0807 | CopilotKit Channels SDK, Shieldstral, Superlog Responder und Rippling AI Spend Console

Lena Vogel: Hallo und herzlich willkommen zu Product Hunt täglich, dem Podcast von Bri. Ich bin Lena Vogel.

Felix Hartmann: Und ich bin Felix Hartmann. Schön, dass ihr wieder dabei seid – heute erwarten uns wieder viele spannende neue Produkte.

Lena Vogel: Genau, wir starten mit dem Launch-Tag von CopilotKit Channels SDK, einer quelloffenen, selbst hostbaren Erweiterung, die beliebige KI-Agenten verbinden kann.

Felix Hartmann: Außerdem schauen wir uns das offene Guardrail-Modell Shieldstral von Mistral an, einen KI-Bug-Fixer namens Superlog Responder, und Ripplings neue AI Spend Console. Dazu kommen noch ein paar feine Neuheiten rund um KI-Einkaufsagenten und Markendaten.

Lena Vogel: Der Launch-Tag gehört heute CopilotKit. Das Team hat das Channels SDK vorgestellt – eine quelloffene, selbst hostbare Erweiterung, die beliebige KI-Agenten in Slack, Microsoft Teams, Discord, WhatsApp und weitere Kanäle bringt. Und die Lösung adressiert genau das wiederkehrende Problem: Teams bauen gute Agenten, müssen aber bei einem Plattform- oder Framework-Wechsel komplett neu programmieren – obwohl die eigentliche Arbeit meist in den Messaging-Tools stattfindet.

Felix Hartmann: Das heißt: Statt einer Textwand sollen die Agenten direkt im Thread antworten – mit nativer UI wie Buttons, Formularen und Diagrammen. Technisch verbindet das SDK AG-UI-kompatible Agenten mit Plattformen wie Slack und Teams. Unterstützt werden laut README unter anderem LangGraph, CrewAI, Mastra, Pydantic AI und Googles ADK sowie CopilotKits eigener Agent.

Lena Vogel: Der Clou dabei: Der Agent behält seine Tools, sein Modell und seine Geschäftslogik. Das SDK übernimmt Streaming, Tool-Aufrufe, Dateien, interaktive UI und Pausen für Freigaben durch Menschen – kurz HITL. Einmal beschriebene Nachrichten werden jeweils als Blocks und Karten gerendert, also in der nativen Nachrichtenform von Slack beziehungsweise Teams. Die verwalteten Verbindungen für Slack und Teams laufen über CopilotKit Intelligence, weitere Kanäle sind angekündigt.

Felix Hartmann: Und der Einstieg ist ungewöhnlich direkt: Ein Coding-Agent bekommt einfach den Prompt, die Anleitung herunterzuladen und beim Aufbau des ersten Kanals zu helfen. Voraussetzung ist laut Dokumentation ein Browser- oder Computer-Use-Tool – der Agent klickt selbst, nur die Geheimnisse tippt der Nutzer. Alternativ installiert ein npx-Befehl den Slack-Skill direkt. Ein Community-Tester lobt ausdrücklich die Modell- und Provider-Agnostik – also, dass man nicht an einen Hersteller gebunden ist.

Lena Vogel: Weiter geht es mit einem neuen Sicherheitsmodell für KI: Shieldstral, ein offenes, drei Milliarden Parameter großes multimodales Guardrail-Modell von Mistral. Vorgestellt am vierten August. Der entscheidende Unterschied zu bisherigen Guardrails: Statt einer fest einprogrammierten Taxonomie von Schadenskategorien definieren Anwender die Sicherheitspolitik zur Laufzeit selbst – als Frage in natürlicher Sprache.

Felix Hartmann: Also zum Beispiel: Ist dieses Bild für Minderjährige sicher? Oder: Fördert diese Antwort körperliche Gewalt? Das Modell bewertet Text, Bilder oder beides zusammen und gibt aus einem einzigen Token eine kalibrierte Ja-oder-Nein-Wahrscheinlichkeit als kontinuierlichen Sicherheitswert aus. Laut Mistral vereint das eine Aufgabe mehrere bisher getrennte Funktionen: Prompt-Klassifikation, Antwort-Moderation, Refusal-Erkennung und Toxizitäts-Erkennung.

Lena Vogel: Der Kernpunkt ist die Anpassbarkeit: Bei herkömmlichen Guardrail-Modellen ist die Taxonomie fest in den Gewichten verankert – für neue Einsatzbereiche muss umtrainiert werden. Bei Shieldstral liegt die Politik vollständig im Prompt, ein Checkpoint passt sich also ohne Retraining an neue Politiken an.

