# Video Analysis Batch 3 — Swipe-File Deep Dive
Datum: 2026-06-02 | Analyst: Aria | Videos: v09, v10, v11, v12, v26

---

## v09 — DE Marketing Reel: Brand-Aufbau mit ChatGPT
**Quelle:** `/tmp/aria-watch-0dc957bac214/` | Plattform: Instagram/TikTok (Hochformat, deutsch) | Dauer: ~60s | Frames: 8

### Header
- Titel: "Kommentiere BRAND und ich schicke dir die Anleitung"
- Creator: Mann mit ICON-Cap, deutschsprachig
- Visuell: Google-Trends-Screenshot, "Grounded"-Brand-Website mit Pilates-Socken, minimalist Shot

### Visual Notes
- **frame_02** (~15s): Google Trends "Cappuccino vs Latte" — demonstriert Trend-Validierungsmethode visuell
- **frame_05** (~37s): "grounded."-Website mit Pilates-Socken (Cherry-Varianten, $18.99) — zeigt reales Produkt-Ergebnis
- **frame_08** (~53s): Nur Creator-Shot, Daumen hoch — call-to-action Abschluss, kein Informationsgehalt

### 7-Punkt Praxisanalyse

**1. Kernaussage**
Ein Dropshipper hat in 30 Tagen eine $3M-Marke ("Grounded") aufgebaut, indem er Google Trends + ChatGPT-Analyse von YouTube-Transkripten nutzte, um ein unbrandetes Nischenprodukt (Pilates-Socken) zu identifizieren. Retargeting auf Video-Zuschauer mit 7% Conversion Rate.

**2. Was können wir lernen**
Das Workflow-Pattern ist interessant: (a) Trend-Check via Google Trends, (b) Community-Mining via YouTube-Transkript-Download + LLM-Analyse auf Produkt-Mentions, (c) Lücken-Check (niemand hat es "professionell gebranded"), (d) Content-first, dann Retargeting. Das ist ein reproduzierbarer Research-Loop, nicht nur Glück.

**3. Wie einsetzen**
Für Aria: Der YouTube-Transkript-Download + LLM-Analyse-Schritt ist direkt automatisierbar. Aria könnte für Kais (oder Kadi-v2-Kunden) einen "Nischen-Scanner" bauen: Transkripte von Nischen-Channels scrapen, per Claude auf wiederkehrende Produkt-/Service-Mentions analysieren, Gap-Score berechnen.

**4. Konkreter Vorteil für Aria/Kadi**
Gering-mittel. Das Workflow-Pattern ist für E-Commerce relevant, nicht direkt für Kadi-v2 (B2B, BMW, kein Consumer-E-Commerce) oder Aria (AI-Agent-System). Für die Aria-Distribution als Produkt könnte man einen "Market Research Agent" daraus bauen.

**5. Was besser machen**
Der Creator verifiziert nicht, ob die $3M-Zahl real ist — klassischer unverifizierbarer Marketing-Hook. Die Transkript-Methode ist clever, aber YouTube-Scraping ist fragil (AGB, IP-Blocks — Kais kennt das aus KAR-23). Besser wäre: Reddit/Forum-Analyse statt YouTube, weil stabiler.

**6. Lohnt sich Umsetzung**
Nein, nicht direkt. Der Kern-Workflow (Trend → Community-Mining → Gap → Brand) ist für Kais' aktuellen Stack (Kadi-v2/BMW, Durrani, Aria) nicht relevant. Das "YouTube-Transkript-Analyse mit LLM"-Pattern ist interessant, aber Aria kann das bereits (claude-watch). Kein neues Wissen, das eine KAR-Umsetzung rechtfertigt.

**7. Nächste Schritte**
- Aria-eigenständig: Nichts. Pattern bereits bekannt.
- Kais-Decision: Falls jemals ein E-Commerce-Kunde in Kadi-v2 kommt, dieses Research-Pattern dokumentieren.

