Moin AInauten,
Willkommen zur neuen Ausgabe deines Lieblingsnewsletters.
Kurz eine Meldung vorweg: Apple verklagt OpenAI, weil sie Top-Hardware-Talente abwerben, die wohl Firmengeheimnisse mitbringen.
Gleichzeitig ist OpenAIs erstes eigenes Gerät geleakt. Ein tragbarer Lautsprecher ohne Bildschirm, gedacht als AI-Begleiter, der einfach immer dabei ist. Ob die Welt wirklich auf noch einen smarten Speaker gewartet hat? (Wir setzen ja auf Brillen.)
Schauen wir mal. Aber die Richtung ist klar: AI will raus aus dem Chat-Fenster, rein in deinen Alltag.
Wir haben heute weniger News, dafür mehr Themen, die uns diese Woche beschäftigt haben.
Hier die Themen im Detail:
🕵️ Der AI-Selbst-Check: Was findet ChatGPT alles über dich?
🔍 Die zwei Arten von AI-Recherche (und warum du beide brauchst)
✍️ Der AI-Slop-Reflex: Warum "sieht nach AI aus" nichts mehr über Qualität sagt
Los geht's!
🕵️ Der AI-Selbst-Check: Was findet ChatGPT alles über dich?
Kleines Geständnis vorweg: Vor wichtigen Meetings lassen wir uns von der AI ein Briefing über unsere Gesprächspartner bauen.
Wir nutzen unser Second Brain für die Leute, die wir schon kennen, plus Websuche. Zwei Minuten, und wir wissen, mit wem wir reden, was die Person gerade umtreibt und worüber wir schon gesprochen haben.
Funktioniert erschreckend gut.
Eine Frage, die man sich auch stellen kann: Was findet die AI eigentlich über uns selbst?
Auf TikTok geht gerade genau dieses Experiment viral.
Ein Creator hat ChatGPT gebeten, jedes Foto von ihm im Internet zu finden. Sein Fazit: "It literally found me in photos I didn't even know existed."
Über zwei Millionen Views, und die Kommentare schwanken zwischen Faszination und Panik.
@maverickgpt Comment "Photo" and I'll send you all the prompts 👇 What happens when you ask ChatGPT to find every photo of you on the internet? I tried ... See more
Warum dich das interessieren sollte, auch wenn du kein Influencer bist:
Der Kunde, der vor dem Erstgespräch deinen Namen in ChatGPT wirft, macht genau das.
Der Bewerber, der sich auf dich vorbereitet. Die Gegenseite in der Verhandlung. Auch.
Und die unschöne Variante: Phishing-Mails werden heute mit genau solchen Infos personalisiert.
Dein AI-Suchprofil existiert. Die Frage ist nur, ob du es kennst.
So machst du den Selbst-Check (Copy-Paste)
Stufe 1, das Selbstbild: Lade ein Foto von dir hoch und frag:
Analysiere dieses Foto und liste alle Merkmale auf,
die mich erkennbar machen (Gesicht, Kleidung, Umgebung).Stufe 2, die Recherche:
Recherchiere im Web, was sich über mich finden lässt:
[Vorname Nachname], [Firma], [Stadt].
Profile, Fotos, Erwähnungen, alte Accounts, Forenbeiträge.
Sortiere alles in drei Kategorien:
1. Stärkt meinen Eindruck
2. Neutral
3. Würde ich lieber nicht da draußen habenDie gleiche Übung lohnt sich übrigens für deine Firma: "Was findet ein Interessent in 5 Minuten über uns, und welchen Eindruck macht das?"
Unser Take: Kenne dein eigenes AI-Profil!
Sich selbst googlen ist ein uraltes Ding. AI hat das Ganze aber noch weiter vereinfacht, verbessert und verschärft.
Wer sein AI-Suchbild kennt, kann es gestalten. Alte Profile aufräumen, die guten Sachen sichtbarer machen. Und im Meeting nicht überrascht sein, welche Frage als Erstes kommt.
Passend dazu ist auch das nächste Thema. Denn wie gut so eine Recherche wird, hängt komplett davon ab, WIE man die AI suchen lässt.
🔍 Die zwei Arten von AI-Recherche (und warum du beide brauchst)
Kurzer Reality-Check: Wie oft hast du diese Woche eine AI irgendwas recherchieren lassen?
Eben. Wir auch, ständig. Tools vergleichen, Märkte checken, Personen vor Meetings durchleuchten.
Und die Antworten sehen auch immer gut aus. Strukturiert. Mit Quellen.
Trotzdem ist uns etwas aufgefallen: Egal ob ChatGPT, Claude oder Perplexity, oft kommt derselbe Konsens-Brei raus. Die gleichen 20 Blog-Artikel, nur anders zusammengefasst.
Diese Woche haben wir darüber nachgedacht, warum das so ist. Die Kurzfassung: Es gibt zwei Arten von Recherche. Und deine AI macht standardmäßig nur eine davon.
Art 1: Substanz-Recherche (die kennst du)
Websuche, Deep Research, Studien, Doku. Sie beantworten die Frage: Was ist faktisch wahr?
Dafür sind die Research-Funktionen der großen Anbieter richtig gut.
Der blinde Fleck: Sie ziehen oft nur SEO-Artikel und Listicles. Publiziert von Redaktionen, oft sogar von den Anbietern selbst. Alter unbekannt.
Art 2: Puls-Recherche (die macht fast niemand)
Beantwortet eine andere Frage: Was sagen echte Menschen, gerade jetzt?
Reddit-Threads samt Kommentaren, Hacker-News-Debatten, YouTube-Kommentare. Instagram, TikTok.
Im Sinne von: die letzten 30 Tage, gerankt nach Upvotes statt Google-Ranking.
Substanz- und Puls-Recherchen an einem Beispiel:
Wir haben beide Arten mal auf eine klassische, simple Frage losgelassen, die wir ständig bekommen: "Welches AI-Meeting-Notiz-Tool ist das beste?"
Die Standard-Recherche-Antwort: "Nimm Fathom" oder "nimm otter.ai" wirkt erst mal nicht schlecht.
Bis wir die Quellen aufgemacht haben: 15 von 24 gehörten selbst einem Tool-Anbieter. Null echte Nutzerstimmen. Werbung, als Recherche verkleidet.
Dann die Puls-Recherche, 86 echte Posts später: Die Community redet über etwas komplett anderes.
Otter.ai wurde gerade wegen heimlicher Aufzeichnungen verklagt. Kubernetes sperrt Notetaker-Bots per Blockliste aus den eigenen Meetings aus.
Und der Trend geht klar zu lokalen, bot-freien Tools.
Sidenote: Einer unserer Favoriten ist das deutsche, DSGVO-konforme Jamie.
Zwei Recherchen, zwei Welten. Deshalb empfehlen wir, immer beides zu machen. Einmal nach Fakten mit der normalen Recherche-Funktion, dann noch einmal die Puls-Recherche über echte Nutzerstimmen.
So machst du den Puls-Check
Gerade bei Social Signals ist es manchmal nicht so einfach, an die relevanten Daten zu kommen. Wir nutzen dafür einen der populärsten Skills: /last30days
Mehr dazu gleich unten. Wenn du aber noch kein Claude Cowork, ChatGPT Work, Codex etc. benutzt, kannst du auch folgenden Prompt probieren:
Recherchiere: [DEINE FRAGE]
1. Suche echte Nutzerdiskussionen (Reddit, Hacker News, Foren),
KEINE Blog-Artikel oder "Top 10"-Listen.
2. Nur die letzten 30 Tage, nenne pro Fund das Datum.
3. Sortiere nach Engagement (Upvotes, Kommentare), nicht nach Ranking.
4. Zitiere 5 wörtliche Nutzerstimmen mit Link. Kennzeichne jede
Quelle, die selbst ein Produkt in der Kategorie verkauft.Unsere Faustregel seitdem:
Fakten-Frage → Substanz.
Tool-, Trend- oder Stimmungs-Frage → Puls.
Wichtige Entscheidung → beide.
Unser Take & der Skill, den wir nutzen
Wer fragt wie alle, weiß was alle wissen.
Wie oben schon geschrieben, ist es oft nicht einfach, an die Social Signals zu kommen.
Wir nutzen dafür einen kostenlosen Open-Source-Skill namens last30days, der genau das auf Knopfdruck macht. Reddit, HackerNews, YouTube, TikTok und mehr - parallel, mit echten und aktuellen Engagement-Zahlen.
Wenn du schon mit Claude Cowork, Claude Code, Codex und Co. arbeitest, sag ihm einfach, er solle den Skill installieren.
Kannst du mir diesen Skill installieren?
https://github.com/mvanhorn/last30days-skill/Der Skill funktioniert “out-of-the-box”. Man kann ihn aber noch mit Scraping APIs und X Login verbessern.
Für alle Power User und Automation Experts kommt morgen ein ausführlicher Deep-Dive dazu.
✍️ Der AI-Slop-Reflex: Warum "sieht nach AI aus" nichts mehr über Qualität sagt
Zum Abschluss noch eine kleine Beobachtung aus unserem Alltag, die dich vielleicht auch betrifft.
Der Gedankenstrich "-" ist ja schon lange zum AI-Verräter geworden.
Rolling Stone nennt ihn schon den "ChatGPT Hyphen", menschliche Autoren zensieren sich vorsorglich selbst, und Studenten werden fälschlich als AI geflaggt, weil sie sauber schreiben.
Warum die Modelle den Strich so lieben, weiß übrigens niemand genau. Die beste Theorie: zu viele redigierte Qualitätstexte waren in den Trainingsdaten.
Dieses Ganze “AI hat geschrieben”, “AI hat nicht geschrieben”-Thema wird langsam echt wild. Menschen versuchen AI-Texte zu erkennen und lesen sie dann aus Prinzip nicht mehr.
Um das zu verbessern, haben wir ja schon vor einiger Zeit einen Anti-AI-Writing-Pattern Skill gebaut, der sich großer Beliebtheit erfreut.
Aber wir erleben aktuell oft die andere Seite: Wir arbeiten ja konstant mit AI und lassen uns sämtliche Ergebnisse entweder als HTMLs oder eben Doc-Zusammenfassungen aufbereiten.
Klar, diese aufbereiteten Docs sehen nach AI aus. Wir coden auch keine HTMLs von Hand 😁…
Hinter unseren AI-aufbereiteten Reports stecken aber starke Second Brains, saubere Sessions und richtig viel Arbeit zusammen mit der AI.
Obwohl der Text von der AI geschrieben wurde, ist der Inhalt oft extrem gut. Trotzdem lesen es viele gar nicht mehr, sobald sie AI-Optik erkennen, sondern denken sich: "Ah, AI-Slop."
Wir schreiben mittlerweile wörtlich dazu: "Bitte lies es trotzdem!"
Der Slop-Reflex war 2025 ein brauchbarer Filter. 2026 ist er ein Bug.
Der Stil sagt nichts mehr über Qualität, in keine Richtung. Wichtiger ist die Substanz: Stimmen die Fakten? Steckt Denkarbeit drin? Kann ich einen Mehrwert daraus ziehen?
Uns ist egal, wer einen Post, einen Artikel, einen Report geschrieben hat. Ob Mensch oder AI - Hauptsache der Inhalt stimmt!
So, das war's für heute. Wie immer danke fürs Lesen. 🫶
Reto & Fabian von den AInauten
⭐️ Wie hat dir diese Ausgabe gefallen?
🚀 So können wir dir helfen:
Wenn du eine Sache aus diesem Newsletter mitnimmst, dann die: Der größte Hebel liegt gerade nicht im nächsten Tool, sondern im Schritt vom Chat-Fenster zum eigenen AI-Mitarbeiter.
Genau dafür haben wir das AI-Mitarbeiter Bootcamp gebaut. Es ist unser beliebtestes und stärkstes Programm, hunderte AINAUTEN sind schon durch.
Wenn du noch nicht mit Claude Cowork, Claude Code, Codex und Co. arbeitest: Das Bootcamp ist der schnellste Weg in das neue Zeitalter der Wissensarbeit. Du richtest deinen ersten AI-Mitarbeiter ein und gibst ihm echte Aufgaben aus deinem Arbeitsalltag. Kein Vorwissen nötig.
Aktuell ist die Warteliste offen, der nächste Launch kommt bald. Wer draufsteht, erfährt es als Erstes.
