Nachdem ich mir @dappOS_com's neuestes xBubble angesehen habe, ist mein erster Eindruck:

Es will ein sehr reales Problem lösen: Wie können normale Leute AI wirklich nutzen?

Ich verfolge DappOS schon eine Weile, das Team hat zuvor Investments von YZi Labs und Sequoia China / HongShan erhalten. Der Finanzierungsbackground ist natürlich ein Plus, aber ich interessiere mich mehr dafür, ob die Produktstrategie tatsächlich die echten Bedürfnisse trifft.

Viele AI-Produkte sind mittlerweile echt stark.

Das Problem ist jedoch:

Die Nutzer müssen immer noch verstehen, wie man Prompts nutzt, die Unterschiede zwischen Modellen kennt und die Toolchain beherrscht.
Es muss die Aufgaben selbst zerlegen, das Format anpassen und die Ergebnisse reparieren.
In gewisser Hinsicht wird die KI zwar stärker, aber viele Nutzer werden stattdessen erst einmal zu „KI-Projektmanagern“.

Und bei der Low-Prompt-Roadmap von xBubble finde ich genau daran die interessante Stelle.

Es will nicht, dass die Nutzer lernen, wie man „KI dirigiert“, sondern dass sie nur das Ziel formulieren – den Ausführungsweg übernimmt danach das System selbst.

Das Wichtigste daran sind seine zwei Ebenen:

Bubble Engine

Bubble Pilot
Wenn man es ganz einfach versteht:

SOP ist eher eine Art „Arbeitsmethode“, die als Systematisierung festgehalten wird.

Zum Beispiel: eine Branchen-PowerPoint erstellen. Dabei startet man nicht jedes Mal bei Null, sondern man macht Folgendes:

Recherche

Strukturdesign
Inhalte organisieren
Diagramme erzeugen
Layout und Auslieferung
Diese Schritte werden nach und nach zu einem stabilen Prozess verfestigt.

Bubble Engine ist eher eine Lernschicht im Hintergrund.

Es testet kontinuierlich unterschiedliche Modelle, Tools und Ausführungswege und speichert die jeweils stabilste Lösung als SOP ab.

Und Bubble Pilot ist eher eine Orchestrierungs- bzw. Steuerungsschicht.

Der Nutzer muss nur einmal kurz den Bedarf nennen. Das System entscheidet dann zuerst, um welche Art Aufgabe es sich handelt, und ordnet anschließend die passendste SOP zu.

Falls es vorübergehend keinen passenden Prozess gibt, ruft es erst einmal allgemeine Lösungen auf, um die Aufgabe trotzdem fertigzustellen – und gibt dann neue Anforderungen an die Engine zurück, damit diese weiter lernt und verfestigt.

Ich finde, dieses Design ist pragmatischer als viele Projekte, die einfach nur „Multi-Agent“ rufen.

Denn was viele Nutzer wirklich brauchen, ist nicht „eine komplexe Kette“, sondern „ein stabiles Ergebnis“.

Einige Beispielaufgaben, die der Projektanbieter liefert, sind ziemlich typisch:

Zum Beispiel:

Business-PPTs zu (Rückblick auf den chinesischen Kaffeemarkt 2025 und Ausblick auf 2026)

Ein Datenvergleich-Dashboard „BYD vs Tesla“
Ein Satz genügt, um Werbevideos für Produkte wie Eiskaffee und Zitronentee zu generieren
Bei solchen Aufgaben liegt der Schwerpunkt nie darauf, ob „KI Inhalte erzeugen kann“.

Sondern darauf:

Ob es Inhalte, Struktur, visuelle Gestaltung und das Auslieferungsformat gemeinsam gut hinbekommt.

Das ist im Grunde genommen wirklich entscheidend.

Viele generische Agents eignen sich besser für offene Erkundung.

Aber in Szenarien wie PPTs, Berichten, Web-Boards und Werbevideos wollen Nutzer in der Regel nicht eine Menge Zwischenprozesse.

sondern ein Ergebnis, das sich nahezu direkt ausliefern lässt.

Außerdem war mein früheres Verständnis von Bubble Computer etwas zu eng.

Später habe ich festgestellt, dass es im Kern zwei unterschiedliche Laufumgebungen sind.

Bubble Computer ist eher wie ein Cloud-Projekt-Workspace.

Gut geeignet für:

PPTs

Berichte
Websites
Videos
also mehrstufige Aufgaben.

Das System erledigt Recherche, Generierung, Prüfung und Auslieferung in einer Sandbox-Umgebung.

Und Bubble Personal ist eher eine lokale Umgebung.

Dabei kann es – mit der Autorisierung durch den Nutzer – lokale Dateien, den Browser, Apps und den Kalender/Terminplan bedienen.

Deshalb kommt es dem echten persönlichen Arbeitsablauf näher.

Aus diesem Blickwinkel ist xBubble im Kern nicht nur ein Chat-Einstieg.

Es ist eher dabei, „KI-Nutzungserfahrung“ zu einem Produkt zu machen.

Viele KI-Agents betonen aktuell noch:

Autonomie

lange Ketten
Zusammenarbeit mehrerer Agents
Aber xBubble wählt zunächst, konkrete Aufgabenabläufe stabil durchlaufen zu lassen.

Dieser Weg wirkt vielleicht nicht ganz so „cool“.

Aber ich finde, er trifft dafür stärker den tatsächlichen Bedarf normaler Nutzer und kleiner bis mittelständischer Unternehmen an KI.

Natürlich befindet sich das Produkt derzeit noch in der internen Testphase.

Ob SOP sich kontinuierlich weiterentwickeln kann, ob es sich zwischen verschiedenen Aufgaben stabil verallgemeinern lässt und ob Nutzer langfristig bleiben – all das muss man mit späteren Daten noch verifizieren.

Aber zumindest vom Ansatz her glaube ich, dass es richtig ist.

Das Zeichen dafür, dass KI wirklich weit verbreitet ist, ist vielleicht nicht, dass alle Prompt lernen.

sondern dass die meisten Menschen gar nicht wissen müssen, was ein Prompt ist.


Viel Spaß beim Testen: https://t.co/VAzxujfs7U