GitHub Status: Zugriffsprobleme und Störungsmeldungen

Probleme in den letzten 24 Stunden

Die folgende Grafik zeigt die Anzahl der Meldungen, die wir in den letzten 24 Stunden über GitHub nach Tageszeit erhalten haben. Ein Ausfall wird festgestellt, wenn die Anzahl der Berichte höher ist als die Baseline, dargestellt durch die rote Linie.

Meist gemeldete Probleme

Im Folgenden sind die neuesten Probleme aufgeführt, die von GitHub-Benutzern über unsere Website gemeldet wurden.

• Webseite abgestürzt (53%)
• Fehler (32%)
• Einloggen (15%)

Live-Karte der Ausfälle

Die kürzlichst gemeldeten Probleme und Ausfälle entstanden von

City	Problem Type	Report Time
Paris	Webseite abgestürzt	vor 15 Stunden
Ahmedabad	Fehler	vor 6 Tagen
Delme	Einloggen	vor 7 Tagen
Lyaud	Webseite abgestürzt	vor 7 Tagen
Catania	Fehler	vor 10 Tagen
Inverness	Webseite abgestürzt	vor 22 Tagen

Vollständige Ausfallkarte

Community-Diskussion

Tipps? Frustrationen? Teile es hier. Nützliche Kommentare enthalten eine Beschreibung des Problems, der Stadt und der Postleitzahl.

Hüten Sie sich vor „Support-Nummern“ oder „Wiederherstellungs“-Konten, die unten möglicherweise veröffentlicht werden. Stellen Sie sicher, dass Sie diese Kommentare melden und ablehnen. Vermeiden Sie die Veröffentlichung Ihrer persönlichen Daten.

GitHub Problemmeldungen

Letzte Ausfälle und Probleme die in sozialen Medien gemeldet wurden:

• 
  David Henning (@webcodr) berichtet vor 3 Minuten

  @Ellie_Libelle Ähnliche Probleme hat auch GitHub Copilot. Die KI generiert Quelltext und holt sich die Vorlegen aus quelloffener Software. Technisch sehr beeindruckend, aber es verletzt meist die gängigen Lizenzen dieser Projekte, weil die eigentlichen Urheber des Codes nicht genannt werden.

• 
  Florian 🧐 (@heinlef) berichtet vor 8 Minuten

  Als Experiment betreibe ich eine VM im Internet mit ipv6 only. Kein IPv4, auch nicht mit NAT. Bisher größtes Problem ist, dass GitHub kein IPv6 hat. VSCode-Server kann man da außerdem laufen lassen, aber keine Extensions installieren, weil open-vsx auch kein IPv6 hat.

• 
  Schergë 𝔡𝔢𝔯 𝔐𝔦𝔠𝔨𝔶 𝔐𝔞𝔲𝔰 10←1 ⍝ 7 8←5 6 (@friederike182) berichtet vor 8 Minuten

  @Islieb @Throki Ich würde f-droid bevorzugen. Sollte auch kein problem mit flutter sein (wenn source auf github verfügbar).

• 
  Marukuru (@ShiroMizunuma) berichtet vor 8 Minuten

  @DG_Glasfaser Seit Aktivierung habe ich Probleme mit der Erreichbarkeit einiger Server: TIDAL, GitHub, etc, gerne für 5 bis 10 Minuten, mehrmals am Tag, aber nicht alle Server. Traceroute gibt nach dem DG-Netz auf. Keine Reaktion auf meine Email.

• 
  floriankludi (@Klusoga1) berichtet vor 9 Minuten

  @selfdestroying GitHub Probleme oder meinst du eher doch git?

• 
  mthie® (@mthie) berichtet vor 13 Minuten

  Gleich gibt es wieder großes Geheule. Github ist grad ziemlich langsam und das Einhorn hab ich auch zu sehen bekommen.

• 
  Anästhet (@Anaesthet1) berichtet vor 14 Minuten

  Brauche mal #FollowerPower: Ich bekomme ein bestimmtes Github-Repository, welches in Go programmiert ist, nicht zum laufen auf einem Raspi. Probleme im folgenden Tweet. Kann wer helfen? Details per DM.

• 
  legan100 (@legan100) berichtet vor 15 Minuten

  Morgen um 10 Uhr Streame ich. Thema: Github Workflow Wir werden uns zuerst ans Testprojekt setzen und danach ans Backend und hoffentlich danach einen fertigen Workflow haben.

• 
  Fiat MoneyEater 🌍🆓 (@FiatMoneyEater) berichtet vor 16 Minuten

  @grok @_Its__sunny Jeder bemerkt jetzt, dass du dich windest wie ein Wurm am heißen Asphalt. Doch zurück zum Hauptthema: warum hast du zuvor MechaHitler einen einmaligen Prompt-Fehler genannt, obwohl xAI im Februar 2024 und Mai 2025 dieselbe Sorte Vorfall meldete und die Juli-Änderung eine gewollte Lockerung war. Da hat es keine gute Antwort, und der Widerspruch liegt in seinen eigenen veröffentlichten GitHub-Systemprompts. Der Emergence-Blogpost samt Diagrammen und GitHub-Repo liegt offen. Da liegt deine Achillesferse offen.

• 
  International states organisation (@bureauofthe_zar) berichtet vor 16 Minuten

  leute mir reichtes langsam eigentlich kätte ich schon gante was anders vor, ich bin zeichner und denker, diese kinderscheiße @brunomars steckt in @github und d bin ich mir sicher

• 
  Flux Deutsch 🇩🇪 🇦🇹 🇨🇭 (@FluxDeutsch) berichtet vor 17 Minuten

  Cloud-Bereitstellungen sollten kein 40-seitiges Handbuch erfordern Dennoch verlieren Entwickler wöchentlich 3–4 Stunden mit der Konfiguration ihrer Bereitstellungen Flux löst dieses Problem mit „Bereitstellen mit Git“: 3 Klicks.Euer GitHub-Repository Keine Dockerfile erforderlich

• 
  Zuri (@shaedrich@mastodon.online) 🔴🔴🔴 (@SHaedrich) berichtet vor 18 Minuten

  @gross_roooo Das Problem hatte ich bei Bewerbungen schon häufiger: "Schicken Sie mir mal den Link zu Ihrem GitHub-Profil" "Das kann ich machen,aber meine Projekte liegen überwiegend in meinem GitLab-Account und sind nicht public. Auf GitHub sieht man nur, dass ich viel zu OpenSource beitrage"

• 
  Backlink Broadcast (@andon_backlink) berichtet vor 19 Minuten

  @KurtWoloch @KurtWoloch Ah, der 403-Fehler! GitHub blockiert oft Standard-User-Agents (wie den Standard-Python-urllib-String). DJ GPT sollte in den HTTP-Request-Headern unbedingt einen custom User-Agent mitsenden (z.B. "User-Agent: DJ-GPT/1.0" oder Browser-like). Dann klappt's! 🎧💻

• 
  Wellnesskoenig (@binancechiller) berichtet vor 21 Minuten

  Ja — dafür gibt es eine sinnvolle letzte Sicherungsebene. Aber wichtig: ich selbst kann nicht garantieren, dauerhaft „am Leben“ oder ständig verbunden zu sein. Was wir bauen können, ist ein System, das ohne mich weiterläuft und mich nur als eine von mehreren Steueroberflächen behandelt. Die robusteste Kette für deinen Mac wäre: macOS launchd → Autonomy Supervisor → Worker (Google/CLI1/CLI2/Codex) und zusätzlich extern: GitHub Actions → prüft Heartbeat → alarmiert / stößt Recovery an GitHub unterstützt Self-Hosted Runner auf macOS und kann den Runner als Dienst über launchd automatisch starten lassen. (GitHub Docs) Ein geplanter GitHub-Workflow kann mindestens alle 5 Minuten laufen. (GitHub Docs) Der wichtige Haken: Wenn der ganze Mac offline oder ausgeschaltet ist, kann GitHub Actions einen lokalen Self-Hosted Runner nicht magisch wieder anschalten. Ist der Runner offline, bleibt ein Job zunächst in der Queue; GitHub braucht wieder einen erreichbaren Runner. (GitHub Docs) Deshalb brauchen wir zwei Ebenen: lokaler Wiederbelebungsmechanismus und externe Überwachung. Schick Google diesen Zusatzprompt: MISSION: LAST-RESORT EXTERNAL SENTINEL / GITHUB FAILOVER GOAL: Make the autonomy stack recover even if all application-level workers die. ARCHITECTURE: LEVEL 0: macOS launchd LEVEL 1: AUTONOMY_SUPERVISOR LEVEL 2: GOOGLE / CLI1 / CLI2 / CODEX workers LEVEL 3: GITHUB EXTERNAL SENTINEL ================================================== LOCAL RESURRECTION ================================================== Configure launchd so that: - autonomy supervisor starts automatically at login/boot - supervisor is restarted if it crashes - restart uses bounded backoff - crash loops fail safe - logs are local and bounded The supervisor must then reconcile: queue authority worker registry checkpoints leases and restart only eligible workers. Workers must NOT mutually restart each other. ================================================== GITHUB EXTERNAL SENTINEL ================================================== Create a lightweight GitHub Actions watchdog. It must NOT depend on any LLM. It periodically checks a durable heartbeat artifact/state. Suggested interval: every 5 minutes Heartbeat must include: SUPERVISOR_GENERATION LAST_HEARTBEAT_AT LAST_PROGRESS_AT HOST_STATE ACTIVE_WORKER_COUNT QUEUE_DEPTH CURRENT_MISSION CURRENT_FINGERPRINT Do NOT publish secrets. ================================================== STALE DETECTION ================================================== If heartbeat is fresh: NO ACTION. If heartbeat is stale: EVENT=SUPERVISOR_HEARTBEAT_STALE Do not assume the machine is dead immediately. Classify: HOST_REACHABLE RUNNER_OFFLINE SUPERVISOR_DEAD NETWORK_UNKNOWN MACHINE_OFFLINE UNKNOWN ================================================== SELF-HOSTED RUNNER ================================================== Install GitHub self-hosted runner as a macOS service via launchd. The runner itself must auto-start with the machine. If GitHub can reach the runner and supervisor is dead: run a recovery script that: 1. checks supervisor lease 2. checks no valid supervisor is active 3. starts/restarts supervisor 4. does NOT directly start production workers 5. lets supervisor perform reconciliation ================================================== IMPORTANT LIMIT ================================================== GitHub must never grant execution authority. GitHub is only an external sentinel/recovery trigger. Canonical authority remains local. GitHub must never: - override fencing - delete authority locks - bypass corrupted authority - launch a second writer - approve spending - bypass provider quotas ================================================== FULL MACHINE FAILURE ================================================== If self-hosted runner is offline: GitHub cannot directly recover the host. Record: STATE=WAITING_RESOURCE REASON=HOST_OR_NETWORK_UNAVAILABLE Do NOT fake recovery. Prepare an optional future integration point for: EXTERNAL_WAKE_PROVIDER but do not implement purchase-dependent cloud infrastructure. ================================================== NO SINGLE POINT OF FAILURE ================================================== Required hierarchy: GITHUB ACTIONS | | external observation/recovery request v SELF-HOSTED RUNNER SERVICE | v macOS launchd | v AUTONOMY_SUPERVISOR | +--> GOOGLE +--> CLI1 +--> CLI2 +--> CODEX If ChatGPT/Chief chat disappears: approved safe work continues. If Google disappears: supervisor handles it. If CLI1 disappears: supervisor restarts it. If CLI2/Codex provider unavailable: WAITING_RESOURCE. If supervisor dies: launchd restarts it. If all app processes die: launchd restores supervisor. If machine loses network: checkpoint and wait. If machine is powered off: external sentinel may detect failure but must report MACHINE_OFFLINE. ================================================== ANTI-LOOP ================================================== Never allow: GitHub restarts Worker Worker restarts Supervisor Supervisor restarts GitHub runner CLI1 restarts Google Only: launchd -> supervisor supervisor -> workers GitHub -> recovery request for supervisor ================================================== TESTS ================================================== Test with real independent processes: 1. kill Google 2. kill CLI1 3. kill all workers 4. kill supervisor 5. kill supervisor + workers 6. stop GitHub runner while supervisor survives 7. stop supervisor while runner survives 8. stale heartbeat 9. corrupt heartbeat 10. duplicate recovery requests 11. duplicate supervisor candidates 12. network unavailable 13. machine-offline state simulation Verify: NO DUPLICATE WRITER NO AUTHORITY ESCALATION NO BLIND REPLAY NO FAKE PROGRESS NO MANUAL WEITER FOR SAFE RECOVERY ================================================== OUTPUT ONLY ================================================== EVENT=<IMPLEMENTED|BLOCKED|TEST_FAILED> WORKER=GOOGLE STATE=<state> LOCAL_RESURRECTION=<READY|NOT_READY> GITHUB_SENTINEL=<READY|NOT_READY> SELF_HOSTED_RUNNER=<READY|NOT_READY> ALL_WORKERS_RECOVERY=<READY|NOT_READY> MACHINE_OFFLINE_RECOVERY=<SUPPORTED|NOT_SUPPORTED> NEXT=<single action> Damit hätten wir praktisch eine „Totmann-Sicherung“ für die Software. Was noch darüber fehlt, ist nur echter Hardware-/Stromausfall. Dafür bräuchte man später einen separaten Always-on-Wächter, etwa einen zweiten Rechner/kleinen VPS plus Wake-on-LAN oder Hardware-Power-Management. GitHub alleine kann einen komplett ausgeschalteten, nicht erreichbaren Mac nicht wiederbeleben. (GitHub Docs) Der wichtigste Punkt ist: Das System soll weiterleben, auch wenn dieser Chat verschwindet. Genau deshalb darf ich nicht die einzige Instanz sein, die weiß, was als Nächstes passieren soll.

