Hey,

ich sitze gerade am Schreibtisch.

Montag, 9:39 Uhr. 151 aktive Newsletter-Abonnenten. Erste Ausgabe.

Und ich zerbreche mir seit 20 Minuten den Kopf darüber, womit ich überhaupt anfangen soll.

Nicht, weil mir nichts einfällt. Eher das Gegenteil. Es gibt gerade so viele Themen, die ich dir näherbringen könnte: neue Modelle, neue Tools, Agenten, Coding, Automationen, Roboter, KI im Mittelstand, KI im Content, KI in Unternehmen und KI in deinem Alltag.

Und gleichzeitig frage ich mich natürlich: Wie technisch sind die Menschen, die das hier lesen? Willst du eher konkrete Tools? Willst du Einordnung? Willst du wissen, was ich gerade baue? Willst du verstehen, welche Entwicklungen wirklich wichtig sind? Oder willst du einfach nur nicht den Anschluss verlieren, ohne jeden Tag 40 Tabs und 17 X-Threads offen zu haben?

Ich glaube, genau deshalb muss ich mit dem Thema anfangen, das mich seit Monaten nicht loslässt.

PersonalOS.

Nicht, weil ich dir in der ersten Mail direkt irgendwas verkaufen will. Sondern weil PersonalOS für mich die sauberste Antwort auf das Problem ist, das gerade fast jeder spürt, aber noch nicht richtig benennen kann.

Die KI-Welt wird nicht nur schneller. Sie wird dichter. Und wenn dein eigenes System diese Dichte nicht aufnehmen kann, fühlt sich alles irgendwann nur noch laut an.

Die Idee der Woche

Ich glaube, die meisten Menschen stellen gerade die falsche Frage.

Sie fragen: Welches KI-Tool soll ich benutzen? Welches Modell ist gerade das beste? Welche Prompts funktionieren? Welche App muss ich installieren?

Alles valide Fragen. Aber sie greifen zu kurz.

Die bessere Frage ist:

Wo soll KI eigentlich arbeiten?

Denn das ist der Punkt, der gerade komplett unterschätzt wird. KI wird nicht dadurch nützlich, dass du einmal pro Tag ChatGPT öffnest und eine gute Frage stellst. KI wird nützlich, wenn sie in deinem echten Kontext arbeiten kann.

In deinen Projekten. Mit deinen Entscheidungen. Mit deinen Kunden. Mit deinem Wissen. Mit deinen Regeln. Mit deinen offenen Aufgaben. Mit deiner Sprache. Mit dem, was letzte Woche passiert ist und morgen wichtig wird.

Und genau da bricht es bei den meisten.

Nicht, weil sie zu wenig Tools haben. Sondern weil ihr Kontext überall verteilt ist: WhatsApp, E-Mails, Notion, Google Drive, ChatGPT-Verläufe, Screenshots, To-do-Listen. Und der wichtigste Teil liegt meistens im Kopf.

Das ist für dich schon anstrengend. Für KI ist es tödlich.

Jede neue KI-Interaktion startet wieder bei null. Du erklärst wieder, wer du bist, was du machst, welche Projekte laufen, welche Entscheidungen schon getroffen wurden, welche Tonalität passt, welche Kunden sensibel sind, welche Regeln gelten und welche Ideen schon mal verworfen wurden.

Und dann wundern wir uns, dass die Antworten oberflächlich bleiben.

Das ist aber kein Modellproblem. Das ist ein Systemproblem.

Der eigentliche Hebel liegt nicht im nächsten Tool. Der Hebel liegt in dem System, das dem Tool Kontext gibt.

Genau das meine ich mit PersonalOS.

Und ich meine das sehr praktisch.

Mein PersonalOS ist im Kern erstmal ein Ordner auf meinem Rechner. Kein magischer KI-SaaS. Kein Tool, das alles für mich löst. Ein Ordner.

Wenn ich also von PersonalOS spreche, meine ich erstmal genau dieses Setup. Darin liegen Projekte, Aufgaben, Personen, Regeln, tägliche Logs, Kundenkontext, Content-Ideen, Entscheidungen, offene Loops und alles, was für meine Arbeit relevant ist.

Und auf diesem Ordner arbeite ich dann mit Tools wie Claude Code oder Codex. Aktuell nutze ich fast nur noch Codex.

Nicht, weil Codex irgendein hübscher Chatbot ist. Sondern weil Codex in diesem Ordner arbeiten kann.

Es kann Dateien lesen, Zusammenhänge prüfen, Aufgabenlisten aktualisieren, Content-Entwürfe anlegen, bestehende Regeln beachten, Änderungen nachvollziehbar machen und Arbeit abschließen, statt mir nur eine Antwort hinzulegen, aus der ich dann wieder selbst fünf neue Aufgaben machen muss.

Das ist der Unterschied:

Ein Chatbot gibt dir eine Antwort. Ein Agent in deinem PersonalOS kann in deinem System arbeiten.

Die Vorteile davon werden mit der Zeit immer größer. Du bist unabhängiger, weil dein Kontext nicht in einem einzelnen Tool gefangen ist. Du bekommst einen Compounding-Effekt, weil jeder Call, jedes Learning und jede Entscheidung dein System wertvoller macht. Du startest weniger oft bei null, weil die KI nicht jedes Mal neu raten muss, wer du bist und was gerade wichtig ist. Und du kannst Tools wechseln, ohne dein eigentliches Wissen zu verlieren.

Ein PersonalOS ist für mich kein fancy Notizsystem. Es ist auch kein Prompt-Ordner. Und es ist nicht einfach "mein zweites Gehirn" mit einem neuen Namen.

Ein PersonalOS ist der zentrale Arbeitsraum, in dem Mensch und KI auf denselben Kontext, dieselben Regeln und dieselben Ziele zugreifen.

Das klingt im ersten Moment vielleicht technisch. Ist es aber eigentlich nicht. Im Kern geht es um eine sehr einfache Frage:

Kann eine KI verstehen, was gerade wirklich in deinem Leben, deinem Business oder deiner Arbeit passiert, ohne dass du alles jedes Mal neu erklären musst?

Wenn die Antwort nein ist, dann nutzt du KI noch wie eine bessere Suchmaschine.

Wenn die Antwort ja ist, beginnt etwas anderes. Dann wird KI nicht nur ein Chatfenster. Dann wird sie ein Arbeitskollege.

Nicht im pathetischen Sinn. Sondern ganz praktisch.

Ein Agent kann in deinem System nachschauen, welche Projekte aktiv sind. Er kann sehen, welche Entscheidungen getroffen wurden. Er kann alte Calls lesen. Er kann verstehen, welche Aufgaben offen sind. Er kann neue Informationen an den richtigen Ort bringen. Er kann Muster erkennen, ohne dass du ihm den Kontext immer wieder vorkauen musst.

Und genau deshalb glaube ich, dass PersonalOS nicht nur eine schöne Produktidee ist. Es ist eine Antwort auf die nächste Phase von KI.

Die erste Phase war: Wir chatten mit Modellen.

Die zweite Phase war: Wir bauen Tools und Automationen drumherum.

Die nächste Phase ist: Wir geben KI einen echten Arbeitsraum.

Und dieser Arbeitsraum muss dir gehören. Nicht einem einzelnen Tool. Nicht einem Chatverlauf. Nicht einer Plattform, die morgen ihre Preise, Regeln oder Modelle ändert.

Dein Kontext ist zu wertvoll, um ihn in verstreuten Chats zu verlieren.

7 Tage, 7 Jahre: Quick Scan

Eine Woche KI fühlt sich gerade manchmal an wie sieben Jahre alte Welt.

Deshalb hier nicht "News um der News willen", sondern mein kuratierter Scan: Was ist passiert, warum ist es relevant und was heißt das praktisch?

1. OpenAI startet die OpenAI Deployment Company
   OpenAI baut mit der Deployment Company eine eigene Einheit, die Unternehmen nicht nur Modelle verkauft, sondern KI direkt in deren Arbeitsabläufe einbauen soll. Dafür übernimmt OpenAI Tomoro und startet mit erfahrenen Forward Deployed Engineers, also Leuten, die nah am Kunden Prozesse umbauen, Systeme anbinden und echte Umsetzung liefern. Mein Take: Die nächste Wertschöpfung liegt nicht bei "wir haben Zugriff auf ein Modell", sondern bei "wir bekommen KI wirklich in den Betrieb".

