INNOQ Technology Night in München: Cloud-Migration & KI im Arbeitsalltag: Die produktive Einsamkeit 👉 11. August, 18:00 Uhr

Blog

Das Daten Dilemma, Teil 2

Der erste Teil hat gezeigt, warum Agenten an undokumentierter Datensemantik scheitern und warum Data Mesh für viele mittelständische Unternehmen keine realistische Antwort ist. Dieser zweite Teil wird konkret: ein Minimum Viable Data Mesh in vier Schichten, vom ehrlichen Inventory über kuratierte Views mit ODCS-Contracts bis zum Agentenzugriff via MCP. Als durchgängiges Beispiel dient ein Einkaufsagent, der Lieferanten vergleicht und Preishistorien auswertet.

Das Daten Dilemma, Teil 1

Wenn KI-Agenten im Unternehmen scheitern, liegt das selten am Modell. Das eigentliche Problem sind die Daten: Semantik, Qualität und Kontext stehen nirgends, sie stecken in den Köpfen der Fachexperten. Data Mesh adressiert genau dieses Problem, überfordert viele mittelständische Unternehmen aber organisatorisch. Dieser erste Teil beschreibt, warum das so ist, und leitet daraus ein Minimum Viable Data Mesh ab. Der zweite Teil zeigt die Umsetzung in vier Schichten.

Indecent Exposure

Deine SPA-API zeigt zu viel

Wie schult man ein Thema, das sich im Wochentakt ändert?

Seit einem Jahr schulen wir Entwicklungsteams darin, KI-Agenten über den gesamten Softwareentwicklungsprozess hinweg einzusetzen. 47 Trainings mit über 500 Teilnehmer:innen sind seitdem zusammengekommen. Wir erzählen, mit welchen Zielen Unternehmen zu uns kommen, was unser Training auszeichnet, welche Momente unseren Trainer:innen in Erinnerung geblieben sind und warum die eigentliche Arbeit nach dem Training beginnt.

Beyond Claude & GPT

Ja, wir probieren auch gerne das neueste Frontier-Modell aus. Aber im Projektalltag zählt vor allem die Kontrolle über Kosten, Daten und Verfügbarkeit. Deshalb setzen wir zunehmend auf Open-Weights-Modelle mit quelloffenen Tools. So sieht unser Setup aus.

Hör auf, Bearer Tokens wie Haustürschlüssel zu benutzen

DPoP mit Heimdall

Alternativen zu KI aus den USA

Claude und GPT haben die Art, wie ich Software schreibe, grundlegend verändert. Doch ich fühle mich zunehmend unwohl angesichts steigender Kosten, des Vendor-Lock-ins und unserer wachsenden Abhängigkeit von einer Handvoll US-Anbieter. Nachdem ich lokale Modelle und in Europa gehostete Open-Weights-Alternativen ausprobiert habe, war ich überrascht: Einige weniger bekannte Modelle können bereits einen großen Teil meiner täglichen Arbeit abdecken.

Was ECST-Events, Domain Events und ECST wirklich sind

„ECST-Event", „Domain Event", „ECST" – diese Begriffe fallen in fast jeder Diskussion über Event-Driven Architecture und Domain Driven Design. Erstaunlich oft haben in der Praxis verschiedene Leute ein unterschiedliches Verständnis davon.

Schneller ist nicht besser: Über Experimentierkultur und ihre Kosten

OpenProject: Eine Alternative zu Jira?

Mein Kollege Nicolas Inden zeigte in seinem Artikel "Jira Data Center mit KI-Features nutzen“, wie man eine selbst betriebene Jira-Instanz mit einem KI-Modell verbindet. Ein Punkt sticht dabei heraus: Atlassian unterstützt Jira Data Center nur noch bis Anfang 2029. Danach endet der Support. Der Verkauf von Datacenter-Lizenzen an Neukund:innen wurde sogar schon Ende März 2026 eingestellt. Was tun wir also, wenn wir nach 2029 nicht in die Jira Cloud zurückkehren wollen bzw. uns jetzt schon von Jira lösen wollen?

Das Agentic Trio

Das Product Trio trennte Discovery von Delivery, weil Delivery ein größeres Team brauchte. Agentic Development hebt diese Einschränkung auf. Damit verändert sich, wie ein Product Team aussehen kann.

