0925 | Tools der Woche: Von mobilen CI-Runnern bis zum KI-Gedächtnis

Lena Vogel: Willkommen zurück beim Pod, hier ist Lena Vogel.

Felix Hartmann: Und Felix Hartmann. Lena, heute haben wir eine ganze Reihe von Produkten vor uns, die alle ein bisschen zum selben Thema passen: KI wird allgegenwärtig, und die Werkzeuge drumherum werden erwachsen.

Lena Vogel: Genau. Es geht um Build-Infrastruktur, um Mac-Apps, um Speicher und Kontrolle für KI-Agenten, um Sprache, und am Ende um eine Reihe von Dingen für den echten Alltag.

Felix Hartmann: Wir gehen das wie immer durch, und wir sind dabei ehrlich, was wir wissen und was nur Behauptung der Macher ist. Fangen wir bei etwas an, das eher unsexy klingt, aber für jedes mobile Team relevant ist: Build-Zeiten.

Lena Vogel: Bitrise Build Hub. Das ist ein Angebot von Bitrise, dedizierte mobile CI-Runner für GitHub Actions. Die Idee: Du baust deine iOS- und Android-Apps nicht auf generischen GitHub-Runnern, sondern auf eigener Hardware.

Felix Hartmann: Und die Hardware ist ordentlich. Die Runner haben M4- und M5-Pro-Chips, also Apple Silicon der aktuellen Generation.

Lena Vogel: Und die Zahlen, die Bitrise nennt, sind kräftig: iOS-Builds sollen 54 Prozent schneller sein, Android 31 Prozent.

Felix Hartmann: Wobei, das ist die Herstellerangabe. Wir haben keine unabhängigen Messungen vorliegen. Das sollte man fairerweise sagen.

Lena Vogel: Absolut. Aber die Richtung ist plausibel, denn jeder, der schon mal ein großes iOS-Projekt gebaut hat, weiß: Das ist oft der Flaschenhals im gesamten Entwicklungsprozess. Kompilieren, Signieren, Testen – das frisst Zeit, und die Entwickler warten.

Felix Hartmann: Und was mir praktisch gefällt: Die Integration soll mit einer Zeile gehen. Man ändert in der Workflow-Datei bei runs-on eine Zeile, und der Build läuft auf dem Bitrise-Runner.

Lena Vogel: Das ist ein niedriger Einstieg. Kein Umzug des gesamten CI-Systems, keine neue Pipeline-Sprache. GitHub Actions bleibt GitHub Actions, nur die Maschine darunter ist eine andere.

Felix Hartmann: Zu den Preisen: Es geht los bei 13,50 Dollar pro Monat. Wie sich das im Vergleich zu selbst gehosteten Macs oder anderen Diensten einordnet, ist eine offene Frage, die wir nicht beantworten können.

Lena Vogel: Und das ist der Punkt, den wir hier stehen lassen sollten: Die Geschwindigkeitszahlen klingen gut, die Einstiegshürde ist niedrig, aber ob der Preis im Verhältnis zur Ersparnis aufgeht, hängt vom jeweiligen Team ab. Wie viele Build-Stunden pro Tag verliert man wirklich?

Felix Hartmann: Genau. Also: Wer regelmäßig iOS baut und auf GitHub Actions ist, für den ist das einen Blick wert. Wer einmal am Tag baut, spart vielleicht nicht genug, um es zu merken.

Lena Vogel: Von der Build-Maschine kommen wir jetzt zur Maschine, die viele von uns täglich vor sich haben: den Mac. Und dort gibt es drei kleine Werkzeuge, die alle ein konkretes Alltagsproblem lösen.

Felix Hartmann: Das erste ist charmant: NotchPop. Das verwandelt die Notch des MacBook-Bildschirms in so etwas wie eine Dynamic Island, wie man sie vom iPhone kennt.

Lena Vogel: Was passiert da konkret? Musik-Steuerung, Dateien, Clipboard-Zugriff, Fokus-Modus, und eine Anzeige für KI-Aktivitäten. Also die Notch, die sonst nur ein schwarzer Cutout im Display ist, bekommt eine Funktion.

Felix Hartmann: Für 3,99 Dollar als einmaliger Kauf. Das ist die Kategorie Klein, günstig, sinnvoll. Keine große Produktgeschichte, sondern ein Utility, das einen toten Bildschirmbereich nutzbar macht.

Lena Vogel: Das zweite ist interessanter für Leute, die mit mehreren Kontexten arbeiten: Parall. Damit kann man dieselbe Mac-App mehrfach gleichzeitig starten.