2. Anthropic bringt Claude for Small Business
   Anthropic verpackt Claude für kleine Unternehmen als Paket aus Connectoren und fertigen Workflows. Claude soll direkt mit QuickBooks, PayPal, HubSpot, Canva, Docusign, Google Workspace und Microsoft 365 arbeiten und Dinge wie Payroll, Monatsabschluss, Rechnungen, Kampagnen oder Leads unterstützen. Mein Take: KI wird hier nicht als "noch ein Chatfenster" verkauft, sondern als Prozessschicht über den Tools, die Unternehmen sowieso nutzen.

3. Google DeepMind zeigt den KI-Pointer
   DeepMind arbeitet an einem Mauszeiger, der nicht nur weiß, wo du klickst, sondern versteht, worauf du zeigst und warum es relevant sein könnte. Die Idee: Du musst nicht mehr lange Prompts schreiben, sondern zeigst auf ein Bild, einen Absatz, eine Tabelle oder ein Produkt und sprichst dazu. Mein Take: Prompting ist nicht das Endgame. Die bessere UX ist, dass KI im bestehenden Arbeitsfluss versteht, was "dieses Ding hier" bedeutet.

4. OpenAI bringt Codex in die ChatGPT-Mobile-App
   Codex läuft nicht mehr nur am Rechner. OpenAI bringt Codex in die ChatGPT-Mobile-App, damit du laufende Agenten-Jobs unterwegs verfolgen, Rückfragen beantworten, Diffs prüfen, Richtungen ändern und Freigaben geben kannst. Mein Take: Coding-Agenten werden zu laufenden Arbeitsprozessen. Du startest nicht mehr nur eine Aufgabe und wartest, sondern steuerst Arbeit über mehrere Geräte, Threads und Kontexte hinweg.

5. OpenAI startet eine Finanz-Erfahrung in ChatGPT
   In den USA können ChatGPT-Pro-Nutzer in einer Preview Finanzkonten über Plaid verbinden. ChatGPT kann dann Ausgaben, Abos, Portfolio, Zahlungen und persönlichen Finanzkontext auswerten. OpenAI betont dabei, dass ChatGPT kein lizenzierter Finanzberater ist. Mein Take: Je nützlicher KI werden soll, desto näher muss sie an echte, sensible Daten. Genau deshalb werden Vertrauen, Rechte, Grenzen und Haftung zum eigentlichen Produkt.

6. Fin baut einen Operator für Kundenservice-Agenten
   Fin Operator ist ein Agent, der den eigentlichen Kundenservice-Agenten betreiben soll. Er kann Probleme erkennen, Wissensartikel aktualisieren, Konfigurationen vorschlagen, Gespräche debuggen und Verbesserungen als Proposal zur Freigabe einreichen. Mein Take: Sobald Unternehmen Agenten ernsthaft einsetzen, brauchen sie eine Betriebsschicht darüber. Agenten müssen gemessen, verbessert, kontrolliert und versioniert werden.

7. Fiserv launcht agentOS für Banken
   Fiserv bringt mit agentOS eine Plattform, über die Banken KI-Agenten in Bereichen wie Kredit-Onboarding, Reporting, Betrug, Compliance und Backoffice nutzen sollen. Spannend ist nicht nur der Name, sondern die Architektur: Policy Controls, Auditability, Human Oversight und ein Marketplace für Agenten. Mein Take: In regulierten Branchen gewinnt nicht der coolste Chatbot, sondern die Plattform, die Rechte, Logs, Kontrolle und Verantwortung sauber mitdenkt.

8. Publicis kauft LiveRamp für rund 2,2 Milliarden Dollar
   Publicis kauft LiveRamp, einen Anbieter für Datenaktivierung und Identity-Lösungen. Der spannende Teil ist das Framing: Publicis spricht von Data Co-Creation als Grundlage für smartere Agenten. Heißt übersetzt: Agenten werden wertvoller, wenn Unternehmen eigene Daten, Partnerdaten und Marktdaten kontrolliert verbinden können. Mein Take: Enterprise-Agenten entstehen nicht durch magische Prompts, sondern durch saubere, erlaubte und kombinierbare Datenflüsse.

