Das Ende von Scrum? Wie große Tech-Firmen heute Software entwickeln

Das Ende von Scrum? Wie große Tech-Firmen heute Software entwickeln

Shape Up, Kanban und Trunk-Based Development: was hinter den Alternativen zu Scrum steckt und für welche Teams sie passen

Aktualisiert:

Abstract

Arbeiten Amazon, Netflix und Spotify noch mit Scrum? Wir ordnen Alternativen wie Shape Up, Kanban und Trunk-Based Development ein und zeigen, wann sie passen.
  • #Scrum
  • #Agile Softwareentwicklung
  • #Softwareentwicklung
  • #Alternativen zu Scrum
  • #Shape Up
  • #Kanban
  • #Trunk-Based Development
  • #CI/CD
  • #Asynchrone Kommunikation
  • #Entwicklerautonomie
  • #Tech-Riesen

Nicht Scrum verschwindet, sondern das Ritual – und das funktioniert nur mit solider Technik

Wer in Entwicklerforen oder auf LinkedIn mitliest, stößt regelmäßig auf dieselbe These: Die großen Tech-Konzerne hätten Scrum längst hinter sich gelassen, Daily Stand-ups und Story Points seien Relikte aus einer anderen Zeit. Daran ist etwas Wahres, aber weniger, als die Schlagzeilen vermuten lassen. Amazon, Netflix oder Spotify haben Scrum nie per Dekret abgeschafft. Sie lassen ihren Teams traditionell viel Freiheit bei der Arbeitsweise, und viele dieser Teams arbeiten heute anders, als es der Scrum Guide beschreibt.

Für Unternehmen im Mittelstand ist deshalb eine andere Frage interessanter: Welche Probleme lösen die Alternativen, und was müssen Sie mitbringen, damit sie funktionieren? Wer Sprints streicht, ohne automatisierte Tests und eine verlässliche Auslieferung zu haben, landet nicht bei Netflix, sondern im Durcheinander.

Was an Scrum kritisiert wird und was davon berechtigt ist

Scrum ist ein Rahmenwerk für die Produktentwicklung in Teams. Der aktuelle Scrum Guide von 2020 kennt drei Verantwortlichkeiten (Product Owner, Scrum Master, Developers), feste Zeitabschnitte von höchstens einem Monat, die Sprints, und vier Events darin: Sprint Planning, Daily Scrum, Sprint Review und Retrospektive. Mehr schreibt der Guide bewusst nicht vor.

Die Kritik aus der Praxis richtet sich meist auf vier Punkte:

  • Story Points als Scheingenauigkeit: Teams schätzen Aufgaben in abstrakten Punkten, um ihre Kapazität zu planen. In vielen Firmen werden die Punkte trotzdem in Stunden umgerechnet oder zwischen Teams verglichen, wofür sie nie gedacht waren. Die Schätzrunden kosten Zeit, ohne die Planung spürbar zu verbessern.
  • Velocity als Zielgröße: Sobald die Summe erledigter Punkte pro Sprint zur Leistungskennzahl wird, steigt sie zuverlässig, weil die Schätzungen großzügiger werden. Über Kundennutzen oder Qualität sagt sie dann nichts mehr.
  • Meeting-Müdigkeit: Das Daily Scrum ist im Guide auf 15 Minuten begrenzt und gehört den Entwickler:innen. In der Praxis wird es oft zum Statusbericht an eine Führungskraft. Kommen Planning, Review, Retro und Refinement-Runden hinzu, bleibt in kurzen Sprints spürbar weniger Zeit für die eigentliche Arbeit.
  • Skalierung: Scrum ist für ein Team von etwa zehn Personen gedacht. Arbeiten zwanzig Teams an einem Produkt, braucht es Skalierungsrahmen wie SAFe, LeSS oder Nexus, die eigene Abstimmungsebenen mitbringen.

Ein Teil dieser Kritik trifft allerdings nicht Scrum selbst, sondern seine bürokratische Auslegung. Story Points, Velocity und User Stories kommen im Scrum Guide gar nicht vor. Sie sind ergänzende Praktiken, die sich eingebürgert haben. Wer über „Scrum“ schimpft, meint häufig ein Prozesshandbuch, das eine Organisation um das schlanke Rahmenwerk herum gebaut hat. Wie die Grundidee der Agilität gedacht war, beschreibt unser Beitrag Agiles Mindset in der Softwareentwicklung.

