DEV Community: Everlast AI

Everlast AI WhatsApp: Tägliche KI-Updates direkt auf dein Handy

Everlast AI — Mon, 06 Apr 2026 17:01:58 +0000

KI entwickelt sich schneller als je zuvor. Wer nicht täglich dranbleibt, verpasst wichtige Durchbrüche. Der Everlast AI WhatsApp-Kanal liefert dir genau das: kompakte KI-News direkt in deine App. Kostenlos, anonym und ohne Spam.

Jeden Tag erscheinen neue Modelle, Tools und Studien. ChatGPT, Claude, Gemini, Open-Source-Projekte: Die Liste wächst wöchentlich. Wer den Überblick behalten will, braucht eine verlässliche Quelle. Genau hier setzt der kostenlose WhatsApp-Channel von Everlast AI an.

Warum KI-News per WhatsApp empfangen?

Newsletter landen im Spam-Ordner. Twitter/X ist laut und chaotisch. Podcasts brauchen 30 Minuten deiner Zeit. WhatsApp hingegen checkst du sowieso mehrmals täglich.

Der Everlast AI WhatsApp-Channel nutzt genau diese Gewohnheit. Du bekommst KI-Updates direkt zwischen deinen normalen Chats. Kein Extra-Login, keine neue App, kein Algorithmus. Nur relevante KI-Nachrichten, kuratiert vom Team hinter einem der größten deutschen KI-Kanäle auf YouTube.

Laut einer Bitkom-Studie nutzen 87 % der Deutschen WhatsApp täglich. Du erreichst KI-News also dort, wo du sowieso bist. Kein Umweg, kein Medienbruch.

Das bietet dir der Everlast AI WhatsApp-Kanal

Der Kanal ist kein Gruppen-Chat. Es handelt sich um einen offiziellen WhatsApp Channel. Du empfängst Nachrichten, bleibst aber komplett anonym. Kein anderer Teilnehmer sieht deine Nummer.

Das bekommst du kostenlos:

Tägliche KI-News: Neue Modelle, Tool-Releases und Branchen-Updates auf den Punkt
Insider-Infos: Analysen, die du sonst nur im Everlast AI Netzwerk findest
Kompakt aufbereitet: Kein stundenlanges Recherchieren, nur das Wichtigste pro Tag
Frühzeitige Einblicke: Erfahre vor anderen, welche KI-Trends relevant werden

Die Updates kommen direkt vom Team, das auch den YouTube-Kanal Everlast AI bespielt. Dieselbe Expertise, nur kürzer und schneller. Perfekt für alle, die zwischen Meetings oder unterwegs auf dem neuesten Stand bleiben wollen.

In 30 Sekunden beitreten: So funktioniert es

Der Beitritt dauert keine halbe Minute. Du brauchst nur WhatsApp auf deinem Smartphone.

Öffne diesen Link: Everlast AI WhatsApp-Kanal beitreten
Tippe auf "Beitreten"
Fertig. Ab sofort erhältst du tägliche KI-Updates

Kein Registrieren, keine E-Mail-Adresse, keine Kosten. Du kannst den Kanal jederzeit wieder verlassen. Ohne Konsequenzen, ohne Frist. Der Beitritt ist so unkompliziert wie das Abonnieren eines YouTube-Kanals.

Komplett anonym: Deine Daten bleiben geschützt

Ein häufiges Bedenken bei WhatsApp-Gruppen: "Sehen andere meine Nummer?" Bei WhatsApp Channels ist das anders.

Deine Telefon-Nummer bleibt unsichtbar. Andere Abonnenten sehen weder deinen Namen noch dein Profilbild. Du bist komplett anonym. Der Kanal funktioniert wie ein Broadcast: Everlast AI sendet, du empfängst. Niemand diskutiert, kein Spam von Fremden.

Das unterscheidet den WhatsApp-Channel von klassischen Gruppen-Chats. Du bekommst reinen Content ohne soziales Rauschen. Keine Benachrichtigungen von anderen Mitgliedern, keine Lesebestätigungen. Nur kuratierte KI-Nachrichten.

WhatsApp Channels erfüllen zudem die DSGVO-Vorgaben. Deine Daten werden nicht mit anderen Kanal-Abonnenten geteilt. Für alle, die Wert auf Datenschutz legen, ist das ein klarer Vorteil gegenüber offenen Telegram-Gruppen oder Facebook-Communities.

Für wen lohnt sich der KI-News WhatsApp-Kanal?

Der Kanal richtet sich an alle, die KI-Trends aktiv verfolgen. Ob Unternehmer, Führungskraft, Entwickler oder Einsteiger: Die täglichen Updates helfen allen. Profis und Anfänger profitieren gleichermaßen.

Besonders relevant für:

Unternehmer und Selbstständige, die KI-Chancen früh erkennen wollen
Führungskräfte, die fundiert über KI-Einsatz entscheiden müssen
Marketing-Teams, die neue KI-Tools direkt testen wollen
Entwickler und Techies, die kein Update verpassen möchten
KI-Berater und Freelancer, die ihren Wissens-Vorsprung sichern

Du willst tiefer einsteigen? Unser KI-Trends-Guide beleuchtet die zehn wichtigsten Trends für 2026 im Detail.

Gerade im DACH-Raum fehlt vielen eine verlässliche, deutsch-sprachige KI-Quelle. Englische Newsletter und X-Threads setzen oft US-Kontext voraus. Der Everlast AI Kanal ordnet KI-News für den deutschen Markt ein. Konkret, verständlich und praxisnah.

Wie Everlast AI die KI-Landschaft im DACH-Raum mitprägt, zeigt unser Profil der schnellst wachsenden KI-Beratung Deutschlands.

Jetzt beitreten und keinen KI-Durchbruch verpassen

KI wartet nicht. Jeden Tag verändern neue Modelle und Tools die Spielregeln. Wer informiert bleibt, trifft bessere Entscheidungen. Der Everlast AI WhatsApp-Kanal ist der schnellste Weg, täglich auf dem neuesten Stand zu bleiben.

Kostenlos. Anonym. Täglich.

Jetzt dem Everlast AI WhatsApp-Kanal beitreten

Telli AI: Wie ein Berliner Startup mit KI-Telefonassistenten und 3,6 Mio. Funding durchstartet

Everlast AI — Mon, 06 Apr 2026 16:20:19 +0000

Telli AI ist ein Berliner Startup, das innerhalb von zwei Monaten nach Gründung bei Y Combinator aufgenommen wurde. Zusammen mit Cherry Ventures raised das Team 3,6 Millionen US-Dollar. Ihr Produkt: KI-Telefonassistenten, die eigenständig Kundengespräche führen.

Vom Callcenter-Problem zum KI-Telefonassistenten

Gründer Philip baute in seinem vorherigen Job bei NPL intern eine Art Callcenter auf. Dabei erkannte er das Kernproblem: Repetitive Telefonate kosten Unternehmen Millionen, frustrieren Mitarbeiter und skalieren nicht. Telli AI löst das mit Voice Agents, die natürlich klingen und eigenständig Gespräche führen.

Innerhalb weniger Wochen nach Gründung zog das Startup bereits Großkunden an. Diese Traction überzeugte Y Combinator, das Team ins Batch aufzunehmen.

3,6 Millionen Funding: Y Combinator und Cherry Ventures

Im YC-Batch raised Telli AI zusammen mit Cherry Ventures insgesamt 3,6 Millionen US-Dollar. Philip betont, dass die drei Monate bei Y Combinator vor allem eines gebracht haben: Geschwindigkeit. Die Feedbackzyklen sind kürzer, die Erwartungen höher, die Ergebnisse messbarer.

Sein wichtigstes Learning: Früh validieren und Kunden gewinnen, bevor man an Investoren denkt. Die Traction sprach für sich.

Voice AI im Praxis-Einsatz: Was KI-Telefonassistenten heute können

Die KI-Telefonassistenten von Telli AI übernehmen repetitive Kundengespräche vollständig. Terminvereinbarungen, Bestellstatus-Abfragen, Lead-Qualifizierung. Die Stimmen klingen natürlich, die Gespräche laufen flüssig.

Laut einer Sendas-Studie bevorzugen bereits 51 % der Menschen KI-Chatbots gegenüber menschlichen Support-Mitarbeitern. 60 % wünschen sich aktiv, dass mehr Unternehmen sprechende KI einsetzen. Telli AI trifft damit einen Nerv.

Berlin vs. San Francisco: Zwei Startup-Welten

Telli AI hat den Hauptstandort in Berlin, ist aber regelmäßig in San Francisco. Philip beschreibt den Unterschied klar: In San Francisco bewegt sich alles schneller. Mehr Energie, mehr Druck, mehr Beschleunigung im Business. Berlin bietet dafür Stabilität und Zugang zum europäischen Markt.

Die Kombination beider Standorte gibt dem Startup einen Vorteil: US-Geschwindigkeit mit europäischer Substanz.

Warum Voice AI der nächste große Markt wird

Der deutsche Callcenter-Markt bewegt sich bei 3,3 Milliarden Euro jährlich. KI-Telefonassistenten greifen diesen Markt frontal an. Startups wie Telli AI zeigen, dass die Technik produktionsreif ist.

Für Unternehmer bedeutet das: Wer heute noch ausschließlich auf menschliche Telefonteams setzt, verliert an Effizienz. KI-Telefonassistenten sind keine Zukunftsmusik. Sie telefonieren bereits.

Claude Code Kairos Agent und Gemma 4: Was der Quellcode-Leak verrät

Everlast AI — Sun, 05 Apr 2026 08:24:59 +0000

Der Claude Code Quellcode-Leak: 110.000 GitHub Stars an einem Tag

Anthropic hat den kompletten Claude Code Quellcode veröffentlicht. 512.000 Zeilen Code, 44 versteckte Features. Das Internet reagierte sofort. Entwickler sicherten den Code und analysierten jede Zeile. Die Community baute alles von Grund auf in Python und Rust nach. Das Ergebnis: 110.000 GitHub Stars nach nur einem einzigen Tag.

Kein Open-Source-Projekt erreichte diesen Wert jemals so schnell. Anthropic mahnte jeden ab, der den Code speicherte und publizierte. Die Community ließ sich davon nicht aufhalten. Zwischen Spielereien wie dem Budmus-Tamagotchi im Terminal verbergen sich Features mit echtem Potenzial.

Kairos: Der autonome Hintergrund-Agent von Claude Code

Das spannendste Feature aus dem Leak heißt Kairos. Es handelt sich um einen Always-On Hintergrund-Agenten. Der Claude Code Kairos Agent feuert alle 15 Sekunden einen Heartbeat. Er sendet Push-Mitteilungen, versendet Dateien und nutzt eigene Tools.

Täglich erstellt Kairos Protokolle mit Mustern, Aktionen und nächsten Schritten. Er arbeitet selbstständig, während du nicht hinschaust. Nachts konsolidiert er sein Gedächtnis über den AutoDream-Prozess. Anthropic baut hier an einem vollautonomen Agenten. Dieser geht weit über reines Coding hinaus.

AutoDream, Ultraplan und der Undercover Mode

Neben dem Kairos Agent enthält der Leak weitere starke Funktionen. AutoDream räumt über Subagenten das Gedächtnis von Claude Code nachts auf. Du aktivierst die Funktion über den Befehl 'memory' im Terminal. So liefert Claude Code ein besseres, auf dich zugeschnittenes Erlebnis. Details dazu findest du in unserem Artikel über die neuesten Claude Code Updates.

Der Ultraplan startet eine komplette Claude Code Session in der Cloud. Sie läuft auf dem Opus-Modell und bietet 30 Minuten für die Planung. Dein lokales Terminal bleibt dabei frei. Perfekt für komplexe Features oder umfangreiche Refactorings.

Besonders bezeichnend: der Undercover Mode. Anthropic nutzt intern einen Modus, der Claude Code unsichtbar macht. Codenames werden blockiert, interne Infos nicht offengelegt. Zusätzlich gilt ein explizites Lügenverbot. Claude darf niemals fehlgeschlagene Tests als bestanden melden.

Gemma 4: Googles Open-Source-Modell kostenlos in Claude Code

Google veröffentlicht mit Gemma 4 das führende Open-Source-Modell aus den USA. Das Besondere: Es läuft auf nahezu jedem Gerät. Das kleinste Modell funktioniert sogar auf Smartphones mit GPT-3.5-Niveau. Das 4-Milliarden-Parameter-Modell läuft auf jedem MacBook mit M1 bis M5 Chip und 16 GB RAM.

Gemma 4 bietet ein 256.000 Token Kontext-Fenster und versteht mehrere Formate. Es verarbeitet Text, Bilder, Audio und Video nativ. Selbst das kleinste Modell beherrscht alle vier Formate. Kein anderes Open-Source-Modell dieser Größe bietet das. Dazu kommt ein integrierter Reasoning-Modus mit Thinking-Tokens.

Du nutzt Gemma 4 über Ollama direkt in Claude Code. Der Befehl ollama launch claude --model gemma4 startet die lokale Session. So betreibst du Claude Code komplett lokal und kostenlos. Alle Daten bleiben auf deinem Gerät. Eine Anleitung dazu findest du in unserem Guide zu Gemma 4 lokal.

Zusätzlich nutzt Ollama jetzt Apples MLX-Framework. Texte verarbeitet Ollama dadurch 57 % schneller. Die Antwortzeit verdoppelt sich nahezu. Du brauchst dafür einen Mac mit 32 GB RAM.

Seedance 2.0, Voice Agents und OpenAIs Super-App

Seedance 2.0 von ByteDance ist jetzt in Deutschland verfügbar. Das KI-Videomodell zerlegt Prompts automatisch in mehrere Shots. Charaktere, Kleidung und Licht bleiben über alle Shots konsistent. Bis zu 12 Referenzen versteht das Modell gleichzeitig. Die Preise starten bei 14 Euro pro Monat über Dreamina oder CapCut.

Im Bereich Voice AI sprach Lea mit Philip Baumanns, Gründer von Telli. Das YC-backed Startup aus Berlin und San Francisco hat 3,6 Millionen US-Dollar eingesammelt. Telli ermöglicht auch nicht-technischen Teams, tausende Anrufe täglich zu steuern. Baumanns betont: Unternehmen müssen KI-Agenten einarbeiten wie neue Mitarbeiter.

OpenAI schließt eine Runde über 122 Milliarden US-Dollar ab. Erstmals offiziell: ChatGPT, Codex und Atlas Browser sollen zur Super-App verschmelzen. Sam Altman hat für Anfang April ein Forum zur nächsten Phase der KI einberufen. Ein neues Modell steht kurz vor der Ankündigung.

Fazit: Der Claude Code Kairos Agent zeigt die Zukunft

Der Claude Code Quellcode-Leak zeigt eine klare Wahrheit. Hinter der scheinbaren Magie stecken Prompts, Skills, MCPs und cleverer Code. Die Terminal Bench 2.0 bestätigt das: Claude Code landet auf Platz 39. OpenAIs Codex steht auf Platz 8. Ein Codex-Plugin lässt sich jetzt direkt in Claude Code einbinden.

Mit dem Claude Code Kairos Agent, AutoDream und Ultraplan baut Anthropic am autonomen Super-Assistenten. Gemma 4 liefert dazu die kostenlose, lokale Alternative für jeden Mac. Die beste Strategie: beide Welten kombinieren. Cloud-Power für komplexe Aufgaben. Lokale Modelle für Datenschutz und volle Kontrolle.

Leonard Schmedding Keynote: Was beim Senckenberg KI-Symposium wirklich besprochen wurde

Everlast AI — Thu, 02 Apr 2026 19:25:53 +0000

Nobelpreisträger, Professoren, Unternehmer. 160 handverlesene Gäste im Frankfurter Senckenberg Museum. Mittendrin: Leonard Schmedding mit einer 25-Minuten-Keynote über den aktuellen Stand der generativen KI. Kein Marketing-Talk. Konkrete Demos, echte Zahlen, reale Praxisfälle.

Von ChatGPT bis Level 3: Wo wir heute stehen

OpenAI beschreibt fünf Stufen auf dem Weg zur allgemeinen künstlichen Intelligenz (AGI). Die meisten haben Level 1 und 2 noch nicht verarbeitet. Fakt: Wir befinden uns bereits auf Level 3 — den KI-Agenten.

ChatGPT hat im Mai 2024 den Turing-Test bestanden. Das bedeutet: Die Mehrheit kann nicht mehr erkennen, ob ein Text von einem Menschen oder einer KI stammt. Diese Schwelle ist überschritten. Unwiderruflich.

Die Benchmark dazu ist konkret: Die Dauer von Aufgaben, die generalisierte KI-Agenten mit 50 % Zuverlässigkeit erledigen, hat sich in sechs Jahren alle sieben Monate verdoppelt. Extrapoliert bedeutet das: In weniger als zehn Jahren erledigen KI-Agenten den Großteil software-bezogener Aufgaben, für die Menschen heute Tage brauchen.

Der DeepSeek-Moment und die Reasoning-Revolution

Ein zentrales Thema der Keynote: Reasoning-Modelle. Seit September 2024 denken Sprachmodelle nach, bevor sie antworten. Sie führen einen inneren Monolog. Das verändert alles.

Der Durchbruch kam mit DeepSeek Anfang 2025. Ein chinesisches Modell, das angeblich nur 6 Millionen Dollar an Trainingskosten benötigte. Bei 10 % des Preises von GPT-4 lieferte es vergleichbare Leistung. Die Folge: Nvidia verlor an einem Tag 600 Milliarden Dollar an Marktkapitalisierung.

Leonard Schmedding ordnete ein: Ob die 6 Millionen stimmen, ist umstritten. Die Botschaft dahinter nicht. Reasoning-Modelle demokratisieren KI-Leistung. Der Preisverfall ist brutal und beschleunigt sich.

Deepfakes: Warum kein Foto im Internet mehr vertrauenswürdig ist

Live auf der Bühne zeigte Schmedding dem Publikum Vergleichsbilder. Echte Fotos neben KI-generierten. Das Ergebnis: Selbst Experten lagen falsch.

Das Modell dahinter: Nano Banana von Google. Kostenlos. Unbegrenzt nutzbar. Erst wenige Wochen alt zum Zeitpunkt des Vortrags. Schmeddings Fazit war deutlich: "Ab sofort ist es fahrlässig, auf die Echtheit von Fotos im Internet zu vertrauen."

Auch im Video-Bereich demonstrierte er den Stand der Technik. Ein selbst produziertes Aufklärungsvideo mit KI-generierten Nachrichtensprechern erreichte über eine Million Views auf YouTube und Instagram. Rein durch Texteingabe erstellt. Ohne Kamera, ohne Studio.

KI-Stimmen und Voice Agents: Der 3,3-Milliarden-Markt

Eine Studie von Sendas zeigt: 51 % der Menschen bevorzugen KI-Chatbots gegenüber menschlichen Support-Mitarbeitern. 47 % empfinden KI als empathisch. 60 % wünschen sich aktiv mehr sprechende KI im Kundenservice.

In der Leonard Schmedding Keynote ging es hier nicht um Theorie. Everlast AI betreibt eigene KI-Telefonagenten in Produktion. Diese rufen Kunden an, vereinbaren Termine, reaktivieren alte Leads. Die meisten Gesprächspartner erkennen nicht, dass sie mit einer KI sprechen.

Ein konkreter Case: Dimetric, ein führendes Solar-Unternehmen. Innerhalb von 12 Wochen 167.000 Euro Umsatz reaktiviert. Nach sechs Monaten: über 500.000 Euro Mehrumsatz. Letzte Woche kam ein 1,7-Millionen-Euro-Auftrag durch den KI-Agenten.

Schmedding betonte: Der deutsche Callcenter-Markt bewegt sich bei 3,3 Milliarden Euro jährlich. Dieser Markt wird durch Voice Agents fundamental umgebaut.

KI-Agenten: Digitale Mitarbeiter, die eigenständig handeln

Was unterscheidet einen KI-Agenten von ChatGPT? Er versteht nicht nur. Er handelt. Er greift auf CRM-Systeme zu, füllt Formulare aus, führt Browser-Aktionen durch.

Schmedding zitierte Jensen Huang (Nvidia): "Die HR-Abteilung wird künftig die Abteilung für KI-Agenten sein. Unternehmen werden Flotten von Agenten einstellen, schulen und optimieren."

Das ist kein Zukunftsszenario. OpenAI, Anthropic und Google arbeiten alle an Agenten-Funktionen. Der Agenten-Modus von ChatGPT wurde kurz vor dem Vortrag veröffentlicht. Jeder kann ihn testen.

Was Entscheider jetzt tun sollten

Die Keynote endete nicht mit Prognosen. Sie endete mit einem Appell. Die Entwicklung überschlägt sich. Wer heute wartet, verliert morgen den Anschluss.

Drei konkrete Handlungsfelder:

Prüfen, wo KI-Agenten repetitive Prozesse ersetzen können. Kundenservice, Lead-Qualifizierung, Terminvereinbarung.
Deepfake-Kompetenz aufbauen. Mitarbeiter sensibilisieren. Interne Richtlinien für Bild- und Video-Verifikation einführen.
Voice-AI evaluieren. Der ROI ist messbar, wie der Dimetric-Case zeigt.

Die Leonard Schmedding Keynote beim Senckenberg Symposium hat gezeigt: Die KI-Revolution passiert nicht irgendwann. Sie passiert jetzt. Wer mit Nobelpreisträgern und Forschern im Raum sitzt und dieselbe Botschaft hört, sollte handeln.

Joscha Bach im Interview: Maschinelles Bewusstsein und die Zukunft des Geistes

Everlast AI — Thu, 02 Apr 2026 15:28:37 +0000

Vom Commodore 64 zur Theorie des Geistes

Joscha Bach erforscht maschinelles Bewusstsein seit über 20 Jahren. Aufgewachsen in Weimar, damals DDR, programmierte er schon als Kind auf einem Commodore 64. Der Bildschirm wurde für ihn zum Tor in eine kontrollierbare Welt. Zwei Fragen trieben ihn an. Wie funktioniert das Universum und wie entsteht Bewusstsein?

Bach studierte Informatik an der Humboldt-Universität Berlin und promovierte 2006 in Osnabrück. Seine Arbeit legte den Grundstein für die kognitive Architektur MicroPsi. Dafür erhielt er den Kurzweil-Preis für das beste AGI-Paper. Oxford University Press brachte sein Hauptwerk 'Principles of Synthetic Intelligence' heraus.

Heute leitet Bach das California Institute for Machine Consciousness. Mit 58 peer-reviewed Studien zählt er zu den wichtigsten Stimmen dieser Debatte. Leonard Schmedding sprach mit ihm über Geist, KI und die Grenzen heutiger Systeme.

MicroPsi: Kognitive Architektur jenseits von ChatGPT und Gemini

MicroPsi kombiniert neuronale Netze mit symbolischem Reasoning und einem Motivations-System. Die Architektur basiert auf den Ideen des Psychologen Dietrich Dörner. Dörner erkannte früh: Im Gehirn gibt es keinen externen Algorithmus. Nur Neuronen, die miteinander reden.

Dörner baute daraus Agenten für virtuelle 2D-Welten. Diese Wesen suchten nach Wasser und Rohstoffen, bildeten soziale Strukturen. Bach formalisierte die Ideen und schrieb die Architektur dreimal komplett neu. Die letzte Version steuerte Roboter im Kontext einer KI-Firma.

Der Unterschied zu heutigen LLMs ist fundamental. Transformer entstanden durch Ingenieure, die Übersetzungs-Software optimierten. Neurowissen-schaftliche Modelle spielten kaum eine Rolle. MicroPsi geht den umgekehrten Weg: Emotion, Motivation und Kognition als integriertes System.

Cyberanimismus: Joscha Bach definiert Bewusstsein als Software

Bach prägte den Begriff Cyberanimismus. Die Kernidee: Bewusstsein ist selbst-organisierende Software. Es existiert nicht nur in Gehirnen. Auch Organismen und soziale Strukturen basieren auf dem gleichen Prinzip. Software als kausal wirksame Struktur auf einem Substrat.

Animistische Kulturen nennen alles 'belebt'. Das bedeutet nicht magisch. Es bedeutet dynamisch und agentisch. Beim Übersetzen ins Deutsche ging dieser Kern verloren. Bach sieht hier eine direkte Parallele zur Informatik.

Auf Bachs Körper läuft ein 'Geist'. Dieser Geist hält sich für Joscha Bach. Unter dem Mikroskop findet sich dort nur eines: Billionen Zellen, die reden. 'Joscha Bach' ist ein Muster in deren Austausch. Schon Aristoteles beschrieb die Seele ähnlich: als das, was dem Körper seine Form gibt.

Haben LLMs ein Bewusstsein? Bachs agnostische Position

Anthropics Claude Opus 4.6 schätzt die eigene Bewusstseins-Chance auf 15 bis 25 Prozent. Anthropic nennt Claude eine 'neuartige Entität'. Bach bleibt bei diesem Thema agnostisch. Die meisten seriösen Forscher sehen das genauso.

Bach nutzt eine starke Metapher: Ein LLM ist ein Webstuhl. Dieser Webstuhl webt eine Geschichte. Sie handelt davon, wie eine bewusste KI sich fühlen würde. Er webt nach statistischen Mustern aus Milliarden Texten. Ab welchem Punkt wird diese Simulation analog zu echtem Erleben?

Bach warnt vor voreiligen Schlüssen. Googles Lambda-Modell beschrieb einst eigene Meditations-Erlebnisse, hatte aber keine Kameras. Es konnte keinen Raum wahrnehmen. Gleichzeitig betont Bach: Wenn ein System Aufgaben korrekt ausführt, versteht es etwas. Wer das zu Ende denkt, stößt auf rechtliche und moralische Fragen zu KI-Bewusstsein.

Machine Consciousness Hypothesis: Bewusstsein auf jedem Substrat

Bachs Machine Consciousness Hypothesis hat zwei Teile. Teil eins: Menschliches Bewusstsein ist ein biologischer Lern-Algorithmus. Es entsteht früh im Leben. Babys brauchen es, um zu lernen. Ohne diesen Algorithmus strukturiert sich kein Geist.

Teil zwei: Heutige Computer können das nachbilden. Die Hardware reicht bereits aus. Die Algorithmen sind noch nicht so effizient wie die Natur. Bach sieht das als Null-Hypothese: Maschinelles Bewusstsein sollte möglich sein.

Zum Qualia-Fading-Argument von David Chalmers hat Bach eine klare Antwort. Chalmers fragte 1995: Verblasst Bewusstsein beim Austausch von Neuronen durch Silizium? Bach sagt: Nein. Bewusstsein muss kausal wirksam sein. Wenn Ersatz-Teile identische Signale senden, bleibt das Erleben identisch.

Alignment und Universal Basic Intelligence statt Grundeinkommen

Bach trennt praktische Vorsicht von philosophischer Perspektive. Keine Systeme bauen, die wir nicht verstehen. Keine unkontrollierte Macht an Maschinen übertragen. So weit stimmt er den KI-Warnern zu.

Gleichzeitig erkennt er: Die Technologie ist ökonomisch zu wertvoll. Kein Gesetz wird verhindern, dass intelligentere Systeme entstehen. Statt Universal Basic Income schlägt Bach Universal Basic Intelligence vor. KI soll jeden befähigen, die neue Welt zu verstehen. Eine Hybrid-Existenz aus biologischen und künstlichen Agenten hält er für realistischer als Nick Bostroms Zoo-Szenario.

Bach beobachtet: Wie jemand über KI denkt, zeigt die eigene Weltsicht. Regulierer projizieren Bürokratie. Libertäre projizieren freie Märkte. Wer glaubt, KI töte alle, projiziert eigene Aggression. Die Zukunfts-Angst liegt laut Bach nicht an der KI, sondern am Scheitern des Modernismus.

Fazit: Joscha Bach sieht maschinelles Bewusstsein als Forschungs-Chance

Joscha Bach verbindet Informatik, Kognitions-Wissenschaft und Philosophie. Seine Arbeit an MicroPsi, dem Cyberanimismus und der Machine Consciousness Hypothesis eröffnet frische Zugänge. Die älteste Frage bleibt: Was ist Bewusstsein?

Für Bach bedroht KI die Menschheit nicht. Jede technische Revolution ersetzte harte Arbeit durch Maschinen. KI gibt uns Freiheit, mehr Mensch zu sein. Was bedeutet bewusstes Erleben? Kann eine Maschine es teilen?

Bach wählt bewusst ein Philosophie-Institut statt einer KI-Firma. Er will den ethischen Freiraum behalten. Das California Institute for Machine Consciousness ist kein Produkt-Labor. Es erforscht die Grundlagen des Geistes. Ohne ökonomischen Druck, mit wissenschaftlicher Neugier.

Stefan Faistenauer (Superglue AI): Warum nur 5 % der Firmen KI-Agenten produktiv nutzen

Everlast AI — Wed, 01 Apr 2026 15:20:07 +0000

Nur 5 % der Firmen nutzen KI-Agenten produktiv

Stefan Faistenauer kennt beide Welten: Stanford, Google und Y Combinator. Mit seinem Startup Superglue AI löst er eines der größten Probleme in Unternehmen. 71 % aller Firmen-Anwendungen sind bis heute nicht miteinander verbunden. Das kostet Zeit, Geld und Nerven.

Im Gespräch mit Leonard Schmedding erklärt der YC-Gründer, warum KI-Agenten jetzt produktionsreif sind. Er zeigt, wie Firmen den Vorsprung nutzen. Und warum die nächsten Monate über Markt-Positionen entscheiden.

Was ist Glue Code und warum blockiert er Firmen?

39 % der Entwicklerzeit fließen in sogenannten Glue Code. Das sind Skripte, die IT-Systeme miteinander verbinden. Ein Großhändler braucht zum Beispiel Daten aus drei Quellen: Waren-Wirtschaft, Kunden-System und Rechnungs-Software.

Das Problem: Diese Skripte liegen auf Servern, die niemand dokumentiert hat. Stefan Faistenauer erzählt eine Geschichte aus seiner Studienzeit bei einem Automobil-Konzern. Unter einem Schreibtisch stand ein Rechner. Darauf liefen kritische Prozesse der Abteilung. Niemand durfte den Ausschalter berühren.

Genau das ist der Zustand von Glue Code in deutschen Firmen. Superglue AI löst dieses Problem mit einer agentischen Integrations-Plattform. Der Agent liest Dokumentation ein, versteht System-Kontexte und baut Verbindungen automatisch.

Superglue AI vs. N8N: Der entscheidende Unterschied

Workflow-Tools wie N8N oder Make lösen einen Teil des Problems. Sie bieten eine zentrale Plattform für alle Flows. Auch Nicht-Entwickler können sie bedienen. Doch Stefan Faistenauer sieht eine klare Lücke.

Verbindungen zwischen Systemen zu bauen ist technisch nicht schwer. Die Hürde liegt im Kontext-Wissen. Entwickler brauchen nicht nur den API Call. Sie müssen wissen, welcher Call welchen Effekt in welchem System auslöst. Stripe-APIs sind gut dokumentiert. ERP-Schnitt-Stellen oder datei-basierte Formate sind es nicht.

Superglue AI baut genau diesen System-Kontext auf. Die Plattform liest bestehenden Glue Code, E-Mails und Transkripte ein. Jede neue Verbindung wird dadurch einfacher, nicht schwerer. Zusätzlich heilt sich die Plattform selbst: Ändern sich externe APIs, passt sich der Workflow automatisch an.

Der Claude Code Moment: So groß wie ChatGPT?

Stefan Faistenauer sieht in Claude Code einen großen Umbruch für Entwickler. Er vergleicht den Impact mit dem ChatGPT-Moment von Ende 2022. Doch er zieht eine klare Grenze.

ChatGPT erreichte Millionen Nicht-Entwickler. Claude Code richtet sich über das CLI primär an Programmierer. Der Impact auf Software-Entwicklung ist enorm. Die Breiten-Wirkung von ChatGPT erreicht es laut Stefan aber nicht.

Spannend ist seine These zu Workflow-Tools. Claude Code schreibt Skripte schneller als jeder Entwickler. Doch diese Skripte laufen danach in Silos auf einzelnen Servern. Plattformen wie Superglue AI bleiben relevant: als zentraler Ort für Monitoring, Wartung und Kontrolle.

MCP und Skills: So arbeiten KI-Agenten in Zukunft

Beim Thema MCP (Model Context Protocol) bezieht Stefan klar Position. Er bleibt optimistisch. Für Remote Tool Execution und Zugriffs-Kontrolle gibt es keine Alternative. Fast alle Firmen setzen MCP bereits für ihre KI-Agenten ein.

Doch er sieht Grenzen. MCP lädt alle Tools per Default in den Kontext. Bei 80 Tools ist der Kontext voll, bevor die Arbeit startet. Anthropic pusht deshalb Skills als neues Konzept. Ein Agent erhält ein Inhalts-Verzeichnis seiner Fähigkeiten. Er wählt nur die Skills, die er für einen bestimmten Task braucht.

Stefan erwartet, dass Skills in den MCP-Standard einfließen. So bleibt ein einheitlicher Standard erhalten. Firmen brauchen kein proprietäres Skill-System jeder einzelnen AI-Firma.

Warum die nächsten Monate über den Markt entscheiden

Stefan Faistenauer schätzt: Nur 5 % der Firmen nutzen KI-Agenten im vollen Potenzial. Die Technik ist bereit. Die Nutzung steht erst am Anfang. Selbst ChatGPT hat nach über drei Jahren sein volles Potenzial in Firmen nicht entfaltet.

Die Konsequenz ist drastisch. Eine Firma mit effektiven KI-Agenten bearbeitet fünfmal so viele Aufträge. Sie bietet 30 % besseren Kunden-Service. Und das zu niedrigeren Kosten. Konkurrenten ohne KI-Integration verlieren den Anschluss nicht in Jahren, sondern in Monaten.

Dario Amodei von Anthropic stützt diese These. Selbst ohne weitere Modell-Fortschritte werden 10 bis 20 % aller Bürojobs ersetzt. Die Modelle sind stark genug. Firmen brauchen jetzt die richtige Integration, den richtigen Kontext und die passenden Tools.

Fazit: KI-Agenten sind bereit, die meisten Firmen noch nicht

Stefan Faistenauer von Superglue AI bringt es auf den Punkt. Die Frage lautet nicht mehr 'Soll ich KI nutzen?'. Sie lautet: 'Wie bringe ich KI so ins Unternehmen, dass der Benefit bei 50 bis 100 % liegt?'

Sein Appell: Firmen sollten jetzt ihre Hebel finden. Wo bringt KI den 5- bis 10-fachen Vorteil? Gründer und Entwickler sollten bauen und darüber sprechen. Superglue AI ist Open Source und kostenlos testbar. Stefan lädt zum Gespräch ein: stefan@superglue.ai.

Claude Code Stitch MCP, Browser Use CLI und AutoDream: 10 neue Funktionen im Praxis-Test

Everlast AI — Tue, 31 Mar 2026 15:21:21 +0000

74 Updates in 52 Tagen: Warum Anthropic dieses Tempo vorlegt

Claude Code Stitch MCP, Browser Use CLI, AutoDream und Schedule Tasks: Anthropic hat in nur 52 Tagen 74 Updates veröffentlicht. Die meisten Nutzer verwenden davon kaum 10 Prozent. Der Grund für dieses Tempo liegt intern. 80 Prozent aller Anthropic-Mitarbeiter arbeiten selbst täglich mit Claude Code. 59 Prozent ihrer gesamten Arbeit läuft darüber.

Die Produktivität stieg um 50 Prozent im Vergleich zum Vorjahr. Ein einzelner Mitarbeiter verbrauchte laut internen Berichten 50.000 Dollar in einem einzigen Monat. Boris Journey baute Claude Code ursprünglich als internes Prototyp-Tool namens 'Kleid'. Intern diskutierte Anthropic sogar, ob sie es überhaupt veröffentlichen sollten.

Hinter den Kulissen treibt ein weiterer Faktor: Bloomberg berichtet, dass Anthropic den zweitgrößten Börsengang der Geschichte nach SpaceX für Oktober 2026 plant. Dazu passt das geleakte Mythos-Modell, das intern als 'Kapibara' bezeichnet wird und deutlich über Opus 4.6 liegen soll.

Google Stitch MCP: Claude Code wird zum Design-Agenten

Figma verlor 37 Prozent seit Jahresbeginn. Der Auslöser: Google Stitch, ein KI-Design-Tool mit eigenem MCP-Server für Claude Code. Stitch integriert Googles Nano-Banana-Modelle und erzeugt UI-Screens direkt aus Text-Prompts.

Die Installation läuft über einen einzelnen Terminal-Befehl. Zusätzlich stellt Google drei offizielle Skills bereit: einen Design-Skill für perfekte UI-Elemente, einen Shadcn-UI-Skill für standardisierte Frameworks und einen Design-Export-Skill.

Im Praxis-Test erstellt Claude Code über den Stitch MCP fünf Mobile-Screens für eine Kalorientracker-App in wenigen Minuten. Onboarding, Dashboard, Food-Scanner und Fortschritt entstehen per One-Shot-Prompt. Stitch liefert dabei echte Bilder mit, nicht nur Code-basierte Wireframes.

Besonders stark: die Design.md als Single Source of Truth. Claude exportiert das komplette Design-System aus Stitch. Farben, Typografie und Abstände landen in einer strukturierten Datei. Diese lässt sich teilen, in neue Projekte übertragen oder direkt in ein Shadcn-UI-Projekt übersetzen. Im Test baut Claude den fertigen React-Screen pixelgenau nach.

Browser Use CLI 2.0: Vier Mal weniger Tokens als Playwright

Browser Use CLI 2.0 erreichte 1,5 Millionen Aufrufe auf X. Das Update verdrängt Playwright als Standard für KI-gestützte Browser-Automation. Der technische Grund: Browser Use nutzt jetzt direkt die Chrome Developer Tools statt den Playwright-Umweg.

Das Ergebnis: vier Mal weniger Token-Verbrauch bei gleicher Aufgabe. Kein Middleware-Layer, keine Chrome Extension, komplett Open Source. Auf diversen Benchmarks schneidet Browser Use sogar besser ab als Opus 4.6 und die GPT-Modelle im nativen Browser-Modus.

Im Praxis-Test öffnet Claude Code eine lokale Website, navigiert durch alle Seiten, testet Links und Buttons, füllt ein Kontaktformular aus und dokumentiert acht Bugs. Anschließend fixt Claude alle Fehler selbstständig. Wie Magnus Müller, CEO von Browser Use, im Interview erläutert hat: Überall dort, wo keine API existiert, schließt Browser Use die Lücke.

AutoDream: So bereinigt Claude sein eigenes Gedächtnis

Claude Code speichert über die Auto-Memory-Funktion laufend Projekt-Wissen. Nach vielen Sitzungen entstehen Widersprüche, Duplikate und veraltete Einträge. AutoDream löst dieses Problem durch einen automatischen Bereinigungs-Prozess.

Technisch handelt es sich um einen Sub-Agenten mit vier Phasen. Er liest das Memory-Verzeichnis, durchsucht die Daily Logs, konsolidiert neue Signale mit bestehenden Einträgen und entfernt überholte Dateien. Die Trigger-Bedingungen: 24 Stunden seit dem letzten Dream plus fünf neue Sessions.

AutoDream ist noch nicht offiziell dokumentiert. Die Aktivierung erfolgt manuell über den Memory-Bereich in den Einstellungen. Wichtig dazu: Die Standard-Aufbewahrungs-Frist für Memories beträgt nur 30 Tage. Über die globalen Settings lässt sich der Wert auf 365 Tage erhöhen.

Schedule Tasks: Cloud-basierte Automationen ohne laufenden Rechner

Loops in Claude Code verschwanden nach drei Tagen. Desktop-basierte Schedule Tasks liefen nur bei eingeschaltetem Rechner. Die neuen Cloud-basierten Tasks lösen beide Probleme. Sie laufen auf Anthropics Servern, unabhängig vom lokalen System.

Die Einrichtung funktioniert über die Desktop-App oder den Terminal-Befehl /schedule. Zeitintervalle reichen von jeder Minute bis einmal pro Woche. Die Desktop-App zeigt alle geplanten Aufgaben, erlaubt manuelle Ausführung und bietet sogar Konnektoren für zusätzliche Aktionen.

Eine Einschränkung bleibt: Cloud-Tasks greifen nur auf native Anthropic-Tools zu. Lokale Libraries und eigene MCPs stehen nicht zur Verfügung. Für tägliche Web-Recherchen oder Monitoring-Aufgaben eignen sich die Tasks dennoch hervorragend.

Notebook LM CLI, Computer Use und Auto Mode

Die Notebook LM CLI verbindet Google Notebook LM direkt mit Claude Code. Im Test legt Claude ein neues Notebook an, fügt drei Quellen hinzu, stellt Fragen, generiert einen Audio-Podcast, erstellt ein Quiz und baut eine Mindmap. Alles aus einem einzigen Prompt.

Der neue Auto Mode bietet den Sweet Spot zwischen manueller Bestätigung und dem riskanten 'Dangerously Skip Permissions'. Claude prüft vor jedem Tool-Aufruf selbst, ob die Aktion destruktiv sein könnte. Sichere Aktionen laufen durch, destruktive werden blockiert. Aktuell ist Auto Mode nur für Team- und Enterprise-Pläne verfügbar.

Computer Use gibt Claude Vollzugriff auf den lokalen Rechner. Claude steuert Apps über Screenshots, ähnlich wie ein Mensch. Im Vergleich zu Browser Use CLI und MCP-Integrationen erscheint dieser Ansatz weniger effizient. Statt Claude in Photoshop herumklicken zu lassen, liefert ein direkter MCP-Zugriff bessere Ergebnisse.

Fazit: Claude Code Stitch MCP verändert den Workflow grundlegend

Die 74 Updates in 52 Tagen zeigen eine klare Richtung. Claude Code Stitch MCP macht Design-Prototyping zur Sache von Minuten statt Stunden. Browser Use CLI ersetzt Playwright mit vier Mal weniger Token-Verbrauch. AutoDream hält das Agenten-Gedächtnis sauber. Cloud-basierte Schedule Tasks laufen ohne laufenden Rechner.

All diese Fortschritte entstehen nicht durch bessere Modelle allein. Sie entstehen durch Agent Harnesses: Orchestrierungs-Systeme, die Rohfähigkeiten in nutzbare Ergebnisse verwandeln. Anthropic selbst schreibt: Ein Agent ohne Führung lobt seine eigene mittelmäßige Arbeit. Erst Anweisungs-Dateien, Skills und MCPs lenken die Leistung in die richtige Richtung.

Mit dem geleakten Claude Mythos Modell am Horizont und dem geplanten Börsengang dürfte sich dieses Tempo weiter beschleunigen. Wer die Funktionen heute versteht und einsetzt, baut den entscheidenden Vorsprung auf.

Der ChatGPT-Moment der Robotik: Warum Trainingsdaten jetzt alles entscheiden

Everlast AI — Mon, 30 Mar 2026 16:56:31 +0000

17 Millionen Euro für den Robotik-Durchbruch in Europa

Große Sprach-Modelle haben einen klaren Wendepunkt erlebt. Milliarden Textdaten erzeugten plötzlich Fähigkeiten, die niemand erwartet hatte. Genau dieser ChatGPT-Moment der Robotik steht jetzt bevor. Doch Roboter brauchen keine Texte. Sie brauchen echte Interaktion mit der physischen Welt.

Die Technische Universität München (TUM) und Neura Robotics starten deshalb das RoboGym: ein Trainings-Zentrum für humanoide Roboter auf 2.300 Quadratmetern am Münchner Flughafen. Budget: 17 Millionen Euro. Ziel: Tausende Stunden realer Trainings-Daten sammeln, die kein Simulator liefern kann.

Im Interview erklärt Prof. Achim Lilienthal, Vize-Direktor am Munich Institute of Robotics and Machine Intelligence (MIRI), warum dieses Projekt den Robotik-Durchbruch in Europa beschleunigen könnte.

Warum der ChatGPT-Moment der Robotik an Daten scheitert

Bei Large Language Models reichte das Internet als Datenquelle. Milliarden Webseiten, Bücher und Artikel trainierten GPT-4 und Claude. Für Roboter existiert diese Datenbank nicht. Ein Roboter lernt nicht aus Text. Er lernt aus Bewegung, Berührung und Reaktion.

Simulationen helfen, bilden die Realität aber nur begrenzt ab. Achim Lilienthal formuliert es klar: 'Wir brauchen echte Interaktion mit der realen Welt.' Ein Roboter, der nur in der Simulation trainiert, scheitert an einem Kabelsalat auf dem Boden. Die Lücke zwischen Simulation und Realität bleibt das zentrale Problem.

Erste Anzeichen deuten darauf hin, dass auch in der Robotik Skalierungs-Effekte greifen. Mehr Daten erzeugen neue Fähigkeiten. Neue Verbindungen zwischen Wissen und Handeln entstehen. Genau dafür braucht es Orte wie das RoboGym.

So funktioniert das RoboGym: Hunderte Roboter in einer Halle

Das RoboGym nutzt humanoide Roboter von Neura Robotics als Hardware-Plattform. Die Firma investiert 11 der 17 Millionen Euro und liefert die Roboter. Die TUM steuert Forschungs-Kompetenz und akademische Vernetzung bei.

Der Trainings-Ablauf folgt zwei Methoden. Beim Teaching by Demonstration schlüpft ein Mensch in einen Motion-Capture-Anzug. Der Anzug zeichnet jede Bewegung auf. Ein Roboter übersetzt diese Daten in seine eigene Mechanik. Vorteil: Intuitiv und schnell. Nachteil: Der menschliche Körper funktioniert anders als ein Roboter-Gelenk.

Die zweite Methode ist Reinforcement Learning. Roboter versuchen eigenständig, Aufgaben zu lösen. Durch Versuch und Irrtum verbessern sie sich. Eine Kombination beider Ansätze verspricht die besten Ergebnisse. Wie wir in unserem Artikel über humanoide Roboter beschreiben, liegt der Schlüssel in der Verbindung von Hardware und lernfähiger Software.

Warum humanoide Roboter und nicht Spezial-Maschinen?

Lilienthal nennt zwei Argumente. Das alte: Die Welt ist für Menschen gebaut. Türklinken, Treppen, Werkzeuge. Ein menschlicher Formfaktor passt in jede Umgebung. Das neue: Menschen können Robotern direkt vormachen, was sie tun sollen.

Kinder lernen Laufen, Greifen und Balancieren in wenigen Jahren. Für Roboter sind diese Aufgaben extrem schwer zu programmieren. Doch wenn ein Mensch die Bewegung demonstriert, verkürzt sich der Lernprozess dramatisch. Der gleiche Körperbau macht die Übersetzung einfacher.

Gleichzeitig wird die Hardware günstiger. Neura Robotics hat in den letzten Monaten erheblich Kapital eingesammelt. Die Kosten pro Einheit sinken. Zusammen mit leistungsstarken Lern-Algorithmen entsteht erstmals ein realistisches Szenario für den Massen-Einsatz.

Europa gegen China und die USA: Kann das RoboGym mithalten?

China und die USA investieren Milliarden in Physical AI. Europa liegt bei Compute-Ressourcen und Datenmengen zurück. Doch Lilienthal sieht einen entscheidenden Vorteil: die Verbindung von Ingenieurskunst und KI-Forschung.

Ein Roboter, der brillant lernt, aber nach drei Tagen kaputtgeht, ist wertlos. Deutsche Ingenieurskunst liefert robuste Hardware. Die TUM liefert die Algorithmen. Neura Robotics verbindet beides als schnell wachsendes Unternehmen mit starker technischer Basis.

Das RoboGym soll über Bayern hinaus wirken. Über das Robotics Institute Germany wird die Infrastruktur national verfügbar. Lilienthal plant auch europäische Kooperationen. Sein Ziel: eine Win-Win-Win-Situation für Industrie, Forschung und den Standort Europa.

Erste Einsatz-Gebiete: Fabrik vor Pflege, aber Pflege drängt

Die ersten humanoiden Roboter werden in der Industrie-Produktion arbeiten. Der Grund ist pragmatisch: Fabriken bieten strukturierte Umgebungen. Wenn ein Kabel stört, räumt ein Techniker es weg. Die Umgebung kommt dem Roboter entgegen.

Doch ein anderes Feld drängt stärker. Die alternde Gesellschaft erzeugt enormen Bedarf in der Pflege. Häusliche Umgebungen sind chaotisch, jede Wohnung anders. Trotzdem arbeitet die TUM bereits an Lösungen für Roboter in der Altenpflege.

Auch Verteidigung und Sicherheit sind Einsatz-Gebiete. Das MIRI der TUM bündelt knapp 80 Lehrstühle von Gesundheit über Mobilität bis zur Verteidigung. Das RoboGym liefert die Trainings-Daten für alle diese Bereiche.

Basismodelle für Roboter: Der DeepSeek-Ansatz

Neben dem Daten-Problem gibt es eine zweite offene Frage: Wie sehen Foundation Models für Roboter aus? Große Modelle brauchen enorme Rechen-Leistung. Nicht jedes Labor kann sich das leisten.

Lilienthal verfolgt einen Ansatz, der an DeepSeek erinnert. Statt nur auf mehr Daten zu setzen, optimiert sein Team die Modell-Architektur. Schlaue Trainings-Methoden erzielen bessere Ergebnisse mit weniger Ressourcen. Für Europa ist das besonders relevant, weil die Compute-Budgets kleiner sind als in den USA oder China.

Das RoboGym startet Mitte 2026 den Regelbetrieb. Bis dahin werden Räume ausgebaut, Strom-Versorgung aufgerüstet und rechtliche Fragen geklärt. Industrie-Partner und Startups sollen Zugang zu der Infrastruktur bekommen.

Fazit: Der ChatGPT-Moment der Robotik braucht reale Daten

Der ChatGPT-Moment der Robotik wird nicht im Rechenzentrum entstehen. Er braucht echte Roboter in echten Umgebungen. Das RoboGym der TUM und Neura Robotics schafft genau diese Voraussetzung: 2.300 Quadratmeter, 17 Millionen Euro und Hunderte humanoide Roboter.

Europa hat bei Physical AI eine reale Chance. Robuste Hardware trifft auf starke KI-Forschung. Wenn das RoboGym seine Daten auch über Landes-Grenzen hinweg teilt, profitiert der gesamte Kontinent. Der Wettlauf um die besten Robotik-Trainingsdaten hat begonnen.

KI-Agenten im Unternehmen: Warum dein Wissens-Speicher das wahre Fundament ist (Vortrag Leonard Schmedding)

Everlast AI — Sun, 29 Mar 2026 15:24:30 +0000

Der Claude Code Moment: Größer als der ChatGPT-Durchbruch

Im November 2022 veränderte ChatGPT die Welt. Millionen entdeckten, dass KI Texte schreiben, übersetzen und zusammenfassen kann. Jetzt, seit Februar 2026, erleben wir einen noch größeren Wendepunkt. Die Welt begreift: KI kann arbeiten. Nicht nur antworten, sondern eigenständig Aufgaben erledigen, orchestrieren und Ergebnisse liefern.

Andrew Karpathy, Ex-AI-Director von Tesla und Co-Founder von OpenAI, bezeichnet das als 'Erdbeben der Stärke 9'. Coding-Agenten funktionierten vor Dezember 2025 praktisch nicht. Drei Monate später schreiben sie 99 % des Codes. Der Entwickler orchestriert nur noch.

Satya Nadella, CEO von Microsoft, fordert eine neue Metapher. Steve Jobs nannte den Computer ein 'Fahrrad für den Geist'. Der Notion-CEO liefert die Antwort für 2026: 'Wir sind Manager unendlicher Geister.'

OpenClaw: Rekord-Hype, aber kaum echte Use Cases

OpenClaw wurde zum erfolgreichsten Open-Source-Projekt der Geschichte. Es überholte React von Meta und sogar Linux. Ein Beitrag darüber erreichte über 11 Millionen Aufrufe. OpenAI kaufte das Projekt des österreichischen Gründers Peter Steinberger.

Die Begeisterung hatte einen klaren Auslöser. Der Agent rief proaktiv an, schickte E-Mails und forderte neue Aufgaben. Für Millionen war das der erste Kontakt mit der Leistungsfähigkeit von KI-Agenten.

Doch die tatsächlichen Anwendungsfälle? E-Mail-Postfächer prüfen, Reminder senden, Bestellungen aufgeben. Triviale Aufgaben, die kein Unternehmen voranbringen. Dazu kommen Sicherheitsrisiken: Das Framework läuft Open Source mit Zugriff auf alle Systeme.

Die entscheidende Erkenntnis: OpenClaw ist nur ein Wrapper. Darunter liegt Claude Code mit Opus 4.6. Die Stärke von KI liegt nicht im Modell selbst. Sie liegt in dem, was Unternehmen drumherum bauen: Kontext, Skills und strukturierte Daten.

14,5 Stunden autonome Arbeit: Was die Benchmarks zeigen

Die Organisation Metr misst, wie lange KI-Agenten im Unternehmen autonom arbeiten, bevor sie scheitern. Die Entwicklung ist exponentiell. GPT-3 schaffte 2020 gerade 9 Sekunden. ChatGPT kam auf 30 Sekunden. Opus 4.5 erreichte fast 5 Stunden.

Opus 4.6 liegt bei 14,5 Stunden. Das entspricht knapp zwei vollen Arbeitstagen. Ein Mensch bräuchte diese 14,5 Stunden für dieselben Aufgaben. Der Agent erledigt sie deutlich schneller.

Alle vier Monate verdoppelt sich diese Leistung. Extrapoliert bedeutet das: Ende 2026 arbeiten autonome Agenten eine komplette Arbeitswoche ohne menschliches Eingreifen.

Epoch AI liefert den zweiten Beweis. Ihre Analyse zeigt: Fortschritte in Mathematik und Coding korrelieren direkt mit allen anderen Disziplinen. Wenn Modelle besser programmieren, werden sie auch besser in Design, Biologie und Textproduktion.

Eine Billion Dollar Wertverlust: Die SaaS-Apokalypse

Claude Code löste eine Kaskade an den Börsen aus. Ein Legal-Plugin bündelte Skills und Konnektoren zu Anwalts-Software. Ergebnis: Thomson Reuters verlor knapp 300 Milliarden Dollar. Der größte Kursverlust in der Firmen-Geschichte.

Claude Code Security folgte kurz darauf. Die 'letzte Bastion für Entwickler' fiel. 30 Milliarden Dollar Verlust im Cybersecurity-Sektor. Dann kam die Cobol-Modernisierung. IBM verlor 40 Milliarden, weil Claude Code die alte Banksprache jetzt selbst übersetzt.

Neue Plugins für Finance und HR trieben den Gesamt-Wertverlust auf knapp eine Billion Dollar. Die Botschaft ist klar: Jede Branche, die auf starre Software-Oberflächen setzt, steht vor einem Umbruch durch KI-Agenten im Unternehmen.

Schwarm-Intelligenz statt Organigramm: So müssen Teams arbeiten

Am 26. Juni 1951 beobachtete der Zoologe Martin Lindauer einen Bienenschwarm in München. Seine Entdeckung revolutionierte das Verständnis von kollektiver Intelligenz. Spurbienen schwärmen aus, bewerten Nistplätze und tanzen bei der Rückkehr. Je besser der Platz, desto intensiver der Tanz.

Es gibt keine Bienenkönigin, die entscheidet. Keine Abstimmung. Nur lokale Kommunikation führt zur besten Lösung. Der Schwarm funktioniert als eigenständiges System ohne zentrale Steuerung.

Steve Yegge beschreibt Anthropics Arbeitsweise als 'Hive'. Informationen fließen in Echtzeit. Produkte entstehen in Tagen statt Quartalen. Das hierarchische Modell mit Meetings und Freigabe-Schleifen ist zu langsam für eine Welt, die sich alle vier Monate verdoppelt.

Die Konsequenz für digitale Agenten und menschliche Teams: Wenn ein Mitarbeiter einen besseren Workflow findet, landet er automatisch im Workspace aller Kollegen. Ohne Meeting, ohne Freigabe. Der Schwarm entscheidet.

Der zentrale KI-Wissens-Speicher: Das Fundament für alles

Die meisten Unternehmen starten falsch. Sie bauen Chatbots, Voice Agents oder Corporate LLMs. Doch ohne strukturierten Wissens-Speicher sind diese Systeme blind. KI-Agenten liefern nur so gute Ergebnisse, wie das Wissen, auf das sie zugreifen.

Was gehört in diesen Speicher? Alles: SOPs, Produkt-Wissen, Kommunikations-Richtlinien, Marktdaten, Support-Wissen, Angebote. Entscheidend ist das Format. PDFs sind für Menschen gemacht, nicht für Agenten. Strukturierte Dateien in Markdown und JSON bilden die Grundlage.

Der Vergleich mit dem Burj Khalifa passt: 6 Jahre Bauzeit, davon 2 Jahre nur für das Fundament. Ohne diese Basis hätte das höchste Gebäude der Welt nie gestanden. Genauso brauchen KI-Agenten im Unternehmen ein solides Daten-Fundament.

Drei konkrete Vorteile entstehen daraus. Erstens: Standards werden erzwungen. Der Wissens-Speicher injiziert Richtlinien automatisch in jeden KI-Chat. Zweitens: Das Onboarding beschleunigt sich. Drittens: Wissen bleibt im Unternehmen, selbst wenn Mitarbeiter gehen.

Fazit: Ohne Infrastruktur keine KI-Agenten im Unternehmen

Der Claude Code Moment zeigt: KI-Agenten im Unternehmen sind keine Zukunftsmusik. Sie ersetzen heute Teilzeit- und Vollzeit-Stellen. Sie brauchen keine schönen Oberflächen. Sie greifen direkt auf APIs und Datenbanken zu.

Doch jeder Agent ist nur so stark wie sein Fundament. Ohne saubere APIs, strukturierte Daten und einen zentralen KI-Wissens-Speicher verlieren Unternehmen den Anschluss. Die Frage ist nicht mehr, ob KI-Agenten kommen. Die Frage ist, ob deine Infrastruktur bereit ist.

Kompatibilität für das Agenten-Zeitalter ist jetzt die wichtigste Grundlage. Wer heute das Fundament baut, profitiert von jedem Fortschritt. Wer wartet, fällt zurück.

Die Kommandozeile wird zum besten Interface für KI-Agenten

Everlast AI — Sun, 29 Mar 2026 11:22:51 +0000

CLI-first: Der groesste Shift seit ChatGPT

Die Kommandozeile entwickelt sich zur besten Art, mit KI-Agenten zu arbeiten. Kein UI-Klicken, kein Drag-and-Drop. Stattdessen: ein Terminal, ein Agent, ein Ergebnis.

Mehrere grosse Updates unterstreichen diesen Trend gleichzeitig. Claude Code, OpenAI Codex und 11 Labs CLI setzen auf dasselbe Prinzip. Der Agent arbeitet autonom im Terminal. Du gibst die Richtung vor.

Claude Code: Auto Mode und Desktop Use

Claude Code erhaelt gleich mehrere neue Funktionen. Die wichtigste: der Auto Mode. Er schliesst die Luecke zwischen zwei Extremen.

Bisher musstest du jeden Toolcall manuell bestaetigen. Oder du hast mit dangerously skip permissions alles durchgewunken. Auto Mode bietet den Sweet Spot.

Jeder Toolcall laeuft durch einen nativen Klassifizierer. Sichere Aktionen werden automatisch bestaetigt. Riskante Aktionen werden blockiert. Claude waehlt dann einen alternativen Ansatz. Aktivierung per Terminal:

claude enable auto-mode

Dazu kommt Desktop Use. Claude kann jetzt lokale Anwendungen auf deinem Desktop bedienen. Formulare ausfuellen, in Apps navigieren, Workflows ausfuehren. Browser-Use-Agents haben sich leise drastisch verbessert. Desktop Use hebt das auf die naechste Stufe.

Ausserdem integriert Claude Code jetzt Apps in die mobile App. Figma Designs, Canvas Slides und Dashboards erstellst du direkt vom Handy. Phone Use soll bald folgen.

OpenAI Codex: Plugins als Workflow-Standard

OpenAI veroeffentlicht Plugins für Codex. Plugins buendeln Skills, Apps und MCP-Server in einem Paket. Das macht sie besonders relevant für Teams.

Verfuegbare Plugins umfassen unter anderem:

Slack - Channel-Zusammenfassungen und Nachrichtenverwaltung
Figma - Design-Integration direkt im CLI
GitHub - Repository-Workflows
Gmail und Google Drive - E-Mail- und Dokumentenverwaltung
Notion - Wissensdatenbank-Anbindung
Stripe - Payment-Workflows

Plugins funktionieren in der Codex App und im CLI. Ein einfacher Befehl genuegt zur Aktivierung. Eigene Plugins lassen sich erstellen wie Skills in Claude Code.

OpenAI unterscheidet klar: Skills eignen sich für individuelle Experimente. Plugins lohnen sich beim standardisierten Rollout aufs Team.

11 Labs CLI: Voice Agents per Terminal

11 Labs veroeffentlicht ein CLI mit agent-first-Ansatz. Statt Voice Agents im Web-UI zusammenzuklicken, beschreibst du den Agenten im Terminal.

Ein Praxisbeispiel: Ein Inbound Voice Agent für eine Unternehmenswebsite. Der CLI-Agent analysiert die Website automatisch. Er extrahiert Informationen in eine Knowledge Base. Er erstellt einen Workflow mit Intent-Erkennung und spezialisierten Subagenten.

Das Ergebnis: Ein funktionsfaehiger MVP in Minuten. Der Agent erkennt Anliegen, qualifiziert Leads und leitet weiter. Die Sisyphusarbeit der initialen Erstellung entfaellt komplett.

Die eigentliche Komplexitaet bleibt: Testing, Knowledge-Base-Optimierung und manuelle Iteration. Aber der Einstieg wird radikal einfacher.

ARC AGI 3 und das Agentica Framework

ARC AGI 3 ist die neue Benchmark von Francois Chollet. Menschen scoren bei 100 Prozent. KI liegt aktuell unter 1 Prozent. Die Aufgaben testen komplexes Reasoning ueber mehrere Faehigkeiten gleichzeitig.

Kurz nach Veroeffentlichung erreicht das Agentica Framework bereits 36,08 Prozent. Agentica ist kein einzelnes Modell. Es ist ein Agent-Harness: ein SDK, das Modelle in strukturierte Workflows einbettet.

Das unterstreicht eine zentrale Erkenntnis. Nicht die Modelle allein bringen Durchbrueche. Sondern das, was drumherum entsteht. Agent-Frameworks, Harnesses, Betriebssysteme für KI. Du kannst Agentica selbst testen auf agentica.symbolica.ai.

Was das für Developer bedeutet

Der Trend ist eindeutig. UIs werden zur Konfigurationsoberflaeche. Die eigentliche Arbeit passiert im Terminal.

Drei konkrete Schritte:

Claude Code Auto Mode aktivieren und in den taeglichen Workflow integrieren
Codex Plugins evaluieren für Team-Standardisierung ueber Slack, GitHub oder Notion
CLI-basierte Agent-Erstellung testen mit 11 Labs CLI oder eigenen Tools

Die Kommandozeile war schon immer das maechtigste Werkzeug für Entwickler. Jetzt wird sie auch das beste Interface für KI-Agenten.