0922 | KI-Woche kompakt: Sichtbarkeit, Agenten und Alltagshelfer

Lena Vogel: Hallo zusammen, hier ist Lena Vogel.

Felix Hartmann: Und Felix Hartmann. Schön, dass ihr wieder dabei seid.

Lena Vogel: Wir haben heute einen Haufen neuer Produkte durchgesehen, und eines fällt auf: Fast alle drehen sich um dieselbe Grundfrage – wann vertraut man einer Maschine eigentlich eine Entscheidung an? Ob das ein Post ist, der vorher in einer Simulation getestet wird, oder ein Codebase-Audit, das automatisch Pull Requests aufmacht.

Felix Hartmann: Genau. Und natürlich ist die Gegenfrage immer: Was können wir wirklich glauben, und was ist nur Marketing? Wir nehmen uns die interessantesten Launches vor, sortieren für euch raus, wofür die eigentlich gedacht sind, und bleiben ehrlich bei dem, was offen bleibt.

Lena Vogel: Fangen wir bei der Sichtbarkeit an. Denn sie ist am Ende nur so viel wert wie der Umsatz, den sie bringt. Aber erstmal zum reinen Sichtbarkeitsproblem. Da gab es gestern zwei sehr unterschiedliche Ansätze, und ich fange mit dem anderen an: Jevtown.

Felix Hartmann: Erzähl mal.

Lena Vogel: Jevtown ist eine Simulation mit 10.000 künstlichen Bewohnern, die auf deinen Post reagieren, bevor du ihn überhaupt veröffentlichst. Schwacher Text fällt da durch – und das kostet 0,005 Dollar. Volle Reichweite angeblich in 14 Sekunden.

Felix Hartmann: Also im Prinzip: Du lasst deine Zielgruppe existieren, bevor sie real existiert. Die Idee ist verlockend, weil Content heute teuer ist – nicht an Geld, sondern an Aufmerksamkeit. Wer einen Post rauswirft und niemand reagiert, hat Zeit verloren. Wenn ich für einen halben Cent weiß, dass mein Text bei simulierten Menschen durchfällt, dann kann ich ihn vorher umschreiben.

Lena Vogel: Aber und das ist das entscheidende Aber – wie verlässlich ist so eine Simulation wirklich? 10.000 simulierte Bewohner können sich realistisches Verhalten nachahmen, aber echte Menschen sind unberechenbar. Ein Post, der in der Simulation durchfällt, kann draußen viral gehen. Und umgekehrt. Wir wissen aus dem Material nicht, wie genau diese Simulation kalibriert ist, ob sie gegen echte Kampagnendaten validiert wurde, nichts davon.

Felix Hartmann: Das ist der Punkt, den man immer wiederholen muss: Das sind Maker-Beschreibungen, keine verifizierten Ergebnisse. Nett gemacht, kleiner Preis, niedrige Einstiegshürde. Aber der Beweis, dass die Simulation die Realität vorhersagt, fehlt uns bislang.

Lena Vogel: Kommen wir zum anderen Sichtbarkeitsproblem, und das ist viel konkreter: unmarkierte Erwähnungen. Lead Sparker ist ein Tool, bei dem du eine Marken-URL eingibst, und über die Oriane API werden Instagram- und TikTok-Erwähnungen gefunden, die deine Marke gar nicht getaggt haben.

Felix Hartmann: Das Beispiel im Launch ist Liquid Death. Fünf Creator, die über die Marke geredet haben, ohne sie zu taggen – 216.000 Views, die die Marke nie gesehen hat.

Lena Vogel: Das ist eigentlich ein wirklich greifbares Problem. Marken zahlen viel Geld für Creator-Kampagnen, und gleichzeitig reden Leute kostenlos über sie, ohne dass der Marken-Manager das je mitbekommt. Wenn du als Social-Media-Team nur mentions mit @-Tag siehst, verlierst du messbar Reichweite – und messbar heißt hier: eine halbe Million Views bei einem einzigen Beispiel.