Wie große Tech-Firmen tatsächlich arbeiten

Die Erzählung vom „Ende von Scrum“ lebt von prominenten Namen. Ein genauerer Blick zeigt, dass diese Firmen weniger eine gemeinsame Methode verbindet als ein gemeinsames Prinzip: kleine Teams mit klarer Verantwortung und viel technischer Unterstützung.

Amazon: kleine Teams mit eigener Verantwortung

Bei Amazon ist das Bild der „Two-Pizza-Teams“ bekannt: Ein Team soll so klein sein, dass zwei Pizzen alle satt machen. Dazu kommt das Prinzip „You build it, you run it“, das Amazons CTO Werner Vogels 2006 in einem Interview beschrieb. Das Team, das einen Dienst entwickelt, betreibt ihn auch und spürt die Folgen schlechter Qualität direkt.

Netflix: Freiheit mit gepflasterten Wegen

Netflix verbindet in seinem Kulturdokument seit Jahren Freiheit mit Verantwortung für das Ergebnis: Führung soll Kontext liefern, nicht kontrollieren („context not control“). Technisch flankiert wird das durch den „Paved Road“, also bereitgestellte Standardwerkzeuge und Plattformdienste, die Teams nutzen können, aber nicht müssen. Die Freiheit funktioniert, weil der bequeme Weg zugleich der sichere ist.

Spotify: ein Modell, das vor allem andere kopierten

Das „Spotify-Modell“ mit Squads, Tribes, Chapters und Gilden stammt aus einem Whitepaper von Henrik Kniberg und Anders Ivarsson aus dem Jahr 2012. Es beschrieb eine Momentaufnahme, keine Blaupause. Kniberg selbst hat später davor gewarnt, das Modell wortgetreu zu kopieren, und schon das Whitepaper betonte, dass sich die Arbeitsweise bei Spotify schnell weiterentwickelt. Viele Unternehmen haben dennoch die Begriffe übernommen, ohne die zugrunde liegende Kultur und Technik mitzunehmen.

Was sich daraus lernen lässt

Die Gemeinsamkeit dieser Beispiele ist nicht die Abwesenheit von Scrum, sondern die Anwesenheit von Infrastruktur: automatisierte Tests, eigene Deployments ohne Wartezeit auf andere Abteilungen, Monitoring und Plattformteams, die anderen Teams Arbeit abnehmen. Erst diese Grundlage erlaubt es, auf feste Rituale zu verzichten.

Shape Up: feste Zeit, variabler Umfang

Shape Up ist die Arbeitsweise von 37signals, dem Unternehmen hinter Basecamp. Ryan Singer hat sie 2019 in einem frei verfügbaren Buch beschrieben. Die Kernideen:

  • Zyklen von sechs Wochen, gefolgt von zwei Wochen „Cool-down“ für Fehlerbehebung, Aufräumen und kleine Experimente.
  • Shaping vor dem Start: Erfahrene Leute formen eine Idee so weit aus, dass Problem, Lösungsrichtung und Grenzen klar sind, aber noch keine Detailspezifikation entsteht.
  • Appetit statt Schätzung: Statt zu fragen „Wie lange dauert das?“, wird festgelegt, wie viel Zeit eine Lösung wert ist. Der Umfang passt sich an diese Zeit an.
  • Kein dauerhaftes Backlog: Ideen, die in der Planungsrunde („Betting Table“) nicht ausgewählt werden, verfallen. Wichtige Themen kommen ohnehin wieder.
  • Circuit Breaker: Wird ein Projekt im Zyklus nicht fertig, verlängert es sich nicht automatisch. Es muss neu bewertet werden.

Angenommen, das Team eines Webshops möchte eine Wunschliste einführen. In Scrum würde die Idee in viele Stories zerlegt und über mehrere Sprints verteilt. In Shape Up legt das Team fest: Die Wunschliste ist uns zwei Wochen wert. Dann entscheiden die Entwickler:innen selbst, welche Variante in diesen zwei Wochen sinnvoll umsetzbar ist, etwa ohne Teilen-Funktion, dafür vollständig getestet.

