.

Felix Hartmann: Bleiben wir bei Agenten und schauen uns an, wie sie im Code arbeiten. Da gibt es zwei interessante Ebenen: Kosten und Sicherheit. Zur Kosten-Seite: CodeMesh. Das ist ein lebendiger Code-Graph, also eine Art Karte des Codes, die laufend aktuell gehalten wird. Die Behauptung der Macher: Das reduziert den Tokenverbrauch von KI-Agenten um 95,1 Prozent und die Kosten um 93,1 Prozent.

Lena Vogel: Die Zahl dahinter: Im OpenClaw-Benchmark gingen die Token von 25,3 Millionen auf 1,23 Millionen zurück. Wenn das stimmt, ist das ein riesiger Unterschied. Die Idee dahinter ist einleuchtend: Ein Agent, der den ganzen Code immer wieder durchsuchen und in den Kontext laden muss, verbrennt Unmengen an Tokens. Wenn er stattdessen auf einen Graphen zugreifen kann, der ihm genau sagt, was wo hängt, braucht er viel weniger.

Felix Hartmann: Wie immer gilt: Das ist ein Benchmark der Macher, kein unabhängig verifiziertes Ergebnis. Und wir wissen aus der Quelle nicht, wie sich der Graph verhält, wenn Codebasen wirklich groß werden, Millionen Zeilen, viele Dienste, viel historischer Code. Genau das ist die offene Frage: Wo sind die Grenzen des Graphen bei sehr großen Codebasen? Ein Graph ist nur so gut wie seine Aktualität, und in riesigen Projekten ist Aktualität teuer.

Lena Vogel: Und die zweite Ebene, die Sicherheit. Da kommt Antelog ins Spiel. Das ist eine Art Sicherheits-Schicht für KI-Agenten. Es protokolliert und blockiert destruktive oder datenleakende Aktionen, also wenn ein Agent zum Beispiel Dateien löschen will, die er nicht anfassen sollte, oder Code nach außen schickt, der nicht nach draußen soll. Das funktioniert mit Agenten wie Claude Code, Cursor und Codex. Und interessant: Die Grundlage dafür ist LogAct, ein Ansatz von Meta.

Felix Hartmann: Das finde ich einen wichtigen Denk-Schritt. Bis jetzt war das Modell oft: Vertrauen dem Agenten, aber lies mit, was er macht. Antelog dreht das um: Es gibt eine Schicht dazwischen, die aktiv eingreifen kann, bevor etwas passiert. Logging allein nützt dir nichts, wenn die Löschaktion schon durch ist. Prävention ist der Unterschied.

Lena Vogel: In denselben Kosmos gehören noch ein paar weitere Stücke. Kokonut UI zum Beispiel: Das ist eine Sammlung von über hundert React-Komponenten unter MIT-Lizenz, gedacht als Nachschub für Code-Agenten, angebunden über MCP, das Model Context Protocol. Von denen sind 65 neu und 34 neu aufgebaut, mit Fokus auf Chat-UIs für KI. Also wenn dein Agent eine Benutzeroberfläche bauen soll, bekommt er fertige Bausteine, statt alles von null zu schreiben.

Felix Hartmann: Und CaptureFlow, ein quelloffener Chrome-Bildschirmrecorder mit Share-Links, Bearbeitung und Transkripten. Das Besondere: Über einen MCP-Server können auch KI-Agenten damit Demos aufzeichnen. Das ist auch selbst hostbar. Man sieht hier ein Muster: Immer mehr Tools werden nicht für Menschen allein gebaut, sondern für Agenten als Nutzer. Und noch ein Stück: Nexus. Das zeichnet einen visuellen Graphen deiner Projekte und der Dienste dahinter, zum Beispiel Vercel, Supabase und Stripe.

Felix Hartmann: Local-first, ohne Konto, kostenlos bis zu drei Projekten.

Lena Vogel: Das passt thematisch schön zu CodeMesh: Beide machen die Struktur eines Projekts sichtbar, einmal für Menschen, einmal für Agenten. Und wenn ich CodeMesh und Antelog nebeneinander lege, haben wir genau die zwei Seiten der Medaille: Agenten werden billiger nutzbar, das war CodeMesh, und sicherer, das war Antelog. Mein Ausblick wäre: Sicherheits-Schichten wie diese könnten bald Standard sein, so wie heute jeder Browser einen Adblocker-Setup-Empfehlung hat.

Lena Vogel: Niemand lässt mehr einen Agenten ungebremst auf sein Repository los.

Felix Hartmann: Von der Sicherheit zur Verlässlichkeit. Es gibt da eine Entwicklung, die vielversprechend ist: spezialisierte Tools, die zusammenarbeiten, statt ein großer Allrounder. Ein Beispiel dafür ist Dex Semantics. Das ergänzt analytische Modelle mit Deklarationen. Konkret: Mit Claude Sonnet 5.5 erreicht es 80 Prozent auf dem ADE-bench, ohne diese Ergänzung waren es 73,3 Prozent. Das sind 25 Prozent weniger Fehler.

Lena Vogel: Also grob gesprochen: Das analytische Modell weiß nicht von selbst, welche Zusammenhänge in den Daten gelten. Die Deklarationen sagen ihm das vorher, und dadurch macht es weniger Fehler. Differenz von fast sieben Prozentpunkten klingt nicht spektakulär, aber 25 Prozent weniger Fehler sind in der Praxis ein echter Unterschied, gerade wenn man auf die Ergebnisse von Analyse-Agenten angewiesen ist.

Felix Hartmann: Und das führt direkt zu Kokonut UI, das wir ja schon angerissen haben, aber in diesem Kontext nochmal mit anderer Brille: über hundert React-Komponenten, MIT-kompatibel, per MCP an Code-Agenten lieferbar, 65 neu und 34 rebuildet, mit starkem Fokus auf UI für KI-Chats. Wenn man beide Entwicklungen zusammensetzt, Dex Semantics für verlässlichere Analysen und Kokonut UI für fertige Bausteine, dann ist das der Ausblick: verkettete spezialisierte Tools statt großer Allrounder.

Felix Hartmann: Ein Agent, der auf Deklarationen aufbaut, greift auf Komponentenbibliotheken zu, nutzt einen Code-Graphen und läuft mit einer Sicherheits-Schicht. Jedes Teil löst ein konkretes Problem.

Lena Vogel: Von Agenten am Bildschirm weg zu Agenten, die uns Arbeit abnehmen, die wir persönlich erledigen müssten. Nämlich die Jobsuche. Da gibt es zwei interessante Produkte, die sehr unterschiedliche Ansätze verfolgen.

Felix Hartmann: HiringNow ist der aktivere Ansatz. Das ist ein KI-Agent, der laut eigenen Angaben 247.000 Karriereseiten überwacht, alle fünf Minuten. Er passt den Lebenslauf an die Stelle an und bewirbt dich, aber mit deiner Freigabe. Das ist ein wichtiger Punkt: Nicht automatisch blind, sondern du gibst das Okay. Als Einstieg gibt es zehn kostenlose Auto-Bewerbungen.

Lena Vogel: Die Freigabe-Pflicht ist das entscheidende Detail, das macht den Ansatz deutlich glaubwürdiger als die klassische „Sag einem Bot, er soll dich überall bewerben"-Story. Trotzdem bleiben Fragen: Die Qualität der automatischen Bewerbungen ist die große Unbekannte. Eine Bewerbung, die aus zehn Vorlagen zusammengesetzt wird, merkt ein Recruiter oft. Und wie gut die Lebenslauf-Anpassung wirklich ist, wenn sie für 247.000 Seiten skaliert werden muss, das sagt die Quelle nicht.

Felix Hartmann: Der passive Ansatz daneben: AnyoneHiring.today. Das ist eine Weltkarte von Stellenanzeigen, filterbar nach Stadt, Bezahlung und Arbeitsform, also Remote, hybrid, vor Ort. Man meldet sich an und landet dann bei der Original-Anzeige. Es gibt sogar einen Tab für bezahlte Jobs und Gigs. Das ist eher ein Suche-als-Dienst-Modell: Der Mensch schaut selbst, die Plattform macht die Karten sichtbar.

Lena Vogel: Interessant ist der Kontrast: HiringNow schickt den Agenten los, AnyoneHiring.today rüstet dich mit einer besseren Karte aus. Beide lösen dasselbe Problem von unterschiedlichen Enden. Und ein drittes Puzzle-Teil in diesem Bereich: Businesses in ChatGPT. Firmen können dort ein Unternehmensprofil beanspruchen, ihre Informationen pflegen, Erkenntnisse dazu einsehen, wie sie entdeckt werden, und einen Business Agent erstellen. Zunächst in den USA.

