Nubia bringt NaviX Ultra KI-Smartphone auf den Markt? So funktioniert OS-Agent-Routing

Nubia bringt NaviX Ultra KI-Smartphone auf den Markt? Am 16. September 2026 brachte ZTE mit dem Nubia NaviX Ultra offiziell das erste kommerzielle Smartphone auf den chinesischen Markt, das mit dem massentauglichen Doubao Mobile Assistant von ByteDance ausgestattet ist. Für Systemarchitekten, Android-Runtime-Ingenieure und Telemetrie-Experten erfordert die Beherrschung des OS-Agent-Routings beim Nubia NaviX Ultra eine Analyse, wie künstliche Intelligenz auf Systemebene die Brücke zwischen gesprochener Nutzerabsicht und der Ausführungsumgebung von Anwendungen schlägt. Das Gerät fungiert nicht als isolierter Chatbot, sondern integriert Agentenfähigkeiten direkt in Nebula AIOS 2 auf Basis von Android 16. Es orchestriert dabei komplexe, mehrstufige Aktionen über verschiedene Drittanbieter-Apps hinweg aus einer einzigen Nutzeranfrage heraus. Das Routing autonomer Workflows über App-Sandboxes hinweg bringt jedoch architektonische Herausforderungen mit sich: Fragilität bei der visuellen UI-Automatisierung, Anforderungen an die Ökosystem-Governance, Zugriffsberechtigungen und Kontextverluste, wenn Zielanwendungen nicht installiert sind. Um diese Hürden zu meistern, müssen die Hardware-Software-Integration, die technische Mechanik des Intent-Dispatches auf Betriebssystemebene und robuste Fallback-Strategien für den Fall fehlender App-Installationen evaluiert werden.

Hardware-gestützte KI-Architektur: Die dedizierte KI-Taste und das duale biometrische Verfahren

Das NaviX Ultra kombiniert seine autonome Agent-Runtime mit Hardware, die entwickelt wurde, um die Interaktionshürden zu senken, anspruchsvolle Reasoning-Workloads zu unterstützen und biometrische Identitätsprüfung bereits bei der Ausführung zu gewährleisten.

Auf einen Blick

• Dedizierte physische KI-Taste mit integrierter Biometrie: Eine physische, orange akzentuierte KI-Taste enthält einen kapazitiven Fingerabdrucksensor, der den Aufruf des Assistenten direkt mit einer Identitätsprüfung koppelt, um die Agenten-Aktivierung sicher zu autorisieren.
• ByteDance Doubao Mobile Assistant Engine: Nebula AIOS 2 bettet das Full-Stack-Agenten-Framework von ByteDance ein und nutzt das Full-Duplex-Sprachmodell „Seed“, um Unterbrechungen während des Gesprächs, das Verständnis regionaler Dialekte und multimodale Bildschirmerkennung zu ermöglichen.
• Autonomer appübergreifender Dispatch: Nubia gibt an, dass in internen Tests bei ein- oder mehrstufigen Anfragen, die Drittanbieterdienste wie CaoCao Mobility, Lark oder Musikplattformen umfassen, eine Aufgabenerledigungsrate von über 80 % erreicht wurde.
• Ökosystem-Governance via SAEP: Das System nutzt das Screen Automation Execution Protocol (SAEP), das Drittanbieter-Entwicklern einen formellen Mechanismus zur expliziten Erlaubnis oder Einschränkung der KI-gesteuerten Bildschirmautomatisierung bietet.
• Die Lücke bei der App-Installation: Wenn ein KI-gesteuerter Workflow den Nutzer zu einer nicht installierten Ziel-App führt, bietet die Standard-App-Store-Installation keinen universellen Mechanismus, um flüchtige Aufgabenkontexte in eine neu installierte App zu übertragen. Hierfür ist ein separater Continuity-Mechanismus erforderlich, wenn der Kontext nach der Installation wiederhergestellt werden soll.