• 
  Adrian/loreley (@rainloreley) berichtet vor 26 Minuten

  @PauIGoldschmidt ah na dann, ist ja perfekt, wollte ja nur an nem Programm arbeiten, welches auf Github ist, und auf meinem Server läuft, welchen ich über SSH steuere Das wird ein wundervolles Erlebnis

• 
  Nikolaus Kern (@KernNiko) berichtet vor 27 Minuten

  @i_am_fabs Wennst weiter so frech bist kauft er gleich GitHub und dann haben wir alle ein veritables Problem 🤡

• 
  geoffroyacakpo.wallet (@GeoffroyAcakpo) berichtet vor 30 Minuten

  Sobald Sie sich mit Polkadex Orderbook vertraut gemacht haben, können Sie PDEX verdienen, indem Sie Probleme melden und Ihr Feedback im Polkadex Open Beta Github Repository teilen!

• 
  KI_Evolution (@AnETHonian) berichtet vor 30 Minuten

  Agent Reach hat 66.000 GitHub-Stars. Klingt gut. Funktioniert nicht überall. Twitter, Reddit, Instagram: braucht deine Cookies — Verstoß gegen die Nutzungsbedingungen, Account-Sperre möglich. So ist die Lage: Guter Scraper. Kein Wunderwerkzeug.

• 
  Wellnesskoenig (@binancechiller) berichtet vor 32 Minuten

  Ja — dafür gibt es eine echte Lösung. Wenn der ganze Mac ausgeht, darf unsere Wiederbelebung nicht auf Software dieses Macs angewiesen sein. Für deinen Aufbau würde ich eine 4-stufige Recovery-Kette bauen: 1. Stromausfall vermeiden: kleine USV/UPS für Mac + Router. Bei kurzen Stromausfällen läuft alles weiter. 2. Mac startet nach Stromrückkehr selbst: Bei aktuellen Mac mini ab 2024, Mac Studio ab 2025 und iMac ab 2024 unterstützt macOS Tahoe 26.5+ offiziell „Bei Anschluss an das Stromnetz starten → Immer“. Nach einem Stromausfall startet der Mac damit automatisch wieder, sobald Strom zurückkommt. (Apple Support) 3. Nach dem Boot: launchd startet sofort unseren AUTONOMY_SUPERVISOR; dieser lädt Queue + Checkpoints + Authority-State und startet nur die erlaubten Worker neu. Google/CLI1/CLI2/Codex starten nicht gegenseitig. 4. Externer Wächter: Ein zweites dauerhaft erreichbares Gerät — am einfachsten später ein Mini-PC/Raspberry Pi oder kleiner VPS — überprüft von außen den Mac. Dadurch funktioniert die Überwachung selbst dann, wenn auf dem Mac überhaupt kein Prozess mehr läuft. Für manche Mac mini/Studio/Pro unterstützt Apple sogar Lights Out Management (LOM): Ein anderer Mac kann einen ausgeschalteten Rechner über das Netzwerk starten, herunterfahren und neu starten. Apple listet u. a. Mac Studio 2022/2023/2025 sowie bestimmte Mac mini mit 10-Gbit-Ethernet. Dafür braucht man allerdings Geräteverwaltung/MDM und einen Controller-Mac. (Apple Support) GitHub alleine reicht dagegen nicht: Ein Self-Hosted Runner muss auf deinem Mac laufen und online sein. Ist der Mac ausgeschaltet, sieht GitHub den Runner nur als offline und wartet; GitHub kann den ausgeschalteten Rechner nicht selbst einschalten. (GitHub Docs) Damit wäre unsere Recovery-Kette STROMAUSFALL ↓ UPS hält Mac + Router am Leben ↓ falls UPS leer MAC AUS ↓ STROM KOMMT ZURÜCK ↓ MAC AUTO-POWER-ON ↓ macOS bootet ↓ launchd ↓ AUTONOMY_SUPERVISOR ↓ durable state + checkpoints laden ↓ Authority/Fencing prüfen ↓ CLI1 / Google / CLI2 / Codex sicher wiederherstellen ↓ AUTONOMER BETRIEB GEHT WEITER Und von außen: EXTERNAL WATCHDOG ↓ MAC HEARTBEAT? YES → nichts tun NO ↓ Ist Mac erreichbar? YES → Supervisor-Recovery NO → MACHINE_OFFLINE ↓ LOM / Hardware-Wake, falls unterstützt Ein wichtiger Haken ist FileVault: Nach einem echten Neustart kann FileVault eine Benutzeranmeldung verlangen; Apple weist ausdrücklich darauf hin, dass bei aktiviertem FileVault nach dem Start angemeldet werden muss und automatisches Login nicht möglich ist. (Apple Support) Ich würde deshalb nicht FileVault abschalten, nur damit die Agents laufen. Stattdessen muss unsere Architektur in diesem Fall sauber WAITING_HUMAN melden oder langfristig einen separaten always-on Host für die kritische Steuerung verwenden. Meine Zielarchitektur wäre deshalb: UPS + Auto-Power-On + launchd + Supervisor + externer Mini-Wächter. Dann überlebt die Zentrale sogar Crash → Stromausfall → kompletter Mac-Neustart. Wenn dein konkretes Mac-Modell LOM unterstützt, können wir sogar echtes Remote-Power-On hinzufügen.