Felix Hartmann: Wenn man das mit der Jobsuche verbindet, sieht man die andere Seite der Medaille: Wenn Bewerber-Agenten Stellen suchen und Bewerbungen schicken, dann stehen auf der Gegenseite Unternehmen mit Profilen und Agenten, die auch nach Leuten suchen. Mein Ausblick war ja die etwas augenzwinkernde, aber auch realistische Vorstellung: Bald laufen Bewerbungen agenten-gegen-agenten. Der Agent des Bewerbers schreibt, der Agent des Unternehmens liest und filtert.

Lena Vogel: Das wirft allerdings Fragen auf, die die Quellen nicht beantworten: Vor allem Preise und Rollout. Businesses in ChatGPT ist erstmal USA, was passiert mit Deutschland oder Europa? Und bei Gemini Robotics, zu dem wir gleich kommen, ebenfalls: Wie teuer wird das, wann kommt es über die Pilotkunden hinaus?

Felix Hartmann: Genau da will ich hin: KI verlässt den Bildschirm. Auf der einen Seite der Kundenkontakt, mit Businesses in ChatGPT. Firmenn können dort also nicht nur als statischer Eintrag existieren, sondern tatsächlich einen Agenten aufbauen, der für sie arbeitet, und Insights bekommen, wie sie in ChatGPT entdeckt werden. Das verändert die Art, wie kleine und mittlere Unternehmen überhaupt im Chat-Universum sichtbar sein können.

Lena Vogel: Und auf der anderen Seite, viel handfester, die Fabrik: Gemini Robotics 2.5 von DeepMind. Das ist ein Vision-Language-Action-Modell, kurz VLA, also ein Modell, das sieht, versteht Sprache, und daraus physische Aktionen ableitet. Die behaupteten Verbesserungen gegenüber Vorgängern: 30 bis 100 Prozent höhere Erfolgsrate und 20 bis 30 Prozent schneller.

Felix Hartmann: Und die Zahl, die mich am meisten überzeugt hat: 96 Prozent Erfolg in einem Kitting-Pilot bei Mercedes-Benz, also dem Zusammenstellen von Komponenten für die Produktion, zusammen mit Apollo 2. Das ist kein Labortest an einem künstlichen Objekt, sondern eine echte Fertigungsumgebung mit einem echten Industriepartner. Wenn das stimmt, ist das ein starkes Signal.

Lena Vogel: Auch hier wieder die Einschränkung, die wir uns angewöhnt haben: Das sind Angaben aus dem Pilotprojekt, keine unabhängige Langzeit-Messung. Und die offenen Fragen sind vor allem wirtschaftlich: Preise und Rollout außerhalb der USA und außerhalb der Pilotkunden. Wie wird ein solches Robotersystem abgerechnet? Pro Roboter, pro Stunde, als Lizenz? Und wann sehen wir das in europäischen Werken jenseits von Mercedes? Alles offen.

Felix Hartmann: Passend dazu noch zwei kleinere Stücke aus demselben Themenfeld. Restoration Scope: Das ist Software für Felddaten in der Wiederaufforstung und beim Carbon-Monitoring, läuft offline auf dem Handy. Genutzt wird es laut Angaben von One Tree Planted und One Acre Fund. Es gibt ein kostenloses Pilotprogramm. Das ist die Version von KI und digitalen Tools, die an der Basis arbeitet, nicht im Rechenzentrum.

Lena Vogel: Und Tabletop von Google Labs: interaktive, kollaborative Räume, die mit KI erstellt werden, um gemeinsam zu planen, zu spielen und Entscheidungen in Echtzeit zu treffen. Auch das passt in das Bild: KI hilft nicht mehr nur beim Schreiben, sondern beim gemeinsamen Arbeiten und Entscheiden.

Lena Vogel: Der rote Faden dieses Blocks ist für mich: KI verlässt den Bildschirm, in den Kundenkontakt über Business Agents, in die Fabrik über VLA-Modelle, aufs Feld über Felddaten-Tools, in den gemeinsamen Raum über Tabletop.

Felix Hartmann: Und vom Bildschirm weg direkt in den Alltag. Da gibt es einen Block Mobilität und Alltag, den ich überraschend spannend finde, weil er zeigt, wie Alltags-Apps sich gerade verändern. Los mit Uber: Die App hat jetzt eine integrierte Parkplatzsuche und -reservierung. Über 13.000 Standorte in 400 Städten in den USA und Kanada. Für Uber-One-Mitglieder gibt es zehn Prozent zurück.

