Von Dev zu DevOps: Wie Entwicklungsteams den Wandel schaffen

Von Dev zu DevOps: Wie Entwicklungsteams den Wandel schaffen

Gemeinsame Verantwortung, CI/CD, Infrastructure as Code, Monitoring und On-Call: der Weg eines Teams in sinnvoller Reihenfolge

Aktualisiert:

Abstract

Der Weg zu DevOps verläuft in Etappen. Lesen Sie, welche Rolle Kultur, CI/CD, Infrastructure as Code, Monitoring und DORA-Kennzahlen dabei spielen.
  • #DevOps
  • #Softwareentwicklung
  • #Agile Methoden
  • #Continuous Integration
  • #Continuous Deployment
  • #Automatisierung
  • #IT-Teams
  • #Infrastructure as Code
  • #Platform Engineering

DevOps beginnt nicht mit einem Werkzeug, sondern mit der Frage, wer nachts angerufen wird, wenn die Software ausfällt

Freitagnachmittag, 16 Uhr: Das Entwicklungsteam hat das neue Release fertig und übergibt es an den IT-Betrieb. Dort soll es am Wochenende eingespielt werden. Am Montag stellt sich heraus, dass der Server eine andere Java-Version hat als die Testumgebung, die Datenbankmigration abgebrochen ist und niemand genau weiß, welche Konfigurationsdatei die richtige war. Die Entwickler:innen verweisen auf den Betrieb, der Betrieb auf die Entwicklung.

Diese Szene war lange Alltag in vielen Unternehmen und ist es mancherorts noch heute. DevOps ist die Antwort auf genau diese Bruchstelle. Der Begriff, um 2009 aus den Wörtern Development und Operations zusammengesetzt, steht für eine Arbeitsweise, in der ein Team Software nicht nur baut, sondern auch verantwortet, wenn sie läuft. Wie ein klassisches Entwicklungsteam diesen Weg gehen kann, in welcher Reihenfolge sich die Schritte bewähren und woran Fortschritt messbar wird, zeigen die folgenden Abschnitte.

Was DevOps ist und was nicht

DevOps ist weder ein Werkzeug noch eine Stellenbezeichnung, auch wenn Stellenanzeigen für „DevOps Engineers“ das nahelegen. Im Kern geht es um drei Dinge:

  • Gemeinsame Verantwortung für eine Anwendung über ihren gesamten Lebenszyklus, von der Idee bis zum Betrieb.
  • Kurze Rückkopplungsschleifen: Änderungen sind klein, gehen schnell in Produktion, und das Team erfährt rasch, ob sie funktionieren.
  • Automatisierung aller Schritte, die sich wiederholen, damit sie zuverlässig und nachvollziehbar sind.

DevOps steht in enger Verwandtschaft zu agilen Methoden. Scrum oder Kanban sorgen dafür, dass ein Team in kurzen Zyklen plant und entwickelt. DevOps verlängert diese Idee bis in den Betrieb: Was nützt ein Sprint von zwei Wochen, wenn das Ergebnis danach drei Monate auf ein Release-Fenster wartet? Die Haltung dahinter beschreibt der Beitrag über das agile Mindset in der Softwareentwicklung; einen allgemeinen Überblick über DevOps-Praktiken und Pipelines bietet DevOps in der Softwareentwicklung. Hier steht der Weg eines konkreten Teams im Vordergrund.

Etappe 1: Verantwortung neu verteilen

Der erste Schritt ist organisatorisch, und er ist der schwierigste. Solange die Entwicklung nach der Übergabe nichts mehr mit ihrer Software zu tun hat, fehlt der Anreiz, an Betriebsfragen zu denken: an Logs, an Konfiguration, an das Verhalten bei Last. Der Amazon-CTO Werner Vogels fasste das 2006 in dem oft zitierten Satz „You build it, you run it“ zusammen.

Für ein Team heißt das nicht, dass alle Entwickler:innen über Nacht zu Systemadministratoren werden. Bewährt haben sich Zwischenschritte:

  • Betriebskolleg:innen sitzen in Planungsrunden und Reviews mit am Tisch, nicht erst beim Release.
  • Das Team definiert gemeinsam, was „fertig“ bedeutet: nicht „der Code ist gemergt“, sondern „die Funktion läuft in Produktion und wird überwacht“.
  • Nach Störungen gibt es eine Nachbesprechung ohne Schuldzuweisung, ein sogenanntes blameless postmortem, das nach Ursachen im System statt nach Schuldigen sucht.

