Max Nardit
Data & AI Systems Engineer mit Fokus auf Sichtbarkeit, Messung und agentische Systeme.
KI sitzt heute zwischen den Menschen und dem, was sie suchen, und zwischen der Arbeit und der Software, auf der sie läuft. Sie antwortet, leitet weiter, erinnert sich, vergisst und handelt inzwischen von selbst. Meist, bevor jemand prüfen kann, ob das Ergebnis stimmt. Ich untersuche diese Schicht mit Originaldaten und baue die Tools, um darin zu arbeiten. Mein Hintergrund ist die Angebotsseite des Digital Marketing: das Crawling, die Analytics, die Automatisierung und das Reporting, die Leitungen unter dem, was nach Marketing aussah. Das Marketing war nie das eigentliche Problem. Sichtbarkeit, Messung und Kontrolle waren es. KI hat dieses Problem nicht kleiner gemacht. Sie hat es dorthin verschoben, wo man es nicht sieht.
Beetroot vorgestellt in 窓の杜 (Japan) · Forschung mit Originaldaten · veröffentlichte Open-Source-Tools
die Systeme, die entscheiden:was wird gefunden,bekommt Vertrauen, wird genutzt
01 / These
Operating Thesis
KI verändert zwei Dinge gleichzeitig: wie Menschen Informationen finden und wie Arbeit durch Software läuft.
Dieser Wandel ist nicht nur ein Suchproblem. Er betrifft Tracking, Attribution, Kontext, Memory, Handoff und Vertrauen: die Systeme, die entscheiden, was eine Person sieht, bevor sie eine Wahl trifft.
An dieser Schicht arbeite ich. Ein Teil davon ist Forschung: messen, was sich ändert, und veröffentlichen, was standhält. Ein Teil ist Engineering: Tools und Workflows bauen, die Kontext halten, Fehler sichtbar machen und KI-gestützte Arbeit überprüfbar halten.
02 / Fokus
Aktuelle Bereiche
- 01
Sichtbarkeit & Discovery
Wie Menschen, Unternehmen und Tools auffindbar bleiben, wenn KI-Systeme antworten, zusammenfassen, routen und handeln.
- 02
Messung & Tracking
Wie man weiß, was funktioniert, wenn Klicks, Cookies, Referrals und Dashboards nicht mehr die ganze Geschichte erzählen.
- 03
Agentische Systeme
Memory, Handoff, Orchestrierung, Tool-Grenzen und Recovery für Agenten, die reale Workflows berühren.
- 04
Operative Evidenz
Forschung mit Originaldaten, Field Notes und veröffentlichte Tools. Befunde statt Prognosen.
03 / Artefakte
Ausgewählte Artefakte
Tools, die ich rund um dieselbe Schicht gebaut habe: Memory, Clipboard, Agent-Handoff, Monitoring. Local-first, wo es sinnvoll ist, aus Problemen, auf die ich direkt stoße.
- 01BeetrootEine local-first Clipboard-Umgebung, um Workflow-Kontext unter Windows zu bewahren.
- 02Clipboard MCPEine Clipboard-Brücke zwischen Menschen und KI-Agenten.
- 03Share2AgentEine Browser-zu-Agent Handoff-Oberfläche.
- 04Agent RecallScoped persistentes Memory für lang laufende Coding-Agenten.
- 05Claude Usage DeckEin kleiner operativer Monitor für Claude.ai-Limits.
04 / Texte
Neuere Texte
Alle Artikel →Backdoor in der Claude-Code-Extension im Cursor-Marketplace: was ausgeführt wurde, was nach der Deinstallation bleibt und warum die Versionsnummer nicht verrät, welchen Build du bekommen hast
Die manipulierten Builds trugen Anthropics Publisher-Namen und in einem Fall eine Version, die Anthropic wirklich veröffentlicht hat. Beides sagt nichts darüber, wer die Bytes gebaut hat, und was sie angelegt haben, bleibt auf dem Rechner, wenn die Extension längst weg ist.
Googles SLEEP-Framework vs. Speicherdateien für Agenten: Gewichte streichen die Kontextsteuer und mit ihr die Adresse
Speicher in die Gewichte zu konsolidieren ist eine echte Antwort auf die Kosten, bei jedem Aufruf Notizen neu zu lesen. Es nimmt aber auch das weg, was jede Operator-Aktion am Speicher braucht: etwas, auf das man zeigen kann. In SLEEP ist nicht einmal die letzte Nacht ein Block, den man herausnehmen kann. Die Einheit für einen Rollback ist also ein Checkpoint, und die Kosten des Vergessens wachsen mit dem Alter dessen, was man vergisst. Gewichtsspeicher lässt sich nur als Cache sicher betreiben, der aus einem aufbewahrten Protokoll neu gebaut wird.
KI-Training per robots.txt ablehnen mit __usage_ai-training: Googles Zuordnung trifft künftig auch das Grounding in Gemini
Der gemeinsame Token ist als Trainingspräferenz definiert und als nichts anderes. Google will ein Opt-out als Disallow für Google-Extended lesen, und Google-Extended entscheidet auch über das Grounding in den Gemini Apps. Der einzige Anbieter, der bisher gesagt hat, wie er den Token liest, wird ihn also weiter als nur fürs Training lesen. Was jeder der drei Mechanismen steuert, wie sie zusammenwirken und eine Datei pro Absicht.
OpenAI API-Guthaben für ChatGPT Pro vs. Claude Max API-Guthaben: gleiche Beträge, anderer Zaun um den Coding-Agenten
Ein headless Claude-Skript darf Anthropics Guthaben verbrauchen, ein Codex-Lauf mit API-Key darf das von OpenAI nicht. Außerdem schreibt jedes Lab eine Abrechnungsregel auf, die beim anderen fehlt, und genau diese Regeln entscheiden, welches Guthaben zu welcher Aufgabe passt.
GPT-6.1 Terra nach drei Tagen: die veröffentlichten Berichte, und warum keiner Terras Computer-Use-Tool testet
Terra wurde als Modell für Bildschirme und Klicks vermarktet. In den ersten drei Tagen erschienen ein Pelikan, eine Tabellenprüfung, ein Latenzvergleich, ein Quiz zum Bildschirmlesen und GitHubs Einschätzung zu C#. Am nächsten an Belegen dafür, wie Terra Sperren umgeht, kommt OpenAIs eigene System Card, und die Zahl, auf die es dort ankommt, ist, wie oft das Modell einen anderen Weg fand.
Claude Code Memory in Codex 0.165 importieren: memories vor dem ersten Import einschalten, sonst bleibt das Profil auf v1
Die Notizen zu kopieren ist der einfache Teil. Jede Claude-Code-Datei kommt unverändert an, und was Codex beim Sessionstart lädt, ist ein vom Modell geschriebener Verweis darauf, in einer Zusammenfassung mit harter Größengrenze. Zwei standardmäßig ausgeschaltete Schalter und ein überzähliges Verzeichnis entscheiden, in welcher Memory-Pipeline diese Dateien landen.
05 / Kontakt
Kontakt
E-Mail und Telegram funktionieren beide. Telegram ist schneller.