1008 | Neue KI-Tools, native Apps und Agenten im Alltag

Lena Vogel: Hallo und herzlich willkommen zur neuen Ausgabe! Ich bin Lena Vogel.

Felix Hartmann: Und ich Felix Hartmann. Und heute schauen wir uns eine ganze Welle neuer Produkte und Modell-Updates an, die ziemlich gut zusammenpassen: Es geht um große KI-Modelle, Agenten, die in Teams und sogar beim Einkaufen und Verhandeln mitmischen, und um eine Richtung, die sich fast wie eine Gegenbewegung liest, nämlich native, datenschutzfreundliche Apps aus Europa.

Lena Vogel: Genau, und dazu dann noch alles rund um Sichtbarkeit in der KI-Suche, Robotik, Video-Automatisierung und ein paar Tools für den Alltag. Fangen wir mit dem an, was vermutlich die meisten Schlagzeilen machen wird: Mistral Large 4.

Felix Hartmann: Ja, Mistral hat da einiges angekündigt. Das Herzstück ist ein Mixture-of-Experts-Modell mit einer Billion Parametern insgesamt, aber nur 49 Milliarden davon sind pro Anfrage aktiv. Das ist der klassische MoE-Trick: Man hat eine riesige Wissensbasis, aber pro Durchlauf wird nur ein Teil gerechnet, was es schneller und günstiger macht als ein dichtes Modell dieser Größe.

Lena Vogel: Und das Kontextfenster ist riesig: eine Million Tokens. Das bedeutet, man kann extrem lange Dokumente, ganze Codebasen oder riesige Gesprächshistorien reinwerfen, ohne sie zurechtschneiden zu müssen. Die Positionierung ist auch bemerkenswert: Mistral nennt es das stärkste Open-Weight-Modell aus Europa und den USA.

Felix Hartmann: Das ist ein wichtiger Punkt. Open-Weight heißt: Die Gewichte des Modells werden veröffentlicht, man kann es also selbst herunterladen und auf eigener Hardware laufen lassen. Das drückt den Markt, weil die Alternative dann eben nicht mehr nur die geschlossenen APIs der großen Anbieter sind. Die Gewichte sollen Ende Oktober kommen.

Lena Vogel: Was offen bleibt, und das ist die entscheidende Frage: Wie genau werden die Gewichte lizenziert? Open-Weight kann vieles bedeuten, von sehr frei bis mit erheblichen Einschränkungen für kommerzielle Nutzung. Bis die Lizenzbedingungen da sind, weiß man nicht, was man damit wirklich alles anfangen darf. Das ist noch nicht raus.

Felix Hartmann: Und während Mistral die Text- und Reasoning-Seite drückt, hat Google im Bildbereich nachgelegt. Nano Banana 2.1 ist das neueste Bildmodell von Google, und die Neuerungen sind sehr praktisch orientiert: Es gibt Mask-Editing, also man markiert einen Bereich im Bild und bearbeitet gezielt nur diesen, statt das ganze Bild neu zu generieren.

Lena Vogel: Dazu eine bessere Konsistenz über die Bearbeitungen hinweg. Das ist das Ding, das bei KI-Bildbearbeitung oft frustriert: Man will ein Detail ändern, und der Rest vom Bild verschiebt sich oder sieht plötzlich anders aus. Wenn die Konsistenz besser ist, wird das Werkzeug wirklich brauchbar für Serienarbeit.

Felix Hartmann: Die Auflösung geht von 1K bis 4K, und es gibt Search Grounding. Das Modell kann also auf Suchinformationen zugreifen, was etwa bei generierten Grafiken mit aktuellen oder faktenbasierten Inhalten relevant wird. Für Creator ist das ein sehr direktes Werkzeug, und wir kommen später noch mal auf die Creator-Seite zurück, weil es da noch einen anderen Anwendungsfall gibt.

Lena Vogel: Bleiben wir aber erst mal bei der Agenten-Ebene, denn da tut sich gerade etwas Grundsätzliches. Mehrere Produkte zeigen dasselbe Muster: Agenten rücken mitten ins Team, aber die Menschen behalten die Kontrolle. Das erste ist Velozity, ein Multiplayer-AI-Office.

Felix Hartmann: Die Idee: Das Team arbeitet in einem gemeinsamen Raum, und die Agenten teilen sich denselben Team-Kontext. Sie wissen also, woran das Team arbeitet, welche Entscheidungen es gibt. Und wichtig: Es ist Bring-your-own-AI, man bringt also seine eigene KI mit, das ist nicht an einen festen Anbieter gebunden. Und die Freigabe läuft immer über Menschen, nichts läuft einfach durch.