Shape Up passt gut zu Firmen mit eigenem Produkt und kleinen, erfahrenen Teams. Für Dienstleister mit Festpreisprojekten oder für Teams, die viel Tagesgeschäft und Störungen abarbeiten, ist es weniger geeignet.

Kanban: Fluss statt Takt

Kanban verzichtet auf feste Iterationen. Aufgaben laufen über ein Board mit Spalten wie „Bereit“, „In Arbeit“, „Review“ und „Erledigt“. Das wichtigste Werkzeug ist die WIP-Grenze (Work in Progress): In jeder Spalte dürfen nur so viele Aufgaben gleichzeitig liegen wie festgelegt. Wer fertig ist, zieht die nächste Aufgabe, statt neue anzufangen. Gesteuert wird über die Durchlaufzeit, also die Zeit vom Start bis zur Fertigstellung einer Aufgabe, und über den Durchsatz.

Ein typisches Beispiel ist die IT-Abteilung eines mittelständischen Unternehmens, die Supportanfragen, kleine Erweiterungen und Wartung parallel bearbeitet. Feste Zwei-Wochen-Sprints passen dazu schlecht, weil dringende Anfragen nicht bis zum nächsten Planning warten können. Ein Kanban-Board mit klaren Grenzen und einer Expressspur für Notfälle bildet diese Arbeit ehrlicher ab. Viele Teams kombinieren beides und arbeiten mit Kanban-Board, behalten aber eine regelmäßige Retrospektive.

Trunk-Based Development: die technische Grundlage

Hinter vielen Alternativen zu Scrum steht eine technische Praxis: Trunk-Based Development. Alle Entwickler:innen integrieren ihre Änderungen mindestens täglich in den Hauptzweig (main), Feature-Branches leben höchstens ein bis zwei Tage. Unfertige Funktionen werden über Feature Flags ausgeblendet. Eine automatisierte Pipeline baut, testet und liefert jede Änderung aus. Dadurch wird das Sprintende als Auslieferungstermin überflüssig: Software geht live, wenn sie fertig ist. Wie das Arbeiten in kleinen Schritten im Detail aussieht, erklärt der Beitrag Kleine Schritte, große Wirkung.

Ein schlankes Beispiel für eine solche Pipeline mit GitHub Actions:

# .github/workflows/ci.yml – bauen, testen, bei main ausliefern
name: CI
on:
  push:
    branches: [main]
  pull_request:

jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v7
      - uses: actions/setup-node@v7
        with:
          node-version: 26
          cache: npm
      - run: npm ci
      - run: npm test

  deploy:
    needs: test
    if: github.ref == 'refs/heads/main'
    runs-on: ubuntu-latest
    environment: production
    steps:
      - uses: actions/checkout@v7
      - run: ./scripts/deploy.sh

Der Job deploy läuft nur, wenn die Tests bestanden sind und die Änderung im Hauptzweig liegt. Über das Environment production lassen sich bei Bedarf Freigaben oder Wartezeiten einbauen. Entscheidend ist nicht das Werkzeug, sondern die Disziplin dahinter: Ohne aussagekräftige Tests liefert eine solche Pipeline Fehler nur schneller aus.

Kennzahlen: Ergebnis statt Aktivität

Wer Velocity abschafft, braucht andere Kennzahlen. Bewährt haben sich die fünf Software-Delivery-Metriken des DORA-Forschungsprogramms (DevOps Research and Assessment): wie oft ausgeliefert wird, wie lange eine Änderung vom Commit bis zur Produktion braucht, wie viele Auslieferungen Probleme verursachen, wie oft ungeplant nachgeliefert werden muss, um einen Fehler in der Produktion zu beheben, und wie schnell ein Team nach einer fehlgeschlagenen Auslieferung wieder einen stabilen Zustand erreicht. Dazu kommen Produktkennzahlen wie die Nutzung einer neuen Funktion oder die Abbruchquote im Bestellprozess.

