PREVIEW

Hinweis: Diese Analyse basiert ausschließlich auf der eigenen Darstellung des Autors. Es existieren keine externen Verifizierungen oder historischen Daten für dieses Projekt.

Die Beschreibung besagt, dass PREVIEW ist:

• Ein transaktionales Laufzeitsystem zwischen KI-Agenten und den Werkzeugen, die sie verändern können.
• Eine isolierte Kopie der Welt, in der Agenten vorgeschlagene Aktionen vorbereiten.
• Ein System, das diese vorbereiteten Aktionen in einen unveränderlichen quersystemischen Effektgraphen umwandelt.
• Ein Werkzeug, das es Nutzern ermöglicht:
  • Die exakt vorbereitete Zukunft zu genehmigen.
  • Einschränkungen hinzuzufügen und von einem sauberen Schattenzustand neu abzuspielen.
  • Transaktionen mit null Schreibvorgängen an Anbieter abzubrechen.

Es wird als anbieterneutrales TypeScript-Modular-Monolith mit einem separaten dauerhaften Worker beschrieben. Das System umfasst:

• Schattenzustand, der mit cross-adapter read-your-writes gepflegt wird.
• Unveränderliche Effekte, die in einen deterministischen Graphen-Verdauungswert versiegelt werden.
• Trennung von Simulations- und Commit-Fähigkeiten.
• Integration mit GPT-5.6 über die Responses API, jedoch ohne agentenbezogene Genehmigungs- oder Commit-Rechte.
• Commit-Worker, der beobachtete Lesesätze erneut validiert, in abhängigkeitssensibler Reihenfolge ausführt und Ergebnisse verifiziert.

Schlussfolgerung: Das System ist für Sicherheit und Nachverfolgbarkeit konzipiert, nicht für allgemeine Automatisierung.

Der Autor behauptet:

• KI-Agenten sind gefährlich nicht nur, wenn sie scheitern, sondern auch, wenn sie erfolgreich das Falsche tun.
• Die meisten Agentensicherheitssysteme prüfen Berechtigungen oder Prompts, aber die eigentliche Gefahr entsteht erst, wenn mehrere Werkzeugaufrufe sich über Systeme hinweg kombinieren.
• PREVIEW ermöglicht es Entwicklern, Bereitstellungen vor dem Livegang vorab zu prüfen – analog dazu ermöglicht es Nutzern, die Zukunft, die ein Agent kurz zu schaffen im Begriff ist, vorab zu prüfen.

Die Positionierung entwickelt sich von:

1. Einem konzeptionellen Problem (Agentensicherheit).
2. Zu einer technischen Lösung (eine Laufzeit mit Schattenzustand und Effektgraphen).
3. Zu einem praktischen Rahmenwerk (SDK- oder MCP-kompatibles Gateway für zertifizierte Adapter).

Behauptung: PREVIEW ist als Grenzschicht für KI-Agenten positioniert, um ungewollte Konsequenzen zu verhindern.

Die Beschreibung nennt keine spezifischen Zielkunden, impliziert aber:

• Softwareentwickler, die KI-Agenten bauen oder verwalten.
• Teams, die KI-Agenten im Produktivbetrieb einsetzen, insbesondere solche, die mit Tools wie CRM, E-Mail, Kalender, Zahlungen und Infrastruktur arbeiten.
• Organisationen, die sich mit Agentensicherheit und Compliance befassen, insbesondere dort, wo menschliche Aufsicht erforderlich ist.

Der Autor stellt fest, dass PREVIEW als horizontale Transaktionsgrenze für jedes System konzipiert ist, in dem Agenten weitreichende Veränderungen herbeiführen können.

Schlussfolgerung: Die ICP umfasst wahrscheinlich Enterprise- oder Entwicklerteams, die in regulierten oder risikoreichen Umgebungen arbeiten, in denen Aktionen von KI-Agenten auditierbar und rückgängig gemacht werden müssen.

Nicht belegt.

Die Beschreibung erwähnt nicht:

• Ertragsmodell.
• Preisstrategie.
• Monetarisierungsansatz.
• Pläne zur Kundenakquise oder -bindung.

Hinweis: Im selbstberichteten Account sind keine Daten zum Geschäftsmodell oder zur Preisgestaltung vorhanden.

Der Autor gibt an:

• PREVIEW ist als TypeScript-Modular-Monolith mit einem separaten dauerhaften Worker aufgebaut.
• Verwendet GitHub, Gmail API, Google Calendar API, OpenAI API, Node.js, OAuth 2.0, PostgreSQL, Vitest, Zod usw.
• Implementiert deterministische Adapter, Shadow State und Read-your-writes.
• Trennt Simulation von Commit.
• Umfasst Replay-Invalidation, Crash Recovery und Journaling Execution Intent.
• Verfügt über einen Judge Mode zum Testen ohne Zugangsdaten.
• Demonstriert die Integration mit realen Systemen (z. B. Google Calendar Move, Gmail Send).

Schlussfolgerung: Das System ist technisch anspruchsvoll und mit Sicherheit und Nachverfolgbarkeit als Kernprinzipien aufgebaut.

Nicht belegt.

Die Beschreibung enthält nicht:

• Umsatz oder ARR.
• Kundenbasis oder Adoptionsmetriken.
• Produktnutzungsdaten.
• Marktdurchdringung oder Nutzerfeedback.
• Jegliche Hinweise auf Product-Market-Fit über den Hackathon-Demo hinaus.

Hinweis: Das Projekt wird als Einzelprojekt für einen Hackathon beschrieben, ohne externe Validierung oder kommerzielle Implementierung.

Nicht belegt.

Die Beschreibung:

• Nennt keine Wettbewerber.
• Beschreibt keine Wettbewerbsvorteile.
• Vergleicht nicht mit bestehenden Agentensicherheits- oder Transaktionssystemen.

Schlussfolgerung: Angesichts des Fokus auf Agentensicherheit und Cross-System-Simulation könnte es Bereiche wie Workflow-Automatisierung, Compliance-Plattformen oder KI-Governance-Tools betreffen – es wird jedoch kein direkter Vergleich gezogen.

1. Einzelprojekt: Das gesamte System wurde von einem Entwickler (Aru Chauhan) erstellt, was Fragen zur Skalierbarkeit, langfristigen Wartung und Teamkapazität aufwirft.
2. Keine kommerzielle Durchdringung: Keine Hinweise auf Kunden, Umsatz oder Product-Market-Fit über eine Hackathon-Demo hinaus.
3. Unbewiesene Adoption: Der Autor gibt an, dass PREVIEW noch nicht in Produktivumgebungen implementiert ist – es wurde nur im Sandbox-Modus demonstriert.
4. Begrenzter Umfang: Die aktuelle Implementierung konzentriert sich auf E-Mail und Kalender; die nächsten Schritte umfassen den Aufbau eines SDK oder Gateways – was darauf hindeutet, dass es sich noch in einer frühen Phase befindet.
5. Hohe technische Komplexität: Obwohl beeindruckend, erfordert das System eine tiefe Integration mit vielen Anbietern und komplexe Logik für Replay, Abgleich und Crash Recovery.

Offene Frage: Das Fehlen jeglicher kommerzieller oder Nutzerdaten erschwert die Beurteilung der Tragfähigkeit oder Skalierbarkeit über ein Prototyp hinaus.

1. Was ist Ihr Plan zur Skalierung über die aktuelle Single-Developer-Architektur hinaus?
2. Haben Sie potenzielle Enterprise-Use-Cases oder Partner identifiziert, die dieses System möglicherweise adoptieren würden?
3. Wie beabsichtigen Sie, PREVIEW zu monetarisieren oder zu kommerzialisieren?
4. Gibt es bekannte Einschränkungen hinsichtlich der Handhabung komplexer Integrationen oder Edge Cases?
5. Was sind die zentralen Annahmen hinter Ihrer Vision einer horizontalen Transaktionsgrenze für AI Agents?
6. Können Sie beschreiben, wie Sie Nutzer auf die Approval- und Replay-Workflows aufbauen und schulen würden?