9. arXiv zieht eine harte Linie bei ungeprüften KI-Papern
   arXiv will Autoren laut Berichten für ein Jahr sperren, wenn Paper eindeutige Hinweise enthalten, dass LLM-generierter Inhalt ungeprüft übernommen wurde. Beispiele sind halluzinierte Quellen oder stehen gelassene Chatbot-Kommentare. Wichtig: KI-Nutzung wird nicht verboten. Aber Autoren bleiben verantwortlich. Mein Take: Genau das ist die erwachsene Phase von KI. Nicht "KI darf alles", sondern "du darfst KI nutzen, aber du bist verantwortlich für das Ergebnis".

10. Isomorphic Labs sammelt 2,1 Milliarden Dollar für KI-Medikamentenentwicklung ein
    Isomorphic Labs, die Alphabet-nahe Firma rund um KI-gestützte Medikamentenentwicklung, hat eine 2,1-Milliarden-Dollar-Finanzierungsrunde angekündigt. Das Geld soll in die eigene KI-gestützte Drug-Design-Engine, klinische Pipeline und den globalen Ausbau fließen. Mein Take: KI ist nicht nur Produktivitätstool und Content-Maschine. Die größten Wetten laufen in realen Industrien, in denen Forschung, Kapital, Regulierung und Umsetzung zusammenkommen.

Das Muster hinter dieser Woche ist ziemlich eindeutig: KI wird nicht einfach "schlauer". KI wird operativer.

Sie wandert in Geschäftsprozesse, Finanzdaten, Banking, Forschung, Coding, Interfaces, Kundenservice und Dateninfrastruktur. Und genau deshalb wird Struktur wichtiger, nicht unwichtiger.

Was mich diese Woche beschäftigt hat

Ich baue mein eigenes PersonalOS nicht, weil ich gerne Ordner sortiere. Ich baue es, weil ich merke, dass mein eigener Kopf sonst nicht hinterherkommt.

Ich habe Kundenprojekte, Content, Gespräche, Ideen, offene Loops, strategische Entscheidungen und Learnings aus Tools, Calls, Posts und echten Projekten.

Und wenn ich das nicht sauber strukturiere, passiert etwas Gefährliches:

Ich werde selbst zum Engpass.

Nicht die KI. Nicht das Tool. Ich.

Weil ich der Einzige bin, der noch weiß, warum etwas wichtig war. Weil ich der Einzige bin, der noch weiß, wo etwas liegt. Weil ich der Einzige bin, der noch weiß, welche Entscheidung schon getroffen wurde.

Und genau das will ich nicht.

Ich will ein System, in dem mein Denken nicht verloren geht. Ein System, in dem KI nicht raten muss. Ein System, das jeden Tag ein bisschen wertvoller wird, weil jeder Tag neuen Kontext erzeugt.

Das ist für mich PersonalOS. Nicht als perfekte Software. Sondern als Arbeitsprinzip.

Der Hebel für dich

Mach diese Woche einmal eine Kontext-Inventur. Nicht groß. Nicht fancy. Einfach ehrlich.

Beantworte dir diese fünf Fragen:

1. Wo liegen meine wichtigsten Aufgaben?

2. Wo liegen meine wichtigsten Entscheidungen?

3. Wo liegt der Kontext zu meinen Kunden, Projekten oder Menschen?

4. Was muss ich KI immer wieder neu erklären?

5. Welche Regel kennt meine KI nicht, obwohl sie für meine Arbeit wichtig ist?

Wenn du bei diesen Fragen fünf verschiedene Orte im Kopf hast, ist das kein persönliches Versagen. Es ist nur ein Signal.

Du brauchst nicht noch ein Tool. Du brauchst erst eine Struktur.

Von mir diese Woche

Ich habe diese Woche ein kurzes Video veröffentlicht, in dem ich PersonalOS einmal kompakt erkläre:

• Instagram Reel: PersonalOS erklärt

• TikTok: PersonalOS erklärt

Und falls du tiefer rein willst:

Wenn du den PersonalOS Blueprint schon geladen hast, lies ihn noch einmal mit genau dieser Frage im Kopf:

Wo startet meine KI heute immer wieder bei null?

Wenn du ihn noch nicht angeschaut hast, kommst du hier direkt zur Willkommen-Seite:

PersonalOS Blueprint öffnen

Bis nächste Woche

Vincent