Der Unterschied lässt sich in wenigen Zeilen zeigen:

from datetime import datetime
from statistics import median

# Aktivitätskennzahl: erledigte Story Points pro Sprint
story_points = [8, 5, 13, 3]
velocity = sum(story_points)

# Ergebniskennzahl: Zeit vom Commit bis zur Produktion
deployments = [
    ("2026-10-05T09:12", "2026-10-05T14:40"),
    ("2026-10-06T10:05", "2026-10-07T08:30"),
    ("2026-10-08T13:20", "2026-10-08T15:02"),
]
lead_times_h = [
    (datetime.fromisoformat(live) - datetime.fromisoformat(commit)).total_seconds() / 3600
    for commit, live in deployments
]

print(f"Velocity: {velocity} Punkte")
print(f"Median-Durchlaufzeit: {median(lead_times_h):.1f} Stunden")

Die Velocity sagt nur, wie viel das Team nach eigener Schätzung erledigt hat. Die Durchlaufzeit zeigt, wie schnell eine Änderung tatsächlich bei Nutzerinnen und Nutzern ankommt. Welche Kennzahlen sich für welchen Zweck eignen und wie sie missbraucht werden, behandelt der Beitrag Agile Metrics: Welche Kennzahlen agilen Teams wirklich weiterhelfen.

Was Sie behalten, ändern oder streichen sollten

Ein kompletter Methodenwechsel ist selten nötig. Meist reicht es, jede Praxis daraufhin zu prüfen, welches Problem sie in Ihrem Team löst.

PraxisBehalten, wenn …Ändern oder streichen, wenn …
Daily Scrumdas Team sich wirklich abstimmt und Hindernisse löstes ein Statusbericht ist, den ein Chat-Update ersetzt
Story Pointssie dem Team die Planung erleichternsie umgerechnet, verglichen oder als Leistungsziel genutzt werden
Feste Sprintsein Takt Ordnung in die Abstimmung mit Fachbereichen bringtständig Dringendes dazwischenkommt
Retrospektivefast immer, denn Reflexion ist der Kern agiler Arbeitsie nur noch Pflichttermin ohne Folgen ist – dann Format ändern
Sprint ReviewFachbereiche echtes Feedback zu laufender Software gebenohnehin laufend ausgeliefert und Feedback eingeholt wird

Asynchrone Kommunikation kann Meetings ersetzen, aber nicht jede Abstimmung. Kurze Updates im Team-Chat, Entscheidungen im Wiki und Diskussionen direkt am Ticket funktionieren gut für Informationen, die jeder in Ruhe lesen kann. Konflikte, Architekturentscheidungen und Missverständnisse lassen sich im Gespräch meist schneller klären.

Der Umstieg in drei Schritten

  1. Bestandsaufnahme: Notieren Sie über zwei, drei Wochen, wie viel Zeit in welche Termine fließt und was dabei herauskommt. Fragen Sie das Team, welche Rituale es vermissen würde.
  2. Begrenzte Experimente: Ändern Sie eine Sache auf einmal und mit festem Enddatum. Ein Beispiel: Ein Team verzichtet sechs Wochen lang auf Story Points und plant nur noch mit der Anzahl der Aufgaben. Danach wird ausgewertet.
  3. Messen und nachjustieren: Beobachten Sie Durchlaufzeit, Fehlerquote und die Zufriedenheit des Teams vor und nach der Änderung. Verschlechtert sich etwas, gehen Sie zurück oder probieren eine andere Variante.

Wichtig ist, dass die Technik mitwächst. Bevor ein Team auf feste Sprints verzichtet, sollte es eine verlässliche Pipeline und eine ausreichende Testabdeckung haben.

Was das für Ihr Team bedeutet

Scrum ist nicht tot. Für Teams, die agiles Arbeiten erst lernen, oder für Projekte mit vielen Fachbereichen, die einen festen Takt brauchen, bleibt es ein guter Einstieg. Was verschwindet, ist die Vorstellung, dass ein einziges Rahmenwerk für alle Teams passt. Die erfolgreichen Beispiele aus der Tech-Branche zeigen vor allem, dass Autonomie eine technische Grundlage braucht: kleine Teams, automatisierte Auslieferung, Kennzahlen, die Ergebnisse messen.

Überschätzt wird dabei der Wechsel der Methode, unterschätzt die Arbeit an Tests, Pipelines und Teamzuschnitt. Für die meisten Unternehmen lohnt es sich, Scrum schrittweise zu entschlacken, statt es durch das nächste Modell zu ersetzen. Eine Folge davon ist häufig, dass auch Rollen neu zugeschnitten werden. Welche Fragen das für den Scrum Master aufwirft, beleuchtet der Beitrag Die Scrum-Master-Rolle auf dem Prüfstand.

Wenn Sie Ihre Arbeitsweise überprüfen oder ein Team bei der Umstellung begleiten lassen möchten, finden Sie auf unserer Themenseite zu agilen Methoden mit Beratung, Coaching und Seminaren die passenden Angebote.

Häufige Fragen zu Alternativen zu Scrum

Ist Scrum überholt?

Nein. Scrum ist ein bewusst knappes Rahmenwerk, das für viele Teams weiterhin gut funktioniert, vor allem in der Einführungsphase. Überholt ist eher die starre Auslegung mit Pflichtterminen, Punkteschätzungen und Velocity-Vorgaben, die über den Scrum Guide hinausgeht.

Welche Alternative zu Scrum passt zu welchem Team?

Das hängt von der Art der Arbeit ab. Kanban eignet sich für Teams mit viel ungeplanter Arbeit wie Support oder Betrieb. Shape Up passt zu Produktteams, die größere Funktionen in festen Zeitfenstern bauen wollen. Trunk-Based Development und Continuous Delivery sind keine Planungsmethoden, sondern technische Praktiken, die zu jeder dieser Arbeitsweisen passen.

Welche Risiken hat der Abschied von Scrum?

Das größte Risiko ist Strukturlosigkeit. Fallen Termine weg, ohne dass Abstimmung, Priorisierung und Reflexion anders geregelt werden, verlieren Teams den Überblick. Deshalb sollten Sie in kleinen, befristeten Experimenten vorgehen und die Wirkung messen.

Mehr aus „Agile & Projektmanagement“

Scrum-Master-Rolle auf dem Prüfstand: ein Blick aus Architektursicht

Lohnt sich ein Scrum Master noch? Wir betrachten die Rolle aus Sicht der Softwarearchitektur, gleichen sie mit dem Scrum Guide 2020 ab und zeigen Alternativen.

mehr erfahren

Software-Komplexität verstehen und reduzieren

Software-Komplexität entsteht oft durch eigene Entscheidungen. Sie erfahren, welche Fallen Projekte ausbremsen und wie Sie unnötige Komplexität abbauen.

mehr erfahren

Software-Neuentwicklung: Warum der komplette Neustart oft scheitert

Ein kompletter Rewrite wirkt verlockend, scheitert aber oft an Wissensverlust und Zeitdruck. Lesen Sie, welche schrittweisen Alternativen es gibt.

mehr erfahren

Workshops in Webprojekten: Formate, Ablauf und Ergebnisse

Workshops in Webprojekten: welche Formate von der Zielklärung bis zum Go-live helfen, wie Sie sie vorbereiten und moderieren und was am Ende vorliegen sollte.

mehr erfahren

Agile Workshops in der App-Entwicklung: Formate, Ablauf, Ergebnisse

Agile Workshops in der App-Entwicklung: welche Formate wann passen, wie Sie sie vorbereiten und moderieren und wie die Ergebnisse im Backlog ankommen.

mehr erfahren

Agile Metrics: Welche Kennzahlen agilen Teams wirklich weiterhelfen

Agile Metrics im Überblick: was Cycle Time, Durchsatz, Velocity und DORA-Kennzahlen messen, wie Sie passende auswählen und typische Messfehler vermeiden.

mehr erfahren

Weitere Blog-Artikel

Docker-Alternativen: Podman, containerd und CRI-O im Vergleich

Podman, containerd, CRI-O und nerdctl im sachlichen Vergleich mit Docker: Architektur, Lizenzen, Kubernetes und Compose. Wann sich ein Umstieg für Sie lohnt.

mehr erfahren

Software-Architekturmuster: Die wichtigsten Muster im Überblick

Software-Architekturmuster von Schichten über Hexagonal und Event-driven bis Microservices: Sie erfahren, was jedes Muster löst und wann es sich lohnt.

mehr erfahren

Angular-Toolkit: Die Werkzeuge für moderne Angular-Entwicklung

Angular-Werkzeuge im Überblick: CLI, Build mit esbuild und Vite, Signals, Vitest, UI-Bibliotheken, State Management, SSR und CI/CD auf dem Stand von Angular 22.

