
Wann reicht ein KI-Modell?
Wann sollte ein KI-System mit einem Modell beginnen und welche Verbesserung bei Qualität, Kosten, Geschwindigkeit oder Risiko rechtfertigt ein weiteres?
Ich schreibe darüber, wie Unternehmen mit KI, Software, Daten und Prozessneugestaltung messbaren Wert schaffen können – ausgehend vom Geschäftsproblem, nicht von der Technologie.
Seit 1998 entwickle ich Software mit unterschiedlichen Programmiersprachen und Technologien und entwerfe zuverlässige, skalierbare Systemarchitekturen.
Meine Perspektive reicht vom Programmieren und der Führung von Technologieteams bis zur praktischen Arbeit in Vertrieb, Marketing und operativen Abläufen vor Ort.
Mich interessiert weniger, was KI theoretisch kann, als welche Prozesse und Ergebnisse sie in einem realen Unternehmen verbessern kann.
Aktuelle Texte über KI, Software und Unternehmen.

Wann sollte ein KI-System mit einem Modell beginnen und welche Verbesserung bei Qualität, Kosten, Geschwindigkeit oder Risiko rechtfertigt ein weiteres?

OpenAIs Codex-Studie zeigt den Wandel von Fragen zu delegierter Arbeit – und welche Kennzahlen Unternehmen prüfen sollten, bevor sie von Wert sprechen.

KI kann Mitarbeitende und Dienstleister produktiver machen, ohne dass der wirtschaftliche Gewinn bei ihnen bleibt. Eine Analyse über Gehalt, Stundenabrechnung und Wettbewerb.












Praktische Notizen und Anleitungen zu Go, Linux, Docker, Web-Grundlagen und weiteren Themen – ergänzt, wenn neue technische Texte erscheinen.








Entscheidend ist nicht das Modell, sondern die Entscheidung, der Arbeitsablauf oder die Wirtschaftlichkeit, die es verändert.
KI-Texte ansehen →02In Prozessen, Übergaben, Informationen und Entscheidungen wird betriebliche Reibung sichtbar.
Unternehmenstexte ansehen →03Architektur, Infrastruktur und Umsetzung entscheiden, ob aus einer Idee ein verlässliches System wird.
Techniktexte ansehen →Zuerst versuche ich zu verstehen, was sich ändern muss. Die Technologie wähle ich erst, wenn Problem, erwarteter Nutzen und Kosten klar sind.
Was soll sich verbessern: Kosten, Geschwindigkeit, Kapazität, Qualität oder Umsatz?
Wie wird die Arbeit heute erledigt, und wo gehen Zeit, Geld oder Wissen verloren?
Auch wenn ich heute nicht handle, berücksichtige ich wahrscheinliche Szenarien. Eine kleine Vorbereitung kann später deutlich mehr Arbeit vermeiden.
Welche Veränderung führt am ehesten zu einem bedeutsamen Ergebnis?
Ist der erwartete Gewinn die Kosten, den Aufwand und das Risiko wert?
Was sollte entfernt oder verändert werden, bevor etwas automatisiert wird?
Passen KI, Software, ein bestehendes Produkt oder eine Prozessänderung am besten?
Die Veränderung umsetzen und messen, was sich tatsächlich verbessert.
Kurze Berichte über Systeme aus der Praxis und die Details, die sie nützlich gemacht haben.
Eine Echtzeitplattform für Entscheidungsunterstützung und Vertriebssteuerung mit Verteilung, Zahlungen und Managementübersicht.
Lesen →Erkenntnisse aus Entwicklung und Betrieb eines kanalübergreifenden Chatsystems für Patienten.
Lesen →Eine moderne Open-Source-Infrastruktur, aufgebaut mit einem kleinen Server und Cloudflare.
Lesen →Auf dieser Website teile ich Notizen zu KI, Software, meinen Produkten und Problemen aus der Arbeit.