Angenommen, ein Team aus sechs Entwickler:innen betreut das Kundenportal eines Energieversorgers. Statt Tickets an eine zentrale Betriebsabteilung zu schreiben, bekommt es Zugriff auf die Produktionslogs und übernimmt Deployments selbst, zunächst mit Unterstützung eines erfahrenen Betriebskollegen. Das verändert spürbar, wie das Team über Fehlermeldungen und Konfiguration nachdenkt.

Etappe 2: Continuous Integration und Continuous Delivery

Ist die Verantwortung geklärt, folgt die Automatisierung der Auslieferung. Continuous Integration (CI) bedeutet, dass alle Entwickler:innen ihre Änderungen mindestens täglich in einen gemeinsamen Hauptzweig zusammenführen und jede Änderung automatisch gebaut und getestet wird. Continuous Delivery (CD) geht einen Schritt weiter: Jede Version, die alle Prüfungen besteht, kann jederzeit per Knopfdruck in Produktion gehen. Bei Continuous Deployment passiert das sogar ohne manuellen Schritt.

Eine typische Pipeline läuft so ab: Code wird eingecheckt, gebaut, mit Unit- und Integrationstests geprüft, auf Sicherheitslücken in Abhängigkeiten gescannt, als Artefakt – etwa ein Container-Image – abgelegt und dann in Test- und Produktionsumgebung ausgerollt. Werkzeuge wie GitHub Actions, GitLab CI/CD oder Jenkins stellen die Infrastruktur dafür bereit.

Wichtiger als das Werkzeug sind die Gewohnheiten: kleine Änderungen, schnelle und verlässliche Tests und kurzlebige Branches. Wie eine Pipeline im Detail aufgebaut ist und welche Praktiken sie wirksam machen, beschreibt unser Beitrag zu Continuous Integration und CI/CD-Pipelines.

Etappe 3: Infrastruktur als Code

Die Szene vom Anfang – andere Java-Version auf dem Server als im Test – hat eine typische Ursache: Server wurden von Hand eingerichtet, und niemand weiß mehr genau, wie. Infrastructure as Code (IaC) löst das, indem Server, Netzwerke, Datenbanken und Berechtigungen in Textdateien beschrieben und wie Anwendungscode versioniert, geprüft und automatisch ausgerollt werden.

Ein vereinfachtes Beispiel in der Konfigurationssprache HCL, wie sie Terraform und dessen quelloffener Ableger OpenTofu verwenden:

# Speicher-Bucket für Dokumente des Kundenportals (AWS)
resource "aws_s3_bucket" "portal_dokumente" {
  bucket = "kundenportal-dokumente-prod"

  tags = {
    Umgebung = "produktion"
    Team     = "kundenportal"
  }
}

# Versionierung aktivieren, damit überschriebene Dateien wiederherstellbar sind
resource "aws_s3_bucket_versioning" "portal_dokumente" {
  bucket = aws_s3_bucket.portal_dokumente.id

  versioning_configuration {
    status = "Enabled"
  }
}

Der Vorteil liegt weniger in der Zeitersparnis beim ersten Einrichten als in der Nachvollziehbarkeit: Jede Änderung an der Infrastruktur läuft über einen Code-Review, Test- und Produktionsumgebung entstehen aus derselben Beschreibung, und nach einem Ausfall lässt sich eine Umgebung reproduzierbar neu aufbauen. Für die Konfiguration bestehender Server ist Ansible verbreitet; wie das im Alltag aussieht, zeigt der Beitrag Ansible erklärt.

Etappe 4: Monitoring, Observability und Bereitschaft

Wer seine Software selbst betreibt, muss wissen, wie es ihr geht – bevor Kundinnen und Kunden anrufen. Monitoring beantwortet bekannte Fragen: Ist der Server erreichbar, wie hoch ist die Fehlerquote, wie lang die Antwortzeit? Observability geht weiter und meint die Fähigkeit, auch unerwartete Probleme aus Logs, Metriken und Traces zu erklären. OpenTelemetry hat sich dafür als herstellerneutraler Standard zum Erfassen dieser Daten etabliert.

