Nach Themen einsteigen
Cloud-Architektur
Wo laufen Agenten, welche Daten verlassen die Umgebung und wie werden Zugriffe begrenzt? Architekturentscheidungen zu Cloud, lokaler Ausführung, Identitäten und Zustand.
KI-Agenten im Unternehmen
Von den Grundlagen bis zu Geschäftsprozessen: Fähigkeiten, Wirtschaftlichkeit und Erfahrungen beim Einsatz von KI-Agenten in der täglichen Arbeit.
KI in der Softwareentwicklung
Wie Coding-Agenten mit Kontext, Werkzeugen und überprüfbaren Ergebnissen arbeiten: MCP, Context Engineering, Agent Loops und Entwicklungspraxis.
Aktuelle Artikel
RSS abonnierenChatGPT Dots: Mein Erfahrungsbericht mit einem KI-Assistenten
Mein erster Alltagstest mit ChatGPT Dots: eine vergessene Anmeldung, ein Gespräch unterwegs und ein überprüftes Ergebnis – mit meinem Mac mini und Dottys eigener E-Mail-Adresse.
WebMCP erklärt: Wie Webseiten zu Werkzeugen für KI-Agenten werden
WebMCP beschreibt Funktionen einer geöffneten Webseite als strukturierte Werkzeuge. So arbeiten Agent und Mensch im selben sichtbaren Zustand – mit klaren Sicherheitsgrenzen.
Agent Teams in Claude Code: Produktivitätssprung oder Tokenverbrennung?
Mehrere spezialisierte Agenten können parallel planen, programmieren und testen. Wann dabei echte Geschwindigkeit entsteht – und wann nur mehrfach bezahlte Arbeit.
Wenn KI-Agenten zu Teammitgliedern werden
Mein Praxistest mit Buzz, Codex und Devin – und warum der gemeinsame Arbeitsraum wichtiger werden könnte als die Suche nach dem einen besten Coding-Agenten.
Warum das teurere Modell den günstigeren Agenten bauen kann
Meine Einordnung zu Cognitions Fable-Opus-Vergleich: Warum Delegation, Kontext und Verifikation für Agentenkosten wichtiger sein können als der Tokenpreis.
Devin Outposts erklärt: Cloud-Gehirn, lokale Ausführung
Wo Agent Loop, Warteschlange, Worker und Session wirklich laufen – und warum Outposts kein vollständig lokales Devin ist.
Vom E-Mail-Chaos zum Reise-Cockpit: Meine Familienreise nach Nordafrika mit Codex
Wie Codex Buchungen, E-Mails, Fristen und Widersprüche in einen persönlichen Reiseplan verwandelte – mit klaren Quellen, Grenzen und menschlicher Kontrolle.
Git Worktrees: Der Parallelmodus für Coding-Agenten
Wie mehrere Coding-Agenten isoliert am selben Repository arbeiten, was Worktrees teilen und warum Konflikte beim Merge trotzdem bleiben.
Welche Identität hat ein KI-Agent?
Delegierte Rechte, Service Accounts und Zero Trust: Wie Benutzer-, Workload- und Agentenidentitäten Autonomie sicher und nachvollziehbar machen.
Wann sich KI-Agenten rechnen
Kosten- und Token-Ökonomie von Agentic AI: ein vollständiger Business Case mit Kosten pro Erfolg und klarer Entscheidung zwischen Agent, Workflow und Mensch.
Memory und State Management bei KI-Agenten
Warum KI-Agenten ohne klares Zustandsmodell nicht zuverlässig werden: Kontextfenster, Arbeitszustand, Langzeitgedächtnis, Tools und Governance.
Warum KI-Agenten jetzt aus der Tool-Ecke herauswachsen
Einordnung, warum KI-Agenten nicht mehr nur Entwicklerwerkzeuge sind, sondern Teil von Geschäftsprozessen, Governance und operativer Arbeit werden.
Microsoft 365 Copilot Cowork mit internen Daten: Warum MCP-Plugins der fehlende Baustein sind
Wie ein Cowork-Plugin aus Skills, MCP-Server und Microsoft Entra OAuth interne Daten sicher für Auswertungen und Interpretationen nutzbar macht.
Warum Microsofts Frontier Firm wichtiger ist als Copilot selbst
Warum Microsofts Frontier Firm kein weiteres Copilot-Feature ist, sondern ein Zielbild für Unternehmen mit hybriden Teams aus Menschen und KI-Agenten.
Das MCP C# SDK: Warum Model Context Protocol für .NET-Teams praktisch wird
Einordnung des offiziellen MCP C# SDK: wichtigste Features, NuGet-Pakete, ASP.NET Core Integration, OAuth, Apps, Tasks und die wichtigsten Samples.
MCP in der Praxis: Wann ein eigener Server sinnvoll ist und wann nicht
Wann lohnt sich ein eigener MCP-Server? Eine praktische Entscheidungshilfe zu Wiederverwendung, Datenzugriff, Sicherheit, Governance und Tool-Qualität.
