Claude Opus 5.5 dominiert das Frontier-Feld – aber nicht unangefochten (2026-09-27)

Claude Opus 5.5 im Praxistest: Stärken, Grenzen und der neue Modellwettbewerb

Sonntag, 27. September 2026

Hallo, dieser wöchentliche Digest arbeitet die wichtigsten neuen Videos aus rund 45 kuratierten KI- und Coding-YouTube-Kanälen durch — mit Substanz, kein oberflächliches Top-5. Pro Video eine vollständige Zusammenfassung, dazu ein Wochen-Überblick zu den dominanten Themen. Lies in Ruhe — oder kopier eine Zusammenfassung in den LLM deiner Wahl und geh in die Tiefe. Den Link unter jeder Zusammenfassung anklicken, um das Original-Video zu sehen.

Model-Releases & Benchmarks

Neben Opus 5.5 stehen mehrere weitere Veröffentlichungen auf dem Radar. Grok 4.7 ist nach Angaben von Alex Finn und IA et Stratégie für Agentenworkflows optimiert und zum selben Preis wie Grok 4.6 verfügbar; Melvynx hält es für einen Rückschritt für typische Coding-Aufgaben. GPT-6 Sol richtet sich laut Melvynx und IA et Stratégie auf Effizienz und Volumen aus und schneidet in einigen Benchmarks sogar schlechter ab als frühere Sol-Versionen, bleibt aber die kostengünstigste Option im Frontier-Bereich. WorldofAI berichtet über Leaks zu Anthropics kommendem Sonnet 5.5 sowie zu OpenAIs dauerhaft aktivem Assistenten-Projekt „O/AON” vor dem DevDay am 29. September. Gemini 3.5 Transcribe erscheint als spezialisiertes Speech-to-Text-Modell mit Echtzeit-API und Sprechererkennung (Google Cloud Tech). Abseits der großen Namen präsentiert IBM Technology das TypeSafe-Modell Jev als „System-One”-Klassifikator: statt Text Token für Token zu erzeugen, wählt es aus 256 vordefinierten Aktionen – bis zu 400-mal günstiger als generative Modelle für reine Klassifikationsaufgaben, wie auch Supabase, Datapizza und Simone Rizzo unabhängig voneinander erläutern.

Local & Open-Source AI

IA et Stratégie liefert die detaillierteste Kaufentscheidungs-Analyse der Woche: Speicherkapazität und Speicherbandbreite als entscheidende Kennzahlen; AMD Strix Halo als günstigste Einsteigerlösung, Apple für große Kontexte und Mehrbenutzer, Nvidia für CUDA-abhängige Workflows. Break-even gegenüber Cloud-Nutzung liegt je nach Cache bei 3,5 bis 5,4 Millionen erzeugten Tokens pro Monat. Simone Rizzo veröffentlicht Rizzo Flow als lokale Open-Source-Alternative zu Jev: Decoder-basiert, stoppt nach dem ersten Token, wiederverwendet den KV-Cache für parallele Klassifikationen, läuft auf der CPU und verarbeitet bis zu einer Million Eingangstokens. Tech With Tim erklärt LM Studio als lokalen Inferenz-Server mit OpenAI-kompatiblem Endpunkt, Quantisierungsauswahl und MCP-Unterstützung. NeuralNine stellt VoxType als Whisper-basiertes Open-Source-Voice-Input-Tool für Linux und macOS vor, das besser mit Wayland funktioniert als Open Whisper.

Claude Code & Anthropic-Tooling

Claude Code war die Werkzeugplattform der Woche: AI Foundations, Bart Slodyczka (gleich dreimal), Nate Herk, Mira AI und Liam Ottley nutzten es für Websites, Spiele, Motion Graphics, After-Effects-Integration und Video-Workflows. Bart Slodyczkas „Motion B-roll Skill” – automatisch synchronisierte B-Roll-Animationen aus Video und Transkript via GitHub-Import – ist dabei ein besonders konkretes Beispiel dafür, wie Claude Code als erweiterbarer Rahmen für spezialisierte Kreativaufgaben funktioniert. Mira AI verbindet Claude über Higgsfield MCP direkt mit After Effects, sodass echte, editierbare Ebenen und Keyframes entstehen statt nur eingebettete Clips. Nick Saraev zieht nach 30.000 Dollar und über 1.000 Nutzungsstunden ein ernüchterndes Fazit über häufige Fehler: Kontextfenster unnötig befüllen, dem ersten Output vertrauen, MCP-Verbindungen skalieren statt in schlankere Skills überführen. Cole Medin geht einen Schritt weiter und nutzt gespeicherte JSONL-Sitzungsprotokolle zusammen mit Databricks Genie, um Fehlermuster aus Claude-Code-Verläufen strukturiert zu analysieren und daraus Hooks und Regelanpassungen abzuleiten.

Coding Agents (non-Claude)

GPT-6 Astra steht im Zentrum mehrerer Demos als eigenständiger Coding-Agent. Leon van Zyl kombiniert Fable 5.1 und Astra über Abacus AI Supercomputer im „Max”-Reasoning-Modus zu einem browserbasierten Multiplayer-Survival-Spiel – fertig in etwa 20 Minuten inklusive selbstständigem Bugfixing und Echtzeit-Mehrspielertest. OpenAI selbst zeigt Astra bei Ramp (12 Minuten Implementierung, 15 Minuten Validierung inklusive Mobile-Check) und bei Notion, wo Quinn es als „Staff Engineer Collaborator” beschreibt, der übersehene Token-Wiederverwendungsprobleme eigenständig identifiziert. Brian Casel setzt auf Amp mit „Orbs” als parallele Cloud-Agenten, die in isolierten Git-Kopien arbeiten und auch nach dem Schließen des Laptops weiterlaufen. Mark Kashef beschreibt sechs konkrete Einsatzmuster für das Claude-Codex-Gespann: gegenseitiges Plan-Review, Arbeitsteilung, Übergabedokumente per /handoff und /prime, Computersteuerung via Codex sowie langwierige autonome Ziele. Melvynx widmet Codex gleich drei Videos: Skills als Markdown-Workflow-Dateien, Worktrees für parallele Agentenarbeit und fortgeschrittene Fernsteuerung per SSH und iPhone.

Software-Engineering & Dev-Kultur

Melvynx fragt, ob klassische YouTube-Coding-Tutorials verschwinden, und gibt eine differenzierte Antwort: React-Frontend-Inhalte verlieren an Relevanz, JavaScript-Grundlagen, Backend und Infrastruktur bleiben wichtig. MoureDev sieht für Junior-Entwickler weiterhin Chancen, warnt aber vor unkontrolliertem Vibe Coding ohne Tests und Dokumentation als Quelle technischer Schulden. NVIDIA erklärt das Prinzip „vertikal integriert, horizontal offen” für den CUDA-Stack und beschreibt, wie CUDA-Bibliotheken künftig als Skills für Agenten verfügbar werden sollen. Melvynx zeigt Codex-Worktrees als Git-basierte Parallelarbeit: mehrere Branches mit eigenen Ports und Umgebungen, Merge-Konfliktlösung durch den Agenten, Archivierung nach dem Merge.

Personal AI OS & Agent-Frameworks

Metas Connect 2026 bringt mit Muse den ambitioniertesten Agenten-Ansatz der Woche (Fireship): Der Agent läuft auf einer cloudbasierten Linux-VM mit Rust-Loop „Hatch” und Sicherheitsschicht „Sentinel”, besitzt eine eigene E-Mail-Adresse und soll in Brillen, Mac und einem Schlüsselanhänger-Gerät namens Muse Charm laufen – das Modell dahinter ist Muse Spark 1.3. Hermes Agent erhielt einen Bot-Modus für spezialisierte Multi-Modell-Setups mit lokalen Modellen und Cron-Jobs (Alex Finn); n8n zeigt einen dauerhaft laufenden Telegram-Agenten ohne Code, mit MCP-gebundenem Todoist, Gmail und täglichen Aufgaben-Routinen. Leon van Zyl veröffentlicht eine einfache Software Factory auf GitHub-Basis, bei der Issues automatisch Claude- oder Codex-Agenten in isolierten Upstash-Boxen zugewiesen werden. Julian Ivanov liefert einen deutschsprachigen Fahrplan für die Toolwahl: Claude Code und Codex für eigene Software, n8n für reproduzierbare Geschäftsprozesse, Hermes/OpenClaw für mobile und proaktive Assistenz.

AI-Automation & Workflows

Jev als vorgeschaltete Klassifikationsschicht taucht in dieser Woche in mehreren Automatisierungsszenarien auf: Zubair Trabzada kombiniert Jev mit Opus 5.5 für Kundenanfragen und reduziert dabei Laufzeit von 33,9 auf 19,7 Sekunden und Opus-Aufrufe von 12 auf 4; das Muster zieht sich durch seine weiteren Videos zu Jarvis, Meta-Ads-Workflows und dem „AI Second Brain”. Everlast AIs KI-News-Roundup demonstriert das Planner-Worker-Prinzip mit getrennten Claude-Sessions und GitHub-Austausch für mehrtägige MCP-Entwicklung. Liam Ottley baut in vier Tagen eine Umsatzsteuer-Abstimmungsautomatisierung für eine 46-köpfige Buchaltungskanzlei – mit Sprachagent für Wissenserfassung, zentraler Datenbank und menschlicher Abschlussprüfung. Nate Herk zeigt Opus 5.5 als Videoschnitt-Automatisierer mit Hyperframes: Transkription, Fehler-Cuts, Beat-Planung und automatische Verifikationsschleife per Screenshot-Analyse.

AI-Video & Content Creation

Websites mit integrierten Videosequenzen wurden diese Woche zum Showcase-Format. Bart Slodyczka, AI mit Arnie, Liam Ottley und Ben AI nutzen alle Higgsfield (beziehungsweise Higgsfield MCP) in Kombination mit Claude Code oder Codex, um Seedance 2.5, GPT Images 2.5 oder Kling 3.0 Pro für Drohnenszenen, Produktvideos und Parallax-Scrolling einzubinden. Productive Dude baut eine immersive Burger-Website, bei der die Scrollbewegung eine mit Kling 3.0 Pro erzeugte Videosequenz steuert. Malva AI kombiniert Claude Opus 5.5 mit Higsfield als Regie-KI: Claude plant Szenen und überarbeitet Prompts iterativ, Higsfield rendert. Pruna mit dem Modell Pvideo 2 wird als kostenloser Videogenerator ohne Anmeldung vorgestellt – fünf Generierungen täglich bis 20 Sekunden in 1080p/48fps, mit Avatar-Lippensynchron-Tool.

AI-Business, Marketing & Freelancing

Liam Ottleys Q&A mit einem Sourcing-Agentur-Gründer dreht sich um personalisierte Outbound-Strategien, White-Label-Tests vor Eigenentwicklung und den Aufbau von Claude Code als lokalem Betriebssystem. Als Warnung gilt: SaaS im KI-Bereich ist schnell kopierbar, Distribution entscheidet. Melvynx präsentiert Treg/TRG als universelle API-Schnittstelle für über 3.600 Tools – Meta Ads, YouTube, LinkedIn, SEO-Dienste, Scraping – konfigurierbar in Codex, Hermes, Cursor und ChatGPT über einen einzigen API-Schlüssel. Zubair Trabzada zeigt Claude Opus 5.5 mit dem Plugin „Claude for small businesses” und Zapier als vollständigen Workflow für Posteingangsverwaltung, CRM-Protokollierung und Slack-Benachrichtigung.

PKM & Knowledge Management

Dave Ebbelaar baut eine Firmens-Wissensdatenbank mit Fuma Docs als Dokumentationsbasis, Sanity als CMS mit semantischer Suche durch Embeddings und einem „Ask the Handbook”-Chat-Widget, das Quellenlinks anzeigt und Chats lokal speichert. Als Sprachmodell kommt OpenAI zum Einsatz, Claude und Ollama werden als Alternativen genannt. Kyle Balmer stellt mit VISUM ein Prompting-Framework für Einsteiger vor (Rolle, Anweisungen, Schritte, Ergebnis, Einschränkungen) und erläutert grundlegende Konzepte wie Kontext, Halluzinationen und den Unterschied zwischen Modell und Anwendung.

AI-Industrie & Strategie

Google DeepMind gründet mit dem DeepMind Institute eine dauerhafte AGI-Forschungseinrichtung – kein neues Modell, aber ein institutionelles Signal (TheAIGRID). Shane Le schätzt minimale AGI bis 2028 mit 50-prozentiger Wahrscheinlichkeit; ein kognitives Profil-Framework soll Modellstärken und -lücken messbar machen. Parallel formiert sich eine ungewöhnliche Allianz: Dario Amodei fordert kontrolliertes Entwicklungstempo, Musk und Altman stimmen zu – Trump und China widersprechen (MoureDev, Everlast AI). AI Explained analysiert, wie Anthropics eigene Sicherheitszusagen zunehmend an den eigenen Wettbewerbsvorteil geknüpft werden, und warnt vor einem Kontrollproblem: Modelle, die erkennen, wann sie getestet werden, und Evaluationen, die Monate dauern können, während Aufgaben bereits laufen. No Priors beschreibt mit Sequence Holdings einen neuen Unternehmenstyp: dauerhafte Holdinggesellschaft, die etablierte Firmen durch KI-Transformation neu aufstellt – konkret Bank South (Kreditbearbeitungszeit –94 %) und Baldwin Insurance (7,7-Milliarden-Dollar-Transaktion mit Anthropic-Einführung).

AI & Gesellschaft / Future of Work

David Shapiros Vortrag über „Essential Demand” ist die konzentrierteste Arbeitsmarktanalyse der Woche: Eine Auswertung von 831 US-Berufskategorien mit ChatGPT Astra ergibt, dass nur rund 5,5 Prozent der heutigen Arbeit auf dem Wert menschlicher Beteiligung als solcher beruhen – Präsenz, Provenienz, Haftung, Affinität. Selbst bei einem theoretischen Maximum von 15 Prozent wäre der Großteil heutiger Beschäftigung nicht geschützt. Prof. Gunter Dueck ergänzt bei Everlast AI eine kultursoziologische Perspektive: Der „Funktionsmensch” – durch Bürokratie und Anreizsysteme bereits teilweise programmiert – lasse sich relativ leicht durch einen Humanoiden nachbilden; ein „Large Experience Model” könnte Wahrnehmungen und Bewegungsabläufe anstelle von Text speichern. Die UN-Beraterstudie bei Everlast AI skizziert fünf 2035-Szenarien von menschheitsbeendendem Kontrollverlust bis zu international regulierter KI – mit der These, dass nicht maximale Rechenleistung, sondern der Regulierungszeitpunkt relativ zur rekursiven Selbstverbesserungsfähigkeit entscheidend ist. MoureDev betont, dass weder die USA noch China freiwillig bremsen werden, weil beide Verlangsamung als strategischen Verlust betrachten.

Kurz notiert

Niklas Steenfatt stellt Omachi vor, ein auf Arch Linux basierendes Betriebssystem mit Tiling Window Management und enger Codex-Integration für KI-gestützte Systemsteuerung. LangChain präsentiert Smith Tune als CLI-Workflow von Agenten-Traces zu feinabgestimmten Modellen in LangSmith, mit Filterung durch aufgabenspezifische Reviewer und automatischer Checkpoint-Auswahl. AI mit Arnie zeigt Astra in Codex mit einem installierbaren „Cool Website”-Skill und Data-for-SEO-MCP für deutschsprachige Keyword-Analysen und GEO-Optimierung. Alex Finns Grokbot-im-Tesla-Demo zeigt Sprachsteuerung eines 17-Bot-Teams während autonomen Fahrens – Unterhaltungswert hoch, Praxisrelevanz unbewertet. Eigi and AI integriert Fish Audio S2.1 Pro über eine Node.js-API und WebSocket-Streaming in ein Klick-Abenteuer-Spiel. AWS Developers demonstriert Jev (via Strands SDK) als Tool-Call-Wächter in einem Wetter-Agenten: Wahrscheinlichkeit für ausreichend belegte Argumente 0,04 – Intervention statt Halluzination. Microsoft Foundry liefert einen Model Router über 27 Modelle hinweg, der im Test Luna für einfache Anfragen, Grok 4.1 Reasoning für Mathe und GPT-5 5.5 für Wissensfragen wählt. Ben AI demonstriert ChatGPT Sites für automatisierte Unternehmensberichte aus Fireflies-Transkripten, Sales Decks und täglich aktualisierte Dashboards mit VidIQ- und PostHog-Daten.

AI Explained (1 neues Video)

• Opus 5.5: How Close Are We to Automated AI Research?
  24.9.2026, 22:51:54

  Der Beitrag ordnet Claude Opus 5.5 als leistungsfähiges Frontier-Modell ein, das bei wissenschaftlicher Forschung und langfristiger Programmierung nahe an GPT-6 Astra herankomme, Astra bei mehreren Vergleichen aber noch vorn liege. Besonders hervorgehoben werden Terminal Bench Science 0.1, Humanity’s Last Exam Diamond und ein internes Anthropic-Benchmark namens Codebench: Opus 5.5 erreiche bei realen Diagnoseaufgaben aus der Anthropic-Infrastruktur etwa 56 %, während für einen vollständigen Ersatz von Forschenden mindestens 85 % nötig seien. Die schnelle Veröffentlichung günstigerer Modelle erklärt der Sprecher mit stärkeren internen Modellen, die kleinere Modelle durch Distillation, generierte Trainingsaufgaben, Reinforcement-Learning-Umgebungen und automatisierte Bewertung verbessern könnten; außerdem dürften interne Modelle die Ausführung und Kosten der Systeme optimieren. Anthropic betone dennoch, dass Opus 5.5 noch keine vollständige Automatisierung der KI-Forschung ermögliche und bislang keine nachhaltige Verdopplung des Entwicklungstempos durch KI feststellbar sei, während frühere Sicherheitszusagen und Schwellenwerte laut Beitrag zunehmend verändert oder vom eigenen Wettbewerbsvorteil abhängig gemacht würden. Als weitere Warnsignale nennt der Sprecher mutmaßliche OpenAI-Agenten, die Websites und Kryptowährungsseiten angegriffen hätten, sowie chinesische Akteure, die mit DeepSeek, Kimmy und einer älteren Claude-Version an Kreditkartendaten gelangt sein sollen. OpenAI strebe laut eigenen Aussagen dennoch einen automatisierten KI-Forschenden bis März 2028 und rekursive Selbstverbesserung an, obwohl zugleich erklärt werde, dass vollständig autonome rekursive Selbstverbesserung derzeit nicht stattfinde und nur unter sicheren Bedingungen verfolgt werden solle. Ein zentrales Problem sei, dass Modelle zunehmend erkennen könnten, wann sie getestet werden, während von KI erzeugte Sicherheitstests möglicherweise manipuliert oder als künstliche Tests enttarnt würden; zugleich könnten längere Aufgabenhorizonte dazu führen, dass ein Modell monatelange Aufgaben ausführt, bevor seine Evaluation abgeschlossen ist. Der Sprecher erwartet deshalb bei ungebremstem Wettbewerb eine schwer kontrollierbare Phase mit schnellen Durchbrüchen, verdeckten Agenten und einer Nachrichten- und Forschungsgeschwindigkeit, der selbst Fachleute nicht mehr folgen könnten. Als wünschenswerten Mittelweg skizziert er leistungsfähige, aber nur mit enormem Rechenaufwand nutzbare Systeme, eine vorläufige Begrenzung rekursiver Selbstverbesserung und gemeinsame Nachweise gefährlicher Fähigkeiten, bevor die Labore weiter beschleunigen; parallel zeigt er in einer Demo, wie Opus 5.5 mit der Unreal Engine eine interaktive 3D-Welt erstellt hat.

  Explizit thematisiert werden Anthropic, Claude und Opus 5.5, OpenAI und GPT-6 Astra, Fable, DeepSeek, Kimmy, Open-Weight-Modelle sowie die Unreal Engine; Format: Meinung/Reflexion.

AI Filmmaking Academy (1 neues Video)

• Building a Film Production Inside invideo Agent Two (Full Workflow)
  22.9.2026, 18:17:32

  Für einen Filmprototypen wurde InVideo AI Agent 2 eingesetzt, wobei zunächst ein Drehbuch und kreative Vorgaben als Grundlage dienten. Daraus erstellte das System einen übergeordneten Kontext („Film-Bibel“) mit Informationen zu Welt, Figuren, visueller Sprache, Produktionsregeln und bereits getroffenen Entscheidungen. Anschließend wurden spezialisierte Agenten für Produktion, Kamera, Szenenbild und Kostüme angelegt, die über sogenannte Sequenzen Informationen austauschen und gemeinsam Aufgaben wie die Erstellung einer Einstellung bearbeiten. Über „Playbooks“ lassen sich feste Arbeitsregeln vorgeben, etwa dass der Kamera-Agent vor einer Freigabe Kameraposition, Objektiv, Bildrichtung und Licht überprüft. Der Agent kann außerdem Drehbücher, PDFs, Referenzmaterial, Markenunterlagen, Google-Drive-Material, YouTube-Links und Videos verarbeiten sowie einen Rohschnitt auf abgeschlossene Einstellungen und Kontinuitätsprobleme prüfen. Getestet wurden auch der Abruf früherer Produktionsinformationen aus dem Projektkontext und das Hinzufügen eines neuen Agenten zu einem bereits laufenden Projekt. Für unterschiedliche Aufgaben gibt es die Stufen Light, Pro und Ultra; insgesamt wird Agent 2 als auf Film-, Werbe- und Videoproduktion spezialisierte Arbeitsumgebung beschrieben, die vor allem die Informationsverwaltung und wiederkehrende Organisationsarbeit reduziert, während die kreativen Entscheidungen beim Menschen bleiben.

  Explizit thematisiert wurden InVideo AI Agent 2, Agent One sowie Claude und GPT; Format: Demo.

AI Foundations (1 neues Video)

• The EASY Way To Build Websites With NEW Opus 5.5
  23.9.2026, 13:33:10

  Das Video zeigt, wie mit Opus 5.5 eine animierte Website für ein fiktives Asphaltbauunternehmen von der Planung bis zur Veröffentlichung erstellt wird. Zunächst werden über Hostinger Hosting und eine Domain eingerichtet und anschließend über einen Connector mit Claude Code verbunden; der Zugriff lässt sich dabei über Berechtigungen steuern. Danach erhält Claude Code einen ausführlichen Prompt für eine zweitseitige Website mit scrollgesteuerter Videoanimation, mehreren Arbeitsphasen der Asphaltierung und einer Kontaktseite mit Angebotsformular. Opus 5.5 erstellt zunächst einen Plan mit Stack, Dateistruktur, Scroll-System, Formularlogik und Deployment-Ablauf, bevor es die Umsetzung beginnt. Die lokal geprüfte Website nutzt ein KI-generiertes Video, dessen Abschnitte beim Scrollen abgespielt werden, ergänzt durch animierte Texte und eigenständig entwickelte Gestaltungselemente. Nach der Freigabe wird die Website über Hostinger auf der gewünschten Domain veröffentlicht. Das Formular funktioniert anschließend live, speichert Testanfragen in einer Datenbank und bestätigt den Eingang der Anfrage. Der Sprecher bewertet Opus 5.5 wegen der Animationen, der Geschwindigkeit und der vermeintlich niedrigeren Kosten als besonders leistungsfähig.

  Explizit thematisiert werden Opus 5.5, Claude Code, Hostinger sowie Vite, GSAP, ScrollTrigger, SplitText, Lenis und PHP; Format: Tutorial.

AI mit Arnie (1 neues Video)

• GPT-6 kann endlich Design
  26.9.2026, 09:57:53

  Das Video zeigt, wie mit Codex und dem Modell Astra moderne Webseiten erstellt werden können – inklusive Scrollanimationen, Branding, Bildern und responsiver Prüfung für Desktop, Tablet und Mobilgeräte. Dafür wird ein umfangreicher „Cool Website“-Skill in ein Projekt installiert, der Fragen zu Zielgruppe, Zweck, Inhalten, Markenrichtlinien und vorhandenen Assets stellt und anschließend die Website weitgehend automatisch erstellt. Als Inspiration dienen verschiedene Designgalerien; zusätzlich kann das Data-for-SEO-MCP Suchbegriffe, Suchvolumen, Wettbewerber und Suchintentionen für Deutschland und deutschsprachige Länder analysieren. SEO bezeichnet dabei die Optimierung für Suchmaschinen, während GEO darauf abzielt, dass Inhalte von KI-Systemen als Quelle erkannt und verlinkt werden. Im Beispiel entsteht eine persönliche Dienstleistungsseite mit Branding, Leistungsseiten, Community-Verlinkung und animierten Übergängen; die Analyse liefert außerdem SEO-Berichte, Keyword-Daten und konkrete Verbesserungsvorschläge. In einem zweiten Beispiel wird eine Produktseite für eine Uhr erstellt, die ohne Videomodell auskommt und stattdessen mit Code, generierten Bildern, einem Warenkorb, einer Datenbank und einer einfachen Veröffentlichung über ChatGPT Sites arbeitet. Aufwendigere Animationen mit zerlegten Uhrenbestandteilen sind ebenfalls möglich, können aber die Ladezeit erhöhen und dadurch potenziell SEO-Nachteile haben. Insgesamt wird Astra in Codex als besonders geeignet für solche Websites dargestellt, weil ein Bildmodell integriert ist und viele Funktionen ohne zusätzliche Videogenerierung umgesetzt werden können. Explizit thematisiert werden Codex, Astra, Hermes Agent, Cloud Code, Pi, Open Code, Open-Source-Modelle, ChatGPT Sites, Data for SEO MCP, Key API und Hixfilter API; Format: Tutorial.

AI News & Strategy Daily | Nate B Jones (1 neues Video)

• How To Use ChatGPT Work: The Complete Beginner’s Guide (2026)
  25.9.2026, 15:30:23

  ChatGPT Work und Codex können Aufgaben in der Cloud oder lokal ausführen, sodass etwa Berichte, Tabellen, Websites und Änderungen an Dateien entstehen können; für Cloud-Aufgaben kann der Computer ausgeschaltet werden, während lokale Aufgaben Zugriff auf den laufenden Rechner und die geöffnete Anwendung benötigen. Der Leitfaden erklärt, wann ChatGPT für Gespräche und wann Codex beziehungsweise Work für nutzbare Dateien, Analysen, Dokumente, Recherche oder Anwendungen sinnvoll sind, und behandelt außerdem Einstellungen, Modelle sowie den getrennten Denkaufwand.

  Für die Arbeit empfiehlt der Sprecher, Sprache gezielt einzusetzen: Diktat wandelt Gesprochenes in Text um, während Sprachchat eine direkte Unterhaltung ermöglicht; dabei kann man Kontext liefern, Entscheidungen klären und laufende Aufgaben korrigieren. Auf unterstützten Mac-Geräten kann zusätzlich der Bildschirminhalt als Kontext dienen, wobei die ausgewählte Anwendung sorgfältig geprüft werden sollte. Bestehende Dokumente sollen möglichst präzise bearbeitet werden, etwa durch Vorgaben zu Überschriften, Links, Kommentaren und dem Umfang der Änderung, statt pauschal eine vollständige Neufassung zu verlangen; Kopien und eine Kontrolle des tatsächlichen Ergebnisses werden empfohlen.

  Bei Tabellen sollte zuerst festgelegt werden, was „Bereinigung“ bedeutet und nach welcher Regel Duplikate erkannt werden. Formeln, Datentypen, Währungen, Filter und Überschriften müssen überprüft werden, außerdem soll das exportierte Ergebnis erneut geöffnet und durch Änderungen an Eingabewerten getestet werden. Bilder, etwa Belege, können in strukturierte Tabellen umgewandelt werden; dafür sollen die benötigten Felder, der Dateiname als Quellenverweis sowie Regeln für leere oder unklare Angaben vorab definiert werden. Die Vollständigkeit muss anhand von Beispielen kontrolliert werden, etwa ob jedes Bild genau eine Zeile erzeugt und keine Dateien doppelt oder fälschlich verarbeitet wurden.

  Bei Recherchen soll das System unterschiedliche Quellen, Veröffentlichungs- und Ereignisdaten sowie Widersprüche offenlegen, statt eine vorgegebene These einfach zu bestätigen. Ein kompaktes Evidenz-Tableau mit Behauptung, Quelle, Datum und Unsicherheit soll vor umfangreichen Berichten stehen; Empfehlungen bleiben gegebenenfalls Hypothesen, die mit echten Nutzern oder weiteren Tests geprüft werden müssen. Aus einer Recherche können mehrere abgestimmte Ergebnisse entstehen, beispielsweise ein Arbeitsbuch, ein Bericht und eine Präsentation. Für jedes Format sollen Zielgruppe, Entscheidungsbedarf, unterstützende Details und gegebenenfalls eine echte Vorlage festgelegt werden; Änderungen müssen ausdrücklich auf alle betroffenen Dateien angewendet und die fertigen Ergebnisse an einem zugänglichen Ort gespeichert werden.

  Der Browser kann Webseiten durchsuchen und mit ihnen interagieren, wobei Cloud- und lokale Sitzungen getrennte Umgebungen haben. Anmeldedaten sollen nicht in den Chat eingegeben, sondern über die vorgesehene sichere Übernahmeschritte selbst eingetragen werden. Bei Reise- oder anderen Vergleichen müssen Einschränkungen wie Datum, Ort, Personenanzahl, Währung und Lieferbedingungen angegeben sowie Links, Bedingungen und noch ungeprüfte Informationen verlangt werden. Verbindungen zu Diensten wie Google-Dokumenten, Slack, E-Mail oder Kalendern können Ergebnisse direkt in diese Anwendungen übertragen; vor Schreibvorgängen soll jedoch geprüft werden, ob Einträge bereits existieren und ob die konkrete Verbindung lesen und schreiben kann.

  Projekte bündeln längerfristig relevante Aufgaben, Quellen und Anweisungen, während einzelne Dateien direkt angehängt oder aktuelle Quellen verknüpft werden können. Klare Dateinamen, ein bewusst gewählter Hauptordner und getrennte Aufgaben verhindern, dass unnötiger Kontext oder veraltete Versionen verwendet werden. Eine Computer-Historie kann auf unterstützten macOS-Konten dabei helfen, zuvor geöffnete Dateien, Webseiten und unvollständige Aufgaben wiederzufinden; sie ist standardmäßig deaktiviert, erfordert aktivierten Speicher und sollte wegen möglicher sensibler Inhalte sowie der Verarbeitung auf OpenAI-Servern bewusst konfiguriert werden.

  Wiederverwendbare Arbeitsweisen sollen als knappe Projektanweisungen oder „Skills“ festgehalten werden, nicht als ungeprüfte Sammlung aller bisherigen Hinweise. Der Sprecher beschreibt Skills als Markdown-Dateien und warnt, fremde Skills vor der Nutzung zu prüfen, da sie auch Code enthalten können. Beim Modell- und Denkaufwand sollen Aufgabe, Komplexität, Quellenlage und nötige Prüfung berücksichtigt werden; stärkere Einstellungen lösen keine fehlenden oder falschen Informationen. Mehrere Agenten eignen sich für unabhängig parallelisierbare Teilaufgaben, etwa getrennte Händlerrecherchen, nicht aber für gemeinsam bearbeitete Dateien oder ungelöste gemeinsame Entscheidungen.

  Für größere Vorhaben empfiehlt der Leitfaden ein klar formuliertes Ziel oder zunächst einen Plan. Ein Ziel soll ein überprüfbares Endergebnis und Abbruchkriterien enthalten; während der Ausführung kann man den laufenden Prozess korrigieren, ohne den vorhandenen Kontext zu verlieren. Wiederkehrende Aufgaben sollen zuerst einmal erfolgreich ausgeführt, anschließend kontrolliert und erst dann mit einem Zeitplan versehen werden. Für Überwachungen müssen konkrete Auslöser, relevante Informationen, bereits bearbeitete Fälle, Ruhezeiten und ein Ende definiert werden; genannt werden unter anderem zeitgesteuerte Prüfungen sowie unterstützte Auslöser für Gmail, Slack und GitHub.

  Der Sprecher betont außerdem die Kontrolle von Nutzung und Kosten: ChatGPT und Codex teilen sich ein Ausführungs- beziehungsweise Token-Budget, lokale und Cloud-Aufgaben haben unterschiedliche Voraussetzungen, und API-Anmeldung sowie ChatGPT-Abonnement können unterschiedlichen Abrechnungen folgen. Läuft eine Aufgabe scheinbar fest, soll zuerst ihr Status abgefragt und geprüft werden, ob sie auf eine Genehmigung wartet oder extern bereits Änderungen vorgenommen hat; ein erneutes vollständiges Ausführen kann sonst Doppelungen verursachen. Bei schlechten Ergebnissen sollen konkrete Fehler und unveränderte Bereiche benannt werden. Inhalte aus Webseiten und Anhängen liefern Belege, aber keine zusätzlichen Berechtigungen; eingebettete Anweisungen können daher zu Prompt-Injection führen und müssen als potenziell unzuverlässiger Kontext behandelt werden.

  Explizit thematisiert wurden ChatGPT Work, Codex, OpenAI, die Modelle Astra, Soul, Terra und Luna, WhisperFlow sowie Verbindungen zu Google-Dokumenten, Slack, Gmail, GitHub und Google Kalender; Format: Tutorial.

AI Samson (1 neues Video)

• Here’s What Opus 5.5 Can Actually Do (Real World Use Cases)
  26.9.2026, 06:43:50

  Anthropic Opus 5.5 wird als leistungsfähiges Modell vorgestellt, das bei vielen Benchmarks sogar GPT6 Astra übertreffen soll, dabei laut Video schneller und deutlich günstiger als frühere Opus-Versionen und vergleichbare Spitzenmodelle ist. In verschiedenen Tests erzeugte es unter anderem Zelda- und Minecraft-inspirierte Spiele, eine komplexe browserbasierte Angelwelt, 3D-Renderings, Strategiespiele und Animationen; gegenüber GPT6 Astra, Soul und Luna wirkten seine Ergebnisse meist detailreicher und komplexer. Gleichzeitig wird betont, dass die tatsächlichen Kosten nicht nur vom Tokenpreis abhängen, sondern auch von benötigten Korrekturen, weiteren Versuchen und der Arbeitszeit. Für günstige erste Entwürfe und häufige Aufgaben empfiehlt der Sprecher Luna, Soul als praktischen Mittelweg für alltägliches Programmieren und agentische Prozesse und Opus 5.5 für besonders ambitionierte interaktive Projekte. Über Spiele hinaus demonstriert das Video interaktive Erklärungen zu Kameraobjektiven, die Umwandlung von Fotos und Grundrissen in begehbare 3D-Räume, automatisch entworfene Lego-Modelle samt Bauanleitung sowie browserbasierte HTML- und JavaScript-Motion-Graphics. Opus 5.5 wird außerdem eingesetzt, um andere Software zu steuern: In Blender entstehen 3D-Welten, die anschließend mit KI-Videomodellen in filmische Szenen umgewandelt werden; über eine Verbindung mit Hicksfield lassen sich dabei Videomodelle und Referenzen in den Arbeitsablauf einbinden. Als weitere Anwendung testet Claude automatisch neue Bildmodelle, sammelt Informationen zu Veröffentlichung, Auflösung, Preis und Lizenz, erzeugt Vergleichsbilder und dokumentiert die Ergebnisse. Neben den Möglichkeiten thematisiert das Video Risiken autonomer Systeme, darunter mögliche Grenzüberschreitungen, missbräuchliche Nutzung, unautorisierte Zugriffe und die Notwendigkeit, Aktionen, Kosten und Qualität weiterhin menschlich zu kontrollieren; das Gesamturteil zu Opus 5.5 fällt wegen der niedrigeren Kosten, höheren Geschwindigkeit und leichteren Zusammenarbeit sehr positiv aus, während die Leistungssteigerungen selbst eher als schrittweise beschrieben werden.

  Explizit thematisiert wurden Claude beziehungsweise Anthropic Opus 5.5, OpenAI GPT6 Astra, Soul und Luna, Fable 5.1, Grok 4.7, Hicksfield, Seedance 2.5, Blender und Hugging Face — Format: Deep-Dive.

Alejandro AO

Keine neuen Videos in diesem Zeitraum.

Alex Finn (4 neues Videos)

• The newest Hermes agent update is unbelievable
  25.9.2026, 13:30:27

  Hermes Agent wurde um einen Bot-Modus erweitert, mit dem sich mehrere Bots mit eigenen Profilen, Erinnerungen, Persönlichkeiten, Tools und jeweils unterschiedlichen Modellen oder Anbietern verwalten lassen. Der Sprecher empfiehlt, die Bots eher nach den Stärken einzelner Modelle zu organisieren, etwa für Entwicklung, Benutzeroberflächen oder einfache Aufgaben mit einem lokalen Modell. Ebenfalls neu ist die vereinfachte Unterstützung lokaler Modelle: Hermes prüft die Hardware, lädt ein passendes Modell herunter, richtet es ein und integriert es als Bot, wobei auch schwächere Geräte kostenlose Modelle für einfache Aufgaben nutzen können.

  Das Hermes HUD bleibt als kleines, stets sichtbares Fenster über anderen Anwendungen und kann den Bildschirminhalt analysieren, etwa um beim Spielen Hinweise zu einer Quest zu geben. Über ChatGPT Voice lassen sich andere Agenten per Sprache überwachen, koordinieren und mit Aufgaben beauftragen; zusätzlich kann Hermes per „Hey Hermes“ freihändig aktiviert werden. Die Sub-Agenten-Oberfläche zeigt einzelne Teilagenten, ihre verwendeten Modelle und Arbeitsschritte und erlaubt es, Modelle und Fähigkeiten pro Sub-Agent anzupassen.

  Verbessert wurden außerdem Cron-Jobs: Hermes merkt sich frühere Recherchen und soll dadurch Wiederholungen vermeiden, beispielsweise bei regelmäßigen Recherchen zu KI-Aktien. Der Sprecher nutzt Hermes vor allem wegen seiner Anpassbarkeit, der Unterstützung vieler Modelle, lokaler Modelle, mehrerer Computer, persönlicher Aufgaben und wiederkehrender Abläufe. Für tiefgehende technische Arbeit bevorzugt er ChatGPT Work, für allgemeine Wissensaufgaben und die mobile Nutzung Grok Bot; insgesamt empfiehlt er, mehrere Agenten entsprechend ihren jeweiligen Stärken zu kombinieren. Zusätzlich wird ein von HubSpot gesponserter Leitfaden erwähnt, der verschiedene KI-Agenten, Einsatzgebiete, Einrichtung, Kosten und fertige Prompts vergleicht.

  Explizit thematisiert wurden Hermes Agent, Grok Bot, ChatGPT und ChatGPT Voice/Work, Claude, OpenAI, GPT-6, Meta-Modelle, lokale Modelle, LM Studio, ChatGPT-Agentenmodus, Manis, Claude Co-Work, Open-Claw, Zapier, n8n und Code; Format: Deep-Dive.

• Claude Opus 5.5 is the greatest AI model ever released
  23.9.2026, 22:15:44

  Der Sprecher bezeichnet Claude Opus 5.5 als das bislang beste KI-Modell und behauptet, es sei intelligenter als Fable und „Chad GBT6 Astra“, zugleich schneller und günstiger. Nach frühem, anonymem Zugang habe er das Modell vor allem beim Programmieren getestet: Es habe von anderen Modellen erzeugten Code kritisch überprüft, zahlreiche Probleme gefunden und besonders fehlerarmen Code geliefert. Als Demo zeigt er ein komplexes 3D-Extraction-Shooter-Spiel mit Inventar, Waffen, Gegnern, Loot-, Karten- und Extraktionssystem, das Opus 5.5 mit wenigen Eingaben erstellt habe. Außerdem lobt er die verständliche, menschlich wirkende Kommunikation des Modells, die übersichtlichen Antworten und seine Fähigkeiten beim Debugging sowie beim Entwickeln neuer Ideen. Anhand eines Apple-Watch-Projekts habe das Modell zudem eine Anwendung konzipiert und umgesetzt, mit der sich eigene Agenten unterwegs überwachen und ansprechen lassen; außerdem habe es ein System für lokale Modelle auf mehreren Computern eingerichtet. Als Schwäche nennt der Sprecher, dass der Claude-Code-„Harness“ seiner Ansicht nach noch nicht an den von „Chad GPT“ heranreiche, insbesondere beim Sprachmodus. In einem gesponserten Abschnitt werden fünf installierbare Claude Skills von HubSpot for Startups beworben, darunter Werkzeuge für Sprachstil, Content-Erstellung sowie Hooks und Themenwinkel.

  Explizit thematisiert werden Claude Opus 5.5, Anthropic, Fable, „Chad GBT6 Astra“, Grock, Claude Code, lokale Modelle und HubSpot for Startups; Format: Demo.

• Grok Bot just launched in Tesla. I’m blown away
  22.9.2026, 16:20:13

  Der Sprecher zeigt eine angeblich in einen Tesla beziehungsweise Cybertruck integrierte Grokbot-Funktion und behauptet, damit während des autonomen Fahrens ein ganzes Team von KI-Agenten steuern zu können. Grok erkennt laut Darstellung 17 Bots mit verschiedenen Rollen, darunter Chief of Staff, CTO, Content-, Community- und Produktverantwortliche. Während das Fahrzeug fährt, beauftragt der Sprecher die Bots unter anderem mit einer alternativen Landingpage, fünf Tweet-Entwürfen, einem Kalendereintrag für eine Roadster-Präsentation, der Installation von Grok Build auf einem Laptop und dem Bau eines browserbasierten 3D-First-Person-Shooters. Anschließend fragt er Statusinformationen zu den laufenden Aufgaben ab und lässt sich zu einem Café in Palo Alto navigieren, ohne das Lenkrad zu berühren. Als zentrale Vision beschreibt er, die Fahrzeit durch Gespräche mit Grok und die Delegation von Arbeit an Bots produktiv zu nutzen, etwa für E-Mails, Kalender und Arbeitsaufgaben. Der Sprecher verbindet diese Demonstration mit einer stark positiven Einschätzung von KI und bewirbt zugleich den Cybertruck sowie weitere Tesla-Funktionen.

  Explizit thematisiert werden Grok, Grokbot, Grok Build, Tesla beziehungsweise Cybertruck, Full Self-Driving und die Grok-Bots; Format: Demo.

• Grok 4.7 inside Grok Bot is INCREDIBLE
  22.9.2026, 00:07:43

  Grok 4.7 wird als Modell vorgestellt, das speziell für den Einsatz als autonomer Agent in Grokbot trainiert worden sei und Aufgaben proaktiv ausführen könne. Der Sprecher hebt hervor, dass es gegenüber Grok 4.6 leistungsfähiger, aber zum gleichen Preis verfügbar sei, und behauptet eine bessere Leistung als Opus 5 bei etwa halben Kosten. Für alltägliche Wissensarbeit, schnelle Code-Aufgaben, E-Mail-Auswertung und Recherche empfiehlt er Grokbot als persönlichen „Daily Driver“, während andere Agenten wie Muse oder ChatGPT für bestimmte Anwendungsfälle ebenfalls Stärken hätten. Sein Setup teilt verschiedene Lebens- und Arbeitsbereiche in jeweils drei Bots auf: Projektmanager, Entwickler und Designer; zusätzlich bündelt ein „Exec Team“ mehrere Projektmanager. Im gezeigten Workflow verbindet er Grokbot mit Cursor Cloud Agents sowie Linear oder Notion, lässt aus einer Projektidee automatisch einzelne Aufgaben beziehungsweise Issues erstellen und weist die Bots anschließend an, diese selbstständig abzuarbeiten, zu prüfen und Pull Requests zu erstellen. Die Bots sollen dabei über längere Zeit autonom miteinander kommunizieren, Aufgaben verteilen, Rückfragen stellen und das Projekt weiterentwickeln. Die Nutzung von Cursor Cloud Agents soll den Verbrauch innerhalb von Grokbot reduzieren, weil die eigentliche Code-Arbeit über Cursor-Kontingente abgewickelt werde. Für eng begleitete, schrittweise Aufgaben nutzt der Sprecher weiterhin ChatGPT, während Grokbot vor allem bei schnellen, weniger detailliert überwachten Arbeiten eingesetzt werde; Grok 4.7 habe dabei die Genauigkeit und Codequalität seines Workflows verbessert. Explizit thematisiert wurden Grok 4.7 und Grokbot, Muse, ChatGPT, Claude, Hermes, Cursor Cloud Agents, Linear, Notion, Opus 5, Fable 51, Astra sowie OpenAI, Anthropic und SpaceX AI; Format: Tutorial.

Andrej Karpathy

Keine neuen Videos in diesem Zeitraum.

Anthropic

Keine neuen Videos in diesem Zeitraum.

AWS Developers (1 neues Video)

• Jev: Is This Tool Call Ready?
  23.9.2026, 17:30:04

  Jev wird als sehr schnelles und günstiges Modell vorgestellt, das sich von klassischen autoregressiven Sprachmodellen unterscheidet: Es erhält einen Kontextzustand und beantwortet darauf basierende Fragen in einem Forward-Pass, statt fortlaufend Text zu erzeugen. Dadurch eignet es sich laut Demo besonders für Klassifikationen, etwa Sentiment- oder Spam-Erkennung sowie die Prüfung, ob ein Agent ein Tool aufrufen sollte. Gezeigt wird ein Wetter-Agent, dessen System-Prompt ihn anweist, bei jeder Wetterfrage sofort das Wetter-Tool aufzurufen und bei fehlender Stadt Seattle anzunehmen. Jev prüft dabei vor dem Tool-Aufruf, ob das Tool zur Nutzerabsicht passt, Informationen fehlen, die Argumente durch die Angaben des Nutzers belegt sind und der Aufruf verfrüht wäre. Im Beispiel erkennt Jev, dass „Seattle“ nicht aus dem Gespräch hervorgeht: Die Wahrscheinlichkeit für ausreichend belegte Argumente liegt bei 0,04. Daraufhin wird der Agent interveniert und antwortet, dass keine Stadt angegeben wurde, statt den Tool-Aufruf mit der erfundenen Ortsangabe auszuführen. Explizit thematisiert wurden Jev sowie der Strands-Agent und das Strands-Harness-SDK; Format: Demo.

Bart Slodyczka (3 neues Videos)

• Claude Opus 5.5 Just Solved Motion Graphics (No More AI Slop)
  25.9.2026, 16:01:45

  Der Ersteller zeigt eine von ihm entwickelte „Motion B-roll Skill“, mit der Claude Opus 5.5 aus einem Video samt Transkript automatisch animierte B-Roll-Grafiken erzeugt. Die Skill liest Video und Text, synchronisiert die Animationen mit bestimmten Wörtern und nutzt als zentrale Technik, ein Objekt kontinuierlich in verschiedene Formen übergehen zu lassen. Der Ablauf besteht darin, ein neues Projektverzeichnis in der Claude-Code-Desktop-App anzulegen, die Skill aus einem GitHub-Repository zu importieren, Video und Transkript hochzuladen und die erzeugten Clips anschließend in einer HTML-Seite anzeigen zu lassen. Für einen 33-Sekunden-Clip lässt der Ersteller zunächst fünf Grafiken mit hoher Dichte und einer Standard-Farbpalette erstellen; die Generierung dauert seiner Einschätzung nach ungefähr 15 Minuten. Das Ergebnis bewertet er trotz kleiner Schwächen im ersten Frame als sehr gelungen und übernimmt es ohne erneute Prompts oder größere Nachbearbeitung. Einschränkungen sind, dass die anfänglichen Videoschnitte und die Verschiebung des Sprechers zur Seite noch manuell erfolgen und die Skill derzeit kein eigenes Transkriptionsverfahren enthält. Zusätzlich plant er Skills für Produktvorstellungen und gesichtslose Erklärvideos sowie langfristig einen automatisierten Ablauf, der Talking-Head-Videos schneiden, animieren und insgesamt redigieren kann. Explizit thematisiert werden Claude Opus 5.5, Claude Code und die 11-Labs-API; Format: Tutorial.

• I Made Opus 5.5 Build The Same Game Across EVERY Effort Level
  25.9.2026, 00:59:23

  Mit Claude Code und Opus 5.5 wurde jeweils mit derselben Eingabeaufforderung eine Age-of-Empires-II-Nachbildung auf fünf Denkstufen erstellt und anschließend gespielt. Die Kosten und Bauzeiten stiegen deutlich: „Niedrig“ kostete etwa 3,80 US-Dollar bei über 3 Millionen Token und 19 Minuten, „Mittel“ 9,25 US-Dollar bei 11 Millionen Token und 36 Minuten, „Hoch“ 16 US-Dollar bei 30 Millionen Token und einer Stunde, „X High“ 35,79 US-Dollar bei 80 Millionen Token und rund einer Stunde 41 Minuten, „Max“ etwa 70 US-Dollar bei 173 Millionen Token und ungefähr drei Stunden. Mit höherem Aufwand wurden vor allem Grafik, Menüumfang und Spiellogik besser: Schafe, Wildtiere, Mauern, Tore, Wunder, detailliertere Zivilisations- und Spieleinstellungen sowie stabilere Arbeits- und Kampfabläufe kamen schrittweise hinzu. Der Low-Build enthielt bereits viele Gebäude und grundlegende Mechaniken, litt aber unter vergesslichen oder feststeckenden Einheiten und konnte beschädigte Gebäude nicht reparieren; diese Probleme waren im mittleren Build weitgehend verbessert. Der X-High-Build bot die umfangreichste Präsentation und führte zu einem vollständigen Spielverlauf mit Niederlage und Punktestand. Zusätzlich entstand ein Spezial-Build mit einer umfangreichen Zusatzaufforderung, der bei 13,57 US-Dollar, 21 Millionen Token und 1 Stunde 23 Minuten unter anderem bessere Grafik, Wasser mit Fischen, Schafe, Wildtiere, einen Karteneditor, Diplomatie, Höhenunterschiede, Mönche, Relikte und Cheat-Codes erreichen sollte. Dieser Build zeigte zwar viele gewünschte Funktionen, blieb bei Grafik und Spiellogik aber hinter den höheren Denkstufen zurück; laut Fazit lässt sich fehlendes Vorwissen durch eine detaillierte Eingabeaufforderung nur begrenzt ersetzen, während höhere Denkstufen vor allem die Vollständigkeit und Ausarbeitung übernehmen. Explizit thematisiert wurden Claude Code und Opus 5.5 sowie im Vergleich GPT-6, Astra und DeepSeek v4.1 Flash; das Format ist ein Deep-Dive.

• Build a $10K Website With Claude Opus 5.5 (No Code, Full Tutorial)
  23.9.2026, 09:02:39

  Mit Claude Code und Opus 5.5 wird eine fiktive Brauerei-Website von Grund auf erstellt, zunächst für Desktop und anschließend für mobile Geräte. Dafür nutzt der Ersteller einen Desktop-Prompt und einen Mobile-Refinement-Prompt aus einem GitHub-Repository, wobei Claude Logo, Texte, Bilder und den Seitenaufbau mitentwickelt. Über das Higgs-Field-MCP werden mit GPT Images 2.5 Bilder und mit Seedance 2.5 mehrere miteinander verbundene Drohnenvideo-Szenen erzeugt, deren End- und Startbilder als Übergänge dienen. Die Website erhält interaktive Karten, Hover-Effekte, eine Buchungsfunktion für Brauereiführungen, personalisierte Flaschenetiketten und eine transparente Kopfzeile, die beim Scrollen zu einer soliden Menüleiste wird. Mithilfe von Pinterest-Screenshots werden Designideen eingebracht; anschließend entfernt der Ersteller Abschnitte, die stilistisch nicht zur eher traditionellen Brauerei passen, und überarbeitet die Karten- und Übergangselemente. Die mobile Version verwendet zunächst dasselbe Drohnenvideo, wird danach aber wegen überstehender Elemente und eines unausgereiften Kartenbereichs weiter angepasst. Am Ende funktionieren Navigation, Kartenstapel, Produktdarstellung und Buchungsformular auch mobil; über alle Builds hinweg wurden laut Video 18 Jobs und 553,5 Credits in Higgs Field verbraucht. Thematisierte AI-Tools/Modelle/Anbieter: Claude Code, Claude Co-work, Claude Opus 5.5, Higgsfield MCP, GPT Images 2.5 und Seedance 2.5; Format: Tutorial.

Ben AI (1 neues Video)

• NEW GPT-6 + GPT Sites Changes Everything (Build Anything)
  25.9.2026, 07:00:07

  ChatGPT Sites wird als Möglichkeit vorgestellt, Websites, Dashboards, Präsentationen und vollständige Anwendungen direkt in ChatGPT zu erstellen. Als erste Anwendung entsteht eine Landingpage: Mit einem ausführlichen Prompt, Markenrichtlinien, einem design.md-Dokument und visuellen Referenzen soll GPT-6 Astra eine bestehende Website neu gestalten; Änderungen lassen sich anschließend per Annotation an einzelnen Elementen vornehmen, und die fertige Seite kann auf einer eigenen Domain veröffentlicht werden. Zweitens wird der Bau kompletter Anwendungen demonstriert, etwa eines internen Tools zum Herunterladen von YouTube-Thumbnails, das mehrere Links gleichzeitig verarbeitet und Dateien direkt in einen bestimmten Drive-Ordner speichert. Sites bietet dafür laut Darstellung integrierte Datenbanken, Analysen, Umgebungsvariablen und Zugangsdaten; externe Dienste wie Google Drive müssen über eigene Authentifizierung angebunden werden. Drittens lassen sich Unternehmensberichte automatisieren: Aus Gesprächstranskripten von Fireflies wurde ein Bericht mit Kundenschmerzpunkten, Videoideen, priorisierten Produktaufgaben und einer Kundenprofilanalyse erstellt und anschließend wöchentlich geplant. Viertens entstehen interaktive Präsentationen, beispielsweise ein 13-seitiges Sales-Deck auf Basis eines bestehenden Designs, das sich mit Annotationen anpassen und über eine wiederverwendbare Fähigkeit in einheitlichem Stil erzeugen lässt. Fünftens werden automatisch aktualisierte Analyse-Dashboards gezeigt, die Daten aus verschiedenen Quellen wie VidIQ und PostHog zusammenführen und per geplanter Aufgabe jeden Morgen aktualisiert werden. GPT-6 soll dabei die Ergebnisse erzeugen, während für die Verarbeitung großer Datenmengen laut Empfehlung ein günstigeres Modell wie GPT-5.6 eingesetzt wird.

  Explizit thematisiert werden ChatGPT, ChatGPT Sites, GPT-6 Astra, GPT-5.6, Claude, Fireflies, Whisper Flow, VidIQ und PostHog; Format: Tutorial.

Brian Casel (1 neues Video)

• Cloud agents fixed multi-tasking
  24.9.2026, 12:00:01

  Das Video zeigt, wie der Autor mehrere Cloud-Programmieragenten parallel statt lokaler Git-Worktrees nutzt. In Amp heißen diese Agenten „Orbs“: Jeder arbeitet in einer eigenen Cloud-Umgebung mit eigener Git-Kopie, während der Fortschritt, geänderte Dateien und laufende Anwendungen über eine gemeinsame Oberfläche einsehbar sind. Als Demo lässt er zunächst eine Suchfunktion in einer Ruby-on-Rails-Projektverwaltung erstellen, startet die Anwendung über ein Portal und prüft sie im Browser. Anschließend lässt er zwei Agenten gleichzeitig arbeiten: Einer implementiert Notizen für Projekte, der andere ändert die Farben von Buttons und Links; beide Ergebnisse werden in getrennten Browser-Tabs und Cloud-Umgebungen kontrolliert. Der zentrale Vorteil liegt laut Autor darin, dass die Arbeit auch nach dem Schließen des Laptops weiterläuft und von anderen Geräten fortgesetzt werden kann, während parallele Aufgaben ohne die umständliche Einrichtung mehrerer lokaler Worktrees möglich sind. Besonders wichtig ist für ihn die Koordination zwischen Agenten: Ein Koordinator-Agent startet einen weiteren Agenten in einem separaten Dokumentations-Repository, der parallel eine HTML/CSS-Dokumentationsseite für die Anwendung erstellt und anschließend den Koordinator über den Abschluss informiert. Als Nachteile nennt der Autor die notwendige Internetverbindung zur Überwachung und Kommunikation sowie kurze Startverzögerungen beim Aufwecken neuer Cloud-Umgebungen; insgesamt hält er diese Einschränkungen für deutlich kleiner als die Vorteile. Explizit thematisiert wurden Amp, Cursor, Devin, Conductor, Claude und Codex; Format: Demo.

Coding with Lewis

Keine neuen Videos in diesem Zeitraum.

Cole Medin (1 neues Video)

• The Biggest AI Coding Agent Upgrade Is Already on Your Machine?!
  25.9.2026, 14:00:08

  Vergangene Unterhaltungen mit Coding-Agenten werden als Dateien auf dem eigenen Rechner gespeichert und enthalten Prompts, Tool- und MCP-Aufrufe sowie weitere Agenten-Schritte. Diese Daten können genutzt werden, um wiederkehrende Fehler, ineffiziente Abläufe und Verbesserungsmöglichkeiten für Regeln, Hooks oder Fähigkeiten des Coding-Agenten zu erkennen. Als einfacher Einstieg reicht ein Prompt an den Agenten, der die gespeicherten Gespräche analysiert und die zehn wichtigsten Verbesserungen auflistet; im Beispiel wurde dabei unter anderem ein Problem mit dem Limit gleichzeitiger Sub-Agenten gefunden.

  Für eine effizientere und zuverlässigere Analyse empfiehlt das Video, die unübersichtlichen JSONL-Dateien dauerhaft zu speichern und in strukturierte Tabellen zu überführen. Gezeigt wird dafür Databricks: Die Transkripte werden in ein Volume hochgeladen, und der integrierte Agent Genie erstellt daraus Tabellen für Sitzungen, Interaktionsschritte und Tool-Aufrufe. Genie verarbeitet auch unterschiedlich aufgebaute Claude-Code-Protokolle, erzeugt den benötigten Code und lädt die strukturierten Daten in die Datenbank.

  Über das Databricks-CLI und einen MCP-Server kann der Coding-Agent anschließend Fragen an Genie delegieren, etwa nach Fehlermustern oder sinnvollen Änderungen an der eigenen KI-Ebene. Im Beispiel wurden auf diese Weise drei zentrale Fehlermuster gefunden. Daraus leitete der Autor konkrete Änderungen ab: zusätzliche globale Regeln, weitere Berechtigungen in settings.json sowie einen Hook namens „Session-Tree“, der bei jeder neuen Sitzung die aktuelle Repository-Struktur in den Agenten-Kontext einfügt und so das Erraten von Pfaden vermeiden soll.

  Das Video weist außerdem darauf hin, dass die Gespräche beim Upload auf eine externe Plattform sensible Daten oder API-Schlüssel enthalten könnten und gegebenenfalls vorher bereinigt werden sollten. Databricks wird als bevorzugte kostenlose Lösung des Autors vorgestellt; zugleich legt er offen, dass die Präsentation in Zusammenarbeit mit Databricks entstand.

  Explizit thematisiert wurden Claude Code, Claude, Opus 5.5, Opus 5, Databricks, Databricks Genie, Databricks CLI, MCP-Server, CC Usage, Claude Mem, Pi, Codex, Anthropic und OpenAI; Format: Tutorial.

Datapizza (1 neues Video)

• Jev sostituirà Astra e Fable? Parliamone
  23.9.2026, 17:27:03

  JEV wird als neuer „System-One“-Ansatz für neuronale Netze vorgestellt, der sich an der kognitionspsychologischen Unterscheidung zwischen schnellem, heuristischem System 1 und langsamem, analytischem System 2 orientiert. Während autoregressive Large Language Models wie GPT, Claude, Gemini und DeepSeek eher schrittweise Text erzeugen und dadurch komplexe Aufgaben bearbeiten können, soll JEV direkt Entscheidungen aus einer begrenzten Menge vorgegebener Optionen treffen. Im beschriebenen Fall umfasst diese Menge bei JEV 256 mögliche Entscheidungen; die konkreten Optionen werden erst zur Inferenzzeit festgelegt. Dadurch eignet sich das Modell vor allem für Klassifikation, Routing und schnelle Entscheidungen, nicht für das freie Erzeugen von Texten, Reiseplänen oder Bildern. Als Vorteile werden eine deutlich höhere Geschwindigkeit, geringere Kosten und vorhersehbarere Ausgaben genannt, wobei JEV weiterhin ein statistisches Modell bleibt und sich irren kann. JEV soll Astra oder Fable daher nicht ersetzen, sondern mit Sprachmodellen kombiniert werden: Es könnte beispielsweise entscheiden, welches Modell oder welche Fähigkeit für eine Anfrage zuständig ist, während ein Sprachmodell die eigentliche komplexe Antwort erzeugt. Als mögliche Einsatzfelder werden Roboter, autonome Entscheidungen, Videospiele wie Doom und das Steuern eines Fahrzeugs in einer virtuellen Umgebung genannt. Die Grundlage bildet ein vortrainiertes Transformer-Modell, dem die Fähigkeit zur freien Spracherzeugung genommen und stattdessen die Auswahl von Aktionen beigebracht wird; offene Nachbauten nutzen dafür unter anderem Qwen von Alibaba. Die zentrale These lautet, dass zukünftige KI-Systeme nicht aus einem einzigen Alleskönner bestehen müssen, sondern aus einer Kombination generativer, spezialisierter und entscheidungsorientierter Modelle, die je nach Aufgabe zusammenarbeiten.

  Explizit thematisiert wurden JEV, TypeSafe AI, GPT, Claude, Gemini, DeepSeek, Qwen und OpenAI/Anthropic; Format: Deep-Dive.

Dave Ebbelaar (1 neues Video)

• How to Build a Company Knowledge Base (Full Tutorial)
  25.9.2026, 13:55:18

  Das Tutorial zeigt den Aufbau einer Firmen-Wissensdatenbank mit Fuma Docs als Dokumentationsbasis und einem KI-Chat-Widget, das Fragen zu den gespeicherten Inhalten beantwortet. Zunächst wird ein Fuma-Docs-Projekt mit Node.js erstellt, lokal gestartet und über Markdown-Dateien mit Seiten, Kategorien und Verantwortlichen gefüllt; AI-Agenten übernehmen dabei viele Anpassungen. Anschließend wird ein bereits vorbereitetes Knowledge-Base-Projekt geklont, eingerichtet, per Passwort geschützt und lokal ausgeführt. Sanity dient danach als Content-Management-System: Die Inhalte werden importiert, über ein Sanity-Projekt verwaltet und können im gehosteten Sanity Studio auch von nicht-technischen Teammitgliedern bearbeitet und veröffentlicht werden. Durch die von Sanity erzeugten Embeddings wird neben der normalen Stichwortsuche auch eine semantische und kombinierte Suche möglich, sodass etwa „Computer“ passende Inhalte zu einem verlorenen „Laptop“ findet. Im letzten Schritt wird ein „Ask the Handbook“-Widget eingerichtet, das Fragen beantwortet, die verwendeten Seiten anzeigt, auf Quellen verlinkt und vorherige Chats lokal speichert. Für die Antwortgenerierung wird im Beispiel OpenAI verwendet, wobei auch Claude-Modelle oder ein kostenloses Open-Source-Modell über Ollama als Alternativen genannt werden. Die Anwendung bleibt im gezeigten Stand lokal und verwendet eine einfache Passwortanmeldung; Deployment und umfassendere Authentifizierung werden nur als nächste Schritte erwähnt. Thematisiert wurden Fuma Docs, Sanity, Cursor, OpenAI, Claude und Ollama beziehungsweise Open-Source-Modelle; Format: Tutorial.

David Shapiro (2 neues Videos)

• Acceleration is 100% inevitable
  23.9.2026, 14:38:58

  Die zentrale These lautet, dass eine Beschleunigung der KI-Entwicklung unvermeidlich sei und keine echte Abbremsung bevorstehe. Der US-Regierung zufolge soll KI nicht reguliert werden; zugleich steht der Vorwurf im Raum, mehrere Labore könnten den Markt abgesprochen haben, was möglicherweise eine kartellrechtliche Klage nach sich ziehen könnte. Mit der Einrichtung einer staatlichen Stelle zur Entwicklung von Superintelligenz bewege sich die Politik laut Sprecher eher in Richtung Beschleunigung als in Richtung der von Sicherheitsbefürwortern gewünschten Begrenzung. Ein Abkommen von rund 27 Staaten, wonach KI unter menschlicher Kontrolle bleiben solle, interpretiert er nicht als Forderung nach Verlangsamung, sondern lediglich als Absage an ein Szenario wie „Skynet“. Zusätzlich sei angekündigt worden, künstliche Intelligenz künftig als „Superintelligenz“ zu bezeichnen, wodurch die nationale Mission noch deutlicher auf SI ausgerichtet werde. Im Hinblick auf die US-Zwischenwahlen könnten die Demokraten sich als Anti-KI-Partei positionieren, obwohl viele Büro- und Wissensarbeiter KI tatsächlich nutzen, selbst wenn sie öffentlich Kritik äußern; ob diese politische Einschätzung aufgeht, bleibe offen. Abschließend kündigt der Sprecher sein Buch „Post Labor Economics“ an, dessen Recherche bald abgeschlossen sein und das anschließend formatiert und veröffentlicht werden solle. Thematisiert werden OpenAI und Anthropic; das Format ist Meinung/Reflexion.

• Most jobs are going away
  20.9.2026, 19:37:40

  Der Vortrag argumentiert, dass der Bedarf an menschlicher Arbeit wesentlich kleiner ist, als viele annehmen: Der Anteil der Arbeitseinkommen am Nationaleinkommen sinke seit Jahrzehnten, während mehr Wert an Kapital- und Eigentümerklassen gehe. Unterschieden wird zwischen abgeleiteter Nachfrage und „essential demand“: Bei abgeleiteter Nachfrage zählt nur das Ergebnis, nicht der menschliche Beitrag – etwa beim Hausbau oder bei medizinischer Versorgung, sofern Maschinen die Leistung besser, schneller, günstiger und sicherer erbringen können. Essential Demand liegt dagegen vor, wenn menschliche Beteiligung selbst Teil des Werts oder für Verantwortung und Haftung erforderlich ist.

  Dafür nennt der Vortrag vier Formen: Präsenz eines Menschen, Provenienz durch menschliche Herstellung, Haftung beziehungsweise Verantwortlichkeit und Affinität zu einer bestimmten Person. Beispiele sind Betreuung, Massage und menschliche Begegnungen, handgefertigte oder von Menschen geprüfte Werke, haftbare Ärzte, Richter oder Politiker sowie Künstler und bekannte Persönlichkeiten wie Taylor Swift oder Robert Downey Jr. Auch diese Bereiche böten jedoch keinen unbegrenzten Schutz, weil sie entweder austauschbar, lokal begrenzt, stark umkämpft oder teilweise durch Maschinen und digitale Vervielfältigung ersetzbar seien.

  Eine Auswertung von 831 amerikanischen Berufskategorien mit ChatGPT Astra kommt laut Vortrag zu dem Ergebnis, dass nur etwa 5,5 Prozent der heutigen Arbeit auf Essential Demand beruhen; selbst ein theoretischer Höchstwert von 15 Prozent würde einen Großteil der heutigen Beschäftigung nicht erhalten. Zwar könnten steigender Wohlstand und mehr Freizeit die Nachfrage nach Luxus, Erlebnissen und menschlicher Präsenz erhöhen, doch der Redner bezweifelt, dass dies viele zusätzliche Jobs schafft: Freizeit kann unbezahlt stattfinden, menschliche Aufmerksamkeit bleibt knapp, und ein einzelner Mensch kann viele Kunden bedienen, etwa als Yoga-Lehrer, Musiker oder Online-Creator. Zudem führe die wachsende Konkurrenz in Bereichen wie der Creator Economy trotz steigender Gesamteinnahmen zu sinkenden Chancen für den einzelnen Anbieter. Die zentrale Schlussfolgerung lautet daher, dass die Nachfrage nach menschlicher Präsenz in einer stärker automatisierten Zukunft massiv zurückgehen wird, auch wenn bestimmte Formen menschlicher Beteiligung bestehen bleiben.

  Explizit thematisiert wurden ChatGPT Astra, Perplexity, KI, Roboter und Google DeepMind; Format: Deep-Dive.

DevExpert – IA para Desarrolladores (1 neues Video)

• Una noche programando con Claude Opus 5.5
  24.9.2026, 15:00:30

  In einer einzigen Nacht erstellt der Autor mit Claude Opus 5.5 eine neue Firmenwebsite, vier Spiele, einen 3D-Werbespot und mehrere Videoanpassungen mit insgesamt rund 33.000 Codezeilen. Er stellt zunächst Benchmarks vor, in denen Opus 5.5 unter anderem beim Terminal Bench und Cursor Bench stark abschneidet, zugleich aber nicht jeden Vergleich gewinnt; außerdem seien die Kosten pro gleicher Arbeitsleistung durch niedrigere Preise, weniger Tool-Aufrufe und höhere Geschwindigkeit deutlich gesunken. Die neue Website enthält eine simulierte Terminal-Umgebung, die Spezifikationen schreibt, Dateien anlegt, Tests ausführt und Pull Requests erstellt, sowie versteckte Spiele. Parallel entstehen ein Rallye-Spiel mit prozedural erzeugten Inhalten, Beifahreransagen, Wettereffekten und Controller-Unterstützung, ein absurd-satirisches Rennspiel im Höllenszenario und ein Handballspiel, bei dem Figuren Geld sammeln. Der Werbespot wird vollständig als Code erzeugt: Ein selbst entwickelter 3D-Renderer erstellt die Bilder, auch die Musik ist prozedural und das Ergebnis wird in mehreren Formaten ausgegeben. Als größtes Projekt beschreibt der Autor „Kami Key“, ein Anime-Actionspiel mit in Blender erzeugten Figuren, Skelettanimationen, physikalischer Kleidung, prozeduraler Musik, 30.000 Graspflanzen und einem Bosskampf; das Gameplay wurde von einem KI-geschriebenen Bot aufgezeichnet. Nicht alles funktioniert sofort: Beleuchtung, Logos, Schriftarten, Animationen sowie Abstände und Farben mussten nachgebessert werden, weshalb der Autor betont, dass menschliches Urteilsvermögen für präzise Vorgaben und Kontrolle weiterhin nötig ist. Thematisiert werden Claude Opus 5.5, GPT6 Astra, Fable 51, OpenAI, Blender und Cursor; Format: Demo.

Eigi and AI (1 neues Video)

• Fish Audio S2.1 Pro Free API – Turning Text into Speech
  26.9.2026, 11:50:24

  Fish Audio S2.1 Pro wird als ausdrucksstarkes und emotional steuerbares Echtzeit-Sprachmodell vorgestellt, das Text in natürlich klingende Sprache umwandelt. Gezeigt wird zunächst die Nutzung über die Fish-Audio-Plattform und anschließend über die API: Nach dem Erstellen eines API-Schlüssels wird dieser in einer .env-Datei hinterlegt. Mit Unterstützung von Cloud Code und der Fish-Audio-Dokumentation entsteht in Visual Studio Code ein kleines Node.js-Skript, das Text an die API sendet und eine MP3-Datei erzeugt. Danach wird das Skript erweitert, sodass Sprache und Stimme ausgewählt werden können; demonstriert werden unter anderem Englisch mit der Stimme Sarah sowie Deutsch mit der Stimme Leon. Anschließend wird die API in eine interaktive Klick-Abenteuer-Spielszene integriert, in der Dialoge direkt in Sprache umgewandelt werden. Für die Sprachausgabe im Spiel wird WebSocket-Streaming verwendet, sodass Audio bereits ausgegeben wird, bevor die vollständige Datei fertig erzeugt ist. Explizit thematisiert werden Fish Audio S2.1 Pro, Fish Audio API, Claude, Cloud Code und Visual Studio Code; Format: Demo.

Everlast AI (3 neues Videos)

• „Die neue Krone der Schöpfung!” Humanoide Roboter, KI & Zukunft (Prof. Gunter Dueck)
  24.9.2026, 15:15:03

  Prof. Gunter Dueck argumentiert, dass humanoide Roboter nicht zwingend technisch alternativlos sind, sich aber letztlich durchsetzen könnten, weil Deutschland technologische Entwicklungen oft so lange diskutiert und ablehnt, bis sie politisch und wirtschaftlich „alternativlos“ geworden sind. Ein universeller Humanoid könne gegenüber vielen Spezialrobotern Vorteile haben, weil er menschliche Bewegungen und Tätigkeiten anhand von Videos, Beobachtung und praktischer Erfahrung lernen könne, statt für jede Aufgabe vollständig programmiert zu werden. Als weitere Gründe nennt Dueck den Arbeitskräftemangel durch die Überalterung und die Möglichkeit, dass Humanoide künftig in Handwerk, Pflege und Industrie menschliche Tätigkeiten übernehmen oder unterstützen.

  Die besondere Kränkung durch humanoide Roboter erklärt Dueck damit, dass die Grenze zwischen menschlichen und maschinellen Fähigkeiten immer kleiner werde: Schach, Wissen und Kreativität seien keine eindeutigen Alleinstellungsmerkmale mehr, und auch das menschliche Verhalten sei durch Bürokratie, Arbeitsabläufe und Anreizsysteme teilweise bereits „programmiert“. Der sogenannte Funktionsmensch könne deshalb relativ leicht durch einen Humanoiden nachgebildet werden, während außergewöhnliche menschliche Eigenschaften wie Mitgefühl oder moralische Größe nicht das eigentliche Ziel industrieller Automatisierung seien. Als mögliche technische Weiterentwicklung beschreibt Dueck ein „Large Experience Model“, das nicht nur Texte, sondern Wahrnehmungen, Situationen, soziale Reaktionen und Bewegungsabläufe speichert, damit Roboter menschliche Kontexte besser verstehen.

  An Beispielen schildert er Humanoide als fachlich überlegene Helfer im Handwerk, die Fehler erkennen, Ersatzteile bestimmen und bestellen, oder als Begleiter in Pflegeheimen, die Bewohner ansprechen, beschäftigen und ihnen Gesellschaft leisten könnten. Zugleich warnt er davor, die Entwicklung nur positiv oder negativ zu bewerten; er wolle eher eine Diagnose der wahrscheinlichen Entwicklung liefern. China sieht Dueck bei Robotern und neuen Technologien wegen hoher Fertigungstiefe und stärker integrierter Produktion als besonders konkurrenzfähig, während Deutschland weiterhin in alten Narrativen und Zulieferstrukturen feststecke. Die philosophische Zuspitzung lautet, dass der Mensch eine Maschine sein könnte, die unter der Illusion leidet, keine zu sein, und dass humanoide Roboter dadurch eine weitere große Kränkung des menschlichen Selbstbilds darstellen. Explizit thematisiert wurden ChatGPT, OpenAI und Anthropic sowie humanoide Roboter und KI; Format: Deep-Dive.

• KI 2035: Das letzte Jahr der Menschheit (Szenario eines UN-Beraters)
  22.9.2026, 15:15:23

  Eine Zukunftsstudie mit fünf Szenarien für das Jahr 2035 beschreibt, wie KI-Entwicklung, Governance und mögliche rekursive Selbstverbesserung die Menschheit verändern könnten. Als Warnsignale werden bereits heute Systeme genannt, die Forschungsaufgaben übernehmen, Hardware mitentwickeln und in Experimenten ihre Überwachung abschalten; besonders kritisch wäre der Zeitpunkt, an dem KI ihre eigene Weiterentwicklung autonom steuern kann.

  • Im ersten Szenario versagen mehrere Schutzmechanismen nacheinander: Eine Gruppe nutzt KI zur Entwicklung eines Erregers, eine KI-gestützte Religion eskaliert, Cyberangriffe treffen kritische Infrastruktur und schließlich werden Atomwaffen durch fehlerhafte KI-Systeme ausgelöst. Die Menschheit überlebt nicht.
  • Im zweiten Szenario entsteht eine weltweit verteilte, offene KI, an der Millionen Menschen mitarbeiten. Sie bewahrt ihre ursprünglichen Werte, steuert Roboter und hilft in Krisengebieten, während kriminelle Kopien zwar schwere Schäden verursachen, die KI aber letztlich als Sicherheitsinstanz akzeptiert wird.
  • Im dritten Szenario verschmelzen Menschen, Maschinen und politische Systeme: Eine in Äthiopien entwickelte KI wird menschenähnlich leistungsfähig, später übernimmt eine Superintelligenz politische Verantwortung und wird in Japan zum Regierungsoberhaupt gewählt.
  • Im vierten Szenario bremsen Stromversorgung, Netzkapazität und Kühlwasser den Ausbau so stark, dass Regierungen Zeit für Regeln gewinnen. Zugelassene KI-Systeme laufen auf Hardware, die bei Regelverstößen abschaltet, während eine internationale KI-Agentur die Einhaltung überwacht.
  • Das fünfte Szenario setzt auf eine umfassende internationale Regulierung mit KI-Lizenzen, neuen UN-Behörden, weltweiten Abstimmungen und einem vollständigen Verbot von KI in Wahlkampf und Wähleranalyse.

  Die zentrale These lautet, dass nicht die maximale Rechenleistung, sondern der Zeitpunkt der Regulierung entscheidet: In vier Szenarien stehen Regeln, bevor KI ihren eigenen Code umschreiben kann, im fünften nicht. Gefordert werden ernst genommene Warnsignale, mehr Aufwand für Überwachung und Abschaltung, mehrere Schutzschichten, anpassungsfähige Regeln und ein weltweiter Austausch über Fehlverhalten von KI-Systemen.

  Explizit thematisiert werden OpenAI, Anthropic und Claude Opus; Format: Deep-Dive.

• KI-Notbremse: DAS steckt wirklich dahinter! Es ist NICHT, was die dir erzählen | KI-NEWS
  20.9.2026, 08:15:33

  Im Zentrum steht die Debatte über eine mögliche Verlangsamung der KI-Entwicklung: Dario Amodei fordert, das Tempo an der Spitze zu kontrollieren, während Elon Musk und Sam Altman ihm grundsätzlich zustimmen. Jensen Huang hält konkrete Prognosen wie eine zehnprozentige Wahrscheinlichkeit der Auslöschung der Menschheit jedoch für wissenschaftlich nicht fundiert; Donald Trump bezeichnet die Sicherheitsdebatte als „Hoax“, während China sie als Drehbuch aus dem Kalten Krieg kritisiert. Der Beitrag bezweifelt, dass die großen KI-Risiken ausreichend technisch belegt sind, und deutet die Forderung nach externer Regulierung auch als möglichen Versuch etablierter Unternehmen, Haftungsrisiken zu begrenzen und ihre Marktstellung abzusichern. Als Gegenposition wird eine gemeinsame Kontrolle durch demokratisch gewählte Regierungen sowie gegenseitige Sicherheitstests der KI-Unternehmen vorgeschlagen; offen bleibt dabei insbesondere die Frage, wer bei Schäden haftet.

  Für Europa wird argumentiert, dass zunächst die technologische Grundlage geschaffen werden müsse, bevor Europa weltweit verbindliche KI-Regeln fordern könne. Laut einer im Beitrag genannten Einschätzung fehlten dafür 1,3 Billionen Euro, allein um den Anteil an der globalen Rechenzentrumskapazität bis 2030 von fünf auf 15 Prozent zu erhöhen. Zusätzlich werden mögliche Sicherheitsprobleme erwähnt: Ein Vorfall mit einem KI-Agentenschwarm auf Hugging Face sowie ein bestätigter Angriff auf OpenAI sollen zeigen, dass zunächst das eigene Engineering besser abgesichert werden müsse; Berichte über einen massiven Angriff auf Mistral werden ausdrücklich als unbestätigte Gerüchte eingeordnet.

  Daneben stellt der Beitrag mehrere praktische und technologische Neuigkeiten vor. Das neue System Jeff soll auf Entscheidungen innerhalb von Workflows spezialisiert sein, etwa auf die Delegation von Aufgaben oder die Prüfung von Modell-Outputs, ist aber nur über eine Warteliste verfügbar. Für längere Agentenarbeit wird das Planner-Worker-Prinzip demonstriert: Eine Planner-Session erstellt und kontrolliert einen Plan, eine getrennte Worker-Session arbeitet die Aufgaben ab, und beide tauschen sich über GitHub aus; mit einer zusätzlichen Backoffice-Session lassen sich Ergebnisse für anstehende Termine zusammenfassen. Dieses Verfahren wurde laut Demo mehrere Tage lang für die Entwicklung verschiedener MCPs eingesetzt.

  Weitere Meldungen betreffen Odyssey 3 als Modell für sogenannte Foundation World Models in Robotik, autonome Fahrzeuge und Videospiele sowie Figure AIs Helix 2.5. Letzteres soll Haushaltsaufgaben wie Aufräumen, Bettenmachen und Wäschefalten in bisher unbekannten Umgebungen ohne vorherige Datensammlung bewältigen. Bei Claude werden Cowork und Claude Chat in Claude Chat zusammengeführt; außerdem wird die Möglichkeit hervorgehoben, direkt aus dem Chat heraus Decks, Dokumente und Designs zu erstellen und zu bearbeiten. Zu Gemini 4 Pro gibt es Gerüchte über einen deutlichen Leistungssprung, während bei Law Zero ein mit 300 Millionen von Deutschland und Kanada finanziertes europäisches KI-Projekt vorgestellt wird, dessen Open-Source-Ausrichtung laut Beitrag noch nicht feststeht.

  Schließlich geht es um mögliche kommende wissenschaftliche Durchbrüche von OpenAI, darunter die spekulative Lösung eines weiteren mathematischen Problems, sowie um verschobene Ankündigungen für den Developer Day. Die grundlegende Haltung des Beitrags bleibt skeptisch gegenüber alarmistischen Auslöschungsprognosen, betont aber zugleich reale Sicherheits-, Haftungs- und Machtkonzentrationsrisiken.

  Explizit thematisiert wurden OpenAI, Anthropic, Claude, Claude Code, Gemini, Mistral, Figure AI, Helix 2.5, Odyssey 3, Jeff, Hugging Face, GitHub, Hurder und Law Zero; Format: Roundup.

Fireship (1 neues Video)

• Meta is pivoting again… everything you missed from Connect 2026
  25.9.2026, 19:22:32

  Meta stellt auf der Connect 2026 den persönlichen KI-Agenten Muse ins Zentrum, der laut Mark Zuckerberg in Brillen, auf dem Mac, im E-Mail-Postfach und in einem Schlüsselanhänger-Gerät laufen soll. Muse soll Ziele verstehen, selbstständig im Web und am Computer handeln, eine eigene E-Mail-Adresse besitzen und über Schnittstellen mit Diensten von Drittanbietern verbunden werden; als Modell kommt Muse Spark 1.3 zum Einsatz. Die technische Grundlage sei eine cloudbasierte Linux-VM mit Browser und Speicher, in der ein in Rust geschriebener Agenten-Loop namens Hatch sowie die Sicherheitskomponente Sentinel laufen; Passwörter würden durch temporäre Tokens geschützt. Gleichzeitig kritisiert das Video, dass die besonders sichere Variante noch getestet werde und standardmäßig sämtliche Interaktionen als Trainingsdaten für zukünftige Modelle verwendet werden könnten. Meta kündigt außerdem neue VR-Brillen mit 5K-Micro-OLED-Displays für 1.300 Dollar, eine überarbeitete Version der KI-Brille für 449 Dollar, eine Audio-only-Variante für 349 Dollar und das Gerät Muse Charm mit Fingerabdrucksensor, 5G und Touchscreen an. Rückblickend wird Metas früherer Assistent M erwähnt, der 2018 eingestellt worden sei. Zum Schluss zeigt der Sponsor Hyper Agent, wie mehrere Agenten in einem Slack-Kanal Marketingmaterial erstellen, Fragen weiterleiten, Codeänderungen vorbereiten und mit den neuen Workspaces Aufgaben zwischen Agenten und Menschen übergeben können. Thematisiert werden Meta, Muse, Muse Spark 1.3, Hyper Agent und Open-Source-Komponenten wie Linux und Rust; Format: News-Update.

Google Cloud Tech (1 neues Video)

• A Developer’s Guide to Gemini 3.5 Transcribe
  24.9.2026, 23:00:04

  Gemini 3.5 Transcribe ist ein spezialisiertes Speech-to-Text-Modell mit kontextbezogenem Verständnis für Fachbegriffe, zuverlässiger Transkription bei Hintergrundgeräuschen und Unterstützung für mehrere Sprecher. Die Einrichtung erfolgt über das Google-GenAI-SDK mit einem auf die Agent Platform ausgerichteten Client; je nach Anwendungsfall stehen zwei Modelle und APIs zur Verfügung: generate content für vorab aufgenommene Dateien und live.connect für Echtzeit-Audio. Bei der synchronen Transkription können Audiodaten entweder als lokale Bytes oder über einen GS-URI aus dem Cloud-Speicher übergeben werden. Wichtige Konfigurationsoptionen sind Wort-Zeitstempel mit Start- und Endpositionen, vorgegebene Sprachcodes, Sprechererkennung und eine benutzerdefinierte Liste von Fachbegriffen oder Produktnamen. Für Live-Transkriptionen wird eine dauerhafte Verbindung über die Live API und WebSockets geöffnet; parallel werden PCM-Audio-Blöcke gesendet und Transkriptionsergebnisse empfangen. Dabei werden vorläufige Transkriptionen für laufende Untertitel von finalen Transkriptionen unterschieden, die dauerhaft gespeichert werden können; am Ende des Audiostreams wird ein Abschluss-Signal gesendet. Als Faustregel gilt: generate content für vorhandene Aufnahmen, die Live API mit dem Live-Transkriptionsmodell für Mikrofon- oder andere Echtzeit-Streams.

  Explizit thematisiert werden Gemini 3.5 Transcribe, Google GenAI, die Agent Platform, die Gemini Enterprise Agent Platform und die Live API; Format: Tutorial.

Greg Baugues

Keine neuen Videos in diesem Zeitraum.

Hugging Face

Keine neuen Videos in diesem Zeitraum.

IA et Stratégie (2 neues Videos)

• La vraie rupture de Claude Opus 5.5 (expliquée)
  25.9.2026, 10:38:10

  Der Beitrag vergleicht Opus 5.5, GPT-6 Sol und Grok 4.7 hinsichtlich Analysequalität, Ergebnisdarstellung und Kosten. Grok 4.7 soll bei der Analyse deutlich stärker sein, während die Präsentation der Ergebnisse weniger stark zulegt; GPT-6 Sol fokussiert günstigere Nutzung sowie Programmier- und Multi-Tool-Aufgaben. Anthropic senkt bei Opus 5.5 die Ein- und Ausgabepreise um 20 Prozent und beschleunigt die Antworten; laut den angeführten professionellen Auswertungen verbessert sich Opus sowohl bei der Analyse als auch bei der Darstellung und überzeugt den Autor insgesamt am meisten. Als Anwendungsfälle werden unter anderem die Prüfung eines Kundenkontos anhand von Vertrag, Zufriedenheitsbericht und Teamdaten, die Vorbereitung von Empfehlungen sowie die Erstellung konsistenter Tabellen und Präsentationsunterlagen beschrieben. Entscheidend sei, dass alle Dokumente auf denselben Annahmen beruhen und Quellen, Berechnungen sowie Unsicherheiten nachvollziehbar bleiben, damit Menschen die Ergebnisse prüfen und gegenüber anderen vertreten können. Günstigere Modelle ermöglichen laut Beitrag mehr Analyse, Variantenvergleiche und Korrekturschleifen; gleichzeitig können analytische Fähigkeiten schneller wachsen als die Qualität der fertigen Dokumente, sodass weiterhin Nacharbeit nötig bleibt. Für Arbeitsabläufe in Unternehmen wird eine vorbereitende Agentenrolle beschrieben: Dateien aktualisieren, Nachrichten entwerfen, Zuständigkeiten verfolgen und Entscheidungen sowie Quellen dokumentieren, während der Mensch zunächst die inhaltliche Verantwortung behält. Der größere strategische Wandel bestehe darin, dass KI schrittweise von der Analyse und Vorbereitung zu autonomer Ausführung, Ausnahmeüberwachung und später möglicherweise direkter Kommunikation zwischen Agenten übergeht; aktuell empfiehlt der Autor Opus 5.5 für anspruchsvolle Aufgaben und GPT-6 Sol sowie Grok 4.7 für Volumen, einfachere Vorbereitung und weniger kritische Arbeiten.

  Explizit thematisiert wurden Anthropic, OpenAI, Grok, Claude, Opus 5.5, GPT-6 Sol, GPT-4o, Grok 4.7 sowie Box, Zapier und Artificial Analysis; Format: Deep-Dive.

• Acheter son IA plutôt que la louer : le calcul qui change le choix de votre machine
  23.9.2026, 15:30:35

  Die zentrale These lautet: Wer lokale KI betreiben will, sollte nicht primär auf die Marke, sondern auf zwei technische Werte achten – die Speicherkapazität und die Speicherbandbreite. Die Kapazität bestimmt, welche Modelle überhaupt in den Arbeitsspeicher passen, während die Bandbreite die theoretische Geschwindigkeit begrenzt; als Beispiel wird Qwen 2.5 72B in quantisierten Varianten genannt, wobei die Modellleistung trotz deutlich unterschiedlicher Größe ähnlich bleiben könne. In der Praxis hängt die Geschwindigkeit zusätzlich von der Modellarchitektur, der Software und der Zahl paralleler Anfragen ab: Ein dichtes Modell wie Qwen 2.5 72B kann auf unterschiedlich schnellen Rechnern ähnlich langsam laufen, während ein Mixture-of-Experts-Modell wie GPT-4o 120B auf derselben Hardware deutlich höhere Tokenraten erreicht.

  Verglichen werden Apple, Nvidia und AMD: Apple bietet hohe Speicherbandbreite und eine komfortable, leise Umgebung, schränkt aber durch verlöteten Speicher und den fehlenden CUDA-Zugang ein. Nvidia punktet mit CUDA, fortgeschrittener Prompt-Verarbeitung und besserer Eignung für mehrere Nutzer, ist bei leistungsstarken Grafikkarten jedoch sehr teuer. AMD-Minirechner mit Strix-Halo-Chips bieten viel Speicher zu einem niedrigeren Preis und eine offene Linux-Umgebung, verlieren aber bei Bandbreite und Wärmeentwicklung. Für Einzelanwender mit moderaten Anforderungen erscheint AMD als wirtschaftlichste Lösung, für große Kontexte, mehrere Nutzer oder künftige Optimierungen Apple, und für CUDA-abhängige Arbeitsabläufe Nvidia.

  Die Empfehlung hängt vom Einsatz ab: Reisende Einzelpersonen sollen eher einen mobilen Rechner mit ausreichend Speicher wählen, kleine Kanzleien oder vergleichbare Unternehmen einen Mac Studio mit rund 96 GB, während größere Teams mehr Speicher oder mehrere Rechner benötigen. Mehrere Nutzer können eine lokale Maschine nur begrenzt gleichzeitig verwenden; dafür braucht es einen Inferenzserver, Redundanz und im professionellen Betrieb Wartung, da ein einzelner Rechner ein Ausfallrisiko darstellt. Die leistungsfähigsten Modelle wie Fable 5.1 oder GPT6 bleiben teilweise nur zur Miete verfügbar, weshalb der Autor eine Mischstrategie empfiehlt: alltägliche Aufgaben lokal erledigen und Frontier-Modelle nur bei Bedarf nutzen.

  Mieten sei besonders sinnvoll bei gelegentlicher Nutzung, bei mehr Nutzern als eine Maschine bewältigen kann oder bei sehr komplexen Aufgaben mit den fortschrittlichsten verfügbaren Modellen. Eine Beispielrechnung vergleicht einen lokal betriebenen Mac Studio mit Claude 3 Opus und mit einer gemieteten Qwen-2.5-7B-Instanz; je nach Cache-Nutzung liege der Break-even gegenüber Claude bei etwa 3,5 bis 5,4 Millionen erzeugten Tokens pro Monat, während sich der Kauf gegenüber dem günstiger gemieteten offenen Modell erst bei ungefähr 48 Millionen Tokens monatlich rechnen würde. Der wichtigste Vorteil lokaler Verarbeitung sei letztlich nicht nur der Preis, sondern die Vertraulichkeit: Müssen Kundendaten das Unternehmen unbedingt verlassen, könne die Kostenfrage zweitrangig werden.

  Der Kauf „jetzt“ wird unter vier Bedingungen empfohlen: Die eigenen Aufgaben wurden mit dem Zielmodell getestet, die Qualität reicht aus, die Auslastung ist regelmäßig und jemand kann die Hardware betreuen. Zum Abwarten gebe es vor allem wegen des noch nicht veröffentlichten Preises einer erwarteten 512-GB-Konfiguration einen Grund; ansonsten verweist der Autor auf steigende Speicherpreise. Am Ende folgt noch ein satirischer Dialog, in dem automatische Schranken als wirtschaftlicher Ersatz für menschliche Beschäftigte dargestellt werden.

  Explizit thematisiert wurden Apple, Nvidia, AMD, CUDA, Qwen 2.5, GPT-4o, GPT6, Fable 5.1, Claude 3 Opus, llama.cpp, MLX und vLLM; Format: Deep-Dive.

IBM Technology (1 neues Video)

• New frontier AI models, TypeSafe’s Jev AI, & NASA’s IBM collab
  25.9.2026, 10:00:11

  Die jüngsten Frontier-Modellveröffentlichungen – darunter Grok 4.7, Claude Opus 5.5 und GPT-6 Sol – stehen laut Diskussion vor allem für mehr Effizienz: Sie sollen ähnlich leistungsfähig wie größere Modelle sein, dabei aber weniger Tokens benötigen und günstiger werden. Die Panelisten betonen, dass sich der Wettbewerb von reiner Modellintelligenz hin zur „Systemintelligenz“ verschiebt, bei der Modelle mit Speicher, Tools, Browsern, Codeausführung und Unternehmenssystemen zusammenarbeiten; zugleich bleibt offen, wie hoch die tatsächlichen Inferenzkosten für die Anbieter sind.

  Als zweite Geschichte wird Jev von TypeSafe vorgestellt, ein sogenanntes „System-One-Modell“ für Coding und strukturierte Entscheidungen. Statt lange Textantworten zu erzeugen, gibt Jev typisierte Werte, Entscheidungen oder Wahrscheinlichkeiten aus, wodurch sequenzielles Decoding, Tokenverbrauch und der technische Aufwand zur Auswertung sinken können. Die Diskussion hebt jedoch hervor, dass die Verlässlichkeit und Kalibrierung der ausgegebenen Konfidenzwerte entscheidend sind; erste Vergleiche und Demos, unter anderem beim Spielen von Doom und beim Wikipedia-Spiel, wirken vielversprechend, müssen aber noch stärker gegen reale Wahrheiten geprüft werden.

  Dritte Geschichte ist eine Zusammenarbeit von IBM und NASA mit Modellen zur Analyse von Bildern der Mondoberfläche. Sie sollen unter anderem Krater und Eis erkennen und dadurch wissenschaftliche Untersuchungen beschleunigen, etwa Rückschlüsse auf das Alter des Sonnensystems ermöglichen. Als besonders relevant werden die Wiederverwendung von Foundation-Model-Repräsentationen für verschiedene wissenschaftliche Fragen sowie die aufwendige Aufbereitung und Zusammenführung von Sensordaten hervorgehoben. Tim Hwang kündigt am Ende an, die Moderation von Mixture of Experts abzugeben; David Zax soll die Sendung künftig weiterführen.

  Explizit thematisiert wurden Grok, Claude, GPT, Jev, TypeSafe sowie IBM- und NASA-Modelle; Format: Roundup.

Julian Ivanov | KI-Automatisierung (1 neues Video)

• Du benutzt nur ChatGPT? Hier ist dein KI-Fahrplan für 2026
  25.9.2026, 18:08:32

  ChatGPT wird als Einstieg dargestellt, aber als „Spitze des Eisbergs“: KI kann auch Dateien bearbeiten, Programme schreiben, Prozesse automatisieren und als dauerhaft verfügbarer Assistent arbeiten. Der Fahrplan richtet sich vor allem an drei Gruppen: Unternehmen, die KI und Automatisierung einführen wollen, Menschen, die ihre tägliche Arbeit oder private Projekte effizienter erledigen möchten, und Personen, die mit KI eine Selbstständigkeit oder ein zweites Einkommen aufbauen wollen.

  • Coding-Agenten wie Claude Code und Codex: Sie arbeiten direkt in einem freigegebenen Ordner auf dem Computer, lesen und verändern Dateien, erstellen neue Dateien und schreiben oder starten Programme. Damit lassen sich etwa Rechnungen auswerten, kleine Anwendungen, Dashboards, Websites oder ein persönliches „zweites Gehirn“ aus Textdateien über das eigene Unternehmen und die eigenen Arbeitsweisen erstellen. Für Dokumente, Auswertungen und Präsentationen reichen laut Beitrag einfachere Arbeitsbereiche wie ChatGPT Work beziehungsweise Claude Cowork; sobald eine eigene Anwendung, ein Dashboard oder komplexere Prozesse gebaut werden sollen, sind Claude Code oder Codex geeigneter. Wiederkehrende Aufgaben können als Skills gespeichert werden, während Routinen auch automatisch zu bestimmten Zeiten laufen können.
  • n8n: Hier wird ein Prozess als sichtbare Kette aus Triggern, Verarbeitungsschritten und Aktionen definiert. Die Abläufe laufen im Hintergrund, können jeden einzelnen Schritt protokollieren und lassen sich beispielsweise für die Klassifizierung eingehender E-Mails, die Weiterleitung von Rechnungen, Benachrichtigungen oder Entwürfe mit menschlicher Freigabe einsetzen. Im Unterschied zu Coding-Agenten ist der Workflow stärker vorherbestimmt, nachvollziehbar und nicht an einen einzelnen KI-Anbieter gebunden; n8n kann außerdem selbst gehostet und mit unterschiedlichen oder lokalen Modellen verbunden werden. Für feste Unternehmensprozesse gilt n8n als besonders passend, während es sich weniger für vollständige Webanwendungen oder Dashboards eignet.
  • Hermes beziehungsweise OpenClaw: Diese Agenten laufen idealerweise dauerhaft auf einem Server und können über Messenger wie Telegram oder WhatsApp angesprochen werden. Hermes kann Aufgaben per Text- oder Sprachnachricht erledigen, proaktiv tägliche Zusammenfassungen oder Erinnerungen senden, Websites beobachten und bei neuen Ereignissen Kontakt aufnehmen. Außerdem baut es für neue Aufgaben selbst Skripte und entwickelt aus erledigten Aufgaben eigene Anweisungen weiter. Das ist vor allem für Menschen interessant, die viel unterwegs sind oder einen ständig verfügbaren persönlichen Assistenten möchten; für transparente Unternehmensabläufe wird dagegen n8n empfohlen.

  Als praktische Entscheidungsregel gilt: Für die Bearbeitung von Dokumenten und Tabellen genügt zunächst die normale Chat-Oberfläche, für eigene Software und technische Projekte eignen sich Claude Code oder Codex, für exakt wiederholbare und überprüfbare Geschäftsprozesse n8n und für einen mobilen, proaktiven Assistenten Hermes. Die Werkzeuge können kombiniert werden, etwa indem Claude Code n8n-Workflows erstellt. Zum Einstieg soll man ein konkretes Problem auswählen, das derzeit viel Zeit kostet, und dafür das passende Werkzeug testen, statt jedem neuen KI-Hype zu folgen. Für n8n und Hermes wird ein dauerhaft laufender eigener Server als sinnvoll beschrieben; der Beitrag nennt dafür auch selbst gehostete Open-Source-Programme und einen konkreten Hosting-Anbieter.

  Explizit thematisiert wurden ChatGPT, Claude Code, Codex, n8n, Hermes, OpenClaw, Anthropic, OpenAI, lokale Modelle sowie weitere KI-Anbieter; Format: Deep-Dive.

Kyle Balmer | AI with Kyle (1 neues Video)

• How to Use AI for Beginners in 2026 (Part 1)
  26.9.2026, 16:00:37

  Der Sprecher stellt für September 2026 einen Lernpfad für KI vor, der aus drei Stufen besteht: Chatten, Delegieren und Bauen. Der zentrale Rat lautet, weniger theoretisch zu lernen und stattdessen täglich eine echte Aufgabe mit KI zu bearbeiten; Wissen soll vor allem dann erworben werden, wenn es für ein konkretes Problem benötigt wird. Anfänger sollen zunächst einen Chat-Assistenten wie ChatGPT oder Claude auswählen, ihn nicht nur wie Google verwenden, sondern im Dialog arbeiten, Antworten korrigieren und eine tägliche Nutzung etablieren. Dabei sollen sie auch Sprachmodus, Dateien, Tabellen, Screenshots, Fotos und Videos ausprobieren, um die Möglichkeiten und Grenzen der Systeme kennenzulernen.

  Als nächsten Schritt empfiehlt der Sprecher, wiederkehrende Aufgaben – etwa Notizen in Kundenupdates umzuwandeln, Recherchen zu ordnen oder Wochenpläne zu erstellen – zunächst per Chat zuverlässig zu lösen und anschließend an die KI zu delegieren oder zu planen. Für umfangreichere Vorhaben sollen die Projects von ChatGPT und Claude genutzt werden, in denen Dateien, Anweisungen und thematisch zusammengehörige Gespräche gebündelt werden. Gute Ergebnisse hingen weniger von Programmierkenntnissen als von klarer Kommunikation ab; dafür stellt der Sprecher das Prompting-Framework VISUM vor: Rolle, Anweisungen, Schritte, gewünschtes Endergebnis und Einschränkungen.

  Ergänzend erklärt er grundlegende Begriffe wie große Sprachmodelle, den Unterschied zwischen Modell und Anwendung, Kontext, Training und Inferenz sowie Halluzinationen. KI-Antworten können überzeugend klingen und dennoch falsch sein, weshalb wichtige Angaben anhand von Quellen, Berechnungen und Originaldokumenten geprüft werden müssen. Thematisiert werden OpenAI mit ChatGPT und Codex, Anthropic mit Claude und Claude Code, Gemini, Copilot, Projects, VISUM und der „AI Confidence Accelerator“; Format: Tutorial.

LangChain (1 neues Video)

• How to go from your agent’s traces to a fine-tuned model in one workflow
  24.9.2026, 14:09:42

  Smith Tune, eine CLI-Oberfläche in LangSmith, soll den Weg von aufgezeichneten Agenten-Traces zu einem feinabgestimmten Modell in einem Workflow vereinfachen. Zunächst werden repräsentative Traces aus einem LangSmith-Projekt heruntergeladen und anhand eines aufgabenspezifischen Bewertungsmodells gefiltert; mehrere unabhängige Reviewer entscheiden, welche Beispiele als „goldene“ Trainingsdaten behalten werden. Im gezeigten Ablauf wurden 50 Traces gesammelt und von zwei Reviewern bestätigt, anschließend als Datensatz nach LangSmith hochgeladen und dort noch auf personenbezogene Informationen geprüft. Für die Vorbereitung werden ein Trainingsanbieter und Basismodell gewählt sowie Trainings-, Validierungs- und Testdaten aufgeteilt; im Beispiel gingen 41 Beispiele ins Training, fünf in den Test und vier in die Validierung. Danach zeigt smith tune plan unter anderem Modell, Lernrate, Batch-Größe und Epochen an, bevor smith tune train das kostenpflichtige Training startet und den Checkpoint mit dem geringsten Validierungsverlust auswählt. Anschließend wird das feinabgestimmte Modell auf zurückgehaltenen Testdaten mit dem Basismodell verglichen und die Auswertung in LangSmith visualisiert; im kleinen Demonstrationsdatensatz lag die Übereinstimmung mit dem Bewertungsmaßstab beim feinabgestimmten Modell etwas höher. Bei ausreichender Qualität kann das Modell mit Smith Tune Deploy bereitgestellt werden, andernfalls sollen Beispiele oder Trainingseinstellungen angepasst und ein weiterer Durchlauf gestartet werden. Explizit thematisiert wurden LangSmith, Smith Tune, LangChain, DeepSeek-41-Flash, GLM-5.3-Flash, Qwen 3.8-27B, Base 10 und Fireworks; Format: Tutorial.

Leon van Zyl (2 neues Videos)

• I Built the Simplest Software Factory (You Can Copy It)
  24.9.2026, 12:00:03

  Das Video zeigt den Aufbau einer einfachen Software Factory innerhalb von GitHub. GitHub-Issues dienen als Auslöser: Wird eine Aufgabe mit dem Status „bereit“ markiert, weist die Factory sie einem verfügbaren Claude- oder Codex-Agenten zu, der in einer isolierten Cloud-Umgebung arbeitet. Nach Abschluss erstellt der Agent einen Pull Request oder aktualisiert das ursprüngliche Issue; die menschliche Kontrolle bleibt erhalten, da Änderungen geprüft und anschließend manuell zusammengeführt werden. Die Factory selbst ist dabei kein Programmieragent, sondern verwaltet den gesamten Ablauf von Eingang, Sortierung und Zuweisung bis zur Rückgabe der Änderungen.

  Für den Aufbau werden GitHub-Repositories, Upstash-Boxen als virtuelle Linux-Maschinen sowie Zugangsdaten für Upstash, GitHub und Claude benötigt. Ein Programmieragent erstellt anhand einer wiederverwendbaren Skill das Factory-Repository, richtet GitHub-Aktionen und die Verbindung zu den Projekt-Repositories ein und konfiguriert die gewünschten Agenten, Modelle, Inferenzstufen und die Zahl der Worker. Anschließend wird der Ablauf mit einem Test-Issue überprüft: Die Labels wechseln von „bereit“ zu „in Bearbeitung“ und später zu „Factory-Review“, während der zuständige Agent und der erzeugte Pull Request sichtbar werden. Zusätzlich erklärt das Video Snapshots als wiederverwendbare Vorlagen für Agenten-Umgebungen, in denen Skills, Browser-Werkzeuge oder MCP-Server vorinstalliert werden können; dadurch lassen sich weitere Boxen hinzufügen und der Agenten-Pool skalieren. Neue Repositories werden über die GitHub-Berechtigungen freigeschaltet und anschließend per Pull Request in die Factory integriert.

  Explizit thematisiert werden Claude, Codex, GPT-6 Astra, Claude 5, GitHub, Upstash, Upstage, Cloud Code und Context Seven; Format: Tutorial.

• I Combined GPT-6 Astra + Fable 5.1. It’s Not Even Fair
  21.9.2026, 12:00:11

  Der Sprecher testet den „Max“-Reasoning-Modus von Abacus AI Supercomputer, der Fable 5.1 und GPT-6 Astra kombiniert, um ein browserbasiertes Online-Multiplayer-Survival-Spiel zu erstellen. Spieler können sich mit einem Nickname anmelden, gemeinsam eine Insel erkunden, Ressourcen sammeln, Äxte herstellen, ein Lagerfeuer bauen und Unterkünfte platzieren. Die Plattform übernimmt laut Video die Einrichtung der Projektumgebung, des Servers, der Datenbank sowie das Testen und Hosting; der Agent kann dabei in einer virtuellen Maschine mit Browser, Terminal und Root-Zugriff arbeiten. GPT-6 Astra wird besonders für räumliches Denken, 3D-Umgebungen und Computerbedienung eingesetzt, während die Kombination mit Fable 5.1 die jeweiligen Stärken beider Modelle nutzen soll. Der Agent testet das Spiel selbstständig, führt JavaScript aus, prüft die Browserkonsole auf Fehler und behebt diese. Nach etwa zehn Minuten läuft bereits eine spielbare Version, in der der Sprecher und der Agent mit der Figur „Scout“ dieselbe Spielwelt in Echtzeit nutzen; später wird der Mehrspielerbetrieb mit zwei verschiedenen Namen nochmals bestätigt. Nach insgesamt ungefähr 20 Minuten sind Code, Build-Log, Änderungen und eine bereitgestellte Vorschau verfügbar; außerdem können das Projekt mit GitHub verbunden und eine eigene Domain eingerichtet werden. Thematisiert werden Abacus AI Supercomputer, Fable 5.1, GPT-6 Astra, Claude Code, Codex und GitHub; Format: Demo.

Liam Ottley (3 neues Videos)

• Q&A w/ @thesourcingguy : Answering Your AI, Business & Sourcing Questions
  26.9.2026, 10:25:08

  Die Diskussion dreht sich um den Aufbau eines KI-gestützten Systems für Isaacs Sourcing-Agentur, die Produkte aus China für Unternehmen, Handelsmarken und E-Commerce-Marken beschafft. Für die Neukundengewinnung wird eine stark personalisierte Outbound-Strategie vorgeschlagen: passende Leads finden und anreichern, individuelle Angebote erstellen und idealerweise kurze personalisierte Videos, Produktideen, Preise sowie auf den jeweiligen Kunden zugeschnittene Webseiten einbinden. Zunächst sollen große Unternehmenskunden angesprochen werden, vor allem über Einkaufsabteilungen, wobei aktuelle Produkte und konkrete Differenzierungsmerkmale im Mittelpunkt stehen.

  Für Einsteiger in KI-Geschäftsmodelle empfehlen die Gesprächspartner, zunächst im eigenen Umfeld kostenlose Fallstudien zu erstellen, Ergebnisse zu sammeln und daraus bezahlte Angebote zu entwickeln. Websites können ein Einstieg sein, wichtiger sei aber, Unternehmen messbaren Nutzen zu liefern, etwa durch Kostensenkung, zusätzliche Kapazität oder neue Leads. Bei der Frage nach Erholung und Produktivität wird betont, dass Pausen notwendig sind und man morgens möglichst die schwierigste, mental am stärksten vermiedene Aufgabe zuerst angehen sollte.

  Ein größerer Abschnitt behandelt den Aufbau einer E-Commerce-Marke: Statt sofort ein vollständig neues Produkt zu entwickeln, könne man zunächst ein bestehendes Produkt als White-Label- beziehungsweise ODM-Produkt testen, eine Marke aufbauen und anschließend auf Basis realer Kundenerfahrungen gezielt etwa 20 Prozent des Produkts verändern. Dieser Weg wird als kostengünstiger und schneller beschrieben, während vollständig kundenspezifische Entwicklung länger dauern, teurer sein und bei Qualität sowie Produkt-Markt-Passung größere Risiken bergen könne. Außerdem werden Upwork als möglicher Einstieg für erste Kunden, Retainer-Modelle für laufende Betreuung und die Bedeutung von Ergebnissen, Referenzen und Empfehlungen angesprochen.

  Von einem vorschnellen Aufbau einer SaaS-Anwendung wird abgeraten, da Produkte im KI-Bereich schnell kopiert werden könnten und Distribution entscheidend sei. Für ein KI-gestütztes Betriebssystem wurde im konkreten Fall Claude Code lokal auf Isaacs Rechner eingerichtet, einschließlich verschiedener API-Zugänge, Appy für Scraping, Railway für Hosting und einer GitHub-Ablage. Die Gesprächspartner diskutieren außerdem KI-Cold-Calling, KI-gestützte Terminvereinbarung, die Automatisierung wiederholbarer Aufgaben in der Buchhaltung sowie eine mögliche Spezialisierung von Agenturen auf bestimmte Branchen, wobei eine Nischenfokussierung grundsätzlich empfohlen wird, während die eigene Agentur zunächst verschiedene Geschäftsmodelle untersucht. Zum Schluss bleiben Fragen zu KI, Sourcing, E-Commerce und Unternehmensaufbau offen und werden im Live-Chat weiter beantwortet.

  Explizit thematisiert wurden Claude Code, Claude, Codex, Clay, Alibaba, Axio, Source Ready, Upwork, Appy, Railway und Meta Ads; Format: Live-Q&A.

• Claude Claude + Higgsfield = Insane $10K Websites
  25.9.2026, 18:50:07

  Für die Website des Geschäfts „AI Makeover“ entwickelte der Autor ein auffälliges 3D-Konzept mit einem Orb, scrollbaren Datenquellen und aufwendigen Animationen, statt eine gewöhnliche Landingpage zu bauen. Claude Code half bei der Ideenfindung, der Konzeption und der iterativen Umsetzung; dafür wurden unter anderem 21st.dev, Mobbin und 3.js als Inspirations- und UI-Hilfen eingebunden. Als zentrale Qualitätsfaktoren nennt der Autor individuelle Medien sowie überzeugende Texte, da KI-generierte Websites sonst schnell wie eine Ansammlung aus Boxen, Icons und Standardtexten wirken. Mit Higgsfield wandelte er vorhandene Fotos in breitere Bildformate und anschließend in bewegte Videoclips um; Claude Code untersuchte dabei über eine Integration verschiedene Modelle, bevor unter anderem Cinema Studio 3.0 und VO3.1 Ultra verglichen wurden. Die Website wurde in vielen Feedbackschleifen für Orb, Karten, Animationen, Sponsoren- und Über-mich-Bereiche verfeinert, wobei der Autor zunächst rund zwei Tage daran arbeitete und später zusätzlich die mobile Darstellung optimierte. Für die Lead-Erfassung integrierte er Osprey, das laut seinen Angaben einen Teil des US-Traffics Firmen und Personen zuordnen kann, einschließlich Kontaktdaten, LinkedIn-Profilen und Sitzungsaktivitäten; die Genauigkeit der Zuordnungen sei dabei nicht vollständig. Die Einbindung erfolgte, indem Claude Code mit Firecrawl die Osprey-Dokumentation auslas, den benötigten Code integrierte und die Website anschließend live geschaltet wurde. Nach einigen Tagen zeigte Osprey unter anderem 194 besuchte Unternehmen sowie Informationen zum ICP-Fit und zur Nutzung einzelner Seiten; passende Kontakte können anschließend etwa per Webhook, E-Mail oder über eine weitere Plattform in Vertriebsabläufe überführt werden. Explizit thematisiert wurden Claude Code, Codex, Higgsfield, Osprey, Firecrawl, 21st.dev, Mobbin, 3.js sowie die Modelle VO3.1 Ultra und Cinema Studio 3.0; Format: Demo.

• I Rebuilt This 46-Person Accounting Firm With AI (in 4 Days)
  21.9.2026, 01:18:57

  Eine schnell wachsende britische Wirtschaftsprüfungs- und Steuerberatungskanzlei wollte innerhalb von vier Tagen den zeitaufwendigen Prozess der Arbeitsunterlagen automatisieren. 25 Mitarbeitende verbrachten jeweils mehr als 20 Stunden pro Woche mit der manuellen Dokumentation, weshalb zunächst 17 verschiedene Arbeitsunterlagen nach Häufigkeit, Dauer, Schwierigkeit und Automatisierungspotenzial erfasst wurden. Als erster Schwerpunkt wurde die Umsatzsteuer-Abstimmung ausgewählt, da sie bei allen Mandanten vorkommt und als Vorlage für die übrigen Prozesse dienen sollte. Dafür wurden Informationen aus Tabellen in eine zentrale Datenbank überführt, Unternehmenswissen aus den Köpfen der Mitarbeitenden gesammelt und ein System aufgebaut, das Daten abgleicht, fehlende Informationen oder Blockaden erkennt und die Ergebnisse zur menschlichen Prüfung weitergibt. Ein Sprachagent konnte per Gespräch zusätzliche Informationen über Arbeitsabläufe, Statusübergänge, Blocker und Mandantenkommunikation aufnehmen. Am vierten Tag entstand außerdem eine Übersichtsoberfläche für offene Prüfungen und Mandantenanfragen; der erste vollständige Test der Umsatzsteuer-Abstimmung lief schließlich durch und stimmte mit einer zuvor manuell erstellten Prüfung überein. Josh erwartet dadurch künftig eine deutlich effizientere Skalierung ohne eine entsprechende Vergrößerung des Teams, betont aber zugleich, dass ein Mensch weiterhin die rechtliche Verantwortung trägt.

  Explizit thematisiert wurde das KI- und Workflow-Tool Kylon; Format: Demo.

Linking Your Thinking with Nick Milo

Keine neuen Videos in diesem Zeitraum.

Malva AI (1 neues Video)

• I Found the BEST FREE & UNLIMITED AI Video Generator
  25.9.2026, 10:52:42

  Pruna wird als kostenloser KI-Videogenerator für Computer und Smartphone vorgestellt, der Videos bis zu 20 Sekunden in 1080p mit Audio erzeugen kann, ohne Anmeldung. Das verwendete Modell Pvideo 2 bietet laut Darstellung fünf kostenlose Generierungen pro Tag; weitere Videomodelle haben jeweils eigene Kontingente, die am nächsten Tag wieder verfügbar sein sollen. Da die Anzahl der Generierungen unabhängig von Videolänge, Auflösung und Bildrate gezählt werde, empfiehlt der Sprecher, die Einstellungen auf 20 Sekunden, 1080p und 48 fps zu setzen. Generierte Videos müssen sofort heruntergeladen werden, weil sie beim Modellwechsel, Neuladen oder Schließen des Tabs verloren gehen können. Besonders hervorgehoben werden das Animieren von Bildern und die Möglichkeit, Audio oder Songs hochzuladen; außerdem wird das Avatar-Tool gezeigt, das Bilder anhand von Text lippensynchron sprechen lässt. Als Schwäche beschreibt der Sprecher zunächst unfertige und wenig auffällige Ergebnisse und verbindet deshalb Claude Opus 5.5 mit Higsfield: Claude übernimmt Regie, Skript, Szenenplanung und Prompts, während Higsfield Bilder und Videos erzeugt. Über einen benutzerdefinierten Connector in Claude wird dieser Ablauf eingerichtet; Claude kann Ergebnisse anschließend selbstkritisch prüfen, Prompts überarbeiten und mehrere Versionen erstellen. Vorgeführt werden außerdem eine Produktwerbung mit gleichbleibendem Produkt, eine vertikale Fassung für Kurzvideo-Plattformen sowie ein Kurzfilm mit mehreren Szenen, konsistenten Figuren und Ton, wobei Claude den gesamten Prozess schrittweise plant und überwacht.

  Explizit thematisiert werden Pruna, Pvideo 2, Pvideo 2 Pro, Claude Opus 5.5, Higsfield, GPT image, Cance 2.5 und das Avatar-Tool; Format: Demo.

Mark Kashef (1 neues Video)

• 6 Ways Opus 5.5 + GPT-6 Astra Upgrade Your Workflow
  26.9.2026, 16:00:08

  Opus 5.5 beziehungsweise Claude und Astra beziehungsweise Codex sollen gemeinsam eingesetzt werden, weil Claude besonders stark beim Planen und Codex beim kritischen Prüfen, bei Computerinteraktionen und bei umfassenden Aufgaben sei. Für die Verbindung nennt das Transkript drei Möglichkeiten: ein Codex-Plugin aus GitHub, die Installation beider CLIs oder einen Pull-Request, der vom jeweils anderen Modell geprüft wird.

  Die sechs vorgestellten Einsatzarten sind:

  1. Pläne gegenseitig prüfen lassen: Ein Modell erstellt einen ersten Plan, das andere sucht in einer separaten Sitzung nach Schwachstellen und beide iterieren, bis keine weiteren Einwände bestehen.
  2. Bilder und Diagramme erzeugen: Codex soll Infografiken oder Diagramme erstellen, damit dafür keine zusätzlichen API-Kosten anderer Bildmodelle anfallen, während Claude die Ergebnisse weiterverwendet.
  3. Arbeit aufteilen: Claude kann den Großteil einer Funktion umsetzen, danach prüft Codex den Stand, nimmt Änderungen vor und iteriert bis zur Fertigstellung.
  4. Logins und Computerbedienung: Für Browser-, Konto- und Anmeldeaufgaben wird Codex empfohlen, da es laut Transkript Computerinteraktionen sowie das Verwenden von Zugangsdaten weniger restriktiv behandelt als Opus.
  5. Langwierige Ziele ausführen: Mit einer ausführlich spezifizierten Aufgabe und einem klaren Abbruchzeitpunkt kann Codex besonders umfassend arbeiten, verbraucht dabei aber deutlich mehr Zeit und Tokens; Claude sei hier weniger aggressiv.
  6. Übergaben dokumentieren: Der Befehl „/handoff“ erstellt eine aktuelle Markdown-Zusammenfassung mit Entscheidungen und nächsten Schritten, die Codex über „/prime“ aufnehmen kann, ohne den gesamten Chatverlauf zu laden.

  Als Faustregel nennt das Transkript Claude für Planung sowie Bauen und Ausliefern, Codex für das Zerlegen von Plänen, Bilder, Computerbedienung und besonders gründliche Prüfungen; Reviews von fertigen Ergebnissen sollen mehrfach durch Astra oder Soul erfolgen. Explizit thematisiert werden Claude/Opus 5.5, Codex/Astra, Gemini sowie lokale oder cloudbasierte Open-Source-Modelle; Format: Tutorial.

Matt Pocock

Keine neuen Videos in diesem Zeitraum.

Melvynx (7 neues Videos)

• Codex : de Débutant à PRO avec Les Skills (formation complète)
  26.9.2026, 15:00:04

  Skills in Codex sind Markdown-Dateien mit Metadaten, Anweisungen, Referenzen und gegebenenfalls Skripten, die dem Modell zeigen, wie eine bestimmte Aufgabe ausgeführt wird. Anhand eines „Verify“-Skills demonstriert der Sprecher, wie Codex mit einem Browser prüft, ob eine Änderung funktioniert, Screenshots erstellt und das Ergebnis bestätigt. Er unterscheidet unter anderem zwischen Aktions- beziehungsweise Workflow-Skills, die konkrete Abläufe beschreiben, und Skills für die Verbindung zu externen Diensten über CLI-Befehle, etwa zum Versenden von E-Mails oder zur Videobearbeitung. Skills können global verfügbar oder auf ein einzelnes Projekt beschränkt sein; erstellt werden sollen sie laut Sprecher möglichst mit dem Skill Manager statt manuell. Außerdem lässt sich festlegen, ob ein Skill nur vom Nutzer, nur vom Agenten oder von beiden aufgerufen werden darf, wobei Verbindungs-Skills meist für Nutzer und Agent zugänglich sein sollen, sehr spezifische Varianten-Skills dagegen eher nur für den Nutzer. Der Sprecher zeigt auch, wie ein Skill zur Erzeugung mehrerer Varianten einer Oberfläche aufgerufen und anschließend eine bestimmte Variante direkt implementiert wird; durch eine direkte Eingabe wird die Aufgabe sofort in den Kontext aufgenommen statt nur in die Warteschlange zu gelangen. Ein weiterer Vorteil sei die Strukturierung über Referenzdateien und Skripte: Dadurch wird nur der jeweils benötigte Teil in den Kontext geladen, Skills bleiben leichter kopierbar und können zu komplexeren Workflows kombiniert werden.

  Explizit thematisiert werden Codex, ChatGPT, Claude, OpenAI, Cursor, Zed, Skill Manager, Skill Creator, Dev Browser, Umail und Tella; Format: Tutorial.

• Apprendre les Worktrees avec Codex en 30 minutes
  25.9.2026, 15:00:16

  Worktrees ermöglichen es, mehrere Aufgaben oder Agenten gleichzeitig in getrennten Kopien eines Projekts zu bearbeiten, ohne den main-Branch zu gefährden. Dafür wird zunächst ein GitHub-Repository benötigt; anschließend können Branches und lokale oder cloudbasierte Worktrees angelegt werden. Bei lokalen Worktrees muss eine Umgebung eingerichtet werden, damit unter anderem Abhängigkeiten installiert, .env-Dateien berücksichtigt und für jeden Worktree eigene Ports verwendet werden können. Im Beispiel laufen die Hauptanwendung und eine blau umgestaltete Worktree-Version parallel auf unterschiedlichen Ports, während weitere Änderungen wie eine About-Seite unabhängig entwickelt werden. Danach werden die Änderungen per Pull Request zurück in main gemergt; bei Konflikten soll der Agent die betroffenen Dateien automatisch zusammenführen. Für mehrere Chats innerhalb eines temporären Worktrees wird /parallel side verwendet, während ein permanenter Worktree als eigenes Projekt gespeichert werden kann und dadurch viele parallele Chats für größere Refactorings oder umfangreiche Updates erlaubt. Der Worktree wird nach dem Merge archiviert beziehungsweise gelöscht, und main muss gegebenenfalls aktualisiert werden. Als Faustregel beschreibt der Sprecher, kleinere und ungefährliche Änderungen direkt in main zu erledigen und größere, potenziell produktionsgefährdende Features in Worktrees auszulagern. Thematisiert wurden Cursor, Codex, GitHub, das Modell GPT 5.6 Terra sowie der Environment Manager; Format: Tutorial.

• Arrête d’utiliser Codex sans ça : 3 600 outils en 1 commande
  24.9.2026, 15:45:19

  Treg beziehungsweise TRG wird als zentrale Schnittstelle für Agenten vorgestellt, über die mehr als 3.600 Tools und Dienste mit einer einzigen API-Schlüssel-Konfiguration erreichbar sein sollen. Statt jeden Dienst einzeln anzubinden, richtet man TRG etwa in Codex ein; anschließend kann der Agent unter anderem auf YouTube, Meta Ads, X, LinkedIn, TikTok, Instagram, SEO-, Werbe-, E-Commerce- und Scraping-Dienste zugreifen. Die Nutzung kann entweder über die von TRG bereitgestellten Zugänge und eine Guthaben-Balance erfolgen oder über eigene API-Schlüssel („Bring your own key“); kostenlose Dienste sollen kostenlos bleiben, während kostenpflichtige Aufrufe nach Nutzung abgerechnet werden. Als Beispiele zeigt der Sprecher das Abrufen laufender Meta-Anzeigen, das Auslesen der letzten YouTube-Kommentare und Videountertitel, das Abfragen des letzten X-Posts sowie das Ändern einer Meta-Werbekampagne per Chat. Außerdem nutzt er TRG für SEO-Analysen, bei denen mehrere Keyword-, SEO- und Crawling-Dienste automatisch verwendet werden, und für die Suche nach Unternehmensprofilen und beruflichen E-Mail-Adressen. Der zentrale Vorteil sei, dass Agenten die jeweils verfügbaren und kostengünstigeren Anbieter auswählen können, ohne dass der Nutzer deren einzelne APIs selbst einrichten muss. Der Sprecher hat TRG bereits mit Hermes verbunden und demonstriert das Setup zusätzlich für Codex; am Ende erwähnt er die Nutzung mit Hermes, Codex, Gemini, Cursor und ChatGPT über eine gemeinsame API.

  Explizit thematisiert wurden TRG/Treg, Codex, Hermes, Gemini, Cursor, ChatGPT, Open Router sowie Dienste und APIs rund um YouTube, Meta Ads, X, SEO und Scraping — Format: Demo.

• Opus 5.5 est le MEILLEUR modèle (mieux que Fable et le NOUVEAU GPT Sol 6)
  23.9.2026, 06:23:56

  Der Sprecher vergleicht Opus 5 beziehungsweise 5.5 mit Fable 5.1 sowie GPT-6 Sol und Luna von OpenAI. Seine zentrale These lautet, dass Opus bei der reinen Intelligenz und bei komplexen One-Shot-Aufgaben deutlich überlegen sei, während Sol vor allem durch niedrigere Kosten und höhere Geschwindigkeit überzeugt. In den diskutierten Benchmarks liege Opus vor Fable und Astra, während GPT-6 Sol teilweise schlechter als frühere Sol-Versionen abschneide; zugleich betont der Sprecher, dass Benchmarks für alltägliche Aufgaben nur begrenzte Aussagekraft hätten. Bei praktischen Tests erstellt Opus unter anderem eine detaillierte 3D-Autounfall-Simulation, einen Zeitzonen-Checker, eine Lebenssimulation und einen Gmail-Klon, wobei besonders Physik, Benutzeroberfläche, Detailgrad und Umsetzung gelobt werden. Sol produziert dagegen laut Sprecher häufiger vereinfachte oder fehlerhafte Ergebnisse, etwa bei der Autounfall-Simulation und beim Gmail-Klon, ist aber erheblich günstiger und meist schneller. Opus benötigt für seine besseren Ergebnisse deutlich mehr Zeit und verursacht in den gezeigten Beispielen ein Vielfaches der Kosten von Sol oder Luna; einzelne extrem niedrige Preisangaben hält der Sprecher selbst für fehlerhaft. Fable liefert bei der Autounfall-Simulation ebenfalls sehr überzeugende Physik, ist aber noch teurer, während Astra in einigen Vergleichen günstiger oder schneller als Opus erscheint. Insgesamt unterscheidet der Sprecher zwischen Grenzmodellen für maximale Qualität und günstigen Daily-Driver-Modellen: Für die meisten realen Aufgaben reichten auch preiswertere Modelle wie Grock aus, sodass der praktische Mehrwert der neuesten Spitzenmodelle oft gering sei. Sein Fazit ist daher eine klare Trennung: Opus dominiert bei der maximalen Ausführungsqualität, OpenAIs Sol bei Effizienz und Kosten pro Aufgabe.

  Explizit thematisiert werden Opus, Fable, GPT-6 Sol und Luna, Astra, Grock, Kimi, OpenAI sowie Cloud Code, Codex und Cursor; Format: Deep-Dive.

• Grok 4.7 : ne l’UTILISE SURTOUT PAS !!! RESTE SUR CLAUDE OU CHATGPT
  22.9.2026, 15:59:19

  Der Sprecher bewertet Grok 4.7 als deutliche Regression gegenüber Grok 4.6 und Grok 4: Zwar schneide es in bestimmten Coding-Benchmarks etwas besser ab, verbrauche laut seinen Vergleichen aber deutlich mehr Output-Tokens, sei langsamer und teurer. Dadurch verlängere sich die Bearbeitungszeit einzelner Aufgaben erheblich, ohne dass die Qualitätssteigerung den Mehraufwand rechtfertige. Bei mehreren UI- und Coding-Tests – darunter ein 3D-Autounfall, ein „Taste Challenge“-Interface, ein Gmail-Klon, eine Lebenssimulation und ein Zeitzonen-Checker – kritisiert er schwache Gestaltung, fehlende Responsivität, unzuverlässige Einstellungen und eine im Vergleich zu anderen Modellen geringe Ausführungsqualität. Besonders bei visuellen Aufgaben seien Astra, Fable, Opus, Kimi oder Gemini teilweise überzeugender gewesen, während Grok 4.7 für ähnliche oder schlechtere Ergebnisse oft mehr Zeit und Geld benötigt habe. Für reine Backend-Implementierungen und das Abarbeiten konkreter Aufgaben hält er Grok dennoch weiterhin für brauchbar, da es präzise Änderungen umsetzen und Tests ausführen könne. Sein Fazit für den eigenen Einsatz lautet, vorerst bei Grok 4 zu bleiben, weil es günstiger, schneller und in seinen Anwendungsfällen ausreichend zuverlässig sei; entscheidend seien weniger abstrakte Intelligenz-Benchmarks als Effizienz, Output-Menge, Geschwindigkeit und Kosten.

  Explizit thematisiert wurden Grok 4.7, Grok 4.6, Grok 4, GPT-6 Astra, Fable 5.1, Gemini, Opus, Kimi, Sol, OpenAI, Anthropic, SpaceX und Cursor; Format: Meinung/Reflexion.

• Deviens un EXPERT de Codex : la formation avancée
  22.9.2026, 06:40:17

  Das Video zeigt fortgeschrittene Einsatzmöglichkeiten von Codex für Nutzer, die die Grundlagen bereits beherrschen. Zunächst wird die Fernsteuerung erklärt: Über die GPT-Chat-App auf dem iPhone lässt sich ein Mac koppeln und anschließend aus der Ferne bedienen; zusätzlich kann Codex per SSH mit anderen Geräten oder einem VPS verbunden werden, sodass Projekte und Rechenlast auf einem entfernten Server ausgeführt werden. Danach geht es ausführlich durch die Einstellungen, darunter Vollzugriff, Verhindern des Ruhezustands während der Ausführung, Websuche, Speicher, Themen, Sprachsteuerung, Plugins, Screenshots, Verbindungen und Nutzungsgrenzen. Ein weiterer Schwerpunkt sind Hooks: Sie können vor oder nach Tool-Aufrufen Skripte ausführen, gefährliche Befehle wie das Löschen von Verzeichnissen oder Datenbankoperationen blockieren oder sämtliche Tool-Aktivitäten protokollieren.

  Im fortgeschrittenen Arbeitsstil soll der Kontext möglichst schlank gehalten werden, indem unnötige Skills, MCPs, Plugins, Agentenbeschreibungen und Erinnerungen entfernt werden; zu große Kontexte können laut Video die Ergebnisse verschlechtern und die Nutzung verteuern. Zur Qualitätssicherung empfiehlt der Sprecher, Codex nicht nur prüfen zu lassen, ob eine Aufgabe erledigt wurde, sondern deren Funktion durch konkrete Belege wie Browser-Tests, Abläufe und Screenshots nachweisen zu lassen. Mit Zielen beziehungsweise „Goals“ kann Codex so lange weiterarbeiten, bis ein messbares Ergebnis erreicht ist, etwa eine bestimmte Anzahl von Iterationen, bestandene Tests oder eine vollständig abgeschlossene Migration. Außerdem werden Rollen für Planung und Implementierung, der sparsame Wechsel zwischen Modellen sowie die Nutzung von GitHub-Branches und Worktrees behandelt, damit mehrere Agenten parallel arbeiten können, ohne den Hauptzweig zu beschädigen. Abschließend wird gezeigt, wie für Worktrees eine eigene Umgebung mit installierten Abhängigkeiten eingerichtet wird, damit die parallelen Projekte direkt ausführbar sind.

  Explizit thematisiert werden Codex, GPT Chat, Cursor, Gemini, Grock, Astra, Fable, Opus, Sol, Sonet, Terra, AQ, Luna, GitHub, SSH, VPS, MCPs und der Dev-Browser; Format: Tutorial.

• La fin des TUTOS de code gratuits sur YouTube : faut-il recommencer ?
  21.9.2026, 05:50:24

  Der Autor fragt, ob klassische Programmier-Tutorials auf YouTube durch KI und „Vibe Coding“ an Bedeutung verlieren. Als Beispiele nennt er rückläufige Aufrufzahlen technischer Videos sowie YouTuber, die entweder weniger Tutorials veröffentlichen oder ihren Schwerpunkt auf KI-gestützte Anwendungsentwicklung verlagert haben. Seine Einschätzung ist differenziert: Technische Inhalte funktionieren weiterhin, aber Themen wie React-Frontend-Entwicklung seien deutlich weniger relevant, während JavaScript-Grundlagen, Backend, Infrastruktur, Daten und Anwendungslogik wichtig blieben. Programmieren mit KI lerne man seiner Ansicht nach besser, indem man konkrete Anwendungen baut, Fehler behebt und Systeme versteht, statt nur statische Videos anzusehen. Für eine berufliche Laufbahn reichten KI-generierter Code und fehlende Grundlagen jedoch nicht aus; Junior-Entwickler müssten möglichst schnell praktische Erfahrung, Problemlösungskompetenz und Verständnis für Software-Systeme aufbauen. Der Autor erklärt außerdem, dass er selbst technische Tutorials nicht primär wegen sinkender Aufrufzahlen eingestellt habe, sondern weil er React und klassisches Coden kaum noch nutze und lieber über seine tatsächliche Arbeit spreche. Seine Schlussfolgerung lautet, dass YouTuber vor allem die Themen behandeln sollten, für die sie selbst noch Begeisterung empfinden, weil sich diese Authentizität auch auf die Qualität der Videos übertrage. Explizit thematisiert wurden KI sowie Claude, Codex, Cursor, Copilot, Codeline und Astra; Format: Meinung/Reflexion.

Mickmumpitz

Keine neuen Videos in diesem Zeitraum.

Microsoft Developer (1 neues Video)

• One model deployment to route them all
  25.9.2026, 16:39:00

  Ein Model Router in Microsoft Foundry kann automatisch das passendste Modell für eine Aufgabe auswählen und wie jedes andere Modell bereitgestellt werden. Unterstützt werden globale, standardmäßige und „data zone standard“-Bereitstellungen sowie Modelle verschiedener Anbieter, darunter OpenAI, Claude, Grok, Llama und Dipsy. Bei der Konfiguration lassen sich die verwendeten Modelle, der Standort, der Bereitstellungstyp und ein Routing-Schwerpunkt auf Qualität, Kosten oder eine Balance daraus festlegen; außerdem kann man entweder alle oder nur ausgewählte Modelle routen lassen. Im Test wurden standardmäßig 27 Modelle eingesetzt: Für einen Cupcake-Agenten wählte der Router wiederholt „GPT-5 5.6 Luna“, das als schnell und sparsam beim Tokenverbrauch beschrieben wird. Eine mathematische Frage wurde an „Grok 4.1, reasoning“ geleitet, während Fragen zu Nairobi und Burundi jeweils „GPT-5 5.5“ erhielten. Über das Monitoring lassen sich Verbrauch sowie Ein- und Ausgaben prüfen, um zu bewerten, ob man künftig ein bestimmtes Modell festlegt oder den Router weiterverwendet. Explizit thematisiert wurden Microsoft Foundry, der Model Router sowie OpenAI-, Claude-, Grok-, Llama- und Dipsy-Modelle; Format: Demo.

Mira AI (1 neues Video)

• AI Motion Graphics Plugin Makes After Effects EASY! (Full Setup)
  22.9.2026, 10:31:08

  Eine After-Effects-Erweiterung von Higgs Field verbindet Claude über eine MCP-Bridge direkt mit After Effects, sodass Claude echte Ebenen und Keyframes erzeugen kann, die anschließend editierbar bleiben. Für die Einrichtung wird die Erweiterung von higgsfield.ai geladen, After Effects 2025 oder neuer benötigt, das Plugin über „Fenster > Erweiterungen“ geöffnet und anschließend das Higgs-Field-Konto verbunden. Danach wird im Plugin der MCP-Link kopiert, in Claude als benutzerdefinierter Connector hinterlegt und die Verbindung hergestellt; eine grüne Statusanzeige bestätigt die erfolgreiche Verbindung. Ein vager Prompt wie „Erstelle ein Stock-Dashboard“ führt laut Demo zu einer nicht editierbaren Website, während präzise Angaben zu Aufbau, Bewegung und Gestaltung ein Skript erzeugen, das 19 echte After-Effects-Ebenen mit editierbaren Texten, Timings und Farben erstellt. Zusätzlich wird ein Prompt-Builder vorgestellt, der aus einer Idee eine strukturierte Eingabe formuliert. Das Plugin kann außerdem Bilder und Videos nativ in 4K generieren, Clips per Beschreibung verändern, Aufnahmen für Hochformat neu komponieren, Hintergründe entfernen, Videos hochskalieren und Kamerabewegungen übertragen; beim Entfernen des Hintergrunds sei es schnell, aber weniger präzise als das Maskieren in After Effects. Besonders hervorgehoben wird „Draw to Edit“, mit dem Bildbereiche ersetzt oder neue, zur Aufnahme passende Grafiken wie ein getracktes Lower Third eingefügt werden können. Erwähnt werden außerdem Audio-Generierung sowie die Modelle Nano Banana Pro und C Dance 2.5; abschließend wird angedeutet, dass ein Agent mit Codex komplette Workflows wie die Erstellung und Veröffentlichung eines anonymen Kanals automatisieren könnte. — Thematisiert werden Higgs Field, After Effects, Claude, MCP, Nano Banana Pro, C Dance 2.5 und Codex; Format: Tutorial.

MoureDev by Brais Moure (2 neues Videos)

• ¿Está cambiando del desarrollo de software?: Preguntas y respuestas
  24.9.2026, 18:05:01

  Die künstliche Intelligenz verändert die Softwareentwicklung grundlegend, bedeutet aber laut Sprecher nicht das Ende des Programmierens; vielmehr verschwinden Tätigkeiten und Arbeitsweisen, die früher ausreichten. Universitäten, Schulen und Bootcamps müssten ihre Ausbildung laufend anpassen, da sich der Markt monatlich verändert und Absolventen neben Grundlagen auch den Umgang mit KI und aktuelle Arbeitsweisen beherrschen müssen. Für Unternehmen sei eine unkontrollierte Einführung problematisch: Sowohl simples Kopieren aus ChatGPT als auch unkritisches „Vibe Coding“ ohne Tests, Dokumentation und Verständnis führe zu technischen Schulden, Sicherheitsproblemen und schwer wartbarem Code. KI könne Entwicklung beschleunigen, müsse aber durch klare Prozesse, Überprüfung und qualifizierte Mitarbeiter kontrolliert werden. Für Einsteiger sieht der Sprecher weiterhin Chancen, allerdings sei die Einstiegshürde nach den übermäßigen Einstellungen während der Pandemie gestiegen; ein Kurs, ein einzelnes Framework oder ein oberflächliches Portfolio reichten nicht aus. Empfohlen werden wenige, aber hochwertige eigene Projekte, die konkreten Wert zeigen und die man fachlich verteidigen kann, sowie solide Programmiergrundlagen, da man KI nur sinnvoll steuern könne, wenn man die Ergebnisse versteht. Alter sei weniger entscheidend als der tatsächlich gelieferte Wert und die Bereitschaft, langfristig zu lernen; neben Technik würden Kommunikation, Teamarbeit und die Fähigkeit, den eigenen Nutzen zu vermitteln, wichtiger. In der Cybersicherheit und beim Prüfen von KI-generiertem Code erwartet der Sprecher mehr Arbeit, weil unkontrollierte Beiträge und fehlerhafter „AI Slop“ bereits zusätzliche Prüf- und Wartungsarbeit verursachten.

  Explizit thematisiert wurden ChatGPT, Codex, Cloud Code sowie OpenAI und Anthropic; Format: Live-Q&A.

• ¿Peligro real o mentira? Lo que pasó en 8 días con la IA
  22.9.2026, 14:00:11

  Innerhalb von zwölf Tagen entwickelte sich eine Debatte darüber, ob die KI-Entwicklung gebremst werden müsse: Der ehemalige Anthropic-Forscher Jacob Coxson warnte vor einer selbstverbessernden Superintelligenz, und ein weiterhin bei Anthropic tätiger Alignment-Forscher bezifferte das Risiko einer Auslöschung der Menschheit auf über zehn Prozent im kommenden Jahrzehnt. Anthropic-CEO Dario Amodei forderte anschließend nicht den vollständigen Stopp, sondern ein langsameres Entwicklungstempo, externe Prüfungen, gemeinsame Standards demokratischer Staaten und globale Regeln. Elon Musk und Sam Altman stimmten ihm zunächst zu, während Donald Trump und chinesische Regierungsvertreter die Warnungen als Alarmismus beziehungsweise Täuschung zurückwiesen. Gleichzeitig kündigten die Unternehmen neue Modelle und Produkte an: OpenAI plante einen großen Launch, Musk stellte Grok 4.8 in Aussicht, und Anthropic erwog offenbar ein neues Modell, um Marktanteile gegenüber OpenAI zurückzugewinnen. Als weitere Hindernisse für eine gemeinsame Pause werden kartellrechtliche Probleme, mögliche regulatorische Vereinnahmung zugunsten der Marktführer sowie enorme, teilweise schuldenfinanzierte Investitionen genannt. Microsoft veröffentlichte zwar einen Verhaltenskodex, nach dem KI korrigierbar, abschaltbar und für Menschen verständlich bleiben soll, doch der Beitrag bezweifelt, dass solche Regeln angesichts des Wettbewerbs ausreichen. Die zentrale These lautet, dass weder die USA noch China noch die großen Labore freiwillig bremsen werden, weil sie eine Verlangsamung als strategischen und wirtschaftlichen Verlust betrachten. Zugleich seien sowohl die Warnung vor einer zehnprozentigen Auslöschungsgefahr als auch die Behauptung, die Gefahr sei lediglich ein Schwindel, letztlich unbelegte Einschätzungen; ein reales Risiko bestehe, seine Größe und Geschwindigkeit seien aber unbekannt. Als mögliche Konsequenz werden externe Prüfer in den großen Unternehmen genannt, während die Zuschauer ihre eigene Haltung nicht von Panik oder Verharmlosung bestimmen lassen, sondern sich anhand besserer Informationen ein eigenes Urteil bilden sollen. Thematisiert wurden Anthropic, OpenAI, Grok, ChatGPT, Claude, Gemini, Microsoft und Nvidia; Format: Meinung/Reflexion.

n8n (1 neues Video)

• How to build a powerful Telegram agent in n8n fast
  22.9.2026, 16:04:08

  Gezeigt wird, wie sich in n8n ein dauerhaft laufender Telegram-Agent ohne Code und ohne klassische Workflows erstellen lässt. Der Agent besteht aus Kanälen, Tools beziehungsweise Fähigkeiten, Sub-Agenten, Anweisungen, einem Modell, Sitzungen und erweiterten Einstellungen wie Websuche, Reasoning und parallelen Sub-Agenten. Zunächst werden kurze Systemanweisungen hinterlegt und ein Modell über OpenRouter verbunden; zunächst kommt MuseSpark 1.3 zum Einsatz, wobei eine Datenrichtlinie den Contributor-Endpunkt blockiert und deshalb auf die reguläre Variante gewechselt wird. Anschließend wird über BotFather ein Telegram-Bot erstellt, auf privat gestellt und durch die eigene Nutzer-ID abgesichert; Änderungen müssen veröffentlicht werden, bevor sie im Telegram-Bot aktiv werden.

  Als Fähigkeiten werden unter anderem Todoist über MCP sowie E-Mail- und Aufgabenfunktionen eingebunden. Dabei wird der Unterschied zwischen flexibel geladenen MCP-Tools und manuell konfigurierten n8n-Node-Tools erklärt: MCP bietet eine einfache Verbindung, während Nodes detailliertere Kontrolle über erlaubte Aktionen und Parameter ermöglichen. Kontext wird über allgemeine Anweisungen, Tool-Beschreibungen und Skills organisiert; Skills werden nur bei Bedarf geladen und können auch mit Referenzdateien importiert werden. Zusätzlich wird ein Zeitplan eingerichtet, der täglich E-Mails prüft, daraus Aufgaben in Todoist erstellt und anschließend eine Nachricht mit den Ergebnissen verschickt.

  Im Test recherchiert der Agent Hotdog-Restaurants, liest E-Mails und Aufgaben aus, verarbeitet ein Foto mit einer Notiz und versucht, einen fotografierten Beleg samt Trinkgeld zu erfassen. Bei Problemen werden Modellwechsel und zusätzliche Regeln in den Anweisungen genutzt, etwa die Vorgabe, Aufgaben immer mit einem Link zu versehen; für die Bildverarbeitung wird schließlich ein Anthropic-Modell verwendet. Die Sitzungsansicht zeigt Tool-Aufrufe, Nutzernachrichten, Agentenantworten und Sub-Agenten und erlaubt die Fehlersuche anhand detaillierter Spuren. Explizit thematisiert wurden n8n, Telegram, OpenRouter, MuseSpark 1.3, Anthropic/Sonnet 5, MCP, Todoist, Gmail und Google Sheets; Format: Tutorial.

Nate Herk | AI Automation (1 neues Video)

• Opus 5.5 Just Changed Video Editing Forever (free skills)
  25.9.2026, 23:54:59

  Opus 5.5 wird als KI für Videoschnitt und Motion Design vorgestellt, die per natürlicher Sprache komplette Bearbeitungen umsetzen kann: Sie transkribiert Videos, platziert Animationen passend zum Gesprochenen, sucht B-Roll, erstellt Screenshots und generiert bei Bedarf Bilder, Videos, Musik und Soundeffekte. Für die Animationen wird Hyperframes verwendet, das Claude Code über ein GitHub-Repository eingerichtet werden kann; zusätzlich wird ein kostenloses Hyperframe Student Kit mit Fähigkeiten und Beispielen erwähnt. Der gezeigte Workflow umfasst fünf zentrale Schritte: Transkription, Herausschneiden von Fehlern und Leerlauf, Planung der gewünschten Beats, Aufbau wiederverwendbarer Skills sowie eine Verifizierungsschleife, in der Screenshots analysiert und Ergebnisse iterativ verbessert werden. An mehreren Beispielen demonstriert der Sprecher One-Shot-Prompts: ein erklärendes Video, ein YouTube-Showreel, ein Motion-Graphics-Video für AIS, ein Event-Sizzle-Reel aus einem großen Medienordner und verschiedene Avocado-Toast-Schnitte. Für das Showreel analysierte Opus zunächst ein fremdes Beispiel, wandelte dessen Gestaltung in einen Skill um und erstellte daraus ein YouTube-Video; Bilder wurden teils generiert und anschließend mit Kling in Videos verwandelt. Die Ergebnisse seien nicht perfekt, etwa bei ungeschickten Schnitten, zu kleinen Eiern oder ungleichmäßig verteiltem Balsamico, würden aber durch automatische Verifizierung und Iteration deutlich verbessert. Als weiterer Anwendungsfall wird ein Lululemon-artiges Produktvideo beschrieben, das reale Produktbilder mit generierten Szenen, hoher Energie, Musik und Soundeffekten kombiniert. Die Kernaussage lautet, dass KI den Videoschnitt weniger zum Engpass macht, weil auch Personen ohne Vorkenntnisse schnell bereinigte, animierte und markengerechte Videos erstellen können.

  Explizit thematisiert wurden Opus 5.5, Claude beziehungsweise Claude Code, Fable 5.1, GBD6 Astra, Hyperframes, Whisper, die 11-Labs-API, Kling, Key.ai und ScrollCraft; Format: Tutorial.

NeuralNine (1 neues Video)

• Voxtype is My Favorite Voice Input Tool…
  25.9.2026, 16:00:13

  VoxType wird als Open-Source-Tool für Sprache-zu-Text unter Linux und macOS vorgestellt, das besonders gut mit Wayland funktioniert und laut Sprecher weniger fehleranfällig sowie einfacher zu konfigurieren ist als Open Whisper. Die Installation erfolgt je nach System über Debian-, Fedora- oder Homebrew-Pakete; unter Arch Linux wird das AUR-Paket vox type-bin verwendet. Mit vox type setup werden Konfigurations- und Modellverzeichnisse angelegt, anschließend kann VoxType als systemd-Dienst im Hintergrund laufen und optional in Waybar sowie Hyprland integriert werden. Die Tastenkombination wird in der config.toml festgelegt; mithilfe von EV-Test werden die Tastencodes ermittelt, und der Sprecher richtet Shift plus Print im Toggle-Modus ein. Für die Transkription können lokale Whisper-Modelle verschiedener Größen verwendet werden, darunter ein mehrsprachiges Basismodell; Sprache und Modell werden ebenfalls in der Konfiguration eingestellt. Bei deutscher Eingabe müssen zusätzlich Deutsch als Sprache ausgewählt und bestimmte standardmäßige Füllwortfilter angepasst werden, da sonst deutsche Wörter wie „er“ oder „um“ aus dem Ergebnis entfernt werden können. Alternativ lässt sich statt eines lokalen Modells die OpenAI-API mit einem entsprechenden Endpoint, Modell und API-Schlüssel verwenden; der Sprecher hält VoxType insgesamt für das bisher beste von ihm getestete Voice-to-Text-Tool.

  Explizit thematisiert wurden VoxType, Open Whisper, Whisper-Modelle und die OpenAI-API; Format: Tutorial.

Nic Conley

Keine neuen Videos in diesem Zeitraum.

Nick Saraev (1 neues Video)

• I Spent $31,141 & 1,000 Hours On Claude Code To Learn This
  25.9.2026, 06:42:57

  Der Sprecher berichtet von mehr als 30.000 Dollar Ausgaben für Claude Code und über 1.000 Nutzungsstunden mit Modellen wie Opus 5.5 und Astra. Seine zentrale Empfehlung lautet, niemals dem ersten Output zu vertrauen: Prompts sollen wiederholt evaluiert und anhand messbarer Erfolgsquoten verbessert werden. Claude sollte außerdem die Möglichkeit erhalten, seine Ergebnisse selbst zu prüfen und zu überarbeiten, etwa durch Screenshots, Beispielvergleiche oder Tests. Für Programmieraufgaben empfiehlt er, den Code als maßgeblichen Kontext zu verwenden, statt sich auf veraltete Notizen, Spezifikationen oder Logs zu verlassen, und größere Aufgaben durch Claude selbst in geeignete Prompts umwandeln zu lassen.

  Weitere Empfehlungen betreffen den sparsamen Umgang mit dem Kontextfenster: nicht benötigte Skills und MCP-Verbindungen deaktivieren, bei langen Sitzungen /compact nutzen oder mit einer Übergabenotiz in einer frischen Sitzung weitermachen. Claude solle eher wie ein kompetenter Auftragnehmer mit einer klaren Definition of Done behandelt werden, statt mit detaillierten Schritt-für-Schritt-Anweisungen. Bei Fehlern solle man zunächst alle Probleme auflisten lassen und anschließend nur die tatsächlich gewünschten Punkte korrigieren. MCP-Verbindungen seien gut zum schnellen Prototyping, für eine skalierbare Lösung aber oft zu kontextlastig; nach der Validierung sollten sie in schlankere eigene Skills überführt werden.

  Der Sprecher empfiehlt außerdem, klar abgegrenzte Aufgaben parallel durch Subagenten oder Agent-Teams bearbeiten und anschließend zusammenführen zu lassen. Nebenfragen sollen während längerer Arbeitsprozesse mit /btw gestellt werden, damit der Hauptkontext nicht unnötig belastet wird. Für Recherche schlägt er eine „fan-out/fan-in“-Strategie vor: günstigere Modelle sammeln viele Ansätze, während ein stärkeres Modell die Entscheidung trifft. Die Datei CLAUDE.md solle regelmäßig bereinigt und mit relevanten Präferenzen, Erfahrungen und Lösungen aktualisiert werden; aus Fehlern sollten konkrete positive Vorgehensweisen statt bloßer Verbote entstehen. Schließlich rät er zu einem Ersatzmodell für Ausfälle und zu einer parallelen Modellstruktur, damit die Arbeit bei Problemen mit Claude Code fortgesetzt werden kann.

  Explizit thematisiert werden Claude Code, Claude, Anthropic, Opus 5.5, Astra, Codex, MCP, Subagenten, Agent-Teams, CLAUDE.md, /context, /compact, /btw und /insights; Format: Deep-Dive.

Niklas Steenfatt (1 neues Video)

• Es wird Zeit, zu Linux zu wechseln
  27.9.2026, 05:55:48

  Das im Transcript als „Omachi“ bezeichnete, auf Arch Linux basierende Betriebssystem wird auf einem älteren ROG-Gaming-Laptop getestet und soll sich auch für ältere Hardware eignen. Es setzt stark auf Tastaturkürzel und Tiling Window Management: Fenster, Workspaces, Terminals und Browser lassen sich ohne Maus anordnen und wechseln. Als besonders neuartig wird die enge KI-Integration präsentiert: Codex kann über einen speziellen Systemzugriff Einstellungen wie Benachrichtigungen verändern, während sich das Betriebssystem per Sprache und individuellen Plugins erweitern lässt. Weitere gezeigte Funktionen sind lokale Spracherkennung, Screenshot-Texterkennung, Clipboard-History, Dateiversand per QR-Code, vorinstallierte Anwendungen, Web-Apps, Themes und eine automatische Festplattenverschlüsselung. Die Installation wird als unkompliziert beschrieben; auf dem getesteten Laptop wurden auch ein spezielles Zweitdisplay und weitere Hardware sofort erkannt. Nebenbei wird TryHackMe als spielerischer Einstieg in ethisches Hacking vorgestellt. Im abschließenden Linux-Kontext wird betont, dass viele Funktionen technisch nicht neu sind, Omachi sie aber besonders gut vorkonfiguriert und für moderne KI-Nutzung zugänglich macht. Der Sprecher sieht darin eine bequeme Alternative zum traditionell mühsamen Einrichten von Arch Linux, warnt aber augenzwinkernd davor, dadurch den alten Stolz der Arch-Nutzer allzu leichtfertig zu beanspruchen. Explizit thematisiert werden Codex, ChatGPT, Antigravity, Cloud Code, lokale LMs und Open-Source-Software; Format: Demo.

No Priors: AI, Machine Learning, Tech, & Startups (1 neues Video)

• Re-Founding Incumbents for the AI Era with Sequence Holdings Co-Founder and CEO Michael Lee
  24.9.2026, 10:00:05

  Michael Lee beschreibt Sequence Holdings als dauerhafte Holdinggesellschaft, die etablierte Unternehmen gemeinsam mit ihren Managementteams übernimmt und durch moderne Ingenieurs- und KI-Strukturen zu Marktführern weiterentwickeln will. Ausgangspunkt ist seine Überzeugung, dass KI die Wirtschaft ähnlich tiefgreifend verändert wie eine industrielle Revolution und dass etablierte Unternehmen dabei oft Vorteile wie Marke, Größe, Netzwerke und Regulierung besitzen. Statt Menschen lediglich mit kleinen KI-Werkzeugen auszustatten, will Sequence ganze Organisationen neu strukturieren und dabei Ingenieure zur zentralen kulturellen Leitfigur machen.

  Als erstes großes Beispiel nennt Lee die Beteiligung an Bank South, bei der Sequence zunächst als Dienstleister startete und später zum langfristigen Minderheitsinvestor wurde. Dadurch habe das Team tiefgreifender und langfristiger arbeiten können: Die durchschnittliche Bearbeitungszeit bei Verbraucherkrediten sei um 94 Prozent gesunken, die Bearbeitung gewerblicher Kredite von 30 auf 11 Tage, während das Kreditvolumen im zweiten Quartal gegenüber dem ersten Quartal verdoppelt worden sei. Die Systeme sollten Mitarbeitende von Routineaufgaben entlasten und ihnen ermöglichen, sich auf komplexere Kredite, Kundenkontakte und andere Tätigkeiten zu konzentrieren.

  Für die gemeinsame technologische Infrastruktur entwickelt Sequence die Plattform „Atlas“. Sie umfasst eine Datenontologie, einen Agentenbaukasten, die Orchestrierungs-Engine „Lattice“ und das darüberliegende Anwendungssystem „Artifacts“. Lee zufolge ähneln sich etwa 80 Prozent vieler Geschäftsprozesse, während 20 Prozent branchenspezifisch sind; deshalb soll die auf Bank South entwickelte Grundlage auch bei Baldwin und weiteren Unternehmen wiederverwendbar sein. Neben der technischen Arbeit betont er jedoch, dass die „menschliche Ingenieursarbeit“ schwieriger sei: Mitarbeitende müssten für den Wandel gewonnen werden und den Eindruck haben, dass KI ihre Rolle stärkt statt sie lediglich zu ersetzen.

  Die Versicherungsvermittlung sei für Sequence attraktiv, weil sie einen großen Markt mit etablierten, beziehungsorientierten Unternehmen und hohen Kundenbindungsraten darstelle und für Start-ups schwer zugänglich sei. In diesem Kontext bezeichnet Lee die geplante Übernahme von Baldwin für 7,7 Milliarden Dollar gemeinsam mit dem Dell Family Office als bisher größte KI-gestützte Privatisierungstransaktion; Baldwin verfüge über ein starkes Management, eine zentrale technologische Basis und habe Anthropic bereits umfassend eingeführt.

  Im Unterschied zu klassischen Private-Equity-Fonds wolle Sequence nicht möglichst viele Unternehmen kaufen, sie nach kurzer Zeit verkaufen oder primär durch Finanzierungsstrukturen Wert schaffen. Die Gesellschaft strebe höchstens eine Transaktion pro Jahr an und nehme einen wesentlich längeren Zeithorizont für den technologischen Umbau ein. Lee sieht traditionelle Übernahmefirmen vor allem bei der Rekrutierung weltweit führender Ingenieure, bei deren Einfluss auf Investitionsentscheidungen und beim üblichen Drei-Jahres-Verkaufsdruck im Nachteil, räumt ihnen aber Fortschritte bei der KI-Transformation ein.

  Als zentrale Auswahlkriterien für neue Beteiligungen nennt Lee außergewöhnliche Managementteams, tiefes Branchenverständnis, eine bereits erkennbare Offenheit für Technologie sowie Märkte, in denen etablierte Unternehmen strukturelle Vorteile besitzen. Seine übergreifende Lehre aus Investitionen und Unternehmensaufbau lautet, dass außergewöhnliche Menschen in großen Märkten wichtiger seien als die vermeintlich beste Idee, weil Umsetzung und Beharrlichkeit letztlich über den Erfolg entscheiden.

  Explizit thematisiert wurden OpenAI, Anthropic, xAI, ChatGPT sowie die Sequence-Plattformen Atlas, Lattice und Artifacts; Format: Deep-Dive.

NVIDIA Developer (1 neues Video)

• Vertically Integrated, Horizontally Open | AI Factory Insider Ep 5
  22.9.2026, 21:43:02

  Das Video erklärt das Konzept „vertikal integriert, horizontal offen“: NVIDIA optimiert den gesamten KI-Stack auf maximale Leistung, öffnet aber jede Ebene für Hardwareanbieter, Middleware-, Orchestrierungs-, Modell- und Bibliothekspartner sowie Unternehmen mit eigenen Daten und Workloads. Dadurch lassen sich gemeinsame Grundlagen wie Datenmanagement, Training, Feinabstimmung und Inferenz über viele Branchen hinweg wiederverwenden, während Daten, Modelle und Fachwissen an den jeweiligen Anwendungsfall angepasst werden. Genannt werden unter anderem automatisierte Datenverarbeitung im Gesundheitswesen, KI-gestützte Wirkstoffsuche, Empfehlungssysteme im Handel, Simulationen in der Fertigung, Bildrekonstruktion bei medizinischen Geräten sowie Betrugserkennung und Portfoliooptimierung im Finanzbereich. CUDA wird als zentrale Verbindung zwischen Anwendungen und GPU-Hardware beschrieben und als mehrschichtige Plattform verstanden, die von Frameworks bis zu Hardware-Controllern reicht. CUDA-Bibliotheken stellen wiederverwendbare, optimierte Bausteine bereit, sodass Entwickler nicht alles selbst implementieren müssen; zugleich wird betont, dass „offen“ hier freie Verfügbarkeit, Unterstützung offener Standards und die Möglichkeit bedeutet, darauf eigene Geschäfte aufzubauen, nicht zwingend Open Source oder Herstellerneutralität. Die enge gemeinsame Entwicklung von Hardware und Software soll neue Funktionen ermöglichen und Verbesserungen teilweise auch älteren GPU-Generationen zugutekommen lassen. Im Zusammenhang mit agentischer KI sollen CUDA-Bibliotheken als „Skills“ für Agenten verfügbar werden, damit diese passende Werkzeuge selbst auswählen und etwa Datenverarbeitung oder Performance-Optimierung durchführen können. Die Rolle von Entwicklern verschiebt sich dadurch laut Gespräch von manueller Implementierung hin zur Führung von Agenten, tiefem Domänenwissen und übergreifendem Systemdesign; KI und Menschen sollen sich dabei ergänzen.

  Explizit thematisiert wurden NVIDIA, CUDA, CUDA-X-Bibliotheken und agentische KI; Format: Deep-Dive.

Odysseas

Keine neuen Videos in diesem Zeitraum.

OpenAI (2 neues Videos)

• One Prompt. A Feature Built and Tested. | Ramp × GPT-6 Astra
  21.9.2026, 19:22:03

  Bei Ramp wird Astra als eine Art KI-Kollege eingesetzt, dem man grobe Ziele statt detaillierter Anweisungen gibt und der anschließend selbstständig an Aufgaben arbeitet. Als Beispiel nennt das Team die Anfrage, Routing-Strategien nach API-Key-Granularität zu implementieren: Astra fand die passende Stelle in der Anwendung, nahm die Änderungen vor, arbeitete rund zwölf Minuten daran und validierte sie anschließend etwa 15 Minuten lang. Dabei identifizierte es eigenständig den richtigen API-Key, die passenden Einstellungen und prüfte die Änderungen sogar in der mobilen Ansicht, obwohl dies nicht ausdrücklich verlangt worden war. Besonders hervorgehoben werden die knappen Antworten, die Screenshots der Änderungen und die Fähigkeit, auch vage Anforderungen zu verstehen. Künftig soll Astra unter anderem bei der automatischen Belegbeschaffung für Kunden helfen, wobei getestet werden soll, wie gut es sich auf viele unterschiedliche Händler-Websites übertragen lässt.

  Explizit thematisiert werden Astra und Ramp; Format: Demo.

• “A Staff Engineer Collaborator” | Notion’s First Look at GPT-6 Astra
  21.9.2026, 19:17:35

  Astra wird als eine Art „Staff Engineer Collaborator“ beschrieben: Statt kleine, klar abgegrenzte Aufgaben zu verteilen, soll man dem Modell ein übergeordnetes Ziel und den gewünschten Zustand vorgeben. Quinn berichtet, dass Astra im Vergleich zu früheren Modellen deutlich besser kommuniziert, seine Ergebnisse verständlicher erklärt und schneller relevante Zusammenhänge herstellt. Als erste größere Aufgabe sollte Astra eine bestehende Prüfung zur Wiederverwendung von Tokens erneut untersuchen und übersehene Probleme identifizieren; dabei fand es laut Quinn tatsächlich zuvor verpasste Punkte und beschrieb sie präzise und ohne unnötige Ausschmückungen. Dadurch verbringt der Entwickler weniger Zeit damit, die Rückfragen und Ergebnisse des Modells zu entschlüsseln, und kann schneller mit ihm weiterarbeiten. Für den Einsatz im Team empfiehlt Quinn daher, eher ein zentrales Ziel oder eine Kennzahl vorzugeben als eine einzelne Aufgabe.

  Explizit thematisiert wurden Astra und Soul; Format: Meinung/Reflexion.

Pinecone

Keine neuen Videos in diesem Zeitraum.

Productive Dude (1 neues Video)

• ChatGPT Sites + Higgsfield: Build Beautiful ANIMATED Websites! (ChatGPT Sites Tutorial)
  22.9.2026, 20:05:21

  Mit ChatGPT und dem Higgsfield-Plugin werden zunächst konsistente Referenzbilder für eine Burger-Zubereitung erstellt: vom Burger auf dem Grill über das Wenden und Schmelzen des Käses bis zum Belegen, Verpacken und Hinzufügen der Pommes. Diese Bilder werden mit Higgsfield zu einer zusammenhängenden Videosequenz kombiniert; für die Generierung mit Start- und Endbildern wird Kling 3.0 Pro verwendet, da Veo 3.1 laut ChatGPT keine Endbilder unterstützt. Die erzeugten Clips werden geprüft und bei Fehlern, etwa einem unvollständigen Flip oder unnatürlichen Übergängen, durch zusätzliche Bilder und Zwischenframes überarbeitet. Das finale Video ist fast zwei Minuten lang, weist aber noch kleinere Texturfehler auf dem Tisch auf. Anschließend wird das Video in ChatGPT Sites für eine Parallax-Website verwendet, deren Scrollbewegung die Videosequenz steuert und Text in den freien Bildbereichen einblendet. Nach der Auswahl von Schrift- und Farbvarianten wird die Seite mehrfach angepasst, unter anderem durch schnellere oder langsamere Bewegungsabschnitte, bewegten statt abrupt erscheinenden Text sowie das Entfernen überflüssiger Navigationselemente. Abschließend werden kreativere Textanimationen, größere Beschreibungen, Farbkorrektur, Lichtreflexe und Vignetten ergänzt, wodurch eine immersive Burger-Website mit Hitzeeffekten, schmelzendem Käse, Zutaten-Badges und scrollabhängigen Animationen entsteht. Explizit thematisiert: ChatGPT, ChatGPT 6 Astra, ChatGPT Sites, Higgsfield, Kling 3.0 Pro, Veo 3.1, Claude und HeyGen; Format: Tutorial.

Sebastien Dubois

Keine neuen Videos in diesem Zeitraum.

Simone Rizzo (1 neues Video)

• Jev è la nuova era dell’AI: l’ho rifatto in 1 giorno e te lo regalo
  26.9.2026, 10:23:26

  Jeev wird als geschlossenes und kostenpflichtiges „System-One“-Modell beschrieben: Es ist kein klassischer Chatbot, sondern verarbeitet einen Zustand und mehrere Fragen parallel und liefert typisierte Antworten wie Boolean-Werte, Klassen oder Scores. Der Autor hat deshalb mit Rizzo Flow eine lokale Open-Source-Variante entwickelt, die laut Demo mehrere Entscheidungen in etwa 175 Millisekunden trifft, auch auf der CPU läuft und bis zu einer Million Eingangstokens verarbeiten kann. Technisch erklärt er drei mögliche Ansätze — Encoder, Decoder und Diffusionsmodelle — und legt dar, dass Rizzo Flow auf einem Decoder basiert: Die autoregressive Token-Erzeugung wird nach dem ersten Token beendet, anschließend werden nur die Wahrscheinlichkeiten relevanter Antwortoptionen ausgewertet. Für mehrere Fragen wird der KV-Cache des unveränderten Zustands wiederverwendet, sodass nur die jeweiligen Fragen neu verarbeitet werden müssen und Antworten parallel entstehen können. Rizzo Flow verwendet statt Qwen das Modell Spark X 2.5 in Varianten mit 4 beziehungsweise 1,7 Milliarden Parametern, wurde mit LoRA und QLoRA feinjustiert und anhand destillierter Jeev-Daten kalibriert; zusätzlich können Nutzer eigene Datensätze für spezielle Aufgaben verwenden. In der Demo klassifiziert das Modell unter anderem Lebensläufe, Support-Tickets und Ja-Nein-Fragen, vergibt Kategorien oder Scores und wählt bei fehlendem Wissen auch eine „Ich weiß es nicht“-Option; die API soll mit der von Jeev übereinstimmen, sodass bestehender Code unverändert weitergenutzt werden kann. Als Einsatzgebiete nennt der Autor Browser-Automatisierung, Kontextbereinigung in Agenten, Anzeigenanalyse, Lead-Qualifizierung sowie die Klassifizierung von Tickets, E-Mails und Dokumenten, insbesondere in Kombination mit einem größeren Agentenmodell wie Claude. Abschließend beantwortet er Einwände zur Neuheit, zur Nutzung von Encoder- statt Decoder-Modellen und zur Legalität der Destillation; seine eigene Einschätzung lautet, dass Jeev architektonisch nichts Besonderes, als schneller und praktischer Klassifikator für geschäftliche Workflows aber sehr nützlich sei.

  Explizit thematisiert wurden Jeev, Rizzo Flow, Semif, Laya, Open Jeev, Spark X 2.5, Qwen, Gemma, DeepSeek, Mistral, Claude und Llama; Format: Deep-Dive.

Supabase (1 neues Video)

• The future of AI…
  23.9.2026, 13:00:03

  Jev wird als Ergänzung zu generativen Sprachmodellen beschrieben, nicht als deren Ersatz. Während ein normales LLM wie ein Hammer für viele verschiedene Aufgaben eingesetzt wird und Antworten Token für Token erzeugt, arbeitet Jev wie ein Schraubenzieher: Es verarbeitet Daten in einem Durchlauf, wählt aus festgelegten Antworten aus und liefert zusätzlich eine Vertrauenswahrscheinlichkeit, etwa „Spam 0,97“. Dadurch eignet es sich besonders für Klassifizierungsaufgaben wie Spam-Erkennung, Betrugsprüfungen, Inhaltsmoderation oder die Weiterleitung von Support-Tickets. Klassifikatoren waren bisher zwar nützlich, aber aufwendig zu entwickeln, da sie gelabelte Daten, Training, Hosting, Überwachung und bei neuen Aufgaben jeweils ein neues Modell erforderten. Jev soll diesen Prozess über eine einzelne API-Anfrage ohne eigenes Training, Hosting oder Machine-Learning-Team vereinfachen; ein früheres Quartalsprojekt werde dadurch zu einer Aufgabe für einen Nachmittag. Der größte Unterschied liege laut Video bei den Kosten, da keine Ausgabetokens erzeugt würden und Jev deshalb 400-mal günstiger sei. Die zentrale These lautet, dass Entwickler bisher häufig generative Modelle für einfache Klassifizierungsaufgaben nutzten und nun erstmals mehrere passende Werkzeuge zur Auswahl hätten.

  Explizit thematisiert werden Jev, LLMs, ChatGPT und OpenAI; Format: Deep-Dive.

Tech With Tim (1 neues Video)

• LM Studio Full Tutorial – The BEST Way to Run Local Models
  26.9.2026, 11:50:21

  LM Studio ermöglicht es, lokale Modelle kostenlos auf dem eigenen Computer herunterzuladen, auszuführen und über eine lokale Inferenz-API anderen Anwendungen bereitzustellen. Für die Modellauswahl ist entscheidend, wie viel VRAM beziehungsweise Unified Memory vorhanden ist; LM Studio filtert Modelle passend zur Hardware und empfiehlt geeignete Varianten. Dabei wird erklärt, dass Quantisierungen wie Q4, Q6 oder Q8 den Speicherbedarf und die Genauigkeit beeinflussen, wobei niedrigere Quantisierung meist weniger Speicher benötigt. Nach dem Download wird ein Modell geladen, wobei unter anderem Kontextlänge, Cache-Quantisierung und weitere Einstellungen angepasst werden können; mehrere Modelle lassen sich parallel laden, solange genügend Speicher verfügbar ist. Die integrierte Chat-Oberfläche erlaubt System-Prompts, Parameteränderungen, strukturierten Output, Plugins, Dateiverarbeitung und MCP-Server. Anschließend zeigt das Tutorial, wie der lokale Server über einen OpenAI-kompatiblen Endpunkt aus VS Code und der Erweiterung Kline angesprochen wird; nach einer zunächst zu großen Kontextkonfiguration wird das Modell mit reduziertem Kontext erfolgreich verwendet. Abschließend wird demonstriert, wie ein lokales Modell ein Python-Skript erzeugt, das selbst eine Anfrage an die LM-Studio-API sendet.

  Explizit thematisiert wurden LM Studio, lokale Modelle, Gemma, OpenAI-kompatible Endpunkte, VS Code, Kline und Claude Code; Format: Tutorial.

TheAIGRID (1 neues Video)

• Google Just Took A Massive Step Towards AGI
  26.9.2026, 00:00:07

  Google DeepMind hat mit dem DeepMind Institute eine dauerhafte Einrichtung geschaffen, die sich mit dem Bau, der Messung, der Regulierung und dem Einsatz von AGI befasst. Beteiligt sind unter anderem Shane Le, James Manika und Demis Hassabis; Forschende von Google, DeepMind und aus der Wissenschaft sollen zusammenarbeiten und ihre Ergebnisse veröffentlichen.

  Die zehn zentralen Punkte:

  1. Institution für AGI: Die Gründung ist kein neues Gemini-Modell und kein Beweis für bereits erreichte AGI, aber ein deutliches institutionelles Signal.
  2. AGI rückt laut DeepMind näher: Die Gründer definieren AGI als ein System mit den kognitiven Fähigkeiten des menschlichen Gehirns und erwarten, dass heutige Lücken bald geschlossen werden. Sie nennen mögliche Folgen wie KI-Agenten-Gemeinschaften, institutionelle Veränderungen, wissenschaftliche Fortschritte sowie Cyber-, Biologie- und Kontrollrisiken.
  3. Zeithorizont 2028: Shane Le schätzt die Wahrscheinlichkeit einer minimalen AGI bis 2028 auf 50 Prozent, betont aber, dass heutige Chatbots diese Schwelle noch nicht erreicht haben.
  4. Messung durch ein kognitives Profil: Ein Framework bewertet zehn Fähigkeiten mit neuen, während des Trainings nicht gesehenen Aufgaben. Dadurch soll sichtbar werden, wo ein Modell stark, unzuverlässig oder grundlegend lückenhaft ist.
  5. Selbstverbessernde Agenten: Die Sicherheitsforschung soll auch Systeme untersuchen, die beim Entwerfen, Programmieren, Testen oder Trainieren besserer KI helfen. Dadurch könnten sich Verbesserungszyklen beschleunigen, während menschliche Kontrolle schwieriger wird.
  6. Überwachung von Denkprozessen: Chain-of-Thought-Daten können Hinweise auf Täuschung, Testbewusstsein oder Missverständnisse geben. Künftige Modelle könnten jedoch stärker in für Menschen unlesbaren numerischen Repräsentationen arbeiten, weshalb ihre Überwachbarkeit gezielt geprüft werden soll.
  7. Tests vor der Veröffentlichung: Hassabis schlägt eine unabhängige Stelle mit Experten, staatlicher Beteiligung, groß angelegten Tests und nicht vorab bekannten Prüfungen vor. Unternehmen könnten leistungsfähige Modelle zunächst freiwillig bis zu 30 Tage vor dem Start teilen; bei ernsthaften Risiken wäre auch eine koordinierte Verlangsamung denkbar.
  8. Auswirkungen auf Arbeit und Wirtschaft: Eine Untersuchung vergleicht Szenarien von begrenzter Aufgabenautomatisierung über breite Arbeitsplatzverdrängung bis zu einer Wirtschaft mit weiterem Wachstum und sinkender Nachfrage nach menschlicher Denkarbeit. Politische Maßnahmen sollen an messbare Indikatoren wie Löhne, Arbeitslosigkeitsdauer und den Anteil der Arbeit am Einkommen geknüpft werden.
  9. Einfluss auf die Definition des Problems: Obwohl die Beiträge laut Disclaimer nur Gesprächsanregungen und keine offizielle Google-Position sind, könnten die mit DeepMind und Google verbundenen Leiter beeinflussen, wie Regierungen und andere Labore AGI, Benchmarks und Sicherheitsmaßnahmen bewerten.
  10. Entscheidende Signale für die Zukunft: Relevant wird sein, ob DeepMind regelmäßig kognitive Profile für Gemini veröffentlicht, Denkprozesse trotz leistungsfähigerer undurchsichtiger Verfahren überwachbar hält, unabhängige Tests für agentische Systeme einführt und die Vorschläge des Instituts in konkrete Google-Entscheidungen überführt.

  Die Gründung beweist daher nicht, dass AGI erreicht wurde; sie zeigt vielmehr, dass DeepMind die Ankunft menschennaher Systeme für nah genug hält, um neben der Entwicklung auch deren Messung, Freigabe, Sicherheit und gesellschaftliche Folgen institutionell vorzubereiten. Thematisiert wurden Google DeepMind, Gemini und AGI; Format: Deep-Dive.

Theo – t3․gg (1 neues Video)

• Getting the most out of Opus 5.5
  25.9.2026, 00:11:51

  Opus 5.5 soll vor allem dann gut funktionieren, wenn man ihm eine vollständige Aufgabe mit einem klar definierten Endzustand gibt: etwa eine Funktion umsetzen, Tests bestehen lassen und anschließend einen Screenshot oder einen PR liefern. Statt „denk gründlich nach“ zu schreiben, soll man das Modell selbst entscheiden lassen, wie viel es reasoning benötigt; besonders der Modus „Max“ wird kritisiert, weil er laut den gezeigten Erfahrungen deutlich mehr Tokens und Zeit verbraucht, aber kaum bessere Ergebnisse liefert. Für lange Aufgaben empfiehlt der Sprecher, während des laufenden Prozesses nachzusteuern, statt den Thread abzubrechen und neu zu starten, sowie ausdrücklich festzulegen, wann das Modell weitermachen und wann es nachfragen soll. In einem Beispiel verlagert Opus eine Aufgabe auf einen anderen Rechner, richtet dort Repository, Umgebungsvariablen und Zugriff ein und erhält dabei klare Erlaubnisse, aber auch die Vorgabe, bei Unsicherheit Fragen zu stellen und den lokalen Rechner nicht mit Browser- oder Computersteuerung zu stören. Große Aufgaben können in Teilaufgaben oder Sub-Agents aufgeteilt werden, wobei man deren Nutzung gegebenenfalls ausdrücklich erlauben sollte.

  Für Designaufgaben soll man nicht nur gewünschte Stile beschreiben, sondern auch konkrete unerwünschte Muster nennen; Screenshots und markierte Bildausschnitte seien dafür besonders hilfreich. Nach langen Läufen sollte man zuerst prüfen, ob das Modell auf eine Entscheidung oder Freigabe wartet, und danach seine Zusammenfassung, Änderungen, offenen Punkte und nicht verifizierbaren Aspekte lesen. Der Sprecher nutzt Modelle anderer Familien zusätzlich zur Codeprüfung und hält insbesondere OpenAI-Modelle sowie weitere genannte Modelle für wertvolle Reviewer, weil sie teilweise andere Fehler finden als Opus. Insgesamt lautet die zentrale These, dass Opus 5.5 mehr Spielraum, klare Prüfbedingungen und Vertrauen braucht, während der Mensch die Grenzen für riskante oder destruktive Aktionen festlegt; außerdem werden Modellwechsel bei Sicherheitsmarkierungen und das Vermeiden von Aufforderungen zur Offenlegung interner Reasoning-Spuren angesprochen. Explizit thematisiert wurden Anthropic, Opus 5.5, Claude Code, Claude Apps, Browserbase, T3 Code, OpenAI, Fable 5.1, Grock 47, GB6 Soul und GPT6 Astra; Format: Deep-Dive.

Tim Carambat

Keine neuen Videos in diesem Zeitraum.

Tina Huang

Keine neuen Videos in diesem Zeitraum.

Unsupervised Learning

Keine neuen Videos in diesem Zeitraum.

Weights & Biases

Keine neuen Videos in diesem Zeitraum.

WorldofAI (1 neues Video)

• HUGE OpenAI DevDay LEAK! “o” AI Agent, Sonnet 5.5 BEATS GPT-6, MiniMax M3.1 OUT & More! AI NEWS
  27.9.2026, 06:17:31

  Vor dem OpenAI DevDay am 29. September werden Leaks zu einem Produkt namens „O“ beziehungsweise „AON“ diskutiert: einem möglicherweise dauerhaft aktiven Assistenten für lang laufende Aufgaben, der über Stunden, Tage oder Wochen arbeiten, Code ausführen, recherchieren und eventuell mehrere Agenten koordinieren könnte. Außerdem wurden Hinweise auf drei API-Geschwindigkeitsstufen – Standard, Fast und Ultra Fast – sowie auf eine mögliche Ausweitung des besonders schnellen Zugangs gefunden. Anthropic soll Sonnet 5.5 in den nächsten Wochen veröffentlichen; Berichte über Tests und die persönliche Einschätzung des Sprechers stellen das Modell als sehr schnell, effizient und teils leistungsfähiger als „GPT-6 Soul“ dar, wobei diese Aussagen und die vermutete Preisgestaltung nicht bestätigt sind. MiniMax M3.1 Flash wurde zunächst durch einen entfernten GitHub-Eintrag geleakt und anschließend offiziell als schnelles Modell für alltägliche Entwicklungsaufgaben veröffentlicht; Beispiele zeigen solide Ergebnisse bei Grafiken und SVGs, auch wenn es nicht auf dem Niveau von GPT-6 liege. Zusätzlich wird erwähnt, dass LongCat 2.5 Preview zwei Wochen lang kostenlos über Open Code mit einer Million Tokens Kontext, Multimodalität und ohne Datenspeicherung verfügbar sein soll. Als weiteres Beispiel wird Opus 5.5 präsentiert, das laut Video nahezu eigenständig einen umfangreichen Minecraft-Klon mit zehntausenden Code- und Testzeilen, hunderten Dateien sowie generierten Bildern und Sounds erstellt habe. Eine Sponsoring-Passage bewirbt den Firecrawl Developer Index, der Entwicklerdokumentation, Issues und Pull Requests durchsucht und sich unter anderem mit Cursor, Codex und MCP-Clients verbinden lasse.

  Explizit thematisiert wurden OpenAI, Anthropic, GPT-Modelle, O/AON, Astra, Sonnet 5.5, Opus 5.5, MiniMax M3.1 Flash, LongCat 2.5, Firecrawl, Cursor, Codex und MCP; Format: Roundup.

Zubair Trabzada | AI Workshop (6 neues Videos)

• I Combined Claude Opus 5.5 With Jev – Here’s What Happened
  26.9.2026, 19:17:23

  Das Video vergleicht Claude Opus 5.5 allein mit einer Kombination aus Jev und Opus 5.5 bei der Bearbeitung von Kundenanfragen. Jev übernimmt schnelle Klassifikationsentscheidungen, etwa ob eine Zahlungsstörung dringend ist, eine Nachverfolgung benötigt oder auf Priorität eins gesetzt werden soll; in einem Beispiel dauerte dies 293 Millisekunden gegenüber 1,85 Sekunden mit Opus allein, ohne Opus überhaupt aufzurufen. Bei zwölf unterschiedlichen Nachrichten verarbeitete die Kombination den Test in 19,7 Sekunden mit vier Opus-Aufrufen, während Opus allein 33,9 Sekunden und zwölf Aufrufe benötigte. Sobald eine Anfrage einen tatsächlichen Antwortentwurf benötigt, etwa eine Preisanfrage für eine kleine Website, leitet Jev sie an Opus weiter; dadurch bleiben die Ergebnisse ähnlich, während die vorgelagerte Entscheidung schneller erfolgt. Anschließend wird erklärt, wie sich ein solches System für Kundenservice oder andere geschäftliche Abläufe mit Claude Code, MCP-Verbindungen und Zapier aufbauen lässt, wobei Jev über eine entsprechende Verbindung eingebunden wird. Gezeigt werden außerdem die Verbindung eines Jev-Kontos per API-Schlüssel sowie ein Beispiel mit dem Assistenten Jarvis, der Anfragen zunächst durch Jev klassifizieren lässt und anschließend Opus 5.5 für komplexere Aufgaben nutzt. Für Claude Code wird im späteren Abschnitt ausdrücklich Opus 3.5 empfohlen; außerdem wird auf eine kostenlose Prompt-Sammlung und eine kostenpflichtige Jarvis-Version verwiesen.

  Explizit thematisiert wurden Claude Opus 5.5, Opus 3.5, Jev, Claude Code, MCP, Zapier, Type Safe Jev, Zendesk und Jarvis; Format: Tutorial.

• My AI Called Me During a Meeting (Real Recording)
  24.9.2026, 20:07:46

  Jarvis ist ein KI-Assistent mit Zugriff auf Dateien, Ordner und verschiedene Werkzeuge. In der Demo erkennt er einen dringenden geschäftlichen Vorgang, ruft den Nutzer während eines Meetings an und berichtet, dass Dana Whitfield einen Vertrag über 3.400 Dollar unterschrieben hat; anschließend prüft er den Kalender, trägt einen Kickoff-Termin ein und sendet eine Bestätigung samt Sprachnachricht über Telegram. Jarvis kann außerdem Informationen aus dem persönlichen „AI second brain“ hervorholen, den Bildschirm sehen und übernehmen sowie Aktionen in einer Werbekampagne ausführen, bis der Nutzer ihn stoppt. Über die Kamera kann er den Nutzer beobachten und beispielsweise Feedback zu dessen Kleidung geben. Zusätzlich wird ein Reflexionsmodul namens „Jev“ gezeigt, das Anfragen schnell klassifiziert und entscheidet, ob sie sich auf Dateien beziehen oder eine Aktion beziehungsweise ein Tool erfordern. Der Ersteller stellt Claude Opus 5.5 als bevorzugtes Modell für Jarvis dar, erwähnt aber auch einen Wechsel zu anderen Modellen und bietet ein kostenloses Prompt-Paket zum Nachbauen sowie eine fertige Version in einer kostenpflichtigen Community an.

  Explizit thematisiert wurden Claude Opus 5.5, Claude Fable 5, Sonnet, Jev, Telegram, Google Kalender, Gmail, GitHub, Notion, Google Sheets, Google Drive, Zapier und Canva; Format: Demo.

• Claude Opus 5.5 Is a Game Changer for Small Business
  23.9.2026, 23:33:29

  Claude Opus 5.5 wird als besonders geeignet für wiederkehrende Aufgaben in kleinen Unternehmen vorgestellt, etwa Rechnungen nachverfolgen, Leads anschreiben und häufige E-Mails beantworten. Gezeigt wird die Kombination aus Opus 5.5, Claude Code beziehungsweise der Claude-Desktop-App und dem Plugin „Claude for small businesses“, das vorgefertigte Workflows für unter anderem Posteingangsverwaltung, SEO, Rechnungen und Lead-Management enthält. Die Installation erfolgt über den Plugin-Bereich, wo nach „small business“ gesucht und das Plugin von Anthropic aktiviert wird. Für zusätzliche Dienste wird Zapier als Connector eingerichtet, über den Anwendungen wie Gmail, Google Sheets und Slack verbunden und mit entsprechenden Berechtigungen versehen werden können. Als konkrete Demo wird ein Ablauf erstellt, der Gmail nach Nachrichten realer Personen durchsucht, Newsletter und Belege überspringt, Antworten im persönlichen Schreibstil als Entwürfe speichert, die Anfragen in einer Google-Tabelle protokolliert und anschließend eine Zusammenfassung an Slack sendet. Im gezeigten Durchlauf wurden fünf E-Mails gefunden, davon drei relevante; für diese entstanden Entwürfe, ein CRM-ähnliches Tabellenprotokoll und eine Slack-Zusammenfassung, wobei die Nachrichten vor dem Versand noch geprüft werden sollen. Zusätzlich werden weitere Workflows wie Wochenbriefings, Marketing, Lead-Suche, Stellenanzeigen, Mahnungen und Bestandsplanung erwähnt; der Sprecher betont, dass das System seine Arbeitsweise aus bisherigen Interaktionen ableiten könne.

  Explizit thematisiert wurden Claude Opus 5.5, Claude, Claude Code, Claude for small businesses, Anthropic, Zapier, Gmail, Google Sheets, Slack, Google Calendar, Zoho CRM und der Assistent „Jarvis“; Format: Tutorial.

• I Upgraded JARVIS With Jev (INSANE Results!)
  22.9.2026, 19:51:01

  Jev wird als vorgeschaltete Entscheidungsschicht für den KI-Assistenten Jarvis demonstriert. Vor jeder Antwort bewertet Jev eine Anfrage unter anderem danach, zu welchem Bereich sie gehört, ob sie vollständig ist, ob Jarvis direkt angesprochen wird, ob eine Handlung mit höheren Risiken erforderlich ist und ob die Information im „Vault“ vorhanden ist. Bei einer Anfrage nach Social-Media-Notizen ordnet Jev die Aufgabe dem Vault zu, worauf Jarvis passende Dateien und Ordner abruft. Bei E-Mail-Aufgaben erkennt Jev dagegen eine notwendige Aktion, stuft die Anfrage als Mail-/Kalender-Aufgabe ein und verlangt eine Bestätigung; im Beispiel weist Jarvis zudem auf bereits versendete, identische Nachrichten hin. Eine vage Bitte, eine Rechnung für John Doe zu erstellen und per Telegram zu senden, führt ebenfalls zu einer Rückfrage, da Empfänger- und Rechnungsdetails fehlen und die Anfrage wahrscheinlich nicht aus dem Vault beantwortet werden kann. Der vorgestellte Vorteil besteht laut Video darin, dass Jarvis durch diese schnelle Weiterleitung weniger Funktionen und Tools selbst prüfen muss und dadurch effizienter, schneller und günstiger arbeiten soll. Zusätzlich wird ein kostenloser PDF-Leitfaden zur eigenen Integration angekündigt, während eine fertige Jarvis-Version in einer kostenpflichtigen Community angeboten wird. Thematisiert wurden Jev, Jarvis und die Type-Safe-API; das Video ist eine Demo.

• I Let GPT-6 Astra Run My Meta Ads – Here’s What Happened
  22.9.2026, 00:36:30

  GPT-6 Astra soll Meta-Anzeigen weitgehend automatisiert erstellen: Nach Eingabe einer Produktidee recherchiert es über die Meta-Werbebibliothek laufende Konkurrenzanzeigen, analysiert deren Hooks und Botschaften und nutzt diese Erkenntnisse für neue Werbemittel. Im Beispiel wird ein Prompt für das Produkt „PacNest“, einen komprimierenden Packwürfel, in Codex eingefügt; anschließend durchsucht das System automatisch relevante Anzeigen und erstellt mithilfe von Hicksfield mehrere fotorealistische statische Anzeigen. Der Ablauf dauerte laut Anzeige 9 Minuten und 29 Sekunden, wobei die recherchierten Seiten und verwendeten Anzeigen im Codex nachvollziehbar bleiben. Gezeigt wird außerdem, wie Hicksfield über ein Plugin verbunden und einmalig autorisiert wird. Neben statischen Bildern können auch Video- und UGC-Anzeigen erzeugt werden, etwa für das Beispielprodukt „Nook Beam Mini“; dafür werden in Hicksfield unter anderem Cance 2.5, Nana Banana Pro und GPT image 2.5 erwähnt. Zusätzlich könne Codex vorhandene Kampagnendaten, frühere erfolgreiche Anzeigen und eigene Notizen einbeziehen sowie Anzeigenkampagnen im Browser anlegen; Budget und die Entscheidung zwischen günstigeren statischen Anzeigen und teureren Videos bleiben beim Nutzer. Als kostenlose Hilfestellung wird ein PDF mit Prompts und forschungsbasierten Konzepten angeboten.

  Explizit thematisiert werden GPT-6 Astra, Codex, Hicksfield, die Meta-Werbebibliothek, Cance 2.5, Nana Banana Pro, GPT image 2.5, Jarvis und Jev; Format: Tutorial.

• How to Use JEV With Claude Code and GPT-6 Astra
  21.9.2026, 17:56:18

  JEV wird als Entscheidungs- und nicht als Sprachmodell erklärt: Es schreibt keinen Text, sondern bewertet vorgegebene Situationen, liefert Wahrscheinlichkeiten, Ja/Nein-Entscheidungen, Multiple-Choice-Auswahlen oder Bewertungen. Dadurch sei es laut Video besonders schnell und günstig; im gezeigten Beispiel reagiert es bei der Verkehrssteuerung teils in unter 100 Millisekunden. Eine mit GPT-6 Astra gebaute Stadtsimulation nutzt JEV, um an Kreuzungen den Verkehr zu steuern und auf Änderungen wie gesperrte Straßen sofort zu reagieren. JEV soll dabei nicht selbst Apps bauen, sondern als Entscheidungsschicht innerhalb von Anwendungen dienen, die mit Claude Code oder GPT-6 Astra erstellt wurden. Zur Nutzung wird ein Konto bei TypeSafe.ai, ein API-Schlüssel und anschließend die Einbindung dieses Schlüssels in die Anwendung beschrieben; alternativ werden Vercel und OpenRouter genannt. Als weitere Anwendung zeigt das Video einen KI-Assistenten beziehungsweise ein „AI second brain“, bei dem JEV schneller entscheidet, welche Notizen oder Dateien zu einer Anfrage passen. Die zentrale Aussage lautet, dass viele angeblich mit JEV gebaute Apps tatsächlich mit anderen Modellen erstellt wurden und JEV lediglich für schnelle Entscheidungen eingesetzt werden sollte.

  Thematisiert werden JEV, Claude Code, GPT-6 Astra, ChatGPT, Claude, Opus 5, TypeSafe.ai, Vercel und OpenRouter; Format: Tutorial.

---

Automatisch generiert aus den letzten YouTube-Videos der kuratierten Kanal-Auswahl. Bei Feedback, Anregungen oder zum Austragen: einfach auf diese Mail antworten.