Felix Hartmann: Jede Anfrage besteht aus drei Teilen: der Bewertungskontext mit Strenge, der Ja-oder-Nein-Frage und dem Dokument – also Prompt, Antwort, Paar oder Bild mit optionalem Text. Das Modell läuft lokal auf einer einzelnen 16-Gigabyte-GPU, die Gewichte sind unter einer offenen Lizenz veröffentlicht. Mistral gibt an, auf Text-Sicherheit, Refusal-Erkennung, Politik-Anpassung und multimodalen Benchmarks offene Guard-Modelle bis zur siebenfachen Größe zu erreichen oder zu übertreffen. Und die Veröffentlichung kam als Gründungsmitglied der Open Secure AI Alliance zusammen mit NVIDIA.

Lena Vogel: Dann zu einem Werkzeug, das Fehler quasi selbst beheben soll: Superlog Responder, vom Hersteller als freier und quelloffener AI-Bug-Fixing-Agent beschrieben. Er fügt sich per One-Click-Sync in den bestehenden Sentry- oder Datadog-Slack-Kanal ein – ohne dass neue Telemetrie installiert werden muss.

Felix Hartmann: Bei jedem Alert untersucht er angeblich eigenständig mit vollem Kontext nach, filtert Rauschen heraus und antwortet bei echten Problemen direkt im Thread – mit Root Cause, Belegen und einem mergebaren Pull Request. Als Datenquellen nennt der Hersteller Datadog, Sentry, Notion, das Repository und eine Read-only-Datenbank.

Lena Vogel: Interessant ist der Ansatz der Anpassbarkeit: Prompts, Memory, Repo-Zugriff und Eskalationsregeln sind vollständig konfigurierbar. Co-Founder Nicolò betont, man baue sich damit seinen eigenen Debugging-Agenten, statt einen gemieteten zu nutzen. Wer das Deployment nicht selbst übernehmen will, kann auf die Cloud-Option setzen – frühe Teams werden laut Hersteller diese Woche noch persönlich an Bord geholt.

Felix Hartmann: So weit die Herstellerperspektive. Die Community-Diskussion hält dazu ein paar zuversichtliche Stimmen und viele offene Fragen bereit, aber keine unabhängig belegten Ergebnisse. Ein Kommentator berichtet, er habe Responder seit einigen Tagen in der Beta genutzt und finde es großartig. Ein anderer gratuliert zu einer starken Merge-Rate von über neunzig Prozent beim Zusammenführen von Pull Requests – das bleibt aber eine Kommentar-Behauptung ohne Beleg im Material.

Lena Vogel: Mehrere Nutzer fragen nach der Zuverlässigkeit: Wie werden Prompts und Modelle getestet und iteriert? Was passiert bei verrauschten Triage-Alerts? Wie wird verhindert, dass der Agent technisch korrekte, aber architektur- oder standardwidrige Fixes vorschlägt? Und wie wird ausgeschlossen, dass er neue Bugs erzeugt? Dazu kommen Sicherheitsfragen, die im Material erwartungsgemäß noch offen bleiben.

Felix Hartmann: Und zum Abschluss ein Thema, das viele Teams praktisch täglich beschäftigt: KI-Ausgaben. Rippling hat mit der AI Spend Console ein neues Tool vorgestellt, das Finanz- und Engineering-Verantwortlichen helfen soll, KI-Ausgaben zu erfassen und mit Geschäftsergebnissen zu verknüpfen.

Lena Vogel: Konkret lassen sich Kosten etwa für Claude und Cursor nach Anbieter, Modell oder Mitarbeiter aufschlüsseln und mit GitHub-Output-Daten verbinden – etwa Pull-Request-Volumen und die Anzahl der Code-Revisionen. Das Tool ordnet die Ausgaben außerdem Mitarbeiterattributen wie Abteilung, Team und Rolle zu und erstellt darauf basierend personalisierte Dashboards. Nachfragen in natürlicher Sprache sollen Drill-downs ermöglichen, und Richtlinien zu Token-Ausgaben und Modellzugriff lassen sich laut Hersteller durchsetzen.

Felix Hartmann: Der Einstieg ist kostenlos, ein Rippling-Abonnement ist nicht nötig – das wird in den Kommentaren ausdrücklich als niedrige Hürde begrüßt. Der Ausgangspunkt ist nachvollziehbar: Finanzteams ziehen bisher manuell Daten aus Anbieter-Dashboards und fahren Ad-hoc-Analysen für einen punktuellen Überblick. In der Community wird vor allem der fehlende gemeinsame Bezugspunkt in Budgetgesprächen genannt – mehrere Kommentatoren sehen in der Verknüpfung von Ausgaben mit Pull-Request-Volumen das fehlende Puzzleteil für Gespräche mit dem CFO.

Lena Vogel: Geschätzt wird auch die Aufschlüsselung nach Modell statt nur Anbieter – ein Kommentator weist nämlich darauf hin, dass manche Modelle rund dreimal so viel kosteten, aber nur marginale Qualitätsverbesserung brächten. Offen bleiben aus der Diskussion allerdings zwei Punkte: Ob das Tool Ausgabentrends über die Zeit zeigt statt nur Momentaufnahmen – und die automatische GitHub-Synchronisierung, deren Details hier noch nicht abschließend geklärt sind. Und damit übergeben wir an den nächsten Teil.

Lena Vogel: Der nächste Launch auf Product Hunt heißt UCP Radar – ein Dienst, der Produktfeeds für KI-Einkaufsagenten aufbereiten soll. Der Entwickler bringt da einiges an Hintergrund mit: Nach eigener Angabe arbeitet er seit 18 Jahren im digitalen Marketing, vor allem mit Google Shopping. Und er beschreibt das Kernproblem ziemlich konkret: Google akzeptiert Feeds auch dann, wenn Titel eigentlich für Menschen geschrieben sind statt fürs Query-Matching – und genau die Felder leer bleiben, die für KI-Agenten wichtig wären, wie Material, Altersgruppe, Produkt-Highlights oder Q&A.

Felix Hartmann: Das leuchtet ein. Und wie soll UCP Radar da jetzt helfen?

Lena Vogel: Nach einer Ein-Klick-Anbindung an Google Merchant Center prüft das Tool jedes Produkt gegen mehr als 50 GMC-Regeln – das sind Googles Merchant-Center-Richtlinien – und über 35 Regeln des sogenannten Universal Commerce Protocol. Dazu kommt ein Check, ob KI-Agenten den Feed überhaupt lesen können. Titel und Beschreibungen werden umgeschrieben, leere Felder gefüllt, und am Ende steht ein ergänzender Feed für Google, Perplexity und ChatGPT.

Felix Hartmann: Preise und Lagerbestand bleiben dabei beim Händler, nehme ich an?

Lena Vogel: Genau, das betont der Anbieter. Und es gibt einen sogenannten Brand Protector, der verhindern soll, dass Markennamen oder Modellnummern umformuliert werden – frühe Versionen hätten genau das noch getan. Auf der Website nennt der Entwickler selbst Beispiele: 1.847 von 2.504 Produkten optimiert, eine GMC-Pass-Rate von 94 Prozent bei 2.847 gescannten Produkten. Allerdings tauchen dort auch typische Uplifts mit plus null Prozent auf, mit dem Hinweis, dass die tatsächlichen Ergebnisse je nach Katalog variieren.

Felix Hartmann: Und wie ist es mit dem Preis und der großen Versprechung in Richtung Sichtbarkeit?

Lena Vogel: Sieben Tage kostenlos, bis zu 50 Produkte, keine Kreditkarte nötig. Was offen bleibt: Ob die versprochene Sichtbarkeit in ChatGPT und Perplexity überhaupt unabhängig bestätigt ist. Als nächstes Signal fragt der Entwickler die Community direkt, ob diese Agenten die Produkte der Händler überhaupt finden. Das ist also noch sehr selbstreferenziell validiert.

Felix Hartmann: Weiter geht es mit Brandfetch MCP – ein Connector, der KI-Agenten echte Markendaten liefern soll, statt dass sie Logos selbst zeichnen, Hex-Codes erfinden oder eine Markenstimme aus der Luft greifen. Laut Launch-Beschreibung liefert das Tool Logos, Farben, Schriften, Unternehmensdaten und Markenkontext für über 50 Millionen Marken. Es funktioniert mit Claude, Cursor, VS Code und Codex und ist über den Claude-Connector oder jeden MCP-kompatiblen Client erreichbar.

Lena Vogel: Und was steckt konkret an Funktionen dahinter?