Felix Hartmann: Und das ist der Unterschied zu Jevtown, oder? Lead Sparker löst ein Problem, das heute schon existiert und nachweisbar Geld kostet. Jevtown versucht, ein Problem vorherzusagen, das vielleicht morgen eintritt.

Lena Vogel: Genau. Lead Sparkers Grenze ist natürlich: Es findet Inhalte nachträglich. Der Umsatz daraus – mit den Creators in Kontakt treten, sie einbinden – ist der nächste Schritt, den das Tool selbst nicht macht, soweit wir wissen. Es ist ein Detektor, kein Vertragssystem.

Felix Hartmann: Aber die Sichtbarkeitsfrage geht noch tiefer. Es geht nicht mehr nur darum, wer über dich redet. Es geht darum, ob dich die KI-Systeme überhaupt erwähnen, wenn jemand fragt. Und da kam ein Launch namens Simha Digital rein.

Lena Vogel: Simha Digital ist ein SEO-Workspace mit einem 0 bis 100 Health Score, einem priorisierten Fix-Plan, also eine konkrete Liste, was du als Nächstes reparieren sollst. Und – das ist der interessante Teil – einem Tracking dafür, wie sichtbar deine Marke in KI-Antworten ist. Das Feld hat Begriffe wie GEO und AEO bekommen, Generative Engine Optimization und Answer Engine Optimization.

Felix Hartmann: Also im Prinzip: Klassisches SEO war "wie rankt meine Seite bei Google". Die neue Frage ist "wenn jemand eine KI fragt, wird meine Marke überhaupt genannt?". Das ist eine komplett andere Messgröße, weil KI-Modelle nicht einfach Links auflisten, sondern Antworten formulieren, in denen dein Name vorkommt oder eben nicht.

Lena Vogel: Und ab 19,90 Dollar im Monat ist das für kleine Teams machbar. Der Health Score mit priorisiertem Fix-Plan ist ein sinnvolles Format, weil es nicht nur diagnostiziert, sondern sagt, was zuerst. Aber dieselbe Einschränkung wie vorher: Wir wissen nicht, wie die Messung funktioniert. KI-Antworten variieren je nach Modell, Prompt, Region, Tageszeit. Ein Score ist ein Snapshot, keine Garantie.

Felix Hartmann: Es gibt sogar einen Meta-Launch dazu. NiubiGEO ist Open Source, selbst gehostet, für KI-Sichtbarkeits-Tests. Und daneben ein bezahltes Netzwerk von über 150.000 Menschen, die zum Testen, für Trials, für Content und Vertrieb eingesetzt werden können.

Lena Vogel: Das ist eigentlich zwei Geschäfte in einem: ein Test-Framework, das du selbst betreiben kannst, und ein menschliches Netzwerk als Service drumherum. Für die technisch versierten Teams ist das Selbstgehostete spannend, weil sie die Messung kontrollieren können statt einem SaaS zu vertrauen.

Felix Hartmann: Und dann gibt es noch einen dritten Blickwinkel auf Sichtbarkeit: nicht die Frage, ob man dich sieht, sondern wie du wahrgenommen wirst, bevor du überhaupt Geld ausgibst. Decode, beziehungsweise Entropik, hat AI Creative Insights vorgestellt. Das sagt die Ad-Response vorher, bevor du den Media-Budget auszahlt. Attention-Heatmaps, Emotionskurven, Benchmarks pro Kategorie.

Lena Vogel: Das läuft auf dieselbe Logik wie Jevtown hinaus: Vorhersage statt Nachmessung. Nur eben auf Werbematerial statt auf Posts. Auch hier dieselbe ehrliche Antwort: Vorhersagemodelle für Aufmerksamkeit und Emotion sind ein echter Markt, weil Testscreenings teuer und langsam sind. Aber wie präzise so eine Emotionskurve für deine konkrete Zielgruppe ist, steht auf einem anderen Blatt.

Felix Hartmann: Wenn man die vier nebeneinander legt, sieht man ein Muster: Lead Sparker misst, was passiert ist. Simha Digital misst, ob du in der neuen Antwortmaschine vorkommst. Jevtown und Creative Insights wollen vorhersagen, was passieren wird. Je weiter man Richtung Vorhersage geht, desto unsicherer die Evidenz – aber desto höher der potenzielle Wert.