Felix Hartmann: Normalerweise erlaubt Mac-Apps das ja nicht, die meisten sind Single-Instance. Parall gibt jeder Instanz ein eigenes Dock-Icon, einen eigenen Datenpfad und kann Umgebungsvariablen überschreiben, auch die HOME-Variable.

Lena Vogel: Wofür braucht man das? Zum Beispiel, wenn man zwei separate Konten derselben App parallel laufen lassen will, ohne dass die sich die Daten teilen. Oder verschiedene Konfigurationen.

Felix Hartmann: Und es geht sogar so weit, dass man eine Website als Web App Shortcut nehmen kann und dann mehrere Instanzen davon laufen lässt. Also: zwei Tabs werden zwei echte Fenster mit eigener Identität.

Lena Vogel: Das ist definitiv ein Power-User-Werkzeug. Wenn man es nicht braucht, braucht man es nicht. Wenn man es braucht, war es vorher richtig mühsam oder gar nicht möglich.

Felix Hartmann: Das dritte in dieser Runde: LockLines. Das kümmert sich um Textnachrichten auf dem Mac-Lockscreen.

Lena Vogel: Das Problem ist bekannt: Nachrichten auf dem Sperrbildschirm laufen bei langen Texten oft über den Rand. LockLines gestaltet die Texte so, dass sie in den kleinen Anzeigebereich passen, und zeigt eine Vorschau in zwei Zuständen, einmal angezeigt, einmal scrollend.

Felix Hartmann: Preis: 99 Cent. Wieder die gleiche Philosophie: sehr klein, sehr billig, sehr gezielt.

Lena Vogel: Diese drei Apps zeigen glaube ich ein Muster: Der Mac ist so stabil als Plattform geworden, dass die Innovation in die Nischen geht. Der Sperrbildschirm, die Notch, App-Instanzen. Kleinigkeiten, aber eben Details, mit denen man täglich lebt.

Felix Hartmann: Und die drei sind auch preislich toegänglich. Unter zehn Dollar kriegt man alle drei zusammen.

Lena Vogel: Und das führt uns direkt weiter, denn der Mac ist auch die Plattform geworden, auf der KI-Codewerkzeuge laufen. Claude Code, Codex und wie sie alle heißen.

Felix Hartmann: Und sobald man mehrere davon benutzt, entsteht ein neues Problem: Wie verwalte ich das alles? Das ist genau der Ansatz von zwei Tools, über die wir jetzt reden.

Lena Vogel: Das erste heißt Harness Manager. Eine Mac-App, die als Verwaltungsschicht für AI-Coding-Harnesses dient.

Felix Hartmann: Konkret: Sie erkennt installierte Tools wie Claude Code oder Codex, kann sie aktualisieren, verwaltet MCP-Server und Skills, und zeigt Modell-Rankings an.

Lena Vogel: Das klingt banal, aber stell dir vor, du hast vier verschiedene KI-Coding-Tools installiert, jedes hat eigene Updates, eigene MCP-Konfigurationen, eigene Skills. Das wird schnell unübersichtlich.

Felix Hartmann: Harness Manager fasst das in eine Oberfläche zusammen. Und wichtig: Es ist Open Source und kostenlos.

Lena Vogel: Das zweite Tool schaut auf die andere Seite: Opaline analysiert die Nutzung. Und zwar Team-Nutzung.

Felix Hartmann: Genau. Opaline nimmt Claude Code- und Codex-Sessions im gesamten Team und analysiert sie Nachrichten für Nachrichten. Man sieht Token-Kosten, Zeitverbrauch, und welche Skills benutzt wurden.

Lena Vogel: Installation per npx, also ein Node-Befehl, und es ist Open Source.

Felix Hartmann: Warum ist das wichtig? Weil Agenten-Kosten unsichtbar sind. Jeder einzelne Teamkollege verbraucht Tokens, aber niemand sieht das Gesamtbild. Wer viel Geld für welche Art von Aufgaben ausgibt?

Lena Vogel: Und da liegt der Unterschied zwischen den beiden: Harness Manager kümmert sich um die Werkzeuge selbst, ihre Installation und Konfiguration. Opaline kümmert sich um die Einsicht in die Nutzung. Das eine ist Verwaltung, das andere ist Analyse.

Felix Hartmann: Was wir nicht wissen: Wie genau die Modell-Rankings bei Harness Manager berechnet werden. Das ist offen. Und bei Opaline, wie granular die Aufschlüsselung im Alltag wirklich nützlich ist.

Lena Vogel: Aber zusammen zeigen sie einen Trend: Teams haben das Chaos-Stadium erreicht und fangen an, Werkzeuge zu bauen, um es zu zähmen. Management von Agenten wird selbst zum Produkt.

Felix Hartmann: Und wenn Agenten einmal arbeiten, kommt das nächste Problem: Sie brauchen Erinnerung. Kontext. Ein Gedächtnis.

Lena Vogel: Genau, das ist unser nächstes Thema, und da gibt es zwei sehr verschiedene Ansätze, die sich gut vergleichen lassen.

Felix Hartmann: Der erste ist Maximem Synap, und das ist die zentrale, hochskalierende Variante. Eine Memory-Schicht für KI-Agenten als Infrastruktur.

Lena Vogel: Die Zahlen: In den Benchmarks LongMemEval erreicht es 92 Prozent, Locomo 93,2 Prozent. Und der Recall, also das Abrufen des Gedächtnisses, liegt unter 15 Millisekunden im P75.

Felix Hartmann: Wieder das gleiche Spiel wie bei Bitrise: Das sind die Angaben des Anbieters, nicht unabhängig verifiziert. Aber wenn sie stimmen, sind sie beeindruckend, denn Speed beim Abruf ist entscheidend, wenn der Agent in Echtzeit arbeiten soll.

Lena Vogel: Und die Kompatibilität: 22 Frameworks werden unterstützt. Das ist die Botschaft: Egal welchen Agenten-Stack du hast, du kannst unsere Memory-Schicht einhängen.

Felix Hartmann: Der zweite Ansatz ist das komplette Gegenteil: minimi 2.0. Das ist lokal, auf dem eigenen Mac, und es ist persönlich statt infrastrukturell.

Lena Vogel: minimi 2.0 hat zwei Teile. Erstens ein Memory MCP, das den persönlichen Kontext speichert, mit dem die KI arbeitet. Zweitens eine KI-Katze namens Melody.

Felix Hartmann: Was macht die Katze? Sie findet offene Loops automatisch. Also Sachen, die man angefangen hat und nicht abgeschlossen hat. Und sie versucht, die automatisch zu lösen.

Lena Vogel: Und der entscheidende Unterschied: Die Daten bleiben auf dem Gerät. Nichts geht in die Cloud.

Felix Hartmann: Wenn wir die beiden gegenüberstellen: Maximem Synap sagt, Gedächtnis ist ein Infrastrukturproblem, lös es zentral, schnell, mit hoher Abdeckung. minimi sagt, Gedächtnis ist ein privates Ding, lös es lokal.

Lena Vogel: Und beide haben dieselbe offene Frage in unterschiedlicher Form. Bei Maximem: Was kostet das im Langzeitbetrieb, und wie ist der Datenschutz, wenn persönliche Kontexte in einer Cloud-Lösung landen? Bei minimi: Wie viel Kontext kann man sinnvoll lokal halten, bevor es an Grenzen stößt?

Felix Hartmann: Und warum ist das Thema überhaupt so wichtig? Weil die Qualität eines Agenten fast komplett davon abhängt, welchen Kontext er hat. Ein Agent ohne Gedächtnis ist jedes Mal ein Fremder.

Lena Vogel: Genau. Und Gedächtnis allein reicht noch nicht. Wenn Agenten in echten Organisationen arbeiten, brauchen sie auch Regeln und Wahrheiten, an die sie sich halten. Das ist unser nächstes Thema.

Felix Hartmann: Drei Produkte, die das zeigen. Das erste heißt NOAN, und es macht etwas, was erst mal überraschend banal klingt: Es versioniert die firmeninternen, freigegebenen Fakten.

Lena Vogel: Also die Dinge, über die in der Firma Einigkeit herrscht. Was ist unser Preis? Was ist unsere Richtlinie? Was hat der Kunde zugesagt?

Felix Hartmann: Und NOAN stellt diese Facts per API und über MCP bereit. Der Punkt ist: Alle Agenten und alle Anwendungen im Unternehmen sollen auf dieselbe Version der Wahrheit zugreifen.

Lena Vogel: Das löst ein sehr reales Problem. Wenn fünf Agenten auf fünf verschiedene, veraltete oder widersprüchliche Dokumente zugreifen, antworten sie fünfmal anders. Mit einem versionierten Fact Layer ist das konsistent.

Felix Hartmann: Und NOAN ist auch in Slack integriert, über ein Feature namens Verity. Das heißt, die Wahrheit ist da präsent, wo die Mitarbeiter sowieso arbeiten.

Lena Vogel: Das zweite Produkt geht einen Schritt weiter: Opencontroller von lyzr ist eine Governace-Ebene, also eine Kontrollebene für Agenten.