Lena Vogel: Das Gegenstück dazu ist Databench, und das ist Open Source unter Apache 2.0. Es ist ebenfalls ein Multiplayer-Workspace, aber mit einem anderen Ansatz: Es gibt reaktive Notebooks, die Agenten sitzen also buchstäblich neben dem Team und arbeiten in Notebooks, die auf Veränderungen reagieren. Und das Versprechen ist Nachvollziehbarkeit: Die Ergebnisse kann man nachprüfen, weil alles im Workspace sichtbar ist.

Felix Hartmann: Wenn man die beiden nebeneinander legt, ist der Unterschied interessant. Velozity ist eher das Office-Produkt mit geteiltem Kontext, Databench ist die offene, technische Variante, wo man genau sehen kann, was ein Agent getan hat. Beide lösen aber dasselbe Vertrauensproblem auf unterschiedliche Weise.

Lena Vogel: Und dann gibt es noch eine dritte Variante, die das Muster sehr konkret macht: der Figma Agent. Der arbeitet direkt mit echten Komponenten und echten Dateien auf dem Canvas. Das heißt, er greift nicht auf eine Kopie oder eine Beschreibung des Designs zu, sondern auf die Originale, die das Team benutzt.

Felix Hartmann: Und er kann Bulk-Edits, also viele Stellen auf einmal ändern, und man kann ihm Fähigkeiten geben über einen Schrägstrich-Befehl, Skills per Slash. Das ist ein bisschen wie ein Plugin-Mechanismus direkt im Arbeitsmittel. Und auch hier gilt dasselbe Prinzip: Der Agent arbeitet im Werkzeug des Teams, nicht in einer abgeschotteten Umgebung.

Lena Vogel: Das Querverbindende an all diesen drei: Der Agent wird vom externen Assistenten zum Teammitglied, das denselben Kontext hat wie alle anderen. Und gleichzeitig baut jeder der Anbieter explizit die Freigabe-Hürde ein. Das ist keine Zufall, das ist die Lehre aus den ersten Runden mit Agenten: Ohne menschliche Kontrolle am Ende geht es nicht.

Felix Hartmann: Und es gibt sogar einen kleinen nativen Vertreter dieses Prinzips: Thalia, eine kostenlose Mac-App in SwiftUI für Metas Muse Code CLI. Und da ist das Kontrollprinzip geradezu erzwungen: Planmodus ist Pflicht, Befehle müssen freigegeben werden, es gibt Snapshot-Review und Checkpoints, und null Telemetrie. Man kann sagen: Die App ist so gebaut, dass man den Agenten erst kontrollieren muss, bevor er etwas tut.

Lena Vogel: Das führt uns schön zum nächsten Thema, denn Thalia ist ja auch ein Beispiel für etwas anderes: die ganze Welle an nativen Apps für Apple-Plattformen und für Entwickler. Das erste ist Redlamp, und das ist ein richtig interessantes Stück Software.

Felix Hartmann: Redlamp ist ein nativer Open-Source-RAW-Editor für Apple Silicon. Also ein Bildbearbeiter für RAW-Fotos, gebaut in Swift und Metal, was bedeutet, dass er die Grafikhardware direkt nutzt und nicht als Electron-App oder Webansicht daher kommt. Der Workflow ist an Lightroom angelehnt, also die klassische Struktur: Bilder importieren, entwickeln, anpassen.

Lena Vogel: Und es ist kostenlos und unter MPL-2.0 lizenziert. Wenn man das als Einordnung nimmt: RAW-Bearbeitung ist seit Jahren von großen kommerziellen Anbietern dominiert, und ein nativer Open-Source-Editor, der das auf Apple Silicon ernsthaft macht, ist eine echte Alternative. Und native heißt hier konkret: schneller, weniger Speicher, flüssiger auf Macs.

Felix Hartmann: Der Fokus auf Apple Silicon ist auch keine Nebensache. Swift und Metal bedeuten, dass die App die NPU und GPU des Chips wirklich ausreizen kann. Das ist ein anderes Leistungsniveau als ein portierter Editor.

Lena Vogel: Was bei Redlamp offen bleibt: Wie weit die Funktionalität im Vergleich zu etablierten RAW-Editoren wirklich reicht. Der Workflow ist Lightroom-ähnlich, aber ob alle Features da sind, die Profis brauchen, ist aus der Beschreibung nicht klar. Das ist die typische Frage bei jedem neuen Editor.

Felix Hartmann: Und dazu passend noch zwei weitere native Tools, die wir schon angerissen haben. Kitbar ist eine Statusleiste für Mac und Windows, die Dev-Dienste zusammenfasst: Vercel, Cloudflare, GitHub, GitLab, Stripe, Polar, Claude Code, Codex. Man sieht also den Status seiner Dienste direkt in der Menüleiste, ohne Account nötig, und zahlt einmalig statt Abo.

Lena Vogel: Das Pay-once-Modell ist da übrigens auch bemerkenswert, weil fast alles in diesem Bereich inzwischen Abo ist. Und dann Cinch, ein nativer Reminders-Client für iOS, macOS, watchOS und visionOS. Null Telemetrie, iCloud-only, also die Daten bleiben in der iCloud des Nutzers. Und was ihn besonders macht: Es gibt ein CLI, also eine Kommandozeilen-Schnittstelle, damit LLM-Agents auf die Erinnerungen zugreifen können.

Felix Hartmann: Das ist ein schönes Detail, weil es zwei Weltanschauungen vereint: maximale Privatheit bei den Daten, aber trotzdem offen für Agenten. Man gibt dem Agenten eine Schnittstelle, aber die Daten bleiben beim Nutzer.

Lena Vogel: Und das überleitet perfekt zum nächsten Thema, denn Datenschutz und Europa sind ja genau die Richtung, in die mehrere dieser Produkte gehen. Fangen wir mit Rool an.

Felix Hartmann: Rool ist eine private KI-Maschine, die in der EU betrieben wird, konkret in Finnland. Mit eigenen Modellen. Und das Versprechen: Es wird keine Datennutzung zum Training betrieben, was man eingeben wird also nicht zum Trainieren der Modelle verwendet. Es gibt einen Free-Tier zum Ausprobieren.

Lena Vogel: Das ist genau die Antwort auf eine Frage, die viele Unternehmen haben: Wie kann ich KI nutzen, ohne meine Daten irgendwohin zu geben, wo ich keine Kontrolle habe? Rool sagt: Die Maschine steht in Europa, die Modelle sind eigene, und dein Input wird nicht trainiert.

Felix Hartmann: Und es gibt noch eine zweite Reihe von Produkten in derselben Richtung. Vresk ist zum Beispiel ein Workspace für offene Modelle, und auch da: Chats trainieren keine Modelle. Vresk wählt automatisch das richtige Modell pro Aufgabe aus, das ist eine echte Funktion, die es unterscheidet, man muss nicht selbst das Modell wählen. Kostenpunkt: 20 Dollar pro Monat.

Lena Vogel: Und dann Knuff, was ein anderes Segment anspricht: eine Familien-Check-in-App mit einem Bubble-Modell. Man stelle sich eine kleine geschlossene Gruppe vor, die Familie, die einen Check-in macht, also bestätigt, dass es einem gut geht. Und der zentrale Punkt: Die Daten liegen komplett in Deutschland, keine US-Cloud.

Felix Hartmann: Genau. Für Familien mit Sensibilität bei Datenstandorten ist das ein echtes Verkaufsargument. Und Temp Mail rundet das Bild ab, das ist ein Gratis-Dienst für Wegwerf-E-Mails ohne Anmeldung, und neu gibt es private Forwarding-Aliases auf Android, also Aliase, die auf die echte Adresse weiterleiten, ohne die preiszugeben. Dazu das Kopieren von OTP-Codes, eigene Domains und Unterstützung für 29 Sprachen.

Lena Vogel: Das gemeinsame Muster in dieser ganzen Gruppe ist klar: Europe als Datenschutz-Anker, technische Mittel wie eigene Modelle oder Cloud-only oder US-Freiheit, und dann dieses Muster in verschiedensten Kategorien: KI-Maschinen, Workspaces, Familien-Apps, E-Mail. Es ist keine Nische mehr, es ist ein eigener Markt.

Felix Hartmann: Und während wir gerade bei diesen Fragen sind, die Nutzer direkt betreffen, gibt es einen Bereich, wo Agenten sogar für einen selbst verhandeln. Das ist unser nächstes Thema: KI im Verkauf und Einkauf.

Lena Vogel: Das erste ist Ana von Vertice, ein KI-Verhandlungsagent für Softwarekäufe. Also wenn ein Unternehmen Software einkauft, verhandelt Ana für den Käufer. Und die Trainingsbasis ist konkret angegeben: 75 Milliarden Dollar Spend, 32.000 Vendor, also Anbieter, und über zwei Millionen Preispunkte.

Felix Hartmann: Das Ergebnis, das Vertice angibt, ist eine durchschnittliche Ersparnis von 18 Prozent. Und wichtig für das Vertrauen: E-Mails gehen nur nach Freigabe raus. Der Agent bereitet also vor, schlägt vor, aber der Mensch schaut drüber, bevor etwas abgesendet wird. Das gleiche Kontrollprinzip, das wir bei Velozity und Figma gesehen haben.

Lena Vogel: Der Unterschied ist aber, dass hier ein echter finanzieller Stake dranhängt: 18 Prozent Ersparnis auf Software-Spend ist real Geld. Und die Kombination aus Trainingsdaten und Freigabe-Punkt macht das glaubwürdig, auch wenn man sagen muss, das sind Herstellerangaben, die man als solche lesen sollte.

Felix Hartmann: Genau, das ist ein Claim, kein verifiziertes Ergebnis. Aber die Logik dahinter ist nachvollziehbar: Software-Preise sind verhandelbar, und ein Agent, der Millionen Preispunkte kennt, kann die Verhandlung anders führen als ein Mensch, der das zweimal im Jahr macht.

Lena Vogel: Auf der anderen Seite der Transaktion steht Supademo mit dem AI Demo Agent. Da interagiert der Käufer rund um die Uhr mit einem Agenten, der die Demo sprechen kann. Und das Preismodell ist sehr konkret: 99 Cent pro 15-Minuten-Session.

Felix Hartmann: Das ist interessant, weil es die Verkäuferseite automatisiert. Statt dass ein Vertriebler live die Demo zeigt, gibt es einen Agenten, der das jederzeit kann, auch nachts oder am Wochenende. Und die Session-basierte Preisgestaltung ist im Vergleich zu festen Lizenzen eine ganz andere Philosophie: Man zahlt nur, wenn ein Käufer wirklich drin war.

Lena Vogel: Wenn man die beiden nebeneinander hält: Ana ist der Agent auf der Einkaufsseite, der Verhandlungsdruck nach unten drückt, und Supademo ist der Agent auf der Verkaufsseite, der Verfügbarkeit nach oben drückt. Beide Seiten automatisieren dieselbe Transaktion, nur von gegenüber. Das ist fast schon ein Muster: die ganze Wertschöpfungskette wird symmetrisch agentifiziert.

Felix Hartmann: Das führt uns zum nächsten Thema, und das ist eigentlich eine Fortsetzung desselben Gedankens, nur auf einer anderen Ebene: Wenn die Kaufentscheidung von Agenten beeinflusst wird, dann wird die Frage, ob die Agenten dich überhaupt erwähnen, zur Existenzfrage. Wir nennen das mal Sichtbarkeit im KI-Zeitalter.

Lena Vogel: Das erste Produkt dazu heißt Proofsource, und es misst täglich KI-Erwähnungen auf vier Engines. Also es fragt regelrecht ab, ob und wie ein Produkt in den Antworten der KI-Systeme auftaucht. Und dann geht es einen Schritt weiter: Es lässt Agenten Fixes veröffentlichen und prüfen.

Felix Hartmann: Das ist bemerkenswert, weil es die SEO-Maschinerie der letzten zwanzig Jahre quasi neu erfindet, nur für die KI-Antworten. Statt Suchmaschinenoptimierung heißt es jetzt: Welche Antworten geben die Engines über mein Produkt, und wie kriege ich die korrigiert, wenn sie falsch oder absent sind.

Lena Vogel: Und GenPage 3.0 geht in eine ähnliche Richtung, nur auf der Anzeigenseite. Es generiert KI-Landingpages für jede Anzeige, jedes Keyword, jeden Account, und testet sie automatisch von A bis Z. Also nicht mehr eine Landingpage für alle, sondern eine pro Variante, generiert und getestet.

Felix Hartmann: Das ist die extreme Konsequenz aus dem, was Personalisierung immer war. Wenn man pro Keyword eine eigene Seite generieren und testen kann, ist der Aufwand für individuellen Content praktisch null geworden.

Lena Vogel: Und dann gibt es noch Plugins Radar, das einen anderen Aspekt beleuchtet: Es trackt das ChatGPT-Plugin-Verzeichnis, das sind über 5000 Plugins, und hat 192 Suchen gemacht. Und die Beobachtung ist ziemlich aufschlussreich: Drei Viertel der Top-10-Ergebnisse haben den Suchbegriff im Namen oder in der Tagline stehen.