Lena Vogel: Das ist ein pragmatischer, aber folgenreicher Schritt. Parken ist eines der letzten großen Alltagsprobleme, das in den klassischen Ride-Apps einfach nicht abgedeckt war. Wenn Uber das integriert, ist die Frage nicht mehr „wie finde ich einen Parkplatz?", sondern „warum gibt es das nicht überall?". Ich vermute, Parken wird zum Standard-Feature in Ride-Apps. Worauf man achten sollte: Das ist zunächst USA und Kanada, für Europa bleibt es offen.

Felix Hartmann: Von der Bewegung auf der Straße zur Bewegung im Kalender: MAP & GO! Die App legt deinen Tag auf die Karte. Aufgaben und Ereignisse bekommen einen Ort, im Pin sieht man das Wetter dort, und mit einem Tipp bekommt man KI-Unterstützung. Es gibt sie für iOS und Android. Das ist ein anderes Denken als die klassische To-do-Liste: Die Liste ist zweidimensional, die Karte fügt den Raum hinzu.

Lena Vogel: Das löst ein konkretes Alltagsproblem: Wenn ich um zehn einen Termin in einem anderen Stadtteil habe und um zwölf in einem dritten, dann rechnet eine normale To-do-App nicht aus, dass ich die zweite Aufgabe dazwischen schieben kann, weil sie geografisch passt. Und die Wetteranzeige am Pin ist ein kleines, aber sinnvolles Detail. Man weiß gleich, ob man den Regenschirm braucht, ohne eine separate App zu öffnen.

Felix Hartmann: Und dann Musik, aber auf eine ungewöhnliche Art: Drops, von HARMAN beziehungsweise JBL. Das ist soziales Musik-Entdecken über kurze Momente, 10 bis 30 Sekunden, und die werden von Menschen ausgewählt, nicht von einem Algorithmus ausgespielt. Man entdeckt also, was andere an einem Song als den Moment empfinden, der ihn wert ist zu hören.

Lena Vogel: Die Einschränkung gleich vorweg: Drops ist noch Einladungs-only und nur in den USA. Man kann es hier also noch nicht einfach ausprobieren. Aber die Idee ist interessant, weil sie die Kurzform-Logik von TikTok aufnimmt, aber ohne den Algorithmus-Druck, stattdessen von echten Menschen kuratiert. Ob das funktioniert, hängt davon ab, ob genug Menschen bereit sind, diese 10-Sekunden-Momente auszuwählen, statt passiv zu konsumieren.

Felix Hartmann: In denselben Alltag-Topf gehören noch zwei kleinere Tools. Horef Rings für die Apple Watch: 75 Metriken als Komplikationen auf jedem Zifferblatt, plus etwas namens Headroom und ein Tageswert von 0 bis 10. Die Pro-Version kostet 4,99 Dollar einmalig. Und Dynamic Edge für Windows 10 und 11: eine Dynamic-Island-artige Leiste am oberen Bildschirmrand mit Multimedia-Steuerung, Zwischenablage und Launcher. Gebaut mit nativem WinUI 3, ohne Electron, was für die Performance spricht.

Lena Vogel: Der gemeinsame Nenner dieses Blocks ist für mich: Alltags-Apps werden ortsbasiert und kurzformatig. MAP & GO! denkt den Tag als Karte, Drops denkt Musik in Sekunden statt Alben, Uber denkt Mobilität inklusive dem Ende der Fahrt. Und Dynamic Edge bringt das Handy-Interface-Denken, diese komprimierte Info-Leiste, auf den Desktop.

Felix Hartmann: Wenn ich heute alles Revue passieren lasse, dann sehe ich zwei gegenläufige, sich ergänzende Kräfte. Die eine: mehr local, mehr offline, mehr Kontrolle beim Nutzer. Tacie, VB Notes, Replay, FreeFlow Dictation, Nexus, all die Tools, die ohne Cloud und ohne Konto arbeiten.

Lena Vogel: Und die andere: KI wird überall zum Mitwirkenden, in der Fabrik mit Gemini Robotics 2.5 bei Mercedes-Benz, im Kundenkontakt mit Business Agents, beim Jobsuchen mit HiringNow, beim Programmieren mit CodeMesh, Antelog, Dex Semantics und Kokonut UI. Die offenen Fragen sind überall dieselben: Wie verlässlich sind die Versprechen der Macher in der Praxis, wie teuer wird es, und wann kommt es aus den USA raus?

Felix Hartmann: Das war unser Briefing für heute. Danke, dass du dabei warst, ich bin Felix Hartmann.

Lena Vogel: Und ich Lena Vogel. Wir hören uns beim nächsten Mal!