KI-Tool-Anleitungen, Vergleiche und Neuigkeiten

Ziehe eine CSV ins Chatfenster, tippe "analysiere den Umsatztrend und stelle ihn als Diagramm dar", und einige Dutzend Sekunden später hat die KI im Hintergrund Python geschrieben und ausgeführt und liefert ein Diagramm plus Analysekommentare — da steht die Datenanalyse im Jahr 2026. KI-Datenanalyse ist eine Methode, bei der die KI allein auf Anweisung in natürlicher Sprache Aggregation, Visualisierung, Statistik und Ursachenanalyse übernimmt. Es gibt drei Einstiege: (1) eine Datei in den Chat ziehen (ChatGPT, Claude), (2) Excel/Sheets-Integration (Copilot, Claude for Excel) und (3) spezialisierte Tools (Julius). Dieser Artikel behandelt die drei Ansätze, einen Tool-Vergleich, den Workflow Ziel → Daten beschreiben → klein fragen → überprüfen → interpretieren und die wichtigsten Fallstricke (erfundene Zahlen, stillschweigend gefüllte Lücken, Verwechslung von Korrelation und Kausalität, Preisgabe vertraulicher Daten, Überschreiben von Rohdaten) sowie welche Analysen passen und welche nicht. Die KI hat die "Werkzeug-Mauer" eingerissen, aber die "Interpretations-Mauer" dem Menschen überlassen — nur wer Bequemlichkeit mit Überprüfung verbindet, beherrscht sie wirklich.

GitHub Copilot startete 2021 als intelligente Code-Vervollständigung; bis 2026 ist daraus etwas anderes geworden. Weisen Sie ihm ein einzelnes GitHub Issue zu und gehen Sie weg, dann schreibt die KI den Code, bringt die Tests zum Bestehen, öffnet einen Pull Request und gibt ihn zurück — der Copilot cloud agent (früher Copilot coding agent). GitHub Copilot ist ein KI-Programmierunterstützungsdienst von GitHub (im Besitz von Microsoft) mit drei Nutzungsarten: Vervollständigung, Chat und Agent. Sein prägendes Merkmal ist die Installation als Erweiterung in bestehende Editoren wie VS Code und JetBrains — Sie fügen KI hinzu, ohne Ihren gewohnten Editor zu wechseln. Dieser Artikel behandelt, was Copilot kann, das Highlight 2026 — Agent Mode und Cloud Agent —, die Preise Free/Pro $10/Pro+ $39/Max $100 und den Wechsel zur nutzungsbasierten Abrechnung (AI Credits) ab Juni 2026, wie es sich von Cursor und Claude Code unterscheidet, für wen es passt und wie man startet — alles mit den neuesten Informationen.

Das Training von GPT-4 erforderte etwa 2,1×10²⁵ FLOP Rechenleistung zu Kosten von etwa 78 Millionen Dollar (beides Schätzungen), und allein das Training von GPT-3 verbrauchte 1.287 MWh (über ein Jahrhundert Haushaltsstrom). Hinter unserem beiläufigen "fass das mal zusammen" liegt eine Welt aus Physik und Geld. Dieser Artikel seziert ein LLM aus drei Richtungen: Mechanismus, Strom und Geld. (1) Warum kann ein LLM Wörter aus einem Haufen von "Gewichten (Parametern)" vorhersagen? — Next-Token-Vorhersage, Transformer, Attention. (2) Das zweistufige Lernen aus Pre-Training und RLHF. (3) Der Strom pro Anfrage hängt davon ab, wer wie gemessen hat (0,24 Wh laut Googles Messung; über 29 Wh für einen langen Prompt an die schwersten Modelle laut einer Schätzung Dritter). (4) Stimmt es, dass "Spitzenentwicklung eine Geldschlacht" ist? — die Trainingskosten steigen um das 2,4-Fache pro Jahr, bis 2027 werden Läufe über $1B prognostiziert. (5) Doch der Effizienz-Gegenstrom (DeepSeek und andere) ist ebenfalls stark. (6) Die kommende physische Mauer aus Strom, Vernetzung und Datenknappheit. Ein Leitfaden für Fortgeschrittene, um ein LLM nicht als Zauberkiste, sondern als strombetriebene Wahrscheinlichkeitsmaschine zu sehen.

Die sechs Phasen der Systementwicklung von Anforderungen bis Betrieb haben sich über 20 Jahre kaum verändert, 2025 bis 2026 wurden sie grundlegend neu gestaltet. Gartner erwartet, dass bis 2028 90 % der Softwareentwickler in Unternehmen KI-Assistenten nutzen. Der Artikel zeigt die verschobene Zeitgewichtung, den Stand jeder Phase mit Werkzeugen wie Claude Code, Cursor, Copilot, v0 und Bolt, Qualitätsprobleme, den Wechsel der Methoden, Rollenwandel, drei Fallen und FAQ.

Itochu ~900,3 Mrd. ¥, Mitsui ~834 Mrd. ¥, Mitsubishi Corp ~800,5 Mrd. ¥ im Geschäftsjahr 2025 (bis März 2026): Die rohstofflastigen Mitsubishi und Mitsui verdienten weniger, und Itochu übernahm beim Nettogewinn die Spitze der Sogo Shosha (Japans fünf generelle Handelshäuser). Berkshire Hathaway hält an jedem der fünf rund 10 % (9,7 bis 10,8 % Ende 2025). Am 19. Mai 2026 billigte der Policy Research Council der regierenden LDP einen Vorschlag "Next-Generation-KI und On-Chain-Finance": Handelshäuser erwähnt er nicht, doch die beschriebene Automatisierung von Transaktionen und Abwicklung überschneidet sich mit ihrer Kernarbeit. Der historische Burggraben — "Informationsasymmetrie" zu Ressourcen, Märkten, FX und Bonität — bricht angesichts von Bloomberg, SaaS, generativer KI und Satellitenbildern weg. Die Handelsabwicklung (Intelligence, Dokumente, Bonität, Logistik, FX), 50-60 % der Shosha-Mann-Arbeit, könnte bis 2030 zu 70 % automatisiert werden. Die Big-Five-Strategien polarisieren sich: Itochu (Downstream x KI x Silicon Valley) liegt beim Nettogewinn vorn; Mitsubishi soll driften, "DX" taucht in seinen Integrated Reports kaum noch auf; Mitsui legt bei Ressourcen nach; Sumitomo und Marubeni setzen auf Finanzen und Logistik. Der Artikel kartiert vier KI-Impact-Bereiche, drei Überlebensstrategien (Investment-Holding, Downstream-Expansion, AI-native Organisation) und drei Karriere-Ebenen des Shosha-Mannes — "Mit einem Sogo-Shosha-Angebot bin ich versorgt" ist die größte Illusion ab 2026.

Entlassungsgeschichten dominieren, doch das WEF erwartet bis 2030 ein Nettoplus von rund 78 Millionen Arbeitsplätzen. Dieser Artikel konzentriert sich auf die wachsende Seite. In den BLS-Prognosen 2025–2035 liegen Nurse Practitioners (+41,0 %), Data Scientists (+34,6 %), Informationssicherheit (+21,0 %), häusliche Betreuung (+18,1 %) und Elektriker (+9,2 %) über dem Durchschnitt von +3,5 %. Wir erklären drei Prinzipien KI-resistenter Arbeit und eine vierte Kategorie, eine Tabelle mit 15 Berufen samt BLS-Mediangehalt und Zugangsvoraussetzungen sowie vier Schritte zur wachsenden Seite.

⚠️ Claude Cowork wurde am 16. September 2026 mit dem Chat zusammengeführt und ist kein eigener Eingang mehr (die Funktionen selbst bleiben und sind aus jeder Unterhaltung heraus nutzbar). Was folgt, erklärt ihren Inhalt. Ein fünfköpfiges Team hat allein durch Dateiorganisation und Berichtsvorbereitung sechs bis acht Stunden pro Woche zurückgewonnen; ein Nutzer hat einen Downloads-Ordner mit 2.200 Dateien in zwanzig Minuten aufgeräumt. Claude Cowork ist der KI-Arbeitsplatz, den Anthropic 2026 eingeführt hat, damit KI direkt auf deine Dateien, Ordner und Apps zugreift und eine vollständige Schleife aus Beobachten → Planen → Ausführen → Steuern durchläuft. Jeder kostenpflichtige Tarif ab Pro für 20 $ gibt dir Zugang auf macOS oder Windows. Cowork klinkt sich über offizielle Konnektoren direkt in Google Drive, Gmail, Slack, Jira und DocuSign ein, und die Plugin-Schicht erlaubt es Organisationen, Abteilungswissen einzubetten. Enterprise ergänzt RBAC, Ausgabengrenzen und OpenTelemetry. Du kannst Cowork ab Pro 20 $ anfassen, aber Cowork-Aufgaben verbrauchen 50- bis 100-mal mehr Tokens als Chat, sodass für tägliche Nutzung Max 100 $ die realistische Grenze ist. Dieser Artikel behandelt, was Cowork tut, warum es entwickelt wurde, die vierstufige Arbeitsschleife, die wichtigsten Konnektoren, Plugins und Enterprise-Funktionen, die echte Kostengrenze, wozu es passt und wozu nicht und wie du es nach der Zusammenführung beauftragst (kurz nachfragen, das Ziel nennen und übergeben oder an Claude Code geben).

Im Jahr 2023 zitierte ein New Yorker Anwalt sechs von ChatGPT erzeugte Präzedenzfälle vor Gericht – alle sechs existierten nicht. So sehen KI-Probleme aus. Dieser Artikel sortiert die typischen KI-Probleme in sieben Kategorien – Halluzination, Abfluss vertraulicher Daten, Urheberrecht, Prompt Injection, übermäßiges Vertrauen, AI Slop und Überabhängigkeit – und geht den typischen Vorfall (einschließlich Avianca- und Samsung-Fall), die Ursache und die Prävention durch. Die Wurzel verdichtet sich auf drei Punkte: „Bequemlichkeit senkt die Wachsamkeit, wir prüfen nicht mehr selbst, Verantwortung verschwimmt.“ Deshalb sind die Gegenmaßnahmen gemeinsam: wichtige Informationen an einer Primärquelle prüfen, Vertraulichkeit mit dem Gewicht externer E-Mails behandeln, endgültige Entscheidungen den Menschen überlassen, einen KI-freien Tag pro Woche für Kernfähigkeiten. Für Organisationen: diese Woche eine unvollkommene Einseiter-Richtlinie verteilen, statt ein halbes Jahr auf die perfekte Verordnung zu warten. Stand Oktober 2026.

Manche sagen "KI ist gratis völlig ausreichend", andere "die Gratisversion ist unbrauchbar". Wenn das Urteil selbst unter Nutzern desselben ChatGPT so auseinandergeht, geht es nicht um Leistungsfähigkeit, sondern darum, ob man weiß, wo man in der Gratisversion an die Grenze stößt. Stand Oktober 2026 sind die Gratisversionen von ChatGPT, Claude und Gemini allesamt praxistauglich, doch ihre Formen sind völlig unterschiedlich. ChatGPT bietet einen breiten Funktionsumfang und unbegrenzte alltägliche Text-Chats, doch kostenlos gibt es ein leichtgewichtiges Modell, und Werkzeuge wie die Bildgenerierung haben eigene Limits. Claude bietet hochwertige Analyse und Texte in Langform, aber sein Fünf-Stunden-Limit schwankt mit der Auslastung, was das Kontingent schwer abschätzbar macht. Gemini hat eine starke Google-Verzahnung, doch in der kostenlosen Version lässt sich kein Modell wählen (automatische Auswahl, meist Flash-Lite), und es gibt ein Fünf-Stunden- und ein Wochenlimit. Claude und Gemini veröffentlichen keine Zahlen, daher lässt sich mit offiziellen Angaben nicht vergleichen, wer am großzügigsten ist. Dieser Artikel klärt, warum gratis bei den dreien Verschiedenes bedeutet, was jede kann und wo ihre Grenze liegt, eine Tabelle nach Anwendungsfall, drei Tipps zur klugen Nutzung und die Zeichen, wann ein bezahlter Tarif sinnvoll wird.

Im Jahr 2025 stieg die Zahl der Stellenausschreibungen für eine Rolle um außergewöhnliche 1.165 % im Jahresvergleich: den FDE — den Forward Deployed Engineer. Warum ist ein stiller Job, den Palantir über rund 20 Jahre systematisiert hat, 2026 plötzlich zum „heißesten Titel“ geworden? Ein FDE ist „ein Ingenieur, der das Produkt seines eigenen Unternehmens an den Standort des Kunden trägt und Beobachtung, Konzeption, Umsetzung, Betrieb und Produkt-Feedback persönlich von Anfang bis Ende verantwortet.“ Generative KI trägt eine letzte Meile von „die Demo funktioniert, aber vor Ort nicht“, und der FDE ist die Rolle, die sie mit Menschenhand schließt. Dieser Artikel behandelt die Definition, warum die Rolle 2026 explodiert ist (der Einstellungsrausch von OpenAI, Anthropic und Google), die 5-stufige Arbeitsschleife, Vergütung und Karriere (Palantir-Median 278.000 $, höchster gemeldeter Wert 620.000 $), den Unterschied zu SE / IT-Berater / Applied AI Engineer, wer passt und wer nicht, und wie man ohne Erfahrung dorthin gelangt — alles mit Daten von Oktober 2026.

Listen erstellen, erste E-Mails, Terminvereinbarung und CRM-Pflege wandern bereits zu KI-Agenten, doch Käufer wollen weiterhin einen Menschen, der ihre Fragen beantwortet, bei der Freigabe hilft und nach Vertragsabschluss da ist. Dieser Artikel teilt die Vertriebsarbeit in SDR, Verkaufsgespräche und Bestandskunden und stützt sich auf zwei Umfragen, die in den Originalmitteilungen geprüft wurden. Der siebte State of Sales von Salesforce (4.050 Fachleute in 22 Ländern, August–September 2025) zeigt: 40 % der Zeit entfallen aufs Verkaufen, die Befragten erwarten, dass KI-Agenten die Interessenten-Recherche um 34 % und E-Mail-Entwürfe um 36 % verkürzen, und 79 % der Leistungsstärksten priorisieren Datenhygiene gegenüber 54 % der Leistungsschwächeren. Die Gartner-Umfrage unter 645 B2B-Käufern zeigt: 67 % kaufen lieber ohne Vertriebsmitarbeiter, 69 % wollen KI-Informationen mit einem Vertriebsmitarbeiter überprüfen; Gartner prognostiziert, dass 2030 75 % menschlich geprägten Vertrieb bevorzugen. Mit Landkarte nach Aufgaben, Kriterien für AI-SDR-Werkzeuge und Schritten für Vertriebsleute und Führungskräfte.

Vercel MCP, das Vercel Plugin und Agent Skills klingen ähnlich, sind aber verschiedene Dinge. MCP ist ein entfernter Server, mit dem man sich per OAuth verbindet und der Deployments, Logs und Umgebungsvariablen als Tools bereitstellt; das Plugin ergänzt fünf Befehle wie /vercel-plugin:deploy und Vercel-Wissen; Skills sind Anleitungen. Dieser Artikel entstand nach erneuter Lektüre der offiziellen Dokumentation am 30. September 2026. Er zeigt eine Tabelle, die Git-Integration, CLI, MCP, Plugin und Skills unterscheidet (was jedes kann, wie es sich authentifiziert, Tarifbedingungen), und führt mit echter Konfiguration durch drei Ansätze: ① Git-Integration (automatisches Deployment bei git push), ② direkt aus dem Editor (MCP und Plugin) und ③ GitHub Actions (@claude korrigiert, Test- und Freigabe-Gates). Außerdem geht es darum, doppelte Deployments aus Actions zu vermeiden, um das Hobby-Limit von 100 Deployments pro Tag, die Tarifbedingungen für Passwortschutz, Rollback und die menschliche Freigabe der Produktion.