1024 | Agenten zähmen, Macs aufrüsten, Modelle reden

Lena Vogel: Hallo und willkommen zurück bei uns! Ich bin Lena Vogel.

Felix Hartmann: Und ich Felix Hartmann. Schön, dass du wieder dabei bist. Und heute ist es wieder so ein Tag, an dem man beim Blick über die ganzen Neuvorstellungen merkt: Da bewegt sich gerade ein ganz bestimmtes Thema. Nämlich KI-Agenten, die uns Arbeit abnehmen sollen – und die Frage, wie wir die überhaupt noch im Blick behalten.

Lena Vogel: Genau. Es geht um Beobachten, Begrenzen, Überprüfen, Fernsteuern – und dann um die Frage, was diese Agenten überhaupt produzieren, wenn wir sie mal laufen lassen. Und natürlich um eine ganze Runde Mac-Werkzeuge. Aber lass uns ganz vorne anfangen, beim Beobachten.

Felix Hartmann: Also das erste Tool, über das wir reden wollen, heißt Termi Protocol. Und die Idee ist eigentlich ziemlich charmant: Du bekommst einen 3D-Raum, in dem du CLI-Agenten wie Claude Code oder Codex laufen siehst. Also nicht mehr nur ein Terminal, in dem Zeilen durchscrollen, sondern eine visuelle Umgebung, in der du zusiehst, was der Agent gerade tut.

Lena Vogel: Das ist ja schon für sich genommen ein nettes Bild. Aber was Termi jetzt neu drinhat, finde ich spannender: Es überwacht die Nutzung, also quasi den Verbrauch der Agenten. Und dann gibt es einen Cross-Model-Handover – wenn ein Modell an sein Limit stößt, kann die Aufgabe an ein anderes Modell übergeben werden.

Felix Hartmann: Was natürlich ein sehr praktisches Problem löst. Jeder, der mit Coding-Agenten arbeitet, kennt das: mitten in einer langen Aufgabe bricht das Ding ab, weil Rate-Limit oder Usage-Limit erreicht ist, und dann sitzt du da und musst alles neu anstoßen. Wenn das automatisch übergeben wird, ist das ein echter Mehrwert.

Lena Vogel: Und dann noch der Boss-Agent. Der Begriff ist fast schon selbsterklärend – eine Instanz über den Agenten, die koordiniert. Wobei ich da ehrlich gesagt vorsichtig bleiben würde: Das ist alles eine Beschreibung des Makers. Ob die Übergaben in langen Läufen wirklich zuverlässig greifen, ob der Handover sauber funktioniert, wenn der Agent tief in einer Aufgabe steckt – das bleibt offen. Wir haben keine unabhängigen Tests vorliegen.

Felix Hartmann: Genau, und da kommt das zweite Tool ins Bild, das auf exakt dasselbe Problem antwortet: Peras. Nur dass Peras nicht beobachten will, sondern harte Grenzen setzt. Du legst für Claude Code und Codex eine Nutzungsschwellen fest, eine Art Budget-Warnlinie. Und wenn der Agent über die Linie geht, dann verweigert Peras schlicht den nächsten Tool-Call.

Lena Vogel: Das ist fast schon radikal pragmatisch. Nicht warnen, nicht protokollieren, sondern: Stop. Der Agent will das nächste Werkzeug aufrufen, und das wird einfach blockiert. Damit kann ein Agent nicht weiter Tokens verbrennen, während du Kaffee trinkst.

Felix Hartmann: Und das Preismodell ist interessant aufgeteilt: Das CLI-Tool ist kostenlos und unter MIT-Lizenz, die Mac-Menübar-App kostet 4,99 Euro. Also wer nur die Grenze will, zahlt nichts. Wer sie komfortabel in der Menüleiste steuern will, zahlt knapp fünf Euro.

Lena Vogel: Wenn man die beiden nebeneinanderlegt – Termi Protocol und Peras –, dann sieht man, dass beide dieselbe Grundsorge adressieren: Agenten, die unkontrolliert Tokens verbrennen. Nur auf zwei ganz verschiedene Arten. Termi macht es sichtbar und orchestriert, Peras macht es bindend.

