INNOQ Fragezeit: AI und DDD 👉 26. Mai, 17:00 Uhr

Blog & Artikel

RAG und Fine-Tuning

Große Sprachmodelle (LLMs) liefern keine verlässlichen Ergebnisse. In der Praxis zeigt sich: Durch das Zusammenspiel von Retrieval Augmented Generation (RAG) und Fine-Tuning können sie stabiler werden. Dieser Beitrag zeigt, warum sich beide Ansätze ergänzen – und warum ein Feedback-Loop aus der Produktion entscheidend ist.

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

Warum agentische Entwicklung Product Discovery braucht

Die unterschätzte Hälfte der Datenstrategie

Eine moderne Datenarchitektur ist unerlässlich, um wettbewerbsfähig zu bleiben. Sie ermöglicht fundierte Entscheidungen und eine datengetriebene Entwicklung auf allen Ebenen – von strategischen Weichenstellungen bis hin zur Priorisierung von Features und Entscheidungen über den Eigenbau oder die Fremdbeschaffung. Die Fähigkeit, Daten zu erheben, zu verstehen und entsprechend zu handeln, ist keine Option mehr. Viele Unternehmen erkennen dies und investieren in Data-Mesh-Initiativen und ähnliche Ansätze. Mithilfe moderner Infrastruktur und Self-Service-Plattformen streben sie eine Demokratisierung der Unternehmensdaten an. Doch diese Plattformen bleiben regelmäßig hinter ihrem Potenzial zurück, da den Menschen oft das Wissen fehlt, wie sie mit Daten arbeiten sollen und welchen Nutzen sie daraus ziehen können. Für eine erfolgreiche Datenstrategie muss sich das ändern. Lasst uns über Data Literacy sprechen.

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

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.

Warum sich Domänenwissen nicht extrahieren lässt

KI-Agenten versprechen, wochenlange Requirements-Workshops durch wenige Stunden strukturierter Interviews zu ersetzen. Das klingt überzeugend. Die Kognitionswissenschaft spricht dagegen.

Data Products richtig schneiden

Heuristiken für eigenständige Data Products

KI-Features für Jira Data Center – ohne Atlassian Cloud

Stell dir vor, nach jedem Kundenmeeting entstehen automatisch strukturierte Jira-Issues – einfach deine Notizen in eine KI kopieren und fertig. Atlassian bringt diese Magie bereits mit Jira Cloud: Sprachsuche, automatische Zusammenfassungen und Issue-Erstellung aus unstrukturierten Texten. Aber nicht jeder möchte in die Cloud. Viele setzen lieber auf das noch bis 2029 unterstützte Jira Data Center. In diesem Artikel zeigen wir, wie du dieselben Vorteile on-premise mit Jira Server und eigener KI bekommst: DSGVO-konform, Cloud-Act-sicher und ganz ohne Datenabfluss.

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

Meine Interpretationen zur Developer Productivity Study der Stanford University

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

Spec-Driven Development gibt Agenten eine klare Implementierungsgrundlage. Was es nicht löst: wie ein Portfolio von Systemen kohärent bleibt. Spec-Driven Architecture überträgt dasselbe Prinzip auf die Architekturebene, mit Contracts als versionierten Grenzen und Garantien, durchsetzbar im agentischen Workflow und in der CI/CD-Pipeline.

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.

Spec-Driven Development ist Domain-Driven Design für Ungeduldige

Warum BMAD dich nicht retten wird

Agenten gut, alles gut?

Softwareentwicklung besteht aus einer Aneinanderreihung von Kompromissen. Seit ich Systeme baue, gibt es immer diese Dinge, die man nicht macht, obwohl man sie eigentlich gern tun würde. Mit Agenten können wir jetzt plötzlich unsere Wünsche erfüllen und endlich alles umsetzen, was uns immer gefehlt hat. Spoiler: Das sollten wir aber nicht.

Ein Überblick der AI-assistierten Softwareentwicklung in 2026

Birgitta Boeckeler (ThoughtWorks), Heinrich Hartmann (Zalando) und Sven Johann haben sich über den aktuellen Status der AI-assisted Software Entwicklung unterhalten: was ist wirklich Wichtiges in 2025 passiert? Welche stabilen Muster können wir ableiten? Was gibt Orientierung und Einordnung? Und natürlich ein paar Einblicke in den Future of Software Engineering Retreat in Utah an dem Birgitta teilgenommen hat. Die Unterhaltung gibt es natürlich auch als Podcast. Dieser Artikel ist aber eine menschlich kuratierte Zusammenfassung.

Features für einen schnelleren JVM-Start

Class Data Sharing, Project Leyden, CraC und mehr

Neuland reloaded

When Angela Merkel said in 2013 that the internet is ‘Neuland’ (uncharted territory) for all of us, the amusement online was considerable. Viewed from some temporal and substantive distance, one can now recognize a perspective from which she was indeed correct.

Meine Coding-Agenten laufen jetzt sandboxed. Den Netzwerkzugriff habe ich unter Kontrolle.

Ich möchte, dass meine KI-Coding-Agents eigenständig arbeiten, aber ich will ihnen keinen uneingeschränkten Internetzugang geben. In diesem Beitrag beschreibe ich, wie ich den gesamten Netzwerkverkehr aus meiner Development-Sandbox über eine strikte Proxy-Allowlist geroutet habe, die nur eine kleine Menge ausdrücklich freigegebener Domains zulässt. Dieses Setup hat mir endlich genug Vertrauen gegeben, die Guardrails zu lockern, ohne ständig selbst in der Schleife bleiben zu müssen.

Vom Vibe Coder zum Code Owner

Jeder kann Architekt sein!

Und jede natürlich auch. In diesem Artikel zeige ich, dass die Architektenrolle andere Kompetenzen verlangt, als viele annehmen.

Deine Datenbanktabelle ist eine schlechte API

Eine gemeinsam genutzte Datenbanktabelle wirkt wie die ultimative Abkürzung: kein API-Design, keine Verträge – nur ein Schema. Der Haken: Diese Bequemlichkeit wird über kurz oder lang zum Bumerang. Sie verwischt Grenzen, bremst Veränderungen aus und macht die unabhängige Weiterentwicklung unnötig schwer. Dieser Artikel zeigt, warum Tabellen (und datenmodellnahe „generierte APIs“) so verlockend sind – und warum sie selten als Integrationsgrenze taugen.

Unsichere KI-Assistenten dürfen nicht zur Normalität werden

Wie die „Lethal Trifecta“ sie systematisch zum Sicherheitsrisiko macht

Die persönliche KI ist schon da

Drei Wochen mit OpenClaw auf einem Raspberry Pi und ein Blick darauf, was auf die Softwarearchitektur zukommt.