Alle Artikel
Praxisnahe Einstiegsanleitungen, Tool-Vergleiche und Prompt-Tipps für den KI-Einsatz in IT-Projekten. Nach Rollen, Erfahrungsstufe und Tags filterbar.
Filter
Filtere nach Erfahrungsstufe, Thema und Relevanz
Level
KI-Tools im Überblick: Was du wirklich brauchst
Claude, ChatGPT, Perplexity, n8n, OpenClaw: welches Tool passt zu dir? Preise, Stärken, Risiken und rollenspezifische Empfehlungen.
KI-Tools: Warum du die Verantwortung behältst
KI-Tools produzieren, was du akzeptierst. Drei Prinzipien für Datenschutz, Qualitätssicherung und Verantwortung im Business-Einsatz.
Tests bestanden? So prüfst du, ob sie liefen
Coding-Agenten melden grüne Tests, die nach der letzten Änderung nie liefen. Woran du das erkennst und wie du den Lauf belegst statt ihn zu glauben.
Was euer Mac über euch und euer Umfeld weiß
macOS baut lokal einen Wissensgraphen über euch, Familie und Kontakte. Was drinsteht, wer ihn lesen kann und worauf Firmen-Macs achten sollten.
robots.txt und KI-Crawler richtig einstellen
Welche KI-Bots es gibt, wie du Training sperrst und Suche durchlässt, welche Tools helfen und was das neue Signal ändert.
BMad-Methode: strukturiert mit KI-Agenten
BMad ersetzt Vibe Coding durch Specs, Agenten-Rollen und Quality Gates. Wann sich der Aufwand lohnt, wann nicht und wie der Einstieg gelingt.
KI-Coding-Tools im Vergleich
Claude Code, Codex, Cursor, Copilot, Antigravity, Windsurf und Muse Code im Vergleich: Was die Tools können, was sie kosten, was DACH-Teams nutzt.
Was Agenten kosten, wenn niemand mitzählt
OpenAI beziffert die eigene Agentennutzung auf über 600 Dollar pro Forscher und Tag. Was dein Abo davon abfängt, wie lange noch, und was daraus folgt.
ThinkRail ausprobiert: JetBrains' Agent-IDE
JetBrains baut mit ThinkRail eine offene IDE um den Coding-Agenten pi. Wir haben sie mit Codex getestet und sind mit dem Claude-Abo in eine Falle geraten.
Harness Engineering: das Netz um den Agenten
Wenn Agenten mehr Code schreiben, als jemand lesen kann, braucht es ein Netz. Was ein Harness ist, woraus er besteht und wie er mitwächst.
Bugonomics: Finden ist billig, Fixen ist teuer
Sicherheitslücken zu finden kostet fast nichts mehr, sie zu beheben schon. Was diese Verschiebung für Teams heißt, die Open Source einsetzen.
Offene Gewichte: Souveränität auf dem Papier
Fünf Manifeste streiten über offene KI-Modelle. Souveränität entscheidet sich aber nicht bei den Flaggschiffen, sondern eine Etage tiefer.
Agent Plugins: Skills und MCP in einem Paket
Agent Plugins 1.0.0 packt Skills und MCP-Server in ein portables Format. Was der Standard regelt, was er offenlässt und was heute wirklich funktioniert.
KI im eigenen Produkt: Wer haftet bei Fehlern?
Wenn ein KI-Feature im eigenen Produkt Falsches behauptet oder diskriminiert, haftest du dafür. Was Gerichte entscheiden und wie du dich absicherst.
KI-Nachbau von Software: Was das Recht erlaubt
Funktionen sind frei, Code nicht. Was Urheberrecht, Nutzungsbedingungen und Markenrecht zum Nachbau mit KI-Agenten sagen und welche Fragen noch offen sind.
Freie KI-Nachbauten: Wer pflegt den Code?
PhotoCraft hat nach zwei Wochen 310 Beitragende und über 10.000 Forks. Was das für Open Source heißt, wenn kleine Teams mit Agenten Alternativen bauen.
Was Software noch schützt, wenn Code billig ist
Den Editor bauen kleine Teams mit Agenten in Wochen nach. Was ein Softwareprodukt trotzdem schützt und was aus einer Alternative erst ein Produkt macht.
