LONDON (IT BOLTWISE) – Andrej Karpathy hat „HackerTube“ gebaut, eine YouTube-artige Seite nur mit Videos, die in Hacker News über Jahre empfohlen wurden. Laut Projektaufriss enthält das Archiv 6.454 Videos aus dem Zeitraum 2007 bis 2026, geordnet in 150 Themen. Karpathy beschreibt, dass Claude die Datenaufbereitung, den Code und die Deployment-Arbeit weitgehend übernahm, während er selbst nur drei Schritte manuell ausführte. Für die Erstellung nennt er eine kurze Build-Zeit von etwa zwei Stunden.
Statt die bekannten Plattform-Feeds mit „For You“-Empfehlungen zu nutzen, hat Andrej Karpathy ein Gegenmodell gebaut: HackerTube. Die Seite wirkt wie YouTube, ist aber konsequent reduziert – sie sammelt ausschließlich Videos, die von Hacker-News-Teilnehmern gegenseitig empfohlen wurden. Genau diese Leitidee macht das Projekt technisch spannend, denn die „Empfehlung“ entsteht hier nicht durch ein zentrales Empfehlungsmodell, sondern durch eine über Jahre gewachsene Kurationsspur in den Kommentaren. Laut den Projektangaben umfasst HackerTube 6.454 Videos aus dem Zeitraum 2007 bis 2026 und ordnet sie in 150 Themen ein.
In der Praxis lässt sich das Setup als KI-gestützte Pipeline verstehen, bei der LLMs nicht nur Text zusammenfassen, sondern mehrere Rollen in einem Engineering-Flow übernehmen. Karpathy schreibt, dass Claude „fast die gesamte Arbeit“ gemacht habe – von der Datenverarbeitung über Code bis hin zum Deployment. Der Weg dorthin begann mit dem Download und der Filterung der Hacker-News-Kommentare: Claude filterte dabei eine riesige Menge an Rohtexten, um am Ende eine kuratierte Kandidatenmenge für Videoempfehlungen zu erhalten. Laut den Angaben wurden zunächst 43 Millionen Kommentare über 20 Jahre von Claude auf die finale Liste heruntergebrochen, bevor ein kleineres Modell als Spam- und Qualitätsfilter nachgeschaltet wurde.
Bemerkenswert ist dabei, wie stark das Projekt auf Werkzeug- und Workflow-Integration setzt, nicht auf „One-shot“-Prompts. Karpathy nutzte Claude Opus 5.5 im „medium effort“-Modus in der Desktop-App Claude Code. Die Umsetzung lief in mehreren Stufen: Zuerst extrahierte Claude die relevanten Empfehlungen, anschließend lief Sonnet als kostengünstigeres Modell in einem Claude-Code-Workflow, um Spam zu entfernen und die Zahl der brauchbaren Kommentare auf etwa 40.000 zu reduzieren. Erst danach folgte die „handwerkliche“ Engineering-Phase: Claude baute die Benutzeroberfläche, übernahm Bereitstellungsschritte und kümmerte sich um Security Hardening sowie Optimierung auf einem gemieteten Server. Damit zeigt HackerTube, wie sich ein LLM als Orchestrator einsetzen lässt, der nicht nur Ergebnisse schreibt, sondern auch Schnittstellen und Betriebsaspekte mitdenkt.
Ganz auf „hands-off“ wollte Karpathy aber offenbar nicht gehen. Er beschreibt drei manuelle Handgriffe: Er legte in Google Cloud eine YouTube-API-Key an, startete den Server und übergab dessen IP-Adresse an Claude, und er kaufte die Domain. Darüber hinaus gibt er einen klaren Hinweis auf die Interaktionsform: „I only talk to Claude and have it do everything“ – und er ergänzt, dass ein Projekt wie dieses „takes ~2 hours now“. Diese Aussage ist zugleich eine Aussage über den Reifegrad von KI-gestützten Dev-Workflows: Nicht jedes Detail muss im Voraus spezifiziert werden, wenn das System Codeänderungen, Tests, Deployment und Iteration in einem zusammenhängenden Agent-Workflow unterstützt. Gleichzeitig bleibt offen, welche Kostenstruktur (z. B. Rechenzeit, LLM- und Inferenzkosten, Serverausgaben) am Ende tatsächlich dahintersteht, weil Karpathy diese Build-Kosten nicht offenlegte.
Auch das Produktdesign orientiert sich am Ziel „Kuratiert statt algorithmisch“. HackerTube verzichtet vollständig auf Accounts; die Startseite zeigt nicht das übliche Thumbnail des Uploaders, sondern einen Frame aus der Mitte des jeweiligen Videos. Für das „For You“-Prinzip im Browser setzt die Seite auf lokale Speicherung: Die Empfehlungen landen in der Local Storage des Nutzers, statt sie in einem Nutzerprofilserver abzulegen. Zusätzlich bietet das Projekt einen Datenexport, damit andere das Video-Set an ihre eigenen Agenten weiterreichen können. Damit geht HackerTube über ein reines Schaufenster hinaus: Es ist eher ein kuratierbares Dataset plus Interface als ein klassisches Empfehlungsprodukt. Karpathy erwähnt außerdem eine zweite Umsetzung, TristanTube, die auf einer Liste von rund 47.000 Videos basiert, welche Tristan Hume zusammengestellt hatte; Karpathy ordnet diese Erstellung als „one-shotted … in 3 minutes“ ein.
Inhaltlich lässt sich HackerTube als direkte Antwort auf die Wahrnehmung lesen, dass größere Videoplattformen ihre Empfehlungssysteme zunehmend stärker auf Massen- und Trendinhalte ausrichten. In einem Blogpost vom 31. Oktober beschreibt Karpathy den Eindruck, dass die YouTube-Startseite für ihn zu einer „enshittified wall of slop“ geworden sei – und dass der Ansatz „nicht für mich“ funktioniere, auch wenn er vermutlich für die durchschnittliche Person im Netz gut passe. Für Unternehmen und Entwickler ist das besonders interessant, weil hier eine alternative Ranking-Logik demonstriert wird: Statt ein Empfehlungsmodell neu zu trainieren, wird eine vergangenheitsbasierte, menschlich kuratierte Signalquelle aufgearbeitet. Der Markttrend geht in Richtung KI-gestützter Agenten, die Datenaufbereitung, Anwendungscode und Betrieb koppeln – HackerTube zeigt dabei, wie schnell sich aus Public-Kommentardaten ein benutzbares Produkt bauen lässt.
Gleichzeitig sollte man die Grenzen einordnen. Die Build-Zeiten nennt Karpathy als seine eigenen Angaben; unabhängig reproduziert wurden diese Ergebnisse laut Berichten nicht. Zudem bleibt die Qualität solcher Empfehlungskurven immer von der Kommentardynamik abhängig: Wer ein Video „empfiehlt“, prägt damit langfristig die spätere Sichtbarkeit – auch wenn sich Interessen, Moderationsregeln und Diskussionskultur über Jahre verändern. Für Teams, die das Prinzip in Projekten übernehmen wollen, wäre der nächste logische Schritt daher nicht nur die Generierung einer Liste, sondern die Gestaltung von Bewertungs- und Aktualisierungsmechanismen: Wie oft werden Kommentare neu verarbeitet? Wie werden Fehlklassifikationen korrigiert? Und wie skaliert der Ansatz, wenn statt einer einzigen Community mehrere Datenquellen zusammenkommen. Genau in solchen Fragen liegt der Unterschied zwischen einer beeindruckenden Demo und einer tragfähigen, wiederholbaren Produkt-Architektur.
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "HackerTube: Karpathy lässt Claude ein Hacker-News-Videoarchiv in 2 Stunden bauen" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "HackerTube: Karpathy lässt Claude ein Hacker-News-Videoarchiv in 2 Stunden bauen" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »HackerTube: Karpathy lässt Claude ein Hacker-News-Videoarchiv in 2 Stunden bauen« bei Google Deutschland suchen, bei Bing oder Google News!