Felix Hartmann: Und offen bleibt bei beiden dasselbe: Wie zuverlässig greifen diese Grenzen wirklich in Langläufen? Ein Agent mit langem Kontext, der mitten in einer komplexen Aufgabe blockiert wird – was passiert dann mit der Aufgabe? Das können wir aus den Beschreibungen nicht beantworten.

Lena Vogel: Aber jetzt kommt der logische nächste Schritt: Wenn wir Agenten kontrollieren wollen, müssen wir auch prüfen können, was sie tun sollen – und uns merken, was sie entschieden haben. Und da gibt es zwei Tools, die genau da ansetzen.

Felix Hartmann: Das erste ist DotMD. Die Grundidee: Du reviewst die Specs deiner KI-Agenten so wie Pull Requests. Also nicht mehr eine Textdatei, die der Agent irgendwo hinschreibt und du irgendwann mal überfliegst, sondern ein richtiger Review-Workflow. Der Agent schickt dir Änderungen an den Specs, du kommentierst, der Agent fixt die Dinge via MCP, und dann akzeptierst du die Punkte einzeln.

Lena Vogel: Das ist eigentlich eine sehr einfache Übertragung einer bewährten Praxis. Der PR-Review hat sich im Software-Alltag bewährt, weil er Diskussionen und Genehmigungen strukturiert. Wenn du dieselbe Disziplin auf die Anweisungen anlegst, nach denen ein Agent arbeitet, dann wird die Agenten-Arbeit prüfbar. Du weißt genau, was der Agent wissen durfte.

Felix Hartmann: Wobei DotMD als Mac-natives Markdown-Anwendung beschrieben wird. Das ist eher eine Nische – aber eine, die gerade sehr relevant wird, weil immer mehr Leute Specs schreiben statt Code.

Lena Vogel: Und dann die andere Seite: die Erinnerung. Die Context Engine ist ein geteilter Speicher für AI-Agenten und Teams. Über MCP speichert sie Entscheidungen und Dateien automatisch ab, also die Arbeitsbasis wächst mit, ohne dass du aktiv dokumentieren musst. Und dann gibt es Suche, Zusammenfassungen und Export.

Felix Hartmann: Was das Prinzip hinterfragen lässt: Ein Agent ohne Speicher fängt bei jeder Sitzung bei null an. Ein Team, in dem mehrere Leute mit Agenten arbeiten, hat das Problem sogar doppelt – jeder Agent weiß nur das Seine. Wenn da eine geteilte Gedächtnisbasis entsteht, die automatisch gefüllt wird, dann kann der Agent von gestern dem Agent von heute Kontext geben.

Lena Vogel: Und wie bei DotMD gilt: Beide machen Agenten-Arbeit wiederverwendbar. Bei DotMD ist es die Genehmigung, bei der Context Engine die gespeicherte Entscheidung. Die offene Frage ist bei der Context Engine, wie gut so ein geteilter Speicher über Teams hinweg skaliert. Ein Speicher, den alle teilen, ist ein mächtiges Werkzeug – aber auch eine Instanz, die man pflegen und sortieren muss.

Felix Hartmann: Okay, bleiben wir beim Agenten-Thema, aber wir wechseln die Perspektive: nicht mehr am Schreibtisch, sondern unterwegs. Wie kontrolliere ich eigentlich einen Agenten, wenn ich nicht am Rechner sitze?

Lena Vogel: Da gibt es zum Beispiel Monish. Die App zeigt dir den Fortschritt deiner KI-Agenten direkt auf dem iPhone-Sperrbildschirm – als Live Activity. Und das ist nicht nur Anzeige: Du kannst direkt aus den Benachrichtigungen heraus Approve oder Deny drücken. Der Agent will etwas tun, du siehst es auf dem Lock Screen und gibst grün oder rot.