Sinnvolle Alarme orientieren sich an dem, was Nutzer:innen erleben, nicht an jeder CPU-Spitze. Aus der Site Reliability Engineering, wie Google sie beschrieben hat, stammen dafür zwei hilfreiche Begriffe: ein Service Level Objective (SLO) legt fest, welches Verhalten als gut gilt, etwa „99,5 Prozent der Seitenaufrufe antworten in unter einer Sekunde“. Das Fehlerbudget ist der verbleibende Spielraum. Ist es aufgebraucht, hat Stabilität Vorrang vor neuen Funktionen.

Dazu gehört ein Bereitschaftsdienst (On-Call): Außerhalb der Arbeitszeit ist reihum eine Person erreichbar. Das ist für viele Teams der Moment, in dem DevOps konkret wird – und eine Frage der Fairness. Bereitschaft muss geregelt, vergütet und mit Ruhezeiten vereinbar sein; in Deutschland setzen Arbeitszeitgesetz und Tarif- oder Betriebsvereinbarungen hier den Rahmen. Gute Teams arbeiten zudem darauf hin, dass nächtliche Alarme selten bleiben: Jeder Alarm, der keine Handlung erfordert, wird abgeschafft.

Woran Sie Fortschritt messen: die DORA-Kennzahlen

Ob ein Team auf dem Weg zu DevOps vorankommt, muss niemand nach Gefühl beurteilen. Seit Mitte der 2010er-Jahre untersucht die Forschungsgruppe DORA (DevOps Research and Assessment), die 2018 von Google übernommen wurde, in fast jährlichen Befragungen, was leistungsfähige Softwareteams auszeichnet. Daraus stammen vier Messgrößen, die sich inzwischen als gemeinsame Sprache durchgesetzt haben: Wie häufig liefert das Team aus? Wie lange braucht eine Codeänderung bis in Produktion? Wie oft geht ein Deployment schief? Und wie schnell ist der Dienst danach wieder in Ordnung?

Zwei dieser Größen beschreiben das Tempo, zwei die Stabilität. Das überraschende und vielfach bestätigte Ergebnis der Berichte lautet, dass schnelle Teams meist auch die stabileren sind, weil kleine Änderungen leichter zu prüfen und im Fehlerfall leichter zurückzunehmen sind. DORA hat die Kennzahlen seither mehrfach präzisiert; wie sie im Einzelnen definiert sind und wie sie mit einer CI/CD-Pipeline zusammenhängen, erläutert der oben verlinkte Beitrag zu Continuous Integration.

Für ein Team auf dem Weg zu DevOps sind die Zahlen vor allem ein Spiegel: Angenommen, eine kleine Textänderung im Kundenportal braucht heute drei Wochen bis in Produktion, dann zeigt schon diese eine Messung, wo der Engpass liegt. Die Kennzahlen taugen dagegen nicht als Rangliste zwischen Teams. Sobald sie über Boni oder Beurteilungen entscheiden, werden sie geschönt und verlieren ihren Wert.

Platform Engineering: die aktuelle Weiterentwicklung

Mit der Zeit zeigte sich eine Schattenseite von „You build it, you run it“: Wenn jedes Team Pipelines, Kubernetes-Konfiguration, Monitoring und Sicherheitsscans selbst pflegen muss, steigt die Belastung, im Fachjargon die kognitive Last, stark an. Teams verbringen dann mehr Zeit mit Infrastruktur als mit Fachfunktionen.

Platform Engineering greift das auf. Ein eigenes Plattform-Team baut eine interne Entwicklerplattform, die anderen Teams fertige, abgesicherte Wege bereitstellt, oft golden paths genannt: eine Vorlage für einen neuen Dienst mit Pipeline, Monitoring und Standardkonfiguration, die sich per Selbstbedienung anlegen lässt. Portale wie das ursprünglich von Spotify entwickelte Open-Source-Projekt Backstage bündeln diese Angebote.

Platform Engineering ersetzt DevOps nicht, sondern macht es in größeren Organisationen tragfähig. Die Verantwortung für die eigene Anwendung bleibt beim Team, die Plattform nimmt ihm nur Routinearbeit ab. Für ein Unternehmen mit zwei Entwicklungsteams ist eine eigene Plattform allerdings meist überdimensioniert; dort genügen gemeinsam gepflegte Vorlagen und eine gut dokumentierte Pipeline.

