# Dust vs Kiro

Dust verzeichnet 547.217 monatliche Besuche mit +1,8 % Wachstum gegenüber dem Vormonat und einem Preismodell „Preise auf Anfrage“. Kiro verzeichnet 3.330.476 monatliche Besuche mit +4,6 % Wachstum und einem Preismodell „Freemium“.

| Kennzahl | [Dust](https://openaitools.app/de/tool/dust) | [Kiro](https://openaitools.app/de/tool/kiro) |
| :--- | :--- | :--- |
| Website-URL | https://dust.tt | https://kiro.dev |
| Kategorien | KI-Assistent, Large Language Models (LLMs), AI Workflow, KI-Wissensmanagement | KI-Code-Assistent, KI-Codegenerator, AI Agent, KI-Entwicklertools |
| Preismodell | Preise auf Anfrage | Freemium |
| Monatliche Besuche | 547.217 | 3.330.476 |
| MoM-Wachstumsrate | +1,8 % | +4,6 % |
| Primärmarkt | Frankreich | Vereinigte Staaten |
| Direkte Besuche | 456.919 | 1.814.132 |
| Bewertungsergebnis | 4,4 | 4,5 |
| Anzahl gespeicherter Einträge | 5 | 0 |
| Unterstützte Plattformen | Website | Website |

## Dust

Dust positioniert sich als „Multiplayer-KI“ für die Zusammenarbeit von Menschen und Agenten. Statt jedem Mitarbeitenden einen privaten Chatbot zu geben, können Teams Agenten bauen, die gemeinsamen Zugriff auf Unternehmenswissen, verbundene Tools, Gespräche und Benachrichtigungen haben, sodass Arbeit zwischen Menschen und KI hin- und herwandert. Agenten sind abteilungsübergreifend wiederverwendbar, und menschliche Prüfung bleibt dort erhalten, wo sie zählt.

Das Alleinstellungsmerkmal ist der Kontext. Laut Dust können die meisten KI-Tools nur eine einzelne Slack-Nachricht oder einen CRM-Datensatz abrufen, während seine Agenten Kontext aus Slack, CRM, Dokumenten und anderen Unternehmenssystemen zusammenführen, um mit dem vollständigen Bild zu antworten und anschließend zu handeln. Über 70 Konnektoren decken Messaging, Kalender, CRM, Dateispeicher, Projektmanagement, Daten und Finanzen ab, und Agenten erreichen MCP-Server über dasselbe Gateway.

Governance ist eine Kernfunktion. Dust bietet ein zweischichtiges Berechtigungsmodell, das trennt, worauf Agenten zugreifen dürfen und wer sie nutzen darf, dazu SCIM-synchronisierte Gruppen, administrativ gesteuerte Ausnahmen, Audit-Logs und Analysen zur Überwachung von Akzeptanz, Nutzung, Kosten und ROI. Das Unternehmen ist SOC 2 Type II zertifiziert, bietet Datenhaltung in den USA oder der EU und unterstützt Single-Tenant-Deployments. Teams können Agenten mit über 20 Frontier- und Open-Source-Modellen von OpenAI, Anthropic, Google und Mistral bauen und pro Workflow das passende wählen. Laut Unternehmen laufen mehr als 3.000 Organisationen und über 300.000 Agenten auf der Plattform.

**Preise und Tarife:** Preis auf Anfrage. Dust bietet nach der Anmeldung eine kostenlose Testphase, doch die Tarife richten sich an Teams und Unternehmen mit nutzungsbasierten Credits, Volumenpreisen und dediziertem Support; genaue Zahlen erfordern ein Gespräch mit dem Vertrieb.

- **Agenten mit Unternehmenskontext:** Verbinden Sie über 70 Tools wie Slack, Notion, Google Drive, GitHub, Salesforce und Zendesk, damit Agenten mit echtem Unternehmenswissen antworten.
- **Über 70 Konnektoren und MCP-Support:** Erreichen Sie Messaging, CRM, Dokumente, Projektmanagement, Daten, Finanzen und MCP-Server über eine Plattform, damit Agenten systemübergreifend handeln.
- **Modellflexibilität:** Erstellen Sie Agenten mit über 20 Frontier- und Open-Source-Modellen von OpenAI, Anthropic, Google und Mistral und wählen Sie das beste für jede Aufgabe.
- **KI-native Governance:** Zweischichtiges Berechtigungsmodell, SCIM-Gruppen, Admin-Ausnahmen, Audit-Logs und Nutzungsanalysen halten Unternehmensdaten sicher, ohne Teams zu bremsen.
- **Multiplayer-Zusammenarbeit:** Menschen und Agenten teilen Kontext, Tools und Benachrichtigungen, sodass abteilungsübergreifende Workflows wiederverwendbare Skills und menschliche Prüfung enthalten.

**Stärken:** Tiefe Kontexterfassung über mehr als 70 Enterprise-Konnektoren; Starke Governance mit Berechtigungen, Audit-Logs und SOC 2 Type II; Modellunabhängig: Auswahl aus über 20 Frontier- und Open-Source-Modellen; Gemeinsam genutzte, wiederverwendbare Agenten über Abteilungen hinweg

**Einschränkungen:** Vertriebsgesteuerte Preise erschweren Kostenschätzungen vor einer Demo; Konnektoren und Berechtigungen einzurichten erfordert echte Admin-Arbeit; Der Nutzen wächst mit breitem Rollout – ein größeres Commitment für kleine Teams

[Profile (Markdown)](https://openaitools.app/de/tool/dust.md)

## Kiro

Kiro ist eine spezifikationsgetriebene Coding-Plattform von AWS, die KI-Unterstützung vom Autovervollständigen auf Absicht umstellt. Sie beschreiben, was die Software tun soll, und liefern Kontext; Kiro macht daraus Spezifikationen, die einen Agenten durch Planung, Implementierung, Tests und Review führen. Da Anforderungen und Designentscheidungen zuerst schriftlich festgehalten werden, können Agenten ihre Ergebnisse gegen das tatsächlich Gewünschte prüfen, und die Plattform erzwingt Qualität in jedem Schritt, damit kein fehlgeschlagener Test stillschweigend übersprungen wird.

Das Produkt umfasst mehrere Oberflächen. Die Kiro IDE ist die vertraute Desktop-Erfahrung, die CLI lässt sich mit einem Befehl installieren und headless in CI/CD betreiben, und Cloud-Sitzungen verlagern lange Aufgaben vom Laptop auf parallele Agenten, die weiterarbeiten, wenn Sie den Deckel schließen. Kiro Crew ergänzt persistente Agenten, die Backlog, Codebasis oder CI beobachten, eingehende Arbeit triagieren, an spezialisierte Bots delegieren und Ergebnisse zur Freigabe zurückgeben. Es begegnet Ihnen dort, wo Arbeit passiert: Slack, Microsoft Teams, GitHub- oder GitLab-Issues und Pull Requests oder geplante Automatisierungen.

Fundament sind dauerhaftes Gedächtnis über Sitzungen hinweg, geteiltes Teamwissen und wiederverwendbares Steering, sodass Korrekturen nicht wiederholt werden müssen. Workflows zerlegen große Aufgaben in geprüfte Schritte, eigenschaftsbasierte Tests validieren hunderte Fälle, und adversariale Review-Agenten prüfen Diffs vor der menschlichen Freigabe. Kiro unterstützt Claude, GPT und Open-Weight-Modelle wie DeepSeek und Qwen, wobei ein Auto-Modus jede Aufgabe an ein passendes Modell leitet, und baut auf offenen Standards wie ACP, AGENTS.md, Skills, MCP und Open-VSX-Erweiterungen.

