Programmieren mit KI: Vom KI-Prototyp zum echten Release
Wie wird aus einem KI-Prototyp echte Software? Dieser Beitrag zeigt den Weg eines BMI-Rechners über Codex, Pull Requests, README-Update und Changelog bis zum Release.
Wie wird aus einem KI-Prototyp echte Software? Dieser Beitrag zeigt den Weg eines BMI-Rechners über Codex, Pull Requests, README-Update und Changelog bis zum Release.
Basierend auf einer Literaturrecherche wird untersucht, wie sich in längeren Interaktionen mit großen Sprachmodellen Bedeutungsverschiebungen, Strukturbrüche, thematische Abdrift und Kontextverlust manifestieren.
Der Artikel beschreibt wiederkehrende Probleme bei der Arbeit mit LLMs: Begriffe und Strukturen verschieben sich im Dialog („Drift“), frühere Aussagen verlieren an Bedeutung und lange Chats werden zunehmend instabil. Zudem fehlt den Modellen eine verlässliche Persistenz – sowohl innerhalb eines Chats als auch zwischen Sitzungen.
Der EU AI Act ist da – und mit ihm die Pflicht, jedes KI-System korrekt einzuordnen. Doch zwischen den Artikeln, Anhängen und Ausnahmeregelungen der Verordnung den Überblick zu behalten, ist eine echte Herausforderung. Ist ein System verboten? Fällt es unter Hochrisiko? Oder reichen Transparenzpflichten?
Um diese komplexen Fragen greifbar zu machen, wurde die Logik des AI Acts in einen klaren Entscheidungsbaum überführt – und daraus eine Web-App entwickelt, die in wenigen Schritten eine erste Risikoeinschätzung liefert.
Ich habe mich schon länger gefragt, ob künstliche Intelligenz wirklich eine substanzielle Hilfe beim Programmieren sein kann. Als jemand, der schon oft erlebt hat, wie hoch die Hürden für den Einstieg sein können – komplexe Syntax, unbekannte Frameworks und endlose Fehlersuchen – wollte ich das selbst auf die Probe stellen. Deshalb habe ich es einfach
Der DSAG-Jahreskongress ist jedes Jahr eine wahre Fundgrube an Erkenntnissen und neuen Perspektiven. Ein Schaubild, das ich in dieser Form bisher zugegebenermaßen noch nicht gesehen hatte, ist das “SAP Big Picture Architecture” [1] , das eine umfangreiche Referenzarchitektur mit drei Hauptschichten zeigt, auf die ich nachfolgend eingehen möchte. 1. Das Fundament: Sources & Open Ecosystem
Ein Rückblick auf den DSAG-Jahreskongress 2025: Spannungsfeld zwischen SAP-Vision, Cloud-Transformation, KI-Einsatz und den Erwartungen der Anwenderunternehmen.
An diesem Wochenende habe ich ein kleines Experiment gestartet: Was passiert, wenn ich einen meiner Blogbeiträge durch Googles NotebookLM laufen lasse – und daraus ein Video machen lasse? Die Idee: NotebookLM ist ein KI-gestütztes Tool, das Texte analysiert, zusammenfasst und als Video oder Podcast aufbereitet. Aber wie gut klappt es, wenn man damit einen Blogbeitrag
In der Ära der künstlichen Intelligenz hat sich die Interaktion zwischen Mensch und Maschine grundlegend gewandelt. Die Eingabe von Befehlen hat sich von einer rein technischen Notwendigkeit zu einer Kunstform entwickelt. Prompting ist nicht mehr nur ein Kommunikationsmittel, sondern die primäre Schnittstelle zur Generierung von Inhalten mit Large Language Models (LLMs). Für Content-Creator und Blogger,
I have already tried out several image generation tools, and some of the images created adorn the posts on the blog. The results were often impressive, but there were always these little issues: long waiting times, inconsistencies in characters, or the feeling that the AI didn’t quite understand what I wanted. When the first information