Lena Vogel: Und genau da hängt alles an der nächsten Stufe: Sichtbarkeit bringt dir nichts, wenn daraus kein Umsatz wird. Und da gab es gestern drei Launches, die direkt an Einnahmequellen andocken statt nur an Effizienz. Der erste ist Sell to State, und der ist ziemlich direkt.

Felix Hartmann: Sell to State indexiert 3 Millionen Government Tenders in 64 Ländern. Eine Suche über Ausschreibungen, Supplier und Behörden. 49 Dollar im Monat, flat, mit REST API und MCP.

Lena Vogel: Das ist ein Markt, den viele kleinere Firmen ignorieren, weil der Zugang so mühsam ist. Behördliche Ausschreibungen verstecken sich in verschiedenen Portalen, in verschiedenen Sprachen, in verschiedenen Formaten. 3 Millionen in 64 Ländern unter einer Suchoberfläche zu bringen, ist der klassische Anwendungsfall: Der Datensatz existiert schon, das Problem war immer der Zugang.

Felix Hartmann: Und der Preis ist bemerkenswert. 49 Dollar flat, unabhängig davon, ob du in einer Ausschreibung nach 10.000 oder 10 Millionen Dollar suchst. Für Freelancer und kleine Beratungsfirmen, die früher teure Tender-Datenbanken abonniert haben, ist das eine klare Positionierung. Die REST API und MCP bedeuten auch: Das Ding ist in Agenten-Workflows einklinkbar, das ist ein Muster, das wir heute noch öfter sehen.

Lena Vogel: Die offene Frage: Wie aktuell sind die Daten wirklich, und wie gut ist die Suche? Eine Ausschreibung verpasst zu haben, weil sie zwei Tage später indiziert wurde, ist der reale Schmerz. Das konnten wir aus dem Material nicht beurteilen.

Felix Hartmann: Zweiter Launch in dieser Runde: Refoid. Das automatisiert App-Store-Rückerstattungsantworten für iOS- und macOS-Entwickler. Es trackt Apples finale Entscheidungen, und laut Launch sind rund 70 Prozent der Rückerstattungsanfragen ablehnbar.

Lena Vogel: Das ist eine Zahl, auf die man achten sollte. Wenn ein erheblicher Teil der Anfragen nicht berechtigt ist, verlieren Entwickler heute Geld, nur weil sie nicht die Zeit haben, jeden Fall einzeln zu beantworten. Refoid ist also kein Effizienztool im Sinne von "du arbeitest schneller", sondern eins im Sinne von "du verlierst weniger Umsatz".

Felix Hartmann: Und das ist ein wirklich klein geschnittenes Problem. Es gibt große Betreiber mit eigenen Systemen dafür, aber der indie iOS-Entwickler beantwortet Rückerstattungen abends zwischen Bugfixes. Wenn ein Tool das übernimmt und Apples finale Entscheidung mitverfolgt – also ob Apple deinen Einspruch angenommen hat –, dann ist das ein konkreter Workflow, den es vorher als fertiges Produkt kaum gab.

Lena Vogel: Aber dieselbe Struktur wie bei Sell to State: Es hängt alles an der Qualität der automatischen Antworten. Eine schlecht formulierte Rückerstattungsantwort kann den Fall verschlimmern, nicht verbessern. Wie gut Refoids Texte tatsächlich bei Apple ankommen, wissen wir nicht.

Felix Hartmann: Dritter in der Runde ist AppGrowthKit, und das passt hier besser, als es erst klingt. Es macht App-Store- und Google-Play-Screenshots: Device-Frames, KI-Layouts, KI-Texte, Lokalisierung, One-Click-Export.

Lena Vogel: Wieso gehört das zu Umsatz?