Felix Hartmann: Das ist im Grunde der alte SEO-Trick, Keyword im Titel, nur eben im Plugin-Verzeichnis. Und Plugins Radar macht daraus Alerts, wenn ein Rivale auftaucht. Das zeigt: Auch in KI-Verzeichnissen lohnt es sich, die eigene Auffindbarkeit aktiv zu managen.

Lena Vogel: Was man bei all diesen drei Produkten fairerweise sagen sollte: Sie bieten Werkzeuge an, die auf einem ziemlich neuen Markt arbeiten, und die Standards, wie man Erfolg dort misst, sind noch nicht so etabliert wie bei klassischer Suchmaschinenoptimierung. Das ist ein Bereich, wo man abwarten sollte, wie sich die Messgrößen entwickeln.

Felix Hartmann: Auch da gab es noch ein viertes Produkt in dem Umfeld, Ownfeed, das wir gleich noch genauer bei den Creator-Tools behandeln, weil es da gut reinpasst. Aber zuerst machen wir einen Schnitt in eine ganz andere Richtung: Robotik und Video-Automatisierung.

Lena Vogel: Das erste ist Pegasus 1.6, und das löst ein sehr konkretes Problem bei Robotern: Man braucht Trainingsdaten, und die sind normalerweise teuer, weil jemand jedes Video manuell labeln muss. Pegasus nimmt Egocentric-Video, also Aufnahmen aus der Ich-Perspektive, entweder Ego- oder Teleop-Aufnahmen, und macht daraus gelabelte, getimestampete Robot-Trainingsdaten ohne manuelles Labeling.

Felix Hartmann: Das ist ein großer Hebel, wenn man es sich vorstellt. Robotik-Training lebt von Daten, und wenn der Flaschenhals manuelles Labeln ist und der wegfällt, dann kann man viel mehr Daten nutzbar machen. Getimestampet heißt auch, dass die Zeitachse mitgeliefert wird, was für Aktionssequenzen bei Robotern wichtig ist.

Lena Vogel: Und auf der anderen Seite steht Manus 2.0 Video Editor, der ebenfalls eine ganze Produktionskette übernimmt. Die KI erstellt komplette Videos, inklusive Recherche, Shots, Musik und sogar Code-Grafiken, also animierte Programmier-Darstellungen.

Felix Hartmann: Und der entscheidende Satz dabei: Der Editor gibt den Endschnitt an den Nutzer zurück. Die KI liefert also das Rohprodukt, den kompletten Entwurf, aber die finale Entscheidung über den Schnitt behält der Mensch. Genau wie bei Ana mit den E-Mails oder bei Figma mit den Komponenten: Der Agent liefert, der Mensch gibt frei.

Lena Vogel: Das gemeinsame Muster bei Pegasus und Manus ist fast dasselbe: KI übernimmt ganze Ketten, die vorher aus vielen Handgriffen bestanden haben, aber der letzte Schritt, die Endkontrolle, bleibt beim Menschen. Das ist wohl kein Zufall, sondern die signaturartige Designentscheidung dieser Generation von Produkten.

Felix Hartmann: Und da wir gerade bei Alltag und Menschen sind, machen wir weiter mit einem Thema, das noch näher am echten Leben spielt: Messenger und Alltag, inklusive Pflege.

Lena Vogel: Das erste ist Wabi, und das ist ein ziemlich radikaler Ansatz: ein Messenger, der Gruppenaufgaben wie Reisen und Rechnungen selbst erledigt. Man plant also nicht nur in der Gruppe, sondern der Messenger macht es. Die Selbstbeschreibung ist ambitioniert: OS für das agentic-Zeitalter, also ein Betriebssystem für das Zeitalter der Agenten.

Felix Hartmann: Das ist eigentlich ein Gedanke, der viel weiter reicht als nur ein Messenger. Wenn Agenten Aufgaben übernehmen, dann braucht man nicht mehr eine Reihe von Apps, sondern eine Stelle, wo die Agenten organisiert werden. Wabi setzt an genau dieser Stelle an.

Lena Vogel: Und ParakeetAI 2.0 ist ein anderes alltägliches Problem: Bewerbungsgespräche. Es hat eine Question Bank aus echten Interviews, also echte Fragen, die in echten Gesprächen vorkamen, und bietet KI-Mock-Interviews an, also Übungsinterviews. Und dann die eigentliche Funktion: Live-Antworten im echten Gespräch, also in Echtzeit Vorschläge, während man interviewt wird.