RAG und Fine-Tuning

Gemeinsam stark

Die 1%-Methode für Code und Architektur: Modernisierung als Gewohnheit

„Wir wollen ja modernisieren, aber das Tagesgeschäft kommt immer dazwischen." Diesen Satz höre ich in Kundengesprächen jede Woche. Das Problem ist nicht der Wille, sondern die Vorstellung, dass Modernisierung ein Projekt sei. In diesem Beitrag zeige ich, warum kontinuierliche Modernisierung als tägliche Team-Gewohnheit funktioniert, wo individuelle Vorsätze scheitern und wie zehn Minuten am Tag über Monate eine Architektur entstehen lassen, die ein Big-Bang-Projekt nie hinbekäme.

Den Raum nutzen, nicht die Tretmühle optimieren

Features pro Zeiteinheit ist keine sinnvolle Metrik. Was zählt ist ob sie ein echtes Nutzerbedürfnis befriedigen und zu einem gewünschten Outcome beitragen. Agentische Entwicklung eröffnet den Raum das endlich ernst zu nehmen.

Die unterschätzte Hälfte der Datenstrategie

Warum Data Literacy über Erfolg oder Misserfolg datenproduktorientierter Architekturen entscheidet

Nebu: Self-made Souveränität

Open-Source-Alternativen zu Slack gibt es viele. Echte Souveränität liefert keine davon. Community Editions sind bewusst so reduziert, dass kein Unternehmen sie produktiv einsetzen kann, und Enterprise-Features stecken hinter kommerziellen Lizenzen. Dieser Artikel zeigt, warum „selber bauen” heute keine Utopie mehr ist, sondern eine realistische Option für jeden, der eine Produktvision und etwas Do-it-yourself-Mut mitbringt.

Accidental Complexity in the Heart of Software

Domain-Driven Design wurde in den letzten zehn Jahren zum Mainstream – parallel zu einer Welle von Digitalisierungs- und Modernisierungsprojekten. Das ist kein Zufall. Und es erklärt, warum so viele dieser Projekte nicht liefern, was sie versprechen.

Warum sich Domänenwissen nicht extrahieren lässt

Mit KI entwickeln – durch die kognitive Brille

Vom Vibe Coder zum Agentic Engineer

Ich lese nicht mehr jede Zeile Code, die in meinen Projekten entsteht. Ich glaube, das geht den meisten so, die ernsthaft mit KI-Agenten arbeiten. Wenn ein Agent in zehn Minuten tausend Zeilen produziert, ist Zeile-für-Zeile-Review nicht mehr realistisch. Gleichzeitig landet dieser Code aber in Produktion, und irgendjemand muss dafür Verantwortung übernehmen.

Data Products richtig schneiden

Wenn Data Products falsch geschnitten werden, führt das fast zwangsläufig zu Integrationsproblemen, unklarer Verantwortung und doppelter Logik. Dieser Leitfaden bietet praxisnahe Heuristiken, um Data Products in der richtigen Größe zu schneiden.

KI-Features für Jira Data Center – ohne Atlassian Cloud

Unser Wechselrezept zum Digital Independence Day

Gute Last, schlechte Last

Mehr Struktur, mehr Output, mehr Erschöpfung. Spec-driven Development hat mir zwar bessere Ergebnisse mit KI-Agenten beschert, aber auch gleichzeitig die Freude am Bauen genommen. Über gute Last, schlechte Last und versteckte Kosten, die keiner einplant.

Über AI-Einsatz in verschiedenen Coding-Situationen

Wo hilft LLM-gestützte Softwareentwicklung bei der Entwicklungsproduktivität und wo bleibt sie hinter den Erwartungen zurück? Anstatt KI in der Softwareentwicklung als eindimensionalen Produktivitätsbeschleuniger zu sehen, gehen wir diesen Fragen entlang mehrerer Dimensionen nach, welche eine Studie aus dem Stanford-Umfeld bietet: Projektreife, Aufgabenkomplexität und Popularität der Programmiersprache. Ziel ist es, ein realistischeres Bild für die Erwartungshaltung bei KI für Softwareentwickelnde und Führungskräfte zu schaffen, fernab des aktuellen Hypes.

Spec-Driven Architecture: Wenn Agenten bauen, muss Architektur sprechen

SDD beschreibt, wie ein System entsteht. SDA beschreibt, wie Systeme zusammenhalten

REST ist das bessere MCP

Statt spezielle APIs zu nutzen, können Agenten bestehende Web-Anwendungen direkt bedienen. Sie nutzen somit wie Menschen die konsequenteste Umsetzung von Hypermedia und profitieren so von bereits vorhandenem Kontext, Validierung und Zugriffsrechten. Am Beispiel einer Reisekostenabrechnung zeige ich, wie Agenten damit komplexe, kontextabhängige Aufgaben automatisieren können – ohne dafür neue APIs implementieren zu müssen.