Unter der Haube läuft das NaviX Ultra auf Qualcomms 3nm Snapdragon 8 Elite Gen 5 Plattform, unterstützt von bis zu 16 GB LPDDR5X RAM (bis zu 10.667 Mbit/s) und 1 TB UFS 4.1 Speicher. Die thermische Stabilität bei kontinuierlichen Reasoning-Prozessen wird durch eine 7.100 mm² große dreidimensionale Vapor Chamber gewährleistet. Trotz des leistungsstarken 7.100 mAh Nanhai-Akkus der fünften Generation, der 90 W kabelgebundenes und 50 W kabelloses Laden unterstützt, bleibt das Gehäuse mit 7,62 mm sehr schlank. Das Display ist ein 6,78 Zoll großes LTPO 2.0 OLED-Panel mit 1,5K-Auflösung (2800×1260), einer adaptiven Bildwiederholrate von 1–144 Hz und einer Spitzenhelligkeit von bis zu 4.500 Nits.

Das prägende physische Merkmal ist die Dual-Fingerprint-Architektur. Standard-Android-Flaggschiffe nutzen einen einzelnen biometrischen Sensor unter dem Display für Entsperrung und Transaktionsautorisierung. Das NaviX Ultra behält einen Ultraschall-In-Display-Scanner bei, führt aber zusätzlich einen zweiten kapazitiven Fingerabdrucksensor ein, der direkt in die seitliche KI-Taste integriert ist.

Dieses duale biometrische Verfahren löst einen operativen Engpass bei Agentensystemen: die Identitätsprüfung zum Zeitpunkt des Aufrufs. Wenn ein KI-Agent Aufgaben im Auftrag des Nutzers ausführt, verhindert die Identitätsprüfung im Moment des Aufrufs, dass unbefugte Personen Sprachbefehle auf einem bereits entsperrten Telefon erteilen können. Indem der kapazitive Sensor direkt mit dem physischen Klick der KI-Taste verknüpft ist, verifiziert das Betriebssystem die Identität exakt zum Zeitpunkt der Anweisungsübermittlung. Um die Sicherheit zu wahren, erfordern sensible Operationen wie finale Zahlungen, Finanztransfers oder die Veröffentlichung öffentlicher Inhalte weiterhin eine separate explizite Bestätigung durch den Nutzer.

Die Audioaufnahme basiert auf dem Full-Duplex-Sprachmodell von Seed. Im Gegensatz zu schrittweisen Assistenten, bei denen der Nutzer auf die Ausgabe warten muss, erlaubt Full-Duplex-Streaming dem Nutzer, den Assistenten mitten in der Antwort zu unterbrechen. Laut Nubias Vergleichstests führt diese Architektur in lauten Umgebungen wie Bahnhöfen oder U-Bahn-Stationen zu einer um 48 % höheren Erfolgsrate bei der Aktivierung sowie zu einer um 21 % verbesserten Genauigkeit bei der Satzanalyse über Mandarin und zehn weitere regionale Dialekte, darunter Kantonesisch, Minnan und Hakka hinweg.

Dekonstruktion der Doubao Agent Runtime: Reasoning, multimodale Bildschirmerkennung und Task-Dispatch

Die Intelligenzschicht, die das NaviX Ultra antreibt, ist die Consumer-Version des Doubao Mobile Assistant von ByteDance, die nach der technischen Vorschau Ende 2025 nun in eine kommerzielle Runtime übergeht.

Konzeptionell ist die Agent-Runtime um vier Verhaltenskerne organisiert:

1. Deep Reasoning: Die Runtime verarbeitet unstrukturierte, mehrteilige Sprachbefehle (z. B. „Prüfe meinen Lark-Terminkalender für morgen Nachmittag, finde ein ruhiges Café in der Nähe und buche eine CaoCao-Fahrt, damit ich 15 Minuten zu früh ankomme“) und führt eine automatisierte Aufgabenzerlegung in ausführbare Unterziele durch.
2. Generalisierung: Das Modell bildet semantische Ziele auf verschiedene App-Benutzeroberflächen ab und nutzt erlernte räumliche Heuristiken, um durch unbekannte App-Layouts zu navigieren.
3. Selbstkorrektur & aktive Exploration: Wenn ein Ausführungspfad auf ein unerwartetes Hindernis stößt – etwa ein unvorhergesehenes Dialogfenster oder einen temporären Netzwerkausfall – bewertet der Agent alternative Pfade, um das Ziel dennoch zu erreichen.
4. Erweiterte Kontextadhärenz: Da appübergreifende Aufgaben mehrere Minuten dauern oder asynchron bei gesperrtem Gerät laufen können, verfolgt die Agent-Runtime Aufgabenbeschränkungen über lange Sequenzen hinweg.

