NotebookLM hat ein Update bekommen – und das ist diesmal mehr als nur ein kleines Feature. Seit März kannst du bei den Infografiken deutlich mehr spielen: Von Lego-Style über Knetfiguren bis hin zu Step-by-Step oder Bento-Layouts. Heißt übersetzt: Deine Inhalte sehen nicht mehr aus wie „KI hat halt irgendwas gebaut“, sondern deutlich durchdachter. Und das ist erst der Anfang. Der nächste Schritt kommt schon: Ein Cinematic Mode, bei dem Lernvideos eher wie kleine Filme wirken. Aktuell nur in den USA im Ultra-Abo – aber das wird ziemlich sicher rüberschwappen. Was viele noch nicht auf dem Schirm haben: Wenn du über Gemini gehst, kannst du deine NotebookLM-Notebooks direkt als Quelle auswählen. Auch mehrere gleichzeitig. Das macht einen riesigen Unterschied, weil du nicht mehr alles einzeln reinkippen musst, sondern direkt auf deinem eigenen Wissen arbeitest. Kurz gesagt: NotebookLM wird gerade von „Ablage für Inhalte“ zu einem echten Arbeits-Tool. Gemeinsam. Smarter. Weiter. 🦊

Gerade entdeckt: Photoshop lässt sich jetzt direkt in ChatGPT nutzen. 👉 So geht’s: Links in der Seitenleiste auf „Apps“ gehen Photoshop auswählen und verbinden Dann im Chat starten 👉 Und dann: Bild hochladen Änderungen einfach beschreiben (z. B. „heller machen“, „Hintergrund ändern“) Kein Tool-Gefummel mehr, keine Fachbegriffe nötig. Du kannst im gleichen Chat weiter optimieren oder das Bild direkt in Photoshop öffnen und dort verfeinern. Geht klar in Richtung: 👉 KI + Tools = echter Workflow Gemeinsam. Smarter. Weiter. 🦊

Und diesmal ist das Spannende nicht unbedingt, dass das Modell noch etwas klüger formuliert oder ein paar Benchmarks gewinnt. Der eigentliche Schritt liegt woanders: native Tool-Steuerung. Das klingt erstmal technisch, ist aber ziemlich wichtig. **Was „native Tool-Steuerung“ bedeutet** Bisher lief es bei vielen KI-Systemen so: Du stellst eine Frage. Die KI denkt nach. Dann versucht sie eventuell ein Tool zu nutzen, z. B. Code ausführen, Daten analysieren oder etwas recherchieren. Das passiert aber eher indirekt. Mit GPT-5.4 sind Tools stärker Teil des Denkprozesses der KI. Ein Vergleich: Früher war es so, als würdest du jemanden fragen: „Wie komme ich nach München?“ Und die Person beschreibt dir nur den Weg. Jetzt ist es eher so, als würde sie selbst Google Maps öffnen, die Route berechnen und dir direkt zeigen. Die KI erklärt also nicht nur etwas – sie nutzt Werkzeuge aktiv, um Aufgaben zu lösen. **Warum das wichtig ist** Damit bewegt sich KI immer stärker in Richtung agentischer Systeme. Also Systeme, die nicht nur Antworten geben, sondern tatsächlich Aufgaben ausführen. Diese Entwicklung sieht man gerade bei vielen Anbietern: • Perplexity Computer nutzt selbst Browser und Tools • OpenAI Operator kann Aktionen auf Webseiten ausführen • Manus arbeitet mit komplexen Workflows • Claude Code steuert Entwicklungsumgebungen GPT-5.4 passt genau in diesen Trend. Die KI wird weniger ein Chatbot – und mehr ein System, das mit Software arbeitet. **Was dadurch besser wird** Wenn Tools Teil des Denkprozesses werden, kann KI: • Daten stabiler analysieren • Software zuverlässiger bedienen • mehrere Arbeitsschritte kombinieren • komplexe Aufgaben strukturierter lösen Beispiel Statt nur Text zu generieren, kann ein Workflow so aussehen: Recherche → Analyse → Präsentation → Zusammenfassung Und das alles innerhalb eines zusammenhängenden Prozesses. **Warum das für Selbstständige spannend ist** Viele nutzen KI heute noch so: Prompt → Antwort → fertig. Die nächste Stufe ist eher:

Mit dem letzten Upgrade wird klarer denn je, wofür Manus gedacht ist. Nicht als Chatbot, sondern als ausführender KI-Worker. Was sind Manus Skills? Skills sind vorgefertigte, kombinierbare Fähigkeiten, mit denen Manus Aufgaben eigenständig erledigt – nicht nur vorbereitet. Also weniger „hilf mir dabei“ und mehr „mach das für mich“. Typische Skills sind zum Beispiel: - Recherche und Zusammenfassung komplexer Themen - Informationen strukturieren und Ergebnisse ableiten - Dokumente, Präsentationen oder Berichte erstellen - Daten, Webseiten oder Wettbewerber analysieren - mehrstufige Aufgaben mit klarer Zielvorgabe abarbeiten Der entscheidende Unterschied zu klassischen Prompts: Du beschreibst das Ziel, nicht jeden einzelnen Schritt. Was ist neu bzw. besser geworden? Mit dem Upgrade arbeiten Skills deutlich zuverlässiger über mehrere Schritte hinweg. Manus merkt sich Kontext, Anweisungen und Abläufe, trifft im Prozess selbst Entscheidungen und korrigiert sich, wenn etwas nicht passt. Das fühlt sich weniger nach „KI benutzen“ an und mehr nach Arbeit delegieren. Eine einmal richtig gute KI-Session lässt sich als Skill speichern und später immer wieder abrufen – ohne alles neu erklären zu müssen. Mehrere Skills können miteinander kombiniert werden, z. B. Recherche → Auswertung → Slides oder Social-Posts. So entsteht nach und nach eine eigene Bibliothek spezialisierter KI-Experten, die genau zu deinem Business und deinen Prozessen passen. Warum das relevant ist Manus verschiebt den Fokus von „Prompt-Qualität“ hin zu Aufgaben-Design. Die eigentliche Kompetenz liegt nicht mehr darin, perfekte Anweisungen zu schreiben, sondern zu wissen: - Was ist das Ziel? - Welche Rahmenbedingungen gelten? - Wann ist das Ergebnis gut genug? Genau hier liegt der Mehrwert für Selbstständige und kleine Teams: Manus eignet sich besonders für Aufgaben, die Zeit fressen, aber kein menschliches Feingefühl brauchen. Kurz gesagt: einmal sauber denken, einmal gut erklären,

Claude Opus 4.6 und GPT-5.3 Codex sind gleichzeitig live gegangen. Wenn das Tempo so bleibt, brauche ich bald ernsthaft einen Agenten, der meine Agenten testet. Der eigentliche Punkt ist aber nicht „noch ein neues Modell“. Beide Releases zeigen sehr klar dieselbe Entwicklung: ⚠️ Coding verliert seinen Sonderstatus. Und das ist größer, als es erstmal klingt. Hier meine erste Einordnung. Details werden in den nächsten Tagen sicher noch nachziehen. ** Claude Opus 4.6 – der Langstreckenläufer ** Claude spielt seine Stärke vor allem dort aus, wo andere Modelle bisher schlappgemacht haben: bei Länge, Komplexität und Dauer. Was neu ist: Claude kann mit extrem großen Kontexten umgehen, bleibt über lange Sessions stabil und arbeitet direkt mit klassischen Business-Formaten wie Excel und PowerPoint. Besonders spannend: Mehrere Agenten können parallel an einem Projekt arbeiten und sich selbst koordinieren. Dazu kommt ein Mechanismus, der alten Kontext automatisch verdichtet, damit die Arbeit nicht abbricht, nur weil es „zu viel“ wird. Kurz gesagt: gebaut für echte Arbeitsprozesse, nicht für Einmal-Prompts. ** GPT-5.3 Codex – der Bauarbeiter ** Codex geht in eine andere Richtung: bauen, umsetzen, liefern. Aus einer Beschreibung entstehen komplette Websites, Apps oder Spiele. Man kann dem Agenten beim Arbeiten zuschauen, eingreifen und nachjustieren. Das Modell ist schneller, günstiger pro Ergebnis und erstmals offiziell als „High Capability“ im Bereich Cybersecurity eingestuft – es findet aktiv Schwachstellen in Codebases. Kurz: extrem stark, wenn es darum geht, Dinge schnell Realität werden zu lassen. ** Was wirklich passiert ** Beide Modelle erledigen heute Aufgaben, für die man vor einem Jahr noch zwingend Entwickler brauchte. Ein Pitchdeck aus einem Briefing. Eine Landingpage für ein neues Projekt. Eine Analyse über hunderte Seiten Geschäftsbericht. Apps, Plugins, komplexe Webprojekte. Das alles ist kein Hexenwerk mehr. 👉 Der Engpass verschiebt sich. Nicht mehr: „Kann jemand das coden?“