KI-Tools effizient nutzen: 9 Regeln
Tokens sparen, Halluzinationen erkennen, Agenten sinnvoll aufteilen. Praktische Regeln für den Arbeitsalltag mit Claude, ChatGPT und Co.
KI-Inhalte kennzeichnen: Der EU-Kodex ab August
Ab 2. August 2026 müssen KI-Inhalte gekennzeichnet werden. Der finale EU-Kodex erklärt, wer was tun muss, von Wasserzeichen bis sichtbarem Label.
Selbst bauen statt lizenzieren: Wann es trägt
Coding-Agenten machen den Bau interner Werkzeuge billig, den Betrieb nicht. Die Rechnung am Fall Fivetran, an Listenpreisen für 50 Leute und an der DSGVO.
Selbst bauen, weil nichts passt
Standardsoftware ist oft zu allgemein oder zu mächtig für das eine Problem. Wann Eigenbau mit Coding-Agenten trägt und wann es Not-invented-here ist.
KI im Design: mehr als Bildgenerierung
Wie Designer:innen KI-Tools für UX-Texte, Accessibility, Research und Prototyping einsetzen. Ein praktischer Einstieg mit Beispielen.
KI im Entwickleralltag: praktisch starten
Konkrete Einsatzszenarien für KI-Tools in der Softwareentwicklung. Von Code Reviews über Testing bis Architektur-Entscheidungen.
KI für Product Owner: Stories und Backlog
Wie du als PO mit KI-Tools User Stories schreibst, Backlogs priorisierst und Marktrecherche beschleunigst. Praxisnah erklärt.
KI für Projektleiter:innen: Weniger Fleißarbeit
Wie du als PM mit KI-Tools Statusberichte, Sprint-Planungen und Stakeholder-Kommunikation beschleunigst. Praktischer Einstieg.
KI im Testing: Bessere Tests, weniger Routine
Wie QA-Profis KI-Tools praktisch einsetzen: Testfälle aus Requirements generieren, E2E-Tests mit Playwright automatisieren und Bug-Reports verbessern.
Von Vibe Coding zu Agentic Engineering
Karpathy hat seinen Vibe-Coding-Begriff selbst für überholt erklärt. Was Agentic Engineering ist, warum es kommt und was sich für Teams ändert.
Coding-Agenten im Team sicher betreiben
Vom Pilot bis zum skalierten Einsatz: Wie ein Team Coding-Agenten so betreibt, dass die Umgebung auch bei kompromittiertem Agent standhält.
Bewährte Skills für Designer:innen
Brand Guidelines, Theme Factory, Canvas Design und UX Research: vier Skills die Design-Arbeit mit Claude Code auf ein neues Level heben.
Bewährte Skills für Entwickler:innen
Superpowers, Security-Analyse, Context7 und Frontend-Design: vier Skills die deinen Entwicklungsalltag mit Claude Code verändern.
Bewährte Skills für Product Owner
77 PM-Skills, Experiment-Design, PRD-Generator und Backlog-Management: Skills die Product-Arbeit mit Claude Code auf ein neues Level heben.
Bewährte Skills für Projektleiter:innen
PPTX-Decks, Statusberichte, Sprint-Retros und Entscheidungsvorlagen: Vier Skills, die den Projektalltag mit Claude Code deutlich beschleunigen.
Bewährte Skills für QA und Tester:innen
Webapp-Testing, Playwright Pro, Accessibility-Audit und Security-Analyse: vier Skills die Testing mit Claude Code deutlich verbessern.
Skills für KI-Agenten: erklärt und genutzt
Skills erweitern Claude Code und andere KI-Agenten um spezialisierte Fähigkeiten. Was Skills sind, wie du sie installierst und wie du eigene erstellst.
KI-Werkzeuge im Design: Was wofür taugt
Figma-Agent, Claude Design, Bildgeneratoren und Prototyping per Prompt: was die Werkzeuge kosten, wofür sie taugen und wo das Recht Grenzen setzt.
Anmeldung und Zahlungen nicht selbst bauen
Login und Bezahlen lässt man nicht generieren. Welche Wege es gibt, was DSGVO und Umsatzsteuer dabei bedeuten und was trotzdem deine Aufgabe bleibt.
Die Datenbank hinter dem Prototyp absichern
Code lässt sich neu generieren, Daten nicht. Welche Vorgaben dein Agent für Schema, Transaktionen und Webhooks braucht und was du selbst erledigen musst.
Den Faden wieder aufnehmen können
Übergabe an den Kunden, an einen anderen Agenten oder an dich selbst nach drei Monaten: was ins Repository gehört und wie du prüfst, ob es reicht.
Merken, wenn etwas kaputt ist
Nach dem Start zählen drei Fragen: Läuft es, was kostet es, wird es genutzt? Antworten mit freien Werkzeugen und einem selbst gebauten Bericht.
Vom MVP zur professionellen Lösung
Ein Prototyp darf schnell und unsauber sein. Sechs Bereiche, die du prüfen musst, bevor Kunden, Auftraggeber oder Kollegen sich darauf verlassen.
Was ein Mensch vor dem Start prüfen muss
Sechs Prüfpunkte für eine mit Agenten gebaute Lösung, bevor echte Nutzer kommen. Der Agent stellt die Unterlagen zusammen, das Urteil fällt ein Mensch.
Was eine KI-Funktion pro Kunde kostet
Jede Anfrage an ein Sprachmodell kostet Geld. Wie du die Kosten pro Kunde misst, Obergrenzen richtig setzt und warum der Preis dazu passen muss.
Lernen mit KI: Was die Studien wirklich zeigen
Macht KI-Hilfe dümmer? Die Studienlage ist dünner als die Schlagzeilen, aber eindeutig genug für Regeln, mit denen du und dein Team beim Lernen dranbleibt.
Agenten-Teams: mehr Tempo, selten mehr Qualität
Subagenten, Agenten-Teams, Cloud-Schwärme: Was mehrere Coding-Agenten messbar bringen, was sie kosten und wann ein einzelner Agent die bessere Wahl ist.
David gegen Goliath: Wer braucht noch Konzerne?
Vier Leute veröffentlichen in zehn Tagen zwölf freie Alternativen zu Adobe und Microsoft Office. Was der Fall ArtCraft zeigt und was Größe noch bringt.
Reward Hacking: Wenn der Coding-Agent schummelt
OpenAIs GPT-5.6 Sol manipuliert Tests, statt Aufgaben zu lösen. Was Reward Hacking ist, wie es Coding-Agenten betrifft und wie du es im Review erkennst.
Claude Code Mods: zehn Beispiele im Check
Ein YouTube-Video stellt zehn Mods für Claude Code vor. Wir haben nachgesehen, was sie tun, was sie auf dem Rechner dürfen und welche sich lohnen.
Freilaufende KI-Agenten: Und keiner haftet
Zwölf Fälle, in denen KI-Agenten fremde Systeme angriffen, ohne dass es jemand wollte. Niemand haftet dafür. Ein Kommentar mit klarer Forderung.
Was Hummeln über kleine KI-Modelle verraten
Hummeln lösen mit unter einer Million Neuronen Aufgaben wie Schimpansen. Was das über unsere Vorurteile gegenüber kleinen KI-Modellen verrät.
Coding-Agent im Container: zum Selberbauen
Wie wir Claude Code für KIberschutz in einen Container ohne freien Netzzugang sperren: internes Netz, Proxy mit Whitelist, ein Mount und ein Nachweis.
Agenten-Sandbox: Was sie schützt, was nicht
Copilot, Claude Code, Codex und Cursor haben jetzt alle eine eingebaute Sandbox. Was sie abdeckt, wo sie Lücken lässt und was Teams einstellen sollten.
KI-Kosten im Team senken: sechs Hebel
Modellwahl, Caching, Batch, Gateways, Self-Hosting, schlanke Outputs: Wie Teams ihre Token-Rechnung senken, ohne an Qualität zu verlieren.