**Preise und Tarife:** Kiro nutzt ein Freemium-Modell mit kostenloser Nutzung zum Einstieg und Bezahltarifen, die Nutzungslimits und Credits für einzelne Entwickler und Teams erhöhen. Unternehmen können AWS für Governance, SSO, Compliance und planbare Preise kontaktieren.

- **Spezifikationen, die Absicht verifizieren:** Sie beschreiben zuerst Absicht und Kontext; Kiro hält Anforderungen und Design als Spezifikationen fest und verifiziert die fertige Implementierung dagegen.
- **Persistente Agenten und Crew:** Kiro Crew beobachtet Backlog, Codebasis oder CI, triagiert neue Arbeit, delegiert an spezialisierte Bots und liefert Ergebnisse zum Review zurück.
- **Workflows und adversariales Review:** Lange Aufgaben werden in geprüfte Schritte zerlegt, damit Agenten keinen fehlgeschlagenen Test umgehen; Review-Agenten prüfen Diffs vor der Freigabe.
- **Läuft, wo Sie arbeiten:** Nutzen Sie IDE, Mobile oder Web, betreiben Sie die CLI headless in CI/CD oder starten Sie Kiro aus Slack, Microsoft Teams, GitHub und GitLab.
- **Offene Standards und Modellwahl:** Unterstützt ACP, AGENTS.md, Skills, MCP und Open-VSX-Erweiterungen, mit Claude, GPT und Open-Weight-Modellen über Auto-Routing.

**Stärken:** Der spezifikationsgetriebene Ablauf bindet generierten Code an schriftliche Anforderungen und Design; Mehrere Oberflächen, darunter IDE, CLI, Web, Mobile und Cloud-Sitzungen; Dauerhaftes Gedächtnis und geteiltes Steering verringern wiederholte Korrekturen; Von AWS gebaut und betrieben, mit Enterprise-Governance, SSO und Compliance

**Einschränkungen:** Die Spezifikationsdisziplin bedeutet mehr Vorarbeit als das Fragen eines Chat-Assistenten; Schwerere Sitzungen verbrauchen Credits, sodass intensive Nutzung zu Bezahltarifen führen kann; Am reibungslosesten läuft es mit AWS und dessen Ökosystem, was nicht zu jedem Stack passt

[Profile (Markdown)](https://openaitools.app/de/tool/kiro.md)

## Häufig gestellte Fragen

### Wie vergleichen sich Dust und Kiro beim monatlichen Traffic?

Dust hat 547.217 monatliche Besuche, während Kiro 3.330.476 verzeichnet. Traffic-Schätzungen beschreiben die Publikumsgröße, nicht die Produktqualität.

### Wie vergleichen sich ihre Wachstumsraten?

Dust verzeichnet eine Wachstumsrate von +1,8 % gegenüber dem Vormonat; Kiro verzeichnet +4,6 %.

### Wie vergleichen sich die Preise?

Dust: Preise auf Anfrage. Preis auf Anfrage. Dust bietet nach der Anmeldung eine kostenlose Testphase, doch die Tarife richten sich an Teams und Unternehmen mit nutzungsbasierten Credits, Volumenpreisen und dediziertem Support; genaue Zahlen erfordern ein Gespräch mit dem Vertrieb. Kiro: Freemium. Kiro nutzt ein Freemium-Modell mit kostenloser Nutzung zum Einstieg und Bezahltarifen, die Nutzungslimits und Credits für einzelne Entwickler und Teams erhöhen. Unternehmen können AWS für Governance, SSO, Compliance und planbare Preise kontaktieren.

## Alternativen

| # | Tool-Name | Monatliche Besuche | MoM-Wachstumsrate | Preismodell | Summary | Profile (Markdown) |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| 1 | [Notion](https://openaitools.app/de/tool/t) | 173.441.670 | +0,1 % | Freemium | Provides a unified connected workspace for team documents and databases, but lacks Dust's advanced multi-source enterprise knowledge indexing. | [.md](https://openaitools.app/de/tool/t.md) |
| 2 | [Salesforce Agentforce (ehemals Einstein)](https://openaitools.app/de/tool/salesforce-einstein) | 111.910.743 | +2,2 % | Freemium | Integriert sich tief in CRM-Ökosysteme zur Automatisierung von Unternehmens-Workflows, ist jedoch stark an die Salesforce-Software-Suite gebunden. | [.md](https://openaitools.app/de/tool/salesforce-einstein.md) |
| 3 | [Cursor](https://openaitools.app/de/tool/cursor) | 23.297.751 | +8,4 % | Freemium | Bietet ein ausgefeiltes KI-zuentriertes Code-Editor-Erlebnis, lässt aber Kiros native AWS-spezifikationsgesteuerte Planungs-Workflows vermissen. | [.md](https://openaitools.app/de/tool/cursor.md) |
| 4 | [Google Antigravity](https://openaitools.app/de/tool/google-antigravity) | 16.054.109 | +8,1 % | Freemium | Bietet leistungsstarke, parallele KI-Coding-Agenten über IDE und CLI, lässt aber dedizierte AWS-Ökosystem-Integrationen vermissen. | [.md](https://openaitools.app/de/tool/google-antigravity.md) |
| 5 | [Replit](https://openaitools.app/de/tool/replit) | 10.016.437 | -7,7 % | Freemium, Kostenpflichtig | Builds and deploys full-stack apps instantly in the cloud, but lacks Kiro's local spec-driven engineering verification. | [.md](https://openaitools.app/de/tool/replit.md) |
| 6 | [VS Code](https://openaitools.app/de/tool/vs-code) | 7.397.370 | -3,8 % | Freemium | Schreibe präzisen Code, übergib größere Aufgaben an Agenten und arbeite von überall weiter | [.md](https://openaitools.app/de/tool/vs-code.md) |
| 7 | [Qoder](https://openaitools.app/de/tool/qoder) | 5.145.040 | +81,8 % | Freemium, Kostenlose Testversion, Kostenlos | Liest gesamte Codebasen, um Multi-Datei-Aufgaben als IDE-Plugin auszuführen, bietet jedoch ein weniger strukturiertes Spezifikationsmanagement. | [.md](https://openaitools.app/de/tool/qoder.md) |
| 8 | [Glean](https://openaitools.app/de/tool/glean) | 3.301.875 | +0,1 % | Preise auf Anfrage | Bietet eine robuste, unternehmensweite und berechtigungsbewusste Suche sowie Wissensverwaltung, legt jedoch weniger Fokus auf benutzerdefinierte Multi-Modell-Agenten-Workflows. | [.md](https://openaitools.app/de/tool/glean.md) |
| 9 | [Abacus.AI](https://openaitools.app/de/tool/abacus-ai) | 3.278.636 | -1,7 % | Preise auf Anfrage | Kombiniert Multi-Modell-Chat-Assistenten mit automatisierter Optimierung des maschinellen Lernens, legt den Schwerpunkt jedoch stärker auf Data-Science-Pipelines. | [.md](https://openaitools.app/de/tool/abacus-ai.md) |
| 10 | [Devin](https://openaitools.app/de/tool/devin) | 2.549.346 | +1 % | Kostenpflichtig | Agiert völlig autonom über gesamte Repositories hinweg, um Pull-Requests zu öffnen, lässt aber einen integrierten, interaktiven IDE-Arbeitsbereich vermissen. | [.md](https://openaitools.app/de/tool/devin.md) |

---
Quelle: https://openaitools.app/de/compare/dust-vs-kiro

More Markdown: [Kategorien](https://openaitools.app/de/categories.md) · [Traffic-Rankings](https://openaitools.app/de/rankings.md) · [llms.txt](https://openaitools.app/de/llms.txt)
