2025: Das Jahr, in dem KI das Handeln lernte

Ein Rückblick auf meine damaligen Erfahrungen und Anbieterankündigungen von2025. Produktnamen, Kosten und Benchmarkwerte beschreiben den damaligen Stand; daraus folgt keine aktuelle Produktempfehlung. Wie ich Agenten heute begrifflich einordne, erläutere ich in Agenten sind keine Kolleg:innen. Und genau deshalb brauchen sie eine Plattform.

Warum die aktuellen Entwicklungen mehr sind als nur bessere Chatbots – und was das für dich bedeutet

Wenn du in den letzten Wochen das Gefühl hattest, dass in der KI-Welt gerade etwas Grundlegendes passiert, dann liegst du richtig. 2025 ist nicht das Jahr, in dem KI besser reden lernte – es ist das Jahr, in dem sie endlich das Handeln lernt.

Ich selbst arbeite gerade intensiv mit Manus.ai und hatte kürzlich einen echten Durchbruch beim Programmieren mit Claude. Plötzlich konnte ich komplexe Projekte über das Kontextfenster hinaus erweitern und weiterentwickeln, ohne dass das Modell ständig alles zerstört oder anfängt, sich zu wiederholen. Das hat mich dazu gebracht, tiefer zu graben: Was passiert hier eigentlich gerade?

Die Antwort ist faszinierend – und gleichzeitig frustrierend komplex. Deshalb dieser Beitrag: Ich möchte dir zeigen, was sich 2025 wirklich verändert hat und warum die meisten Artikel das Thema nur an der Oberfläche kratzen.

Vom Chatbot zum Agenten: Ein fundamentaler Wandel

Erinnere dich an ChatGPT Ende 2022. Du gibst einen Prompt ein, das Modell antwortet, und dann… wartet es. Du musst den nächsten Schritt machen. Du bist derjenige, der den Prozess steuert.

Das ändert sich jetzt radikal. Die neue Generation von KI-Tools arbeitet nicht mehr nur mit dir, sondern für dich. Der Unterschied ist subtil, aber enorm:

Chatbot (alt): „Suche nach Wohnungen in Prag unter 1.500€“
→ Du bekommst Vorschläge, musst aber selbst klicken, filtern, Kontakte raussuchen
Agent (neu): „Finde alle Zwei-Zimmer-Wohnungen in Prag unter 1.500€, prüfe die Nähe zum ÖPNV und stelle die Vermieter-Kontakte zusammen“
→ Du schließt den Browser. 20 Minuten später hast du eine fertige Liste.
Theoretisch könntest Du den Agenten sogar anweisen die Wohnungen für dich anzufragen.

Das ist nicht nur praktischer – es ist eine völlig andere Art, wie wir mit Computern arbeiten.

Manus.ai: Mein digitaler Praktikant (mit Macken)

Ich nutze derzeit Manus.ai intensiv, und es ist… kompliziert. Manus ist wie ein hochmotivierter Praktikant: unfassbar fleißig, arbeitet selbstständig, aber manchmal bleibt er auch einfach in der Tür stecken.

Was Manus kann (und was mich begeistert)

Das Versprechen von Manus ist simpel: Du gibst eine Aufgabe, schließt den Browser, und der Agent arbeitet im Hintergrund. Asynchron. Autonom. Das funktioniert verblüffend gut für Dinge wie:

Marktforschung: „Finde mir alle Startups in Berlin, die im Bereich KI-Sicherheit arbeiten“
Daten sammeln: „Liste alle Preise von Konkurrenzprodukten auf“
Lead-Generierung: „Finde Journalisten, die über Klimatechnologie schreiben“

Für solche strukturierten, aber zeitaufwendigen Aufgaben ist Manus Gold wert.

Wo Manus scheitert (und warum das wichtig ist)

Aber: Das moderne Web hasst Bots. Und Manus läuft ständig gegen Wände:

Das CAPTCHA-Problem: Manus kommt nicht durch Cloudflare-Schutz. Es stolpert über Paywalls. Wenn LinkedIn oder eine Datenbank eine Anmeldung verlangt, ist Schluss. Der Agent steht da wie jemand ohne Ausweis vor dem Club.

Das Gedächtnis-Problem: Bei komplexen Aufgaben (z.B. eine Reise planen, die 50 Websites involviert) „vergisst“ Manus, was es am Anfang gemacht hat. Das Kontextfenster füllt sich mit Datenmüll – Navigation, Werbung, Footer – bis das System abstürzt oder in Schleifen gerät.

Um das Problem zu umgehen fragt Manus mittlerweile zwar häufiger, ob es nur einen Teil der Aufgabe erledigen soll, aber das löst die gewünschte Aufgabe dann meist nur sehr oberflächlich oder eben nicht vollständig.

Das Kreativitäts-Problem: Manus ist ein Jäger, kein Schreiber. Es kann brillant Daten finden, aber wenn du erwartest, dass es daraus einen guten Text macht, wirst du enttäuscht. Dafür ist es nicht gebaut.

Das Kosten-Problem: Manus arbeitet mit Credits. Eine komplexe Aufgabe kann 10-20 Credits kosten. Scheitert sie (z.B. wegen eines CAPTCHAs), sind die Credits oft trotzdem weg. Das macht die Planung schwierig.

Mein Workflow mit Manus

Ich habe gelernt: Nutze Manus für das, was es kann. Mein Workflow sieht jetzt so aus:

Manus: „Finde mir 10 relevante Artikel/Bibliotheken/Quellen zu X“
Ich: Exportiere die URLs
Claude: Verarbeitet den Content und macht was Sinnvolles daraus

Manus ist der Retriever. Claude ist der Analyst und Texter. Zusammen sind sie unschlagbar.

Der Claude-Durchbruch: Wenn Gedächtnis billig wird

Jetzt zum aufregenden Teil – und dem Grund für meinen persönlichen „Aha!“-Moment.

Das Problem, das wir alle hatten

Stell dir vor, du arbeitest mit Claude an einer großen Codebasis. Jedes Mal, wenn du eine Frage stellst, muss Claude die GESAMTE Codebasis neu lesen:

100.000 Zeilen Code
10-15 Sekunden Wartezeit
Kosten pro Anfrage: 100.000 Tokens Input

Das war teuer und langsam. Niemand konnte so produktiv arbeiten.

Die Lösung: Prompt Caching

Anthropic beschreibt Prompt Caching als Wiederverwendung häufig genutzten Kontexts zwischen API-Aufrufen. Die offizielle Ankündigung enthält bereits ein Verfügbarkeitsupdate vom Dezember 2024. Es ist damit keine erst 2025 entstandene Technik.

Beim Prompt Caching können wiederverwendete Eingabeteile effizienter verarbeitet werden. Die Einsparung hängt von Cache-Treffern und dem Anteil wiederholter Eingaben ab. Caching erweitert weder das Kontextfenster noch garantiert es, dass alle Informationen richtig berücksichtigt werden.

Bei erneuten API-Anfragen mit einem passenden Cache-Treffer:

Anthropic nannte bis zu 85% geringere Latenz. Eine feste Antwortzeit von zwei Sekunden folgt daraus nicht; sie hängt von Anfrage und Modell ab.
Kostet laut damaliger Anbieterangabe bis zu 90% weniger für wiederverwendete Eingaben (Cache Read statt normaler Input)

Wiederverwendbarer Kontext kann die Arbeit mit einer Codebasis erleichtern. Das ersetzt aber keine Prüfung, ob das Modell die relevanten Dateien tatsächlich berücksichtigt und Änderungen korrekt umsetzt.

Mein Durchbruch

Das war der Moment, in dem ich es kapiert habe. Ich konnte plötzlich:

Komplexe Projekte iterativ erweitern, ohne dass Claude den Kontext verliert
Über Tage hinweg am selben Projekt arbeiten, ohne alles neu hochladen zu müssen
Keine Redundanzen mehr, weil Claude sich erinnert, was schon existiert
In meinem damaligen Versuch gelangen größere Refactorings; das ist keine Garantie für weitere Projekte

Claude Projects, gespeicherte Projektdateien, Kontextverwaltung und API-Prompt-Caching sind unterschiedliche Funktionen. Mein damaliger Entwicklungsfortschritt lässt sich nicht ohne Messung allein auf Caching zurückführen.

