1. „MCP“ hören und zuerst fragen: Kann es die Beiträge direkt lesen?
Ein Bekannter erzählt, D-Lab habe MCP veröffentlicht, um die Verbindung mit ChatGPT zu erleichtern. Statt nur nach der Definition zu fragen, kommt zuerst: „Was kann man damit machen? Kann es die Beiträge direkt lesen?“ Die Workflow-Hypothese kommt vor dem Fachbegriff: Kann die KI Informationen selbst aus dem Dienst holen, ohne manuelles Copy-and-paste? Die Vermutung liegt nah an der tatsächlichen Funktion, denn D-Lab beschreibt MCP als direkten Wissenszugriff für ChatGPT, Claude und andere Assistenten.
2. Die eigentliche Stärke ist nicht, alles zu wissen, sondern schnell die richtige Funktionshypothese zu bilden
Externer Dienst verbindet sich mit KI → vielleicht kann die KI Inhalte lesen → vielleicht entfällt Copy-and-paste → vielleicht kann sie Beiträge direkt lesen. Das ist Prozessdenken. Manche lesen bei einem neuen Tool das Handbuch; andere fragen „welchen manuellen Schritt kann ich löschen?“ Der zweite Typ ist bei Automatisierung oft besonders stark.
3. GitHub ist nicht mehr „der Ort für Websites“, sondern das Lager einer KI-Fabrik
Wenn jemand sagt „GitHub ist doch für Websites, oder?“, wäre ein Vortrag über verteilte Versionskontrolle sozial tödlich. Nützlicher ist „stell es dir wie ein Datenlager vor“. Dann: Daten → KI → automatische Prüfung → Korrektur → Update → Zeitplan. ChatGPT wird zum Bauteil im System. Die offizielle GitHub-App in ChatGPT ist hauptsächlich für Lesen/Analyse gedacht; Änderungen und Pushes laufen über Workflows wie Codex.
4. „Lass die KI die Belege holen“ macht aus der KI ein Forschungsteam
Bei Gesundheit, Psychologie, Lernen oder Kognition kann die KI PubMed, PMC, Verlagsseiten, Originalstudien und Reviews prüfen. Sie wird Suchassistent + Paper-Filter + Zusammenfasser + Vergleicher + Kritiker. Neue Studien können auftauchen, bevor sie jemand in einer anderen Sprache zusammenfasst. PMC enthält jedoch auch Autorenmanuskripte und Preprints, daher müssen Studiendesign, Peer Review, Stichprobe und Grenzen geprüft werden.
5. Was verkauft D-Lab MCP eigentlich?
Am 30. August 2026 kostet DaiGo 2.199 Yen/Monat und D-Lab Pro 989 Yen/Monat; Pro setzt DaiGo voraus und MCP gehört zu Pro. Einfach gerechnet 3.188 Yen/Monat. Aber das ist keine Paper-Zugangsgebühr: DaiGo wählt Informationen → erklärt sie → übersetzt sie in Handlungen → sammelt sie in mehr als 4.000 Videos und Archiven → macht diese Basis per KI durchsuchbar. Verkauft wird ein von einer Person gefiltertes Wissenssystem.
6. Dann kommt der verbotene Gedanke: „Reicht nicht ChatGPT Plus?“
ChatGPT Plus kostet 20 US-Dollar/Monat und bietet mehr Modelle/Tools, Dateianalyse und Deep Research. Für jemanden, der selbst Studien findet: D-Lab = Forschung → DaiGo → D-Lab → MCP → ChatGPT → ich; direkt = Web/Paper-Datenbanken → ChatGPT → ich. Die Produkte sind nicht identisch, aber wenn eine belegte Antwort statt DaiGos Erklärung gesucht wird, kann der direkte Weg viel Nutzen ersetzen.
7. D-Lab ergibt mehr Sinn als „DaiGo-Fanclub-Beitrag“
Zwei Menschen können dieselbe Studie lesen und durch Auswahl, Beispiele, Reihenfolge, Tempo und Humor völlig unterschiedliche Erlebnisse erzeugen. Informationswert und Erklärerwert sind verschieden. D-Lab kann daher als Erklärungs-, Kurations- und Redaktionsgebühr verstanden werden und, liebevoll formuliert, als DaiGo-Fanclub-Beitrag. Niemand fragt einen Konzertbesucher: „Warum zahlen? Der Song ist doch im Streaming.“ Das Erlebnis ist das Produkt.
8. Der Sensor für Zwischenmargen ist zu empfindlich
„Welchen Wert fügt diese Schicht hinzu? Kann ich direkt zur Quelle? Welche Arbeit kaufe ich mir weg? Wenn ich es in fünf Minuten selbst kann, warum abonnieren?“ Das ist nicht nur Geiz, sondern automatische Transaktionskostenanalyse. Je besser jemand suchen, KI nutzen und Workflows bauen kann, desto geringer wird der relative Wert bestimmter Vermittler. Aber wenn eine kleine Gebühr eine Stunde nerviger Arbeit entfernt, kauft sie Zeit. Der Alarm sollte nur losgehen, wenn fast keine Zeit gespart wird: PIEP PIEP PIEP.
9. Trotzdem ist DaiGo beeindruckend — besonders „2× ohne 2× zu drücken“
Mentalismus, Karten, Aufmerksamkeitslenkung, Timing und Storytelling entstehen nicht einfach durch das Lesen des Originalpapers. Und es gibt eine starke UX: Man braucht kein 2×, weil er ohnehin schnell spricht. Wenn die „biologische Hardware“ gefühlt bei 1,7× läuft, wird die Geschwindigkeitstaste dekorativ. Absichtliche Optimierung? Wahrscheinlich nicht. Wahrscheinlich einfach schnelles Sprechen. Für Menschen, die dichte Information in hohem Tempo mögen, ist das Teil des Reizes.
10. Die Paywall direkt vor der Kernantwort und der Wert, der im KI-Zeitalter bleibt
Ein kostenloses Video, das Neugier aufbaut und genau vor „Was soll ich also tun?“ abschneidet, kann frustrieren. Das Problem ist nicht die Bezahlung, sondern der Schnittpunkt. Angenehmer wäre kostenlos = Antwort auf die Titelfrage; bezahlt = zusätzliche Studien, Ausnahmen und Umsetzung. Liegt die Kernantwort hinter der Paywall, sucht ein forschungsorientierter Nutzer die Originalstudie. Je mehr MCP KI und Quellen zusammenbringt, desto weniger wert ist bloßes Informationsbesitzen und desto wichtiger werden Auswahl, Interpretation, Erklärung und Handlung. ChatGPT kann viel Evidenzsuche ersetzen, aber nicht DaiGos Erklärstil. Und wenn 1× schon wie 2× klingt und genau das gefällt, ist man endgültig im Fanbereich.
