LONDON (IT BOLTWISE) – Andrej Karpathy hat nach eigenen Angaben HackerTube als Alternative zu den starren YouTube-Empfehlungen aufgebaut. In rund zwei Stunden ließ er eine KI-gestützte Agenten-Kette die komplette Entwicklung übernehmen: von der Aufbereitung großer Kommentarbestände bis zum Deployment. Das Projekt kombiniert eine mehrstufige Datenbereinigung mit semantischer Zuordnung, um klickreizgetriebene Inhalte auszusortieren. Gleichzeitig zeigt es, wie stark sich KI-basierte Full-Stack-Workflows in der Praxis beschleunigen lassen.
Die Ausgangslage klingt wie ein klassischer Frust-Use-Case, aber technisch ist an der Umsetzung mehr dran: Nach eigenen Angaben war Andrej Karpathy so unzufrieden mit dem „gleichförmigen“ Empfehlungssystem von YouTube und den oft klickreizorientierten Vorschaubildern, dass er die Standardumgebung umgehen wollte. Statt auf einen weiteren Empfehlungsfeed zu setzen, ließ er HackerTube als eigenständige Video-Navigation entstehen – mit dem Anspruch, Inhalte ohne den visuellen Wettbewerb um Aufmerksamkeit auszuspielen. Der Fokus liegt dabei nicht auf einem neuen Empfehlungsmodell, sondern auf einem radikal anderen Pipeline-Ansatz: Erst Daten aufräumen und sinnvoll indexieren, dann eine Oberfläche bauen, die diese kuratierte Auswahl reproduzierbar zugänglich macht.
Im Kern beschreibt der Bericht einen end-to-end Workflow, der von „Mining“ bis Produktion reicht. Dafür greift die KI auf historische Diskussionen aus dem Umfeld von Hacker News zu: Laut Text umfasst der Datenbestand ungefähr 43 Millionen Kommentare. Die Vorbereitung erfolgt in zwei Stufen. Zunächst übernimmt ein regelbasiertes Cleaning („dragnet-style cleanup“) mit Regex-Matching die grobe Selektion und reduziert so die Kandidatenmenge für potenziell passende Videoeinträge. Anschließend folgt eine semantische Entwirrung, bei der ein weiteres Modell Kontext nutzen soll, um echte technische Empfehlungen von Spam oder unbegründeten Promotion-Versuchen zu trennen. Das Ergebnis wird als Content-Index extrahiert, im Text als „etwa 40.000 valide Empfehlungen“ konkretisiert.
Dass diese Klassifikation nicht nur „irgendwie“ passiert, sondern als mehrstufige Filterkette ins Produkt eingebettet ist, ist für die Einordnung entscheidend. Die Datenbereinigung, die zuvor Wochen manueller Review verschlungen hätte, soll durch den KI-gestützten Pipeline-Ansatz auf Minuten schrumpfen. Dabei wird auch die praktische Frage adressiert, wie viel menschliche Arbeit am Ende noch für Qualitätssicherung übrig bleibt: Karpathy beschreibt, dass er in der Entwicklungsphase vor allem Cloud-Infrastruktur konfiguriert sowie API-Keys bereitstellt. Der Rest – vom eigentlichen Code über Security-Hardening bis hin zu Performance-Tuning – soll autonom durch den Agenten ausgeführt worden sein. Diese Aufgabenverteilung steht damit exemplarisch für ein „AI-native full-stack“ Verständnis: Nicht nur ein Modell für Texterzeugung oder Klassifikation, sondern die Agentensteuerung, die Datenaufbereitung, Softwarebau und Betrieb zusammennimmt.
Besonders auffällig ist dabei das Interface zur Umsetzung. Laut Text wurde die gesamte Projektarbeit über ein Terminal-Werkzeug namens „Claude Code“ getrieben; dabei übernimmt ein leistungsfähigeres Modell (im Bericht als Opus 5.5 bezeichnet) die Rolle des Systemarchitekten und DevOps-Operators. Es soll Datenpipelines, Full-Stack-Webcode und Deployment-Skripte schreiben. Ein zweites, kosteneffizienteres Modell (im Text als Sonnet geführt) übernimmt vor allem die „mainline“ Klassifikationsarbeit für die große Datenmenge. Karpathy führt zudem aus, dass er während der zweistündigen Phase keine Zeile Business-Code verfasst und keine komplexen Terminal-Befehle eingegeben habe, sondern praktisch nur API-Zugänge organisiert und die Domain eingekauft habe. Für Teams, die heute bereits mit KI-Assistenten arbeiten, ist das weniger eine „magische“ Behauptung, sondern ein Hinweis darauf, wie sich Produktivität verschiebt: weg von syntaktischer Detailarbeit, hin zu Anforderungen, Architekturentscheidungen und Prüfmechanismen.
Die Dimensionierung wird im Bericht außerdem über Token-Kosten untermauert. Es werden insgesamt 504 Millionen Input-Tokens und 7,6 Millionen Output-Tokens genannt. Entscheidend ist dabei nicht nur die Zahl selbst, sondern der Hinweis auf Prompt-Caching: Der Text nennt eine Trefferquote von etwa 90% für den Input-Teil, was die effektiven Kosten senkt, weil wiederkehrende Kontextanteile nicht jedes Mal vollständig neu verarbeitet werden müssen. Mehr als 90% der Rechenkosten sollen auf Sonnet für die Korpusklassifikation entfallen, während die Architektur- und Deployment-Arbeit mit Opus 5.5 mit etwa „1 Million Tokens“ relativ gering ausfällt. Diese Verteilung illustriert, wie KI-basierte Agentenprojekte ökonomisch typischerweise funktionieren: Rechenintensive Mustererkennung und Filterung „fressen“ die Budgets, während strukturelle Softwarearbeit im Vergleich häufig weniger kostet – vorausgesetzt, die Agenten können zuverlässig die passenden Schritte ausführen.
Auch die Produktentscheidung selbst folgt der Anti-Algorithmus-Absicht, die als Motivation genannt wird. HackerTube soll ohne Login auskommen und Daten lokal speichern, wodurch die klassische Sorge über Tracking beim Browsen im Kern reduziert wird. Statt klickreizgetriebener Thumbnails setzt das Projekt auf einen minimalistischen Ansatz: Die Oberfläche stellt einem festen Bildausschnitt aus der Mitte jedes Videos eine einheitliche Darstellung gegenüber, die per Script erzeugt wird. Gleichzeitig werden im Text 6.454 Videos aus rund 150 vertikalen Themen genannt. Damit zeigt HackerTube, wie sich „Empfehlungsqualität“ in der Praxis verschieben lässt: Nicht die Empfehlungslogik optimiert Interaktionen, sondern die Vorauswahl der Inhalte wird datengetrieben kuratiert und anschließend visuell entkoppelt von Clickbait-Mechaniken.
Für den Markt ist die Brisanz weniger die spezielle Video-Oberfläche als die dahinterliegende Prozessidee. Wenn sich Datenbereinigung, semantische Disambiguation und Software-Deployment in einem Agenten-Workflow bündeln lassen, entsteht ein neuer Hebel für Entwicklerteams: Statt große Teile der Arbeit manuell zu orchestrieren, können sie die „Leitplanken“ für Pipeline-Schritte definieren und die Implementierung an KI-Agenten delegieren. Das verändert auch die Diskussion um „Anti-Recommendation“-Erfahrungen: Es geht nicht zwangsläufig darum, KI abzuschalten, sondern sie gezielt für kuratierende Vorfilterung einzusetzen, statt sie auf Engagement-Maximierung zu trainieren. Ob HackerTube damit dauerhaft überzeugen kann, hängt am Ende von zwei Faktoren ab: der Robustheit der Datenselektion über die Zeit und der Fähigkeit, neu auftauchende Spam- oder Promotion-Muster genauso zuverlässig abzuweisen.
Konsequent ist auch die Offenlegungskomponente: Laut Text ist der bereinigte Datensatz open-sourced. Damit bekommen andere Entwickler die Möglichkeit, die Index-Qualität nachzuprüfen, die Pipeline zu erweitern oder eigene Navigationsformen darauf aufzubauen. Für Unternehmen, die KI-Entwicklung strategisch betrachten, ist das vor allem eine Blaupause für „vom Datensatz zur Anwendung“: erst unstrukturierte Quellen in verwertbare Indizes transformieren, dann die App so gestalten, dass die Nutzeroberfläche die kuratierte Auswahl widerspiegelt. HackerTube wirkt damit wie ein konzentriertes Beispiel dafür, wie Künstliche Intelligenz inzwischen als Produktionsmittel eingesetzt werden kann – nicht nur für Modelle, sondern für komplette Softwareketten.
🔥 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 "Karpathy baut in zwei Stunden HackerTube mit KI-Agents statt YouTube-Feed" 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 "Karpathy baut in zwei Stunden HackerTube mit KI-Agents statt YouTube-Feed" 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: »Karpathy baut in zwei Stunden HackerTube mit KI-Agents statt YouTube-Feed« bei Google Deutschland suchen, bei Bing oder Google News!