Das Model Context Protocol (MCP): Der USB-C-Moment

Noch ein technisches Detail, das wichtig ist: MCP ist ein neuer Standard, der Claude mit deinen lokalen Tools verbindet.

Früher: Wenn du wolltest, dass Claude auf deine Datenbank zugreift, musstest du manuell Integrations-Code schreiben.

Jetzt: MCP ist wie ein USB-C-Port. Du startest einen MCP Server (z.B. für deine SQLite-Datenbank), und Claude verbindet sich damit.

Das bedeutet: Claude kann jetzt nicht nur Code schreiben, sondern auch:

Ihn ausführen
Die Ausgabe lesen
Fehler fixen
Und das Ganze iterieren

Das schließt die Schleife zwischen „Code schreiben“ und „Code testen“ – ein echter Game-Changer.

OpenAI und Google: Die Denker

Während Manus und Claude sich auf Aktion konzentrieren, gehen OpenAI und Google einen anderen Weg: Reasoning.

OpenAI GPT-5.1: Instant vs. Thinking

OpenAI hat sein Modell in zwei Modi aufgeteilt:

Instant Mode: Schnell, warm, kreativ. Für Gespräche und kreative Arbeit.
Thinking Mode: Langsam, aber präzise. Pausiert, reflektiert, denkt nach – wie ein Mensch, der ein schwieriges Problem löst.

Codex-Max, die Coding-Variante, kann jetzt „mehrstündige Agenten-Schleifen“ ausführen. Es kann einen Test laufen lassen, ihn scheitern sehen, den Code fixen, neu testen, einen neuen Bug finden, diesen fixen… stundenlang, ohne abzustürzen.

Die Technik dahinter heißt Compaction: Das Modell fasst seine eigene Historie zusammen, wenn das Kontextfenster voll wird, und behält nur das Wesentliche.

Google Gemini 3 Deep Think: Der Mathematik-Savant

Googles Deep Think brilliert bei „Hard Science“: 93,8% auf PhD-Level-Wissenschaftsfragen, löst ungesehene Probleme der Mathe-Olympiade.

Google nennt es ihr „mächtigstes agentisches + Vibe Coding Modell“. Vibe Coding bedeutet hier: Das Modell versteht die Absicht und den Stil deines Projekts, auch wenn du es nur vage beschreibst und baut das Projekt eigenständig.

Wie du die Tools kombinierst: Eine praktische Strategie

Nach all dem technischen Gerede: Was bedeutet das für dich?

Hier ist mein Framework, basiert auf monatelanger Arbeit mit diesen Tools:

Der Gehirn-Vergleich

Tool	Stärke	Dein Use Case
Manus.ai	Web-Autonomie, Daten finden	„Finde mir 10 Artikel über X“
Claude	Kontext-Management, Integration	„Lies diese Docs und implementiere Feature Y“
Codex-Max	Langzeit-Iteration	„Refactorisiere dieses Legacy-Modul über Nacht“
Gemini Deep Think	Algorithmen, Wissenschaft	„Löse dieses mathematische Optimierungsproblem“

Warum die meisten Artikel zu kurz greifen

Du hast es wahrscheinlich gemerkt: Die meisten Blog-Posts über KI sind kurz und oberflächlich. Sie behandeln alle diese Tools als „bessere Chatbots“.

Sie sind aber keine Chatbots mehr. Sie sind die Komponenten einer neuen digitalen Belegschaft:

Manus ist dein Praktikant (eifrig, autonom, bleibt aber manchmal stecken)
Claude ist dein Chefingenieur (kennt alles, schnell, teuer)
Codex-Max ist dein Auftragnehmer (arbeitet 24h, bis das Problem gelöst ist)

Die Frage ist nicht mehr „Welcher Chatbot ist besser?“, sondern „Welchen Spezialisten brauche ich für diese Aufgabe?“.

