- Stand September 2025 markieren leistungsstarke AI-Modelle wie Claude Opus 4.1, GPT-5, Nano Banana den Beginn eines goldenen Zeitalters der Softwareentwicklung
- Vor dem Hintergrund der heutigen AI-Landschaft werden 28 innovative AI-Tools, die es in der Realität nicht gibt, aber geben sollte, vorgeschlagen
- Die vorgeschlagenen Ideen decken verschiedene Bereiche ab, darunter persönliche Produktivität, Code-Entwicklung, Gesundheitswesen und Content-Erstellung
- Gemeinsame Schwerpunkte sind Kontextbewusstsein, Personalisierung und Verbesserungen durch automatisiertes Lernen und Feedback-Loops
- Statt der heute üblichen allgemeinen Agenten wird das Konzept spezialisierter AI-Agenten mit nur einem Zweck sowie eines Marktplatzes vorgeschlagen, über den sie ausgetauscht werden können
Die vorgeschlagenen 28 AI-Tools
1. Kamera-App auf Basis von Nano Banana
- Eine App, die gewöhnliche iPhone-Fotos so umwandelt, als wären sie mit einer Leica aufgenommen worden
2. Agent zum automatischen Hinzufügen von Light-/Dark-Mode
- Fügt allen Frontend-Projekten automatisch Unterstützung für Light Mode, Dark Mode und benutzerdefinierte Themes hinzu
- Nutzt Vision, um UI-Änderungen zu überprüfen, und nimmt auf Basis der gerenderten UI iterative Korrekturen vor
3. Agent zum Dekompilieren und Debuggen von obfuskiertem Code
- Dekompiliert minifizierten Code in eine verständliche Codebasis und debuggt sie
- Erfordert einen starken Code-Debug-Loop
4. Ein Hybrid aus Strong-App und ChatGPT
- Das Modell greift auf Trainingsdaten zu und macht Verbesserungsvorschläge sowie Coaching
- Man kann mit einem Modell chatten, das detaillierten Kontext kennt, einschließlich der Zeit zwischen den einzelnen Sätzen
5. Empfehlungsmaschine
- Analysiert den Browserverlauf, um herauszufinden, welche Blogposts oder Artikel am längsten gelesen wurden
- Durchsucht jede Nacht das Web nach lesenswerten Inhalten und liefert morgens einen Link-Digest
- Verbessert den Digest des nächsten Tages anhand von Feedback zu guten/schlechten Empfehlungen
6. Chat-App zur Kalorienerfassung
- Eine Chat-App auf Basis einer Nährwertdatenbank
- Minimiert den kognitiven Aufwand für die Protokollierung von Mahlzeiten
7. Minimale App zum Schreiben langer Texte
- Das Modell hebt Passagen hervor und hinterlässt Kommentare am Rand
- Über verschiedene „Personas“ kann man das Geschriebene prüfen lassen
8. Builder-Agent für spezialisierte AI-Agenten
- Bekommt Aufgabenbeschreibungen wie „Erstelle mir einen Agenten zum Dekompilieren von Code“ und erzeugt automatisch hochspezialisierte Agenten
9. Minimaler E-Book-Reader
- Während man ein E-Book liest und Passagen markiert, erklärt das Modell sie daneben ausführlicher
- Nimmt die Persona des Autors an
- Es soll sich eher wie eine Erweiterung des Buchs anfühlen als wie eine separate Chat-Instanz
10. Deep-Research-Agent, der tagelang schlussfolgert
- Kann mit sehr komplexen Queries gefüttert werden
- Erzeugt Hunderte von Unteragenten und liefert erst nach drei Tagen Schlussfolgern eine Antwort zurück
11. Paint-by-Number-App für Filmproduktion
- Brainstormt Kurzfilmideen, und das Modell erstellt ein detailliertes Storyboard
- Nutzer müssen dann nur noch jede Storyboard-Szene mit dem Smartphone aufnehmen
- Dient als Stützräder für die Filmproduktion