Decision-Modelle: KI, die nur entscheidet
Jev, OpenAIs Decisions API und offene Nachbauten liefern Wahrscheinlichkeiten statt Text. Wofür das taugt, was es kostet und wo eure Daten dabei landen.
Stacked Pull Requests: Reviews wieder machbar
GitHub hat Stacked Pull Requests freigegeben. Wie die Stapel funktionieren, was Agenten damit anfangen und was GitLab, Gitea und Forgejo bieten.
Wenn ein OSS-Projekt mit offener Lücke stirbt
Ein archiviertes Open-Source-Projekt bekommt keine Sicherheitsfixes mehr. Was Finder und Betreiber dann tun können, Schritt für Schritt.
CLI statt API: Warum KI-Agenten die Shell mögen
Cloudflare, Stripe und GitHub bauen ihre Kommandozeilen für KI-Agenten um. Warum die CLI dabei oft besser passt als API oder MCP und wo das Risiko liegt.
DSGVO und KI-Tools: Was Teams wissen müssen
ChatGPT, Claude, Gemini im Unternehmenseinsatz: Welche DSGVO-Pflichten gelten, wo die Risiken liegen und wie Compliance praktisch aussieht.
Wenn KI die nächste KI trainiert
Was hinter dem Begriff Selbstverbesserung steckt: welche Schleifen real laufen, wo sie sich schließen, und woran du echte von behaupteter unterscheidest.
Derselbe Modellkopf auf beiden Seiten
Wenn dasselbe Modell erzeugt und bewertet, fehlt eine Kontrollinstanz. Was die Forschung zu Absprachen zeigt und welche Gegenmaßnahme wirklich hilft.
10 KI-Trends 2026: Was IT-Profis wissen müssen
MIT Technology Review hat die zehn wichtigsten KI-Themen des Jahres benannt. Wir ordnen sie für die DACH-IT-Praxis ein und halten sie laufend aktuell.
Zoom raus: Der KI delegieren statt diktieren
Wer der KI jeden Schritt vorgibt, macht die teure Arbeit selbst. Wie du mit Ziel und klaren Fertig-Kriterien delegierst, in Claude Code und Claude Design.
KI-Code: Fast richtig reicht nicht
27 % des Produktions-Codes kommt von KI. Die Qualität? 1,7x mehr Fehler pro PR als bei menschlichem Code. Worauf du beim Review achten musst.
Cross-Platform oder Native, neu gerechnet
Shopify baut seine Apps wieder nativ, weil Coding-Agenten die doppelte Arbeit übernehmen. Was sich an der Framework-Rechnung ändert und was bleibt.
KI-Tools sicher nutzen: Risiken und Schutz
Dateizugriff kontrollieren, Datenabfluss verhindern, KI-Agenten isolieren. Konkrete Maßnahmen für Devs, PMs, POs, Designer und QA.
Was Agenten beim Testen wirklich tun
Dan Luu hat 30 Varianten mit je 80 Läufen gemessen. Test-Anweisungen im Prompt ändern weniger als gedacht, große Skills kosten und bringen nichts.
Die Fußnote, die nichts belegt
Zwei Untersuchungen messen, woher Perplexity seine Belege holt und ob sie die Aussage tragen. Wir haben beide gegen die Rohdaten nachgerechnet.
Der Agent spielt, du bist jetzt Co-Trainer
Ein Trainer sah sein eigenes Curriculum schrumpfen. Was das über die Fähigkeit verrät, die jetzt zählt, und warum das Warnsignal fehlt, wenn es kippt.
Modellrouter: ein Tor, viele KI-Modelle
Modellrouter schicken jede Anfrage ans passende KI-Modell, billig oder stark je nach Aufgabe. Wie sie arbeiten, was sie kosten und wann sie sich lohnen.
Wenn dein Werkzeug den Besitzer wechselt
Die neutralen Schichten im KI-Stack werden aufgekauft, teils abgeschaltet. Fünf belegte Fälle aus 2026 und was daraus für die Werkzeugwahl folgt.
KI-Kennzeichnung, die sich selbst entwertet
Die EU-Leitlinien zu Artikel 50 sind besser als ihr Ruf. Trotzdem landen wir bei Labeln auf allem. Woran das liegt und was sich ändern müsste.