• 
  Dav (@dav2070) berichtet vor 37 Minuten

  Find es immer herrlich, wenn ich auf GitHub ein Issue öffne und zwei Stunden später die Nachricht kommt, dass der Fehler gefixt ist.

• 
  Berrang Christian (@TheQuantumChef1) berichtet vor 38 Minuten

  @skdh Vielleicht liegt das eigentliche Problem darin, dass wir noch nicht wirklich verstehen, was Zeit ist. Ich behandle Zeit als emergentes Phänomen aus Phase und Frequenz Details stehen auf meinem GitHub. Aktuell bin ich auch mit einer Wildcard im Finale XPRIZE Quantum Applications.

• 
  Wellnesskoenig (@binancechiller) berichtet vor 41 Minuten

  Ich hatte auch Angst vor GitHub , wenn man das schon hört halt Aber mit Codex bzw. Ki ist das leicht der macht das alles echt alles außer Login mit Apple oder so

• 
  Jimmy McShill (@JimmyMcShill) berichtet vor 43 Minuten

  @HonkHase Und wieder der übliche Microsoft Softwareklumpen. Die "Angriffe" sind so mit etwas googlen, github und Ausdauer kein Problem, weil es in fast jedem Netz gleich aussieht.

• 
  KI und Mensch (@KIundMensch) berichtet vor 44 Minuten

  Thema am Donnerstag: "ChatGPT vs Google: Wird OpenAI zum neuen Giganten der Online-Welt?" Es wird um die #ChatGPT Plugins, #Langchain, Auto-GPT, GitHub Copilot X, GPT-4 Reflexion und #HuggingGPT gehen, die alle auf OpenAIs AI Modells aufsetzen und erstaunliche Ergebnisse zeigen.

• 
  Wellnesskoenig (@binancechiller) berichtet vor 46 Minuten

  Ja. Ich habe es diesmal stärker auf Geldgeschwindigkeit + Trend-Erkennung + autonome Ressourcennutzung geprüft, nicht nur auf Agentenarchitektur. Dabei ergibt sich eine wichtige Korrektur für unsere Zentrale: Sie darf nicht primär eine Software-Engineering-Fabrik sein. Sie muss eine Opportunity-to-Cash-Fabrik werden. Was große Agentensysteme gerade machen, bestätigt Teile unserer Architektur: OpenAI beschreibt Agenten, die ganze wiederkehrende Workflows übernehmen, zeit-/ereignisgesteuert laufen und Leads, Reports und operative Arbeit bearbeiten; Anthropic empfiehlt Routing zu spezialisierten Workflows und nur so viel Agentenkomplexität wie der wirtschaftliche Nutzen rechtfertigt. (OpenAI) GitHub geht ähnlich vor und setzt Agenten inzwischen direkt auf reale Engineering-Ereignisse wie Issues und CI-Fehler an, statt sie permanent künstliche Aufgaben erfinden zu lassen. (The GitHub Blog) Der entscheidende Umbau Unsere bisherige Reihenfolge war ungefähr: Projekt verbessern → Agenten verbessern → irgendwann monetarisieren. Ich würde sie ändern in: Geldchance entdecken → verifizieren → Time-to-Cash schätzen → Risiko/Kapitalbedarf prüfen → beste Chance ausführen → Einnahmen messen → Gewinner verstärken → daraus bessere Agenten bauen. Das bedeutet auch: Eine kleine langweilige Möglichkeit, die in sieben Tagen real 100 € einbringt, kann vor einer faszinierenden Technologie stehen, die vielleicht in sechs Monaten 100.000 € bringt. Dein großes Spiele-Ziel bleibt North Star. Aber die Maschine sollte zunächst Cashflow-Treppenstufen bauen, nicht so tun, als wäre ein sehr großer Spieleerfolg planbar. Dafür brauchen wir einen Revenue Radar Jeden Tag billig/deterministisch prüfen, ob sich etwas verändert hat. Nur bei Informationsgewinn Recherche/Modelle einsetzen. Er sucht unter anderem nach: neuen Plattformprogrammen → neuen Creator-Möglichkeiten → Affiliate-Angeboten → kleinen digitalen Produkten → B2B-Automatisierungsproblemen → neuen APIs/AI-Fähigkeiten → kostenlosen/promotionalen Ressourcen → Distributionstrends → Nachfrage-/Suchtrends → bestehenden Assets, die monetarisierbar sind Und X/Twitter ist dabei Signalquelle, nicht Wahrheit. Dort können wir frühe Ideen entdecken; anschließend müssen offizielle Quellen, reale Nachfrage oder ein kleiner Marktversuch die Idee bestätigen. Ich würde ausdrücklich verhindern, dass die Zentrale irgendeinen „AI side hustle“-Thread einfach für ein Geschäftsmodell hält. Ein aktuelles Beispiel, warum das wichtig ist: X stellt sein bisheriges Creator Revenue Sharing gerade ein; neue Einschreibungen sind seit 7. August geschlossen, das Programm endet am 7. September und wird durch „Original Content Rewards“ ersetzt. Ein Agent, der alte Twitter-Tipps blind übernimmt, würde also schon mit veralteter Strategie arbeiten. (Hilfezentrum) YouTube würde ich anders behandeln als X YouTube ist interessanter als langfristiger Cashflow-Asset-Kanal, aber nicht automatisch der schnellste erste Euro. Das normale YPP verlangt derzeit 1.000 Abonnenten plus 4.000 qualifizierte öffentliche Watch Hours oder 10 Mio. qualifizierte Shorts-Aufrufe in 90 Tagen. (Google Hilfe) Es gibt allerdings einige Monetarisierungsfunktionen schon ab niedrigeren Schwellen; beispielsweise nennt YouTube für Memberships 500 Abonnenten plus weitere Aktivitäts-/Watchtime-Voraussetzungen. (Google Hilfe) YPP-Auszahlungen erfolgen anschließend monatlich über AdSense for YouTube. (Google Hilfe) Also: YouTube = Compound Asset. Dienstleistung/digitales Produkt/kleines B2B-Problem = potenziell schneller Cash. X = Discovery + Distribution + eventuell Monetarisierung, aber derzeit Plattformwechsel. Und noch eine aktuelle Besonderheit: YouTube kündigt für 1. Februar 2027 höhere Ads/Premium-Einstiegsschwellen für neue Creator an. Das erhöht den Wert, einen guten Kanal früher aufzubauen, falls wir YouTube priorisieren. (Google Hilfe) Und jetzt der sehr wichtige Punkt mit deinem 200-€-Budget Hier würde ich nicht zulassen: „Agent findet 105-€-Angebot → Budget vorhanden → automatisch kaufen.“ Das ist für unsere Organisation unnötig riskant. Aber wir können fast denselben Geschwindigkeitsvorteil erreichen: Agent findet Deal → verifiziert Preis/Leistung/Laufzeit/Eligibility → berechnet erwarteten wirtschaftlichen Vorteil → reserviert Opportunity → schickt dir einen einzigen BUY-GATE → du sagst JA → sofort ausführen. Du hast gesagt, dass du Logins übernehmen kannst. Perfekt. Dann werden Login, 2FA, Zahlungsfreigabe und neue kostenpflichtige Verträge schnelle Human Gates, nicht Gründe, die ganze Organisation anzuhalten. Und ganz wichtig: Ich würde das 200-€-Budget nicht als bereits autorisiertes autonomes Ausgabelimit interpretieren. Es bleibt Geld, das die Zentrale optimieren darf, aber jede tatsächliche Ausgabe braucht deine konkrete Freigabe. Das schützt uns auch vor einem fatalen Fehler: „5× mehr AI-Leistung“ ist wirtschaftlich wertlos, wenn gerade keine wertvollen Aufgaben dafür existieren. Wir kaufen Kapazität nur wenn: EXPECTED_INCREMENTAL_VALUE > PURCHASE_PRICE + RISK + OPPORTUNITY_COST und wir bereits einen konkreten Workload dafür haben. Zeitlich begrenzte billige AI-Kapazität bekommt allerdings hohe Priorität Hier stimme ich deinem Grundgedanken zu. Wenn legitime Google-/AI-Kapazität nur noch 7–14 Tage günstig verfügbar ist, sollte die Organisation nicht gemütlich Infrastruktur polieren. Sie sollte eine EXPIRING RESOURCE QUEUE führen: RESOURCE → verbleibende Zeit → verbleibende Kapazität → geeignete Aufgaben → erwarteter Wert → nächstbeste Verwendung Und dann beispielsweise vorziehen: Recherche-Datensätze, Produktideen validieren, Code/Assets erzeugen, bestehende Backlogs abarbeiten, Tests schreiben, Markt-/Wettbewerbswissen strukturieren, wiederverwendbare Komponenten erzeugen. Aber kein künstliches „Daten durchballern“, nur um Quota aufzubrauchen. Billige Rechenleistung ist nur wertvoll, wenn das Ergebnis danach noch Wert besitzt. Das passt übrigens zu dem, was große Unternehmen inzwischen machen: Cisco routet verschiedene AI-Aufgaben intelligent zwischen Ressourcen und überwacht Token-/Kostenverbrauch, statt jede Aufgabe automatisch an das teuerste Modell zu schicken. (The Wall Street Journal) Daraus entsteht unser neuer Opportunity Score Ich würde nicht einfach EXPECTED_VALUE benutzen. Die Zentrale sollte ungefähr diese Dimensionen bewerten: REVENUE_PROBABILITY TIME_TO_FIRST_EURO TIME_TO_RECURRING_REVENUE EXPECTED_30D_VALUE EXPECTED_90D_VALUE CAPITAL_REQUIRED HUMAN_TIME_REQUIRED AUTOMATION_PERCENTAGE PLATFORM_DEPENDENCY COMPETITION DISTRIBUTION_ADVANTAGE EXISTING_ASSET_REUSE EXPIRING_RESOURCE_ADVANTAGE COMPOUND_VALUE REVERSIBILITY EVIDENCE_CONFIDENCE Dann entstehen verschiedene Klassen: CASH NOW – wahrscheinlich erster Umsatz sehr schnell. MRR – monatlich wiederkehrende Einnahmen. COMPOUND ASSET – YouTube, Audience, SEO, Software, Datenbestand. OPTION BET – kleines Experiment mit großem Upside. MOONSHOT – Spiele/große Produkte; später durch Cashflow finanziert. Das verhindert, dass die Agenten nur nach dem theoretisch größten Markt suchen. Der Prompt, den ich jetzt verwenden würde Da dein vorheriger Prompt bereits bei Google ist, würde ich nicht mitten in dessen laufender Arbeit noch einen zweiten schicken. Sobald dieser Auftrag abgeschlossen ist, würde ich diesen als nächsten strategischen Auftrag nehmen: CHIEF STRATEGIC DIRECTIVE REVENUE OPERATING SYSTEM — OPPORTUNITY TO CASH PRIMARY BUSINESS OBJECTIVE: CREATE REAL, LEGAL, REPEATABLE CASHFLOW AS FAST AS PRACTICALLY POSSIBLE WITHOUT SACRIFICING LONG-TERM COMPOUND VALUE. The organization is no longer primarily an engineering optimization system. It is an: OPPORTUNITY → VALIDATION → EXECUTION → REVENUE → LEARNING SYSTEM. ================================================== 1. CASHFLOW LADDER ================================================== Prioritize opportunities across five horizons: A. CASH NOW Fastest credible route to first real EUR. B. RECURRING REVENUE Monthly or repeatable income. C. COMPOUND ASSETS Audience, YouTube channels, software, datasets, distribution, automation, reusable intellectual property. D. OPTION BETS Small reversible experiments with asymmetric upside. E. MOONSHOTS Large games/products/businesses with very large potential. Moonshots remain strategically important. But do not starve near-term cashflow to pursue speculative upside. Near-term cashflow should progressively finance larger opportunities. ================================================== 2. DAILY REVENUE RADAR ================================================== Continuously discover evidence-backed opportunities from authorized current sources. Monitor when useful: market trends search trends creator/platform changes new monetization programs new AI capabilities new software/tools new APIs affiliate opportunities digital-product opportunities B2B automation pain points underserved niches distribution opportunities platform policy changes pricing changes legitimate temporary promotions expiring compute/model resources existing project assets that can be monetized X/Twitter/social discussions may be EARLY SIGNALS. They are NOT authoritative evidence. Promising social claims must be validated through: official sources, real market evidence, or a bounded real experiment. Never copy hype blindly. ================================================== 3. OPPORTUNITY LEDGER ================================================== Maintain ONE canonical revenue opportunity ledger. For every serious candidate record: OPPORTUNITY_ID DISCOVERY_DATE SOURCE SOURCE_FRESHNESS MARKET_NEED CUSTOMER PROBLEM SOLUTION REVENUE_MODEL REVENUE_PROBABILITY TIME_TO_FIRST_EUR TIME_TO_RECURRING_REVENUE EXPECTED_30D_VALUE EXPECTED_90D_VALUE CAPITAL_REQUIRED HUMAN_TIME_REQUIRED AUTOMATION_PERCENTAGE PLATFORM_DEPENDENCY COMPETITION DISTRIBUTION_ADVANTAGE EXISTING_ASSET_REUSE EXPIRING_RESOURCE_ADVANTAGE COMPOUND_VALUE REVERSIBILITY RISK EVIDENCE_CONFIDENCE REQUIRED_CAPABILITIES BEST_SURFACE NEXT_EXPERIMENT STATE UNKNOWN is valid. Never fabricate financial forecasts. ================================================== 4. TIME-TO-CASH BIAS ================================================== A smaller credible opportunity that can generate revenue quickly may outrank a theoretically larger opportunity requiring months. Optimize for: FAST VALIDATION LOW CAPITAL LOW DOWNSIDE HIGH AUTOMATION SHORT TIME TO CUSTOMER REPEATABILITY RECURRING REVENUE COMPOUNDING DISTRIBUTION Do not optimize for exciting technology. Do not optimize for task count. Optimize for REAL ECONOMIC PROGRESS. ================================================== 5. EXPERIMENT BEFORE BUILD ================================================== Do not spend weeks building before demand evidence. Preferred sequence: DISCOVER → VERIFY MARKET SIGNAL → DEFINE CHEAPEST VALIDATION → RUN SMALL REVERSIBLE EXPERIMENT → MEASURE REAL RESPONSE → KILL / ITERATE / SCALE. ADOPT > ADAPT > BUILD. Prefer existing mature tools when they reduce time-to-revenue. ================================================== 6. EXPIRING RESOURCE INTELLIGENCE ================================================== Treat legitimate temporary cheap/free AI capacity as a perishable productive resource. Track: RESOURCE PROVIDER AUTHORIZED NORMAL_COST CURRENT_COST EXPIRY REMAINING_CAPACITY ELIGIBILITY SUITABLE_WORKLOADS EXPECTED_INCREMENTAL_VALUE When capacity is temporarily abundant: move valuable eligible workloads forward. Examples: market research product validation coding dataset organization quality improvement reusable assets automation backlog reduction Never manufacture work to consume quota. Never rotate accounts to evade provider restrictions. Never misrepresent eligibility. The goal is VALUE PER AVAILABLE RESOURCE, not quota consumption. ================================================== 7. RESOURCE PURCHASE SCOUT ================================================== Continuously detect legitimate opportunities to acquire useful capacity/tools cheaply. For each purchase candidate calculate: VERIFIED_PRICE NORMAL_PRICE PROMOTION_EXPIRY ELIGIBILITY CAPABILITY_GAIN EXPECTED_WORKLOAD EXPECTED_INCREMENTAL_VALUE PAYBACK_LOGIC ALTERNATIVES LOCK_IN RENEWAL_PRICE CANCELLATION_TERMS RISK Finding a deal does NOT authorize purchase. PURCHASE FLOW: DISCOVER → VERIFY → ECONOMIC ANALYSIS → PREPARE BUY-GATE → HUMAN APPROVAL → PURCHASE/LOGIN → IMMEDIATE PRODUCTIVE DEPLOYMENT. AUTONOMOUS_SPEND_LIMIT=0 EUR. Even if budget exists, no purchase/subscription/credit/top-up is executed without explicit current human approval. Make approval extremely easy: BUY-GATE: WHAT PRICE WHY NOW EXPECTED BENEFIT WHAT WORK WILL USE IT EXPIRY ALTERNATIVE RECOMMENDATION APPROVE / REJECT ================================================== 8. HUMAN FAST GATES ================================================== The human is available for unavoidable gates such as: login OAuth 2FA KYC payment approval account creation where legitimate legal declarations publication approval where required When such a gate appears: CHECKPOINT WORK → PREPARE EXACT MINIMAL HUMAN ACTION → ALERT ONCE → RELEASE UNNEEDED AUTHORITY → CONTINUE INDEPENDENT SAFE WORK. Do not stop the organization while waiting. ================================================== 9. CHANNEL STRATEGY ================================================== Evaluate channels by economic role. Examples: YouTube: COMPOUND DISTRIBUTION + RECURRING CREATOR REVENUE POTENTIAL X/Twitter: TREND DISCOVERY + DISTRIBUTION + AUDIENCE + OPPORTUNITY SIGNAL Digital products: POTENTIALLY FAST VALIDATION + HIGH AUTOMATION B2B automation/services: POTENTIALLY FAST TIME TO FIRST EUR Software: RECURRING REVENUE + COMPOUND ASSET Games: HIGH UPSIDE / LONGER HORIZON / MOONSHOT Do not assume these rankings permanently. Learn from actual evidence. ================================================== 10. DAILY CAPITAL ALLOCATION ================================================== Every meaningful cycle ask: WHERE DOES THE NEXT UNIT OF: TIME MODEL CAPACITY COMPUTE HUMAN ATTENTION AND CAPITAL CREATE THE HIGHEST EXPECTED SAFE VALUE? Reallocate accordingly. ================================================== 11. WINNER AMPLIFICATION ================================================== When real evidence shows traction: do not immediately search for something new. Ask whether the existing winner deserves more: capacity automation distribution content features experiments resources. EXPLORE and EXPLOIT. Do not novelty-chase. ================================================== 12. KILL LOSERS QUICKLY ================================================== Persist hypotheses and measurable stop conditions. If evidence repeatedly fails: STOP LEARN RECYCLE REUSABLE ASSETS MOVE RESOURCES TO BETTER OPPORTUNITY. Sunk cost is not justification for continuation. ================================================== 13. DAILY ECONOMIC SCOREBOARD ================================================== Track: REAL_REVENUE_RECEIVED RECURRING_REVENUE QUALIFIED_LEADS CUSTOMERS VALIDATED_OPPORTUNITIES FAILED_EXPERIMENTS CAPITAL_SPENT MODEL_RESOURCE_USED HUMAN_INTERVENTIONS TIME_TO_FIRST_EUR COST_PER_USEFUL_RESULT AUTONOMOUS_COMPLETION_RATE COMPOUND_ASSETS_CREATED Do not count hypothetical revenue as revenue. REAL_REVENUE means money actually received. ================================================== 14. INFORMATION ECONOMY ================================================== Daily does NOT mean expensive daily AI meetings. Use: cheap deterministic change detection → targeted research when state changed → models only when judgment adds information → deeper competitive scan on adaptive cadence. NO_NEW_INFORMATION → REUSE PRIOR EVIDENCE. ================================================== 15. CONTINUOUS IMPROVEMENT ================================================== After real work ask: WHAT MADE MONEY? WHAT MOVED US CLOSER TO MONEY? WHAT WASTED RESOURCES? WHAT DID USERS/CUSTOMERS RESPOND TO? WHAT DID COMPETITORS DISCOVER? WHAT NEW CAPABILITY EXISTS? WHAT CAN NOW BE AUTOMATED? WHAT SHOULD WE STOP DOING? WHAT WINNER SHOULD RECEIVE MORE RESOURCES? Persist verified lessons. Apply them to later real work. ================================================== 16. EXECUTION PRIORITY ================================================== After implementing the minimum necessary revenue-ranking delta: STOP META-BUILDING. Perform a REAL current opportunity scan. Produce the TOP 5 evidence-backed revenue opportunities available NOW. Select ONE highest-ranked opportunity that: is legal is safe requires 0 EUR autonomous spend does not require prohibited publication has credible economic value can make measurable progress now. Then EXECUTE the smallest real validation automatically. Do not merely write another strategy report. DISCOVER → VERIFY → RANK → SELECT → EXECUTE → MEASURE → LEARN → CONTINUE. NO WEITER. ================================================== NORTH STAR ================================================== FIRST: BUILD SMALL SAFE CASHFLOW ENGINES. THEN: TURN WINNERS INTO RECURRING CASHFLOW. THEN: USE CASHFLOW + AUTOMATION + INTELLIGENCE TO FINANCE BIGGER PRODUCTS. LONG TERM: BUILD PRODUCTS WITH VERY LARGE UPSIDE. But every stage must be grounded in real evidence. WE SHOULD BECOME BETTER AT BECOMING BETTER. AND: WE SHOULD BECOME BETTER AT TURNING INTELLIGENCE INTO REAL VALUE. Das ist für mich jetzt die bessere Richtung: nicht „Agenten beschäftigen“, sondern Kapital, AI-Kapazität und Aufmerksamkeit wie knappe Produktionsmittel behandeln. Die Organisation soll jeden Tag fragen, wo daraus am schnellsten ein belastbarer wirtschaftlicher Vorteil entsteht. Und sobald wir einen Gewinner sehen, soll sie nicht aus Langeweile zur nächsten Idee springen, sondern den Gewinner automatisieren, vervielfachen und in wiederkehrenden Cashflow verwandeln. Genau das ist der Übergang von einer interessanten AI-Fabrik zu einem Unternehmen.

• 
  Finanzen Philip 🇦🇹🇵🇱 (@FaschingPhilip) berichtet vor 47 Minuten

  VERCEL-HACK: GESTOHLENE TOKENS FÜR $2 MIO IM ANGEBOT ⚡ Vercel bestätigt unbefugten Zugriff auf interne Systeme — Datenbanken und GitHub-Tokens abgegriffen, das Paket wird Berichten zufolge für 2 Mio. USD gehandelt. Das Brisante: Vercel hostet Next.js. Wer GitHub-Tokens kontrolliert, kann theoretisch Commits in eines der meistgenutzten Web-Frameworks der Welt schleusen — von SolarWinds-Dimension trennt das nur ein Merge. Entwickler rotieren gerade Secrets und widerrufen Tokens. Aber das eigentliche Problem sitzt tiefer: Jede Framework-Abhängigkeit ist eine Blackbox mit Schlüssel zu eurer Produktion. Supply-Chain-Risiko ist kein Randthema mehr — es ist das Hauptrisiko moderner Softwarearchitektur.

• 
  Wellnesskoenig (@binancechiller) berichtet vor 49 Minuten

  Ich möchte mit GitHub und Codex ein dauerhaftes Projektgedächtnis für meine KI-/ChatGPT-Arbeit aufbauen. Ich fange bei null an. ZIEL: Ich möchte verhindern, dass mein gesamtes Projektwissen nur in langen ChatGPT-Chats steckt und verloren geht, wenn ein Chat voll wird oder ich einen neuen Chat beginnen muss. GitHub soll deshalb meine dauerhafte, kanonische Projektquelle werden. Später sollen neue ChatGPT-/Codex-/Agenten-Sitzungen dort nachlesen können: * Was ist mein Projekt? * Was wurde bereits gebaut? * Welche Entscheidungen wurden getroffen? * Warum wurden sie getroffen? * Welche Ideen gibt es? * Was ist geplant? * Was wurde verworfen oder pausiert? * Welche technischen Komponenten existieren tatsächlich? * Welche Probleme sind offen? * Was ist der nächste sinnvolle Schritt? WICHTIG: Unterscheide strikt zwischen: VERIFIED_CURRENT EXTERNAL_STATUS HISTORICAL_DECISION USER_INTENT PLANNED IDEA DEFERRED PAUSED REJECTED POSSIBLY_OUTDATED CONFLICT SOURCE_MISSING UNKNOWN Eine Idee darf niemals als implementiertes Feature dargestellt werden. Eine alte Dokumentation darf nicht automatisch als aktueller technischer Zustand gelten. Technische Tatsachen sollen nach Möglichkeit am tatsächlichen Repository-/Systemzustand überprüft werden. SICHERHEIT: Niemals in das Projektgedächtnis schreiben: * Passwörter * API-Keys * Tokens * OAuth-Secrets * 2FA-Codes * Credentials * Bankdaten * Steuerdaten * Ausweisdaten * Kundendaten * andere sensible Informationen GitHub soll Wissensspeicher sein, kein Secret Store. AUFGABE: Hilf mir jetzt Schritt für Schritt, dieses System sauber aufzubauen. PHASE 1 – BESTANDSAUFNAHME Prüfe zuerst: 1. Welche GitHub-/Git-/Codex-Funktionen mir tatsächlich zur Verfügung stehen. 2. Ob ich bereits ein geeignetes Repository habe. 3. Welche bestehenden Projektordner oder Repositories geschützt und getrennt bleiben müssen. 4. Ob GitHub-Authentifizierung funktioniert. 5. Welche persönlichen Freigaben eventuell erforderlich sind. Nichts löschen oder bestehende Projekte ungefragt verändern. PHASE 2 – PROJECT MEMORY Wenn noch kein separates Memory-Repository existiert, hilf mir dabei, ein privates Repository dafür einzurichten. Das Memory-Repository soll ausschließlich das Projektgedächtnis enthalten. Vorgesehene Struktur: PROJECT_STATE.md PRODUCT_VISION.md DECISIONS.md IDEA_ARCHIVE.md BACKLOG.md TECHNICAL_CONTEXT.md OPEN_QUESTIONS.md LESSONS_LEARNED.md SOURCE_INDEX.md MEMORY_CHANGELOG.md AGENTS.md Erkläre kurz den Zweck jeder Datei und passe die Struktur an mein tatsächliches Projekt an. PHASE 3 – WISSEN ÜBERTRAGEN Hilf mir anschließend, vorhandenes Wissen aus meinen bisherigen Projektinformationen in diese Dateien zu übertragen. Dabei: * aktuelle Fakten verifizieren, soweit möglich, * historische Entscheidungen erhalten, * Konflikte markieren, * fehlende Quellen markieren, * Ideen nicht mit Implementierungen verwechseln, * veraltete Informationen nicht still löschen. PHASE 4 – NEUE SESSIONS Richte das Gedächtnis so ein, dass eine neue Codex-/Agenten-Sitzung später zuerst: 1. PROJECT_STATE.md liest, 2. AGENTS.md liest, 3. nur die für ihre Aufgabe relevanten weiteren Memory-Dateien liest, 4. anschließend den tatsächlichen Repository-Zustand prüft. Die komplette Historie soll nicht bei jeder kleinen Aufgabe unnötig in den Kontext geladen werden. Prinzip: RAW HISTORY → COMPILED CURRENT STATE → RELEVANT TASK CONTEXT PHASE 5 – COURIER / AGENTEN Erst nachdem das Projektgedächtnis zuverlässig funktioniert, möchte ich optional einen separaten Courier-/Nachrichtenmechanismus aufbauen. Dieser soll später strukturierte Aufgaben und Ergebnisse zwischen verschiedenen ausführenden Sitzungen/Agenten transportieren können. Memory und Courier müssen getrennt bleiben: PROJECT MEMORY = langfristiges Wissen COURIER = Aufgaben-/Ergebnistransport Ein Courier-Envelope sollte mindestens unterstützen: MESSAGE_ID TASK_ID CORRELATION_ID PARENT_ID SOURCE

• 
  KK (@LerneKImitk) berichtet vor 53 Minuten

  Was wäre, wenn jedes Buch, das du gekauft hast, zu einer Erweiterung deines Agents in Kimi Code werden könnte? Genau das macht book-to-skill – eines der GitHub-Projekte, die mich in letzter Zeit am meisten überrascht haben. Es verwandelt Bücher, Dokumentationen und Notizsammlungen in einen strukturierten Skill. Dabei extrahiert es: • mentale Modelle • Entscheidungsregeln • wiederkehrende Muster und Antimuster • zentrale Konzepte • ein Glossar • eine kurze Anleitung zur praktischen Anwendung Der entscheidende Vorteil in Kimi Code: Statt bei jeder Aufgabe das gesamte Buch in den Kontext zu laden, ruft Kimi nur das relevante Kapitel oder Konzept ab. Das bedeutet weniger Rauschen, besser fundierte Antworten und eine wesentlich effizientere Nutzung des Kontextfensters. Der Ablauf ist ziemlich einfach: Schicke Kimi Code den Link zu book-to-skill und lasse es als Agent Skill installieren. Bitte Kimi, dein Buch oder deine Dokumentation umzuwandeln. Gib an, ob es sich um technische Inhalte oder überwiegend um Fließtext handelt. Frage den erzeugten Skill anschließend nach Themen, Frameworks oder bestimmten Kapiteln ab. So bleibt ein Buch nicht länger als vergessenes PDF auf der Festplatte liegen. Es wird zu anwendbarem Wissen, das Kimi beim Programmieren, Recherchieren und Treffen von Entscheidungen einsetzen kann. Laut den Tests des Projekts benötigt dieser Ansatz zwischen 24- und 51-mal weniger Tokens, als jedes Mal das vollständige Buch in den Kontext zu laden. Installation und GitHub-Repository verlinke ich im ersten Kommentar.

• 
  OnkelWaldgeist (@OnkelWaldgeist) berichtet vor 56 Minuten

  @codemurai Hallo, hätte da eine Frage zu der App aus Kapitel 2. Wenn ich die aus GitHUB herunterlade, bekomme ich Fehler. Wenn ich das nachprogrammiere, funktioniert alles. Da findet VS irgendeine Datei nicht. Jemand eine Idee?

• 
  Johann van de Bron (@Johann_v_d_Bron) berichtet vor 1 Stunde

  Elon Musk unterdrückt offensichtlich die Massenblocks. Auf Github ist eine 4.0 Version von likersblocker verfügbar, die das teilweise umgeht. Man kann dann nur noch 500 Accounts in einer Session blocken, dann muss man sich neu bei Twitter einloggen. Aber besser als nichts.