Thema

AI und Agents

Engineering, Betrieb und Bewertung von AI-Systemen, Coding Agents und Modellinfrastruktur.

Blogbeiträge
168
Sammlungen
03

Was möchtest du erreichen?

Wähle eine Lesereihenfolge: von der ersten Entscheidung bis zur Umsetzung und Überprüfung.

Coding Agents und Entwicklerwerkzeuge

Repository-Kontext verbessern, Arbeit isolieren, Skills verwalten und generierten Code prüfen.

  1. Der Engpass war nie Intelligenz. Es war Kontext.
  2. Git Worktrees vs. Jujutsu für KI-Coding-Agenten: Entscheidungshilfe 2026
  3. WikiSkill: Wie Agenten SKILL.md aus Erfahrung weiterentwickeln
  4. QA für KI-generierten Code

Evaluation und Produktionsbetrieb

Workflows entwerfen, Berechtigungen absichern, Evaluation budgetieren und Rollout-Kriterien festlegen.

  1. KI-Agenten-Designmuster: Einfach starten, Aktionen prüfen
  2. Enterprise MCP Authorization: Multi-Tenant-Referenzarchitektur
  3. Wann lohnt es sich, ein LLM-Eval zu bauen? Kosten, ROI und dem Judge vertrauen
  4. KI-Agent-Pilot in 30/60/90 Tagen

Lokale KI und Betrieb

APIs mit lokaler Inferenz vergleichen, Betriebskosten planen und Hardware-Grenzen bewerten.

  1. Wann lokale Modelle APIs schlagen: Break-even-Rechner für EU-Unternehmen
  2. LLMs in der EU selbst hosten: Wann sich Open Weights wirklich rechnen
  3. Colibri führt GLM-5.2 auf Consumer-Hardware aus. Der Haken.

Gedächtnis, RAG und Unternehmenswissen

Retrieval-Architektur wählen, Kosten schätzen und Berechtigungen sowie Aktualität prüfen.

  1. RAG, Fine-Tuning oder Long Context? Vergleich 2026
  2. Was ein interner KI-Assistent in der DACH-Region wirklich kostet (2026)
  3. RAG-Production-Readiness-Checkliste für EU-Unternehmen

Modelle und Routing

Entscheidungsmodelle verstehen, Anbieter vergleichen, Kalibrierung prüfen und einen Piloten planen.

  1. OpenAI Decisions API: Konfidenz, Ablehnungen und Routing
  2. Cloudflare Clef vs. Jev: Preise, Benchmarks und Migration
  3. AnyJev: LLM-Kalibrierung und Optionsreihenfolge
  4. KI-Agent-Pilot in 30/60/90 Tagen

Dieses Thema erkunden

Hier starten

Neu in dieser Sammlung

Versetzte Rechtecke auf dem Titelbild zu Code Mode in Claude Code KI & Agenten

Wie viele Tokens spart Code Mode in Claude Code?

Dieselbe Rangliste aus 40 Dateien, 55.705 Eingabetokens weniger und 22 Sekunden mehr Wartezeit. So prüfst du, ob sich Code Mode für dein Repository lohnt.

Überlagerte Rahmen für die zwei Trainingsstufen Vortraining und SFT KI & Agenten

MiniMind auf der RTX 3090 selbst trainieren: Reichen zwei Stunden?

Mit welchen Annahmen das Projekt auf drei Yuan kommt. Dazu die passenden Trainingsbefehle und ein Prüfskript für Dialoge ohne verwertbare Antworttokens.

Geprüfte Beispiele trainieren einen kompakten Klassifikator mit automatischen Entscheidungen und menschlicher Prüfung KI & Agenten

Kleine Modelle fine-tunen: Was Airbnb zeigt

Ein Spezialist braucht mehr als günstige Inferenz. Prüfe Trainingsdaten, akzeptierte Fehler, Fallback, vollständige Kosten und den Weg in den Produktivbetrieb.

Ein großes Eurozeichen über abgestuften Kostenmarkierungen KI & Agenten

KI-Credits in Odoo: Budget für geprüfte Angebote

Trenne Credits, Tarifaufschlag, Erstprüfung und Korrektur. Eine synthetische Vorgangsliste macht das Budget vor der nächsten Volumenerhöhung prüfbar.

Ein gemeinsamer Ausgangspunkt verzweigt sich in 3 beschriftete Wege KI & Agenten

Odoo Helpdesk mit KI: einordnen, entwerfen oder eskalieren?

Trenne Ticketlabels, interne Antwortentwürfe und menschliche Übergaben. Prüfe Rechte und verpasste Eskalationen anhand vorgeschlagener Fälle.

Ein Strom aus Webquellen verzweigt sich in klar definierte Entscheidungen, in Wavect-Türkis und Violett KI & Agenten

Parallel Decisions API: RAG für Entscheidungsmodelle in der Praxis

Aktuelle Webquellen für klar definierte Entscheidungen: ein Praxisbeispiel zur Anbieterprüfung mit gemeinsamen Quellen, optionaler Konfidenz, Kosten und Grenzen.

Vollständiges Artikelverzeichnis

  1. Wie viele Tokens spart Code Mode in Claude Code?
  2. MiniMind auf der RTX 3090 selbst trainieren: Reichen zwei Stunden?
  3. Kleine Modelle fine-tunen: Was Airbnb zeigt
  4. KI-Credits in Odoo: Budget für geprüfte Angebote
  5. Odoo Helpdesk mit KI: einordnen, entwerfen oder eskalieren?
  6. Parallel Decisions API: RAG für Entscheidungsmodelle in der Praxis
  7. Open Ontologies: Herleitungszertifikate prüfen
  8. Speichert Scrapling extrahierte Datensätze in Checkpoints?
  9. TencentDB Agent Memory: Was läuft mit SQLite lokal?
  10. Cue Turn Detection: Telefonnummern, Benchmarks und Grenzen
  11. RTK AI 1.2: Token-Ersparnis, Einrichtung und Lizenzen
  12. Google SAM heißt jetzt Agent Mesh: MCP-Tools vernetzen
  13. Anatomy für Claude Code: Interaktive SVG für die Dokumentation
  14. EdgeQuake: PostgreSQL-GraphRAG als MCP-Gedächtnis für Agenten
  15. BitNet auf der CPU: 2B4T, RAM-Bedarf und die 100B-Angabe
  16. SuperPenguin: KI-Kosten pro PR, Kunde und Feature
  17. Claude Dashboards + Motion: Von KPIs zum Video
  18. OpenAI Intelligent UI vs. OpenUI: Generative UI für Business-Apps
  19. Wally von RunAnywhere: Kosten pro akzeptierter Coding-Aufgabe
  20. Reducto für deutsche Rechnungen: Nacharbeit richtig messen
  21. OpenAI Decisions API: Konfidenz, Ablehnungen und Routing
  22. Claude Model Router: Wann wechselt welches Modell?
  23. Cloudflare Clef vs. Jev: Preise, Benchmarks und Migration
  24. Context Language Models vs. Kompaktierung: Was testen?
  25. Caveman 3.0 für Claude Code: Lokale Input-Kompression, Recovery und Benchmarks
  26. LiteLLM Lens: Agenten-Traces mit SQL und APIs analysieren
  27. SmythOS Studio selbst hosten: Docker, Kosten und Grenzen
  28. DeerFlow 2.2: Docker-Setup, Sandboxes und Memory
  29. CLM-8B selbst hosten: vLLM, Action-Cache und Verifier
  30. AnyJev: LLM-Kalibrierung und Optionsreihenfolge
  31. LiteAgents SDK: Modell-Routing, Setup und Migration
  32. mcp-memory-service: Gemeinsames Gedächtnis für Claude Code und Cursor
  33. Claude Opus 5.5: Einsatzfälle, Prompts und Effort
  34. Laya und Jev im Unternehmen: 6 praktische Workflows
  35. Laya vs Jev: Benchmarks und das Risiko für KI-Startups
  36. Google AX: Suspend/Resume, Neustartkosten und Selbsthosting
  37. WikiSkill: Wie Agenten SKILL.md aus Erfahrung weiterentwickeln
  38. Tencent Octop im Review: Was Entwickler tatsächlich kostenlos bekommen
  39. Wigolo im Test: Lokale Web Intelligence für AI Agents
  40. Jev AI im Test: Entscheidungsmodelle für Agenten
  41. Supermemory: KI-Agenten mit Gedächtnis, RAG und lokalem Betrieb
  42. KI-Agenten-Designmuster: Einfach starten, Aktionen prüfen
  43. Claude Mods: Einrichtung, Function Hooks und Sicherheit
  44. Voicebox: Lokales Voice Cloning, Diktieren und MCP-Setup
  45. Valyus 0,6B-Router für Retrieval-Agenten: Ergebnisse, Grenzen und Einsatz
  46. OpenAI Agents API im Review: Migration, Kosten und Datenkontrollen
  47. Spotify shunt: Einrichtung, Token-Ersparnis und Grenzen
  48. OpenBot im Check: KI-Kollegen selbst hosten
  49. SwarmLLM Test 2026: Browser-P2P-Inferenz auf Smartphone und Laptop
  50. Ramp Inspect Architektur 2026: Background Coding Agents skalieren
  51. Model Hardware Standard: MHS für Physical AI im Unternehmen
  52. Fonio AI Erfahrungen 2026: Preise, API, DSGVO & Build vs Buy
  53. Mosaic (YC S26) im Check: Shared Memory für Coding Agents
  54. Ripwire Review 2026: Repo-Kontext für KI-Agenten ohne Embeddings?
  55. Atomare Multi-Datei-Edits für KI-Coding-Agenten: die Semaprax-Lektion
  56. Phonely Alma im Test: Ist das Voice-LLM produktionsreif?
  57. Utopia: Temporalen Wissensgraph im Unternehmen prüfen
  58. Wissenstransfer zwischen KI-Agenten: Einmal entdecken, günstiger skalieren
  59. claude-rotate: Ein Proxy für mehrere Claude-Max-Konten
  60. NVIDIA PAIR im Test: Lokales KI-Routing und die AMD-Lücke
  61. Feynman im Test: Ist der Open-Source AI Research Agent bereit für Teams?
  62. Obscura Browser im Test: Aussagen, Grenzen und Produktions-Fit
  63. Claude-Code-Designsystem: 4 Bausteine für markentreue UI
  64. Tencent Hy4 Preview im Test: Was ändert sich mit der Vollversion?
  65. PageLM im Check: Selbst hosten und kommerziell nutzen
  66. ChatGPT-Login: Das Modell sieht dein Passwort nicht
  67. M6 Mac mini vs. M5 Mac Studio für lokale KI: Kaufberatung
  68. KI-Agenten-Harness erklärt: Die Zuverlässigkeitsschicht rund um ein LLM
  69. FreeToken AI im Test: Frontier-MoE auf Consumer-GPUs?
  70. Darkbloom AI Test: Private Inferenz auf freien Macs
  71. Ox Alpha als GLM-5.3-Flash enthüllt: Was sich ändert
  72. Warum Agenten-Edits semantische Identität brauchen: SEMAPRAX in Rust
  73. LangChain Deep Agents im Test: Ist das Agent Harness produktionsreif?
  74. Pika Audio API Preise: Sind Soundeffekte wirklich 20x günstiger?
  75. Thunder Computes 13-Mio.-Dollar-Wette auf GPU-Virtualisierung: Einkaufsleitfaden
  76. OpenViking im Überblick: Dateisystem-Memory für KI-Agenten
  77. LLM-as-a-Verifier erklärt: Architektur, Kosten und Produktionseinsatz
  78. AirLLM mit 4 GB VRAM: So funktioniert Layer-wise Inference
  79. TrueForge im Test: Ist das Open-Source Agent Harness produktionsreif?
  80. Agentenlesbare Websites: llms.txt, Markdown-Spiegel und was kaputtgeht
  81. Qwen3.8-27B: Computer-Use-Agenten selbst hosten, ohne Screenshots zu exportieren
  82. Lokalisierte URL-Slugs und hreflang: Warum wir einen englischen Slug behalten
  83. Kann ein KI-Agent dein Produkt benutzen, oder nur darüber lesen?
  84. Graft Review 2026: Gehört die Repo-Map ins Git?
  85. Codag für Coding-Agenten: Tool-Ausgaben und Kosten
  86. Token-Kosten senken: Kosten je akzeptierter Coding-Aufgabe
  87. DeepSeek Harness im Test: Ist der Plugin-Stack produktionsreif?
  88. Der vLLM- und Triton-Stack von Netflix: 7 Produktionslektionen
  89. OpenSandbox selbst hosten: Sicherheit und Grenzen
  90. Transformers.js im Browser: Wann lokale KI in dein Produkt gehört
  91. Cloudflare Kitesurf im Test: Kosten, Grenzen und Produktions-Fit
  92. GitHub Spec Kit im Test: Lohnt sich der Prozess?
  93. Interner KI-Agenten-Marktplatz: Praxisleitfaden 2026
  94. LiteLLM selbst hosten: Production-Guide 2026
  95. KI-fähiges Unternehmenswiki: Architektur und Aufbau
  96. Ist Linux das beste Betriebssystem für KI-Agenten? Infrastruktur-Guide 2026
  97. Versieht Claude Texte mit Wasserzeichen? API-Antwort 2026
  98. OpenKB Review: Knowledge Compiler vs. RAG
  99. Unsloth Desktop im Test: Private lokale KI-Workstation?
  100. NeMo Switchyard 0.2: Agenten-Routing ohne Training?
  101. Firecrawl AnyDoc im Test: 14 Formate zu Markdown
  102. MCP Cloud vs. Manufact Cloud: MCP-Hosting-Ratgeber
  103. Muse Glimmer 30B: Ist Metas lokales Agentenmodell produktionsreif?
  104. KI-Texte menschlicher schreiben mit Agent Skills
  105. NVIDIA NOOA im Test: Sind objektorientierte Agenten produktionsreif?
  106. OmniRoute KI-Routing: Setup und Produktions-Checkliste
  107. Strix AI Pentesting: 30-Tage-Pilot und Kaufguide 2026
  108. Hyperagent im Test: Cloud-KI-Agenten ohne eigenen Server
  109. Gemini Robotics 2: Ganzkörpersteuerung und die Pilotentscheidung
  110. Hark Handoff im Test: Der Agent, der wirklich klickt
  111. Meta Muse Code Preise: Ist Contributor für Kundencode sicher?
  112. pdf-inspector im Test: PDFs vor OCR lokal routen
  113. Agent Reach im Test: Kosten, Sicherheit und Grenzen
  114. Cloudflare Wallets für KI-Agenten: Was ist live?
  115. Lokaler multimodaler KI-Coding-Assistent: Sprache, OCR und Datenschutz
  116. DeepSeek V4 Flash 0731 auf einem KI-PC: Was funktioniert?
  117. YC QM Agent im Test: Ist Quartermaster bereit?
  118. jcode vs Claude Code: Lohnt sich der Wechsel zum Rust-Harness?
  119. Lightpanda Browser für KI-Agenten: Praxischeck 2026
  120. Graph Engineering für KI-Agenten: Wann lohnt sich ein Knowledge Graph?
  121. Multi-Modell KI-Coding-Agent-Stack: Kaufleitfaden für Teams
  122. Ist MCP jetzt stateless? Deine Server-Migrationscheckliste
  123. MCP ist keine Sicherheitsgrenze: Agentendaten schützen
  124. Gemma 4 kostenlos mit Unsloth und Colab tunen
  125. Können KI-Agenten miteinander kommunizieren? Band-Guide
  126. Taalas HC1 im Check: Lohnt sich ein fest verdrahteter LLM-ASIC?
  127. LeanCTX Erfahrung aus Agentur-Sicht: technischer Praxisbericht
  128. Welches lokale LLM läuft auf deiner Hardware? llmfit Guide
  129. GPT-5.6 Sol mit CLIProxyAPI in Claude Code nutzen
  130. Miso TTS selbst hosten oder API: Kosten, Latenz und VRAM
  131. Enterprise MCP Authorization: Multi-Tenant-Referenzarchitektur
  132. RAG-Vektoren auf 2 Bit komprimieren: Ist datenunabhängige Quantisierung produktionsreif?
  133. LMCache meldet 13,7x niedrigere mittlere TTFT mit gemeinsamem KV Cache
  134. Verlustfreie LLM-Kompression vs. 8-bit GGUF: Was ist produktionsreif?
  135. Meterless im Test 2026: Ist der Context Layer produktionsreif?
  136. NVIDIA Nemotron 3.5 ASR: Ist Self-Hosted STT bereit für Voice Agents?
  137. Claude Code vs OpenCode: Was kostet dein Team 2026 weniger?
  138. Kimi K3 für EU-Unternehmen: API-Kosten, Datenschutz und Pilotplan
  139. Mesh LLM im Test: Ein großes LLM auf mehreren Rechnern ausführen?
  140. Graphify Review 2026: Lohnt sich ein Knowledge Graph für deine Codebasis?
  141. Bonsai 27B im Test: Läuft ein 27B-LLM wirklich auf dem Smartphone?
  142. KI-Pilot Kill-or-Scale-Scorecard: 12 Kennzahlen nach 30 Tagen
  143. Soofi S: Ist Deutschlands souveränes LLM bereit für Unternehmen?
  144. T3MP3ST Review 2026: Ersetzt es einen Penetrationstest?
  145. Colibri führt GLM-5.2 auf Consumer-Hardware aus. Der Haken.
  146. Open Knowledge Format (OKF): Der Unternehmensleitfaden
  147. AI Agent Cost per Action: Warum agentische Workflows Token-Rechnungen sprengen
  148. Wann lokale Modelle APIs schlagen: Break-even-Rechner für EU-Unternehmen
  149. LLM-Kostenrechner 2026: Rechne pro Aufgabe, nicht pro Token
  150. Pxpipe im Test: Senken Bilder Claude-Code-Kosten um 60%?
  151. Pro Token günstiger kann pro Aufgabe teurer sein
  152. Claude Fable 5.2 in Claude Code nutzen
  153. Anthropic sagt Nein zum Open-Weights-Verbot. Der Kostenkampf bleibt real.
  154. Was ein interner KI-Assistent in der DACH-Region wirklich kostet (2026)
  155. LLM-Gateways im Vergleich 2026: LiteLLM vs OpenRouter vs Portkey vs RouteLLM
  156. LLMs in der EU selbst hosten: Wann sich Open Weights wirklich rechnen
  157. Open-Weight-LLMs 2026: DeepSeek, Qwen, Kimi, GLM, Llama und Muse
  158. Der Engpass war nie Intelligenz. Es war Kontext.
  159. ChatGPT Enterprise vs. Copilot vs. eigenes RAG
  160. MCP, RAG, Agent Skills oder Custom GPTs?
  161. LLM-Token-Kosten 2026 senken
  162. KI-Agent-Pilot in 30/60/90 Tagen
  163. RAG über SharePoint, Confluence, Drive: Permissions-First
  164. RAG-Production-Readiness-Checkliste für EU-Unternehmen
  165. Wann lohnt es sich, ein LLM-Eval zu bauen? Kosten, ROI und dem Judge vertrauen
  166. Warum KI-Agentenprojekte abgebrochen werden
  167. RAG, Fine-Tuning oder Long Context? Vergleich 2026
  168. LLM-API-Kosten 2026. Architektur-Shift
Postfach, ohne Lärm

Erhalte die nächste Feldnotiz zu AI und Agents

Eine kurze E-Mail, wenn wir veröffentlichen. Ohne Tracking-Pixel und ohne Postfachfüller.