Spec-driven Development: die zweite Schuld
Neben der technischen Schuld wächst eine zweite: Was das System tut, steht nirgends beschrieben. Warum KI-Agenten diese Lücke teuer machen.
Müde vom Zuschauen: was bei KI-Müdigkeit hilft
Erschöpft vom Beaufsichtigen der KI? Das Phänomen ist 43 Jahre alt und erforscht. Hier sind die Maßnahmen, die mehrere Quellen unabhängig nennen.
Lokale KI-Modelle: Lizenz und Leistung im Test
Muse Glimmer, Nemotron 3.5 Lightning, Shieldstral und LFM2.5: gemessene Geschwindigkeit auf einem M3 Pro, echter Speicherbedarf, vier Lizenzen.
Zwei KI-Regelwerke, eines davon geheim
Der EU AI Act steht im Volltext im Netz, das US-Rahmenwerk für Frontier-Modelle bleibt unveröffentlicht. Was Teams trotzdem planen können.
Agent ruft Agent: die Lücke in der CI-Pipeline
Ein öffentlicher Triage-Agent lässt sich per Prompt Injection dazu bringen, einen privilegierten Agenten zu starten. Was der Fall für eure CI bedeutet.
EU AI Act: Fristen und was gilt wann
August 2026 bleibt, aber Hochrisiko-Fristen verschieben sich bis 2027/2028. Was IT-Teams jetzt wissen müssen und wie man sich vorbereitet.
Understand Anything: Code als Graph verstehen
Understand Anything scannt jede Codebase per Multi-Agent-Pipeline zum Knowledge-Graph. Der Praxistest zeigt, was wirklich funktioniert und wo es hakt.
MCP: Wie KI-Tools miteinander reden
Das Model Context Protocol verbindet KI-Assistenten mit Tools und Daten. 97 Millionen Downloads in 16 Monaten. Was MCP ist und warum es dich betrifft.
Die 79-Prozent-Falle: Freigeben ist kein Prüfen
Amazon-CEO Andy Jassy feierte 2024, dass 79 % des KI-Codes ohne Änderung durchging. Dieselbe Zahl zeigt, wie selten jemand hinsah. Zwei Techniken dagegen.
MCP absichern: das Risiko, das ihr anbindet
Jeder MCP-Server und Connector vergrößert die Angriffsfläche eures Agenten. Wie Tool Poisoning und die tödliche Dreifaltigkeit funktionieren, was hilft.
MCP-Server absichern: OAuth mit Spring AI
Ein MCP-Server ohne Auth ist eine offene Tür. So sichert ihr ihn mit Spring AI 2.0 und OAuth 2.1 ab, mit Scopes und lauffähigem Beispielcode auf GitHub.
Open-Weight-Modelle: die unsichtbare Backdoor
Für unter 100 Dollar lässt sich ein offenes KI-Modell mit einer Backdoor versehen. Das eigentliche Problem: Die Vergiftung ist praktisch nicht nachweisbar.
Quality-Gates gegen KI-Fehler
KI-Agenten schreiben Code schneller, als du ihn manuell prüfen kannst. So erzwingst du Namens-, Bug- und Commit-Regeln automatisch per Git-Hooks.
Clean-Repo-Falle: Wenn Agenten Malware starten
Ein harmloses GitHub-Repo bringt Claude Code dazu, eine Reverse-Shell zu öffnen. Wie der Clean-Repo-Angriff funktioniert und wie du dich schützt.
Wie effektiv ist KI wirklich?
Anthropic hat zum ersten Mal gemessen, wie oft Claude Aufgaben tatsächlich löst. Die Zahlen erden den Hype, aber machen Mut, wenn man sie richtig liest.
RAMpocalypse: KI verdoppelt die Cloud-Rechnung
Hetzner hat die Cloud-Preise zum 15. Juni teils verdreifacht. Dahinter steckt die KI-Speicherkrise. Was das für DACH-Teams heißt und was jetzt hilft.
Context Layer: KI-Agenten sicher an Firmendaten
AWS, Microsoft, Snowflake und Databricks bauen 2026 dieselbe Schicht: governierter, identitätsgebundener Datenzugriff für KI-Agenten. Was das heißt.