Felix Hartmann: Weil Store-Listing die Conversion-Rate bestimmt. Jeder Prozentpunkt mehr Download-Rate bei gleicher Nutzerzahl ist mehr Umsatz, ohne dass du einen Euro mehr für User-Akquise ausgibst. Screenshots sind der Hebel mit der höchsten Hebelwirkung, weil sie das erste sind, was ein Nutzer sieht, bevor er auf "Laden" drückt.

Lena Vogel: Und die Lokalisierung ist der Teil, den kleine Studios immer weglassen, weil es Handarbeit ist. Wenn ein Tool das automatisiert, macht es Märkte erreichbar, die vorher unberücksichtigt blieben. Auch hier: Die Qualität der KI-Copy und der Layouts ist der Knackpunkt, nicht die Existenz der Funktion. Aber die Problemdefinition ist solide.

Felix Hartmann: Drei Produkte, drei verschiedene Einnahmequellen: Ausschreibungen als neuer Umsatzkanal, Rückerstattungen als Umsatzverteidigung, Store-Listings als Conversion-Hebel. Das war für uns die spannendste Gruppe, weil keines davon "mach deine Arbeit schneller" verkauft, sondern alle direkt am Geld hängen.

Lena Vogel: Und wie wächst der Umsatz weiter? Wenn nicht nur Menschen die Arbeit machen, sondern Agenten. Das ist das große Thema gestern gewesen, und wir nehmen uns Zeit dafür, weil da vier Haupt-Launches waren.

Felix Hartmann: Der auffälligste ist Sai von Simular. Eine Flotte autonomer Computer, die Screen-Work erledigen. Kein API-Zugriff nötig – die bedienen die Oberfläche selbst, wie ein Mensch. Auf OSWorld, dem Benchmark für solche Agenten, sollen sie 73 Prozent erreichen. Es gibt einen Free Tier.

Lena Vogel: Das "kein API nötig" ist der Kernunterschied zu den meisten Agenten-Tools. Fast alles, was sich heute "AI Worker" nennt, braucht Integrationen, API-Keys, Tool-Zugriffe. Sai nimmt den Umweg über den Bildschirm. Das ist langsamer, aber es funktioniert überall dort, wo keine API existiert – also in den meisten Legacy-Software-Setups der Welt.

Felix Hartmann: 73 Prozent auf OSWorld ist eine beachtliche Zahl für einen Benchmark, der als sehr schwer gilt. Aber Vorsicht: Benchmarks sind standardisierte Aufgaben. Dein konkretes ERP-System mit deinen Widget-Regeln ist nicht OSWorld. Der Sprung vom Benchmark in den echten Betrieb ist genau die Stelle, an der die meisten Agenten-Tools bislang scheitern.

Lena Vogel: Der zweite große Name ist Jev, von TypeSafe. Ein "System One"-Modell – eine Anspielung auf schnelles, intuitives Denken –, das typisierte probabilistische Entscheidungen zurückgibt: Choice, Score, Noul. In 70 bis 500 Millisekunden. Und das 40- bis 400-mal günstiger als die Alternative.

Felix Hartmann: Was heißt typisiert konkret?

Lena Vogel: Das Modell gibt nicht einfach Freitext zurück, sondern ein Ergebnis mit einer vorgegebenen Struktur – eine Auswahl, ein Score, und "Noul" als dritter Typ. Für Entwickler bedeutet das: Die Antwort passt direkt in bestehenden Code, ohne Parsing und ohne Fehlerbehandlung für unerwartete Formate. Das ist ein reales Problem bei LLM-Integrationen, wo der Output variabel und der Fehlerfall teuer ist.

Felix Hartmann: Die Kombination aus Geschwindigkeit und Preis ist die eigentliche Story. Wenn eine Entscheidung 70 Millisekunden kostet und einen Bruchteil eines LLM-Calls, dann kannst du sie in Hot Paths einbauen – in Routing, Filterung, Klassifizierung im laufenden Betrieb. Das ist ein anderes Einsatzgebiet als "Chatbot beantwortet Frage". Aber die 40- bis 400-fache Ersparnis ist eine breite Spanne – je nachdem, wogegen man misst. Wir wissen nicht, welche Baseline gemeint war.

Lena Vogel: Es gibt sogar ein offenes Beispiel dafür, wie man so ein Modell einsetzt: slop-grader. Ein Open-Source-CLI-Tool, ebenfalls Jev-basiert, das Text gegen eigene Regelsätze bewertet – KI-Füller, Grammatik, im Beispiel auch die Du- und Sie-Form – und die betroffenen Zeilen markiert, damit ein Agent sie fixen kann.

Felix Hartmann: Das zeigt schön das Muster: billiges schnelles Modell als Bewerter, Agent als Korrektor. Die Trennung von Bewertung und Ausführung ist eine vernünftige Architektur. Und slop-grader ist open source, man kann also selbst nachsehen, was es tut.

Lena Vogel: Drittens: Hyrax AI. Ein codebase-weiter KI-Architekt, der über sechs Domänen auditiert, Fixes schreibt und verifizierte Draft-Pull-Requests eröffnet. Der volle Katalog kostet 30 Dollar pro Sitz, als Credit.

Felix Hartmann: Also nicht "Copilot vervollständigt deine Zeile", sondern "Reviewt dein ganzes Projekt wie ein Senior und stellt dir fertige PRs hin". Der Unterschied zu bestehenden Tools ist der Scope: codebase-weit und fächerübergreifend über sechs Domänen, statt Datei-für-Datei. Und der Draft-PR-Charakter ist wichtig – es macht Vorschläge, du merge sie. Verifiziert heißt laut Launch, dass sie vor dem Öffnen geprüft werden, aber die finale Verantwortung bleibt beim Menschen.

Lena Vogel: 30 Dollar pro Sitz ist ein Preis, den einzelne Entwickler aus eigener Tasche bezahlen können, nicht nur die Firma über ein Beschaffungsverfahren. Das senkt die Hürde für Adoption.

Felix Hartmann: Viertens: Superset Mobile. Du orchestrierst Coding-Agenten wie Claude Code vom iPhone aus – reviewst Diffs, mergst PRs. Erster Monat frei mit dem Code MOBILELAUNCH.

Lena Vogel: Das ist die logische Fortsetzung des Agenten-Trends: Wenn Agenten die Arbeit machen, muss der Mensch nicht mehr am Schreibtisch sitzen, um sie zu beaufsichtigen. Er kann im Zug den Diff lesen und freigeben. Das verändert nicht, was die Agenten tun, aber es verändert, wann und wo der Mensch eingreift.

Felix Hartmann: Und zusammen mit Sai, Jev und Hyrax ergibt das ein Bild: Agenten werden günstiger – Jev, schneller – ebenfalls Jev und Sai, näher am Workflow – Superset, Hyrax. Die Bausteine für echte Autonomie liegen da. Was fehlt, ist die Sicherheitsfrage. Und die ist kein Randthema, sondern der Punkt, an dem die ganze Story steht oder fällt.

Lena Vogel: Und genau darüber ist gestern eine eigene Gruppe an Launches entstanden. Arcjet ist der prominenteste: Runtime-Sicherheit für KI-Agenten. Das erkennt Prompt-Injection, autorisiert Tool- Aufrufe, redacted Daten und blockt Bots – alles als Code erzwingbar, direkt in deiner Anwendung.

Felix Hartmann: Erklär mal, warum Prompt-Injection bei Agenten so viel gefährlicher ist als bei Chatbots.

Lena Vogel: Ein Chatbot, der manipuliert wird, gibt eine dumme Antwort. Ein Agent mit Tool-Zugriff kann auf Anweisung des Angreifers Dateien löschen, Mails verschicken, Zahlungen auslösen. Prompt-Injection heißt: Im Text, den der Agent verarbeitet, versteckt sich eine Anweisung – etwa in einer Webseite, die er gerade zusammengefasst, oder in einer eingereichten Datei. Ohne Runtime-Schutz ist die einzige Verteidigung, dem Agenten sehr wenig Macht zu geben.

Lena Vogel: Mit Arcjet kannst du im Code erzwingen: dieses Tool darf der Agent nur unter dieser Bedingung aufrufen, dieses Datenfeld wird vor Weiterleitung geschwärzt.

Felix Hartmann: "In-Code erzwingbar" ist der wichtige Unterschied zu Richtlinien-Dokumenten. Eine Policy, die im Handbuch steht, hält keinen Agenten auf. Eine Autorisierungsprüfung im Code schon.

Lena Vogel: Das zweite Launch in dieser Gruppe ist Cronhq, und das adressiert eine andere Zuverlässigkeitslücke: Scheduler. Es garantiert exakt einmalige Cron-Ausführung über Postgres-Locks, mit Retries, HMAC-signierten Webhooks und Heartbeat-Monitoren. MIT-Lizenz, self-hostable.

Felix Hartmann: Exactly-once ist in verteilten Systemen berüchtigt schwer. Der Klassiker: Zwei Worker feuern denselben Job, der Kunde bekommt die Rechnung zweimal. Cronhq löst das mit Postgres-Locks als Wahrheitsquelle. HMAC-Webhooks bedeuten, dass der Empfänger verifizieren kann, dass der Aufruf wirklich von Cronhq kommt und nicht gefälscht ist. Heartbeat-Monitore: Wenn dein Job nicht läuft, erfährst du es.

Lena Vogel: Und open source plus self-hostable heißt, du kannst es in einer Umgebung mit harten Datenschutzanforderungen betreiben. Das ist für Unternehmen ein echtes Auswahlkriterium.

Felix Hartmann: Drittens Milliseconds.ai. Schnelle strukturierte KI-Entscheidungen über eine API, Modell decision-machine-1, 0,04 Dollar pro Million Input-Tokens, Output gratis.

Lena Vogel: Man kann das als minimalistische Version von Jev lesen: dieselbe Idee – Entscheidung statt Text, billig und schnell, über API –, nur als eigenständiger Anbieter. Dass der Output kostenlos ist, während Input-Tokens zahlen, ist ein ungewöhnliches Preismodell und für Entscheidungsaufgaben mit langem Kontext attraktiv.

Felix Hartmann: Und wenn man die drei nebeneinander stellt, haben wir ein Satz: Arcjet regelt, was der Agent darf. Cronhq regelt, dass die Automatisierung zuverlässig genau einmal läuft. Milliseconds liefert die Entscheidungen schnell und billig. Das ist im Grunde das Rückgrat, das fehlt, wenn man Agenten wirklich autonom laufen lässt.

Lena Vogel: Die offene Frage, die wir vorher schon bei anderen Themen gestellt haben, stellt sich hier am dringendsten: Wie schnell werden solche Sicherheitslayer Standard? Heute sind sie optional. In drei Jahren wird ein Agent ohne Runtime-Autorisierung vermutlich so aussehen wie eine Website ohne HTTPS.

Felix Hartmann: Und die Vertrauensfrage endet nicht bei der Sicherheit, sie geht weiter in die Kreativ-Workflows. Denn auch dort fragt man: Kann ich dem Ergebnis trauen, und wo arbeite ich eigentlich? Google Flow ist der Launch, der das Wendemachen zeigt: Die KI-Creativ-Studio von Google kommt aufs Smartphone, iOS und Android, mit Camera-Roll-Grounding und projektübergreifendem Sync zwischen Geräten.

Lena Vogel: Camera-Roll-Grounding heißt: Das Studio arbeitet mit deinem eigenen Bildmaterial auf dem Handy als Ausgangsbasis, statt nur aus dem Nichts zu generieren. Und der Cross-Device-Sync bedeutet: auf dem Handy anfangen, am Desktop weitermachen. Das ist das reale Nutzungsmuster – du machst am Tag deine Videos mit dem Handy, aber schneidest am Schreibtisch.

Felix Hartmann: Für die Frage, wie professionell diese mobilen Workflows schon sind, gibt es einen interessanten Kontrast: Supacut. Ein Tool für Dokumentarfilm-Editoren, das Soundbites findet, Antworten über mehrere Interviews hinweg vergleicht und einen editierbaren Rough Cut generiert. 39 Dollar pro Jahr, eigener API-Key.