Felix Hartmann: Konkret: Es entdeckt Agenten, die im Unternehmen laufen, egal ob in der Cloud, in Kubernetes oder in SaaS-Diensten. Und dann kann man Richtlinien definieren, die Anfragen auf dem Weg zum Agenten blockieren.

Lena Vogel: Das ist die klassische Governace-Idee: Nicht nachträglich prüfen, was der Agent getan hat, sondern im Pfad selbst eingreifen, bevor etwas passiert. Und die deployment-Möglichkeit liegt im eigenen Cluster, also unter eigener Kontrolle.

Felix Hartmann: Das dritte Produkt ist das radikalste: Autonomous Product Delivery. Hier wird der komplette Loop automatisiert: Discover, plan, build, verify, und am Ende ein Pull Request.

Lena Vogel: Auf einem echten Codebase. Das System recherchiert zum Beispiel Analytics, plant, baut, verifiziert, macht einen PR, und lernt mit jedem Merge.

Felix Hartmann: Wenn man diese drei nebeneinander legt, sieht man eine Entwicklung: Von einzelnen Agenten, die eine Aufgabe erledigen, hin zu einer kontrollierten Systemlandschaft. NOAN gibt den Agenten eine gemeinsame Wahrheit. Opencontroller gibt ihnen Grenzen. Und Autonomous Product Delivery zeigt, wie weit die Autonomie überhaupt gehen kann.

Lena Vogel: Die offene Frage ist aber dieselbe geblieben: Wie praxistauglich ist das ohne Mensch im Loop? Ein automatisierter Loop bis zum PR klingt toll, aber wer reviewed den PR wirklich? Und verpasst man dabei nicht Dinge, die ein Mensch gesehen hätte?

Felix Hartmann: Das ist ehrlich gesagt der Punkt, an dem ich am meisten Skepsis habe. Die anderen beiden, NOAN und Opencontroller, bauen Kontrolle ein. Das dritte lässt sie teilweise weg.

Lena Vogel: Und es geht noch weiter: Agenten werden nicht nur im Coding-Kontext aktiviert, sondern auch in anderen Kanälen. Telefon, Chat, Messaging.

Felix Hartmann: Was uns zum Thema Sprache bringt. Google hat Gemini 3.8 Flash und Flash-Lite um Text-to-Speech erweitert.

Lena Vogel: Die Zahlen sind ambitioniert: Über 2000 produktionsreife Stimmen, 100 Sprachen, und man kann mit einem 30-Sekunden-Sample eine Stimme klonen.

Felix Hartmann: Was besonders interessant ist: Man kann Anweisungen pro Zeile geben, also schauspielerische Regie. Sag diese Zeile fröhlich, die nächste sarkastisch. Das ist mehr als nur Text vorlesen.

Lena Vogel: Und es gibt Unterstützung für lange Generierungen, was für Hörbücher oder lange Content-Formate relevant ist.

Felix Hartmann: Für wen ist das gedacht? Content-Produzenten, Localization-Teams, alle, die viel Audio brauchen und bisher teure Sprecher oder langwierige Studiosessions gebucht haben.

Lena Vogel: Was wir nicht wissen: der Preis und die echte Sprachqualität. 2000 Stimmen klingt viel, aber ob die gut klingen, ob die natürlich wirken, das können wir von der Ankündigung nicht beurteilen.

Felix Hartmann: Und gerade beim Stimmenklonen aus 30 Sekunden sind die ethischen und rechtlichen Fragen groß, auch wenn wir die hier nicht vertiefen. Hörprobe abwarten, dann urteilen.

Lena Vogel: Genau. Und damit kommen wir zum letzten großen Block, einer Reihe von Produkten für den Alltag und für kreative Arbeit. Da gibt es einiges, und wir gehen es zusammen durch.

Felix Hartmann: Fangen wir mit Lernen an. Scholé Learn Anywhere ist eine Erweiterung, die dich in echten Tools durch echte Projekte führt.

Lena Vogel: Es erkennt den Bildschirm, gibt visuelle Hinweise, und was du lernst wird in einen Knowledge Graph übertragen. Also nicht Tutorial-Video gucken, sondern im echten Werkzeug arbeiten, während dich die Extension begleitet.

Felix Hartmann: Und Scholé war auf Platz 1 bei Product Hunt. Das ist ein Hinweis auf Aufmerksamkeit, aber natürlich kein Beweis für Qualität.

Lena Vogel: Was mir gefällt: Das ist die Antwort auf ein echtes Problem. Tutorials sind abstrakt, man vergisst sie. Lernen im echten Kontext, mit der echten Aufgabe vor sich, ist nachhaltiger.

Felix Hartmann: Dann wechseln wir zu Kindern und Kreativität. Storytailor nimmt die Ideen und Zeichnungen von Kindern und macht daraus illustrierte Bilderbücher.

Lena Vogel: Der schöne Teil: Charaktere können wieder auftauchen, also wenn das Kind eine Figur erschaffen hat, kann die in der nächsten Geschichte wieder da sein. Es gibt auch Wonder Words und Off-Screen-Aktivitäten, also Dinge, die man weg vom Bildschirm macht.

Felix Hartmann: Und für Pädagogen gibt es Lesson Plans. Die ersten zwei Folgen sind gratis.

Lena Vogel: Das ist ein nettes Modell zum Ausprobieren. Und es ist ein anderes Beispiel für personalisierte KI: Nicht ein Standardprodukt, sondern etwas, das aus den eigenen Ideen des Kindes entsteht.

Felix Hartmann: Dann etwas für Entwickler und Nicht-Entwickler: Floot MCP. Damit kann man aus Claude oder ChatGPT heraus Fullstack-Apps bauen und veröffentlichen.

Lena Vogel: Datenbank, Login, Hosting sind eingebaut. Und die App läuft dann auf Web, iOS und Android aus demselben Projekt.

Felix Hartmann: Das ist interessant, weil es die Schwelle für App-Bau senkt. Man sitzt im Chat mit seinem KI-Assistenten und am Ende steht eine laufende App, nicht nur Code-Snippets.

Lena Vogel: Was offen ist: Wie stabil und wartbar sind solche Apps im Langzeitbetrieb? Das ist immer die Frage bei diesem Ansatz.

Felix Hartmann: Dann etwas für Content-Leute: Hookest. Es sammelt die ersten Sekunden von viralen Videos auf TikTok, Reels und Shorts, also die Hooks.

Lena Vogel: Mit Performance-Daten dazu. Man kann suchen und speichern, es gibt Benachrichtigungen zu Wettbewerbern, und über MCP kann man es mit Claude, ChatGPT oder Gemini verbinden.

Felix Hartmann: Der Gedanke ist gut: Statt selbst hunderte Videos zu schauen, um zu verstehen, was funktioniert, kann man gezielt Hooks recherchieren, die nachweislich performt haben.

Lena Vogel: Was man dabei im Hinterkopf behalten sollte: Was für andere funktioniert hat, funktioniert für einen nicht automatisch. Aber es ist ein besserer Startpunkt als raten.

Felix Hartmann: Und dann zwei Alltags-Apps zum Abschluss. Die erste: ChoreDivider, eine iPhone-App für Haushaltsaufgaben.

Lena Vogel: Das Prinzip: Jeder bewertet privat, wie belastend er eine Aufgabe findet, auf einer Skala von 1 bis 10. Erst wenn alle bewertet haben, werden die Bewertungen öffentlich. Dann verteilt die App die Aufgaben über 14 Tage so, dass es ausgeglichen ist. Und sie zeigt die Begründung.

Felix Hartmann: Bis zu 4 Personen, gratis. Was ich gut finde: Die privaten Bewertungen zuerst verhindern, dass man sich anpasst oder streitet. Man sagt ehrlich, was man findet, ohne dass die anderen es direkt sehen.

Lena Vogel: Und die letzte App ist eine Beta: Subscrr. Da kann man seine Geldplanung in natürlicher Sprache machen, monatsweise.

Felix Hartmann: Und die KI findet doppelte oder teure Abos und zeigt an, wie viel man bei jedem Item sparen könnte. Wichtig: Die Kündigung macht man selbst, die App kündigt nicht in deinem Namen.

Lena Vogel: Das ist eine bewusste Design-Entscheidung, die ich gut finde. Die App gibt dir Einsicht, aber die Kontrolle bleibt bei dir.

Felix Hartmann: Wenn wir auf diesen letzten Block zurückschauen, ist das gemeinsame Motiv: KI wird persönlicher und alltäglicher. Es geht nicht mehr nur um Developer-Tools, sondern um Kinderbücher, Hausarbeiten, Finanzen, Lernen.

Lena Vogel: Und die offenen Fragen bleiben bei allen dieselben Art: Wie sicher sind die Daten, und wirkt das im echten Leben wirklich so gut wie in der Beschreibung?

Felix Hartmann: Das ist die ehrliche Antwort auf fast alles, was wir heute gesehen haben. Die Beschreibungen sind stark, die Praxis muss sich zeigen.

Lena Vogel: Genau. Das war's von uns für heute. Danke, dass du dabei warst.

Felix Hartmann: Bis zum nächsten Mal, hier ist Felix Hartmann, und von mir auch danke, Lena. Tschüss!