mehr erfahren

Programmiersprachen für generative KI im Vergleich: Python bis C++

Welche Programmiersprache passt zu generativer KI? Ein Vergleich von Python, JavaScript, Java, C#, C++ und Swift für Training, Betrieb und App-Integration.

mehr erfahren

API-Design in der Praxis: 7 Techniken für bessere Schnittstellen

Sieben Techniken für gutes API-Design: Ziele setzen, mit Prototypen arbeiten, Heuristiken prüfen, Client-Code zuerst schreiben und den passenden Stil wählen.

mehr erfahren

Software-Komplexität verstehen und reduzieren

Software-Komplexität entsteht oft durch eigene Entscheidungen. Sie erfahren, welche Fallen Projekte ausbremsen und wie Sie unnötige Komplexität abbauen.

mehr erfahren

Aktuelle Blog-Artikel

PHP-Migration nach PHP2Shell: Upgrade oder Sprachwechsel?

PHP2Shell und das Support-Ende von PHP 8.2: Was Sie jetzt patchen sollten, wie ein Upgrade auf 8.4 oder 8.5 gelingt und wann ein Sprachwechsel sinnvoll ist.

mehr erfahren

Jev: Was ein KI-Modell für schnelles Denken anders macht als ChatGPT

Das System-1-KI-Modell Jev schreibt keinen Text, sondern beantwortet Fragen mit kalibrierten Wahrscheinlichkeiten. Wie das funktioniert und wofür es taugt.

mehr erfahren

Node.js ohne Ballast: 12 Bordmittel, die npm-Pakete ersetzen

Von fetch() über node:test bis Type Stripping: zwölf Node.js-Funktionen, die axios, dotenv, Jest und Co. ersetzen, mit Status in Node 24 und 26 und Grenzen.

mehr erfahren

KI-Agenten verstehen: MCP, A2A, AG-UI und A2UI einfach erklärt

MCP, A2A, AG-UI und A2UI verständlich erklärt: Wie KI-Agenten Werkzeuge nutzen, miteinander arbeiten und Oberflächen erzeugen – und wer die Standards betreut.

mehr erfahren

Rusts Lieferkette unter Beschuss: Warum ein Angriff nur der Anfang war

Ein Angriff auf Rust-Pakete war im August 2026 schnell gestoppt, das Grundproblem bleibt. Wie crates.io angreifbar ist und was Sie heute dagegen tun können.

mehr erfahren

Webentwicklung ohne SPA: Eine Web-App mit V, Veb, SQLite und htmx

Am Beispiel der Meetup-Plattform Clash zeigt sich, wie eine Web-App mit V, Veb, SQLite und htmx ohne SPA-Framework entsteht und wo der Ansatz an Grenzen stößt.

mehr erfahren

React-Performance: Warum weniger Optimierung mehr Tempo bringt

React-Performance heute: Wie Sie mit State am richtigen Ort, dem React Compiler, Transitions, Virtualisierung und Messung Ihre Anwendung spürbar beschleunigen.

mehr erfahren

React-Komponenten verbinden: Welcher Weg passt wann?

Props, Context, Zustand, TanStack Query, URL-Parameter oder Ereignisse: So wählen Sie den passenden Weg, damit zwei React-Komponenten Daten austauschen.

mehr erfahren

KI-Agenten in der Schleife: Loops in Claude Code und Codex

Was ein Loop bei KI-Agenten ist, welche Auslöser es gibt und wie Sie geplante Aufgaben in Claude Code und Codex mit Kostenkontrolle einrichten.

mehr erfahren

JavaScript 2026: Bun, Deno und TypeScript 7 läuten eine neue Ära ein

Node.js, Bun und Deno im Wettbewerb, TypeScript 7 mit Compiler in Go, Build-Werkzeuge in Rust: Was sich 2026 bei JavaScript ändert und was Sie davon übernehmen.

mehr erfahren

npm-Pakete sicher prüfen: So bewerten Sie ein Paket vor dem Einbau

npm-Pakete sicher prüfen: wie Sie Name, Wartung, Provenance, Install-Skripte, bekannte Lücken und Lizenz bewerten, bevor ein Paket in Ihr Projekt kommt.

