Glide
AllgemeinKI-Apps ohne Code erstellen und deployen
Die ML-Kategorie ist eine breite Sammlung von 674 Tools, die maschinelles Lernen branchenübergreifend und funktionsübergreifend einsetzen – von medizinischer Dokumentation und juristischer Recherche bis hin zu Nutzerforschung, Code-Generierung und Content-Erstellung. Sie erfasst KI-Anwendungen, die sich nicht sauber in eine einzelne Branche einordnen lassen.
KI-Apps ohne Code erstellen und deployen
Echtzeit-Stimmwechsler für Discord, Zoom und OBS
Online-Kurs für KI-Prompt-Engineering
Eine API für über 500 KI-Modelle
Aus beliebigem Text automatisch Zusammenfassungen erstellen
YouTube-Skripte generieren und Konkurrenz-Kanäle beobachten
Erweitertes ChatGPT-Interface mit System-Prompts erkunden
Bildschirmrekorder mit KI-Transkription und Meeting-Notizen
3D-Modelle aus Text, Bildern oder Skizzen generieren
Native macOS-App für ChatGPT und GPT-4 mit Assistant API
Twitter Spaces automatisch transkribieren und zusammenfassen
ADHS-freundlicher Assistent für Notizen, E-Mail und Kalender
Medizinisch-rechtliche KI für Kanada
Online-Baccarat-Plattform mit KI-Automatisierung und Live-VIP-Räumen
KI-Synchronisation und Videoübersetzung
Dokumente automatisch formatieren und einheitlich gestalten
Produktanalysen für B2B-SaaS
Slack-Zusammenfassungen und Team-Workflows
Kundenfeedback analysieren und auf die Kundenstimme reagieren
KI-Code-Review mit intelligenten Einblicken in Ihre Codebasis
Automatisiertes Aufsatz-Grading und Feedback für Lehrkräfte
Da diese Kategorie so viele Bereiche abdeckt, ist das Durchsuchen nach konkretem Anwendungsfall effizienter als das Scrollen durch die vollständige Liste. Tools wie Hippo Scribe und SopCreator bedienen sehr spezifische professionelle Abläufe, während andere wie User Evaluation oder Userpersona auf Produkt- und UX-Teams ausgerichtet sind. Das Qualitätsniveau innerhalb der Kategorie ist uneinheitlich: Manche Tools sind ausgereifte Produkte mit Unternehmenskunden, andere frühe Experimente. Bei der Bewertung eines Tools in diesem Bereich sollte man nach Belegen für tatsächliche Genauigkeit und Zuverlässigkeit im eigenen spezifischen Bereich suchen, da ML-Leistung je nach Aufgabe erheblich variiert. Integrationstiefe und Datenverarbeitung sind oft die entscheidenden Faktoren für den geschäftlichen Einsatz. Preismodelle sind vielfältig – von nutzungsbasierter API-Abrechnung bis hin zu Pauschal-SaaS-Abonnements. Open-Source-Alternativen existieren für viele der zugrundeliegenden Aufgaben, daher lohnt es sich für Teams mit technischen Ressourcen, kommerzielle Tools mit selbst betriebenen Optionen zu vergleichen.