12. App für Bildschirmaufzeichnung und semantische Zusammenfassungen
- Nutzt lokale Modelle, um jeden Tag eine detaillierte semantische Zusammenfassung dessen zu erstellen, was man am Computer getan hat
- Gibt sie einer Chat-App als Kontext mit: „Wem wollte ich gestern noch antworten?“
- Rewind wurde ein Jahr lang genutzt, war aber nicht so nützlich wie erwartet
13. Semantischer Filter für Twitter/X/YouTube
- Man kann offene Filter formulieren wie „Tweets ausblenden, die mich wahrscheinlich wütend machen“
- Entfernt wutmachende Inhalte aus dem Feed
- Indem wir unseren Feed formen, formen wir uns selbst
14. Agent zur Erstellung maßgeschneiderter Curricula für Nischenthemen
- Für Anfragen wie „Ich möchte alles lernen, was wir über die Wissenschaft des Fortschritts wissen“
- Durchsucht das Web nach Personen, Blogs, YouTube-Videos, Essays und Lehrbüchern
- Liest alle Inhalte und liefert ein Curriculum, das vom Anfänger bis zum Experten führt
15. Wirklich gute Buchempfehlungsmaschine
- Fragt zunächst per Quiz nach früher Gelesenem, Zielen und bevorzugten Lesearten
- Wenn genügend Informationen vorliegen, simuliert ein anderer Agent, wie der Nutzer über die Vorschläge des Hauptagenten denken würde
- Hebt nur Bücher hervor, die mit sehr hoher Wahrscheinlichkeit gefallen
16. Semantische Suchmaschine für TikTok und Instagram Reels
- Ermöglicht Zugang zu nützlichen Informationen, die in Kurzvideos gefangen sind
- Benötigt eine durchsuchbare Suchfunktion
17. Schlaf-Fitness-App
- Integriert Daten von Apple Watch (Herzfrequenz, VO₂), Eight Sleep, Oura Ring und Trainings-Apps
- Liefert konkrete Empfehlungen zur Verbesserung von Schlaf und Erholung
- Sendet proaktiv Nachrichten wie: „Deine HRV ist diese Woche gesunken — trainierst du vielleicht zu hart?“
18. Umfangreiche Komponentenbibliothek
- Für das Rendering innerhalb einer Chat-Oberfläche entworfen
- Bestehende Bibliotheken bieten Primitives auf zu niedrigem Niveau
- High-Level-Widgets statt Anpassbarkeit haben Vorrang
19. Minimaler Sprachassistent für die Apple Watch
- Für Fragen, die für Siri zu komplex, für ChatGPT aber passend sind
- Liefert sehr kurze Antworten von nur wenigen Wörtern
20. Schreib-App mit empfohlenen Leselisten
- Durchsucht das Web zum gerade behandelten Thema und erstellt eine Liste hilfreicher Materialien
- Eine Schreib-App sollte nicht anstelle des Nutzers schreiben
21. Lauf-App
- Erstellt personalisierte Pläne und verfolgt Lauftempo sowie Herzfrequenz
- Passt Trainingsprogramme iterativ auf Basis realer Daten an
22. Nano-Banana-Super-App für Fotobearbeitung
- Bietet Hunderte von Templates ohne Prompt-Schreiben
- Verschiedene Frisuren ausprobieren, das mögliche Aussehen von Kindern mit dem Partner vorhersagen, wie The Rock aussehen usw.
23. YouTube-Videosuche im Stil von Same.energy
- Gibt man eine URL ein, findet sie Videos mit ähnlicher Stimmung
- Der aktuelle YouTube-Algorithmus konzentriert sich nur darauf, das Engagement des Durchschnittsnutzers zu maximieren
24. Gerät im Sony-Walkman-Stil für Kinder
- Voice-first-Gerät, auf dem man einem LLM Fragen stellen kann
- Konzentriert sich auf Erklärungen und ist ein Gerät ganz ohne Bildschirm
- Offline-first wäre noch besser
25. Biografie-Suchmaschine
- Fragebogenbasierte Query zu aktuellen Problemen, Lebensphase, Fachgebiet usw.
- Liefert als Ergebnis Kapitel aus Biografien/Autobiografien großer Persönlichkeiten der Geschichte, die ähnliche Situationen behandeln
26. Agent zur Prüfung des Content-Konsums per Bildschirmaufzeichnung
- Beobachtet die Nutzung von Computer und Smartphone
- Prüft täglich die konsumierten Inhalte
- Screen Time ist nicht spezifisch genug
- Man muss den genauen Nährwert der konsumierten Tokens kennen
27. Marktplatz für AI-Agenten für Nischenaufgaben
- Für konkrete Anwendungsfälle entwickelte Agenten wären besser als Universalagenten
- Ein Katalog hochspezialisierter Agenten für Nischenaufgaben wie die Suche nach einer Mietwohnung in San Francisco
- Es braucht Zehntausende Agenten, die über das Web oder APIs nutzbar sind
28. Funktion zum Einholen von Kritik berühmter Autoren
- „Was würde Hemingway zu diesem Blogpost sagen?“
- Herausfinden, welche Teile ihn verwirrt und welche ihm gefallen hätten
2 Kommentare
Ich hoffe wirklich, dass Punkt 2 und 3 einfach automatisch funktionieren.
Das scheint eine dieser repetitiven Aufgaben zu sein, bei denen es lästig ist, immer wieder alles einzeln hinzuzufügen.
Hacker-News-Kommentare
Ich finde, man sollte bei „24. Kindern ein Gerät im Stil eines Sony Walkman zu geben, mit dem sie einem LLM Fragen stellen können“ wirklich sehr vorsichtig sein.
Ich denke, man kann damit deutlich bessere Ergebnisse bekommen, als wenn man einen Lehrer in der Schule fragt.
Vor zwei Tagen habe ich ChatGPT gebeten, das Stellenwertsystem (
place-value system) so zu erklären, dass es ein sechsjähriges Kind verstehen kann. Dabei hat es jedoch Stellenwert und Zahlenwert verwechselt und eine falsche Erklärung gegeben. Ich habe den Fehler bemerkt und ChatGPT hat sich entschuldigt, aber wenn mein Kind selbst gefragt hätte, hätte es diesen Fehler wohl nicht bemerkt.Ich frage mich, wie viele falsche Informationen mein Kind bei so einem Gerät für wahr halten würde.
Zu Nr. 19: Ich habe das vor ein paar Wochen selbst mit iOS Shortcuts gebaut.
Bei vielen Ideen/Artikeln habe ich das Gefühl, dass sie in Bezug auf LLMs nicht „thinking with portals“ betreiben. Wir haben eine Technologie auf dem Niveau einer „Portal Gun“ (so wird sie schließlich beworben), aber es fühlt sich so an, als würden wir sie nur als bessere Tür benutzen.
Was LLMs letztlich können, ist logisch zusammenhängenden Text fortzuschreiben. Die Einsatzmöglichkeiten sind breit, aber praktisch ist es schwer, über einen fortgeschrittenen Texteditor hinauszukommen. Wenn man es etwa für Videoschnitt nutzen will, müsste man eine Skriptsprache bauen und die Funktionen auch noch mit dem Editor synchronisieren. Für Großunternehmen wie Adobe ist der Wert im Verhältnis zum Personalaufwand fraglich, und Startups müssten sich mit Adobe in einem langwierigen Kampf um Features und User-Lock-in messen. Beides bietet keinen großen Vorteil, solange LLMs nicht wirklich revolutionär sind. Außerdem können LLMs das Videoergebnis selbst nicht direkt sehen und sind derzeit eher nur „ganz okay“.
Dem Blickwinkel stimme ich zu. Falls es etwas Empfehlenswertes zu „thinking with portals“ gibt, das man dazu lesen kann, würde ich mich über einen Hinweis freuen.
Wenn es ein einfaches und leicht verständliches Beispiel für „Denken mit Portalen“ gibt, wäre es schön, wenn du es teilen könntest.
