
Ona ist eine unternehmensgerechte KI-Entwicklungsplattform, die sichere Sandboxes und AI-Agents kombiniert, um den Softwareentwicklungszyklus zu automatisieren. Früher bekannt als Gitpod.
Zielgruppen sind Unternehmen und Teams, die Wert auf Sicherheit, Compliance und Automatisierung legen, insbesondere in regulierten Branchen wie Finanzen oder Versicherungen.
Ona kann vollständig in der eigenen VPC betrieben werden, mit granularen Zugriffskontrollen, Audit-Logs und GDPR/SOC2-gerechter Governance.
AI-Agents unterstützen Aufgaben wie Codierung, Refactoring, Tests und Dokumentation basierend auf dem Code-Kontext – sowohl autonom als auch kooperativ.
Es gibt eine kostenlose Version mit Basis-Features, eine Core-Variante ab ca. 20 USD pro Monat pro Team und ein Enterprise-Angebot mit individueller Preisgestaltung.
Ona arbeitet mit GitHub, GitLab, VS Code sowie gängigen Cloud-Diensten und unterstützt verschiedene AI-Modelle, um Code-Repositories schnell anzubinden.
Asana ist eine cloudbasierte Aufgaben- und Projektmanagement-Plattform mit integrierten KI-Funktionen und als AI Tool online nutzbar. Sie unterstützt Teams bei Planung, Verfolgung und Koordination von Aufgaben sowie komplexen Workflows über Ansichten wie Listen, Boards, Timeline und Kalender. Automatisierung, benutzerdefinierte Felder und KI-gestützte Vorschläge helfen, wiederkehrende Prozesse zu standardisieren und Engpässe zu erkennen. Die Lösung bietet Portfolios, Zielverfolgung und Echtzeit-Dashboards, plus Integrationen mit Slack, Google Workspace, Microsoft 365 und weiteren Tools. Verfügbar als Web-Anwendung sowie mobile App und Desktop-Client.

Daytona AI ist eine Open-Source-Infrastrukturplattform zum sicheren und effizienten Ausführen von AI-generiertem Code. Sie bietet isolierte Sandkästen mit Millisekunden-Startzeiten, um Code sicher zu testen, zu debuggen und zu evaluieren, ohne die Host-Umgebung zu beeinträchtigen. Die Plattform fungiert als KI-Tool online und ermöglicht Entwicklern den Einsatz von KI-Bildgeneratoren oder KI-Textgeneratoren in kontrollierten Umgebungen. Docker-Images erlauben individuelle Umgebungs-Konfigurationen, während CPU- und GPU-Ressourcen präzise zugewiesen werden. Python- und TypeScript-SDKs unterstützen die programmatische Verwaltung der Sandkästen; Statuspersistenz und Snapshots erleichtern mehrstufige AI-Workflows. Parallele Sandkasten-Starts ermöglichen skalierbare Evaluierungen von Modellen oder generiertem Code. Geeignet für Entwicklerteams, Data-Science-Workflows und CI/CD-Pipelines, die sichere Ausführung von AI-Code benötigen.