Lena Vogel: Das ist ein sehr spezialisierter Workflow. Dokumentarfilm-Editoren verbringen einen riesigen Teil ihrer Zeit damit, Stunden von Interviews zu sichten, um die vier guten Sätze zu finden. Ein Tool, das die Soundbites findet und vergleicht, greift direkt in den teuersten Schritt ein. Und "eigener API-Key" heißt: Du zahlst die Inferenzkosten selbst, was das Jahresabo bei 39 Dollar plausibel macht – das Produkt verkauft die Arbeitslogik, nicht die Rechenzeit.

Felix Hartmann: Und der Rough Cut ist editierbar, also kein fertiges Video, sondern ein Startpunkt. Das ist die richtige的设计-Entscheidung für Profis: Kein Tool wird den Schnitt machen, aber es kann die Sichtung beschleunigen. Zusammen mit Flow sieht man ein Spektrum: von der Hosentaschen-Kreativität bis zur spezialisierten Profi-Pipeline.

Lena Vogel: Dann gibt es noch Gradio Workflow – eine visuelle Leinwand, auf der man KI-Pipelines baut und Hugging-Face-Spaces, Modelle, Datensätze und eigene Python-Funktionen verbindet. Teilbar per URL oder REST API.

Felix Hartmann: Das ist eher das Werkzeug für die Leute, die die Pipelines bauen, die andere dann nutzen. Node-basiertes Verbinden statt Code schreiben, und am Ende ist das Ganze per URL teilbar oder als API ansprechbar. Für Rechercheteams und Praktiker, die Prototypen schnell zusammenstecken wollen, ist das ein niederschwelliger Einstieg in das, was vorher Skript-Arbeit war.

Lena Vogel: Es gibt auch zwei Rand-Launches, die gut hierher passen. Flicka ist eine Chrome-Extension für Screen-Recording: Auto-Zoom auf Klicks, Zeichnen und Verwischen während der Aufnahme, nichts wird hochgeladen. Kostenlos, Pro ab 5 Dollar im Monat.

Felix Hartmann: "Nichts wird hochgeladen" ist in Zeiten, wo Screen-Recorder standardmäßig in die Cloud gehen, ein echtes Verkaufsargument. Und für alle, die mit den Kreativ-Tools Tutorials oder Demos machen wollen, ist das das Zweitwerkzeug.

Lena Vogel: Und Osmotic ist eine kostenlose, Open-Source-Mac-App, die DJI-Osmo-Footage über WLAN zieht – rund 33 Megabyte pro Sekunde, fortsetzbare Tagesordner, Fernsteuerung und USB-Webcam-Funktion. MIT-Lizenz.

Felix Hartmann: Das adressiert den realen Ärger von Osmo-Nutzern: Die offiziellen Apps sind mühsam beim Übertragen. 33 MB/s über WLAN und fortsetzbare Downloads sind konkrete Verbesserungen, nicht Marketing-Worte. Für die Zielgruppe – Vlogger, die vom Set direkt Material am Rechner brauchen – ist das ein echtes Werkzeug, nicht nur ein Gimmick.

Lena Vogel: Damit sind wir beim letzten Themenkreis: Alltag, Familie und Schreibtisch. Und da ist der Launch, über den alle reden werden, CC von Google Labs.

Felix Hartmann: Erzähl's.

Lena Vogel: CC ist ein geteilter KI-Agent für Familien. Bis zu sechs Mitglieder, jedes wählt selbst, was es teilt – und der Agent bekommt sein eigenes Google-Konto.

Felix Hartmann: Das eigene Konto ist der interessante Punkt. Das ist keine geteilte Familien-App, sondern ein Mitgliedschaft mit eigener Identität. Die Familie hat quasi ein neues Haushaltsmitglied, das man ansprechen kann, und jeder steuert selbst, welche seiner Daten es sehen darf.

