KI-Tool-Anleitungen, Vergleiche und Neuigkeiten

Direkt nach dem Update von Claude Desktop (Windows) erscheint beim Start „Eine andere Anwendung verwendet diese Datei gerade" und die App startet nicht — und sie bleibt defekt, bis der PC neu gestartet wird. Das ist ein bekannter Fehler der Microsoft-Store-Variante (MSIX) (GitHub #53247 und weitere). Der Kernpunkt: Ein vollständiger PC-Neustart ist nicht zwingend nötig — in vielen Fällen genügt es, sich von Windows ab- und wieder anzumelden (kein PC-Neustart und kein Abmelden von Claude), weil der verwaiste Handle dahinter pro Windows-Benutzersitzung fortbesteht. CoworkVMService zu beenden oder das Paket neu zu registrieren funktioniert laut Berichten NICHT. Trotz des Dialog-Wortlauts ist verifiziert, dass keine Dateisperre im Benutzerbereich vorliegt (handle.exe / Process Explorer): Der eigentliche Fehler liegt in der Container-Schicht von AppX/Desktop Bridge, bei der Job-Object-→-Silo-Umwandlung (0x80070020 = ERROR_SHARING_VIOLATION, Ereignisse 215/208). Der Auslöser hat zwei ungeklärte Erklärungen — der Dienst hält das Job Object (#57221) vs. ein Absturz beim Start lässt das Aufräumen unerledigt (#53247) — und es ist keine offizielle Lösung ausgeliefert worden. Die dauerhafte Umgehung ist der Wechsel zur Squirrel-Variante (Installer). Basierend auf einem einzelnen Rechner (Windows 11 Home 10.0.26200), abgeglichen mit GitHub-Issues; durchgehend mit Vertrauenskennzeichnung.

ChatGPT Work ist der „KI-Agent für die Arbeit", den OpenAI am 9. Juli 2026 zusammen mit GPT-5.6 vorgestellt hat. Anders als ein normaler Chat, der bloß antwortet, sammelt er Kontext aus deinen verbundenen Apps und Dateien, um fertige Ergebnisse zu erstellen — Dokumente, Tabellen, Folien und sogar Web-Apps. Sein Gehirn ist das neue Flaggschiff GPT-5.6 Sol (auf Codex aufgebaut), und es kann ein komplexes Projekt in Schritte zerlegen und stundenlang weiterarbeiten (Thurrott). Innerhalb der vereinten Desktop-App leben drei Modi zusammen — Work (Ergebnisse), Codex (technisch, zeigt Details) und normaler Chat (Gespräch) — wobei Work als die „Business-Version" positioniert ist, die Codex' technische Details verbirgt (9to5Mac). Das Modell hängt von deinem Tarif ab: Free/Go bekommen standardmäßig Terra, während Plus/Pro/Business/Enterprise aus Sol/Terra/Luna wählen (laut Berichten). Seine Stärke ist das Einbeziehen „deines Kontexts" über Connectors wie Google Drive, SharePoint und Slack sowie MCP — und für Unternehmen werden Daten standardmäßig nicht fürs Training verwendet. Gestützt auf Axios, TechCrunch, 9to5Mac, Thurrott und OpenAI zeigt dieser Artikel, was ChatGPT Work ist, wie es sich von normalem ChatGPT und Codex unterscheidet, welche Tarife es nutzen können und mit welchen Apps es sich verbindet — mit Sicherheitskennzeichnungen für das, was noch nicht offiziell ist.

„Wie stark senkt KI den Softwareentwicklungsaufwand?" Mit dem agentischen Coding 2025–2026 hat sich die Maßeinheit selbst geändert. Früher lautete die Frage „um wie viel Prozent wird eine Aufgabe schneller"; heute ist es eine Frage der Größenordnung: „ein Entwicklungszyklus, der Wochen dauerte, wird auf Stunden oder Tage komprimiert" (TechTarget). Claude Fable 5 beendete Stripes Migration von 50 Millionen Zeilen an einem Tag; TELUS sparte 500.000 Entwicklerstunden; die Zykluszeit ging von 9,6 → 2,4 Tage. Die Zahlen der Autocomplete-Ära — Copilot-RCT 55,8 % schneller, McKinsey 20–50 % nach Aufgabe — sind nun die Untergrenze. Doch es ist kein gleichmäßiges 10×: laut Anthropics 2026 Agentic Coding Trends Report nutzen Entwickler KI bei ~60 % ihrer Arbeit, doch nur 0–20 % der Aufgaben lassen sich vollständig delegieren (die Delegationslücke), sodass menschliche Prüfung nötig bleibt, und etwa 27 % der KI-Arbeit ist neue Arbeit, die es vorher nicht gab (Aufwand senken = mehr produzieren). Bei gutem Kontextdesign: 40 % weniger Fehler und 55 % schneller. Selbst METRs Ergebnis von 2025 „Experten sind 19 % langsamer" kehrt sich 2026 um, wobei die Autoren zugeben, dass die Messung die Realität unterschätzt. Dieser Artikel trennt diese Polarisierung mit belegten Quellen (GitHub, McKinsey, Anthropic, METR, DORA) und zeigt, wie man die Aufwandsersparnis tatsächlich realisiert.