**Relevanz-Tag:** Marketing | **Save-worthy:** Nein — reiner Marketing-Hook, Methode nicht neu, 7% CVR nicht verifizierbar

---

## v10 — .claude Folder Deep-Dive
**Quelle:** `/tmp/aria-watch-b45cd8572d73/` | Plattform: TikTok/YouTube Shorts (Hochformat) | Dauer: ~116s | Frames: 8

### Header
- Titel: "Most people have no idea the .claude folder is the most important"
- Creator: DevSwarm-Gründer (@poshan0126), zeigt DevSwarm IDE-Interface
- Visuell: VSCode mit .claude-Ordner, DevSwarm Workspace-Übersicht, ClaudeCode im Terminal

### Visual Notes
- **frame_02** (~29s): DevSwarm IDE — zeigt CLAUDE.md in .claude-Ordner, geöffnet in Editor mit Architecture/Commands/Don'ts-Sections. Sidebar zeigt Workspace-Tree: agents, hooks, rules, skills. Real-world Beispiel einer gut strukturierten CLAUDE.md.
- **frame_05** (~72s): Close-up auf settings.json — "your permission system" als Headline. Zeigt .claude-Ordner mit agents/, hooks/, rules/, skills/, CLAUDE.md, settings.json. Bestätigt die 6 Core Files.
- **frame_08** (~101s): DevSwarm UI mit parallelen Claude-Sessions (PR-Reviews, Branch-Swarms). Unten Gemini CLI Screenshot. Werbung für devswarm.ai.

### 7-Punkt Praxisanalyse

**1. Kernaussage**
Die 6 wichtigsten Dateien in `.claude/`: CLAUDE.md (max. 20 Zeilen), rules/ (aufgeteilt nach Concern + Filepath-Scope), hooks (Formatter, Test-Runner, Dangerous-Bash-Block), agents/ (Custom Subagents), settings.json (Permissions), skills/ (Reusable Capabilities). Alles zusammen macht ClaudeCode von Tool zu System.

**2. Was können wir lernen**
Konkret umsetzbar und direkt Aria-relevant: (a) CLAUDE.md unter 20 Zeilen halten — längere werden teilweise ignoriert, (b) Rules-Splitting nach Filepath-Scope statt einem Monolith, (c) Hooks als Quality-Gate (kein "done" ohne passing tests), (d) Agents als spezialisierte Subagents (Adversarial Reviewer, Test-Writer, Docs-Agent).

**3. Wie einsetzen**
Aria hat bereits `.claude/` in der eigenen Config. Die Empfehlung für Filepath-scoped Rules ist konkret: Aria könnte für Kadi-v2 separate Rule-Files haben (z.B. `rules/kadi-v2-api.md` nur für `/root/projekte/Kadi-v2`). Das `/setup.claude`-Plugin (github.com/poshan0126/dotclaude) ist interessant — könnte für Aria-Arsenal-Sync relevant sein.

**4. Konkreter Vorteil für Aria/Kadi**
Mittel-hoch. Aria nutzt bereits `.claude/` extensiv mit Hooks, Skills, Settings. Aber der Filepath-scoped-Rules-Ansatz ist konkret verbessernd: verhindert Context-Bloat bei Multi-Repo-Setup (Kadi-v2 + Durrani + aria gleichzeitig). DevSwarm selbst (parallele Branch-Swarms) ist für Kais zu teuer/komplex, aber das Pattern ist relevant für aria-arsenal.

**5. Was besser machen**
Das Video ist Werbung für DevSwarm — nicht neutral. Die "20-Zeilen-CLAUDE.md"-Regel ist unverified, aber plausibel. Der open-source Link (poshan0126/dotclaude) ist real und prüfenswert. Kein tiefes technisches Wissen, mehr kompakte Zusammenfassung bekannter Patterns.

**6. Lohnt sich Umsetzung**
Ja, partiell. Filepath-scoped Rules sind sofort umsetzbar und senken Context-Bloat. Das `poshan0126/dotclaude`-Repo lohnt sich zu prüfen ob es Aria-Arsenal-Inspiration liefert. DevSwarm selbst — kein akuter Bedarf.

**7. Nächste Schritte**
- Aria-eigenständig: Rules-Folder in `.claude/` nach Filepath-Scope aufteilen, CLAUDE.md auf Länge prüfen.
- Kais-Decision: poshan0126/dotclaude-Repo anschauen, ob Setup-Automation für Aria-Arsenal nutzbar.

**Relevanz-Tag:** Coding/ClaudeCode | **Save-worthy:** Ja — technisch umsetzbar, direkt Aria-relevant

---

## v11 — Search-as-System: 5 UX-Patterns für Search Bars
**Quelle:** `/tmp/aria-watch-7c701f0b0d94/` | Plattform: TikTok/Instagram (Hochformat, @designmotionhq) | Dauer: ~50s | Frames: 8

### Header
- Titel: "One environment = production, here's the fix (#devops #vibecoding)" — ACHTUNG: Ursprünglicher Titel täuscht, das Video behandelt Search UX, nicht DevOps
- Creator: @designmotionhq (Design Motion HQ)
- Transcript: Das ist ein UI/UX-Reel über Search-Bar-Design, 5 Komponenten: Placeholder, Recent Searches, Autocomplete, Keyboard-Nav, Recovery (Zero Results)

### Visual Notes
- **frame_02** (~12s): "01 · PLACEHOLDER — Your first onboarding." Zeigt Lazy (generic "Search") vs. Better ("Search by name, SKU, or brand") mit WHAT/HOW/SCOPE Badges und Beispiel-Placeholders. Sehr klar visualisiert.
- **frame_05** (~31s): "04 · KEYBOARD — Keep focus visible." Autocomplete-Dropdown mit "sho" → Shoes (APPAREL), Shop New (SECTION), Shorts (APPAREL). Keyboard-Nav-Keys visualisiert: ↑↓ NAV, Enter SELECT, Esc CLOSE. Focus-Ring sichtbar in Türkis.
- **frame_08** (~44s): Outro-Frame mit allen 5 Icons: PLACEHOLDER / RECENT / AUTOCOMPLETE / KEYBOARD / RECOVERY. @designmotionhq Branding. "Save for your next search bar. The best UI feels invisible until it fails."

### Die 5 konkreten Design-Regeln (extrahiert)

1. **Placeholder = Onboarding:** Nicht "Search" schreiben, sondern "Search by name, SKU, or brand" — zeigt WHAT, HOW, SCOPE
2. **Recent Searches on Focus:** Bei Klick auf Suchfeld sofort Recent Searches laden, 1-Click-Fill, keine Leere
3. **Autocomplete ranked by Clicks (nicht Alphabet):** Max. 3 Ergebnisse, jedes mit Category-Badge (APPAREL, SECTION etc.)
4. **Keyboard-Navigation Pflicht:** Arrow-Keys navigieren, Enter selektiert, Esc schließt. Focus-Ring MUSS sichtbar bleiben
5. **Zero-Results Recovery:** Kein Dead End. Alternativen vorschlagen: ähnliche Begriffe, Popular Searches oder Category-Jumps

### 7-Punkt Praxisanalyse

**1. Kernaussage**
Eine Suchleiste ist kein einzelnes UI-Element sondern ein System aus 5 Schichten. Wer nur Input-Feld ohne diese Schichten implementiert, verliert User genau dann wenn sie am engagiertesten sind.

**2. Was können wir lernen**
Die 5-Punkte-Systematik ist sofort anwendbar auf jedes Suchfeld. Besonders wertvoll: Placeholder als Onboarding (oft vernachlässigt), und Zero-Results-State als expliziter Design-Fall (viele Apps lassen den Nutzer einfach hängen).

**3. Wie einsetzen**
Direkt für Kadi-v2: Die Supplier/Lieferanten-Suche, die Kadi-v2 hat, braucht mindestens Placeholder-Copy-Verbesserung ("Search by supplier, material, or BMW plant") + Autocomplete + Recovery. Für Durrani: Site-Suche falls vorhanden.

**4. Konkreter Vorteil für Aria/Kadi**
Mittel-hoch für Kadi-v2. Die Kadi-v2 UI hat Suchfelder. Diese 5-Punkte-Checkliste ist ein konkretes Audit-Tool für jedes Search-Feature in Kadi-v2. Besonders Category-Badges in Autocomplete würden Supplier-Typ-Filterung UX-freundlich machen.

**5. Was besser machen**
Das Video zeigt keine Accessibility-Details (ARIA-Labels, Screen-Reader-Announcements). Keyboard-Nav wird erwähnt aber `role="listbox"` und `aria-activedescendant` fehlen. Bei Kadi-v2 als Enterprise-Produkt für BMW ist a11y nicht optional.

**6. Lohnt sich Umsetzung**
Ja. Die 5 Punkte sind schnell prüfbar gegen jedes existierende Suchfeld in Kadi-v2 und Durrani. Kein großer Aufwand, hoher UX-Impact besonders für das Enterprise-Zielpublikum (BMW-User die schnell Supplier finden müssen).