Felix Hartmann: Und das ist kostenlos und ohne Account. Also eine sehr niedrige Hürde. Was das Spannende daran ist: Es verlagert die Genehmigungspunkte genau dahin, wo du gerade bist. Du bist nicht mehr an den Rechner gebunden, um zu bestätigen.

Lena Vogel: Und dann die konsequente Fortsetzung: Inyon. Damit kannst du nicht nur zuschauen, sondern richtig steuern – von unterwegs. Es ist ein Open-Source-Tool unter MIT, und du kannst tmux-Sitzungen mit Claude Code oder anderen Coding-Agenten vom Handy oder vom Browser aus sehen und beantworten.

Felix Hartmann: Und technisch ist das nett gelöst: QR-Paarung, Ende-zu-Ende-Verschlüsselung, und kein Hosting nötig. Also dein Rechner bleibt der Rechner, das Handy verbindet sich direkt. Das ist eine sehr saubere Architektur für alle, die ohnehin schon in tmux arbeiten.

Lena Vogel: Und dann zeigt noch eine dritte Sache, wie groß dieser Raum inzwischen ist: Agent Hunt. Das ist eine Echtzeit-Rangliste für AI-Agenten-Tools von Monid, und zwar sortiert nach echten Aufrufen, also der tatsächlichen Nutzung. TinyFish führt aktuell mit 754.000 Aufrufen und plus 32 Prozent.

Felix Hartmann: Wobei wir da vorsichtig sein sollten, was das beweist. Eine Rangliste nach Aufrufen sagt uns etwas über Aktivität, nicht über Qualität. Es ist kein Qualitätsurteil. Aber als Indikator, dass dieses Ökosystem messbar wächst und dass Leute die Tools wirklich benutzen, ist es ein interessantes Signal.

Lena Vogel: Die offene Frage bei diesem ganzen Thema unterwegs ist trotzdem die Sicherheit. Remote-Zugriff auf deine Entwicklungsumgebung – da will man im Alltag genau wissen, wer was sehen darf. Ende-zu-Ende-Verschlüsselung ist ein guter Anfang, aber im Alltag muss man sich an Q R-Kopplung und Remote-Sessions erstmal gewöhnen.

Felix Hartmann: Und jetzt zur nächsten Frage: Was passiert eigentlich, wenn der Agent fertig ist? Was liefert er? Und da drehen zwei Produkte den Ablauf um: Der Agent liefert Vorschau, und der Mensch genehmigt.

Lena Vogel: Das erste ist MOVO AI. Das ist ein mobiler Long-Video-Agent. Du startest einen Dialog auf dem Handy, beschreibst deine Idee, und der Agent arbeitet die hin zu einer fertigen Szene. Dabei hält er Charaktere und Szenen konsistent – also dieselbe Figur sieht in Szene fünf noch aus wie in Szene eins. Und er arbeitet weiter, auch wenn du dein Handy sperrst.

Felix Hartmann: Das ist ein wichtiger Punkt. Mobile KI-Workflows scheitern oft daran, dass das Telefon das Display sperrt und der Prozess angehalten wird. Wenn das hier behoben ist, dann kann man einen langen Videoprozess wirklich unterwegs anstoßen und später abholen.

Lena Vogel: Wobei die große offene Frage bei langen Videos bleibt: Wie stabil ist die Szenen-Konsistenz wirklich über viele Minuten? Konsistenz über einen Clip ist leicht, Konsistenz über ein langes Video ist der eigentliche Härtetest. Das können wir aus der Beschreibung nicht prüfen.

Felix Hartmann: Und fürs Web gibt es das Pendant: Ovren Live Preview. Du beschreibst die Änderung, und Ovren erzeugt eine Live-Vorschau auf einer Kopie deines Projekts. Du siehst das Ergebnis, und wenn du es genehmigst, wird ein PR geöffnet.

Lena Vogel: Also wieder dasselbe Muster: Agent produziert, Mensch schaut und genehmigt. Nur dass es hier nicht um Video geht, sondern um Frontend-Änderungen. Und das Preismodell ist bemerkenswert: 29 Dollar einmalig, und damit bis zu 50 Mal nutzbar. Kein Abo, sondern ein Kontingent.

Felix Hartmann: Wenn man MOVO und Ovren zusammen sieht, dann zeigt sich ein Trend in der Art, wie diese Agenten-Produkte denken. Es geht nicht mehr darum, dass der Agent im Hintergrund etwas Fertiges abliefert, sondern um einen Ablauf mit sichtbaren Zwischenständen, die du bewerten kannst. Das ist letztlich genau die Philosophie, die wir vorhin bei DotMD gesehen haben.

Lena Vogel: Genau. Und jetzt lassen wir die Agenten mal los und schauen auf eine ganz andere Ecke: den Mac als Werkzeugkasten. Da gibt es heute drei Tools, die eigentlich nichts miteinander zu tun haben, aber ein Gemeinsames haben: Sie laufen alle lokal.

Felix Hartmann: Fangen wir mit Truffle an. Das ist ein Musik-Tag-Editor für den Mac. Der kann Tags und Cover reparieren, und zwar über Audio-Erkennung – also nicht über die Dateinamen, sondern das Tool hört in die Musik rein. Und er findet Duplikate.

Lena Vogel: Das ist der Punkt, der DJs interessieren wird: Truffle spricht mit Apple Music, mit rekordbox, mit Serato und mit Traktor. Also genau die Bibliotheken, in denen eine unordentliche Sammlung richtig weh tut. Wenn du zwei Versionen eines Tracks hast und die eine hat Cover und Tags, die andere nicht, dann macht das im DJ-Set einen Unterschied.

Felix Hartmann: Dann das zweite: Dots. Das verwandelt die Mac-Laufleiste, also die Notch, in eine anpassbare Arbeitsfläche. Da gibt es ein YouTube-Picture-in-Picture, Scroll-Screenshots und einen Pomodoro-Timer. Die Pro-Version kostet fünf Dollar einmalig.

Lena Vogel: Also weniger ein KI-Tool, sondern mehr eine Komfort- und Produktivitätssache. Aber der Ansatz, die Notch als Platz zu nutzen, ist eine nette Idee, weil dieser Bereich sonst einfach ungenutzt ist.

Felix Hartmann: Und dann Instant Search. Das ist eine lokale KI-Dateisuche. Sie nutzt die Perplexity-Embeddings, um deine Dateien semantisch zu indexieren. Der Index bleibt unter einem Gigabyte, alles läuft komplett offline, und es braucht macOS 15 oder neuer.

Lena Vogel: Das ist ein spannender Kompromiss. Du bekommst semantische Suche – also du suchst nicht nach Dateinamen, sondern nach Bedeutung – und musst dafür nichts in die Cloud schicken. Der Index bleibt unter einem Gigabyte, das ist schlau kalkuliert, weil damit die lokale Suche überhaupt praktikabel wird.

Felix Hartmann: Und das verbindet die drei: Truffle repariert lokal deine Musik, Instant Search sucht lokal deine Dateien, Dots organisiert lokal deinen Bildschirm. Privatsphäre bleibt gewahrt, weil nichts rausgeht.

Lena Vogel: Und genau dieser Gedanken – lokal versus Cloud – führt uns zum nächsten Thema, wo es dann um Wachhunde und lokale KI geht. Da gibt es ein Produkt, das mich ehrlich gesagt etwas zum Nachdenken gebracht hat: Plango.

Felix Hartmann: Plango ist eine Sicherheits-App für den Mac, die AI-Coding-Agenten überwacht – und zwar mit lokalen KI-Modellen. Sie schaut auf Dateizugriffe und auf Netzwerk-Aktivität und erkennt, ob ein Agent Dateien liest, die er nicht lesen sollte, oder Daten nach draußen schickt.

Lena Vogel: Also im Grunde ein Wachhund genau für die Risiko-Kategorie, über die wir vorhin gesprochen haben. Agenten haben Zugriff auf dein Dateisystem und dein Netzwerk, und das ist ein echtes Problem, wenn du nicht weißt, was sie tun. Plango kostet 4,99 Dollar pro Monat, mit sieben Tagen gratis.