Der Assistent interagiert mit laufenden Anwendungen über zwei Hauptmodi: Multimodale Bildschirmerkennung und Service-Integrationsaufrufe. Durch das Verständnis des Bildschirminhalts interpretiert der Assistent sichtbare Elemente, führt eine Texterkennung (OCR) durch und bestimmt ausführbare Koordinaten. Dies ermöglicht Funktionen wie „Screen Q&A“ und „Screen Recognition Shopping“, die Produkte im aktiven Viewport identifizieren und bei der Kaufnavigation helfen.

Laut Nubia erreicht das Gerät in internen Tests eine Erfolgsrate bei der End-to-End-Aufgabenausführung von über 80 % für ein- oder mehrstufige, appübergreifende Anfragen. Warteschlangen für die Hintergrundausführung erlauben es Nutzern, Aufgaben hinzuzufügen, Prioritäten über System-Widgets anzupassen und den Agenten Aufgaben asynchron verarbeiten zu lassen.

Systemgrenzen und Ökosystem-Governance: GUI-Automatisierung, SAEP-Deklarationen und strukturierte Protokolle

Die Einführung des NaviX Ultra adressiert direkt die historischen Herausforderungen früher Agenten-Prototypen. Ende 2025 stießen technische Vorschauen auf Widerstand von Seiten großer mobiler Applikationen, da Plattformen automatisierte Aktionen via System-Ereignis-Injektion (INJECT_EVENTS) und Screen-Scraping als unautorisiertes Bot-Verhalten blockierten.

Diese Reibung innerhalb des Ökosystems unterstreicht das zentrale architektonische Spannungsfeld beim Design mobiler Agenten: Visuelle GUI-Automatisierung vs. kontrollierte Service-Endpunkte.

+-------------------------------------------------------------------------+
|             MOBILE AGENT INTEGRATION & GOVERNANCE PIPELINE              |
| (Konzeptionelles Integrationsmodell — kein veröffentlichtes Doubao-Schema) |
+-------------------------------------------------------------------------+
|                                                                         |
|  [ Gesprochene Nutzersprache via Seed Full-Duplex-Modell: KI-Taste ]     |
|                                |                                        |
|                                v                                        |
|  [ Doubao Agent Core: Aufgabenzerlegung & Parameter-Extraktion ]        |
|  Strukturierte Absicht: { Ziel-Domain, Aktion, Entitäts-Parameter }    |
|                                |                                        |
|         +----------------------+----------------------+                 |
|         | (Pfad via Bildschirm)                       | (Direkter Pfad) |
|         v                                             v                 |
|  [ SAEP Governance-Check ]                  [ Strukturierte Integration ] |
|  Erlaubt App GUI-Automatisierung?           Ruft offizielle API auf     |
|         |                                   oder Intent-Filter der App  |
|         +----------------------+                      |                 |
|         |                      |                      v                 |
|         v (Erlaubt)            v (Abgelehnt)  [ Deterministische Ausführung ]|
|  [ GUI-Automatisierungs-Engine ]   [ Operation   - Umgeht Screen Scraping  |
|  - Vision-Parsing                  angehalten / - Kein Risiko durch      |
|  - Simulierte Touch-Ereignisse     Nutzer-        synthetische Touches   |
|                                    Aufforderung ] - Hohe Stabilität    |
|                                                                         |
+-------------------------------------------------------------------------+

In der aktuellen kommerziellen Praxis bleibt die visuelle GUI-Automatisierung der primäre Mechanismus, um unveränderte Drittanbieter-Apps zu steuern. Die reine Steuerung durch synthetische Touches und Screen-Scraping birgt jedoch Fragilität: Interface-Redesigns, dynamische Pop-ups oder Anti-Scraping-Schutzmechanismen können die Ausführung unterbrechen. Zudem können sensible Apps (wie Banking-Apps oder E-Commerce-Checkouts) automatisierte Touch-Inputs aktiv unterbinden.

Um diese Grenze zu formalisieren, führte ByteDance parallel zum Release des Doubao Mobile Assistant das Screen Automation Execution Protocol (SAEP) ein. SAEP fungiert als Governance-Erklärung für das Ökosystem:

• App-Autonomie: Drittanbieter-Entwickler können explizit angeben, ob ihre App KI-gesteuerte GUI-Bildschirmautomatisierung erlaubt, einschränkt oder ablehnt.
• Transparente Mitteilung & Einwilligung: Unter SAEP erhalten Anwendungen ein formelles Fenster, um ihre Automatisierungseinstellungen zu registrieren, sodass der Assistent Sicherheitsperimeter respektiert, statt eine uneingeschränkte UI-Übernahme zu erzwingen.

Parallel zu SAEP-gesteuerter GUI-Automatisierung erforscht die Mobilfunkbranche strukturierte Alternativen wie das Model Context Protocol (MCP), Agent-to-Agent (A2A)-Schnittstellen und standardisierte, deklarative Android Intents. Wenn Entwickler explizite Service-Endpunkte bereitstellen, können OS-Agenten interne Fähigkeiten direkt via strukturierte Inter-Process Communication (IPC) aufrufen und das Screen-Scraping vollständig umgehen.

Für Drittanbieter-Entwickler bietet die Implementierung strukturierter Android Intent-Filter und Deep Link-Einstiegspunkte eine robuste Ergänzung zur GUI-Automatisierung, um sicherzustellen, dass Nutzeranfragen direkt an spezifische App-Bereiche mit verifizierten Parametern weitergeleitet werden können.

// Illustrative Implementierung für Entwickler:
// Die folgende Kotlin-Aktivität zeigt, wie eine Android-App strukturierte
// Intent-Filter und Deep-Link-Einstiegspunkte bereitstellen kann, um externe Aufgabenparameter sicher zu empfangen.
// Hinweis: Dies ist ein beispielhaftes Muster, keine offizielle Spezifikation von Nubia oder ByteDance.

package com.example.commerce.routing

import android.content.Intent
import android.net.Uri
import android.os.Bundle
import android.util.Log
import androidx.appcompat.app.AppCompatActivity

class AgentRoutingGatewayActivity : AppCompatActivity() {

    companion object {
        private const val TAG = "AgentRoutingGateway"
        // Beispiel für eine benutzerdefinierte Aktion, die Entwickler in ihrer AndroidManifest.xml definieren können
        private const val ACTION_EXECUTE_TASK = "com.example.commerce.action.EXECUTE_TASK"
        private const val EXTRA_TASK_TOKEN = "extra_task_token"
        private const val EXTRA_TARGET_SKU = "extra_target_sku"
    }

    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        handleIncomingIntent(intent)
    }

    override fun onNewIntent(intent: Intent) {
        super.onNewIntent(intent)
        setIntent(intent)
        handleIncomingIntent(intent)
    }

    private fun handleIncomingIntent(intent: Intent?) {
        if (intent == null) {
            finishWithRoutingError("NULL_INTENT")
            return
        }

        // 1. Identität des aufrufenden Pakets prüfen, falls privilegierter Zugriff nötig ist
        val callingPackage = callingPackage ?: intent.getStringExtra("com.android.extra.CALLING_PACKAGE")
        Log.d(TAG, "Eingehender Dispatch von Paket: $callingPackage")

        // 2. Intent-Mechanismus parsen (Native Aktion vs. Deep Link Data URI)
        when (intent.action) {
            ACTION_EXECUTE_TASK -> {
                // Pfad via strukturierter Android-Intent-Extras
                val taskToken = intent.getStringExtra(EXTRA_TASK_TOKEN)
                val targetSku = intent.getStringExtra(EXTRA_TARGET_SKU)

                if (!validateTaskToken(taskToken)) {
                    finishWithRoutingError("INVALID_TASK_TOKEN")
                    return
                }

                executeInternalNavigation(sku = targetSku, taskToken = taskToken)
            }
            Intent.ACTION_VIEW -> {
                // Standard Deep Link Pfad (Verifizierter Android App Link oder Custom Scheme)
                val dataUri: Uri? = intent.data
                if (dataUri != null && dataUri.isHierarchical) {
                    val sku = dataUri.getQueryParameter("sku")
                    val taskToken = dataUri.getQueryParameter("token")

                    executeInternalNavigation(sku = sku, taskToken = taskToken)
                } else {
                    finishWithRoutingError("MALFORMED_DATA_URI")
                }
            }
            else -> {
                finishWithRoutingError("UNSUPPORTED_INTENT_ACTION")
            }
        }
    }

    private fun validateTaskToken(token: String?): Boolean {
        // Überprüfung auf Zeitfrische und kryptographische Integrität bei privilegierten Aktionen
        if (token.isNullOrBlank()) return false
        return token.startsWith("task_sec_") // Beispielhafte Validierungslogik
    }

    private fun executeInternalNavigation(sku: String?, taskToken: String?) {
        Log.i(TAG, "Navigation zur Produktansicht für SKU: $sku mit Token: $taskToken")
        
        val destinationIntent = Intent(this, ProductDetailActivity::class.java).apply {
            putExtra("SKU_ID", sku)
            putExtra("SESSION_TOKEN", taskToken)
            addFlags(Intent.FLAG_ACTIVITY_CLEAR_TOP or Intent.FLAG_ACTIVITY_SINGLE_TOP)
        }
        startActivity(destinationIntent)
        finish()
    }

    private fun finishWithRoutingError(reason: String) {
        Log.e(TAG, "Routing fehlgeschlagen: $reason")
        finish()
    }
}

class ProductDetailActivity : AppCompatActivity() {
    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        val sku = intent.getStringExtra("SKU_ID")
        Log.d("ProductDetailActivity", "Zeige Produkt: $sku")
    }
}

Downstream-Mobile-Journeys: Die Installationsgrenze und Kontextbewahrung

Während strukturiertes Intent-Routing und kontrollierte GUI-Automatisierung gut funktionieren, wenn Ziel-Apps auf dem Gerät vorhanden sind, stoßen autonome Agenten häufig auf einen wichtigen operativen Sonderfall: Aufgaben, die sich auf nicht installierte Apps beziehen.

Stellen Sie sich ein Szenario vor, in dem ein Nutzer den Assistenten fragt: „Finde den neuesten Produktkatalog im Beispiel-Store und prüfe, ob die Espressomaschine vorrätig ist.“

Wenn die native App des Beispiel-Stores installiert ist, kann das System die Anfrage direkt über verifizierte Android App Links routen oder eine erlaubte GUI-Automatisierung ausführen. Ist die Anwendung jedoch nicht vorhanden, stößt der Workflow an die App-Store-Installationsgrenze:

+-------------------------------------------------------------------------+
|             AGENT-ABSICHT VS. APP-INSTALLATIONSGRENZE                   |
+-------------------------------------------------------------------------+
|                                                                         |
|  [ OS-Agent erkennt: Anwendung fehlt für diese Aufgabe ]               |
|                                |                                        |
|                                |-- (Leitet Nutzer zum Marketplace)      |
|                                v                                        |
|  [ App Marketplace (z.B. ZTE App Store / Web Distribution) ]            |
|                                |                                        |
|                                v                                        |
|  [ INSTALLATIONSGRENZE: Die Standard-Android-Paketinstallation          |
|    garantiert nicht, dass der Aufgabenkontext in die neu installierte   |
|    Anwendung injiziert wird ]                                           |
|                                |                                        |
|                                v                                        |
|  [ Erster Start der Anwendung (Cold Boot) ]                             |
|  Ohne Continuity-Mechanismus: Kontext geht nach dem Kaltstart verloren. |
|                                |                                        |
|                                v                                        |
|  [ Entwickler-seitige Deferred Deep Linking Pipeline (z.B. Opoinstall) ] |
|  Bei Konfiguration: Stellt Parameter beim ersten Start wieder her;      |
|  App navigiert direkt zum Zielinhalt oder zur Aufgabenansicht          |
|                                                                         |
+-------------------------------------------------------------------------+

Standardmäßige Android-Distributionssequenzen bieten keinen universellen Mechanismus, um Aufgabenparameter (wie SKUs, Filter oder Promo-IDs) während der Erstinstallation in das App-Binary zu injizieren. Beim ersten Kaltstart öffnet sich die frisch installierte App auf ihrem Standard-Startbildschirm. Ohne einen expliziten Continuity-Mechanismus wird der ursprüngliche Kontext nicht wiederhergestellt, was den Nutzer zwingt, erneut zu navigieren oder seine Suchanfrage manuell zu wiederholen.

Um diese Lücke zu schließen, implementieren Software-Ingenieure und Growth-Architekten Architekturen für Deferred Deep Linking (DDL) mit Frameworks wie Branch, AppsFlyer, Adjust oder Opoinstall.

In einem fortschrittlichen mobilen Akquise-Funnel fungiert Deferred Deep Linking als unabhängige Brücke:

1. Staging der Parameter vor der Installation: Wenn ein von einem Agenten gesteuerter Web-Flow einen Nutzer zur Download-Seite führt, werden relevante Parameter (wie Kampagnen-IDs, Referral-Token oder Zielrouten) auf einem Intermediär-Routing-Server hinterlegt.
2. App-Installation: Der Nutzer lädt das Paket vom offiziellen Marketplace herunter.
3. Wiederherstellung beim Kaltstart: Nach dem ersten Start fragt das integrierte Client-SDK das Attributions-Backend ab, um die neue Installation mit der Sitzung vor der Installation abzugleichen. Laut der Opoinstall-Homepage kann dieses Framework Parameter beim ersten Start in bis zu 98 % der berechtigten Fälle wiederherstellen (laut Herstellerangaben) und bietet eine automatisierte Alternative zur manuellen Suche oder Code-Eingabe.
4. Kontextbezogene Navigation: Die App extrahiert die wiederhergestellten Intent-Extras und leitet den Nutzer direkt zum entsprechenden Produkt- oder Content-Screen.

Es ist entscheidend, architektonische Präzision zu wahren: Deferred Deep Linking inspiziert oder exponiert keine privaten Gesprächsdialoge des OS-Assistenten. Es verbindet lediglich die spezifischen, strukturierten Parameter, die Entwickler explizit an den Pre-Install-Routing-Flow angebunden haben.

Wichtige Erkenntnisse für Mobil-Systeme und App-Entwickler

Das kommerzielle Debüt des Nubia NaviX Ultra zeigt, dass agentengesteuerte mobile Betriebssysteme nun in die Hardware-Produktion übergehen. Für Android-Entwickler, Systemarchitekten und Strategen bedeutet die Vorbereitung auf ein KI-vermitteltes mobiles Ökosystem drei technische Prioritäten:

• Verständnis der Governance-Regeln des Ökosystems: Machen Sie Ihre Teams mit neuen Agenten-Protokollen wie SAEP vertraut, um zu evaluieren, ob Ihre App automatisierte Bildschirminteraktionen aus Sicherheits- oder UX-Gründen erlauben, einschränken oder überwachen sollte.

• Bereitstellung robuster deklarativer Einstiegspunkte: Implementieren Sie exportierte Android Intent-Filter und verifizierte App Links mit strukturierten Extras. Formelle, „deep-linkbare“ Einstiegspunkte ermöglichen es System-Assistenten, Nutzer deterministisch zu spezifischen In-App-Funktionen zu leiten, anstatt sich auf fragiles visuelles UI-Scraping zu verlassen.

• Planung für User-Journeys bei Erstinstallation: Bedenken Sie, dass KI-Empfehlungen Nutzer häufig zu neuen Apps führen. Integrieren Sie Deferred Deep Linking-Pipelines, um sicherzustellen, dass Parameter und Aufgabenkontext auch nach der Installation bestehen bleiben, und ermöglichen Sie so ein nahtloses Onboarding beim ersten Start.

Referenzen

• ZTE. (2026). Weltweit erstes KI-Agenten-Smartphone offiziell vorgestellt: Nubia NaviX Ultra. ZTE Newsroom

• Goodix. (2026). nubia KI-Agenten-Smartphone integriert Goodix-Innovationen für vertrauenswürdige KI-Interaktion. Goodix Official Release

• Doubao Mobile Assistant. (2026). Spezifikation für Drittanbieter-Entwickler zum Screen Automation Execution Protocol (SAEP). ByteDance Developer Documentation.

• GSMArena. (2026). nubia NaviX Ultra erscheint mit fortschrittlicher Agenten-KI und Snapdragon 8 Elite Gen 5 Power.

• Gizmochina. (2026). Nubia NaviX Ultra ist der zweite Versuch des Unternehmens bei einem KI-First-Telefon.

• Android Developers. (2026). Deep Links zu App-Inhalten erstellen. Android Dokumentation.

• Android Developers. (2026). Android App Links verifizieren. Android Dokumentation.

• Opoinstall. (2026). Überblick über Deferred Deep Linking und parametrisierte App-Installation.