Next

Was das Unternehmen offenbar ist: Next ist eine selbst gemeldete iOS-App, die reisebezogene Eingaben (Screenshots, Sprache, manuelle Eingabe) in einen editierbaren Zeitplan von Aktionen mit lokalen Erinnerungen verarbeitet. Sie behauptet, die Übersetzung von Reiseinformationen in handlungsorientierte Schritte zu automatisieren, ohne dass ein Konto oder Backend-Dienste erforderlich sind.

Was sich geändert hat: Die Projektbeschreibung stellt einen selbst gemeldeten Entwicklungsaufwand dar, der für den OpenAI 2026 Hackathon eingereicht wurde. Es gibt keine Hinweise auf vorherige kommerzielle Aktivitäten, Finanzierung oder Kundennachfrage über den Kontext der Einreichung hinaus.

Wichtigste offene Frage: Gibt es Hinweise auf tatsächliche Nutzerakzeptanz, Umsatz oder Product-Market-Fit über die eigene Darstellung des Autors hinaus?

Analysegrundlage: Dieser Bericht basiert ausschließlich auf der vom Anrufer bereitgestellten, selbst gemeldeten Projektbeschreibung. Es sind keine externen Verifizierungen, archivierte Daten oder Drittanbieterquellen verfügbar. Alle Aussagen spiegeln die in der Beschreibung gemachten Behauptungen wider und sollten als solche behandelt werden.

• Die Beschreibung besagt, dass Next eine native iOS-App für iOS 18 und höher ist.
• Sie akzeptiert drei Eingabeformen: Reise-Screenshots, gesprochene Sätze (über das Speech-Framework von Apple) und manuell eingegebene Plandetails.
• Die App verwendet Vision OCR, um Text aus Screenshots zu extrahieren; Nutzer können diesen extrahierten Text korrigieren, bevor er in strukturierte Daten umgewandelt wird.
• Ein Parser identifiziert Flug-, Zug-, Hotel- oder allgemeine Plandetails, die dann in Vorbereitungsschritte wie Packen, Verlassen des Hauses, Ankunft am Flughafen, Boarding, Check-in und Check-out umgewandelt werden.
• Diese Schritte bleiben editierbar und werden lokal mit SwiftData gespeichert.
• Lokale Benachrichtigungen werden über UserNotifications geplant, um Nutzer an bevorstehende Aktionen zu erinnern.
• Die App hat kein Kontosystem, kein Backend und keine Laufzeit-API-Aufrufe an OpenAI oder andere Dritte.

Schlussfolgerung: Basierend auf der Beschreibung scheint Next ein datenschutzorientiertes, rein gerätebasiertes Werkzeug für die Automatisierung der persönlichen Reiseplanung zu sein. Es handelt sich nicht um ein kommerzielles Produkt, sondern um einen Prototyp, der für einen Hackathon eingereicht wurde.

• Der Autor stellt fest, dass traditionelle Aufgaben-Apps Nutzer dazu zwingen, Zeitpläne aus fragmentierten Informationen wie Screenshots und Chat-Nachrichten manuell nachzubauen.
• Next zielt darauf ab, die Frage zu beantworten: „Was soll ich als Nächstes tun?“, indem dieser Prozess automatisiert wird.
• Es positioniert sich als KI-gestützter Exekutivassistent für Reisen, verwendet jedoch zur Laufzeit keine externen APIs oder Cloud-Dienste.
• Die App betont lokale Verarbeitung, Nutzerkontrolle und editierbare Ausgaben im gesamten Workflow.

Schlussfolgerung: Die Positionierung ist um Bequemlichkeit und Datenschutz herum aufgebaut und nutzt gerätebasierte Fähigkeiten, um Datenlecks oder Abhängigkeiten von Drittsystemen zu vermeiden. Die Behauptung, ein „KI-gestützter Exekutivassistent“ zu sein, wird jedoch durch fehlende Hinweise auf fortgeschrittenes KI-Verhalten über OCR- und Parsing-Logik hinaus nicht gestützt.

• Nicht belegt.

Ergebnis: In der Beschreibung wird keine explizite Identifizierung von Zielkundensegmenten, Personas oder idealen Kundenprofilen (ICPs) angegeben.

• Die Beschreibung erwähnt kein Preismodell, keine Monetarisierungsstrategie oder kein Geschäftsmodell.
• Es gibt keinen Hinweis darauf, ob Next verkauft, als Freemium-Angebot bereitgestellt oder durch Werbung finanziert wird.
• Es gibt keine Hinweise auf Einnahmequellen, Abonnements oder kostenpflichtige Funktionen.

Finding: Keine Hinweise auf ein definiertes Geschäftsmodell oder eine Preisstruktur.

• Entwickelt mit Swift, SwiftUI, Vision, Speech, SwiftData, UserNotifications und XCTest.
• Verwendet eine modulare Pipeline: Input → OCR/transcript → editable source text → TravelParser → editable draft → ReminderStepGenerator → local notifications.
• Die gesamte Verarbeitung erfolgt lokal; es gibt keine Backend- oder Cloud-Abhängigkeiten.
• Die App unterstützt mehrere Eingabetypen (Screenshot, Sprache, manuell) in verschiedenen Reisekontexten (Flüge, Züge, Hotels).
• Es gibt 112 bestanden automatisierte Tests.
• Zukünftige Pläne umfassen Siri-Unterstützung, App Intents und Apple Watch-Integration.

Inference: Die technische Architektur zeigt einen Fokus auf native iOS-Entwicklung mit starkem Schwerpunkt auf lokaler Verarbeitung und Testabdeckung. Das modulare Design deutet auf Wartbarkeit und Erweiterbarkeit hin.

• Nicht belegt.

Finding: Keine Hinweise auf Nutzerakzeptanz, Kundenstamm, Nutzungsdaten oder Produktreife über die Hackathon-Einreichung hinaus.

• Nicht belegt.

Finding: Keine Erwähnung von Wettbewerbern oder der Wettbewerbslandschaft im Bereich Reiseplanung oder Aufgabenmanagement.

• Die App wird als Hackathon-Projekt beschrieben, ohne vorherige kommerzielle Aktivitäten.
• Es fehlt jegliche Form der Monetarisierung, Kundendaten oder ein Einnahmemodell.
• Es gibt keine Hinweise auf Product-Market-Fit oder Nutzerfeedback über interne Tests hinaus.
• Die Verwendung von GPT-5.6 und Codex während der Entwicklung deutet auf Werkzeugunterstützung hin, aber nicht auf reale Marktdurchdringung.
• Die App scheint keinen Weg zur Skalierung über ihren aktuellen Prototyp-Status hinaus zu haben.

Inference: Das Fehlen kommerzieller Aktivitäten, Einnahmen oder Kundenbindung wirft Fragen zur Tragfähigkeit als Produkt oder Geschäftsmöglichkeit auf.

1. Wie lautet das tatsächliche Nutzerfeedback von Beta-Testern oder Early Adopters?
2. Wie unterscheidet sich Next von bestehenden Reiseplanungswerkzeugen (z. B. TripIt, Google Trips)?
3. Gibt es Pläne, über iOS hinaus zu expandieren oder Cloud-Synchronisierungsfunktionen hinzuzufügen?
4. Hat das Team in Betracht gezogen, wie dieses Werkzeug monetarisiert werden könnte, wenn es zu einem kommerziellen Produkt würde?
5. Was sind die technischen Einschränkungen der aktuellen OCR- und Parsing-Pipeline, die die Genauigkeit bei Skalierung beeinträchtigen könnten?