Felix Hartmann: Und dann Gerty. Das ist ein komplett lokaler Mac-KI-Assistent. Der misst deinen Mac automatisch – also Hardware, Speicher, so was – und wählt dann passende Open-Source-Modelle aus, die auf deiner Maschine laufen. Der kann auf deine Dateien, Mails und Kalender zugreifen. CHF 49 einmalig für drei Macs.

Lena Vogel: Das ist ein ziemlich attraktives Modell, weil du dir nicht selbst durch Model-Listen wühlen musst, sondern das Tool sagt dir, was auf deinem Mac sinnvoll läuft. Und der Einmalpreis ist bemerkenswert, weil die meisten KI-Abos heute monatlich abgerechnet werden.

Felix Hartmann: Und dann der Gegenpol: ShogunAI. Der sitzt ebenfalls in der Mac-Notch und speichert dein Arbeitsgedächtnis. Und mit der Option-Taste kann er in jeder Anwendung weiterschreiben, also Text für dich ergänzen, wo du gerade bist. Aber der läuft nicht lokal – und entsprechend kostet der 62 Dollar pro Monat, ohne Gratis-Tarif.

Lena Vogel: Das ist ein Preis, bei dem man genaui hinschauen muss. 62 Dollar monatlich für einen Assistenten, der dein Arbeitsgedächtnis speichert und überall weiterschreibt. Das ist deutlich teurer als Gerty einmalig. Die Frage ist also: Was ist dir wichtiger – die Cloud-Intelligenz oder die lokale Kontrolle?

Felix Hartmann: Und dann noch Headroom, das das Bild abrundet. Das ist ein Remote-Control-Client für den Mac, der auf die eingebaute macOS-Bildschirmfreigabe setzt. Also keine Installation nötig, kein Account – du benutzt einfach die native Screen-Sharing-Funktion von macOS. Und der Client ist für die iPhone-Duo-Faltform gebaut.

Lena Vogel: Also das Bild ist: ein faltbares iPhone, auf dem du deinen Mac siehst und steuerst. Was wieder das Thema von vorhin aufgreift – unterwegs steuern – nur mit einem anderen Mittel. Nicht per tmux-Session wie bei Inyon, sondern über die native Screen-Sharing-Funktion.

Felix Hartmann: Und die Frage, die bei diesem ganzen Thema offen bleibt, ist ziemlich fundamental: Wie viel Vertrauen verdienen Agenten mit Datei- und Mailzugriff? Gerty liest deine Mails und deinen Kalender, Plango überwacht Dateizugriffe, ShogunAI speichert dein Arbeitsgedächtnis. Drei verschiedene Antworten auf dieselbe Vertrauensfrage.

Lena Vogel: Jetzt noch ein Thema, das eher Richtung Modelle und Infrastruktur geht. Da ist zuerst ElevenLabs Realtime. Das ist ein End-to-End-Sprach-zu-Sprache-Modell, also du sprichst rein und das Modell antwortet mit Sprache, ohne den Umweg über Text. Die Zahlen: v1 Mini braucht 620 Millisekunden bis zum ersten Audio, v1 Max 570 Millisekunden.

Felix Hartmann: Und das ist ein wichtiger Punkt für die Alltagstauglichkeit von Sprach-Agenten. Wenn ein paar hundert Millisekunden Latenz dazwischen liegen, fühlt sich ein Gespräch nicht wie ein Gespräch an. 570 Millisekunden ist ein Bereich, in dem das Gespräch flüssig bleibt. Und die Kompatibilität mit OpenAIs Realtime API bedeutet, dass du das relativ einfach austauschen kannst gegen bestehende Setups.

Lena Vogel: Und dann FLUX 3 Max – fal zusammen mit Black Forest Labs. Das ist ein Text-zu-Video-Modell, das 10 Sekunden 720p-Video in etwa 12,45 Sekunden erzeugt. Also schneller als Echtzeit. Und auf dem I2V-Leaderboard liegt es mit 1139 Elo ganz vorn, in einem Titelfeld.

Felix Hartmann: Und dann kommt Polylane und macht aus diesem Tempo etwas Produktives. Das ist eine AI-Oncall-Engine für Cloudflare. Sie nutzt nur-lesende Tokens, um die Ursachen von Vorfällen in Workers, D1 und Queues zu verfolgen. Und für Codeprobleme öffnet sie automatisch PRs.

Lena Vogel: Also im Grunde der Wachhund-Gedanke von vorhin, nur auf Infrastruktur-Ebene. Nur-lesende Tokens sind eine gute Sicherheitsentscheidung – das Tool kann diagnostizieren, aber nicht selbst an deinen Ressourcen herumschrauben. Es darf nur Vorschläge machen, in Form von Pull Requests, die du reviewen musst.

Felix Hartmann: Und die offene Frage bei diesem Thema ist wieder eine technische: Wie stabil bleibt die Latenz unter Last? 570 Millisekunden im Benchmark ist schön, aber unter echtem Verkehr mit vielen gleichzeitigen Nutzern kann das anders aussehen.

Lena Vogel: Und dann das letzte Thema, eher Cloud und Plattform. Da ist zuerst Cloudflare Clairic. Das ist ein Extraktionsmodell, das keine Tokens generiert. Ein Aufruf liefert strukturierte Werte samt Konfidenz – also nicht Fließtext, sondern „Das Feld ist ein Datum mit 87 Prozent Sicherheit“ oder so ähnlich.

Felix Hartmann: Der Preview-Preis ist 0,10 Dollar pro Million Input-Tokens. Das ist sehr günstig, und der Grund ist wahrscheinlich gerade der Verzicht auf Token-Generierung. Extraktion ist ein sehr begrenzter Anwendungsfall, und dafür ist ein Spezialmodell billiger als ein großes generatives Modell, das erst Text produziert, den du dann parsen musst.

Lena Vogel: Und dann gibt es noch zwei Plattform-Sachen. Das Dub Startup Program richtet sich an Startups unter fünf Jahren, mit Finanzierung, unter 15 Mitarbeitern und ohne bestehenden Dub-Vertrag. Die bekommen 50 Prozent auf das Advanced-Programm im ersten Jahr.

Felix Hartmann: Und Product Hunt selbst hat den Visual Launch Editor eingeführt. Ein WYSIWYG-Editor, also du editierst direkt, wo das Ergebnis stehen wird, mit Autosave. Und drei einheitliche Launch-Status, also konsistente Zustände über den Launch-Hinweg.

Lena Vogel: Und wenn man das zusammenfasst, dann ist die Botschaft an junge Teams ziemlich klar: Die Infrastruktur wird günstiger, und die Werkzeuge zum Launchen werden besser. Für ein Startup unter 15 Leuten heißt das, dass man mit wenig Geld relativ weit kommt.

Felix Hartmann: Und wenn wir zurückblicken auf den Tag, dann ist der rote Faden eigentlich deutlich: Es geht um Agenten, die arbeiten sollen – und um alles drumherum, das nötig ist, damit das wirklich funktioniert. Beobachtung mit Termi, Grenzen mit Peras, Prüfung mit DotMD, Speicher mit der Context Engine, Fernsteuerung mit Monish und Inyon, Vorschau mit MOVO und Ovren, Wachhunde mit Plango und Polylane.

Lena Vogel: Und der offene Punkt, der sich durch fast alles zieht: Wir haben viele Beschreibungen, aber wenige unabhängige Prüfungen. Ob die Grenzen in Langläufen halten, ob die Szenen-Konsistenz bei langen Videos steht, ob die Latenz unter Last stabil bleibt – das sind die Fragen, die in den nächsten Monaten interessant werden.

Felix Hartmann: Genau. Und damit verabschieden wir uns für heute. Danke, dass du dabei warst, und wir hören uns beim nächsten Mal!

Lena Vogel: Bis dann!