Drei Jahre, zwei Revolutionen – Wird das AI-Coding Coze auslöschen? Verstehen Sie die zugrundeliegende Evolutionstechnologie von Coze3.0

Zusammenfassung der Kerninhalte:

In den letzten drei Jahren hat Coze zwei wichtige Entwicklungswege beschritten: Erstens wurde die Entwicklungsmethode von einem „Drag-and-Drop-Bausteinsystem“ (Low-Code) auf eine Sprachprogrammierung übergegangen, bei der der Benutzer seine Anforderungen in natürlicher Sprache formuliert und das AI diese umsetzt. Zweitens hat sich die Art der Zusammenarbeit von einer Arbeit mit einzelnen AI-Agenten zu einer Teamzusammenarbeit mehrerer Agenten entwickelt. Die neueste Version 3.0 stellt einen wichtigen Meilenstein auf diesem Weg dar, da sie Probleme wie den Kontextverlust bei einzelnen AI-Systemen, die Asynchronität zwischen verschiedenen Geräten sowie die eingeschränkte Funktionalität behoben hat. Der Artikel vergleicht außerdem die Entwicklungsstrategien von Coze mit denen anderer Plattformen wie Dify und n8n und weist darauf hin, dass sich der Wettbewerb bei solchen AI-Tools künftig weniger auf die Funktionalität als vielmehr auf das angesammelte Branchenwissen („KnowHow“) konzentrieren wird. Schließlich liegt die Entscheidung darüber, welche Aufgaben ein AI durchführt und nach welchen Standards dies geschieht, immer beim Menschen.

Detaillierte Analyse:

1. Die beiden Entwicklungswege von Coze: Wie „zwei Beine“, die gemeinsam laufen**

Die Weiterentwicklung von Coze erfolgte nicht auf einem einzigen Weg, sondern gleichzeitig in zwei Richtungen:

• Entwicklungsweg: Der Fokus lag darauf, die Erstellung von AI-Anwendungen zu vereinfachen. Version 1.0 nutzte ein „Drag-and-Drop-System“ (ähnlich dem Bau mit Lego-Steinen), während Version 2.0 es ermöglichte, Anforderungen in natürlicher Sprache zu formulieren; dadurch generierte das AI automatisch die entsprechenden Abläufe.
• Zusammenarbeitsweg: In Versionen 1.0 und 2.0 erledigte jeweils ein einzelnes AI alle Aufgaben, während Version 3.0 es ermöglicht, mehrere AI-Agenten in Teams einzusetzen (z. B. für Datenrecherche, Berichtserstellung oder Textbearbeitung).

Diese beiden Entwicklungsrichtungen ergänzen sich und haben Coze von einem „Low-Code-Tool“ zu einer Plattform für die Teamzusammenarbeit mit AI entwickelt.

2. Der Wechsel in der Entwicklungsmethode: Warum nicht mehr „Bausteine verwenden?“

Das „Drag-and-Drop-System“ von Coze 1.0 war für Anfänger geeignet, doch bei komplexen Aufgaben erwies es sich als unpraktisch – beispielsweise bei der Erstellung eines Workflows mit Hunderten von Komponenten. Mit der Verbesserung der AI-Fähigkeiten (insbesondere im Jahr 2025) und dem Wettbewerb durch AI-Programmierwerkzeuge wie Cursor entschied sich Coze für die Sprachprogrammierung. Der Benutzer muss seine Anforderungen klar formulieren, und das AI generiert anschließend den Ablauf automatisch. Dadurch steigt die Effizienz – allerdings entstehen neue Herausforderungen, wie mögliche Ungenauigkeiten in der Interpretation der Anforderungen sowie die Notwendigkeit, Code-Protokolle zu überprüfen.

3. Die Weiterentwicklung der Zusammenarbeit: Von „einem AI, das arbeitet“, zu „mehreren AI-Agenten als Team“

Einzelne AI-Agenten weisen drei Hauptprobleme auf:

• Mangelnde Gedächtnisleistung: Sie können sich an langfristige Aufgaben nicht erinnern (z. B. an die Fortschritte bei der Erstellung von Berichten).
• Asynchrone Arbeitsumgebungen: Arbeiten am Handy wird nicht auf dem Computer weitergeführt.
• Eingeschränkte Funktionalitäten: Ein AI kann nicht gleichzeitig mehrere Aufgaben erledigen (z. B. Marktforschung, Texterstellung, Präsentationserstellung).

Coze 3.0 löst diese Probleme durch die Nutzung von „Projekten und Teams aus mehreren Agenten“. Der Benutzer gibt ein Ziel vor (z. B. „Erstellung eines Berichts über die Kaffeeindustrie für 2025“), und die Plattform teilt die Aufgaben automatisch auf. Dabei arbeiten verschiedene AI-Agenten zusammen (z. B. für Datenrecherche, Analyse und Visualisierung). Der Benutzer muss sich nur mit der Richtung und den Ergebnissen beschäftigen, ohne sich um die einzelnen Schritte kümmern zu müssen.

4. Die unterschiedlichen Entwicklungsstrategien der Plattformen**

Angesichts des Trends zur AI-Programmierung haben verschiedene Plattformen unterschiedliche Wege eingeschlagen:

• Coze: Hat das „Drag-and-Drop-System“ vollständig abgeschafft und sich auf Anfänger konzentriert.
• Dify: Setzt weiterhin auf eine visuelle Darstellung der Aufgaben (geeignet für Unternehmen, die Kontrolle über den Ablauf benötigen), bietet jedoch die Möglichkeit, AI-generierten Code zur Importierung in die eigene Umgebung an.
• n8n: Behält das „Bausteinsystem“ bei, unterstützt die Benutzer aber dabei durch AI bei der Aufgabenstellung (geeignet für Technik-Enthusiasten, die Flexibilität wünschen).

Letztendlich rührt sich jeder Anbieter an den unterschiedlichen Bedürfnissen seiner Nutzergruppen – doch alle zielen darauf ab, manuelle Eingriffe zu reduzieren und das AI bei der Arbeit zu unterstützen.

5. Der Kern des zukünftigen Wettbewerbs: Nicht die Tools selbst, sondern das Branchenwissen

Der Artikel betont, dass sich die Funktionen von AI-Tools zunehmend ähneln werden. Der eigentliche Unterschied wird jedoch im angesammelten Branchenwissen liegen – also in den Erfahrungen, Standards und Regeln der jeweiligen Industrien. Beispielsweise können AI-Systeme zwar die Aufgabe übernehmen, Stellenanzeigen zu filtern, aber die Bewertungskriterien (z. B. 5 Jahre Berufserfahrung, Erfahrung in einem großen Unternehmen, Kenntnisse von Python) müssen weiterhin vom Menschen festgelegt werden. Ebenso können AI-Systeme Daten analysieren, doch die Logik hinter der Bewertung von Aktien (z. B. PE-Wert, Branchentrends) basiert auf menschlichem Wissen. Diese „KnowHow-Faktoren“ sind für AI unersetzlich und bilden den Schutzwall der Plattformen im Wettbewerb.

Fazit:

AI-Tools werden immer leistungsfähiger – doch letztendlich entscheidet die Fähigkeit des Menschen, zu wissen, welche Ziele er verfolgt und nach welchen Standards er arbeiten möchte, über den Erfolg. Diese Fähigkeiten bleiben weiterhin das Wertvollste.