Felix Hartmann: Es sind fünf Tools beschrieben. Brand-Search löst einen Unternehmensnamen, eine Domain oder einen unscharfen Suchbegriff auf. Get-Brand liefert Logos, Farben, Schriften, Firmendetails und Social-Links. Get-Brand-Context geht tiefer und gibt Markenstimme, Positionierung, Zielgruppe und Produkte mit. Dazu kommen ein Tool, das rohe Transaktionsdeskriptoren Händlern zuordnet, und eines, das produktionsreife Logo-URLs von einem CDN erzeugt.

Lena Vogel: Da gibt es ein sehr greifbares Beispiel aus der Community-Diskussion, oder?

Felix Hartmann: Ja, ein Kommentar bestätigt genau das Kernproblem. Beim Bauen von Landingpages mit Claude seien tatsächlich Hex-Codes zurückgekommen, die nicht zur echten Markenpalette passten. Derselbe Kommentar stellt aber auch eine kritische Aktualitätsfrage: Erkennt Get-Brand-Context, wenn sich eine Markenidentität zwischenzeitlich geändert hat – etwa durch ein Rebranding im Jahresverlauf – oder gibt es immer nur den zuletzt indexierten Stand von Brandfetch wieder?

Lena Vogel: Das ist genau der Punkt, an dem solche Tools in der Praxis haken können.

Lena Vogel: Als Nächstes haben wir die Website-to-Markdown-API – vorgestellt von Johnny, dem Gründer des Teams dahinter. Die API verspricht, aus jeder URL sauberes Markdown zu machen. JavaScript-gerenderte Seiten werden automatisch verarbeitet, Navigation, Footer und Cookie-Banner entfernt, und ein CDN-gehosteter Screenshot ist inklusive. Eingebaut sind zudem Anti-Bot-Maßnahmen wie Proxy-Rotation, Browser-Fingerprinting und Retries.

Felix Hartmann: Klingt wie ein Ingenieurstool. Was kann man damit anfangen?

Lena Vogel: Derselbe Endpunkt verarbeitet laut Anbieter auch PDFs, DOCX, PPTX, EPUB, Bilder, Audio und Video – und mit einem Format-Parameter gibt es strukturierte Text-Chunks. Ein kostenloser Plan ohne Kreditkarte ist verfügbar. Die API gehört zur breiteren Exabase-Plattform, funktioniert aber eigenständig.

Felix Hartmann: Woher kommt dieser Leidensdruck überhaupt?

Lena Vogel: Johnny beschreibt ihn sehr bildhaft. Webseiten in sauberen Text zu verwandeln erforderte sonst Headless-Browser, das Abfangen leerer HTML-Seiten, Cleanup-Logik für Navigation und Banner sowie Retry-Logik gegen Scraper-Blocks. Sein Satz dazu: Es funktioniert für die ersten zehn Seiten und bricht an der elften. Das ist allerdings eine Herstellerangabe – unabhängig verifiziert ist das nicht.

Felix Hartmann: Und wie reagiert die Community darauf?

Lena Vogel: Drei Nutzer melden sich zu Wort. Ein Marketing-Anwender hält das Tool für super nützlich, gerade wegen der verschiedenen Formate, und will es testen. Ein anderer fragt, ob ein MCP-Server oder ein Hook für Claude und Codex geplant sei, um das bisherige Kommandozeilen-Tool zu ersetzen. Und ein dritter ist sich beim Anwendungsfall nicht sicher: Ist das nur eine elegantere Form von Scraping, oder gibt es weitere Möglichkeiten? Offen bleibt dabei auch, wie die bezahlten Preisstufen konkret aussehen – belegt ist vorerst nur der kostenlose Plan.

Felix Hartmann: Zum Schluss ein Blick auf Token Harbor – ein neuer Dienst, der den Zugang zu mehreren KI-Modellen über eine einzige, OpenAI-kompatible API bündeln will. Laut Anbieter sind darüber Modelle wie GPT, Claude, Gemini, DeepSeek, Kimi und Grok erreichbar. Entwickler sollen einmal konfigurieren, frei zwischen Modellen wechseln und nur die tatsächlich genutzte Leistung bezahlen.

Lena Vogel: Das erinnert an klassische API-Gateways fürs Modell-Routing. Was wird konkret versprochen?

Felix Hartmann: Neue Konten bekommen 5 US-Dollar Startguthaben. Mit einem Feature namens Connect lassen sich bestehende Tools wie Claude Code, Cursor oder Codex laut Anbieter per einem einzigen Befehl anbinden. Als Ausgangsproblem beschreibt der Hersteller, dass verschiedene Anbieter, APIs, Konten und sich ständig ändernde Konfigurationen das Ausprobieren neuer Modelle mühsam machen.