Devin Fusion: Was das für Kunden wirklich bedeutet
Meine Einordnung zu Devin Fusion: Warum Multi-Modell-Orchestrierung für Kunden wichtiger ist als Modellnamen und welche Governance dafür nötig wird.
Junior und Senior Entwickler: Warum Growth Mindset wichtiger wird als Knowledge
Welche Fähigkeiten Junior und Senior Entwickler im KI-Zeitalter brauchen und warum Lernfähigkeit, Urteilskraft und Verantwortung wichtiger werden als reines Faktenwissen.
Lokale oder Cloud-KI-Agenten? Devin und hybride Arbeitsabläufe
Wann lokale Coding-Agenten sinnvoll sind und wann Cloud-Ausführung hilft: Devin als Beispiel, persönliche Arbeitsweise und eine konkrete Übergabe-Checkliste.
KI-Coding-Produktivität: Warum Unternehmen Entwickler anders schulen müssen
Warum echte KI-Coding-Produktivität nicht durch mehr Tool-Nutzung entsteht, sondern durch geschulte Arbeitsweisen wie Ask, Plan, Code.
Agent Loops erklärt: Ablauf, Beispiel und Stop-Regeln
Wie ein Agent Loop funktioniert: Ziel, Werkzeugaufruf, Rückmeldung und Abbruch. Mit einem Ablaufbeispiel und Grenzen für sichere, überprüfbare KI-Agenten.
KI-Agenten im Juni 2026: Vom Hype zur kontrollierten Arbeit
Was in den letzten 30 Tagen über KI-Agenten gesagt wurde: echte Workflows, positive Kundennutzung, Governance, Sicherheit und Enterprise-Reife.
MCP erklärt: Architektur, Tools und Sicherheit für KI-Agenten
Model Context Protocol erklärt: Host, Client und Server, Tools, Resources und Prompts sowie ein konkretes Tool-Beispiel mit Berechtigungsgrenzen.
Coding-Agenten begrenzen: Konvergenz, Testfehler und Abbruch
Endlosschleifen bei Coding-Agenten vermeiden: Fortschritt beim Bugfix messen, Testfehler unterscheiden und rechtzeitig mit einem prüfbaren Zwischenstand stoppen.
Strukturierte Prompts: Warum gute KI-Anweisungen wie kleine technische Artefakte sind
Warum reproduzierbares KI-Coding klare Rollen, Aufgaben, Kontext, Grenzen, Beispiele, Schemas und Validierung braucht.
Spezifikationsgetriebene Entwicklung: Warum KI klare Verträge braucht
Warum gute KI-Coding-Ergebnisse mit klaren Zielen, Datenmodellen, Fehlerpfaden, Schnittstellen, Akzeptanzkriterien und Rückfallplänen beginnen.
Context Engineering: Der eigentliche Hebel in der KI-gestützten Softwareentwicklung
Warum KI-Coding nicht am Prompt hängt, sondern an persistentem Projektwissen, Sitzungskontext, Just-in-Time-Kontext und gepflegten Regeln.
Agent-Loop-Patterns im Vergleich: ReAct, Planung und Review
Agent-Loop-Patterns auswählen: Tool Calling, Plan-and-Execute, Evaluator-Optimizer und Multi-Agent-Orchestrierung mit konkreten Entscheidungskriterien.
Cowork-Plugins in Microsoft 365 Copilot: Vom Chat zum Arbeitskontext
Cowork-Plugins zeigen, worauf es jetzt ankommt: kontrollierte Integration von Agenten, APIs, MCP-Servern und Unternehmensprozessen.
Microsoft Agent Framework 1.0: Zwischen GA und echter Adoption
Microsoft nennt Agent Framework 1.0 produktionsreif. Reddit fragt pragmatisch nach echten Projekten, Migrationserfahrung und belastbarem Enterprise-Nutzen.
Context Engineering für Coding-Agenten: Kontext, Tests und Rechte
Coding-Agenten gezielt briefen: mit einem konkreten Auftragsbeispiel, passenden Kontextquellen, überprüfbaren Tests und klaren Berechtigungsgrenzen.
Warum Microsoft 365 Copilot Cowork meinen Arbeitsalltag verändert
Ich nutze Cowork intensiv mit mehreren parallelen Agenten am Tag: für Meeting-Vorbereitung, Kommunikation, Projektstruktur und konkrete Arbeitsschritte in Microsoft 365.
Was ist ein KI-Agent? Aufbau, Beispiele und Grenzen
KI-Agenten verständlich erklärt: Unterschied zum Chatbot, Aufbau, ein Beispiel aus der Softwareentwicklung und Grenzen beim Einsatz im Unternehmen.
Wer ich bin und warum mich KI-Agenten beschäftigen
Ich verbinde langjährige Software- und Cloud-Architektur mit dem praktischen Einsatz von KI-Agenten: auf Basis moderner Microsoft-, OpenAI- und Cognition-Technologien.