Kubernetes erklärt: Container-Orchestrierung für Einsteiger

Kubernetes erklärt: Container-Orchestrierung für Einsteiger

Cluster, Pods und Deployments verständlich erklärt – mit Beispiel, Aufwandsschätzung und der Frage, wann sich Kubernetes wirklich lohnt

Aktualisiert:

Abstract

Kubernetes verteilt Container auf Server, skaliert sie und ersetzt Ausfälle automatisch. Wie das funktioniert und wann sich der Aufwand für Sie lohnt.
  • #Kubernetes
  • #Container
  • #Container-Orchestrierung
  • #Kubernetes-Sicherheit
  • #Docker
  • #Microservices
  • #Cloud Computing
  • #DevOps
  • #Skalierung
  • #Automatisierung

Kubernetes hält Container am Laufen, verteilt Last und ersetzt ausgefallene Instanzen selbstständig. Dafür verlangt es Wissen und Betriebsaufwand

Ein Container auf einem Laptop ist schnell gestartet. Schwierig wird es, wenn aus einem Container fünfzig werden, verteilt auf mehrere Server, und alle rund um die Uhr laufen sollen. Wer startet einen Container neu, wenn er nachts abstürzt? Wer verteilt die Last, wenn am Montagmorgen alle gleichzeitig ins Kundenportal wollen? Und wie spielt man eine neue Version ein, ohne dass Nutzer etwas merken?

Für diese Fragen gibt es Kubernetes, oft kurz „K8s“ genannt (zwischen K und s stehen acht Buchstaben). Kubernetes ist ein Orchestrierungssystem: Es verwaltet Container auf einer Gruppe von Servern, sorgt dafür, dass immer die gewünschte Anzahl läuft, und ersetzt ausgefallene Instanzen selbstständig. Das Werkzeug hat sich zum Standard für den Betrieb containerisierter Anwendungen entwickelt. Es ist aber auch komplex, und nicht jedes Team braucht es.

Woher Kubernetes kommt

Google betreibt seit vielen Jahren seine eigenen Dienste in Containern und entwickelte dafür intern das System Borg. Die Erfahrungen daraus flossen in Kubernetes ein, das Google 2014 als Open-Source-Projekt vorstellte. 2015 erschien Version 1.0. Zugleich kündigte Google an, das Projekt an die Cloud Native Computing Foundation (CNCF) zu übergeben. Die neu gegründete Stiftung unter dem Dach der Linux Foundation nahm Kubernetes Anfang 2016 offiziell auf. Seitdem entwickeln viele Unternehmen gemeinsam daran, und kein einzelner Hersteller kontrolliert das Projekt.

Kubernetes setzt auf Container auf, also auf abgeschottete Pakete aus Anwendung und allen Abhängigkeiten. Wie Container funktionieren und warum sie die Softwareentwicklung verändert haben, erklärt unser Beitrag Docker erklärt: Wie Container die Softwareentwicklung verändern. Kubernetes selbst baut keine Container, sondern startet und überwacht sie. Dafür nutzt es eine Container-Laufzeit wie containerd oder CRI-O. Die direkte Anbindung an Docker als Laufzeit wurde 2022 entfernt; Images, die mit Docker gebaut wurden, laufen aber weiterhin problemlos.

Das Grundprinzip: Sollzustand statt Befehle

Der wichtigste Gedanke hinter Kubernetes ist der deklarative Ansatz. Statt Befehle zu geben („Starte Container A auf Server 3“), beschreiben Sie den gewünschten Zustand („Von Anwendung A sollen immer drei Instanzen laufen“). Kubernetes vergleicht diesen Sollzustand fortlaufend mit dem Istzustand und gleicht Abweichungen aus.

Angenommen, ein Webshop beschreibt, dass drei Instanzen seines Bestellservices laufen sollen. Fällt nachts ein Server aus, laufen plötzlich nur noch zwei. Kubernetes bemerkt die Abweichung und startet auf einem anderen Server eine neue Instanz, ohne dass jemand eingreifen muss. Dieses Verhalten nennt man Selbstheilung. Es ist der Hauptgrund, warum Betriebsteams Kubernetes schätzen.

Aufbau eines Kubernetes-Clusters

Ein Kubernetes-Cluster besteht aus zwei Arten von Rechnern: der Steuerungsebene und den Arbeitsknoten.

Die Steuerungsebene

Die Steuerungsebene (Control Plane) trifft die Entscheidungen im Cluster. Ihre wichtigsten Bestandteile:

  • API-Server: die zentrale Schnittstelle. Alle Befehle, ob vom Kommandozeilenwerkzeug kubectl, von einer CI/CD-Pipeline oder von internen Komponenten, laufen über ihn.
  • etcd: eine verteilte Schlüssel-Wert-Datenbank, in der der gesamte Zustand des Clusters gespeichert ist. Fällt etcd aus oder gehen die Daten verloren, ist der Cluster handlungsunfähig. Backups sind deshalb Pflicht.
  • Scheduler: entscheidet, auf welchem Knoten ein neuer Container läuft, je nach freien Ressourcen und Regeln.
  • Controller Manager: führt die Regelkreise aus, die Soll- und Istzustand vergleichen und Abweichungen korrigieren.

