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

Blog

Statische Seiten ohne Big-Tech-Hosting

Wer eine statische Website betreibt, denkt selten zweimal über das Hosting nach. GitHub Pages funktioniert, kostet nichts, und der Code liegt sowieso schon dort. Aber „funktioniert” und „souverän” sind zwei verschiedene Dinge. Dieses Rezept zeigt, wie man mit statichost.eu plus Codefloe oder Codeberg einen Stack aufbaut, der genauso komfortabel ist, aber in europäischer Hand liegt, Besucherdaten transparent behandelt und nicht von einer transatlantischen Rechtsgrundlage abhängt, die gerade ins Wanken gerät.

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.

Das Daten Dilemma, Teil 2

Ein Minimum Viable Data Mesh in vier Schichten

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.

Indecent Exposure

Mir ist in den letzten Jahren ein Trend aufgefallen: Teams erstellen zuerst APIs für ihre Single Page Application (SPA) und bieten dieselben Endpunkte dann anderen Teams für die Systemintegration an. Aus meiner Sicht ist das eine schlechte Praktik, und du solltest es dir zweimal überlegen, bevor du das tust. In diesem Blogpost erkläre ich, warum.

Beyond Claude & GPT

Wie wir Open-Weights-Modelle für Chat, Coding-Agenten und Produktiv-Workloads nutzen

Hör auf, Bearer Tokens wie Haustürschlüssel zu benutzen

Du hast eine API gebaut. Du hast sie mit OAuth 2.0 geschützt. Du nutzt JWTs. Du fühlst dich sicher. Bist du nicht.

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

Begriffe klären, Missverständnisse auflösen

Schneller ist nicht besser: Über Experimentierkultur und ihre Kosten

Schneller experimentieren klingt nach einem klaren Vorteil. Aber Experimentierkultur ist kein universelles Paradigma. Sie ist ein Produkt eines sehr spezifischen Kontexts. Und die Menschen, die die Kosten schlechter Produktentwicklung am stärksten tragen, tauchen in keinem Experiment auf.

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

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

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.

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

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.