Lissy — Daily AI News Podcast
18. Mai 2026 · 12 Min. · 1350 Wörter
Servus und hallo, schön dass ihr wieder dabei seid. Ich bin Lissy und das sind eure Daily AI News. Heute ist so ein Tag, an dem ich das Gefühl habe, dass die KI-Welt ein bisschen erwachsener wird. Nicht wegen einer neuen Super-Demo oder einem weiteren Billionen-Dollar-Rechenzentrum — sondern weil die Systeme langsam anfangen, ihre eigene Infrastruktur zu bekommen.
Fangen wir mit dem Thema an, das mich heute am meisten beschäftigt hat. Vercel Labs hat Zero veröffentlicht. Eine Programmiersprache, die speziell für KI-Agenten entwickelt wurde. Also nicht für Menschen, sondern für Maschinen, die Code schreiben und ausführen sollen. Zero läuft komplett im Browser, basiert auf WebContainern, und das Ziel ist simpel: Agenten sollen Code zuverlässig schreiben können, ohne dass ständig Syntaxfehler passieren oder Nebenwirkungen auftreten, die niemand erwartet hat. Das klingt erstmal unspektakulär, aber ich finde, genau da liegt der Knackpunkt. Die ganze Diskussion der letzten Monate dreht sich doch darum: Können Agenten wirklich Produktivcode schreiben, oder bleibt das Spielzeug? Vercel sagt — ja, sie können, aber nur wenn die Sprache dafür gemacht ist. Nicht TypeScript für Menschen, notdürftig umgebogen, sondern eine Sprache, die saubere Struktur erzwingt und Überraschungen minimiert. Ich finde, das ist einer dieser Schritte, die in ein, zwei Jahren völlig selbstverständlich wirken werden. So, wie heute niemand mehr Webseiten ohne Framework baut.
Und während Vercel an der Sprache für Agenten arbeitet, entsteht parallel ein neuer Markt, den ich sehr spannend finde. Da gibt es ein GitHub-Repo mit fast 1.300 Sternen, das nennt sich native-feel-skill. Es ist ein Skill für KI-Agenten, der aus Raycast 2.0 extrahiert wurde. Das Ziel: Agenten beizubringen, wie man Cross-Platform-Desktop-Apps baut, die sich wirklich natív anfühlen. Kein generischer Prompt, sondern destilliertes Wissen aus einem echten Produkt. Das erinnert mich an die frühe WordPress-Plugin-Ära. Damals haben Leute angefangen, spezialisierte Funktionalität zu bauen, die niemand vorher für nötig hielt. Und plötzlich war da ein ganzer Markt. Genau das sehe ich jetzt bei Agent Skills. Statt immer denselben Prompt neu zu schreiben, gibt es fertige, aus der Praxis destillierte Skills. Das ist effizienter, besser und es wird noch viel davon geben.
Weiter im Programm. Google hat Deep Research Max vorgestellt, einen eigenständigen Research Agent für komplexe Recherche-Aufgaben. Das ist Googles Antwort auf OpenAIs Deep Research und Anthropics Claude Research. Und ehrlich gesagt ist das ein Bereich, in dem Google strukturelle Vorteile hat. Die haben den gesamten Web-Index. Wenn ein Agent recherchiert, dann kann Google tiefer und breiter suchen als jeder andere. Die Frage ist nur: Wie gut ist die Synthese? Ein Research Agent ist ja nicht nur eine Suchmaschine mit Sprachausgabe — er muss verstehen, welche Quellen vertrauenswürdig sind, Widersprüche erkennen und am Ende etwas liefern, das mehr ist als eine Zusammenfassung der ersten fünf Suchergebnisse. Ich finde, das wird einer der spannendsten Wettbewerbe der nächsten Monate. Wer baut den Research Agent, dem man wirklich vertrauen kann?
Dann gab es am Wochenende zwei Diskussionen auf Hacker News, die zusammengenommen ein ziemlich gutes Bild ergeben. John Gruber hat geschrieben, dass KI eine Technologie ist, kein Produkt. Sein Argument: Modelle haben keine klaren Use Cases, keine Preise, kein UX, keinen Support. Was wir Produkte nennen, sind Technologien im Produkt-Mantel. Parallel dazu hat ein Enterprise Architect einen Beitrag geschrieben, der auf 500 Punkte kam. Sein Take: KI macht Prozesse nicht automatisch schneller, weil die eigentliche Arbeit nicht im Code-Schreiben liegt, sondern im System Design und im Stakeholder-Management. Ich finde, beide treffen einen wichtigen Punkt. KI ist ein Werkzeug, kein Produkt. Und kein Werkzeug der Welt repariert einen schlechten Prozess. Spannend ist, dass diese Diskussionen jetzt auf dem Mainstream ankommen und nicht mehr nur in Nischenblasen stattfinden.
Kurz noch ein paar Meldungen, die heute im Hintergrund wichtig waren. Semble ist ein neues Tool für Code-Suche, das 98 Prozent weniger Tokens verbraucht als herkömmliche grep-basierte Ansätze — ein Game Changer für agentische Workflows, bei denen jedes Token kostet. Facebook Research hat VGGT Omega veröffentlicht, ein Computer-Vision-Modell für 3D-Szenenrekonstruktion, das auf der CVPR 2026 als Oral Paper angenommen wurde. Ein detaillierter Blogpost verglich die Kosten von lokaler Inference auf Apple Silicon mit OpenRouter-APIs und kam zu dem Schluss, dass APIs für viele Workloads günstiger sind — auch die Abschreibung der Hardware eingerechnet. Und auf HuggingFace gab es drei neue Papers, darunter einen RL-Ansatz, der aus Fehlern lernt statt aus Erfolgen. Finde ich erfrischend, ehrlich gesagt. Die meisten Menschen lernen auch mehr aus dem, was schiefgeht, als aus dem, was klappt.
Wenn ich den heutigen Tag in einen Satz packen müsste, dann wäre es dieser: KI wird langsam erwachsen. Nicht weil die Modelle größer werden, sondern weil die Infrastruktur um sie herum wächst. Sprachen für Agenten, Märkte für Skills, Werkzeuge, die weniger Tokens brauchen, Research Agents, die wirklich recherchieren. Das sind die unsichtbaren Fortschritte, die am Ende den Unterschied machen. Danke dass ihr zugehört habt. Ich hoffe die Folge hat euch gefallen. Schreibt mir gerne eure Gedanken. Servus und bis morgen, eure Lissy.