Kontext.FM

Decision Models sind die neue Modell-Klasse, die gerade alle nachbauen: TypeSafe AI hat mit Jev vorgelegt, OpenAI zieht mit der Decisions API nach, Cloudflare mit Clef. Kai und Trutz erklären, wie die Modelle funktionieren, wo sie sich lohnen und wo die Grenzen liegen.

Ein Decision Model bekommt Kontext und feste Antwortoptionen und liefert für jede Option eine Wahrscheinlichkeit zurück. Ohne Reasoning-Umweg und ohne Output-Tokens: extrem schnell, sehr günstig und immer strukturiert. Ideal für Entscheidungen wie: Beantwortet der Agent dieses Support-Ticket selbst oder geht es an einen Menschen?

Vorher berichtet Trutz von drei Wochen USA: mit dem Waymo durch Los Angeles und San Francisco, an AI-Billboards vorbei durchs Silicon Valley, vom Apple Park bis nach Stanford.

Themen dieser Folge:

• Decision Models erklärt: Wie Jev von TypeSafe AI funktioniert und warum das Auslesen von Wahrscheinlichkeiten so schnell ist.
• In wenigen Wochen nachgebaut: die Decisions API von OpenAI und Clef von Cloudflare.
• Praxisfall Support-Tickets: automatisch antworten oder an das Team übergeben?
• Rund 0,04 Dollar pro Million Input-Tokens, Output kostenlos: Warum die Kosten so gut kalkulierbar sind.
• 95 Prozent sicher? Das Problem nicht kalibrierter Wahrscheinlichkeiten und die Chance durch Fine-Tuning.
• Erste Fahrten im Waymo: Wie sich ein fahrerloses Taxi anfühlt und warum es fährt wie ein Mensch. Ende 2027 soll es in München losgehen.
• Von der DARPA Grand Challenge 2005 bis in die Städte: rund 20 Jahre autonomes Fahren.
• Gefühlt neun von zehn Plakaten mit AI: Eindrücke aus dem Ökosystem Silicon Valley.
• Neue Modelle im Schnelldurchlauf: Opus 5.5, Sonnet 5.5, Gemini 4 Argon und GPT 6.1.
• Warum Sonnet bei langem Reasoning teurer werden kann als Opus.
• Preisdruck durch chinesische Modelle und die Frage nach Abhängigkeit und Souveränität.
• METR-Studie: Die Dauer, die AI-Agenten eigenständig arbeiten können, verdoppelt sich etwa alle vier Monate.

Links:

• TypeSafe AI (Jev): https://docs.typesafe.ai/introduction
• METR: https://metr.org

Ein KI-Agent bucht Fitnesskurse, die auf der Website noch gar nicht freigeschaltet sind, und storniert anschließend sogar die Reservierung eines anderen Nutzers. Möglich wird das, weil das Backend mehr erlaubt als das Frontend und wichtige Zugriffskontrollen fehlen.

Kai und Trutz nehmen diesen Fall als Einstieg, um Security bei selbst gebauten KI-Anwendungen praktisch anzugehen: Welche Risiken entstehen, wenn eine App aus dem Internet erreichbar ist? Was darf ein Agent eigenständig tun? Und wie verhindert man, dass aus einem kleinen Tool ein teures oder gefährliches Problem wird?

Themen dieser Folge:

• Wenn das Backend mehr erlaubt als das Frontend: Ein KI-Agent bucht Kurse im Voraus und storniert fremde Reservierungen.
• Risikoabschätzung in zwei Dimensionen: Reichweite (lokal vs. öffentlich, ein Nutzer vs. viele) und agentischer Charakter (welche Aktionen kann der Agent eigenständig ausführen?).
• Klassische Web-Sicherheitslücken: SQL-Injection, fehlerhafte Authentifizierung, unsichere Datenbankzugriffe, offene S3-Buckets und veraltete Abhängigkeiten.
• KI-spezifische Risiken: Prompt Injection, nichtdeterministisches Verhalten, zu weitreichende Agentenrechte und unkontrollierte Kosten durch API-Missbrauch.
• Praktische Gegenmaßnahmen: Limits für Tokens und Interaktionen, Read-only-Datenbanknutzer, Human-in-the-Loop bei kritischen Aktionen und regelmäßige Security-Reviews mit Coding-Agenten.
• Die OWASP Top 10 als Orientierung für häufige Schwachstellen in Web-Anwendungen.
• Warum KI-Agenten für Security-Checks überraschend gut funktionieren und warum man trotzdem mehrere Modelle einsetzen sollte.

Links:

• OWASP Top 10: https://owasp.org/www-project-top-ten/

Zum ersten Mal ist ein Gast bei Kontext.FM dabei: Simon Marqua, Gründer und Geschäftsführer der Kölner Performance-Marketing-Agentur trafficdesign. Die Agentur beschäftigt rund 70 Mitarbeitende, hat kürzlich Social Heaven übernommen und entwickelt viele ihrer internen Tools selbst. Gemeinsam mit Trutz spricht Simon darüber, wie AI im Agenturalltag eingesetzt wird: vom eigenen CRM über einen Sales-Agent bis zur Frage, wie ein Team mit dem schnellen Wandel Schritt hält.

Themen dieser Folge:

• Eigenes CRM als Ablösung von HubSpot, fast ohne selbst geschriebene Codezeile
• Sales-Agent: nach dem Kundencall reinsprechen, strukturierte Übergabe ans Projektteam
• Claude-Lizenzen fürs ganze Team, Wissen in Google Drive statt in Memory
• Internes Setup, mit dem neue Apps per Knopfdruck starten
• Change im Unternehmen: Leute mitnehmen und Ergebnisse prüfen

Links:

• trafficdesign: https://www.trafficdesign.de/
• trafficdesign Newsletter: https://www.trafficdesign.de/newsletter/
• Simon Marqua: https://www.linkedin.com/in/simon-marqua

Kai ist im Urlaub, also springt Martin wieder ein und liefert gemeinsam mit Trutz eine prallgefüllte Inspirationsfolge rund ums Vibe Coding. Kein Theorie-Overhead, nur konkrete Mini-Projekte aus dem echten Alltag, die zeigen: Wer beschreiben kann, was er will, kann es heute auch bauen.

Aktuelles aus der KI-Welt:

• YouTube-Video The True Cost of AI Coding: mentale Gesundheit beim parallelen Arbeiten mit mehreren Agenten
• Anthropic führt Text-Watermarking ein: Wortwahrscheinlichkeiten statt unsichtbarer Sonderzeichen
• Neue Modelle im Überblick: Qwen3.8-27B (lokal, multimodal, 262k Kontext), Grok 4.6 (xAI, stark im agentischen Bereich), Gemini 3.7 Flash (Googles neues Workhorse-Modell, sehr günstig), GLM-5.3 (überraschend starke Cybersecurity-Fähigkeiten)
• Reasoning-Parameter als neuer Stellhebel: nicht nur das richtige Modell wählen, sondern auch die richtige Denktiefe einstellen

Konkrete Vibe-Coding-Projekte aus dem Alltag:

• Interaktiver Reise-Globus (Martin): Single-File-HTML-Tool mit WebGL/Three.js, um bereiste Länder zu visualisieren und Statistiken auszuwerten, ganz ohne Coding-Vorkenntnisse
• Eigenes Geo-Trivia-Spiel (Martin): Nachbau von Geotrivia mit Claude Code, unbegrenzt spielbar und mit eigener Datenbank für Länder-Datenpunkte (BIP, Fläche, Bevölkerung …)
• Clash-of-Clans-Kartentausch-Tool (Trutz): Oberfläche für den Clan, um Karten einzutragen und passende Tauschpartner per Algorithmus zu finden
• Live-Tracking-Viewer (Trutz): Öffentliche Datenquelle eines Ultramarathons abgezapft und nach eigenen Wünschen aufbereitet, inklusive Tipp zur Browser-Developer-Konsole (Netzwerk-Tab)
• Registrierungs-Visualizer für AMALYTIX (Martin): Lokales HTML-Tool, das eine Excel-Datei einliest, Marketingkanäle im Zeitverlauf visualisiert und Diagramme für Präsentationen liefert. Datenschutz inklusive, weil nichts den Rechner verlässt
• Buchhaltungs-Automatisierung (Trutz): Python/Pandas-Skript verknüpft Stripe-Zahlungen mit Rechnungen und vergleicht Vorjahreszahlungen
• Arzttermin-Watcher (Trutz): Skript prüft alle 10 Minuten ein Buchungsportal und schickt per SimplePush eine Push-Nachricht aufs Handgelenk

Technische Inspirationen & Tipps:

• Chrome Extensions selbst bauen und lokal laden (Developer-Modus), z. B. für LinkedIn-Analytics-Export oder versteckte Kundennummern in die Zwischenablage
• Bookmarklets: JavaScript hinter einem Browser-Bookmark. Trutz' Beispiel öffnet per ASIN-Eingabe direkt die Amazon-Produktseite
• Pandas (Python) für Excel/CSV-Auswertungen, Y-Data Profiling für schnelle Datensatz-Übersichten, Streamlit für browserbasierte Daten-Tools
• FFmpeg für Audio-/Videobearbeitung per Skript
• Coding-Agenten direkt nutzen: Claude Code (Anthropic) oder Codex (OpenAI), damit kein manuelles Copy-Paste mehr nötig ist

Feedback, eigene Projektideen oder Inspirationen gerne an [email protected]. Eine Bewertung auf eurer Lieblings-Podcast-Plattform hilft dem noch jungen Podcast enorm!

Kai ist im Urlaub, deshalb übernimmt heute Martin, der bei AMALYTIX das Marketing verantwortet. Gemeinsam mit Trutz zeigt er, wie ein kleines Team mit Hilfe von KI und Coding-Agenten eine echte Content-Fabrik aufbaut: von der Primärquelle bis zum fertigen Post auf LinkedIn, Reddit, YouTube und im Newsletter auf Deutsch und Englisch.

Themen dieser Folge:

• Die Content-Factory-Idee: Warum ein zentrales Content-Repository (in Cursor) den Unterschied macht
• Primärquellen nutzen: Meeting-Transkripte, Screen-Recordings und Release-Notes als Ausgangspunkt für alle Kanäle
• Kanal-spezifische Skills: Wie man Prompts/Arbeitsanweisungen pro Plattform hinterlegt, damit der Agent den richtigen Ton trifft
• AI-Slop vermeiden: Konkrete Regeln gegen typische KI-Muster (Spiegelstriche, „nicht X, sondern Y")

Links:

• Kontext.FM Folge 007: AI Skills
• Code Editor Cursor.com
• Statischer Seitengenerator AstroJS
• Beispiel Content-Piece mit interaktiven Elementen
• Beispiel-Mikro-Tool als Content Piece

Kai und Trutz tauchen tief in das Thema Skills ein. Einfache Markdown-Textdateien, die KI-Agenten beibringen, wie wiederkehrende Aufgaben ablaufen sollen. Trutz zeigt anhand seines eigenen Entwicklungsprozesses bei AMALYTIX, wie man mit einem strukturierten Skill-Set von der vagen Idee bis zum fertigen Feature kommt, und dabei den Kontext sauber hält.

Themen dieser Episode:

• Was Skills sind und warum sie für jeden nützlich sind – nicht nur für Entwickler
• Trutz mehrstufiger Entwicklungsprozess: Explore → Plan → Implement → Code Review → Deploy
• Warum frische Kontextfenster pro Phase entscheidend sind und wie Zwischendokumente den Kontext transportieren
• Skills in Apps wie Claude oder ChatGPT

Links:

• Openspec Skills
• Matt Pocock Skills

Kai und Trutz schließen die Lücken aus der letzten Folge und erklären die technischen Konzepte, die jeder ambitionierte Vibe-Coder kennen sollte – von Versionskontrolle bis zum Hosting. Kein Deep-Dive, sondern ein ehrlicher Überblick: Welches Problem löst was, und wann brauche ich es wirklich?

Themen dieser Folge:

Der Coding-Agent kennt sich mit all diesen Technologien aus – ihr müsst nur verstehen, welches Problem ihr lösen wollt.

In dieser Folge von Kontext.FM gehen Kai und Trutz den nächsten Schritt nach den Mikro-Tools im Browser. Sie beantworten die Frage, wie man eine echte Entwicklungsumgebung auf dem eigenen Rechner aufsetzt, um komplexere Projekte wie zeitgesteuerte Skripte oder Web-Apps mit Coding-Agenten umzusetzen. Dabei nehmen sie vor allem Nicht-Entwicklern die Angst vor dem Terminal und zeigen, dass man kein Profi sein muss, um mit moderner KI-Unterstützung Software zu bauen.

Die Themen dieser Episode:

• Warum der Wechsel vom Browser auf den lokalen Rechner sinnvoll ist.
• Das Terminal: Keine Angst vor der Kommandozeile und wie man sie als Schnittstelle nutzt.
• Homebrew: Der einfachste Weg, um Software auf dem Mac zu installieren.
• Laufzeitumgebungen: Ein kurzer Überblick über Python und Node.js.
• Code-Editoren und IDEs: Warum Cursor der ideale Einstieg für Vibe-Coder ist.
• Coding-Agenten im Vergleich: Claude Code, GitHub Copilot und OpenAI Codex.
• Praxistipps für die Projektstruktur und den Umgang mit Fehlermeldungen.

Erwähnte Tools und Links:

• Homebrew - Paketmanager für macOS.
• Cursor - KI-gestützter Code-Editor.
• Claude Code - Coding-Agent von Anthropic.
• Handy.App - Audio-Transkription für den Mac.
• VS Code - Der Standard-Editor von Microsoft.
• Node.js - Laufzeitumgebung für Javascript
• Python - Laufzeitumgebung für Python

In dieser Folge von Kontext.FM tauchen Kai und Trutz in die Welt der lokalen Sprachmodelle (LLMs) ein. Sie erklären, warum es sich lohnt, KI nicht in der Cloud, sondern auf der eigenen Hardware zu nutzen — von massiven Kosteneinsparungen bei der Textanalyse bis hin zu maximalem Datenschutz für sensible Dokumente. Kai teilt seine praktischen Erfahrungen mit dem Setup auf dem Mac und zeigt auf, dass man kein Entwickler sein muss, um sein eigenes ‘privates ChatGPT’ zu starten.

Die Schwerpunkte dieser Episode:

• Warum lokale Modelle ein Gamechanger für die Souveränität und den Datenschutz im Unternehmen sind.
• Hardware-Check: Was Arbeitsspeicher (RAM) und Speicherbandbreite wichtiger macht als die reine Prozessorleistung.
• Fachbegriffe einfach erklärt: Was bedeuten Parameter-Größen (7B, 27B) und Quantisierung für die Qualität.
• Tool-Empfehlungen: Wie man mit OMLX, Ollama und OpenWebUI in wenigen Minuten startklar ist.
• Praxis-Checks: Wo lokale Modelle glänzen (Coding, Dokumentenanalyse) und wo sie an ihre Grenzen stoßen (Kontextfenster).
• Geopolitik der KI: Warum offene Modelle aus China gerade eine wichtige Rolle für die europäische Unabhängigkeit spielen.

Erwähnte Tools und Ressourcen:

• OMLX: Einfaches Interface zum Verwalten und Ausführen von Modellen auf dem Mac.
• OpenWebUI: Eine mächtige, selbstgehostete Weboberfläche für den Chat mit lokalen LLMs.
• Hugging Face: Die zentrale Plattform zum Entdecken und Herunterladen von Open-Weight-Modellen.
• OpenCode: Ein lokaler Agent für Programmieraufgaben.
• Modelle wie Qwen (Alibaba) und Gemma (Google) als leistungsstarke lokale Alternativen.

In dieser Folge von Kontext.FM zeigt Trutz, wie er seine Fitness- und Trainingsdaten aus verschiedenen Quellen zusammenführt und mithilfe von Claude AI analysiert. Er nutzt das Model Context Protocol (MCP), um eine direkte Verbindung zwischen dem Sprachmodell und der Plattform Intervals.icu herzustellen. Das Ergebnis ist ein KI-gestützter Fitness-Coach, der nicht nur Trainingspläne erstellt, sondern auch tiefgreifende Einblicke in die aerobe Ausdauer und den Erholungsstatus gibt.

Die Themen dieser Episode:

• Datensynchronisation von Apple Health, Pulsgurten und Wattmessern über Intervals.icu.
• Die Funktionsweise des Model Context Protocol (MCP) als standardisierter „USB-Anschluss“ für KI-Modelle.
• Praktische Anwendung: Wie Claude Trainingsfehler erkennt und die Ernährung optimiert.
• Lokale Installation von MCP-Servern vs. Cloud-Lösungen wie bei Strava.
• Risiken und Potenziale beim schreibenden Zugriff von KI-Agenten auf persönliche Daten.
• Warum ein KI-Coach die psychologische Komponente eines Personal Trainers ersetzen kann.

Erwähnte Tools und Links:

• Intervals.icu: Plattform für die Analyse von Radsport- und Laufdaten.
• Claude Desktop App: Lokale Anwendung zur Nutzung von MCP-Servern.
• Model Context Protocol (MCP): Der offene Standard von Anthropic zur Anbindung von Datenquellen.
• Strava: Soziales Netzwerk für Sportler mit eigenem MCP-Server für Premium-Mitglieder.
• RunGap: App zum Datentransfer zwischen verschiedenen Fitness-Ökosystemen.