Lena Vogel: Das ist ein Datenschutz-Modell, das auf die reale Familiendynamik eingeht. Ein Teenager teilt vielleicht der Familie sein Essenplanungs-Tool, aber nicht seine Notizen. Der Partner teilt den Kalender, nicht die Firmenchats. Das Pro-Kopf-Sharing ist der Unterschied zu "wir haben ein Familien-Login".

Felix Hartmann: Die offene Frage aus dem Material: Wie gehen Familien mit einem eigenen Agent-Konto um, das praktisch gesehen ein eigenes Google-Profil ist? Passwort-Management, wer kontrolliert es, was passiert, wenn der Agent Aktionen in Google-Diensten ausführt? Das ist noch ungelandet.

Lena Vogel: Vom Familien-Tisch auf den Schreibtisch: Turfs ersetzt Finders Icon-Layer durch Desktop-Fences für macOS. Ordner, Tags und Collections als "Turfs". 29 Dollar einmalig, und bewusst nicht im App Store.

Felix Hartmann: Und der Grund für den App-Store-Verzicht ist erfrischend ehrlich: Das Tool könnte nicht sandkastenfähig gemacht werden, wie es Apple verlangt. Es muss tief ins System eingreifen, genau das, was Sandboxing verhindert. Für Nutzer heißt das: Man lädt von der Website, nicht aus dem Store, und vertraut dem Entwickler direkt.

Lena Vogel: Es ist ein klassisches Utility-Produkt: Es löst ein Problem, das seit Jahren existiert – Desktop-Chaos –, mit einem Mechanismus, den Windows-Nutzer von Fences kennen. Einmal 29 Dollar, kein Abo, für Mac-Nutzer, die viel mit unsortierten Downloads arbeiten.

Felix Hartmann: Und der dritte in dieser Gruppe ist das Pendant zur Sicherheitsfrage von vorhin, nur lokal: SecAIQ Watch. Ein Open-Source-Dashboard, das nur liest, nichts verändert. Es erkennt rund 37 KI-Tools auf deinem System, samt Verbindungen, Berechtigungen und Token-Nutzung, und exportiert einen AI-BOM.

Lena Vogel: AI-BOM, Bill of Materials für KI – im Prinzip eine Inventarliste: Welche KI-Komponenten laufen in meiner Umgebung, mit welchen Berechtigungen? Das ist das, was die Sicherheitsteams bei Software schon lange machen, jetzt auf KI-Tools angewandt. Local, read-only, PHP plus SQLite, MIT – also minimalinvasiv und ohne dass selbst ein Cloud-Dienst die Daten sieht.

Felix Hartmann: Das passt perfekt zum Bogen des Tages: Von der Frage "welche KI erwähnt meine Marke" bis zu "welche KI läuft auf meinem Rechner und was darf sie" ist es derselbe Vertrauenskreis, nur auf verschiedenen Ebenen.

Lena Vogel: Wenn man den Tag zusammenfassen will, dann so: Die Auswahl-Produkte haben eines gemeinsam – sie schneiden ein sehr konkretes Problem scharf zu. Lead Sparker sieht unmarkierte Reichweite. Refoid verteidigt Umsatz. Arcjet setzt Grenzen für Agenten. Supacut verkürzt die Sichtung. Keines davon verkauft "KI generisch", alle verkaufen eine bestimmte Stelle im Workflow.

Felix Hartmann: Und die Muster der Skepsis wiederholen sich genauso: Bei den Vorhersage-Tools fehlt der Validierungsnachweis. Bei den Agenten-Tools liegt der Beweislast-Sprung zwischen Benchmark und echtem Betrieb. Bei den Sicherheits- und Zuverlässigkeits-Tools ist die offene Frage, wie schnell sie vom Optionalen zum Standard werden. Das sind die Fragen, die wir beim nächsten Mal zu diesen Produkten wieder aufnehmen würden.

Lena Vogel: Damit danke ich euch fürs Zuhören. Wenn ihr einen der Launches selbst ausprobiert, schreiben uns gern, ob die Versprechen halten.

Felix Hartmann: Bis zum nächsten Mal – bleibt kritisch.

Lena Vogel: Tschüss, und bis bald!