Felix Hartmann: Das ist ein sehr direktes Werkzeug, und die Question Bank aus echten Interviews ist der Teil, der es über einen generischen Chatbot hinaus hebt. Man übt nicht mit erfundenen Fragen, sondern mit Fragen, die tatsächlich gestellt wurden.

Lena Vogel: Und dann Rhem, und das ist vielleicht das bewegendste Produkt aus der ganzen Liste: ein Tischroboter für Senioren. Er misst Vitalwerte, erkennt Gesprächsmuster, macht Erinnerungen, und dazu gibt es KI-Agents, die Termine buchen oder sogar anrufen können.

Felix Hartmann: Das ist Agenten-Technik in einem Bereich, wo sie eine echte Funktion hat: bei älteren Menschen, die Unterstützung brauchen. Vitalwerte und Gesprächsmuster sind eine Form von passiver Beobachtung, und die Agenten übernehmen konkrete Aufgaben wie Anrufe oder Terminbuchungen, die für Senioren oft eine Hürde sind.

Lena Vogel: Was man dabei im Kopf behalten sollte: Ein Roboter, der Vitalwerte misst, wirft auch Fragen auf, wie die Daten behandelt werden, wer Zugriff hat, was mit Gesprächsmustern passiert. Das ist der Teil, der in dem Bereich immer kritisch beleuchtet werden muss, gerade in der Pflege.

Felix Hartmann: Und das führt uns zu den letzten beiden Produkten, die eher für Creator und Growth gedacht sind, aber beide das gleiche Grundproblem lösen: Wie kriege ich die richtigen Leute auf mein Produkt aufmerksam, ohne mich in Lärm zu verlieren.

Lena Vogel: Das erste ist Ownfeed, und die Idee ist sehr einfach: Man fügt eine URL ein, und der Feed zeigt nur Posts von Leuten, die dein Produkt brauchen. Also ein gefilterter Feed, der nur die relevante Zielgruppe einsammelt, statt einer allgemeinen Timeline.

Felix Hartmann: Und die Rahmenbedingungen sind bemerkenswert: Es gibt einen Testtag für einen Dollar, und es gibt keine Auto-Replies. Also keine automatisierten Antworten, was in diesem Bereich gerade das große Ärgernis ist, wo jedes Tool automatisch Kommentare schreibt.

Lena Vogel: Das bewusste Fehlen von Auto-Replies ist fast schon ein Statement. Die meisten Growth-Tools automatisieren den Kontakt aggressiv, Ownfeed sagt: Wir zeigen dir nur die Leute, den Kontakt machst du.

Felix Hartmann: Und dann IrisGo mit einer Funktion namens Watch & Learn. Man zeichnet eine Aufgabe einmal auf, und daraus wird ein wiederverwendbarer Workflow. Also einmal zeigen, danach kann man den Ablauf wiederholen lassen. Und die Daten bleiben lokal, was die Datenschutz-Linie fortsetzt, die wir schon bei mehreren Produkten gesehen haben.

Lena Vogel: Und Nano Banana 2.1 aus dem Anfang passt hier auch wieder rein: Für Creator, die schnell Material brauchen, ist Mask-Editing mit guter Konsistenz genau das Werkzeug für schnelle Kreation, ohne dass man in einem vollwertigen Editor stundenlang arbeitet.

Felix Hartmann: Wenn man noch mal auf den ganzen Tag zurückschaut, dann sind es eigentlich zwei Kräfte, die gleichzeitig wirken. Auf der einen Seite: Agenten werden überall zur Normalität, in Teams, beim Verhandeln, beim Verkaufen, im Messenger, sogar beim Pflegeroboter. Auf der anderen Seite: Menschen behalten überall die Freigabe, und ein eigener Markt für Datenschutz und Europa-Hosting wächst dagegen.

Lena Vogel: Genau das ist der Kern. Es ist nicht Agenten gegen Menschen, sondern Agenten mit Menschen, aber mit einer deutlich sichtbaren Kontrollebene. Und die Frage, die für die nächsten Monate offen bleibt: Wie werden die Gewichte von Mistral Large 4 lizenziert, und wie entwickeln sich die Messgrößen für Sichtbarkeit in KI-Suchen, wenn das ganze Feld noch so neu ist.

Felix Hartmann: Das war es von uns heute. Danke fürs Zuhören, und wir sehen uns beim nächsten Mal!

Lena Vogel: Tschüss und bis bald!