**7. Nächste Schritte**
- Aria-eigenständig: Search-Audit in Kadi-v2 gegen die 5-Punkte-Checkliste durchführen, Lücken als KAR anlegen
- Kais-Decision: Placeholder-Copy-Texte für Kadi-v2-Suche freigeben

**Hinweis zu Duplikaten:** Das Screenshot-Swipe-File enthielt bereits ein "search-as-system" Screenshot (v14 lt. Aufgabenstellung). v11 ist inhaltlich identisch mit v14 — gleicher Creator (@designmotionhq), gleiche 5-Punkte-Struktur. Das ist ein DUPLIKAT zum bereits analysierten v14-Screenshot.

**Relevanz-Tag:** UI-UX | **Save-worthy:** Nein — Duplikat zu v14 (gleicher Content bereits im Swipe-File als Screenshot erfasst)

---

## v12 — RAG Basics: 4-Schritt-Erklärung
**Quelle:** `/tmp/aria-watch-ad09b7cb7b0d/` | Plattform: TikTok/Instagram (Hochformat) | Dauer: ~73s | Frames: 8

### Header
- Titel: "RAG requested in ~40% of AI engineer job postings (guide)"
- Creator: Junger Mann (schwarze Haare, Lavalier-Mikrofon), englischsprachig mit deutschem Wechsel am Ende (Whisper-Drift)
- Visuell: Minimale Illustrationen (Document-Chunks, Vector DB mit Weaviate/Pgvector, Pipeline-Diagramm)

### Visual Notes
- **frame_02** (~18s): Dokument-Chunks-Illustration (graue Textblöcke) + "THEN SPLIT THEM INTO CHUNKS" — Step 1 Chunking visualisiert
- **frame_05** (~45s): Vector DB Diagram: Weaviate + Pinecone-ähnliches Icon + Pgvector. Zeigt drei Vector-DB-Optionen klar.
- **frame_08** (~63s): Full Pipeline: Docs → Chunk → Embed → Store → Query → Match → Retrieve → LLM → Answer. Einfaches Box-Diagramm, vollständig.

### 7-Punkt Praxisanalyse

**1. Kernaussage**
RAG in 4 Schritten: (1) Chunken (semantische Grenzen, mit Overlap), (2) Embedden (High-dim Vectors), (3) Speichern (Vector DB: Pinecone/Weaviate/pgvector), (4) Retrieval+Generation (Query embedden, closest Vectors finden, als LLM-Kontext nutzen). "Production RAG ist viel tiefer."

**2. Was können wir lernen**
Das ist Grundlagen-Content. Für Kais als Builder mit existierendem Aria-System, Supabase (pgvector nativ verfügbar) und Brain-Architektur: nichts Neues. Der Hinweis "Production RAG geht viel tiefer" ist richtig aber wird nicht ausgeführt.

**3. Wie einsetzen**
Nicht direkt. Aria's Brain nutzt bereits ein Filesystem-basiertes Retrieval (grep/search statt Vector-DB). Wenn Aria jemals auf pgvector migriert (KAR-Backlog Thema), ist diese Grundlagen-Pipeline bekannt und in Supabase direkt verfügbar.

**4. Konkreter Vorteil für Aria/Kadi**
Gering. Das Konzept ist bekannt. Pgvector als Option ist bereits in Aria's Supabase-Stack vorhanden. Kein Mehrwert gegenüber existierendem Wissen.

**5. Was besser machen**
Das Video nennt Production-Komplexität (Re-ranking, Hybrid Search, Query-Expansion, Metadata-Filtering) aber erklärt sie nicht. Das ist der eigentlich interessante Teil für Aria. Die pgvector-Option ist gut, aber Chunking-Strategien (sentence-level vs. token-level, sliding window) werden nicht differenziert.

**6. Lohnt sich Umsetzung**
Nein. Grundlagen-Content, bekannt. Kein neues Pattern für Aria.

**7. Nächste Schritte**
- Nichts.

**Hinweis zu Duplikaten:** Der Task nennt, dass bereits ein RAG-Screenshot in der Swipe-File-Analyse existiert. v12 deckt dasselbe Thema (RAG Basics) ab. Inhaltlich Duplikat zu einem bekannten Screenshot-Thema.

**Relevanz-Tag:** Coding/ClaudeCode (AI-Engineering) | **Save-worthy:** Nein — Grundlagen-Content, Duplikat-Thema zum bestehenden RAG-Screenshot

---

## v26 — Anthropic "Code with Claude" Workshop: Routines Feature
**Quelle:** `/tmp/aria-watch-72e5c22b350c/` | Plattform: Konferenz-Recording (Anthropic "Code with Claude" Event) | Dauer: ~867s (~14.5 Minuten) | Frames: 8

### Header
- Titel: video.MP4 (kein Originalname)
- Creator: Maya (Anthropic Applied AI Team)
- Kontext: Workshop-Session, wahrscheinlich Anthropic "Code with Claude" Event (sichtbar auf Podium in frame_05)
- Das Video ist ein offizieller Anthropic-Workshop über das neue **Routines**-Feature in Claude Code

### Was ist dieses Video wirklich?
Es ist ein ~14-Minuten-Workshop-Vortrag von Maya (Anthropic Applied AI) über das neue **Routines**-Feature in Claude Code. Routines = Remote ausgeführte, event-triggered Claude Code Sessions auf Anthropic-Managed Infrastructure. Das Feature löst das "headless agent on cron"-Problem.

### Visual Notes
- **frame_02** (~216s): Slide "Challenges with proactive agents" — 3 Punkte: (1) Where to run (hosting/persistence/auth), (2) When to run (kein sauberer Trigger), (3) How to partner (headless = unsichtbar, kein watch/steer/bound). Sehr klares Problem-Framing.
- **frame_05** (~541s): Live-Demo — Maya tippt `/schedule Once a week review all new changes merged to main against claude-code-docs and create a PR to update docs.` im Claude Code Terminal. Claude fragt Rückfragen, erstellt die Routine.
- **frame_08** (~758s): Claude.ai Web-UI zeigt Routines-Liste: "Weekly docs sync: claude-code-source-code → claude-code-documentation" (Every Monday at 10:00 AM) + weitere Routines. "New routine" Button sichtbar. URL: claude.ai/code/routines

### Inhalt der Routines-Feature-Details

**Wie Routines funktionieren:**
- Trigger: `/schedule <prompt>` im Terminal, oder via Claude.ai Web
- Claude fragt Rückfragen (Zeitpunkt, Format, Ziel-Output)
- Routine läuft auf Anthropic-Managed Cloud Infrastructure (kein eigener Server nötig)
- Zwei Trigger-Typen: (a) **Zeit-basiert** (cron-ähnlich, "every Monday 10am"), (b) **Event-basiert** (GitHub PRs, Labels, Webhooks, Custom Events mit payload)
- **Connectors**: GitHub, Slack, Google Drive — als Kontext für die Session
- **Steuerbarkeit**: Jede Routine ist eine live Claude Code Session — man kann zuschauen, eingreifen, weiterleiten, pausieren (Web, CLI, Desktop)
- **Agent-on-Agent Review**: Man kann eine Routine zum Docs-PR-Erstellen + eine zweite zum Review der PRs konfigurieren (Generator-Critic Pattern)
- **Billing**: Routines bill to usage credits (sichtbar in der UI)

**Konkretes Anthropic-Beispiel:**
Anthropic-Doku-Engineer "Sarah" hat zwei Routines:
1. Wöchentlich: Diff zwischen claude-code-source und claude-code-docs, PR erstellen wenn nötig
2. Event-basiert: Wenn PR mit Label "needs-docs" gemergt wird → Claude Code Session zum Doc-Update

### 7-Punkt Praxisanalyse

**1. Kernaussage**
Claude Code Routines = verwaltete, cron/event-getriggerte Claude Code Sessions auf Anthropic-Infrastruktur. Man schreibt nur den Prompt + Trigger-Bedingung, Anthropic übernimmt Hosting, Auth, State. Das ersetzt das "Claude Code als Headless-Job via selbst gebauter Infra" Pattern mit einer first-party Lösung.

**2. Was können wir lernen**
Sehr hohe Relevanz: Routines ist genau das, was Aria für Kais' CronCreate-Heuristic-Workflow tut — aber als offizielle Claude Code Feature. Das bedeutet:
- Aria's eigene Cron-Infrastruktur (aria-control Panel, KAR-6) könnte durch Routines ersetzt oder ergänzt werden
- Das Generator-Critic-Pattern (zwei Routines die sich gegenseitig reviewen) ist direkt auf Aria's Adversarial-Review-Workflow anwendbar
- Event-basierte Trigger (GitHub PR merge → Agent-Session) reduziert manuellen Overhead massiv

**3. Wie einsetzen**
Konkret für Aria:
- **KAR-38 AI-Radar**: Statt manuellem Cron-Job → Routine "/schedule every Monday: scrape AI-Radar sources, generate digest, post to Telegram"
- **Kadi-v2**: Routine "Wenn PR mit label 'needs-review' gemergt → Adversarial Review Session"
- **Docs-Sync**: Exakt der Use Case aus dem Video — Kadi-v2 API-Docs vs. aktuellem Code wöchentlich synchen
- **Aria-Brain-Compaction**: Routine für regelmäßige Brain-Compaction (KAR-Backlog Sprint 6)

**4. Konkreter Vorteil für Aria/Kadi**
Hoch. Das Feature adressiert genau das in Aria's Architektur-Audit beschriebene Problem (Sprint 0: CronCreate-Infra, KAR-6). Wenn Routines Managed Infrastructure nutzt, fällt der Overhead für Hosting/Auth/State-Management weg — das sind genau die Friktionspunkte die Aria's headless Agents haben.

**5. Was besser machen**
- "Routines bill to usage credits" ist wichtig — das Feature ist nicht gratis. Bei hohem Cron-Volumen können Kosten explodieren
- Das Feature ist als "Research preview" markiert (sichtbar in frame_08 URL-Bar: "Research preview") — nicht production-ready
- Keine Information über Rate-Limits, Max-Laufzeit pro Session, Parallelitäts-Limits
- Vendor-Lock-in: Routines läuft auf Anthropic-Infra, kein self-hosted Option sichtbar

**6. Lohnt sich Umsetzung**
Ja, als Experiment. Aria sollte Routines testen für einen konkreten Use Case (KAR-38 AI-Radar) als Research-Preview-Evaluierung. Wenn es stabil ist und Kosten akzeptabel sind, könnte es Aria's eigenen Cron-Stack (aria-control Panel CronCreate) teilweise ersetzen. Voll-Adoption erst wenn GA (nicht Research Preview).

**7. Nächste Schritte**
- Aria-eigenständig: KAR anlegen für "Routines Feature evaluieren — AI-Radar als Pilot-Use-Case"
- Aria-eigenständig: Testen ob `/schedule` Command in aktuellem Claude Code verfügbar
- Kais-Decision: Routines für Kadi-v2 Docs-Sync genehmigen (Connector-Auth nötig → GitHub-Token)
- Aria-eigenständig: Brain-Note zu Routines Feature anlegen

**Relevanz-Tag:** Aria/agents, Coding/ClaudeCode | **Save-worthy:** Ja — P0, offizielles Anthropic-Feature das Aria's Cron-Architektur direkt betrifft

---

## Duplikat-Analyse

| Video | Thema | Duplikat zu |
|-------|-------|-------------|
| v12 | RAG Basics (Chunk/Embed/Store/Retrieve) | RAG-Screenshot im Swipe-File (bekannt laut Aufgabe) |
| v11 | Search-as-System (5 UX-Regeln) | v14 Search-as-System Screenshot (gleicher Creator @designmotionhq) |
| v09 | E-Commerce Brand-Aufbau | Kein direktes Duplikat, aber nichts Neues |
| v10 | .claude Folder Best Practices | Teilweise bekannt, aber Filepath-Scoping ist neu |
| v26 | Anthropic Routines Feature | Kein Duplikat — neues Primär-Material |

---

## Brain-Save Entscheidungen

| Video | Speichern? | Begründung |
|-------|-----------|------------|
| v09 | Nein | Marketing-Hook, $3M unverified, Methode bekannt, kein Kais-Stack-Fit |
| v10 | Ja | Filepath-scoped Rules + dotclaude-Repo sind konkret umsetzbar für Aria |
| v11 | Nein | Duplikat zu v14-Screenshot (gleicher Creator, gleicher Inhalt) |
| v12 | Nein | Grundlagen-Content, RAG-Thema bereits im Swipe-File erfasst |
| v26 | Ja (P0) | Offizielles Anthropic-Feature, direkte Aria-Architektur-Relevanz |