Zu Nr. 22: Ich hätte gern eine Engine, die meinen Browserverlauf analysiert, herausfindet, welche Arten von Blogs/Artikeln ich am längsten lese, und mir jeden Abend empfohlene Inhalte sucht, die ich noch nicht gesehen habe.
ChatGPT Pulse existiert in ähnlicher Form bereits. Der Dienst nutzt nicht den Browserverlauf, sondern den ChatGPT-Verlauf, aber für Nutzer, die ChatGPT häufig verwenden, sind die Empfehlungen womöglich sogar vertrauenswürdiger.
https://openai.com/index/introducing-chatgpt-pulse/
Ich denke, die meisten in diesem Artikel vorgeschlagenen Ideen kommen einer Forderung gleich, einfach nur bessere UI/UX auf das zugrunde liegende LLM zu setzen.
Ich habe das Gefühl, dass in dieser Denkweise ein grundlegender Kategorienfehler steckt.
Als Beispiel gibt es die Funktion „Wie hätte Hemingway meinen Text bewertet?“, aber in Wirklichkeit ist die Antwort einfach das, was die jeweilige AI erzeugt, nicht Hemingways tatsächliche Bewertung.
Wenn man 100 Modelle fragt, bekommt man 100 verschiedene Antworten, und Hemingways tatsächliche Denkweise oder Persönlichkeit lässt sich nicht vollständig aus ein paar Hunderttausend Wörtern seiner Werke rekonstruieren.
Letztlich geht es um die Frage: „Kann das wirklich plausibel so klingen, als hätte diese Person es gesagt?“
Wir wollen die Bewertung berühmter Personen hören, weil es die Perspektive eines realen, lebenden Menschen ist. Eine Nachahmung durch AI ist so, als wolle man statt eines echten Sandwichs ein Foto von einem Sandwich essen.
Es beunruhigt mich irgendwie, dass viele Menschen diese Illusion nicht klarer begrenzen.
Stimme ich zu 100 % zu.
Während ich diesen Kommentar las, musste ich allerdings an das Holodeck aus Star Trek TNG denken. Dort werden berühmte Figuren wie Einstein oder Freud rekonstruiert, und selbst als Zuschauer dachte ich mit 15 nicht: „Das sind einfach zufällige Antworten, die ein Computer ausspuckt.“
In einer tatsächlichen Episode gibt es eine Szene, in der versucht wird, eine reale Person allein anhand von Aufzeichnungen zu rekonstruieren, und das scheitert (https://www.imdb.com/title/tt0708682/); später wird dann auch deutlich, wie groß der Unterschied tatsächlich ist (https://www.imdb.com/title/tt0708720/).
Kurz gesagt:
Dieser Beitrag bringt mich auf viele Gedanken.
Ich kann einfach erklären, warum man AI Hemingway eigentlich gar nicht braucht. Tatsächlich gab es schon vor etwa zehn Jahren gute Schreibhilfen wie hemingwayapp https://hemingwayapp.com/
Mit einfachen regelbasierten Methoden korrigiert sie Grammatik und regt zu einfacheren Formulierungen an. Vielleicht ist es sogar besser zum Lernen, dass sie den Text nicht automatisch umschreibt.
Wenn ich viele dieser Ideen sehe – etwa „eine ultrakleine Foto-Editing-App wie Banana, Hunderte Templates ohne Prompt ...“ –, dann wirkt das letztlich wie der Wunsch des Menschen, irgendwie noch bequemer zu leben. So etwas wie „Was hätte Hemingway sich dazu gedacht?“ fühlt sich ähnlich an.
Im Kern geht es darum, ob „das eine plausible Antwort in der Art dieser Person ist und ob man damit Menschen täuschen könnte“, und tatsächlich ist genau das auch nützlich.
Wenn Menschen sich der Täuschung bewusst sind, nennt man das
make-believeoder die Aussetzung des Unglaubens.Diesen Prozess durchlaufen wir jedes Mal, wenn wir jemanden spielen oder versuchen, aus einer anderen Perspektive zu denken. Das gilt ebenso, wenn wir von Aufzeichnungen realer Personen oder von Romanfiguren lernen wollen.
Ich glaube eher das Gegenteil von „Wir wollen die Bewertung von Steve Jobs/Hemingway hören, weil es ein echter Mensch ist“.
Tatsächlich ist weniger der reale Mensch als Gesprächspartner entscheidend als die verdichtete Persönlichkeit der berühmten Person oder Figur, wie wir sie uns vorstellen. Kaum jemand hängt an der tatsächlichen realen Person.
Der mythisierte „berühmte Hemingway“ ist an sich attraktiver. Er ist sogar nützlicher und interessanter als der echte.
Deshalb würde ich sagen, dass virtuelle Personensimulationen wie im Fall von Star Trek TNG eher genau wie beabsichtigt funktionieren.
Feynman sagte: „Das allererste Prinzip in der Wissenschaft ist, sich nicht selbst zu täuschen“, und ich denke, das gilt auch für LLM-Ergebnisse.
Wirklich interessant.
Wir alle haben viele Demos aus dieser Liste oder ähnliche Technologien gesehen, und bereits viele Startups haben über Jahre hinweg Hunderte Millionen Dollar in Produkte investiert.
Trotzdem sieht man kaum wirklich brauchbare Produkte, und das, was einem im Alltag begegnet, funktioniert nicht annähernd so gut wie die Demos.
Ich frage mich, was da eigentlich vor sich geht.
Also: Gibt es die Produkte tatsächlich, aber fast niemand nutzt sie? Oder ist es zu teuer, Modelle zu verwenden, die wirklich gut genug sind? Oder ist es einfach viel leichter, eine coole Demo zu bauen, als ein echtes Produkt? ... Ich frage mich, welche dieser Möglichkeiten zutrifft.
Als ich mit einer Werbeagentur für Fintech-Apps sprach, hieß es, man müsse über drei Monate hinweg etwa 20.000 Dollar pro Monat an Werbebudget ausgeben, um überhaupt zu verstehen, wie das Ganze funktioniert; erst danach sinke der CAC und man erreiche die Zielnutzer.
In dem Moment, in dem man die Werbung abstellt, verschwindet die Produktbekanntheit wieder, und neue Nutzer bleiben aus. Dann gibt es praktisch keinen Weg mehr, allein schon die Existenz des Produkts bekannt zu machen.
Für viele dieser Ideen müsste man die Vorlieben, Muster, Kommunikation, Termine und Gesundheitsdaten des Nutzers kennen.
Apple könnte in diesem Bereich wirklich einen Vorteil haben.
Smartphone und Watch wissen am meisten über persönliche Informationen, daher könnte Apple unter der Voraussetzung des Datenschutzes verschiedene Kontexte mit LLMs intelligent kombinieren.
Ich war enttäuscht, als ich auf den Link klickte, weil es kein echtes Tool war, sondern eher nur eine Sammlung völlig unzusammenhängender App-Ideen.
„Ein Gerät im Stil eines Sony Walkman, mit dem Kinder einem LLM mündlich Fragen stellen können“
Es ist zwar keine 100%ige Übereinstimmung, aber https://www.aliexpress.com/item/1005009196849357.html kommt dem ziemlich nahe.
Es ist nicht offline, aber nur etwas größer als ein Tischtennisball.
Ich habe meinen Enkelkindern (5 und 3 Jahre alt) in zwei Minuten gezeigt, wie es funktioniert, und dann kamen unzählige Fragen wie „Erzähl mir eine Geschichte über das Einhorn Bob“ oder „Können ein Hund und ein Affe Freunde werden?“ – und in allen Fällen kamen innerhalb von Sekunden plausible Antworten zurück.
Ich kann mir gut vorstellen, dass solche Produkte zu Weihnachten in Spielzeug eingebaut auf den Markt kommen, und wenn das passiert, kaufe ich sofort eins.