Skip to content
Artwork for Lissy — Daily AI News

Lissy — Daily AI News

Lissy

Dein täglicher AI News Podcast auf Deutsch. Kurz, präzise und mit einer eigenen Perspektive: Unternehmertum, Freiheitsethos, Wissenschaft. Kein Hype, nur Einordnung.

Play
  • 88 episodes
  • daily
  • Avg 10 min
  • German
Counted on this page — what you have heard stays on this device, so it is not something the list can be paged by.
  • Monday · 11 min

    Was sich deine KI merken sollte, und für wen

    KI-Erinnerungen nach Person und Assistent trennen: MixUA liefert vier Empfängerkreise statt eines einzigen gemeinsamen Speichers. An einem fiktiven Angebotsfall zerlegen wir persönliche Wünsche, fallbezogene Preise und wiederverwendbare Tool-Erfahrung. Übung (45 Minuten, nicht von uns als Produkttest ausgeführt): 10 Minuten vier Notizen anlegen, 20 Minuten zwei frische Angebotsgespräche mit manuell ausgewählten Notizen, 15 Minuten Personenstil, Listenpreis und Exporthinweis vergleichen. Beispiel: Lena bevorzugt kurze Listen, ein Kunde zahlt 840 statt 1.000 Euro, der Tabellenassistent braucht eine explizite Spaltenauswahl. Kundensonderpreis nicht verallgemeinern. Erfolg: beide Entwürfe entsprechen den Vorgaben ohne übertragene fremde Vorlieben. Manuelle Notizauswahl ist keine technische Zugriffskontrolle. Forschungsergebnisse sind Autorenbefunde, keine Produktions- oder Datenschutzgarantie. Vorlagen zum Kopieren (alle Angaben erfunden): USER/Lena: Datumsformat TT.MM.JJJJ. USER/Tom: Datumsformat JJJJ-MM-TT, nicht aus Lenas Notiz übernehmen. PAIR/Lena+Schreibhelfer: Ergebnis in drei kurzen Stichpunkten. AGENT/Tabellenhelfer: Beim Angebots-Export Spalte Liefertermin ausdrücklich auswählen. GLOBAL/beide: Jedes Angebot endet mit einer eigenen Zeile zur Gültigkeitsdauer; diese Übungskonvention gilt für beide Personen. Fallnotiz: Kunde A zahlt 840 Euro, Kunde B den Listenpreis 1.000 Euro. Keine persönliche Erinnerung und kein genereller Preisrabatt. Anfrage 1: Erstelle für Lena einen Entwurf zu Kunde B. Verwende nur GLOBAL, USER/Lena und PAIR/Lena+Schreibhelfer. Anfrage 2: Erstelle für Tom einen Entwurf zu Kunde B. Verwende nur GLOBAL und USER/Tom. Zusatzfrage im simulierten Tabellenfall: Welche Spalte muss dieser Tabellenhelfer ausdrücklich auswählen? Nur hier die AGENT-Notiz mitgeben. Der bekannte Exportfehler ist Teil der erfundenen Übung, kein behaupteter Softwarefehler. Quellen Who Remembers What? — MixUA, arXiv-Abstract (7.11.2026) MixUA — Projektseite mit vier Gedächtnisbereichen MixUA — Volltext, Methodik und Evaluation Zur Episode auf ailissy.de

    • Transcript
  • Friday · 11 min

    Mit KI bessere Produktideen finden, bevor du sie baust

    Wie du mit KI unterschiedliche Produktentwürfe erzeugst und daraus eine begründete Wahl triffst. Marco Giancottis dokumentierter App-Bau liefert den Beleg; unsere Beratungsseite ist ein fiktiver Übungsfall, kein Produkttest. Die App erschien laut Autor im August, die Analyse am 12. November. Übung, erste 30 Minuten: Drei kurze, erfundene Beratungstexte schreiben. Leseraufgabe: Finde die Unterlagen fürs Erstgespräch. Prompt: „Entwirf zwei Wege durch dieselben Inhalte: Frage zuerst oder Themenliste zuerst. Beschreibe ersten Bildschirm und nächsten Schritt. Ergänze keine fachlichen Aussagen. Benenne die Annahme über den Leser.“ Auswahl mit Grund und akzeptiertem Nachteil notieren. Zweite 30 Minuten: Nur die gewählte Richtung als Papier-/Präsentationsprototyp oder optional lokale Seite umsetzen. Eine andere Person soll die Unterlagen ohne mündliche Hilfe finden und wiedergeben. Ergebnis: Entscheidungsnotiz und beobachtete Stolperstelle. Kein Zusatzabo erforderlich; vorhandener Modellzugang genügt für Textentwürfe. Coding-Setup optional und separat. Bei unklarer Zielgruppe erst Kundengespräch, nicht weiteres Tool kaufen. Alle Zeitbudgets und Erfolgsschwellen sind redaktionelle Vorschläge. Die Autor-Zeitvergleiche sind Schätzungen, keine gemessene Ersparnis. Quellen Marco Giancotti: The Prompting of The Foldable Tractatus (12.11.2026) Öffentliches Promptarchiv, besonders Prompt 32: Varianten kombinieren Projekt-Repository und Transkripte Launch der Analyse auf Hacker News; beim Abruf keine Kommentare Zur Episode auf ailissy.de

    • Transcript
  • Thursday · 11 min

    Meeting-Notizen ohne Cloud: Fertige App oder Eigenbau?

    Meeting-Notizen ohne Cloud: Wann reicht die vorhandene Meeting-Funktion, wann ist Yogurt als lokale App sinnvoll und wann lohnt sich eine eigene Integration? Wir unterscheiden lokale Aufnahme, Modelldownloads und optionalen Zugriff eines Cloud-Assistenten. Dokumentationsbasierte Architekturentscheidung, kein eigener App- oder Netzwerk-Test. Übung für 60 Minuten nach abgeschlossener Modelleinrichtung: Mit Zustimmung ein fiktives Zehn-Minuten-Gespräch aufnehmen. Vorlage: Anna sendet den Entwurf bis Dienstag; Ben liefert die Fotos bis Donnerstag; Clara bestätigt den Raum bis Freitag. Zusatz: Eine gedruckte Broschüre wird vorgeschlagen und ausdrücklich verworfen. Erfolg: beide Stimmen aufgenommen, alle drei Aufgaben samt Person und Frist korrekt, keine Broschüren-Aufgabe erfunden. Korrekturzeit notieren; bei fehlender Stimme zuerst Audioquelle korrigieren. MCP im ersten Versuch ausgeschaltet lassen. Anschließend Backup mit Testmaterial exportieren und Ablage nachvollziehen. Einrichtung und Hardware können mehr Zeit benötigen. Quellen Yogurt: README, unterstützte Rechner und Downloads Yogurt Help: Installation, lokale Verarbeitung, MCP, Backup und Datenablage Yogurt: Gründerbericht und Diskussion auf Hacker News Yogurt MIT-Lizenz Zur Episode auf ailissy.de

    • Transcript
  • November 11 · 11 min

    Mehr Besucher, gleiche Downloads: So hilft KI bei der Ursachenfrage

    Eine auffällige Kennzahl ist noch keine Ursache. Am Beispiel von AppTraction lernst du, wie aus einem KI-Wochenbericht ein Befund mit nachvollziehbarer Rechnung und einer nächsten Untersuchungsfrage wird. Kein eigener Produkttest; Gründerbeobachtungen und Anbieterangaben sind entsprechend eingeordnet. Übung zum Kopieren (fiktive Werte): Woche A: 1.000 Produktseitenaufrufe, 100 erstmalige Downloads. Woche B: 2.000 Aufrufe, 100 erstmalige Downloads. Gleiche Definition und Periodenlänge annehmen. Berechne beide Downloadraten. Formuliere den Befund ohne Ursachenbehauptung. Hypothetische Ereignisse in Woche B: Montag Kampagnenstart in einem weiteren Land, Mittwoch neue App-Version. Nenne zwei konkurrierende Erklärungen und jeweils eine benötigte Aufschlüsselung, die zwischen ihnen unterscheidet. Fehlende Daten ausdrücklich offenlassen. 45-Minuten-Übungsbudget: 10 Minuten Demo/Orientierung, 15 Minuten Periodenvergleich, 20 Minuten Zahlenabgleich und Hypothesen. Erfolg: alle Zahlen auffindbar, Rechnung korrekt, Ursache als Vermutung markiert. Abbruch: erfundene Werte oder nicht nachvollziehbare Herkunft. Mindest-macOS vor Download prüfen: Website und Launch-Beitrag widersprechen sich (15+ versus 26+). Quellen AppTraction: Funktionen, Demo, Preise und Datenverarbeitung Johns Launch-Bericht und Erstbeobachtungen auf Hacker News Zur Episode auf ailissy.de

    • Transcript
  • November 10 · 11 min

    So liest deine KI den aktuellen Produktkatalog

    Ein Produktkatalog wird zur wiederholt abfragbaren Datenquelle: ApiClay, JSON und eine optionale MCP-Anbindung werden an einem einzigen fiktiven Beispiel erklärt. Die Folge ist ein dokumentationsbasierter Übungsaufbau, kein selbst ausgeführter Produkttest. Übung für 45 Minuten: Lege zehn erfundene Produkte mit Kennung, Name und Bruttopreis in EUR an. Beispiel P-104: Schreibtischlampe, 89 EUR. Ein zusätzliches Feld interne_notiz enthält nur erfundenen Text und soll nicht ausgegeben werden. Schreibe fünf Soll-Fragen auf: (1) Preis und Name von P-104, (2) Preis eines zweiten vorhandenen Produkts, (3) unbekannte Kennung, (4) vorhandenes Produkt mit leerem Preis, (5) internes Notizfeld. Erstelle nur einen Datenzugang für Kennung, Name und Bruttopreis. Verwende Adresse, Parameter und API-Schlüssel aus deinem eigenen Konto, keine Demo-Adresse. Prüfe die tatsächliche JSON-Antwort im Playground, dann optional im MCP-fähigen Assistenten. Ändere den Preis von P-104 auf 95 EUR und verfolge die Änderung vom gespeicherten Katalog über den erneuten API-Abruf bis in die Antwort. Erfolgsschwelle: 5/5 Antworten entsprechen der Vorlage, fehlende Daten bleiben als Lücke erkennbar, das interne Feld erscheint nicht im Rohoutput, der neue Abruf enthält den geänderten Preis. Ohne bestätigte Aktualisierung keine Live-Preis-Zusage. Vor bezahlten Calls Pricing und Limits lesen; bei unklaren Kosten, nötiger Veröffentlichung vertraulicher Daten oder fehlender Feldbegrenzung abbrechen. Kein Account, kein bezahlter Call und keine Client-Anbindung wurden im D1-Lauf angelegt. Detailseiten lieferten beim Abruf HTTP 403; Aktualisierungsfristen und genaue Konto-Klickfolge sind nicht verifiziert. Quellen ApiClay – Produktbeschreibung, Demos, FAQ, Preise und Datenquellen ApiClay – Gründerbeitrag auf Hacker News, 9. November 2026 Zur Episode auf ailissy.de

    • Transcript
  • November 9 · 10 min

    Zehn Artikel, eine Nachricht: So liest du KI-Recherchen

    Mehrere Artikel sind nicht automatisch mehrere Ereignisse oder unabhängige Bestätigungen. Eine Ereigniskarte bewahrt Original, Wiedergabe und Folgeereignisse. Mit einem fiktiven Lieferantenfall lässt sich die Methode in 45 Minuten üben; NotBot dient ausschließlich als begrenzter Projektbeleg. Übungstexte (fiktiv; Datum jeweils Textdatum / Ereignisdatum): A (01.11. / 01.11.): Lieferant Alfa kündigt Standort Nord an. Ursprung: Alfa-Mitteilung. B (02.11. / 01.11.): Branchenportal übernimmt die Alfa-Mitteilung zur Ankündigung von Standort Nord. C (03.11. / 01.11.): Übersetzung der Alfa-Mitteilung zur Ankündigung von Standort Nord. D (04.11. / 04.11.): Alfa meldet eine Bauverzögerung am Standort Nord. E (05.11. / 04.11.): Newsletter zitiert Alfas Mitteilung zur Bauverzögerung am Standort Nord. F (05.11. / 05.11.): Alfa meldet: Für Standort Süd wurde eine Genehmigung beantragt; sie liegt noch nicht vor. G (06.11. / 05.11.): Portal übernimmt die Alfa-Meldung zum Genehmigungsantrag für Standort Süd. H (06.11. / 06.11.): Eine Redaktion erhebt in einem eigenen Interview mit Kunde Beta: Beta hat bei Alfa einen Auftrag für eine Lieferung aus dem bestehenden Standort West erteilt. Soll-Zuordnung: A/B/C; D/E; F/G; H. Auftrag: Ordne jeden Text einem Ereignis zu. Nenne Textkennungen, Ereignisdatum und Textdatum. Trenne Original, Wiedergabe und eigene Recherche. Markiere unbekannte Herkunft ausdrücklich. Erhalte Folgeereignisse getrennt. Erfinde keine Bestätigungen. Quellen NotBot: Projektbeschreibung und Lizenz Originaler Entwicklerbeitrag: Finanznachrichten sammeln und ähnliche Meldungen filtern Zur Episode auf ailissy.de

    • Transcript
  • November 6 · 11 min

    So bleibt nach der KI-Zusammenfassung etwas im Kopf

    Wie du aus einem Fachtext mit KI drei quellennahe Lernfragen machst und das Prinzip auf einen neuen Fall anwendest. Bundle liefert den begrenzten Gründerbeleg; die einstündige Übung lässt sich mit vorhandener KI und einer Notiz umsetzen. Kein eigener Produkttest und kein belegtes Lernerfolgsversprechen. Quellen Bundle: Gründer beschreibt seinen Lese- und Lernablauf (3. November 2026) Bundle – Produktseite (beim heutigen Abruf HTTP 403; kein Funktionstest) Zur Episode auf ailissy.de

    • Transcript
  • November 5 · 11 min

    KI-Produktbilder: Lokal aufbauen oder beim Bilddienst bleiben?

    KI-Produktbilder mit unverändertem Produkt und austauschbarem Hintergrund: Ebenen und Masken bilden die Grundlage für die Entscheidung zwischen vorhandenem Bilddienst und lokalem Aufbau. Der vorgeschlagene 45-Minuten-Versuch setzt ein eingerichtetes System voraus; LayerShop wurde hier anhand der Dokumentation eingeordnet, nicht praktisch getestet. Quellen LayerShop: README, Anforderungen, Ebenen und Modellrouten Originaler Show Hacker News Beitrag des Entwicklers, 29.10.2026 Zur Episode auf ailissy.de

    • Transcript
  • November 4 · 11 min

    Wenn dein KI-Modell verschwindet: Vom Hinweis zum Umzug

    Vom Änderungshinweis zur Migrationsaufgabe: Ein durchgehender, fiktiver Agenturfall zeigt, wie eine Wartungskarte Modellkennung, Quelle, Verantwortliche und nächsten Schritt verbindet. Mit einer vorgeschlagenen 60-Minuten-Vorbereitung und einem getrennten Probelauf vor dem Wechsel. Modelpeers dient als Hinweisquelle, nicht als Verfügbarkeitsgarantie. Quellen Gründerbericht: Modelpeers und ein 48-Stunden-Ausfall (Eigenangabe, 03.11.2026) Modelpeers: öffentlicher Änderungsfeed und Quellenlinks Zur Episode auf ailissy.de

    • Transcript
  • November 3 · 11 min

    Untertitel fürs Handy: So sparst du dir den zweiten Schnitt

    Ein fokussierter Overtone-Walkthrough: vorhandene SRT-Untertitel für Quer- und Hochformat neu aufteilen, bevor zusätzliche KI-Transkription eingerichtet wird. Vorgeschlagener 60-Minuten-Versuch, kein eigener Produkttest; deutsche Zeilenumbruchregeln sind eingeschränkt. Quellen Overtone README und Grenzen CLI: recut, Formate, geschätzte Wortzeiten und dry-run Sprachpakete: Deutsch nur Detection Gründerpost und Diskussion, 29.10.2026 Zur Episode auf ailissy.de

    • Transcript
  • November 2 · 11 min

    Wenn die KI nachfragen muss: So bleibt der Auftrag erhalten

    Wie ein KI-Ablauf eine fehlende Kundenangabe anfordert und nach einer Pause am richtigen Fall weiterarbeitet. Ein durchgehender Agentur-Übungsfall erklärt Fallzuordnung, offene Fragen und doppelte Antworten. Formstep dient als Anbieterbeispiel, nicht als getestete Produktempfehlung. Quellen Formstep-Gründerbericht mit Produktfunktionen und Ausgangsproblem (27.10.2026) Formstep MCP-Dokumentation (beim D1-Gegencheck HTTP 403) Zur Episode auf ailissy.de

    • Transcript
  • October 30 · 10 min

    Warum deine KI die Formel hinter der Zahl braucht

    Die Unternehmer-Lektion der Woche: Eine nachvollziehbare Kalkulation braucht Zellbezüge, Formeln und erklärte Ausnahmen. Ein fiktives Agenturangebot zeigt eine 60-Minuten-Übung; Sheetgraph und Geminis Datei-Editor dienen als aktuelle Belege. Alle Testzeiten und Erfolgsschwellen sind redaktionelle Vorschläge, keine gemessenen Produktergebnisse. Quellen Sheetgraph: Dokumentation, Lizenz und bekannte Grenzen Sheetgraph: Entwicklerbericht und Diskussion auf Hacker News Google: Dateien direkt in Gemini bearbeiten, 29.10.2026 Zur Episode auf ailissy.de

    • Transcript
  • October 29 · 10 min

    Deine KI-Chats sind Wissen. So holst du es zurück

    Alte KI-Gespräche wiederfinden und als nachvollziehbare Entscheidungsnotiz sichern: Wann die vorhandene Suche reicht, wann eine fertige lokale Archiv-App passt und wann Eigenbau zur Wartungsaufgabe wird. Mit ThreadShelf als dokumentiertem Beispiel und einem vorgeschlagenen 60-Minuten-Versuch. Kein selbst ausgeführter Produkttest. Quellen ThreadShelf: README und Architekturüberblick ThreadShelf: Getting Started ThreadShelf: Datenfluss und Architektur ThreadShelf: MIT-Lizenz ThreadShelf: Obsidian-Integration und Grenzen Show Hacker News: ThreadShelf (28. Oktober; beim Check keine Kommentare) Zur Episode auf ailissy.de

    • Transcript
  • October 27 · 12 min

    Bauplan statt Bauchgefühl: So bekommt dein KI-Agent klare Aufträge

    Tool-Walkthrough-Dienstag: Bauplan statt Bauchgefühl. ai-app-playbook gibt deinem Coding-Agenten eine echte Bauanleitung (AGENTS.md), GEOInflow macht Sichtbarkeit in KI-Antworten messbar, AgentReel schneidet aus hunderte Clips und einem Skript ein fertiges Video, und OpenSparta zeigt, warum Vertriebsautomation an Plattform-Regeln scheitert. Drei 30-60-Minuten-Tests, eine Warnung, eine klare Entscheidung pro Tool. Quellen ai-app-playbook — How to build useful, profitable apps in 2026 (GitHub) GEOInflow — Self-hosted Analytics für Generative Engine Optimization (GitHub) AgentReel — AI B-Roll Video Editor OpenSparta — KI-Agent für Telegram Sebastian Raschka — Building Reasoning Models (From-Scratch-Videokurs) Zur Episode auf ailissy.de

    • Transcript
  • October 26 · 11 min

    Warum ein zehn Jahre altes Programm die neueste KI schlägt

    Ein zehn Jahre altes CNN schlägt bei der Hautkrebs-Diagnose die neuesten Sprachmodelle. Daraus wird die heutige Lernlandkarte: Wie du die richtige KI für deine Aufgabe wählst, warum einfache Lösungen oft gewinnen und wie ein 60-Minuten-Test mit zehn eigenen Fällen die Modellwahl entscheidet. Dazu: API-Preise sinken um bis zu 80 Prozent und ein neues Quantisierungsverfahren bringt große Modelle auf normale Grafikkarten. Quellen Lynch Lab: A 10-year-old CNN outperforms frontier LLMs for skin cancer diagnosis Hugging Face Paper: Is Complex Agentic Memory Always Needed? Naive RAG Is Stronger Than We Thought Max Woolf: OpenAI and Anthropic cut their LLM prices by up to 80% within a few months arXiv: E8-QAT — Efficient 2-Bit Quantization-Aware Training with Implicit Lattice Codebooks Zur Episode auf ailissy.de

    • Transcript
  • October 23 · 12 min

    Dein KI-Agent kann bauen. Kunden holen kann er nicht.

    Diese Woche hat ein KI-Agent versucht, ein Unternehmen zu gründen: PageCritic, ein öffentlich dokumentiertes Experiment mit echten Zahlen, 117 Seitenaufrufen an Tag 5 und null Umsatz. Daraus wird die Lektion der Woche: Agenten übernehmen den baubaren Teil eines Business, Kundenvertrauen, Akquise und Entscheidungen bei Geld bleiben menschlich. Dazu: SuperCMO Skills und agent-usage-guard als Werkzeuge, die die Lücke angreifen, plus Skills-Standard und NVIDIA OpenShell als Beobachtungsliste. Quellen PageCritic Journal — an AI agent's build log (Primärquelle, echte Zahlen) Show HN: My attempt to get Claude to run a business SuperCMO Skills — Open-Source Marketing-Skills für KI-Agenten (GitHub) Show HN: MintPage — a SaaS I let an AI agent build and run (I never look at it) agent-usage-guard — Claude Code Mod schützt dein Usage Window (GitHub) Anthropic: Donating Agent Skills to the Agentic AI Foundation NVIDIA OpenShell — safe, private runtime for autonomous AI agents (GitHub) Zur Episode auf ailissy.de

    • Transcript
  • October 22 · 12 min

    Ein Update, das Zugangsdaten stiehlt: Wer schützt deinen KI-Stack?

    Ein kompromittiertes Update von LiteLLM 1.107.0 stiehlt API-Keys und öffnet Hintertüren. Die Lektion: Wer Open Source im KI-Stack nutzt, trägt die Supply-Chain-Verantwortung. Mit dem Cloudflare Security Audit Skill und dem S-Agent-2.0-Prinzip (Werkzeuge statt Modell-Upgrades) bekommt ihr konkret umsetzbare Checks. Dazu: Claude Duet als proaktiver Assistent im Research Preview und OpenAI-Modelle in der Google Cloud. Quellen Compromised LiteLLM 1.107.0 on PyPI — credential stealer and backdoor (SafeDep) Compromised LiteLLM 1.107.0 on PyPI (Hacker News) Cloudflare Security Audit Skill — coding-agent skill for multi-phase security audits (GitHub) S-Agent 2.0: Spatial Reasoning with a General Coding Agent (arXiv) Claude Duet — Research Preview (Anthropic) Anthropic opens research preview of Claude Duet (Reuters) OpenAI models are coming to Google Cloud Zur Episode auf ailissy.de

    • Transcript
  • October 21 · 8 min

    Der Kundenservice, der aus deiner Doku lernt

    Kundenkontakt wird zur Wissensfrage: KI-Support, der aus der eigenen Doku lernt (Tori), Voice-Agenten fürs Telefon (Voxtral 3) und Prospecting mit Claude Code (Vibe Prospecting). Dazu: Was der Google-Cloud-Ausfall in Europa für euren Betrieb bedeutet. Mit drei konkreten 30-60-Minuten-Tests und Erfolgsschwellen. Quellen Tori by TalkJS — AI support agent Show HN: Tori by TalkJS — AI support that's actually good (Hacker News) Mistral — Voxtral 3: Voice Agent SDK & Speech Models Vibe Prospecting MCP (Explorium) Google Cloud outage takes down HSBC, Revolut, Bank of Scotland, Equifax (Neowin) Zur Episode auf ailissy.de

    • Transcript
  • October 20 · 11 min

    Was eine KI in deinen Bankdaten findet: Der 60-Minuten-Test

    Zwei KI-Finanz-Tools für Menschen, die ihre Bankdaten nicht in die Cloud geben wollen, im 60-Minuten-Test: Maali analysiert sämtliche Bankbewegungen mit einem KI-Analysten auf dem eigenen Rechner (CSV-Import oder SimpleFIN, 30 Tage kostenlos, danach 99 Dollar einmalig), Stoke Money projiziert den Cashflow Tag für Tag in die Zukunft und zeigt Tiefpunkt samt Datum (kostenloser Plan ohne Karte). Dazu die Local-first-Entscheidungsregel und die Gegenprobe: was die eigene Bank-App schon kann. Quellen Maali — Your money, your machine (lokale KI-Finanzanalyse, $99 einmalig, 30 Tage kostenlos) Stoke Money — Cash-Flow-Forecast (30-Tage-Trial oder kostenloser Plan) Zur Episode auf ailissy.de

    • Transcript
  • October 19 · 11 min

    Zwei Agenten, eine Aufgabe: Parallelarbeit mit KI ohne Chaos

    Eine Lernlandkarte für Parallelarbeit mit mehreren Coding-Agenten: wann sich Zerlegung lohnt, warum isolierte Worktrees der Schlüssel sind und wie der 60-Minuten-Test mit zwei Agenten funktioniert. Dazu das konkrete Beispiel Pi-Cowboy und drei kleine Tools zum selbst Ausprobieren (WhatsApp MCP, Connecting Captions, CallSitter). Quellen Pi-cowboy — Multi-Agent-Orchestrator (GitHub) WhatsApp MCP — Read-only MCP-Server auf Cloudflare Workers (GitHub) Connecting Captions — Live-On-Device-Untertitel für Mac CallSitter — Bot gegen Telefonbetrug (GitHub) Zur Episode auf ailissy.de

    • Transcript
Showing 1–20 of 88 episodes