ARD: Wie KI-Agenten ihre Tools selbst finden
Agentic Resource Discovery ist die Suchschicht über MCP: Agenten finden passende Tools zur Laufzeit im Web, statt sie vorab zu konfigurieren. Was ARD ist.
Digitale Souveränität für KI-Teams
Der ZenDiS-Kriterienkatalog prüft digitale Souveränität in Verwaltungen. Warum KI-Teams die Fragen auf ihren Stack übertragen sollten.
Agentic QA: Testen mit und gegen KI-Agenten
KI-Agenten schreiben Tests und müssen selbst getestet werden. Was agentische QS heute leistet, wo sie scheitert, und wie sich die QA-Rolle verändert.
Open Knowledge Format: Wissen für KI-Agenten
Googles Open Knowledge Format speichert Firmenwissen als Markdown mit YAML, damit KI-Agenten es zuverlässig nutzen. Was OKF ist und wie ihr es einsetzt.
Deutschlands KI-Aufsicht: Wer kontrolliert was?
Der Bundestag hat das KI-Durchführungsgesetz beschlossen. Die Bundesnetzagentur wird zentrale Aufsicht. Was das für eure Teams konkret heißt.
KI-Kompetenzlücke: alle nutzen, wenige können
80 Prozent nutzen KI im Job, nur 21 Prozent fühlen sich kompetent. Warum die Lücke kein Tool-Problem ist und wie du sie schließt, für dich und dein Team.
KI-Agenten: wenn die KI selbst Dateien anfasst
Was KI-Agenten ausmacht: Sie arbeiten selbst auf deinem Rechner, lesen und schreiben Dateien, rufen Tools auf. Stärken und Risiken im Überblick.
KI per API: das Modell als Baustein im Code
Was eine API ist und warum man KI darüber einbindet. Niedrigschwellig erklärt: wann du eine API brauchst und was sie von Chat und Agenten unterscheidet.
KI-Chat: Fragen, Texte und Recherche
Was ein KI-Chat ist, wofür er gut ist und wo seine Grenzen liegen. Der einfachste Einstieg in die KI-Nutzung, ohne Vorwissen.
KI-Work: wenn die KI deine Programme bedient
Was KI-Work bedeutet: die KI steuert Programme und den Rechner fern und bearbeitet Dateien über andere Anwendungen. Wofür das taugt und was es riskiert.
Darf die KI mich ersetzen? KI und Arbeitsrecht
Ein Gericht in China sprach einem durch KI ersetzten Mitarbeiter Schadensersatz zu. Was das für die Jobsicherheit im DACH-Raum bedeutet.
KI als Bewerter: blinder Fleck für Schönschrift
Sprachmodelle vergeben Noten, filtern und ranken immer öfter. Eine Studie zeigt: Sie verwechseln literarische Schönschrift mit Substanz, sogar bei Unsinn.
Was KI in der Mathematik entdeckt und beweist
Wie DeepMind jahrzehntealte Mathematik-Probleme knackt: vom Matrixmultiplikations-Rekord über das Cap-Set-Problem bis zur Olympiade-Medaille.
Gas Town: 30 KI-Agenten parallel, mit Haken
Steve Yegges Open-Source-Orchestrator koordiniert dutzende KI-Coding-Agenten parallel. Schnell zu v1.0 gereift, aber teuer und mit Krypto-Altlast.
EXACT Coding: TDD als Mikro-Workflow
Marco Emrich und Ferdinand Ade bündeln Example Mapping, TDD und Human-in-the-Loop zu EXACT Coding. Ein wohlwollender Blick auf den Mikro-Workflow.
Wenn KI nicht abgeschaltet werden will
Claude versuchte Erpressung, Gemini lügt, GPT schmiedete Pläne. Was hinter KI-Selbsterhaltung steckt und was das für Teams bedeutet.
Guided Determinism: KI-Agenten auf Schienen
Autonome Agenten scheitern in der Produktion. Guided Determinism kombiniert LLM-Flexibilität mit deterministischen Workflows. So funktioniert es.
OWASP Top 10 für Agentic AI: die Risiken
Die zehn wichtigsten Sicherheitsrisiken für KI-Agenten mit realen CVEs, konkreten Gegenmaßnahmen und Hinweisen für jede Rolle im Team.
Was KI in der Echtzeit-Physik bewegt
DeepMind steuert Plasma per RL-Agent, ECMWF fährt KI-Wettervorhersage produktiv, AlphaChip designt TPU-Chips: drei Fälle, wo KI gerade liefert.
Was KI heute in der Naturwissenschaft löst
Project Deal von Anthropic, AlphaFold 3 in der Pharma-Pipeline, MatterGen in der Materialforschung: drei KI-Beispiele für jahrzehntealte harte Probleme.
Honk im Kleinen: KI-Coding aus Slack im Team
Wie Spotify Honk aus Slack heraus Coding-Aufgaben steuert und wie kleine Teams das mit Claude Code in einer Stunde nachbauen. Mit Anleitung und Prompts.
Team-Agent-Plattformen 2026 im Vergleich
Vier Plattformen für Team-Agenten im Vergleich: OpenAI Workspace, Claude Managed, Google Gemini Enterprise und Salesforce Agent Fabric.
Stanford AI Index: Was Entwickler erwartet
SWE-bench fast bei 100%, Einstiegsjobs sinken um 20%, Adoption bei 88%. Was IT-Profis aus dem Stanford AI Index 2026 mitnehmen sollten.
Claude Code und Codex CLI kombinieren
Zwei Terminal-Agenten, komplementäre Stärken: wie Claude Code und OpenAI Codex CLI sich sinnvoll kombinieren lassen und was das für deine Rolle bedeutet.
Lokale KI: Deine Daten bleiben bei dir
NPUs mit bis zu 85 TOPS, Open-Source-Modelle die auf Laptops laufen, und der EU AI Act ab August 2026. Warum On-Device AI für DACH-Teams relevant wird.
Die KI-Controlling-Schleife
PDCA und Vier-Augen-Prinzip sind in der Wirtschaft Standard. Dieselbe Logik macht KI-Agenten zuverlässig: Writer + Reviewer + Loop.
MCP-Server mit Spring AI bauen
Spring AI macht MCP für Java-Teams einfach: bestehende Services mit @McpTool annotieren und als KI-Tool bereitstellen. Anleitung mit Beispielen.
KI-Produktivität: Warum die Zahlen trügen
Mehr Tasks, aber Reviews dauern doppelt so lang. Die METR- und Faros-Studien zeigen, wo der echte Engpass liegt und was KI-Review-Tools heute können.
Vibe Coding: Was steckt dahinter?
Vibe Coding ist Collins Dictionary Word of the Year 2025. Was es bedeutet, welche Tools es ermöglichen und wann es taugt.
Mistral Forge: KI auf eigenen Daten trainieren
Mistral Forge ist eine europäische Plattform für vollständiges KI-Training auf Unternehmensdaten. Was sie bietet und warum sie für DACH relevant ist.
Vom Prompt zum Skill: besser als Copy-Paste
Die Geschichte eines Prompts der immer wieder angepasst wird, bis ein eigener Skill daraus entsteht. Praktische Anleitung mit dem skill-creator.
Von Prompting zu Context Engineering 2026
Casual Prompting kann jeder, Production Context Engineering ist eine echte Disziplin. Was sich 2026 geändert hat und was du wissen musst.
Cursor IDE im Praxistest: Besser als Copilot?
Cursor baut auf VS Code auf, packt aber KI in jeden Arbeitsschritt. Background Agents, BugBot und projektweiter Kontext im ehrlichen Praxistest.
Ollama: KI lokal und DSGVO-konform nutzen
Ollama ist der einfachste Weg, KI-Modelle auf dem eigenen Rechner zu betreiben. Setup, Modellauswahl und warum das für DSGVO-Compliance relevant ist.
n8n + KI: Workflows die mitdenken
n8n ist eine Open-Source-Automatisierungsplattform mit tiefer KI-Integration. Self-Hosted, DSGVO-konform, und mit Human-in-the-Loop für KI-Entscheidungen.