Was das für Ihr Team bedeutet

Der Weg von Dev zu DevOps ist kein Projekt mit Enddatum, sondern eine Folge von Verbesserungen. Die Reihenfolge ist dabei nicht beliebig: Ohne geklärte Verantwortung bleibt eine Pipeline ein Werkzeug, das niemand pflegt. Ohne Automatisierung wird Bereitschaft zur Dauerbelastung. Und ohne Messwerte weiß niemand, ob sich etwas verbessert hat.

Unsere Empfehlung: Messen Sie zuerst, wo Sie stehen – etwa wie lange eine kleine Änderung bis in Produktion braucht. Suchen Sie den größten Engpass und beheben Sie ihn. Für die meisten Teams ist das die manuelle Auslieferung; dort bringt eine automatisierte Pipeline am schnellsten spürbaren Nutzen. Überschätzt wird dagegen oft die Werkzeugfrage: Ob GitHub Actions oder GitLab, ist zweitrangig gegenüber der Frage, ob das Team kleine Änderungen und gemeinsame Verantwortung wirklich lebt.

Wer die Einführung in einem Unternehmen begleiten lassen oder Teams gezielt schulen möchte, findet auf unserer Themenseite DevOps für Unternehmen Beratung, Coaching und Seminare.

Häufige Fragen zum Weg zu DevOps

Brauchen wir eigene DevOps-Engineers?

Nicht zwingend. DevOps ist eine Arbeitsweise des ganzen Teams. Hilfreich sind aber Personen mit Betriebserfahrung im Team, die Wissen über Infrastruktur, Monitoring und Sicherheit weitergeben. In größeren Organisationen übernimmt ein Plattform-Team viele dieser Aufgaben.

Wie lange dauert die Umstellung?

Erste Effekte, etwa schnellere und weniger riskante Deployments durch eine automatisierte Pipeline, zeigen sich oft nach wenigen Wochen. Ein echter Kulturwandel mit gemeinsamer Verantwortung und Bereitschaft braucht deutlich länger, häufig ein Jahr oder mehr.

Funktioniert DevOps auch in regulierten Branchen?

Ja. Automatisierte Pipelines erzeugen sogar bessere Nachweise als manuelle Prozesse: Jede Änderung ist mit Review, Testergebnis und Freigabe dokumentiert. Vorgaben zur Funktionstrennung lassen sich über Freigabestufen in der Pipeline abbilden.

Ist DevOps nur etwas für Cloud-Anwendungen?

Nein. Die Prinzipien gelten auch für Anwendungen im eigenen Rechenzentrum. Infrastructure as Code, CI/CD und Monitoring funktionieren dort ebenso, auch wenn Cloud-Dienste den Einstieg oft erleichtern.

Kategorien

Schlagworte

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

Java-Sicherheit: Sicher programmieren mit Beispielen aus der Praxis

Sichere Java-Programmierung mit Code: Eingaben prüfen, SQL-Injection verhindern, Deserialisierung absichern, Secrets schützen und Abhängigkeiten prüfen.

mehr erfahren

Spring Framework: Einführung in Spring und Spring Boot für Java

Spring ist das verbreitetste Framework für Java-Backends. Sie erfahren, wie Dependency Injection, Spring Boot und Spring Data zusammenspielen.

mehr erfahren

Stack in JavaScript und TypeScript: LIFO verstehen und umsetzen

Stack in JavaScript und TypeScript: wie das LIFO-Prinzip funktioniert, wie Sie einen typsicheren Stack bauen und wofür er sich in der Praxis eignet.

mehr erfahren

Mockito in der Praxis: Unit-Tests für Java mit Mockito 5 und JUnit

Mockito 5 mit JUnit Jupiter: Wie Sie Mocks, Spies, ArgumentCaptor und statische Mocks einsetzen, Spring-Boot-Tests aufsetzen und Overmocking vermeiden.

mehr erfahren

Hibernate in Java: Leitfaden für den Datenbankzugriff mit ORM

Hibernate bildet Java-Objekte auf Tabellen ab. Sie erfahren, wie Entitäten, Transaktionen und Abfragen funktionieren und wie Sie N+1-Abfragen vermeiden.

mehr erfahren

Micro Frontends: Wann sich die Architektur für Webanwendungen lohnt

Micro Frontends teilen eine Weboberfläche auf mehrere Teams auf. Wann sich das lohnt, was es kostet und welche Alternativen Sie zuerst prüfen 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: