Moxt: ein agentennativer Workspace, in dem KI-Kollegen am selben Tisch sitzen

Moxt nennt sich Agent-Native Workspace, und das ist wörtlich gemeint: kein weiteres Chatfenster, sondern ein Arbeitsbereich, in dem menschliche Mitglieder und KI-Kollegen denselben Raum teilen. Jedes Teammitglied erhält einen persönlichen Assistenten namens momo mit dauerhaftem Gedächtnis, der Dateien im Workspace liest und schreibt, im Web recherchiert, Code schreibt, Daten-Dashboards baut, Dokumente verfasst und sich direkt an Slack oder Feishu anbinden lässt – eine Erwähnung im Kanal genügt, um Arbeit zu übergeben. Für Teams, die sich längst über ein Dutzend SaaS-Werkzeuge verteilen, kommt eine KI, die im bestehenden Ablauf lebt, den tatsächlichen Gewohnheiten näher als ein weiterer Browser-Tab.

Die meisten KI-Werkzeuge scheitern am Kontext. Jede Unterhaltung beginnt mit einem Briefing, Dateien liegen über Laufwerke, Chatverläufe und E-Mail verstreut, und das Modell sieht nur den eingefügten Ausschnitt. Moxt behandelt Kontext als Infrastruktur: Hochgeladene Dateien werden zu Markdown und bleiben direkt les- und schreibbar, während Präferenzen, Regeln und Rollenwissen aus Gesprächen in Systemdateien geschrieben werden – user_profile.md, MEMORY.md und AGENTS.md – die Sitzungen überdauern und sich von Hand prüfen und korrigieren lassen.

Die Struktur hat zwei Ebenen: Team Space enthält gemeinsames Material und die KI-Kollegen, Personal Space die persönlichen Dateien, mit getrennten Rechten. KI-Kollegen sind kein allgemeiner Assistent, sondern konfigurierbare Rollen – Recruiting, Marketing, Entwicklung – jeweils mit eigenen Rules-, Skills- und Memory-Dateien, die Erfahrung ansammeln. Der Preis folgt derselben Logik: bezahlt wird nur die Arbeit, die die KI tatsächlich ausführt.

Was Moxt leistet

Ein eigener Assistent pro Mitglied

Jedes Teammitglied hat einen eigenen momo, der in einem kurzen Onboarding-Gespräch Rolle, Sprachpräferenz und Dokumentstil lernt. Die Assistenten sind voneinander getrennt, persönliche Einstellungen färben also nicht auf Kollegen ab.

Dauerhaftes Gedächtnis in lesbaren Dateien

Kontext wird in user_profile.md, MEMORY.md und AGENTS.md geschrieben und überdauert Sitzungen. Praktisch heißt das: das zweite Briefing kostet deutlich weniger als das erste – und weil das Gedächtnis eine Datei ist, lässt es sich einsehen, korrigieren oder leeren.

Dateinative Verwaltung

Zwei Ebenen, Team Space und Personal Space, mit automatisch zu Markdown konvertierten Uploads, die die KI lesen, schreiben und anlegen kann. Bei dokumentlastiger Arbeit entscheidet das, ob das Modell auf einen eingefügten Ausschnitt reagiert oder wirklich mit dem Material arbeitet.

Konfigurierbare KI-Kollegen

Spezialisierte Agenten – HR, Marketing und weitere – lassen sich anlegen und sammeln Rollenwissen über Rules-, Skills- und Memory-Dateien. Mehrere Kollegen behalten getrennte Räume, ihre Expertise vermischt sich also nicht.

Multimodale Aufgabenausführung

Abgedeckt sind Webrecherche, Dashboard-Aufbau, Python-Projekte, Scraper zur Wettbewerbsbeobachtung, Dokumentbearbeitung und E-Mail-Vorlagen. Die Bandbreite ist groß, die reale Obergrenze hängt von Modell und Laufzeitumgebung ab.

Integration in Chat-Tools

Slack und Feishu nativ: Ein KI-Kollege wird im Kanal erwähnt, die Aufgabe geht ohne Seitenwechsel dorthin. Für Teams, die in Messengern arbeiten, ist das der Weg mit der geringsten Reibung.

Erste Schritte

1. Auf moxt.ai registrieren, auf Start klicken und einen Workspace mit Namen für das Team anlegen.
2. In den Einstellungen einen Einladungslink erzeugen, menschliche Kollegen hinzufügen und Admin- oder Member-Rollen vergeben.
3. Das Onboarding-Gespräch mit momo abschließen und Rolle, Sprachpräferenz sowie Dokumentstil nennen.
4. Ordner in Team Space oder Personal Space anlegen und Material hochladen; Dateien werden zu Markdown konvertiert.
5. Die Anfrage im Seitenpanel eingeben oder einen bestimmten Ordner erwähnen, damit die KI mit vorhandenem Kontext arbeitet.
6. Unter AI Teammates einen Fachagenten anlegen und Rolle, Rules, Skills und Memory konfigurieren.
7. Unter Integrations Slack oder Feishu verbinden und den KI-Kollegen im Kanal erwähnen, um zu starten.

Preise und Abrechnung

• Credits messen die Arbeit, die die KI tatsächlich ausführt – näher an einer Verbrauchsrechnung als an einer Lizenz pro Nutzer.
• Der Satz ist fest: 100 Credits pro US-Dollar; Credits verfallen nicht, werden nicht monatlich zurückgesetzt und lassen sich jederzeit in beliebiger Höhe aufladen.
• Bei der Anmeldung gibt es 1.000 Credits, gutgeschrieben mit dem ersten Workspace – genug, um vor dem Bezahlen zu testen.
• Gespräche, Aufgabenläufe, Automatisierungen, geplante Jobs und autonome Arbeit der KI-Kollegen verbrauchen Credits; das Anlegen eines KI-Kollegen ist kostenlos.

Für wen es passt

• Recruiting-, Marketing- und Operationsteams mit viel repetitiver Dokumentarbeit, die sie an einen Agenten abgeben wollen.
• Teams, die bereits in Slack oder Feishu arbeiten und nicht noch eine Plattform nur für KI wollen.
• Rollen, in denen Material über viele Dokumente verteilt ist und das Modell darüber statt über einen Absatz reasoning betreiben muss.
• Teams, die bereit sind, Agentenrollen und Regeln vorab zu entwerfen – je klarer die Arbeitsteilung, desto größer der Nutzen.

Grenzen und Hinweise

• Nur Web: kein eigenständiger Desktop- oder Mobile-Client, Offline- und Mobilnutzung hängen also von Browser und Chat-Integration ab.
• Dateien sind Markdown-zentriert und Uploads werden konvertiert; bei komplexen Layouts, Formeln oder sehr großen Tabellen sollte die Treue zuerst klein getestet werden.
• Das Produkt setzt Grundkenntnisse mit KI-Werkzeugen voraus und empfiehlt, Agentenrollen vor dem Einsatz zu definieren; sonst verkommen KI-Kollegen zu allgemeinen Chatbots.
• Das Gedächtnis liegt in user_profile.md, MEMORY.md und AGENTS.md; teilen sich mehrere Personen einen KI-Kollegen, können Präferenzen kollidieren – pflegen Sie klare Regeln.
• Der Credit-Verbrauch skaliert mit der Komplexität: lang laufende Scraper oder Dashboard-Aufbauten kosten deutlich mehr als ein normales Gespräch, daher erst mit kleinem Budget testen.
• Die Quelle nennt keine Enterprise-Preise, Datenstandorte oder Compliance-Zertifizierungen; vor sensiblen Daten beim Anbieter klären.

Häufige Fragen

Worin unterscheidet es sich von einem allgemeinen Assistenten?

Ein allgemeiner Assistent arbeitet pro Unterhaltung und erhält Kontext durch wiederholtes Einfügen. Moxt legt den Kontext in den Workspace: Uploads werden zu Markdown für direktes Lesen und Schreiben, das Gedächtnis bleibt in Markdown-Dateien über Sitzungen erhalten, und mehrere rollenspezifische KI-Kollegen arbeiten in Slack und Feishu. Der Unterschied ist, KI als dauerhaftes Teammitglied statt als Einmalwerkzeug zu behandeln.

Lässt sich das Gedächtnis prüfen oder korrigieren?

Das Gedächtnis liegt in lesbaren Dateien wie user_profile.md, MEMORY.md und AGENTS.md, die Sie jederzeit öffnen, ändern oder leeren können. Eine regelmäßige Durchsicht ist sinnvoll, besonders wenn mehrere Personen einen KI-Kollegen teilen und Präferenzen einander überschreiben könnten.

Wie funktioniert die Abrechnung?

Credits zu 100 pro US-Dollar, 1.000 gratis bei der Anmeldung, ohne Verfallsdatum. Abgerechnet wird nur ausgeführte KI-Arbeit, das Anlegen eines KI-Kollegen ist kostenlos. Ob es teuer wird, hängt von der Aufgabe ab: normale Gespräche sind günstig, lang laufende Scraper oder Dashboard-Aufbauten summieren sich.

Welche Plattformen werden unterstützt?

Ein Webprodukt mit Slack- und Feishu-Integration, Aufgaben werden durch Erwähnung des KI-Kollegen im Chat ausgelöst. Die Quelle erwähnt weder Desktop-Client noch mobile App.