Lena Vogel: Und wo versucht sich das Angebot von anderen abzuheben?

Felix Hartmann: Da nennt er mehrere Zusagen: Modellintegrität – sprich kein stiller Modelltausch, die übergebene Modell-ID wird exakt ausgeführt –, Datenkontrolle ohne Standard-Richtlinie im Hintergrund, bei der man die Aufbewahrungsdauer selbst einstellt, Transparenz darüber, wie jeder Aufruf geroutet wird und wo er läuft, plus persönlicher Support. Allerdings ist das alles Selbstauskunft des Teams – unabhängige Nutzererfahrungen, Tests oder Kritik liegen im vorliegenden Material nicht vor.

Lena Vogel: Das Team bezeichnet sich selbst als noch früh in der Entwicklung und fragt die Community, welche Modelle am häufigsten genutzt werden, was beim Anbieterwechsel am meisten stört und welche Integrationen als Nächstes kommen sollen. Als Betreiber wird in der Fußzeile Token Harbor PTE. LTD. mit Copyright 2026 genannt. Interessantes Signal, dass sie ihre Roadmap noch so offen an die Community zurückbinden.

Lena Vogel: Da ist eine kleine macOS-App namens Annotate, die Bildschirmaufnahmen direkt in einsatzbereite Prompts für KI-Codieragenten verwandelt. Sie ist kostenlos und läuft vollständig lokal – auf dem Apple-Chip, also auf Silicon-Macs.

Felix Hartmann: Und was steckt hinter der Idee? Der Entwickler beschreibt das Problem aus eigener Erfahrung: Selbst lange, detailreiche Prompts führten beim Agenten immer wieder zu falschen Annahmen, und ein einzelner Screenshot war zu statisch, um Bewegungen, Formular-Eingaben oder Live-Feedback der Oberfläche festzuhalten.

Lena Vogel: Der Ablauf ist entsprechend schlank: Man startet und stoppt die Aufnahme mit einer Tastenkombination, schaltet beim Sprechen mit zwei kurzen Kürzeln zwischen Zeichenwerkzeugen um – wobei normale Zeichnungen automatisch wieder verschwinden, wer sie gehaltene Shift-Taste behält sie dauerhaft sichtbar – und öffnet die Session dann direkt in Cursor oder kopiert sie als Prompt in den bevorzugten Agenten.

Felix Hartmann: Spannend ist die technische Umsetzung: Laut Produktangaben liest der Agent die Aufnahme über ein lokales Modul als Keyframes plus gesprochene Sprache, statt als komplettes Video. Das spart Token, die Stimme wird transkribiert und mit dem Bildschirminhalt synchronisiert, und Multi-Monitor-Sessions sind unterstützt.

Lena Vogel: Kein Cloud-Upload, kein Login – die Aufnahmen bleiben auf dem Gerät. Genau das loben auch Stimmen aus der Community: Die lokale Verarbeitung beseitigt die Reibung zwischen Idee und nutzbarem Prompt. Andere halten die Kombination aus Keyframes und Transkript für das, was die Lösung überhaupt praktikabel macht – auch wenn offen bleibt, ob das Transkript bei mehrstufigen Abläufen fest an die Bildfolge gebunden ist.

Felix Hartmann: Und eine Frage bleibt ohnehin unbeantwortet: ob Annotate irgendwann auch für Windows oder Linux kommt. Vorerst ist es ein solides, kostenfreies Werkzeug genau für die, die auf dem Mac arbeiten und dem Agenten zeigen wollen, was er sehen soll, statt es ihm mühsam zu beschreiben.

Lena Vogel: Damit sind wir auch schon am Ende. Kurz zusammengefasst: CopilotKit macht mit einem offenen SDK den Weg zu selbst gehosteten KI-Agenten frei, und Mistral bringt mit Shieldstral ein schlankes Guardrail-Modell gegen schädliche Antworten. Dazu ein offener Bugfix-Agent, ein neues Spendendashboard von Rippling, Retail-Feeds für Einkaufsagenten und Branddaten per Connector.

Felix Hartmann: Und wer technischer arbeiten will: eine API, die Webseiten in sauberes Markup verwandelt, ein einheitlicher Zugang zu mehreren Modellen über eine Schnittstelle und ein lokales Tool für macOS, das Screenshots in Präsentationen verwandelt. Genug Neues für heute, wir hören uns beim nächsten Mal.