Drei Agenten, drei Aufgaben: Der Developer-Agent übertrug meine CIO-Cockpit-Umgebung nach Rancher Desktop, der Test-Agent prüfte den Betrieb und der Auditor fand eine wichtige Lücke im Dateispeicher. Wie wir sie schlossen, warum der erste Login scheiterte und welche Entscheidungen bei mir blieben, zeigt dieser Erfahrungsbericht.
AI, Data & Automation
Practical use of artificial intelligence, data, and automation in enterprise environments. Covered are both experimentation and structured adoption, including governance, data quality, and the transition from isolated pilots to sustainable, value-driven AI integration.
Wenn aus Antworten Handlungen werden: Die Rolle der KI-Architektur
Wie kann ein KI-System gleichzeitig an mehrstelliger Arithmetik scheitern und dennoch weitreichende Systemeingriffe in der Softwareentwicklung vornehmen? Die Antwort liegt nicht im Sprachmodell allein, sondern in der umgebenden Kontrollarchitektur: der sogenannten Harness. Dieser Beitrag zeigt, warum probabilistische Kognition deterministische Leitplanken braucht – und weshalb operative KI-Sicherheit vor allem eine Frage konsequenter Softwarearchitektur ist.
Implementierung eines MCP-Servers
Wie lässt sich ein MCP-Server an ein Ticketsystem anbinden, ohne einen zweiten offenen Zugang zu schaffen? Der Rückblick auf Lutions zeigt eine Read-only-Integration mit kleinen Tools, Fachrechten und datensparsamem Audit.
MCP-Server: Der offene Standard zwischen KI-Hosts und deinen Systemen
Wie erhält ein LLM kontrollierten Zugang zu aktuellen Daten und erlaubten Aktionen? Dieser erste Teil der MCP-Reihe erklärt Architektur, Rollen und Ablauf einer Anfrage – vom KI-Host bis zum Fachsystem.
Ein lokaler Umzug als Infrastrukturtest mit Codex
Ein Speicherplatzproblem machte den Umzug einer lokalen Entwicklungsumgebung nötig. Der Erfahrungsbericht zeigt, wie konkrete Anforderungen, Codex-gestützte Kleinarbeit, Rollback und gezielte Smokes daraus einen Infrastrukturtest machten.
Das Grilling-Pattern: Anforderungen schärfen, bevor sie Code werden
Was passiert, wenn ein Agent aus einer offenen Anforderung sofort eine Lösung ableitet? Der Beitrag zeigt am Beispiel von Lutions, wie das Grilling-Pattern entscheidende Fragen klärt, bevor sie zu falschen Annahmen im Code werden.
Das LLM-Wiki in Lutions: Erste Gegenproben im Betrieb
Diese Werkstattnotiz fragt, was ein LLM-Wiki in einer realen Codebasis tatsächlich verändert. Die Gegenproben im Projekt Lutions liefern keinen Effizienzbeweis. Sie zeigen aber, dass der wiki-first-Einstieg Suchwege, Quellen und Antwortgrenzen bei mehrschichtigen Aufgaben sichtbarer machen kann.
Das LLM-Wiki in Lutions: Vom Pattern zum operativen Knowledge Layer
Der dritte Artikel der LLM-Wiki-Reihe zeigt, wie aus dem Pattern eine operative Wissensschicht wurde. Am Praxisprojekt Lutions wird nachvollziehbar, wie Wiki-first Intake, Knowledge Operations, Freshness-Prüfung und Release-Governance zusammenspielen, ohne das Wiki zur vermeintlichen Wahrheitsmaschine zu machen.
Das LLM-Wiki in der Softwareentwicklung: Persistentes Wissen über Code
Softwarewissen liegt selten nur im Code. Der Artikel entwickelt aus dem LLM-Wiki-Pattern die Idee eines code-nahen Knowledge Layers, der Code, Tests, Tickets, Reviews und Releases so verbindet, dass Menschen und KI-Agenten gezielter prüfen und entscheiden können.
Das LLM-Wiki: Persistentes Wissen für Menschen und KI-Agenten
Traditionelles KI-Wissensmanagement scheitert oft an seiner eigenen Komplexität: Teure Vektordatenbanken, fehleranfällige RAG-Pipelines und Wissensbanken, die unter ihrer eigenen Last zusammenbrechen, sind für viele Entwickler Alltag. Mit seinem viralen „LLM-Wiki“-Ansatz hat Andrej Karpathy einen Gegenentwurf vorgestellt, der auf radikale Einfachheit setzt: Ein persistentes, selbstwachsendes KI-Second-Brain aus reinem Markdown, organisiert in drei klaren Schichten. Doch wie funktioniert das Prinzip aus raw/, wiki/ und normativer Steuerung technisch im Detail? Wo liegen die operativen Stärken eines textbasierten Graphen – und warum sollte eine KI niemals das vollständige Knüpfen unseres Wissensnetzes übernehmen? Eine fundierte Analyse eines technologischen Paradigmenwechsels.