Bei verwalteten Angeboten großer Cloud-Anbieter betreibt der Anbieter die Steuerungsebene. Das nimmt dem eigenen Team einen erheblichen Teil der Betriebsarbeit ab.

Die Arbeitsknoten

Auf den Arbeitsknoten (Nodes) laufen die eigentlichen Anwendungen. Jeder Knoten hat einen Kubelet, einen Agenten, der Anweisungen der Steuerungsebene entgegennimmt und Container startet, sowie die Container-Laufzeit und eine Komponente für die Netzwerkweiterleitung.

Die wichtigsten Bausteine

Kubernetes kennt Dutzende Objekttypen. Für den Einstieg reichen wenige:

  • Pod: die kleinste Einheit. Ein Pod enthält meist einen Container, manchmal mehrere eng gekoppelte, die sich Netzwerk und Speicher teilen. Pods sind kurzlebig und werden bei Bedarf ersetzt.
  • Deployment: beschreibt, wie viele Pods einer Anwendung in welcher Version laufen sollen, und steuert Updates. Intern nutzt es dafür ein ReplicaSet.
  • Service: gibt einer Gruppe von Pods eine feste Adresse im Cluster und verteilt Anfragen auf sie. Da Pods kommen und gehen, ist der Service der stabile Ansprechpartner.
  • Ingress und Gateway API: regeln, wie Anfragen von außen, etwa aus dem Internet, zu den Services gelangen. Das Kubernetes-Projekt empfiehlt inzwischen die neuere, flexiblere Gateway API. Ingress wird nicht mehr weiterentwickelt, bleibt aber verfügbar.
  • ConfigMap und Secret: trennen Konfiguration und Zugangsdaten vom Container-Image. Wichtig: Secrets sind standardmäßig nur kodiert, nicht verschlüsselt. Für echten Schutz braucht es Verschlüsselung im Cluster oder einen externen Tresor.
  • PersistentVolume: stellt dauerhaften Speicher bereit, etwa für Datenbanken, der auch dann erhalten bleibt, wenn ein Pod neu startet.

Ein Beispiel: Webserver mit drei Instanzen

Konfiguriert wird Kubernetes über YAML-Dateien, ein lesbares Textformat. Das folgende Beispiel beschreibt ein Deployment mit drei Instanzen eines nginx-Webservers und einen Service, der sie im Cluster erreichbar macht:

apiVersion: apps/v1
kind: Deployment
metadata:
  name: webserver
spec:
  replicas: 3
  selector:
    matchLabels:
      app: webserver
  template:
    metadata:
      labels:
        app: webserver
    spec:
      containers:
        - name: nginx
          image: nginx:1.30
          ports:
            - containerPort: 80
          # Ressourcen reservieren und begrenzen
          resources:
            requests:
              cpu: 100m
              memory: 128Mi
            limits:
              memory: 256Mi
          # Erst Anfragen schicken, wenn der Server antwortet
          readinessProbe:
            httpGet:
              path: /
              port: 80
---
apiVersion: v1
kind: Service
metadata:
  name: webserver
spec:
  selector:
    app: webserver
  ports:
    - port: 80
      targetPort: 80

Angewendet wird die Datei mit kubectl apply -f webserver.yaml. Der Befehl kubectl get pods zeigt danach die drei laufenden Pods. Zwei Details unterscheiden das Beispiel von vielen älteren Anleitungen: Die Angaben unter resources sagen dem Scheduler, wie viel CPU und Arbeitsspeicher ein Pod braucht, und verhindern, dass ein einzelner Pod den ganzen Knoten belegt. Die readinessProbe sorgt dafür, dass ein Pod erst Anfragen erhält, wenn er tatsächlich antwortet.

Für ein Update genügt es, im YAML die Image-Version zu ändern und die Datei erneut anzuwenden. Kubernetes tauscht die Pods dann schrittweise aus (Rolling Update). Läuft die neue Version nicht, holt kubectl rollout undo deployment/webserver die vorherige zurück.

Skalierung und Hochverfügbarkeit

Kubernetes kann auf zwei Ebenen automatisch skalieren. Der Horizontal Pod Autoscaler erhöht oder verringert die Zahl der Pods einer Anwendung, etwa abhängig von der CPU-Auslastung. Reichen die Server dafür nicht mehr aus, kann ein Cluster Autoscaler in der Cloud zusätzliche Knoten anfordern und später wieder abbauen.

