Genspark's Super Agent verbirgt neun Modelle und 80 Tools hinter einem Textfeld

Das Frontend ist ein Prompt, und alles andere ist ein Routing-Problem

Genspark's Super Agent orchestriert neun spezialisierte Large Language Models und mehr als 80 integrierte Tools und weist jede Aufgabe dynamisch der am besten geeigneten Komponente zu. Das ist ein beträchtliches Backend. Das Frontend ist ein Textfeld.

Die Design-Wette wird in der Quelle explizit formuliert: „Da das System vollständig no-code ist, müssen sich Nutzer über nichts davon Gedanken machen." Ein Nutzer tippt „Ruf meinen Zahnarzt an", „Fass diesen Bericht zusammen" oder „Erstelle mir eine Präsentation", und die Logik zur Modellauswahl, das Ansteuern der Tools und der Aufbau des Ergebnisformats laufen im Verborgenen ab. Die Oberfläche ist bewusst schlanker gehalten als die Maschinerie dahinter.

Das ist eine konkrete Produktphilosophie, keine beliebige. Genspark betrieb zuvor eine KI-Suchmaschine, deren Ausgabe strukturierte Informationen waren. Ende 2024 beobachtete man, dass Nutzer nach Ergebnissen fragten — Pitch Decks, Videoskripte, Follow-up-E-Mails — statt nach Antworten. Das Frontend wurde dafür nicht komplexer, sondern einfacher, während die Komplexität weiter nach hinten verlagert wurde.

Wo sich die Infrastrukturentscheidungen für den Nutzer tatsächlich bemerkbar machen

Mehrere der von Genspark genannten OpenAI-Fähigkeiten wirken sich direkt auf das nutzerseitige Verhalten aus, auch wenn der Nutzer den Mechanismus nie sieht. Das 1-Millionen-Token-Kontextfenster von GPT-4.1 erlaubt es Agenten, lange Dokumente „vollständig ohne Kürzung" zu verarbeiten, sodass ein Nutzer, der einen umfangreichen Bericht einfügt, ihn nicht selbst aufteilen muss. Strikte JSON-Ausgaben versorgen nachgelagerte Tools zuverlässig mit Daten — genau das verhindert, dass eine Präsentationsanfrage zwischen Entwurfs- und Zusammenstellungsschritt scheitert.

Automatisches Prompt-Caching wird beschrieben als Mittel zur Reduzierung von Latenz und API-Kosten, „besonders wertvoll bei mehrstufigen Workflows". In einem System, in dem ein einzelner Prompt viele Modellaufrufe auslöst, ist genau dieses Caching entscheidend dafür, dass sich eine No-Code-Anfrage nicht langsam anfühlt. Die Einfachheit des Frontends funktioniert nur, wenn die Backend-Latenz niedrig genug bleibt, damit Nutzer die Orchestrierung im Hintergrund nicht bemerken.

Call For Me und das zweischichtige Sprach-Design

Das konkreteste technische Detail der Ankündigung ist die Sprachfunktion. Call For Me tätigt echte Telefonanrufe und führt Gespräche mithilfe der OpenAI Realtime API und Speech-to-Speech-Fähigkeiten. Das System ist zweischichtig aufgebaut: Die Realtime API steuert den Live-Dialog, während ein Shadow-Modell die Interaktion über eine Message Queue überwacht und lenkt.

Dieses Shadow-Modell ist der interessante Teil. Live-Speech-to-Speech allein sorgt für Sprachfluss; die zweite Schicht sorgt für Kohärenz, etwa wenn im Anruf Warteschleifenmusik oder mehrdeutige menschliche Antworten vorkommen. Es handelt sich um ein Überwachungsmuster, das einem Echtzeitmodell übergeordnet ist, um ein autonomes Gespräch auf Kurs zu halten — genau die Art von Zuverlässigkeits-Absicherung, die darüber entscheidet, ob eine Demo zu einem einsatzfähigen Feature wird.

Die Quelle nennt einen viralen Anwendungsfall aus Japan: Nutzer, die den Agenten bitten, für sie Kündigungsanrufe bei ihrem Arbeitgeber zu tätigen. Dieses Detail zählt weniger als Kuriosität, sondern als Beleg dafür, dass Menschen der Sprachschicht eine folgenreiche, emotional aufgeladene Interaktion anvertrauten — die Art, die sich am schwersten vortäuschen lässt.

Was ein Launch mit 20 Personen und ohne Werbebudget über die Entwicklungsgeschwindigkeit verrät

Genspark berichtet von 36 Millionen US-Dollar ARR in 45 Tagen und acht großen Agenten-Features, die in 70 Tagen ausgeliefert wurden — mit einem 20-köpfigen Team und ohne bezahlte Werbung. Das Wachstum sei vollständig organisch und durch die Produkt-Virälität getrieben.

Wir haben uns nicht nur wegen der Modellleistung über verschiedene Modalitäten hinweg für OpenAI entschieden, sondern wegen der Entwicklererfahrung. Das API-Design von OpenAI half uns, schnell voranzukommen — beim Ausliefern, Debuggen und Skalieren, ohne auf Engpässe zu stoßen.Montana Labs

Dass CTO Kay Zhu die Entwicklererfahrung stärker gewichtet als die reine Modellleistung, ist der entscheidende Hinweis. Ein 20-köpfiges Team stellte im April 2025 sein gesamtes Produkt von Suche auf Agenten um und lieferte innerhalb weniger Wochen Sprach-, Präsentations- und Video-Features aus. Dieses Tempo ist nur möglich, wenn das Frontend-Team nicht für jedes neue Feature die Orchestrierungs-Infrastruktur neu aufbauen muss — die Model-APIs übernehmen die aufwendige Integrationsarbeit.

Die Implikation: No-Code-Agenten verlagern das Produktrisiko vom Interface in den Router

Gensparks eigentliche Leistung liegt nicht in der Modellqualität, die man sich leiht — GPT-4.1, GPT-image-1 und die Realtime API stehen jedem zur Verfügung. Sie liegt in der Entscheidung, davon nichts dem Nutzer zu zeigen und die gesamte Routing-Komplexität intern zu absorbieren. Das bedeutet, dass die Zuverlässigkeit des Produkts vollständig in der Dispatch-Schicht liegt, die zwischen neun Modellen und 80 Tools auswählt, sowie in Überwachungsmustern wie dem Voice-Shadow-Modell.

Für Teams, die auf denselben APIs aufbauen, lautet die Lehre aus diesem Launch: Ein No-Code-Frontend verringert nicht den technischen Aufwand — es verlagert ihn nur. Jeder mehrdeutige Prompt, den ein Nutzer eintippt, muss unbemerkt, korrekt und schnell genug aufgelöst werden, damit der Nutzer nie merkt, dass überhaupt eine Entscheidung zu treffen war. Genspargs Wachstum legt nahe: Wenn das Routing funktioniert, ist genau die schlanke Oberfläche der Treiber der Virälität; funktioniert es nicht, gibt es keinen Konfigurationsbildschirm, auf den der Nutzer zurückgreifen könnte.