mehr erfahren

npm install unter der Lupe: Wie Angreifer die Lieferkette kapern

Was npm install technisch tut, welche Angriffsmuster von Typosquatting bis Dependency Confusion es ausnutzen und wie Sie das Installieren absichern.

mehr erfahren

Programmiersprachen und KI: Warum Rust für Code-Agenten so gut passt

KI-Agenten schreiben in Rust oft verlässlicheren Code, weil der Compiler viele Fehler sofort meldet. Was dahinter steckt und wo das Argument endet.

mehr erfahren

Pi Agent vs. Claude Code: minimaler Open-Source-Agent im Vergleich

Pi Agent und Claude Code im Vergleich: Architektur, Erweiterungen, Modellwahl, Lizenz, Kosten und Sicherheit. Für wen sich der Open-Source-Agent lohnt.

mehr erfahren

Agentic Engine Optimization: Websites für KI-Agenten lesbar machen

Agentic Engine Optimization: Wie KI-Assistenten Ihre Website abrufen, welche Rolle robots.txt, llms.txt und strukturierte Daten spielen – und was belegt ist.

mehr erfahren

Claude Skills für Einsteiger: eigene KI-Workflows aufbauen

Claude Skills bündeln wiederkehrende Anweisungen in einer SKILL.md-Datei. So bauen Sie Skills auf und installieren sie in Claude und Claude Code.

mehr erfahren

Claude Code richtig nutzen: 15 Funktionen, die Profis kennen sollten

Claude Code kann mehr als chatten: So setzen Sie CLAUDE.md, Subagenten, Hooks, Skills, MCP und den Headless-Modus gezielt im Entwickleralltag ein.

mehr erfahren

Claude Code für Einsteiger: vom Terminal zur fertigen Anwendung

Claude Code arbeitet im Terminal direkt mit Ihren Dateien. So gelingen Installation, erste Aufträge, Planmodus, Skills und MCP auch ohne Programmiererfahrung.

mehr erfahren

OpenClaw im Praxistest: vom Chatbot zum digitalen Assistenten

OpenClaw macht ein Sprachmodell zum selbst gehosteten Agenten mit Zugriff auf Rechner und Messenger. Aufbau, Einrichtung, Skills und Sicherheitsregeln.

mehr erfahren

Das Ende der Menüs: Wie KI die digitale Arbeitsumgebung verändert

Seit Jahrzehnten bedienen wir Computer über Fenster, Menüs und Ordner. KI-Agenten verschieben das zu Aufträgen in Alltagssprache. Was sich ändert und was nicht.

mehr erfahren

Microsoft und Rust: Was hinter dem Ziel „C und C++ bis 2030“ steckt

Microsoft nutzt Rust im Windows-Kernel, der Ersatz von C und C++ bis 2030 ist aber ein Forschungsziel. Was belegt ist und was es für Entwickler bedeutet.

mehr erfahren

TanStack Start: Das React-Framework als Alternative zu Next.js

TanStack Start ist ein Fullstack-Framework für React auf Basis von TanStack Router und Vite. Was es kann und wann es eine Alternative zu Next.js ist.

mehr erfahren

Die Ralph-Wiggum-Technik: KI-Coding-Agenten, die nicht aufgeben

Die Ralph-Wiggum-Technik lässt einen Coding-Agenten denselben Auftrag wiederholen, bis die Tests bestehen. Wie sie funktioniert und worauf Sie achten sollten.

mehr erfahren

Warum KI Entwickler nicht ersetzt, aber ihre Rolle verändert

KI-Assistenten schreiben heute viel Code. Warum Fachwissen trotzdem wichtiger wird und welche Fähigkeiten Entwickler:innen jetzt gezielt ausbauen sollten.

mehr erfahren

Von Node.js zu Bun: Next.js-Projekte schrittweise umstellen

Wie Sie Bun in Next.js einsetzen: von bun install über bun --bun next dev bis zum Deployment. Was dabei schneller wird, was nicht und was Sie vorher prüfen.

mehr erfahren

Bun erklärt: JavaScript-Laufzeit, Paketmanager und Bundler in einem

Bun ist Laufzeitumgebung, Paketmanager, Bundler und Testrunner in einem. Wie es funktioniert, wie kompatibel es zu Node.js ist und für wen es sich lohnt.

mehr erfahren

KI-Agenten richtig anleiten: Spezifikationen, die funktionieren

Spezifikationen für KI-Coding-Agenten wie Claude Code oder GitHub Copilot: welche Angaben hineingehören, wie Sie Aufgaben aufteilen und Grenzen setzen.

mehr erfahren

Was ist .NET? Die Microsoft-Plattform einfach erklärt

.NET ist Microsofts quelloffene Entwicklungsplattform für Web, Cloud, Desktop und Apps. Sie erfahren, wie Laufzeit, SDK und Versionen zusammenhängen.

mehr erfahren

Künstliche Intelligenz 2026: Vom Chatbot zum digitalen Kollegen

Rückblick auf den KI-Ausblick vom Januar 2026: acht erwartete Trends von Multi-Agenten-Systemen über physische KI und EU AI Act bis zu Quanten-Utility.

mehr erfahren

KI-Jahr 2025: Vier Erkenntnisse und ein Ausblick auf 2026

Rückblick vom Januar 2026 auf das KI-Jahr 2025: vier Entwicklungen von unauffälligen Agenten bis zum Chipmangel und was sie damals für 2026 erwarten ließen.

mehr erfahren

REST und Event-Streams: Wann sich ereignisbasierte Backends lohnen

REST oder Event-Streams? Wie sich Request/Response und Publish/Subscribe unterscheiden, wann Kafka, SSE oder WebSockets passen und wo REST richtig bleibt.

mehr erfahren

Shai-Hulud 2.0: Wie sich ein Wurm im November 2025 durch npm fraß

Shai-Hulud 2.0 einfach erklärt: Rückblick auf den npm-Wurm vom November 2025, wie er Zugangsdaten stahl, sich selbst verbreitete und wie Sie sich schützten.

mehr erfahren

HTMX: Moderne Webanwendungen ohne JavaScript-Framework bauen

HTMX lädt Inhalte nach, sendet Formulare und tauscht Seitenteile per HTML-Attribut aus. Die Anleitung zeigt Browser- und Serverseite und den Stand von HTMX 4.

mehr erfahren

Electron vs. Tauri: Desktop-Apps mit Webtechnik im Vergleich

Electron bringt Chromium und Node.js mit, Tauri nutzt den Webview des Systems und einen Kern in Rust. Der Vergleich zeigt, wann sich welches Framework eignet.

mehr erfahren

Architekturkompetenz im KI-Zeitalter: Was Full-Stack heute heißt

Wenn KI-Werkzeuge Code schreiben, verschiebt sich die Arbeit zu Architekturentscheidungen. Welche Fähigkeiten zählen und wie Sie sie gezielt aufbauen.

mehr erfahren

Omarchy im Test: So macht Linux endlich wieder Spaß

Unser Test von Omarchy aus dem November 2025: Das Linux auf Basis von Arch und Hyprland setzt auf Tastatur, Kachelfenster und abgestimmte Themes.

mehr erfahren

JWT-Probleme: Warum Entwickler vor JSON Web Tokens warnen

JWT-Probleme im Überblick: Warum sich Tokens schwer widerrufen lassen, welche Prüffehler gefährlich sind und wann klassische Sessions die bessere Wahl sind.

mehr erfahren

7 KI-Begriffe erklärt: Von KI-Agenten bis Superintelligenz

Sieben KI-Begriffe von KI-Agenten über RAG und MCP bis Superintelligenz: was sie bedeuten, wie sie zusammenhängen und was davon für Unternehmen zählt.

mehr erfahren

Machine Learning verstehen: von den Grundlagen bis zu moderner KI

Machine Learning verständlich erklärt: welche Lernverfahren es gibt, wie Training mit Daten abläuft und wie Sie prüfen, ob ein Modell wirklich etwas taugt.

mehr erfahren

Scrum-Master-Rolle auf dem Prüfstand: ein Blick aus Architektursicht

Lohnt sich ein Scrum Master noch? Wir betrachten die Rolle aus Sicht der Softwarearchitektur, gleichen sie mit dem Scrum Guide 2020 ab und zeigen Alternativen.

mehr erfahren

Was dürfen wir für Sie tun?

So sind wir zu erreichen: