Glide
AllgemeinKI-Apps ohne Code erstellen und deployen
Allgemeine KI- und maschinelles Lernen-Werkzeuge umfassen Plattformen zum Aufbau, Deployment und Management von ML-Modellen sowie Infrastruktur-, Auswertungs- und Workflow-Tools, die KI-Entwicklung breit unterstützen. Mit 674 Tools deckt diese Kategorie ein weites Spektrum ab – von No-Code-ML-Baukästen bis hin zu entwicklerorientierten MLOps-Infrastrukturen.
KI-Apps ohne Code erstellen und deployen
KI-Inhaltserstellung für Unternehmen
Echtzeit-Stimmwechsler für Discord, Zoom und OBS
Praxismanagement für medizinische Einrichtungen
Online-Kurs für KI-Prompt-Engineering
Eine API für über 500 KI-Modelle
Aus beliebigem Text automatisch Zusammenfassungen erstellen
Erkenntnisse aus Bewertungen, Umfragen und Social Media gewinnen
YouTube-Skripte generieren und Konkurrenz-Kanäle beobachten
Günstige Rechtsdokument-Vorlagen für Startups
Automatisiertes Code-Review direkt in GitHub
Prompts speichern und in einer Bibliothek teilen
Erweitertes ChatGPT-Interface mit System-Prompts erkunden
Bildschirmrekorder mit KI-Transkription und Meeting-Notizen
Stimme mit KI-Effekten und Filtern verändern
3D-Modelle aus Text, Bildern oder Skizzen generieren
Native macOS-App für ChatGPT und GPT-4 mit Assistant API
Live-Übersetzung und KI-gestützte Sprachdolmetschung
Twitter Spaces automatisch transkribieren und zusammenfassen
ADHS-freundlicher Assistent für Notizen, E-Mail und Kalender
Medizinisch-rechtliche KI für Kanada
PDFs und Dokumente in 130+ Sprachen übersetzen
URL-Kürzungsdienst mit Analysen und QR-Codes
Online-Baccarat-Plattform mit KI-Automatisierung und Live-VIP-Räumen
Diese Kategorie richtet sich an sehr unterschiedliche Zielgruppen. Plattformen wie Ultracode und Workverse setzen auf Automatisierung und Produktivitätsanwendungen auf KI-Basis, während Infrastrukturtools wie EdgeTrace Ingenieure beim Management von Modell-Pipelines und der Überwachung von Produktionssystemen unterstützen. Tools wie Userpersona und Hippo Scribe wenden Techniken des maschinellen Lernens auf spezifische Aufgaben an, etwa Persona-Generierung oder medizinische Transkription. Das verbindende Element ist, dass sie auf maschinellem Lernen basieren, sich aber nicht eindeutig in ein enges Segment wie Bildgenerierung oder Sprach-zu-Text einordnen lassen. Bei der Navigation durch diese Kategorie sind die nützlichsten Filter die technische Tiefe (No-Code vs. API-first), die Deployment-Umgebung (Cloud vs. Self-Hosted) und der Anwendungsfall. Viele Enterprise-Tools erfordern individuelle Preisangebote, während Entwickler-Tools häufig nutzungsbasierte Abrechnung anbieten. Die Auswertung von Modellgenauigkeit und Latenz auf den eigenen Daten ist fast immer notwendig, bevor man sich für den Produktionseinsatz entscheidet.