Blog

Blog-Post

AI Systems Architecture beginnt dort, wo Modelloutput Teil der Produktlogik wird

Die meisten AI-Demos scheitern nicht am Modell. Sie scheitern daran, dass sie Freitext produzieren - obwohl die Anwendung eigentlich Verträge braucht. Sobald ein Modell nicht mehr nur nett in einem Chatfenster antwortet, sondern Produktlogik auslöst, reichen gute Prompts allein nicht mehr. AI FullStack Engineering beginnt dort, wo Modelloutput zu einem Teil des Systems wird - also dort, wo ich Contract, Auswertung und Observability benötige.

Blog-Post

Warum wir weiter Juniors brauchen

Mit KI brauchen wir keine Junior-Devs mehr? Fabian Walther sieht das anders. Er erklärt, warum Erfahrung sich nicht überspringen lässt, warum Lernen keine Einbahnstraße ist und warum Teams Entscheidungen reviewen sollten statt Code.

Blog-Post

Bauen um zu verstehen

Blog-Post

Bauen, um zu lernen, und Bauen, um zu liefern

Wenn Bauen billig ist, warum nicht jede Idee umsetzen und in Produktion lernen? Daniel Westheide zeigt, warum Bauen, um zu lernen, und Bauen, um zu liefern, zwei verschiedene Tätigkeiten sind und warum ein agentisch gebauter Prototyp nicht unbemerkt in Produktion landen sollte.

Blog-Post

Der Agent übernimmt den Betrieb

Cronjobs und CI-Pipelines arbeiten seit Jahren mit weitreichenden Rechten auf unseren Servern, und kaum jemand denkt darüber nach. Ein KI-Agent ist anders, weil er selbst entscheidet, wie er ein Problem löst. Dieser Artikel zeigt, wie man einem Agenten Zugang zu Servern gibt, ohne die Kontrolle abzugeben.

Blog-Post

AI Product Engineering

Blog-Post

Perspektivwechsel als Methode

Die erste Idee sieht immer gut aus, bis jemand aus einem anderen Blickwinkel draufschaut. Ob beim Familienmenü, beim Gebäude oder beim Softwaresystem: Erst ein bewusster Perspektivwechsel zeigt das, was eine einzelne Sicht ausblendet. Anhand eines sommerlichen Familienessens und eines Ausflugs in die Gebäudearchitektur zeige ich, warum Sichten weit mehr sind als Dokumentation, nämlich ein Werkzeug zum Entwerfen und Entscheiden. Daneben stelle ich einige Sichten vor, die sich im Software-Engineering (und mit arc42) bewährt haben.

Blog-Post

Jev und System One Models: wie Formulare und UIs intelligent werden können

System One Models wählen ihre Antwort aus einer Liste vorgegebener Optionen, liefern eine Wahrscheinlichkeit mit und brauchen dafür nur wenige hundert Millisekunden. Mit Jev hat TypeSafe AI die erste Umsetzung vorgestellt, und interessant wird sie vor allem dort, wo Sprachmodelle bisher zu langsam waren: im Eingabefeld und in der Ergebnisliste, also überall, wo jemand auf die Antwort wartet.

Blog-Post

50 Jahre Kohäsion - und immer noch unklar?

Blog-Post

Die verschobene Komplexität: Von Wasserfall über Agile zu KI

Softwareprojekte waren schon immer komplex, aber die Komplexität hat sich immer weiter verschoben: von Projektmanagement ins Team, von dort weiter zu einzelnen Entwickler:innen. KI beschleunigt diese Verschiebung dramatisch. Ein Blick durch die Cynefin-Brille zeigt ein Muster, das sich wiederholt und gerade eskaliert. Die Folge: ein massiv gestiegener Mental Load bei Entwickler:innen und die Frage, wie wir mit dieser Last künftig umgehen wollen.

Blog-Post

Die neue Ökonomie der Softwareentwicklung

KI hat die Zeit, die wir zum Entwickeln von Software brauchen, drastisch verkürzt. Das heißt aber nicht, dass wir einfach mehr Features liefern sollten. Die Produktivitätsgewinne durch Coding Agents sind eine Gelegenheit, neu darüber nachzudenken, wie wir unsere Entwicklungszeit investieren. Statt technische Schulden immer schneller anzuhäufen, können wir KI nutzen, um sauberere Abstraktionen zu bauen, die Wartbarkeit zu verbessern und unsere Codebasis besser zu hinterlassen, als wir sie vorgefunden haben. Dieser Artikel zeigt, wie KI das klassische Projektmanagement-Dreieck verändert hat und warum Qualität zu unserem neuen Wettbewerbsvorteil werden sollte.

Blog-Post

Warum 75 Dollar Tokens so viel Wert stiften können

Und wie man diese Fähigkeit zuverlässig zerstört

Blog-Post

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.

Blog-Post

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.

Blog-Post

Das Daten Dilemma, Teil 2

Ein Minimum Viable Data Mesh in vier Schichten

Blog-Post

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.

Blog-Post

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.

Blog-Post

Beyond Claude & GPT

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

Blog-Post

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.

Blog-Post

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.

Blog-Post

Was ECST-Events, Domain Events und ECST wirklich sind

Begriffe klären, Missverständnisse auflösen

Blog-Post

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.

Blog-Post

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?

Blog-Post

Das Agentic Trio

Blog-Post

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.