Am 8. Juli 2026 hat OpenAI mit GPT-Live die Sprachfunktion von ChatGPT von Grund auf erneuert: ein Vollduplex-Modell, das hört und spricht zugleich – es gibt Hörsignale, fängt Unterbrechungen auf und schneidet nachdenkliches Schweigen nicht ab. Mit einer Latenz von <250ms erreicht es ein menschennahes Gesprächstempo; tiefes Schlussfolgern und Web-Suche werden im Hintergrund an GPT-5.5 delegiert. Free nutzt GPT-Live-1 mini, Go/Plus/Pro GPT-Live-1. Dieser Beitrag erklärt Funktionsweise, Unterschiede zum Advanced Voice Mode, Tarife, aktuelle Einschränkungen und die Abgrenzung zu GPT-Realtime.

GPT-5.6 „Sol" und Gemini 3.1 Pro im direkten Vergleich – zwei Giganten, deren Stärken sich kaum überschneiden. Sol dominiert beim Terminal- und agentischen Coding (Terminal-Bench 88.8% vs. 68.5%, SWE-bench Pro 64.6% vs. 54.2%) sowie bei Mathematik, während Gemini mit nativer Multimodalität (Sprache/Video), etwa halbem Preis und Vorsprung bei MMLU, ARC-AGI-2 und WebDev Arena dagegenhält. Wichtig: Googles eigentlicher Herausforderer 3.5 Pro ist noch nicht verfügbar (GA Mitte Juli). Wir ordnen Leistung, Preis, Multimodalität und die Wahl nach Anwendungsfall ein.

Bei langer Arbeit mit Claude Code wiederholt die Antwort plötzlich dutzende bis hunderte Male dasselbe Wort „court“ und bricht mit „API Error: Response stalled mid-stream“ ab. Dahinter stecken meist zwei getrennte, bekannte Bugs, die sich verketten: eine Wiederholungsschleife (Degeneration) auf Modellseite und ein gestoppter Antwort-Stream auf der Übertragungsseite. Dieser Artikel klärt auf Basis der offiziellen Fehler-Referenz und realer GitHub-Issues das Wesen beider Ebenen, die auslösenden Bedingungen, die sofortige Notbremse (Esc → neue Sitzung, /clear), die Vorbeugung für Entwickler (Lese-Timeout, Wiederholungserkennung, max_tokens) sowie die Abgrenzung zum verwandten court/invoke-Tag-Leck.

Nur zweieinhalb Monate nach GPT-5.5 kommt GPT-5.6 — und die größte Änderung ist keine bloße Leistungssteigerung, sondern der Umbau von einem Flaggschiff zu drei Modellen: Luna, Terra und Sol. Am stärksten wirkt das Mittelklasse-Modell Terra, das GPT-5.5-vergleichbare Qualität zu etwa dem halben Preis ($2.50/$15) bietet, während Sol bei unverändert $5/$30 mehr Leistung liefert (SWE-Bench Pro 58.6→64.6%, geschätzt). Wir zeigen, was sich geändert hat, wie stark die Kosten sinken und auf welches Modell man umsteigen sollte.

Ein ausführlicher Vergleich von OpenAIs Spitzenmodell GPT-5.6 Sol (9. Juli) und Claude Fable 5 (9. Juni), das Anthropic als „das stärkste je allgemein verfügbare Modell" positioniert. Während das Opus-4.8-Duell ein direktes Aufeinandertreffen in derselben Preisklasse war, geht es hier um die Abwägung zwischen Kosten und Leistung: „der halb so teure Allrounder Sol ($5/$30)" gegen „das doppelt so teure, aber höchste Fable 5 ($10/$50)". Beim produktionsreifen SWE-Bench Pro lässt Fable 5 mit 80.3% Sols 64.6% (geschätzt) um mehr als 15 Punkte hinter sich – der Abstand ist größer als im Opus-4.8-Duell. Zudem arbeitet Fable 5 unter Konzentration auf Millionen Tokens bis zu 12 Stunden selbstständig; die „Durchhaltekraft", mit der Stripe eine Ruby-Migration von 50 Millionen Zeilen an einem Tag abschloss, ist seine Paradedisziplin. Sol dagegen führt bei Terminal-Bedienung (TerminalBench 2.1: 88.8% vs Fable 86.0%), Agents' Last Exam (53.6 vs 40.5) und Coding Agent Index (80 vs 77.2) – und ist mit halbem Preis plus +54% Token-Effizienz stark bei der Preis-Leistung. Der Artikel ordnet Spezifikationen, Benchmark-Details, das „Problem der nicht veröffentlichten Benchmarks" (OpenAI legt Sols SWE-bench Pro nicht offen), Langzeit-Autonomie, reale Kosten (pro erledigter Aufgabe betrachtet), eine Stärken-Schwächen-Karte und die Wahl nach Anwendungsfall auf Basis offizieller und unabhängiger Benchmarks ein.

Ein ausführlicher Vergleich der beiden KI-Coding-Giganten von 2026, Claude Opus 4.8 (28. Mai) und GPT-5.6s Spitzenmodell Sol (9. Juli). Ihre Stärken sind nahezu entgegengesetzt: Sol führt bei Terminalbedienung und agentischer Gesamtstärke (TerminalBench 2.1 88.8% vs Opus 78.9%, Agents' Last Exam 53.6, Coding Agent Index 80), während Opus 4.8 bei produktionsreifem Coding, Mathematik und Langkontext führt (SWE-bench Pro 69.2% vs Sol 64.6%, USAMO 2026 96.7%, GraphWalks 1M 68.1%) und Ehrlichkeit in den Vordergrund stellt (Selbstüberschätzung auf ein Zehntel reduziert, 0% unkritische Meldung fehlerhafter Ergebnisse). OpenAI lässt zudem viele von Sols Benchmarks unveröffentlicht (SWE-bench Pro, GPQA, AIME, MMLU), sodass im Kerngebiet des Codings das offengelegte Opus vorn liegt. Wir behandeln die Spezifikationstabelle, Benchmark-Details, das Problem der unveröffentlichten Benchmarks, reale Kosten ($25 vs $30 Preis pro Token vs +54% Token-Effizienz), eine Stärken-/Schwächen-Karte, Empfehlungen nach Anwendungsfall und eine Dual-Vendor-Strategie.

OpenAI hat GPT-5.6 am 9. Juli 2026 allgemein verfügbar gemacht und die alte Struktur aus „Standard + Pro" durch ein Drei-Modell-System ersetzt: Luna (schnell, günstig, $1/$6), Terra (ausgewogen, $2.50/$15, GPT-5.5-Niveau zum halben Preis) und Sol (Flaggschiff, $5/$30). Sol steht beim Agents' Last Exam (53.6) und beim Coding Agent Index (80) an der Spitze, und seine 88.8% im TerminalBench 2.1 übertreffen Claude Fable 5 (86.0%) knapp — beim produktionsnahen SWE-Bench Pro führt Claude Fable 5 jedoch klar mit 80.0% gegenüber Sols 64.6%. Dieser Artikel behandelt die Unterschiede der drei Modelle, Preise, Benchmarks, neue Funktionen (Programmatic Tool Calling, ChatGPT Work, das Vollduplex-Sprachmodell GPT-Live), die Verfügbarkeit nach ChatGPT-Tarif, den Vergleich mit Claude (Fable 5 / Opus 4.8) und die Wahl nach Anwendungsfall — alles auf Basis der offiziellen Ankündigung von OpenAI und unabhängiger Benchmarks.

Der plötzlich in Claude Code und der API auftauchende Fehler 'API Error: 400 Output blocked by content filtering policy' bedeutet weder ein Nutzungslimit noch eine überschrittene Kontextgrenze, sondern dass der Sicherheitsfilter die 'Ausgabe' gestoppt hat, die Claude zurückgeben wollte. Hauptzweck ist die Verhinderung der wortgetreuen Reproduktion bestehender Werke; bei der Volltext-Generierung von Standardlizenzen wie MIT/Apache, bei 'Angleich'-Aufgaben an bestehende Quellen oder beim Vervielfältigen langer Dokumente kommt es häufig zu Fehlalarmen (False Positives) ohne böse Absicht. Dieser Artikel ordnet die offizielle Erklärung (der Ausgabefilter erkennt die Werk-Reproduktion und blockiert mit 400), die in echten Claude-Code-Issues sichtbaren Fehlalarm-Muster (OSS-Repo-Ersteinrichtung, Listenabgleich, am Ende langer Agenten-Läufe als Token-Limit fehldiagnostiziert), die Sofortlösungen (nicht abschreiben lassen, sondern per Tool holen; Prompt in Richtung Generieren/Zusammenfassen umformulieren; mit Esc die Retry-Schleife stoppen; Aufgabe aufteilen; Fehlalarme dem Support melden) sowie die Abgrenzung zu Prompt is too long, usage limit, 529 Overloaded und max_tokens.

In der Solo-Entwicklung bleiben viele bei „gebaut, aber wie verdiene ich und welchen Preis setze ich?" stecken. Dieser Artikel fasst aus Sicht des Solo-Entwicklers praxisnah zusammen: die Wahl des Erlösmodells (gratis/Einmalkauf/Abo/Freemium/Werbung/Spenden), die wertbasierte Preisgestaltung, die nicht von Kosten oder Konkurrenz, sondern vom „Wert, den der Kunde erhält" ausgeht, den 3-Stufen-Plan Gratis→Pro→Business mit Jahresrabatt als Standard, wie man die ersten zahlenden Nutzer gewinnt, und die Rentabilität, in die man KI-Kosten wie API-Token einrechnet. Ein Beitrag, der die Wachstumsphase des Mutterschiff-Artikels „Roadmap zur Solo-Entwicklung mit KI" vertieft.