A Propos Spezialist…

Diese Infografik hat Philipp Schmid, AI Developer Experience bei Google DeepMind und ehemaliger CTO bei HuggingFace mit einem einzigen Prompt und dem neuen Nano Banana Pro (Gemini 3 Pro Image) erstellt:

Für mich das krasseste Beispiel, das ich kürzlich gesehen habe, das zeigt, wie weit Google mit dem agentischen und multimodalen Ansatz schon ist. (Auch wenn sich noch einige Fehler in der Grafik befinden)

Was macht es so besonders? Es kombiniert drei Dinge, die bisher getrennt waren:

Google Search Grounding: Das Modell kann selbstständig nach Echtzeitdaten suchen
Reasoning: Es „denkt“ durch den Prompt nach
High-Fidelity Image Generation: Es erstellt hochauflösende, präzise Visualisierungen

Prompt: Generate an infographic of the pizza per capita.

Das ist alles. Ein Satz. Keine Daten, keine Spezifikationen, keine CSV-Dateien.

Was passiert:

Das Modell versteht: „Ich brauche Pizza-Konsumptionsdaten pro Land“
Es sucht selbst nach aktuellen Statistiken über Google Search
Es entscheidet, wie diese Daten am besten visualisiert werden
Es erstellt eine komplette, designte Infografik mit Zahlen, Ländernamen und visueller Gestaltung, deren Richtigkeit separat geprüft werden muss

Das ist nicht „KI macht ein Bild“. Das ist „KI macht Marktforschung, Datenanalyse, Design und Produktion“ – alles in einem Schritt.

Die Kosten? $0.13-0.24 pro Bild (je nach Auflösung). Die Möglichkeiten hängen von Datenqualität, Aufgabe und Kontrolle ab.

Du gibst einen Satz ein. Das Modell handelt – recherchiert, analysiert, visualisiert. Fertig.

Das ist genau das, was ich mit „2025: Das Jahr, in dem KI das Handeln lernte“ meine.

Warum dieses Beispiel so wichtig ist: Früher hättest du für so eine Infografik gebraucht:

Eine:n Praktikant:in, der/die Daten recherchiert (Minimum 2 Stunden)
Eine Excel-Tabelle mit den Zahlen (30 Minuten)
Eine:n Designer:in, der/die die Grafik erstellt (3-8 Stunden)
Mehrere Iterationsschleifen für Korrekturen (1-2 Tage)

Jetzt: Ein Satz. 30 Sekunden. $0.13.

Das ist nicht „ein bisschen besser“. Das ist eine andere Realität!

Das Artikelbild ganz oben ist übrigens auch mit Nano Banana Pro entstanden, Input war schlichtweg dieser Beitrag ;o)

Was das für 2026 bedeutet

Die Ära des „All-Zweck-Chatbots“ ist aus meiner Sicht vorbei. Die Zukunft ist Spezialisierung.

Mein persönlicher Durchbruch war, ein größeres Projekt in mehreren Schritten weiterentwickeln zu können. Ob dafür Modellverbesserungen, Kontextverwaltung, Werkzeuge oder Caching entscheidend waren, habe ich nicht isoliert gemessen.

Das ist die fundamentale Erkenntnis von 2025.

Zum Schluss

Falls du dich fragst, wo du anfangen sollst:

Probiere Claude Projects bei einem geeigneten größeren Projekt aus und prüfe, wie Projektdateien und gespeicherte Anweisungen Deinen Ablauf unterstützen. API-Prompt-Caching ist davon getrennt und muss im jeweiligen API-Workflow berücksichtigt werden. Skills können für bestimmte Aufgaben spezialisierte Anweisungen hinterlegen.
Experimentiere mit Manus für eine nervige, repetitive Recherche-Aufgabe, die du schon lange aufschiebst.
Sei geduldig mit den Tools. Sie sind Praktikanten, keine Zauberer. Sie machen Fehler. Aber wenn du ihre Stärken kennst und die Schwächen umgehst, sind sie unglaublich mächtig.

2025 war für mich ein Jahr, in dem Agentenwerkzeuge praktisch nützlicher wurden. Perfekt oder unbegrenzt zuverlässig wurden sie dadurch nicht.

Und das ist vielleicht wichtiger.

Hast du schon Erfahrungen mit KI-Agenten gemacht? Wo sind sie bei dir gescheitert, wo haben sie dich überrascht? Schreib mir – ich bin gespannt auf deine Stories.

Zur technischen Abgrenzung: Anthropics Ankündigung zu Prompt Caching.