Angenommen, ein Ticketportal startet um zehn Uhr den Vorverkauf für ein Konzert. Innerhalb von Minuten verzehnfacht sich die Last. Mit sauber konfigurierter Autoskalierung wächst die Zahl der Pods mit, und nach dem Ansturm schrumpft sie wieder. Das spart Kosten gegenüber einer Infrastruktur, die dauerhaft auf Spitzenlast ausgelegt ist. Voraussetzung ist allerdings, dass die Anwendung selbst mitspielt: Sie muss zustandslos sein oder ihren Zustand in einer externen Datenbank halten, sonst helfen auch zusätzliche Pods wenig.

Hochverfügbarkeit entsteht durch Verteilung. Laufen die Pods einer Anwendung auf mehreren Knoten, idealerweise in verschiedenen Rechenzentren einer Region, übersteht die Anwendung den Ausfall eines Servers oder sogar eines Standorts.

Kubernetes betreiben: selbst, verwaltet oder gar nicht

Kubernetes ist kein Produkt, das man installiert und vergisst. Das Projekt veröffentlicht drei Versionen pro Jahr, und jede wird nur rund 14 Monate mit Updates versorgt. Wer einen Cluster betreibt, muss also regelmäßig aktualisieren, Zertifikate erneuern, Monitoring und Logging einrichten und Sicherheitsrichtlinien pflegen.

Deshalb nutzen viele Unternehmen verwaltete Angebote wie Amazon EKS, Azure Kubernetes Service oder Google Kubernetes Engine. Auch europäische Cloud-Anbieter haben verwaltete Kubernetes-Dienste im Programm, was für Datenschutz und Datenhoheit eine Rolle spielen kann. Für den eigenen Rechenzentrumsbetrieb gibt es Distributionen wie Red Hat OpenShift oder Rancher, für kleine Umgebungen und Edge-Geräte schlanke Varianten wie k3s.

Um Kubernetes herum ist ein großes Ökosystem entstanden. Helm bündelt die YAML-Dateien einer Anwendung zu installierbaren Paketen. Werkzeuge wie Argo CD oder Flux setzen GitOps um: Der Sollzustand des Clusters liegt in einem Git-Repository, und jede Änderung läuft über einen nachvollziehbaren Commit. Wie dieses Betriebsmodell funktioniert, zeigt unsere Themenseite zu GitOps für automatisierte Deployments. Prometheus und Grafana sind verbreitet für Überwachung und Dashboards.

Wann sich Kubernetes lohnt und wann nicht

Kubernetes spielt seine Stärken aus, wenn viele Dienste parallel laufen, mehrere Teams unabhängig voneinander ausliefern, die Last stark schwankt oder hohe Verfügbarkeit gefordert ist. Typisch sind Microservice-Architekturen, also Anwendungen aus vielen kleinen, getrennt betriebenen Diensten, und Plattformen, die für mehrere Kunden oder Geschäftsbereiche betrieben werden.

Überschätzt wird Kubernetes bei kleinen Anwendungen. Eine Firmenwebsite, ein internes Tool oder ein einzelner Monolith mit gleichmäßiger Last lassen sich auf einer virtuellen Maschine mit Docker Compose oder mit einem einfachen Container-Dienst eines Cloud-Anbieters leichter betreiben. Der Lernaufwand für das Team, die Betriebsarbeit und die Kosten für einen hochverfügbaren Cluster stehen dann in keinem Verhältnis zum Nutzen. Dass selbst große Anbieter Architekturen wieder vereinfachen, zeigt unser Beitrag Skalierung neu gedacht: Netflix und die Renaissance des Monolithen.

Was das für Ihr Team bedeutet

Für die meisten mittelständischen Unternehmen ist ein verwalteter Kubernetes-Dienst der sinnvollere Einstieg als ein selbst betriebener Cluster. Die Steuerungsebene übernimmt der Anbieter, das eigene Team konzentriert sich auf Anwendungen, Deployments und Sicherheit. Eigenes Know-how bleibt trotzdem nötig: Wer Kubernetes nur bedienen kann, aber Netzwerk, Ressourcenlimits und Rechtekonzept nicht versteht, steht bei der ersten Störung ratlos da.

Unsere Empfehlung: Prüfen Sie zuerst, ob Ihre Anwendung die Komplexität rechtfertigt. Wenn ja, beginnen Sie mit einer überschaubaren Anwendung, legen Sie die Konfiguration von Anfang an in Git ab und planen Sie Updates und Monitoring als festen Bestandteil des Betriebs ein. Wer eine bestehende Anwendung umziehen will, findet in der Infothek einen Leitfaden zur Migration vom Monolithen zu Microservices auf Kubernetes. Beratung, Coaching und Seminare zu Architektur, Betrieb und Automatisierung bietet unsere Themenseite Kubernetes Orchestrierung.

Häufige Fragen zu Kubernetes

Braucht man Docker, um Kubernetes zu nutzen?

Nicht als Laufzeit im Cluster. Kubernetes nutzt heute Laufzeiten wie containerd oder CRI-O. Docker bleibt aber ein gängiges Werkzeug, um auf dem Entwicklungsrechner Images zu bauen und zu testen. Diese Images entsprechen dem offenen OCI-Standard und laufen in jedem Kubernetes-Cluster.

Wie lange dauert es, Kubernetes zu lernen?

Die Grundbegriffe und ein erstes Deployment sind in wenigen Tagen zu schaffen. Den sicheren Betrieb eines produktiven Clusters mit Netzwerkregeln, Rechteverwaltung, Monitoring und Updates zu beherrschen, dauert erfahrungsgemäß Monate. Für Entwicklungsteams reicht oft ein solides Verständnis der Bausteine, wenn ein Plattformteam oder ein verwalteter Dienst den Betrieb übernimmt.

Ist Kubernetes sicher?

Kubernetes bietet die nötigen Werkzeuge, ist aber nicht automatisch sicher konfiguriert. Wichtig sind ein restriktives Rechtekonzept (RBAC), Netzwerkrichtlinien zwischen Pods, verschlüsselte Secrets, regelmäßige Updates und geprüfte Container-Images aus vertrauenswürdigen Quellen.

Kann Kubernetes auch im eigenen Rechenzentrum laufen?

Ja. Kubernetes ist nicht an eine Cloud gebunden. Mit Distributionen wie OpenShift oder Rancher lässt es sich auf eigener Hardware betreiben. Der Betriebsaufwand liegt dann vollständig beim eigenen Team.

Mehr aus „Cloud & DevOps“

Monolithen skalieren: Was Netflix und Prime Video wirklich zeigen

Auch Monolithen skalieren horizontal. Lesen Sie, was die Fälle Netflix und Prime Video wirklich zeigen und wann eine einzelne Anwendung große Last trägt.

mehr erfahren

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

Local-First Software: Wie dezentrale Anwendungen funktionieren

Local-First Software speichert Daten zuerst auf dem Gerät und gleicht sie später ab. Wie CRDTs, Automerge und Yjs funktionieren und wann sich das lohnt.

mehr erfahren

DevOps in der Softwareentwicklung: Kultur, Praktiken, Messgrößen

DevOps verbindet Entwicklung und Betrieb zu gemeinsamer Verantwortung. Welche Prinzipien dahinterstehen, wie Fortschritt messbar wird und wo Teams scheitern.

mehr erfahren

Skalierbare Webanwendungen entwickeln: die wichtigsten Hebel

Skalierbare Webanwendungen brauchen zustandslose Server, Caching, eine wachsende Datenbank und Messungen. Lesen Sie, welche Hebel wann wirken.

mehr erfahren

Serverless Architecture: Best Practices für den Betrieb in der Cloud

Serverless-Anwendungen stabil betreiben: wie Sie Funktionen zuschneiden, Kaltstarts und doppelte Ereignisse beherrschen, Limits setzen und Kosten überwachen.

mehr erfahren

Weitere Blog-Artikel

JWT in JavaScript: Token-basierte API-Sicherheit richtig umsetzen

JSON Web Tokens sichern viele REST APIs ab. Wie Sie JWTs in JavaScript korrekt signieren, prüfen, speichern und widerrufen und wann OAuth 2.0 passt.

mehr erfahren

Angular in der Praxis: Von Komponenten bis Dependency Injection

Angular in der Praxis: wie Standalone-Komponenten, Templates und Dependency Injection mit inject() zusammenwirken und worauf Sie in Projekten achten sollten.

mehr erfahren

React erklärt: Grundlagen der JavaScript-Bibliothek für Web-UIs

React baut Benutzeroberflächen aus Komponenten, die auf Datenänderungen reagieren. Die Grundlagen von JSX, Props, State und Hooks und das Ökosystem.

mehr erfahren

Mobile Apps entwickeln mit Ionic, Angular und TypeScript

Ionic und Capacitor machen aus einer Angular-Webanwendung eine App für iOS und Android. Wie das funktioniert, was es kostet und wann andere Wege besser sind.

mehr erfahren

Bootstrap 5: Komponenten mit JavaScript steuern und anpassen

Bootstrap 5 steuert Modals, Tooltips und Toasts ohne jQuery. Wie Sie die Plugins per JavaScript nutzen, anpassen, barrierearm einsetzen und schlank laden.

mehr erfahren

RPA und Workflow-Automation: Geschäftsprozesse sinnvoll automatisieren

RPA, Workflow-Automation und KI-Agenten erklärt: wie die Techniken arbeiten, für welche Prozesse sie taugen und was Sie vor dem ersten Projekt klären sollten.

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: