KI-Agenten entwickeln: Praxiseinblicke von Andrew Ng und LangChain

KI-Agenten entwickeln: Praxiseinblicke von Andrew Ng und LangChain

Rückblick auf ein Gespräch aus dem Jahr 2025: Andrew Ng über agentische Systeme, Evaluationen, Sprachschnittstellen und Tempo in KI-Teams

Aktualisiert:

Abstract

Rückblick auf das Gespräch von Andrew Ng mit LangChain-Mitgründer Harrison Chase 2025: Was Ng Teams riet, die agentische KI-Systeme bauen wollten.
  • #Agentische Systeme
  • #KI-Entwicklung
  • #Andrew Ng
  • #LangChain
  • #AI-Startups
  • #Workflow-Automatisierung
  • #Evaluation-Tools
  • #Voice-Interfaces
  • #Model Context Protocol
  • #Programmieren lernen

Weniger über den Begriff „Agent“ streiten, mehr bauen: die Ratschläge von Andrew Ng an Entwicklerteams

Ist das schon ein Agent oder nur ein Workflow? Über diese Frage stritt die KI-Branche lange. Andrew Ng, Gründer von DeepLearning.AI und AI Fund, hielt die Debatte für wenig hilfreich. Im Mai 2025 sprach er auf der LangChain-Konferenz Interrupt in San Francisco mit LangChain-Mitgründer Harrison Chase darüber, was Teams beim Bau agentischer Anwendungen tatsächlich weiterbringt.

Hinweis: Dieser Beitrag stammt aus dem Jahr 2025 und gibt die Aussagen des Gesprächs aus damaliger Sicht wieder. Wie Coding-Agenten inzwischen in wiederkehrenden Schleifen selbstständig arbeiten, zeigt der Beitrag über Loops in Claude Code und Codex.

Agentische Systeme statt Streit um Begriffe

Vom Etikett „Agent“ zur Frage nach dem Grad der Autonomie

Andrew Ng hatte rund anderthalb Jahre vor dem Gespräch vorgeschlagen, nicht mehr zu fragen, ob ein System ein „echter Agent“ ist. Stattdessen solle man von agentischen Systemen sprechen, also von Anwendungen, die in unterschiedlichem Maß selbstständig handeln.

Der Vorteil dieser Sichtweise ist praktisch: Entwickler können Systeme mit wenig oder viel Autonomie bauen, ohne sich vorher auf eine Definition einigen zu müssen. Entscheidend ist, ob das System eine Aufgabe zuverlässig löst, nicht, in welche Schublade es gehört.

Das Spektrum der Autonomie in der Praxis

Nach Ngs Beobachtung bewegten sich die meisten Geschäftsanwendungen 2025 im Bereich linearer Workflows mit gelegentlichen Verzweigungen. Typische Beispiele aus seiner Aufzählung:

  • Formulare auf Websites prüfen
  • Compliance-Abgleiche in Datenbanken durchführen
  • Recherchen im Web automatisieren
  • Daten per Kopieren und Einfügen zwischen Systemen übertragen

Für komplexere Abläufe mit mehreren Verzweigungen und Schleifen nutzte Ngs Team nach eigener Aussage regelmäßig LangGraph, das Framework von LangChain für zustandsbehaftete Agenten-Workflows.

Welche Fähigkeiten Agent-Entwickler brauchten

Geschäftsprozesse in Arbeitsschritte zerlegen

Als eine der größten Hürden für Unternehmen nannte Ng die Aufgabe, bestehende Geschäftsprozesse in agentische Workflows zu übersetzen. Dafür hielt er drei Fähigkeiten für entscheidend:

Die richtige Granularität finden: Komplexe Aufgaben müssen in kleine, gut prüfbare Einzelschritte zerlegt werden. Das verlangt technisches Verständnis und Kenntnis des Geschäftsprozesses zugleich.

Evaluationen einbauen: Systematische Tests zeigen, wie gut einzelne Schritte funktionieren und wo Schwachstellen liegen.

Iterativ verbessern: Erfahrene Teams entwickeln laut Ng ein Gespür dafür, wann ein Ansatz trägt und wann ein anderer Weg nötig ist.

KI-Werkzeuge als Bausteinkasten

Ng verglich KI-Werkzeuge mit Lego-Steinen. Je mehr verschiedene Steine ein Entwickler kennt, desto schneller kann er daraus komplexe Systeme zusammensetzen.

Werkzeuge, die Ng für unterschätzt hielt

Evaluationen: pragmatisch statt perfekt

Viele sprachen 2025 über Evaluationen, also automatisierte Tests für die Ausgaben von KI-Systemen, aber nur wenige setzten sie konsequent ein. Ng empfahl einen pragmatischen Einstieg:

  • Schnell anfangen: einfache Evaluationen in etwa 20 Minuten bauen, die die menschliche Prüfung ergänzen
  • Unvollkommen starten: mit groben Tests beginnen und sie nach und nach verbessern
  • Gezielt absichern: Regressionstests für Fehler schreiben, die immer wieder auftreten

Sprachschnittstellen: mehr Interesse in Unternehmen als bei Entwicklern

Sprachanwendungen stießen nach Ngs Eindruck bei Unternehmen auf großes Interesse, in der Entwickler-Community aber noch auf wenig Aufmerksamkeit. Er nannte Gründe, warum sie sich lohnen, und die wichtigste technische Hürde:

  • Weniger Hemmschwelle: Sprechen fällt vielen Menschen leichter als Tippen.
  • Natürlicher Ablauf: Nutzer können Gedanken spontan äußern und sich unterwegs korrigieren.
  • Hohe Anforderungen an die Latenz: Antworten sollten in unter einer Sekunde kommen, ideal sind weniger als 500 Millisekunden, damit sich ein Gespräch natürlich anfühlt.

Model Context Protocol: ein Standard für Anbindungen

Das Model Context Protocol (MCP) standardisiert, wie KI-Anwendungen auf Datenquellen und Schnittstellen zugreifen. Ng bezeichnete es als noch unfertig, sah aber den Nutzen klar: Statt für jede Kombination aus Anwendung und Datenquelle eine eigene Anbindung zu bauen (n×m), genügt pro Anwendung und pro Datenquelle je eine (n+m). Wie MCP und verwandte Protokolle heute zusammenspielen, erklärt der Beitrag zu MCP, A2A und weiteren Agenten-Protokollen.

KI-gestütztes Programmieren

Mehr als „Vibe Coding“

Den damals populären Begriff „Vibe Coding“ hielt Ng für irreführend. Gutes Programmieren mit KI-Unterstützung sei eine anspruchsvolle geistige Arbeit. Er betonte drei Punkte:

  • Präzise formulieren: Einem Computer genau zu sagen, was er tun soll, wird zur Schlüsselkompetenz.
  • Neue Sprachen erschließen: Auch erfahrene Entwickler nutzen KI-Assistenten, um in weniger vertrauten Programmiersprachen zu arbeiten.
  • Fehler verstehen: Fehlermeldungen lesen und systematisch debuggen zu können, bleibt notwendig.

Warum Programmieren lernen sich weiter lohnte

Der Behauptung, KI mache das Programmieren überflüssig, widersprach Ng. Die Geschichte zeige: Je einfacher Programmieren wird, desto mehr Menschen tun es. Bei AI Fund konnten nach seiner Darstellung alle Beschäftigten programmieren, von der Empfangskraft bis zum Chefjuristen, was die Produktivität deutlich erhöht habe.

Was KI-Startups nach Ng erfolgreich machte

Zwei Erfolgsfaktoren: Tempo und technische Tiefe

Geschwindigkeit: Den wichtigsten Hinweis auf späteren Erfolg sah Ng in der Ausführungsgeschwindigkeit. Ein eingespieltes Team arbeite weit schneller, als es langsamere Unternehmen gewohnt seien.

Technische Tiefe: Weil sich die Technik so schnell entwickelte, hielt er tiefes technisches Wissen für seltener und damit wertvoller als Erfahrung in Vertrieb und Markteinführung.

Empfehlungen für Gründer

Aus Ngs Aussagen ergaben sich für Gründer einige Leitlinien:

  • auf Tempo setzen, schnell iterieren und laufend dazulernen
  • tiefes technisches Wissen ins Team holen, weil es seltener ist als Wissen über Vertrieb, Preise und Marketing
  • das Geschäftliche nicht unterschätzen, es ist laut Ng wichtig, aber meist leichter zu erschließen

Offene Baustellen aus Sicht von 2025

Multi-Agenten-Systeme: noch am Anfang

Die Kommunikation zwischen Agenten bezeichnete Ng als große offene Aufgabe. Innerhalb eines Teams, das alle Agenten selbst baut, funktioniere das Zusammenspiel. Zwischen Agenten verschiedener Organisationen sei es noch nicht ausgereift.

Entwicklungen mit Folgen für die Praxis

  • Längere Kontextfenster: Sprachmodelle, die deutlich mehr Text auf einmal verarbeiten, veränderten die bewährten Verfahren für RAG-Systeme, also für Anwendungen, die Antworten mit nachgeschlagenen Dokumenten anreichern.
  • Agentische Sprach-Workflows: Native Speech-to-Speech-Modelle hielt Ng für schwer kontrollierbar; besser steuerbar sei ein agentischer Voice-Stack aus mehreren Verarbeitungsschritten.

Was von Ngs Ratschlägen für Teams bleibt

Ngs Botschaft war 2025 bewusst unspektakulär: Erfolg mit agentischen Systemen hänge weniger von Definitionen ab als von sauberer Umsetzung. Prozesse zerlegen, früh testen, schnell nachbessern und das eigene Werkzeugwissen laufend erweitern. Für die meisten Teams war das ein realistischerer Einstieg als der Versuch, sofort einen vollständig autonomen Agenten zu bauen.

Bemerkenswert ist, wie stark er dabei auf Evaluationen setzte. Wer einen agentischen Workflow ohne Tests betreibt, merkt Verschlechterungen erst, wenn Nutzer sich beschweren. Ngs Rat, lieber mit groben Tests zu starten als mit gar keinen, galt unabhängig vom eingesetzten Framework.

Wer agentische Abläufe mit mehreren zusammenarbeitenden Agenten aufbauen möchte, findet auf unserer Themenseite zu CrewAI Informationen zu Beratung und Seminaren.

Häufige Fragen zum Gespräch

Was ist der Unterschied zwischen einem Agenten und einem agentischen System?

„Agentisches System“ bezeichnet nach Ng jede Anwendung mit einem gewissen Grad an Autonomie, ohne die Frage zu klären, ob es sich um einen „echten“ Agenten handelt. Das erlaubt es Teams, sich auf die Lösung zu konzentrieren statt auf die Einordnung.

Warum hielt Ng Geschwindigkeit für den wichtigsten Erfolgsfaktor von KI-Startups?

Ng nannte Geschwindigkeit aus den Erfahrungen von AI Fund den wichtigsten Prädiktor für den Erfolg eines Startups. Viele hätten noch nie gesehen, wie schnell ein eingespieltes Team umsetzen kann: weit schneller, als es langsamere Unternehmen gewohnt seien.

Lohnt es sich trotz KI-Assistenten, programmieren zu lernen?

Nach Ngs Einschätzung ja. Wer Programmierkonzepte versteht, kann KI-Systemen präzisere Anweisungen geben. Das hielt er in vielen Berufen für zunehmend wichtig, nicht nur in der Softwareentwicklung.

Mehr aus „KI & Machine Learning“

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

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

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

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

Weitere Blog-Artikel

Kontext-Engineering: Was KI-Agenten wann wissen müssen

Kontext-Engineering erklärt: Wie Sie Systemprompt, Werkzeuge, Gedächtnis und Abruf so steuern, dass KI-Agenten auch bei langen Aufgaben verlässlich arbeiten.

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

Vite als Build-Tool: Vom Entwicklungsserver zum Produktions-Build

Vite baut Frontend-Projekte mit Rolldown für den Produktivbetrieb. Wie der Build abläuft, was bei Assets und Umgebungsvariablen gilt und wie Sie migrieren.

mehr erfahren

LLMs als Betriebssysteme: Software 1.0, 2.0 und 3.0 erklärt

Software 1.0, 2.0 und 3.0: Was Andrej Karpathy mit Sprachmodellen als Betriebssystem meint und welche Folgen das für Entwicklung und Unternehmen hat.

mehr erfahren

Jakarta EE 2025: Enterprise Java auf dem Weg in die Cloud

Rückblick auf 2025: wie sich Jakarta EE zur Cloud-nativen Plattform entwickelte, was Version 11 brachte und wie es sich von Spring Boot und Quarkus abgrenzte.

mehr erfahren

Cybersecurity-Prinzipien: Was Unternehmen wirklich schützen müssen

Cybersecurity-Prinzipien für Unternehmen: CIA-Triade, Vorbeugen, Erkennen und Reagieren sowie Menschen, Prozesse und Technik – erklärt mit Beispielen.

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: