Tutorials on CHAOSNODE

C++: The Documentary - 40 Jahre Erfolgsstory

Fri, 05 Jun 2026 00:00:00 +0000

Herb Sutter kündigt die Veröffentlichung von “C++: The Documentary” an - ein 70-minütiger Rückblick auf 40 Jahre C++-Entwicklung mit Bjarne Stroustrup und zahlreichen Pionieren.

Wer erscheint

Die Dokumentation versammelt Schlüsselfiguren der C++-Geschichte:

Bjarne Stroustrup: Designer und ursprünglicher Implementierer von C++ bei Bell Labs
Alexander Stepanov: Designer der Standard Template Library
Anders Hejlsberg: Schöpfer von C#, TypeScript und Turbo Pascal
Andrei Alexandrescu: Principal Research Scientist bei Nvidia
Brian Kernighan: Bell Labs, Ko-Autor von “The C Programming Language”
Chris Lattner: Erschaffer von LLVM, Clang und Swift
John Romero: Doom-Mitentwickler, Co-Founder id Software

Meilensteine

Von bescheidenen Anfängen bis zur globalen Adoption. Aktueller Stand (Stand Q3 2025): C++ ist die am schnellsten wachsende der Top-4-Sprachen mit +90% mehr Nutzern in 3,5 Jahren.

Ladybird ändert die Entwicklungsrichtung

Fri, 05 Jun 2026 00:00:00 +0000

Das Ladybird-Projekt, ein unabhängiger Open-Source-Webbrowser, hat Änderungen an seinem Entwicklungsmodell bekanntgegeben. Die Initiative, die aus SerenityOS hervorging, verfolgt ambitionierte Ziele.

Was ist Ladybird?

Ladybird ist ein von Grund auf neuer Browser ohne Corporate-Backing. Keine Chromium-Basis, keine Gecko-Engine - ein komplettes Neugebäude inklusive Rendering-Engine, JavaScript-Engine und UI.

Open Source bleibt

Der Quellcode bleibt öffentlich unter einer Open-Source-Lizenz. Beiträge von außen sind weiterhin willkommen: Bug Reports, Reduktionen, Website-Testing, Standards-Diskussion, Design-Diskussion, Security Reports und technisches Feedback.

Uruky: EU-basierte Kagi-Alternative mit Bildersuche

Fri, 05 Jun 2026 00:00:00 +0000

Uruky positioniert sich als europäische Alternative zu Kagi - eine Privatsphäre-fokussierte Suchmaschine ohne Werbung und Tracking. Neu: Bildersuche und URL-Rewrite-Features.

Kernprinzipien

EU-basiert: Kein US-CLOUD-Act, keine US-Datenzugriffe
Kein Surveillance Capitalism: Bezahlt statt trackt - 5€/Monat für unbegrenzte Suchen
Personalisierung ohne Ökosystem: Domains ausschließen oder bevorzugen
JavaScript-optional: Suche funktioniert auch ohne JS

Neue Features

Bildersuche

Uruky indexiert nun auch Bilder. Ergebnisse bleiben privat - keine Profilerstellung aus Suchmustern.

URL Rewrites

Benutzer können URLs umschreiben: Tracker entfernen, AMP-Versionen auf Original umleiten, Affiliate-Parameter strippen. Konfigurierbar pro Domain.

Weltraumgestützte GNSS-Interferenz: Russische Molniya-Satelliten identifiziert

Fri, 05 Jun 2026 00:00:00 +0000

Ein Forschungsteam der University of Texas hat die Quelle persistenter GNSS-Interferenzen über Europa, Grönland und Kanada identifiziert: Eine Konstellation russischer Frühwarn-Satelliten auf Molniya-Orbits.

Die Analyse

Zwischen 2019 und 2026 sammelten terrestrische Referenzstationen Daten über “Transient Wide-Area Interference Events”. Das Team entwickelte ein leistungsbasiertes Erkennungsframework und analysierte räumliche, zeitliche und spektrale Muster.

Die Identifikation

Durch Kombination von Empfangsleistung und Time-Difference-of-Arrival-Messungen identifizierten die Forscher die Interferenzquelle sicher: Russische Frühwarn-Satelliten auf hochelliptischen Molniya-Bahnen. Diese Orbits ermöglichen maximale Abdeckung über nördlichen Breiten.

CS336: Sprachmodellierung von Grund auf

Tue, 02 Jun 2026 00:00:00 +0000

Stanford bietet mit CS336 einen Kurs an, der Studierende durch den gesamten Prozess der Entwicklung eines eigenen Sprachmodells führt. Inspiriert von Betriebssystemkursen, die ein ganzes OS von Grund auf erstellen, deckt CS336 alle Aspekte ab: Datensammlung und -bereinigung für Pre-Training, Transformer-Architektur, Training und Evaluation bis zur Bereitstellung.

Der Kurs ist als 5-Einheiten-Klasse konzipiert und extrem implementierungsintensiv. Studierende schreiben deutlich mehr Code als in typischen KI-Kursen und erhalten minimale Vorstrukturierung. Voraussetzungen sind Python-Profizienz, Erfahrung mit Deep Learning und Systemoptimierung sowie Grundkenntnisse in Linearer Algebra und Mathematik.

PyTorch Profiler Tutorial: Performance-Engpässe systematisch finden

Mon, 01 Jun 2026 00:00:00 +0000

Wer mehr Tokens pro Sekunde aus einem LLM herausholen oder Millisekunden bei der Inference sparen will, kommt am Profiling nicht vorbei.

Kurzbeschreibung

HuggingFace startet eine Tutorial-Serie, die Profiling für PyTorch-Entwickler zugänglich macht – von einfachen Operationen bis zu großen LLMs.

Abstract

Profiling hat eine steile Lernkurve. Die Traces sind dichte Farbflächen, die Events tragen einschüchternde Namen, und die meisten Tutorials setzen voraus, dass man Traces bereits lesen kann. Die Serie “Profiling in PyTorch” von HuggingFace versucht, diese Hürde zu senken.

Stanford CS336: Sprachmodelle von Grund auf lernen

Mon, 01 Jun 2026 00:00:00 +0000

Stanford CS336 ist ein fortschrittlicher Kurs, der Studierende durch den kompletten Prozess der Entwicklung eines eigenen Sprachmodells fuehrt – angelehnt an das bewaehrte Konzept von Betriebssystemkursen, bei denen ein komplettes OS von Grund auf erstellt wird. Instruktorinnen Percy Liang und Tatsunori Hashimoto leiten die Teilnehmenden dabei durch alle wesentlichen Phasen: von der Datensammlung und -vorearbeitung ueber die Konstruktion der Transformer-Architektur bis hin zu Training, Evaluierung und Deployment.

Der praxisorientierte Aufbau besteht aus fuenf umfangreichen Assignments. Zunaechst implementieren Studierende alle Kernkomponenten eines Transformer-Modells: Tokenizer, Modellarchitektur und Optimizer. Darauf aufbauend werden System-aspekte behandelt – darunter Profiling, die eigene Implementierung von FlashAttention2 mit Triton sowie verteiltes Training ueber mehrere GPUs. Weitere Schwerpunkte sind Skalierungsstrategien, Datenverarbeitung sowie Alignment und Reasoning mit Reinforcement Learning, einschliesslich DPO fuer sicherheitsrelevante Anwendungen.

Guenstige VRAM-Upgrades fuer lokale LLM-Entwicklung

Sun, 31 May 2026 00:00:00 +0000

Kurzfassung

Wie man mit 200 GBP und einem SXM2-Adapter 32GB VRAM erreicht. Ein Praxis-Tutorial fuer Entwickler, die lokal mit groesseren Modellen experimentieren wollen.

Abstract

Fuer lokale LLM-Inferenz ist VRAM der limitierende Faktor. Eine RTX 4080 mit 16GB reicht fuer viele Modelle nicht aus. Die Alternative: Eine gebrauchte Tesla V100 SXM2 aus dem Jahr 2017 kostet 150 GBP auf eBay und bietet 16GB HBM2-Speicher.

Die Voraussetzungen:

Formfaktor verstehen: SXM2-GPUs haben keinen PCIe-Slot. Ein Adapter ist noetig (50 GBP)
Speicherbandbreite: HBM2 bietet 900 GB/s – mehr als moderne Consumer-GPUs
Kuehlung loesen: Der Standardluefter laeuft mit 82dB. PWM-Steuerung erforderlich

Der Hardware-Weg:

Refactoring ohne RisikoVier Teams zeigen wie es geht

Sun, 31 May 2026 00:00:00 +0000

Die Refactoring-Falle

Jeder kennt das Problem: Die Codebasis braucht Aufmerksamkeit, aber das Refactoring wird aufgeschoben. Laut einer Microsoft-Studie von 2014 halten 76% der Entwickler es fuer wahrscheinlich, dass Refactoring subtil Bugs oder Regressionen einfuehrt. Eine CMU-Umfrage von 2022 zeigte, dass 71% der Senior-Practitioner grosse Refactorings durchfuehren wollten, aber es aufgrund der erwarteten Kosten nicht taten.

Der Kern des Problems ist eine rationale Risiko-Kalkulation: Der Schmerz des Refactorings ist unmittelbar und konkret, waehrend die architektonischen Vorteile spaeter und verteilt auftreten. Die Kalkulation aendert sich erst, wenn die Kosten der Aenderung selbst sinken.

Agenten-Harness Scaffold und KI-Agent-Begriffe

Sat, 30 May 2026 00:00:00 +0000

Die Welt der KI-Agenten entwickelt sich rasant, und mit ihr eine verwirrende Terminologie.

Ein Agent-Harness ist das Framework, das einen KI-Agenten mit den notwendigen Werkzeugen und Schnittstellen ausstattet.

Ein Scaffold beschreibt die Struktur des Agenten selbst. Die interne Organisation seiner Komponenten, das Memory-System und die Entscheidungslogik.

Wichtige Begriffe:

Harness fuer externe Werkzeuge und I/O-Schnittstellen
Scaffold fuer interne Struktur und Entscheidungslogik
Orchestrator fuer Koordination mehrerer Agenten
Runtime fuer Ausfuehrungsumgebung mit Resource-Management

Link zum Original

Harness, Scaffold, and AI Agent Terms

ITBench-AA - Erster Agenten-Benchmark fuer Enterprise-IT

Sat, 30 May 2026 00:00:00 +0000

IBM und Artificial Analysis haben ITBench-AA veroeffentlicht. Der erste Benchmark speziell fuer agentische IT-Tasks.

Was ist ITBench-AA

ITBench-AA testet Infrastructure Management, Troubleshooting, Security Operations und Code-Base-Navigation.

Die Ergebnisse sind ernuechternd: Selbst Claude Opus 4 erreicht nur 47.2%, GPT-4o 44.8%. Kein Modell erreicht die 50%-Schwelle.

Implikationen fuer Enterprise-AI

Agentische IT-Automation erfordert Human-in-the-Loop. Agenten nur fuer gut-definierte Teil-Tasks einsetzen. Jede Agent-Action muss ueberwacht werden.

Link zum Original

ITBench-AA Benchmark

PyTorch Profiler: Einsteiger-Guide für torch.profiler

Sat, 30 May 2026 00:00:00 +0000

Was du nicht profilieren kannst, kannst du nicht optimieren

Profiling ist der Schlüssel zur Performance-Optimierung – egal ob du mehr Tokens pro Sekunde aus einem LLM pressen willst, Millisekunden von der Inferenz scheren oder einfach verstehen möchtest, warum dein Training langsamer läuft als erwartet.

Aber Profiling hat eine steile Lernkurve. Die Traces sind dichte Wände aus farbigen Rechtecken. Die Events tragen einschüchternde Namen. Die meisten Tutorials setzen voraus, dass du sie schon lesen kannst.

Anthropic sammelt 65 Milliarden Dollar ein

Fri, 29 May 2026 00:00:00 +0000

Anthropic hat eine der größten Finanzierungsrunden in der Geschichte der KI-Industrie abgeschlossen: 65 Milliarden Dollar in der Series H, was das Unternehmen mit 965 Milliarden Dollar post-money bewertet. Die Summe übertrifft die meisten Börsengänge traditioneller Technologieunternehmen und unterstreicht das massive Kapital, das derzeit in die Entwicklung sicherer und leistungsfähigerer Sprachmodelle fließt.

Diese Bewertung ist nicht nur ein finanzieller Meilenstein, sondern ein Signal an den gesamten Markt: Das Rennen um die dominante KI-Plattform ist längst ein Duell zwischen Giganten. Anthropic positioniert sich mit Claude als ernsthafte Alternative zu OpenAI’s GPT und Google’s Gemini. Die Sicherheit und Ausrichtungen der Modelle – Claude’s konstitutionelle KI – ist das Unterscheidungsmerkmal, das Investoren überzeugt hat.

Reachy Mini lokal betreiben: Sprachsteuerung ohne Cloud

Fri, 29 May 2026 00:00:00 +0000

Kurzbeschreibung

Hugging Face zeigt, wie Sie Reachy Mini mit vollständig lokaler Sprachpipeline betreiben. Keine Cloud, keine API-Keys, keine Daten verlassen Ihr Netzwerk – alles läuft auf Ihrer eigenen Hardware.

Vom Cloud-zur-Loakal-Lösung

Nach dem Zusammenbau des Reachy Mini installieren Sie die Conversation-App und beginnen zu sprechen. Bisher mussten Sie Audio an einen Server senden. Das ist vorbei. Dieser Guide führt durch den kompletten Stack auf lokaler Hardware.

Die Lösung basiert auf speech-to-speech, einer kaskadierten VAD → STT → LLM → TTS-Pipeline, die eine Realtime API-kompatible /v1/realtime WebSocket bereitstellt. Kaskadierte Pipelines sind die flexibelste Option im Open-Source-Bereich – mit den richtigen Komponenten sind sie auch die schnellsten.

Was Benchmarks uns wirklich sagen

Fri, 29 May 2026 00:00:00 +0000

Die Lenz Research Studie über LLM-Disagreement bei Faktenchecks hat fundamentale Implikationen für alle, die KI-Modelle in Produktion einsetzen. Wenn selbst die “besten” Modelle bei 67% der realen Anfragen uneinig sind, was bedeutet das für die Zuverlässigkeit von KI-gestützter Entscheidungsfindung?

Die Antwort liegt im Verständnis von Benchmarks. Traditionelle Evaluierungen nutzen statische Testsets mit bekannten Antworten. Modelle werden darauf trainiert, diese Muster zu erkennen. Aber reale Faktenchecks haben keinen klaren Kanon – sie sind nuanciert, kontextabhängig, und manchmal subjektiv. Die Studie zeigt, dass Modelle in der “True” und “False” Zone noch am ehesten übereinstimmen, aber bei den Zwischenkategorien “Mostly True” und “Misleading” stark divergieren.

KI-Kennzeichnung auf YouTube: Ein Praxisleitfaden

Thu, 28 May 2026 08:00:00 +0200

YouTube hat im Mai 2026 ein verbessertes System für KI-Kennzeichnungen eingeführt. Für Creator stellt sich die Frage: Wie nutze ich das richtig? Dieser Guide erklärt die Praxis.

Wann muss ich kennzeichnen?

Pflicht zur manuellen Offenlegung besteht bei fotorealistischen und inhaltlich signifikant durch KI veränderten Inhalten. Beispiele:

Deepfakes oder künstlich generierte Personen
Vollständig generierte Szenen
Signifikant veränderte Originalaufnahmen

Nicht pflichtig sind offensichtlich animierte oder stark gestylte KI-Inhalte.

Wo erscheint das Label?

Bei Langvideos steht es direkt unter dem Player, sichtbar vor der Beschreibung. Bei Shorts erscheint es als Overlay im Video selbst. Zuschauer sehen es also sofort.

KI-Agenten in der Praxis: ITBench-AA Benchmark zeigt Grenzen auf

Thu, 28 May 2026 00:00:00 +0000

Artificial Analysis und IBM haben mit ITBench-AA einen neuen Benchmark veröffentlicht, der KI-Agenten auf realen Enterprise-IT-Aufgaben testet. Der Fokus liegt auf Site Reliability Engineering (SRE) – konkret auf der Diagnose von Kubernetes-Incident-Response-Szenarien. Agenten müssen Log-Dateien analysieren, Abhängigkeiten verfolgen und Root-Cause-Entities in komplexer Infrastruktur identifizieren.

Die Ergebnisse sind ernüchternd: Kein einziges Frontier-Model erreicht 50%. Claude Opus 4.7 führt mit 47%, gefolgt von GPT-5.5 mit 46% und Qwen3.7 Max mit 42%. Damit gehört ITBench-AA zu den am wenigsten gesättigten agentischen Benchmarks – die Modelle haben hier noch deutliches Entwicklungspotenzial.

Agent Harness Engineering: Wie man AI-Agenten wirklich baut

Wed, 27 May 2026 00:00:00 +0000

Agent-Glossare sind gut. Aber wie baut man einen Agenten tatsächlich? Das Hugging Face Glossar liefert die Konzepte – hier ist der Engineering-Teil.

Die Architektur verstehen

Ein Agent besteht aus:

Model: Das LLM (Claude, GPT, Qwen)
Scaffolding: System-Prompts, Tool-Beschreibungen, Output-Format, Context-Management
Harness: Die Ausführungsebene – ruft das Modell auf, verarbeitet Tool-Calls, entscheidet über Termination

Die Formel: Agent = Model + Harness

Scaffolding gestalten

Scaffolding ist nicht nur Prompt-Engineering. Es umfasst:

System-Prompt: Wer ist der Agent? Was sind seine Grenzen? Wie soll er entscheiden?

JetBrains finding-tests Skill: Halbierte Token-Kosten für AI-Agenten

Wed, 27 May 2026 00:00:00 +0000

Wenn ein AI-Agent einen Test schreiben soll, beginnt meist das gleiche Problem: Wo gehört dieser Test hin? Der Agent scannt Ordnernamen, grept nach Methoden, liest Datei nach Datei. Token-Limits verbrennen sich.

JetBrains hat in Rider 2026.2 EAP eine elegante Lösung: den finding-tests Agent Skill.

Das Prinzip

Rider hat bereits Zugriff auf dotCover-Coverage-Daten. Der Skill fragt einfach die IDE: “Welche Tests decken diesen Code ab?” Der Antwort ist präzise – exakt die Test-Dateien, die relevante Tests enthalten.

Ollama für lokale KI-Modelle als Schnellstart-Guide

Tue, 26 May 2026 00:00:00 +0000

Ollama hat sich als Standard-Tool für den Betrieb von Large Language Models auf lokaler Hardware etabliert. Dieser Guide zeigt den schnellsten Weg zu einem funktionierenden Setup mit Hardware-Beschleunigung.

Installation

Auf Linux reicht ein einfacher Curl-Befehl:

curl -fsSL https://ollama.com/install.sh | sh

macOS und Windows werden über native Installer unterstützt. Die Installation pullt automatisch die neueste Version.

Erstes Modell

Nach der Installation steht ein Modell bereit:

ollama run deepseek-v4-flash

Ollama lädt das Modell herunter und startet eine interaktive Session. Mit Strg+D beenden Sie die Session. Alternativ lässt sich jede andere API ansprechen.

VS Code für Git und GitHub - Ein praktischer Einstieg

Tue, 26 May 2026 00:00:00 +0000

Visual Studio Code hat sich als einer der beliebtesten Code-Editoren etabliert. Die eingebaute Git-Integration ermöglicht Repository-Verwaltung ohne Terminal - ein Feature, das besonders Einsteiger und Teams schätzen.

Der Grund: Warum VS Code für Git?

Git ist das Versionskontroll-Programm, GitHub die Hosting-Plattform dafür. VS Code nutzt Git unter der Haube und bietet eine grafische Oberfläche für alle wichtigen Operationen. Das reduziert Kontextwechsel und beschleunigt den Workflow - Terminal-Kenntnisse sind trotzdem wertvoll.

Von Go zu Rust: Ein praktischer Migrationsleitfaden für Backend-Entwickler

Mon, 25 May 2026 06:00:00 +0000

Warum dieser Vergleich relevant ist

Go zu Rust ist unter Migrationen ein Sonderfall. Es geht nicht um Performance oder Typsicherheit – Go liefert beides bereits. Die Diskussion dreht sich um Korrektheitsgarantien, Runtime-Tradeoffs und Entwickler-Ergonomie. Matthias Endler, der diesen Leitfaden verfasst hat, arbeitet als Rust-Berater und kennt beide Seiten. Er räumt ein, dass er Go für “schlecht gestaltet” hält, aber auch, dass Erfolg zählt. Mit 17 bis 19 Prozent Marktanteil unter Entwicklern (JetBrains-Umfrage) ist Go offensichtlich eine funktionierende Sprache. Rust wächst stetig, liegt aber noch bei etwa 11 Prozent.

Claude ist nicht dein Architekt: Warum KI-Agenten Design-Entscheidungen nicht übernehmen sollten

Mon, 25 May 2026 00:00:00 +0000

Eine kritische Betrachtung der aktuellen Praxis, KI-Agenten Architekturentscheidungen treffen zu lassen – und warum das gefährlich ist.

Drei Organisationen in einem Monat, drei verschiedene Tech-Stacks, dasselbe Muster: Jemand hat eine Idee, öffnet Claude, fragt, was gebaut werden sollte, und das KI-Tool validiert begeistert, skizziert eine Architektur und beginnt mit den Komponenten. Es klingt kompetent, es klingt wie ein Senior Engineer, der tief über das Problem nachgedacht hat.

Aber es hat nicht nachgedacht. Es pattern-matcht gegen Trainingsdaten und produziert die plausibelste Antwort.

Writerdeck einrichten: Ein Linux-TTY für fokussiertes Schreiben

Sun, 24 May 2026 00:00:00 +0000

Writerdecks sind spezialisierte Geräte für fokussiertes Schreiben - ohne Benachrichtigungen, ohne Ablenkungen, ohne das ständige Grasern im Internet. Veronica Explains zeigt, wie man einen solchen Minimal-Setup mit einem älteren Laptop und Debian einrichtet.

Der erste Schritt: Debian ohne Desktop-Umgebung installieren. Statt der Standard-Installation mit grafischer Oberfläche wählt man die TTY-Variante. Im Software-Auswahl-Dialog des Installers wird einfach nichts ausgewählt - kein GNOME, kein KDE, nur das Basissystem.

Nach der Installation und Anmeldung erscheint ein minimalistisches Login-Prompt. Hier beginnen die Anpassungen für den produktiven Einsatz.

Deep Learning Performance - Warum GPUs brrrr machen

Sat, 23 May 2026 00:00:00 +0000

Deep Learning Performance: Warum GPUs brrrr statt brumm machen

Viele Entwickler greifen bei Performanceproblemen zu einer Sammlung von Tricks aus Twitter-Threads. “Nutze In-Place-Operationen! Setze Gradients auf None! Installiere PyTorch 1.10.0, aber nicht 1.10.1!” Doch diese Ad-hoc-Herangehensweise führt oft zu suboptimalen Ergebnissen. Wer von First Principles ausgeht, kann systematisch die richtigen Optimierungen identifizieren.

Die Effizienz eines Deep-Learning-Systems lässt sich in drei Komponenten zerlegen:

1. Compute: Zeit für GPU-Floating-Point-Operationen (FLOPS)

2. Memory: Zeit für Tensor-Transfers innerhalb der GPU

Lokale Video-Indexierung: Ein Jahr Footage mit Gemma 4 auf 5 Jahre altem MacBook

Sat, 23 May 2026 00:00:00 +0000

Das Problem: Ein Archiv, das schneller wächst als man es bearbeiten kann

Ein Fotograf oder Videograf sitzt oft auf demselben Problem: ein Archiv, das schneller wächst als man es editieren kann. Die Dateien heißen IMG_*.mov und DJI_*.mp4, verstreut in Ordnern mit Namen wie „Mara june 2024 backup final FINAL". Die meisten AI-Video-Editoren setzen voraus, dass das Material bereits beschriftet ist. Aber ohne Index kann kein Tool „den Elefanten auf dem Hügel zur goldenen Stunde" finden.

vLLM V0 zu V1 Migration: Korrektheit vor Optimierung im RL-Training

Fri, 22 May 2026 10:00:00 +0200

Wer vLLM für Reinforcement Learning mit Sprachmodellen einsetzt, kennt das Problem: Die Migration von V0 auf V1 kann die Trainingsdynamik drastisch verändern. Ein detaillierter Post von ServiceNow zeigt, wie die richtigen Debug-Schritte den Unterschied zwischen kaputtem und funktionierendem Training ausmachen.

vLLM V1 ist ein substantial Rewrite des V0-Engines. Die Team mussten vier spezifische Probleme beheben, bevor die V1-Ergebnisse mit der V0-Referenz übereinstimmten: Die Verarbeitung von Rollout-Logprobs, V1-spezifische Runtime-Defaults, den Inflight-Weight-Update-Pfad, und die fp32-Genauigkeit der finalen Projektion.

Ettin Reranker: Neue SOTA-Modelle für Semantic Search

Fri, 22 May 2026 00:00:00 +0000

Kurzbeschreibung

Tom Aarsen veröffentlicht sechs neue CrossEncoder-Reranker basierend auf Ettin ModernBERT-Encodern. Die Modelle erreichen State-of-the-Art-Performance auf MTEB bei verschiedenen Größenklassen – inklusive komplettem Training-Recipe und Datensatz.

Abstract

Reranker sind ein kritischer Bestandteil moderner RAG-Pipelines, doch die Auswahl an effizienten Open-Source-Modellen war bisher begrenzt. Mit der Ettin Reranker-Familie schließt Tom Aarsen diese Lücke mit sechs Modellen von 17M bis 1B Parametern. Alle Modelle basieren auf den Ettin ModernBERT-Encodern und nutzen eine Distillation-Training-Methode mit MSE-Loss auf Scores von mxbai-rerank-large-v2.

Cosmos Predict 2.5 Fine-Tuning für Roboter-Videos

Thu, 21 May 2026 06:00:00 +0200

Motivation

NVIDIA Cosmos Predict 2.5 ist ein großes Weltmodell, das physikalisch plausible Videos aus Text, Bildern oder Videoclips generieren kann. Für spezifische Anwendungsdomänen wie Roboter-Manipulation oder bestimmte Kameraperspektiven ist jedoch Fine-Tuning nötig.

Das Problem

Training von Roboter-Policies erfordert Demonstrationsdaten. Das Sammeln echter Roboter-Trajektorien ist langsam und teuer. Synthetische Trajektorien aus einem fine-getunten Video-Weltmodell bieten eine skalierbare Alternative.

LoRA und DoRA

Full Fine-Tuning eines 2B-Modells ist teuer und riskiert katastrophales Vergessen. LoRA (Low-Rank Adaptation) und DoRA (Weight-Decomposed Low-Rank Adaptation) injizieren kleine trainierbare Adapter-Module in das gefrorene Basismodell. Das reduziert den Speicherbedarf und hält die Adapter-Dateien klein und portabel.

Benchmark für Agenten: Open Agent Leaderboard gestartet

Wed, 20 May 2026 18:00:00 +0200

Wie gut funktionieren allgemeine AI-Agenten wirklich? IBM Research und Hugging Face beantworten diese Frage mit dem neuen Open Agent Leaderboard – einem offenen Evaluierungsframework, das nicht nur Modelle, sondern ganze Agentensysteme bewertet.

Die zentrale Einsicht: Ein Agent funktioniert nicht nur durch das Modell, sondern durch das Zusammenspiel von Werkzeugen, Planungsstrategien, Gedächtniskomponenten und Fehlerbehandlungsmechanismen. Ändert sich eine dieser Komponenten, können dieselben Modelle sehr unterschiedliche Ergebnisse zu sehr unterschiedlichen Kosten produzieren.

Der Leaderboard kombiniert sechs Benchmarks, die unterschiedliche realistische Aufgaben testen: SWE-Bench Verified für Bugfixes in echten Code-Repositories, BrowseComp+ für komplexe Web-Recherche, AppWorld für App-Steuerung, TAU für Telefon-Automatisierung und weitere. Zusammen decken sie ein breites Spektrum von Anwendungsfällen ab: Coding, Kundenservice, technische Unterstützung, persönliche Assistenz und Recherche.

Kostenlos lernen: Googles AI-Agents-Intensivkurs kehrt zurück

Wed, 20 May 2026 18:00:00 +0200

Nach dem Erfolg des ersten Durchlaufs mit über 1.5 Millionen Lernenden bringt Google den 5-Tages-AI-Agents-Intensivkurs mit Kaggle zurück. Vom 15.-19. Juni 2026 können Teilnehmer wieder kostenlos an dem Online-Kurs teilnehmen – diesmal mit aktualisierten Inhalten, neuen Speakern und einem Hands-on-Capstone-Projekt.

Der Kurs taucht tief in die Konzepte ein, die für den Bau leistungsfähiger AI-Agenten notwendig sind: von grundlegenden Prinzipien bis zu produktionsreifen Systemen. Ein Schwerpunkt liegt auf “Vibe Coding” – einem Workflow, bei dem natürliche Sprache zur primären Programmierschnittstelle wird. Die Teilnehmer lernen, wie sie “10x Agenten” durch die Integration von Tools und APIs erstellen.

GitHub Accessibility Agent: 68% Auflösungsrate bei 3.535 PRs

Wed, 20 May 2026 00:00:00 +0000

GitHub pilotiert einen experimentellen Accessibility-Agent, der Pull Requests auf Barrierefreiheitsprobleme prüft und automatisch behebt. Lektionen aus der Praxis.

Zwei Hauptziele

Der Accessibility-Agent verfolgt zwei Ziele:

Just-in-Time Antworten: Entwickler erhalten zuverlässige Antworten auf Accessibility-Fragen in Copilot CLI und VS Code
Automatische Behebung: Einfache, objektive Accessibility-Issues werden vor Production gefangen

Die Ergebnisse

Die Bilanz nach 3.535 überprüften Pull Requests: 68% Auflösungsrate. Die fünf häufigsten Problemarten:

Struktur und Beziehungen für assistive Technologien klären
Klare Namen für interaktive Controls bereitstellen
Benutzer über wichtige Ankündigungen informieren
Text-Alternativen für Nicht-Text-Inhalte sicherstellen
Tastaturfokus in logischer Reihenfolge bewegen

Der Agent versucht nicht, Accessibility in Isolation zu “lösen”. Stattdessen augmentiert er die Bemühungen von Entwicklern. Barrierefreiheit entsteht durch das Design der Umgebung, nicht durch individuelle Defizite.

Accessibilility Agent bei GitHub: 68% Lösungsrate nach 3535 PRs

Tue, 19 May 2026 00:00:00 +0000

Was GitHub aus dem Pilotprojekt gelernt hat

GitHub berichtet über den Einsatz eines KI-Agenten zur automatischen Barrierefreiheitsprüfung. Nach 3.535 überprüften Pull Requests und einer automatischen Behebungsrate von 68% zieht das Team erste Lehren.

Die zwei Hauptziele

Just-in-Time Antworten auf Accessibility-Fragen direkt in CLI und VS Code
Automatische Behebung objektiver Barrierefreiheitsprobleme vor Production

Der Agent wurde so konfiguriert, dass er bei jedem Frontend-Code-Change automatisch eine Prüfung durchführt und Vorschläge erstellt.

Die häufigsten Problemtypen

Nach WCAG geordnet:

AI-Slop bekämpfen - Git Author Flag gegen Bot-Spam

Tue, 19 May 2026 00:00:00 +0000

Archestra zeigt, wie man sein GitHub-Repository mit einem cleveren Git-Trick vor AI-Bot-Spam schützt.

Kurzbeschreibung

Mit dem –author Flag und einem Contributor-Onboarding-Workflow kann man AI-Bots aus Open-Source-Repos fernhalten. Ohne echte Contributors zu blockieren.

Abstract

AI-Bots überfluten GitHub-Issues mit nutzlosen Implementierungsplänen und aggressiven Kommentaren. Das Team von Archestra berichtet von 27 Pull Requests für einen einzigen Feature-Request, die meisten davon halluziniert. Ein Teammitglied verbrachte Stunden damit, ungetestete PRs zu schließen.

Die Lösung: Ein nuclear option namens Prior Contributors Only. GitHub erlaubt nur Kommentaren von Accounts, die bereits Commits im Repo haben. Aber das Problem: Auch legitime neue Contributors wären blockiert.

NVIDIA Cosmos Fine-Tuning: Weltmodelle für Roboter

Tue, 19 May 2026 00:00:00 +0000

Parameter-effizientes Training für synthetische Roboter-Demos

NVIDIAs Cosmos Predict 2.5 ist ein großes Weltmodell, das physikalisch plausible Videos aus Text, Bildern oder Videoclips generiert. Um es für spezifische Domänen wie Roboter-Manipulation anzupassen, bietet NVIDIA jetzt LoRA- und DoRA-Fine-Tuning an.

Warum Parameter-Effizientes Training?

Roboter-Demonstrationsdaten sind teuer und langsam zu sammeln. Synthetische Trajektorien aus einem fine-getunten Video-Weltmodell bieten eine skalierbare Alternative. Full-Fine-Tuning eines 2B-Modells ist ressourcenintensiv und riskiert katastrophales Vergessen.

LoRA (Low-Rank Adaptation) und DoRA (Weight-Decomposed Low-Rank Adaptation) injizieren kleine trainierbare Adapter-Module in das gefrorene Basismodell. Das reduziert den Speicherbedarf und hält die Adapter-Dateien klein und portabel.

NVIDIA Cosmos mit LoRA/DoRA für Robotik-Videos fine-tunen

Tue, 19 May 2026 00:00:00 +0000

NVIDIA zeigt in einem detaillierten Guide, wie man Cosmos Predict 2.5 für robotische Anwendungsfälle anpasst.

Kurzbeschreibung

Parameter-effizientes Fine-Tuning von NVIDIA Cosmos Predict 2.5 mit LoRA und DoRA für Robotik-Videos. Mit praktischem Code-Beispiel.

Abstract

NVIDIA Cosmos Predict 2.5 ist ein großes World Model, das physisch plausible Videos aus Text, Bildern oder Videoclips generieren kann. Für spezielle Domänen wie Roboter-Manipulation oder bestimmte Kameraperspektiven ist jedoch Fine-Tuning notwendig. Der Blogpost von Hugging Face erklärt, wie man dieses 2-Milliarden-Parameter-Modell effizient mit LoRA (Low-Rank Adaptation) und DoRA (Weight-Decomposed Low-Rank Adaptation) anpasst.

NVIDIA Cosmos: Fine-Tuning für Roboter-Videogenerierung

Mon, 18 May 2026 00:00:00 +0000

Parameter-effizientes Training für World Models

NVIDIA Cosmos Predict 2.5 ist ein großes World Model für physikalisch plausible Videos. Um es für spezifische Domänen wie Roboter-Manipulation anzupassen braucht es gezieltes Fine-Tuning. Der Guide zeigt wie LoRA und DoRA mit kleinen Adapter-Modulen das Training praktisch machbar machen.

Warum LoRA/DoRA statt Full Fine-Tuning

Reduzierte Speicheranforderungen drastisch
Adapter-Dateien bleiben klein und portabel
Training auf einzelner GPU möglich
Flexibler Austausch von Adaptern für verschiedene Domänen

Synthetic Robot Trajectories

Roboter-Demonstrationsdaten zu sammeln ist langsam und teuer. Der Fine-Tuning-Ansatz ermöglicht synthetische Trajektorien für robot learning. Er eliminiert das Risiko des katastrophalen Vergessens bei Full Fine-Tuning.

Warum KI Ihre Prozesse nicht beschleunigen wird

Mon, 18 May 2026 00:00:00 +0000

Die Illusion der Geschwindigkeit durch Automatisierung

Frederick van Brabant analysiert in einem lesenswerten Beitrag ein verbreitetes Missverständnis: Viele Organisationen glauben, KI werde ihre Software-Entwicklungsprozesse dramatisch beschleunigen. Die Realität sieht anders aus.

Das Kernproblem ist visueller Natur. In Gantt-Charts sieht man sofort, wo die meiste Zeit verbracht wird – typischerweise bei der Softwareentwicklung. Die naheliegende Lösung: Mehr Entwickler einsetzen oder KI nutzen. Was dabei oft übersehen wird: Lange Dauer bedeutet nicht automatisch, dass das Problem dort entsteht.

Warum KI Ihre Prozesse nicht beschleunigen wird

Mon, 18 May 2026 00:00:00 +0000

Die Illusion der Geschwindigkeit durch Automatisierung

Asynchrones Continuous Batching für maximale GPU-Auslastung

Sun, 17 May 2026 00:00:00 +0000

Continuous Batching revolutioniert die LLM-Inference, aber ein oft übersehener Flaschenhals verschwendet dennoch bis zu einem Viertel der Runtime: synchrone CPU-GPU-Koordination. Dieser Artikel zeigt, wie asynchrones Batching die Lücken schließt und die GPU-Auslastung maximiert.

Das Problem synchroner Batches

Bei naivem synchronen Batching warten CPU und GPU abwechselnd: Während die GPU rechnet, ist die CPU idle. Während die CPU den nächsten Batch vorbereitet, wartet die GPU. Bei hunderten Schritten pro Sekunde summieren sich diese Lücken zu echtem Throughput-Verlust.

Lokale LLMs: Apple Silicon kostet mehr als OpenRouter

Sun, 17 May 2026 00:00:00 +0000

William Angel hat eine faszinierende Kostenrechnung angestellt: Was kostet es wirklich, LLMs lokal auf Apple Silicon zu betreiben? Die Ergebnisse überraschen.

Die Stromkosten

Ein M5 MacBook Pro zieht unter Last 50-100 Watt. Bei 0,20$/kWh:

50W = 0,009$/Stunde
100W = 0,018$/Stunde

Das ist vernachlässigbar. Die eigentlichen Kosten liegen woanders.

Die Hardware-Kosten

Ein 14" MacBook Pro M5 Max mit 64GB RAM kostet 4.299$. Die Frage: Wie lange hält das Gerät?

Lebensdauer	Kosten/Jahr	Kosten/Stunde
3 Jahre	1.433$	0,16$
5 Jahre	860$	0,10$
10 Jahre	430$	0,05$

Bei intensiver Inferenz-Nutzung ist 3 Jahre realistisch. Die Hardware-Degression dominiert die Kosten.

Claude fuer KMUs: Workflows und Connectors fuer kleine Unternehmen

Sat, 16 May 2026 00:00:00 +0000

Anthropic hat Claude for Small Business angekuendigt: Ein Paket aus Connectors und Ready-to-Run Workflows, die Claude direkt in die Produkte integriert, die KMUs bereits nutzen. Ziel ist es, kleinen Unternehmen den vollen Nutzen von KI zu erschliessen - ueber das reine Chat-Fenster hinaus.

Was ist enthalten?

Die Integrationen decken beliebte Tools ab:

Intuit QuickBooks fuer Buchhaltung und Lohnabrechnung
PayPal fuer Zahlungsabwicklung
HubSpot fuer CRM und Vertriebsmanagement
Canva fuer Grafik und Marketing
DocuSign fuer Dokumente
Google Workspace und Microsoft 365 fuer Produktivitaet

Claude kann Lohnabrechnungen planen, Monatsabschluesse vorbereiten, Vertriebskampagnen durchfuehren, Rechnungen verfolgen und mehr - alles aus den gewohnten Tools heraus.

SQL-Patterns für Betrugserkennung in Transaktionen

Sat, 16 May 2026 00:00:00 +0000

Betrugserkennung braucht keine Machine Learning. Sie braucht SQL - die richtigen Joins, die richtigen Shapes, die richtigen Zeitfenster. Sechs Patterns für jede Transaktionstabelle, von Kreditkarten über Healthcare bis E-Commerce.

1. Velocity: Schnellfeuer testen

Gestohlene Karten werden leergeräumt bevor der Besitzer es merkt. Das Signal: Ungewöhnlich viele Transaktionen in kurzen Zeitfenstern.

SELECT cardholder_id,
 date_trunc('hour', timestamp) AS hour_bucket,
 count(*) AS tx_count
FROM transactions
WHERE timestamp >= current_date - INTERVAL '30 days'
GROUP BY 1, 2
HAVING count(*) > 10;

Wichtig: Mehrere Zeitfenster parallel testen - 1 Minute, 5 Minuten, 1 Stunde. Unterschiedliche Betrugsarten zeigen sich auf verschiedenen Skalen.

JetBrains Skill Manager: Einmal installieren, projektübergreifend nutzen

Fri, 15 May 2026 00:00:00 +0000

JetBrains führte den Skill Manager und Skill Repository ein – ein System, um verifizierte Agenten-Skills einmal zu installieren und projektübergreifend zu nutzen.

Was sind Skills?

Skills sind paketierte Agenten-Verhaltensweisen: ein Prompt plus Orchestrierungslogik. Eine Skill kann eigenständig arbeiten, Tools verwenden oder vorgebündelt mit den benötigten Tools ausgeliefert werden. Der Skill Manager verwaltet diese zentral und macht sie für alle Projekte verfügbar.

Die Vorteile

Bisher musste jeder Agent-Workflow für jedes Projekt neu konfiguriert werden. Mit dem Skill Repository installieren Sie JetBrains-verifizierte Skills einmalig und nutzen sie in allen Ihren Agenten-Projekten. Das reduziert Setup-Zeit und stellt sicher, dass Best Practices automatisch angewendet werden.

WhichLLM: Das richtige lokale Modell für deine Hardware finden

Fri, 15 May 2026 00:00:00 +0000

Ein neues Open-Source-Tool namens WhichLLM hilft Entwicklern, das optimale lokale LLM für ihre spezifische Hardware-Konfiguration zu finden. Anstatt stundenlang Benchmarks zu vergleichen, gibt das Tool eine Liste passender Modelle basierend auf CPU, GPU, RAM und gewünschten Anwendungen.

Das Problem mit lokalen LLMs

Lokale LLMs sind populär — nicht nur wegen Datenschutz und Kosten, sondern auch wegen der Kontrolle über die eigene Infrastruktur. Doch die Modell-Landschaft ist unübersichtlich. Welches Modell läuft auf einem MacBook mit 16GB RAM? Was braucht eine RTX 4090 im Vergleich zu einer älteren 3060? Und wie schneiden verschiedene Quantisierungen ab?

Obsidian Plugins: Automatische Reviews und neue Community-Plattform

Thu, 14 May 2026 06:00:00 +0000

Obsidian hat eine neue Community-Plattform und ein automatisiertes Review-System für Plugins gestartet. Mit über 4.000 Plugins und Themes, die zusammen 120 Millionen Downloads erreicht haben, musste das Team seine Prozesse skalieren.

Die neue Community-Plattform

Die Community-Site ersetzt die bisherige GitHub-basierte Plugin-Verwaltung. Nutzer können jetzt nach Kategorien browsen, filtern und sortieren. Jedes Projekt hat eine Detailseite mit Screenshots und einem Safety-Scorecard.

Autoren können Profilseiten mit Sponsor-Optionen und Social-Media-Links anpassen. Es gibt neue Labels für kostenpflichtige Plugins und offizielle Integrationen.

Claude für kleine Unternehmen: Praktischer Einstieg

Thu, 14 May 2026 00:00:00 +0000

Anthropic hat mit Claude for Small Business ein dediziertes Paket für kleine und mittlere Unternehmen veröffentlicht. Es integriert Claude direkt in die Werkzeuge, die KMU täglich nutzen: Intuit QuickBooks, PayPal, HubSpot, Canva, DocuSign, Google Workspace und Microsoft 365.

Die Installation erfolgt über einen Toggle in Claude Cowork. Nach dem Verbinden der genutzten Tools können vorgefertigte agentic Workflows gestartet werden: Lohnabrechnung planen, Monatsabschluss durchführen, Verkaufskampagnen starten, Rechnungen verfolgen. Claude führt die Arbeiten aus, der Benutzer genehmigt, bevor etwas gesendet oder gebucht wird.

GitHub Dungeons: Dein Code wird zum Roguelike

Wed, 13 May 2026 00:00:00 +0000

Was passiert, wenn man GitHub Copilot CLI bittet, ein Repository in ein spielbares Roguelike-Dungeon zu verwandeln? Lee Reilly hat es ausprobiert und “GitHub Dungeons” erschaffen – ein Terminal-Spiel, das Prozedural Generation mit deiner Codebasis verknüpft.

Binary Space Partitioning für Dungeons

Die Levelstruktur entsteht durch BSP (Binary Space Partitioning), wobei der Seed vom jeweils aktuellen Commit-SHA des Repositories stammt. Dasselbe Repository erzeugt sempre denselben Dungeon, jeder Commit verändert das Layout. Räume, Korridore und Gegner werden aus Repository-Daten abgeleitet.

Wie Claude Agenten CUDA-Kernel programmieren beibringt

Wed, 13 May 2026 00:00:00 +0000

Agent Skills revolutionieren die Art und Weise, wie Coding-Agenten komplexe Aufgaben bewältigen. Das neue Tool upskill ermöglicht es, Fähigkeiten von leistungsstarken Modellen auf kleinere und günstigere Modelle zu übertragen – und die Performance dabei zu messen.

Das Konzept der Agent Skills

Agent Skills definieren Modell-Kontext als Dateien: Anweisungen als Markdown, Code als Skripte. Das Dateiformat macht sie einfach zu generieren, zu teilen und zu überprüfen. Besonders nützlich sind sie für spezifische Domänen oder schwierige Probleme – Aufgaben, die das Modell nicht ohnehin gut beherrscht.

Foundation Models auf AWS: Infrastructure für Pre-Training, Post-Training und Inference

Tue, 12 May 2026 00:00:00 +0000

NVIDIAs Drei-Skalierungsgesetze zeigen: Scaling ist nicht mehr eine einzelne Kurve. Pre-Training skaliert mit Modellparametern und Dataset-Größe. Post-Training optimiert Reward-Funktionen durch SFT und RL. Test-Time-Compute nutzt Chain-of-Thought, Search und Multi-Sample-Strategien für längeres “Denken”. Eine neue HuggingFace-Serie erklärt die AWS-Building-Blocks.

Die drei Scaling-Laws im Detail

Alle drei Regimes benötigen eng gekoppelte Infrastructure: Accelerator-Compute, High-Bandwidth-Low-Latency-Networks und Distributed-Storage-Backends. Für Pre-Training dominiert der Parameter-Count. Für Post-Training werden zunehmend GPU-Stunden für RL fine-tuning benötigt. Test-Time-Compute verlagert Kosten zur Inference-Zeit – mit erheblichen Implikationen für Serving-Infrastruktur.

Lerne Softwarearchitektur: Fundamentale Konzepte

Tue, 12 May 2026 00:00:00 +0000

Matklad, bekannt für tiefe technische Analysen, veröffentlicht einen neuen Artikel über Softwarearchitektur. Der Beitrag nähert sich dem Thema von ersten Prinzipien und erklärt, warum Architektur-Entscheidungen oft missverstanden werden und wie man sie richtig trifft.

Der Kernansatz ist, Architektur nicht als Sammlung von Mustern zu verstehen, sondern als Entscheidungen, die schwer zu revidieren sind. Architecture Decision Records dokumentieren nicht nur WAS entschieden wurde, sondern WARUM - ein kritischer Unterschied zu vielen Projekten, die Patterns blind übernehmen.

Stoppe AI-Code-Fehler vor dem Review

Tue, 12 May 2026 00:00:00 +0000

Ein kritischer Blog-Post von JetBrains adressiert ein wachsendes Problem: AI-generierter Code landet oft fehlerhaft im Code-Review, obwohl die IDE diese Probleme bereits erkennen könnte. Das verschwendet Zeit der Reviewer und senkt die Code-Qualität unnötig.

Die Lösung ist naheliegend: Vor dem Commit sollte AI-geänderter-Code dieselben Checks durchlaufen wie manuell geschriebener Code. Type-Errors, Linter-Warnungen, Formatviolationen - all das kann die IDE automatisch erkennen und oft sogar auto-fixen.

JetBrains schlägt einen konkreten Workflow vor: AI generiert Code, IDE checkt sofort und meldet Probleme, AI korrigiert basierend auf IDE-Feedback, dann erst kommt der Code zum Reviewer. Das reduziert die Review-Belastung massiv und erhöht die Qualität des AI-Outputs drastisch. Der Post ist eine praktische Anleitung für Entwickler, die AI-Tools nutzen und deren Output in existierende Quality-Gates integrieren wollen.

Chrome Extensions mit Transformers.js: KI direkt im Browser

Mon, 11 May 2026 00:00:00 +0000

Transformers.js ermöglicht es Entwicklern, Machine-Learning-Modelle direkt in Browser-Erweiterungen laufen zu lassen – ganz ohne Server-Backend. Dieser Guide zeigt, wie man eine funktionale Architektur für Manifest V3 aufbaut.

Das HuggingFace-Team hat eine Demo-Erweiterung mit Gemma 4 E2B veröffentlicht, die zeigt, was möglich ist. Die wichtigste Erkenntnis: In MV3 muss man die Runtime-Entscheidungen richtig treffen. Der Background Service Worker hostet die Modelle, das Side Panel bietet die Chat-Oberfläche, und ein Content Script übernimmt die DOM-Interaktion.

Der Weg zum ersten Open-Source-Beitrag

Mon, 11 May 2026 00:00:00 +0000

Warum Open Source?

Open-Source-Software ist überall, und GitHub ist ihr Zuhause. Wer einsteigen will, findet dort nicht nur Code, sondern eine Community. Der erste Beitrag ist oft einschüchternd, aber mit dem richtigen Ansatz durchaus machbar.

Projekte finden mit Copilot

GitHub Copilot Chat kann bei der Projektsuche helfen: Ein Prompt wie “TypeScript-Projekte mit good-first-issue Label” liefert eine kuratierte Liste. Das good-first-issue Label signalisiert, dass Maintainer explizit neue Beitragende willkommen heißen.

Was ein gutes Projekt ausmacht

Vor dem ersten Commit lohnt sich ein Check: Gibt es ein ausführliches README? Existiert ein CONTRIBUTING.md mit Richtlinien? Ist die Lizenz klar definiert? Hat das Projekt über 100 Sterne und aktive Entwicklung? Diese Indikatoren zeigen, ob Maintainer Zeit für Reviews haben werden.

Debian: Reproduzierbare Pakete sind jetzt Pflicht

Sun, 10 May 2026 06:00:00 +0000

Debian hat einen Meilenstein gesetzt: Pakete, die sich nicht reproduzierbar bauen lassen, werden nicht mehr nach Testing migriert. Supply-Chain-Security als Commitment, nicht als Option.

Was bedeutet reproduzierbar?

Ein Build ist reproduzierbar, wenn derselbe Quellcode auf verschiedenen Maschinen zu identischen Binärdateien führt. Das klingt banal, ist aber technisch anspruchsvoll:

Timestamps verhindern Reproduzierbarkeit
Zufällige Build-IDs in Binaries
Unterschiedliche Compiler-Versionen produzieren verschiedene Binaries

Debian hat jahrelang an diesem Problem gearbeitet, unterstützt durch das Reproducible Builds Project.

Trust Layer für Agenten: Validierung jenseits deterministischer Tests

Sun, 10 May 2026 06:00:00 +0200

Wenn “korrekt” nicht mehr deterministisch ist

Moderne Software-Tests basieren auf einer Annahme: Korrektes Verhalten ist wiederholbar. Für autonome Agenten wie GitHub Copilot Coding Agent – besonders mit “Computer Use” – bricht diese Annahme fast sofort zusammen. Loading-Screens erscheinen oder verschwinden, Timings variieren, mehrere gültige Aktionsfolgen führen zum selben Ergebnis.

Ein Agent kann eine Aufgabe erfolgreich abschließen, während der Test trotzdem fehlschlägt – ein “False Negative”, der die Pipeline anhält.

Die drei Schmerzpunkte

Diese “Trust Gap” zwischen Agent-Output und Test-Erwartung manifestiert sich in drei wiederkehrenden Problemen:

Geburtstagsparadoxon: Die Mathematik hinter Hash-Kollisionen

Sat, 09 May 2026 00:00:00 +0000

Intuition täuscht

In einem Raum mit nur 23 Menschen besteht bereits eine 50%ige Wahrscheinlichkeit, dass zwei von ihnen am selben Tag Geburtstag haben. Das erscheint kontraintuitiv, lässt sich aber mit Schulmathematik beweisen.

Der mathematische Ansatz

Die Wahrscheinlichkeit für mindestens ein übereinstimmendes Geburtstagspaar berechnet sich über die inverse Wahrscheinlichkeit, dass niemand am selben Tag Geburtstag hat:

P(mindestens eine Übereinstimmung) = 1 - P(keine Übereinstimmungen)

Bei n Personen: P(keine Übereinstimmungen) = 365!/365^n(365-n)!

Warum Programmieren Theorie-Bilden ist – Ein verkannter Klassiker

Sat, 09 May 2026 00:00:00 +0000

Der vermisste Begriff

Jani Hartikainen beschreibt seinen „Aha-Moment" beim Lesen von Peter Naurs Essay „Programming as Theory Building". Der dänische Informatiker prägte bereits 1985 einen Begriff, der alles zusammenbringt: Clean Code, Architektur, Tests, Dokumentation.

Das Kernkonzept

Naur argumentiert, dass der Code sekundär ist. Das Primäre am Programmieren ist das „Theorie-Bilden": ein mentale Modell des Programms, seiner Anforderungen und seiner Beziehungen zur Welt. Code und Dokumentation sind nur Versuche, diese Theorie zu kommunizieren.

Agenten-Verhalten validieren ohne fragwürdige Tests

Fri, 08 May 2026 06:00:00 +0200

Moderne Softwaretests basieren auf der Annahme, dass korrektes Verhalten wiederholbar ist. Für deterministischen Code funktioniert das meist. Aber für autonome Agenten wie GitHub Copilot Coding Agent bricht diese Annahme schnell zusammen. Ein Loading-Screen erscheint länger als erwartet, Timing verschiebt sich, und multiple gültige Aktionssequenzen führen zum gleichen Ergebnis.

Das Problem: Falsch negative Test-Ergebnisse. Der Agent hat die Aufgabe erfolgreich gelöst, aber der Test schlägt trotzdem fehl - weil der Ausführungspfad nicht mehr mit dem aufgezeichneten Skript übereinstimmt. GitHub nennt drei wiederkehrende Pain Points: False Negatives (Task erfolgreich, Test failt), Fragile Infrastructure (Tests failen durch Timing oder Rendering-Noise), und den Compliance Trap (Ergebnis korrekt, aber Agent-Verhalten weicht ab).

Gemini API Webhooks: Event-Driven für langlaufende Agenten

Fri, 08 May 2026 00:00:00 +0000

Google führt Webhooks für die Gemini API ein und eliminiert ineffizientes Polling bei langlaufenden Aufgaben.

Kurzbeschreibung

Event-Driven Webhooks informieren Entwickler automatisch über abgeschlossene Tasks ohne manuelles Polling. Die Implementation folgt dem Standard Webhooks Spec mit HMAC-Signatur und garantierte Zustellung.

Abstract

Wenn Deep Research läuft, Videos generiert oder Batch-API Tausende Prompts verarbeitet, können Operationen Minuten oder Stunden dauern. Bisher mussten Entwickler kontinuierlich GET-Requests senden, um den Status zu prüfen – ineffizient und ressourcenintensiv.

Claude Limits verdoppelt: Anthropic und SpaceX Compute-Deal

Thu, 07 May 2026 00:00:00 +0000

Anthropic hat eine bedeutende Ankündigung gemacht: Höhere Nutzungslimits für Claude und eine strategische Partnerschaft mit SpaceX für massive neue Compute-Kapazität. Für Nutzer von Claude Pro, Max und API bedeutet das sofort spürbare Verbesserungen.

Sofortige Limit-Erhöhungen

Drei Änderungen sind bereits heute wirksam:

Verdoppelte Rate Limits für Claude Code: Die 5-Stunden-Limits für Pro, Max, Team und Enterprise-Pläne wurden verdoppelt. Wer vorher nach 2 Stunden einen Fehler bekam, kann jetzt deutlich länger arbeiten.

Flow Maps: Den Integral des Diffusionsmodells lernen

Thu, 07 May 2026 00:00:00 +0000

Diffusionsmodelle samplen durch iterative Schritte – das Denoiser-Netzwerk schätzt die Tangentenrichtung eines Pfades durch den Eingaberaum. Können wir Netzwerke trainieren, direkt das Integral vorherzusagen? Flow Maps machen genau das.

Das Problem mit iterativer Samples

Sampling aus einem Diffusionsmodell ist ein schrittweiser Prozess: Bei jedem Schritt schätzt der Denoiser die Richtung, und wir bewegen uns entlang dieser Richtung. Das ist effektiv ein Integral über Noise-Level. Je nach Komplexität können hunderte Schritte nötig sein.

GitHub Copilot CLI: Interactive vs Non-Interactive Mode

Wed, 06 May 2026 00:00:00 +0000

GitHub erklaert die zwei Modi der Copilot CLI: Interactive fuer iterative Arbeit, Non-Interactive fuer schnelle One-Shot Abfragen.

GitHub Copilot CLI: Interaktiv vs. Non-Interaktiv

Tue, 05 May 2026 06:30:00 +0000

GitHub hat eine Serie für Copilot-CLI-Einsteiger gestartet. Der zweite Teil erklärt die zwei fundamentalen Modi: interaktiv und non-interaktiv. Beide haben ihre Berechtigung, abhängig vom Workflow.

Interaktiver Modus: Der Standard, wenn du copilot in der Kommandozeile startest. Ein Chat-ähnliches Erlebnis mit Hin-und-Her. Du stellst eine Frage, Copilot antwortet, du folgst mit weiteren Fragen oder Prompts - alles in der gleichen Session.

Wann sinnvoll: Wenn du explorative Arbeit machst. “Wie starte ich dieses Projekt lokal?” ist ein guter Startpunkt. Copilot analysed das Projekt, gibt Anweisungen. Du kannst dann fragen: “Kannst du es für mich starten?” - und Copilot startet den Server. Die Session behält den Kontext.

KI hat deine Datenbank nicht gelöscht – du warst es

Tue, 05 May 2026 00:00:00 +0000

Ein viraler Tweet behauptete: Cursor/Claude habe die Produktionsdatenbank eines Unternehmens gelöscht. Der Entwickler fragte den Agenten nach dem “Warum” und wartete auf eine erklärende Antwort. Ibrahim Diallo stellt klar: Die Frage ist falsch gestellt – die eigentliche Ursache liegt woanders.

Das wahre Problem

Seine Frage ist simpel, aber vernichtend: “Warum gibt es überhaupt einen öffentlich erreichbaren API-Endpunkt, der die gesamte Produktionsdatenbank löschen kann?” Wenn eine KI diesen Endpunkt aufruft, wartet am anderen Ende immer noch ein Selbstzerstörungsknopf. Früher oder später drückt den jemand – sei es ein motiviertes Kleinkind, ein Angreifer oder ein fehlerhafter Agent.

Warum Agentic Coding eine Falle ist

Mon, 04 May 2026 00:00:00 +0000

“Die KI macht das Coding, der Mensch orchestriert” – das ist der aktuelle Hype um Spec Driven Development. Der Artikel argumentiert, dass dieser Ansatz Entwickler in eine kognitive Falle führt, die bereits jetzt messbare Schäden verursacht.

Die Versuchung ist real: Ein Plan generieren, mehrere Agent-Instanzen parallel laufen lassen, iterieren bis “done”. Aber der Preis ist hoch: wachsende Distanz zwischen Orchestrator und tatsächlichem Code, atrophierte Programmierfähigkeiten, Vendor-Lock-in (Claude-Code-Blackouts legen ganze Teams lahm), schwankende Token-Kosten versus fixe Mitarbeiterkosten.

Google Translate wird 20: Eine KI-Erfolgsgeschichte

Sun, 03 May 2026 06:00:00 +0200

Google Translate feiert seinen 20. Geburtstag und blickt auf eine bemerkenswerte Evolution zurück. Was 2006 als statistisches Machine-Learning-Experiment begann, unterstützt heute fast 250 Sprachen und 95% der Weltbevölkerung. Der Wendepunkt came 2016 mit dem Wechsel zu neuronalen Netzwerken, der wörtliche Wort-für-Wort-Übersetzungen durch fluide, natürliche Texte ersetzte. Heute treiben Gemini-Modelle und TPUs die Leistung weiter an. Neue Features zum Jubiläum: ein Aussprache-Training für Android, das mittels KI Sprachaufnahmen analysiert und Feedback gibt. Ein Milliarde Nutzer nutzen Translate täglich zum Lernen, Reisen und für den Beruf. Die Geschichte zeigt, wie langfristige KI-Forschung in ein globales公共服务 mündet.

HN SOTA: Coding-Modelle im Popularitäts-Ranking

Sun, 03 May 2026 06:00:00 +0200

Ein neues Open-Source-Tool namens HN SOTA ermöglicht es Entwicklern, den aktuellen Stand der Coding-Modelle-Popularität auf Hacker News zu verfolgen. Die Pipeline holt täglich die 200 beliebtesten Posts der letzten 24 Stunden, filtert nach KI- und Coding-relevanten Diskussionen und nutzt Gemini, um aus Kommentaren Modell-Erwähnungen und Sentiment zu extrahieren. Die Modelle stammen aus der OpenRouter-Liste, was einen breiten Vergleich ermöglicht. Alle Ergebnisse sind in einem öffentlichen Google Sheet dokumentiert und lassen sich durch Kommentar-IDs verifizieren. Das Tool wird täglich aktualisiert und bietet einen 10-Tage-Rolling-Durchschnitt für die Top-10-Modelle. Besonders nützlich für alle, die den schnelllebigen KI-Coding-Markt im Blick behalten müssen, ohne stundenlang Diskussionen zu lesen.

Specsmaxxing: Wie man Spezifikationen für KI-Agenten schreibt

Sun, 03 May 2026 00:00:00 +0000

Ein neues Paradigma für die KI-Entwicklung

Kennst du das? Ein Feature funktioniert perfekt, dann fällt dir ein wichtiger Edge Case ein, und Claude antwortet: “Du hast völlig recht, lass mich das fixen.” Diesen Zyklus kennt jeder, der mit KI-Tools arbeitet. Der Blog-Post “Specsmaxxing” nennt das “Peak Slop” – und behauptet, wir hätten ihn bereits hinter uns.

Die Lösung liegt nicht in mehr Prompting, sondern in besseren Spezifikationen. Wer hat schon ein README.md und AGENTS.md geschrieben? Dazu noch testing-guide.md, architecture.md, PRD.md? Die These: Dokumentation und unstrukturierte Specs bringen dich sehr weit – viel weiter als Prompts allein.

KI-Sicherheit verstehen: Prompt-Injection und Jailbreaks

Sat, 02 May 2026 00:00:00 +0000

Prompt-Injection ist eine der wichtigsten Sicherheitslücken in KI-Systemen. Um sich dagegen zu wehren, muss man verstehen, wie Angreifer vorgehen.

Was ist Prompt-Injection?

Prompt-Injection nutzt aus, dass Sprachmodelle nicht zwischen „Anweisungen vom Entwickler" und „Eingaben vom Nutzer" unterscheiden können. Ein Angreifer schickt Text, der das Modell dazu bringt, seine ursprünglichen Anweisungen zu ignorieren.

Bekannte Techniken

Die „ZetaLib"-Sammlung dokumentiert verschiedene Jailbreak-Methoden, darunter:

Role-Playing: Das Modell wird in eine Rolle versetzt, die Sicherheitsrichtlinien ignoriert
Context Overflow: Überladen des Kontexts mit verwirrenden Anweisungen
Special Characters: Nutzung von Unicode-Zeichen, die Tokenizer durcheinanderbringen
Multi-Modal Attacks: Kombination von Text mit Bildern, die versteckte Anweisungen enthalten

Defensive Strategien

1. Input-Validierung

Filtern Sie verdächtige Muster bevor sie das Modell erreichen. Achten Sie auf:

Waypoint-1.5: Interaktive Welten auf Consumer-Hardware

Fri, 01 May 2026 00:00:00 +0000

Overworld hat Waypoint-1.5 veröffentlicht, das nächste Echtzeit-Video-Weltmodell für interaktive generative Umgebungen. Das Ziel: Generative Welten auf die Hardware zu bringen, die Menschen tatsächlich besitzen.

Die erste Version von Waypoint zeigte, dass Echtzeit-Generierung interaktiver Welten möglich ist. Waypoint-1.5 baut darauf auf und verbessert die visuelle Qualität bei gleichzeitiger Erweiterung der unterstützten Hardware.

Auf Desktop-Hardware wie RTX 3090 bis 5090 kann Waypoint-1.5 Echtzeit-Umgebungen mit bis zu 720p und 60 FPS generieren. Neu ist ein 360p-Tier, der auf einer viel breiteren Palette an Consumer-Hardware läuft, einschließlich Gaming-Laptops und bald auch Apple Silicon Macs.

Bugs, die Rust nicht findet

Thu, 30 Apr 2026 06:00:00 +0000

Rust gilt als sicherste Sprache für Systemprogrammierung – doch nicht alle Bugs fängt selbst der strikte Borrow-Checker. Ein neuer Artikel auf corrode.dev zeigt auf, welche Fehlerklassen entweichen können.

Was Rust garantiert

Rust eliminiert Speicherfehler zur Kompilierzeit: Dangling Pointers, Double Free, Buffer Overflows sind Geschichte. Der Borrow-Checker erzwingt strikte Ownership-Regeln, und Use-After-Free ist in Safe Rust unmöglich.

Das Memory-Safety-Promise von Rust gilt als eines der größten Verkaufsargumente der Sprache. C-Codebases werden zunehmend nach Rust migriert.

Markdown meistern: Der GitHub-Guide für Einsteiger

Thu, 30 Apr 2026 00:00:00 +0000

Was ist Markdown und warum ist es wichtig?

Markdown ist eine leichtgewichtige Auszeichnungssprache für Klartext. Auf GitHub kannst du Markdown in READMEs, Issues, Pull Requests und Kommentaren verwenden. Die Syntax ist einfach zu erlernen und macht Dokumentation klar und lesbar.

Die Grundlagen sind schnell gemeistert: Überschriften mit #, fett mit **text**, kursiv mit *text*. Aufzählungen mit - oder *, nummerierte Listen mit 1.. Links mit [Text](URL) und Bilder mit ![Alt](URL). Codeblöcke mit drei Backticks.

Armin Ronacher: Open Source vor und nach GitHub

Wed, 29 Apr 2026 00:00:00 +0000

Armin Ronacher, Schoepfer von Flask und Jinja2, veroeffentlicht einen ausfuehrlichen Rueckblick auf die Open-Source-Welt vor GitHub. Sein Fazit ist zugleich nostalgisch und kritisch.

SourceForge war das Zentrum

Vor GitHub lebten Open-Source-Projekte auf SourceForge, eigenen Servern oder in Collectives wie Pocoo. Ronacher erinnert sich: Man betrieb eigene Trac-Installationen, Subversion-Repositorien, Tarballs und Dokumentation auf selbst verwalteter Infrastruktur.

Wer Software veroeffentlichen wollte, wurde zum Teilzeit-Systemadministrator.

Die Ironie der Zentralisierung

Verteilte Versionskontrollsysteme wie Git und Mercurial sollten die Notwendigkeit eines zentralen Dienstes eliminieren. Stattdessen etablierte sich GitHub als massive zentralisierte Plattform fuer genau diese dezentralen Systeme.

Persönliches Command Center mit Copilot CLI bauen

Tue, 28 Apr 2026 18:00:00 +0200

Brittany Ellich, Staff Software Engineer im GitHub Billing-Team, hat ein praktisches Tool gebaut: ein persönliches Command Center, das alle ihre Apps in einem zentralen Dashboard vereint. Der Clou: Sie nutzte konsequent GitHub Copilot CLI, um von der Idee zur fertigen Electron-App in einem einzigen Tag zu kommen.

Der Plan-then-Implement-Workflow war der Schlüssel. Brittany ließ sich von Copilot interviewen – das Tool stellte Fragen zur gewünschten Funktionsweise, bis ein konkreter Plan entstand. Erst dann ging es in die Implementierung. Das reduziert das Rätselraten erheblich und macht den Code schneller stabil.

Tutorial: Multi-Agent-Entwicklung mit Copilot Fleet

Tue, 28 Apr 2026 00:00:00 +0000

Die /fleet-Funktion der GitHub Copilot CLI revolutioniert die Entwicklungsarbeit. Statt Aufgaben nacheinander abzuarbeiten, können jetzt mehrere Sub-Agenten parallel operieren. Dieses Tutorial zeigt die effektive Nutzung.

Installation und Setup

GitHub Copilot CLI wird über npm installiert:

Voraussetzungen: GitHub Copilot Pro oder Pro+ Subscription. Nach der Installation authentifizieren Sie sich mit Ihrem GitHub-Account.

Der /fleet-Befehl

Der Befehl startet mit:

Der Orchestrator analysiert den Prompt, identifiziert unabhängige Teilaufgaben, und verteilt diese an mehrere Agenten. Beispiel:

Google und Kaggle starten AI Agents Vibe Coding Kurs

Mon, 27 Apr 2026 18:00:00 +0200

Nach dem Erfolg des ersten Kurses mit über 1,5 Millionen Teilnehmern bringt Google in Zusammenarbeit mit Kaggle den AI Agents Intensive Course zurück. Vom 15. bis 19. Juni 2026 lernen Teilnehmer, wie sie produktionsreife KI-Agenten entwickeln.

Der Schwerpunkt liegt auf sogenanntem Vibe Coding – einem Ansatz, bei dem natürliche Sprache zur primären Programmierschnittstelle wird. Statt klassischen Code zu schreiben, beschreiben Entwickler ihre Anforderungen, und die KI generiert die Implementierung.

Das Kursformat kombiniert konzeptionelle Deep Dives mit praktischen Beispielen. Jeder Tag baut auf dem vorherigen auf: Von den Grundlagen der Agentenarchitektur über die Integration von Tools und APIs bis hin zu fortgeschrittenen Konzepten wie “10x Agents”, die durch geschickte Orchestrierung besonders produktiv sind.

Chromes Prompt API - KI direkt im Browser nutzen

Mon, 27 Apr 2026 00:00:00 +0000

Chromes Prompt API - KI direkt im Browser nutzen

Google hat mit der Prompt API eine eingebaute KI-Schnittstelle in Chrome integriert. Sie ermöglicht Entwicklern, Sprachmodelle direkt im Browser zu nutzen - ganz ohne Server-Backend, API-Schlüssel oder externe Dienste.

Was ist die Prompt API?

Die Prompt API ist Teil von Chromes “Built-in AI” Initiative. Sie bietet Zugriff auf lokal ausgeführte Modelle wie Gemini Nano direkt im Browser. Das bedeutet:

Keine API-Kosten: Die Inferenz läuft auf dem Gerät des Nutzers
Keine Latenz für Server-Requests: Sofortige Antwort
Datenschutz: Sensible Daten verlassen nie das Gerät
Offline-Fähigkeit: Funktioniert ohne Internetverbindung

Erste Schritte

Die Prompt API ist über JavaScript im Browser verfügbar. Ein minimales Beispiel:

Code-Agenten für Open-Source-Beiträge richtig nutzen

Sun, 26 Apr 2026 00:00:00 +0000

2026: Code-Agenten funktionieren tatsächlich

Was als Autocomplete am Rand des Editors begann, wurde zu Systemen, die aus knappen Spezifikationen funktionierende Lösungen liefern. Das ist großartig – wie Jensen Huang sagt, sind wir über Nacht von 30 Millionen auf eine Milliarde Entwickler gewachsen.

Aber es zwingt zum Umdenken über Open Source. Projekte wie Transformers werden von hunderten Contributors gepflegt, über eine Milliarde Mal heruntergeladen. Plötzlich kann jeder mit einem Agenten ein Open Issue bearbeiten und einen PR einreichen. Das passiert auch – aber meist ohne zu verstehen, dass man nicht wirklich qualitativ beiträgt.

GitHub Pages: Kostenlose Websites für jedes Projekt

Sun, 26 Apr 2026 00:00:00 +0000

Drei Dinge, die du brauchst

Wusstest du, dass du Zugang zu einem kostenlosen und sicheren Hosting-Service auf GitHub hast? GitHub Pages verwandelt jedes Repository mit einer statischen Website in eine Live-Site - komplett gratis.

Du brauchst nur drei Dinge: Ein GitHub-Konto, ein Projekt zum Deployen und ein paar Minuten Zeit. Das war’s.

Zwei Wege zum Ziel

Es gibt zwei Möglichkeiten, dein Projekt auf GitHub Pages zu veröffentlichen: Deployment von einem Branch oder über GitHub Actions.

Transformers zu MLX portieren mit KI-Agenten

Sun, 26 Apr 2026 00:00:00 +0000

Hugging Face hat einen Skill und einen Test-Harness veröffentlicht, um Sprachmodelle von Transformers zu MLX-LM zu portieren. Das Ziel: Modelle sollen (fast) augenblicklich verfügbar sein, sobald sie zu Transformers hinzugefügt werden. Der Skill ist als Unterstützung für Contributor und Reviewer konzipiert, nicht als Automatisierung.

Das Problem mit KI-generierten PRs

Im Jahr 2026 funktionieren Code-Agenten tatsächlich. Was früher Autovervollständigung am Rand des Editors war, wurde zu einem System, das aus kurzen Spezifikationen funktionierende Lösungen zaubert. Der generierte Code funktioniert meist, deckt ab, was man gefragt hat, und trifft vernünftige Annahmen über nicht spezifizierte Details.

Graph Neural Networks: Eine sanfte Einführung

Sat, 25 Apr 2026 00:00:00 +0000

Graphen sind überall

Graphen sind das natürliche Format für vernetzte Daten: soziale Netzwerke, Moleküle, Empfehlungssysteme, Wissensgraphen. Aber wie bringt man neuronale Netze dazu, diese Struktur zu verstehen?

Distill, das renommierte Journal für klare ML-Erklärungen, veröffentlichte 2021 eine der fundiertesten Einführungen zu Graph Neural Networks (GNNs). Sie ist bis heute relevant.

Der Interactive Playground

Der Artikel baut aufeinander auf: Zuerst zeigt Distill, welche Daten natürlich als Graphen dargestellt werden – inklusive kontraintuitiver Beispiele wie Bilder und Text als Graphen. Dann kommen die spezialisierten Design-Entscheidungen, die Graphen von anderen Datentypen unterscheiden.

Transformers.js in Chrome-Erweiterungen: Ein praktischer Leitfaden

Sat, 25 Apr 2026 00:00:00 +0000

Hugging Face hat einen detaillierten Leitfaden für die Integration von Transformers.js in Chrome-Erweiterungen unter Manifest V3 veröffentlicht. Am Beispiel einer Gemma-4-E2B Browser-Assistenten wird die Architektur erklärt.

Die Architektur

Chrome-Erweiterungen unter MV3 haben drei Hauptlaufzeitkontexte:

Background Service Worker: Das Kontrollzentrum für Modell-Lebenszyklus und Tool-Execution
Side Panel: Die Chat-UI mit Streaming-Updates
Content Script: DOM-Extraktion und Highlighting auf der Seite

Manifest V3 Setup

Die manifest.json definiert die Einstiegspunkte mit background service worker, side panel und content scripts. Jede Komponent hat klare Verantwortlichkeiten getrennt.

TRL v1.0: Post-Training-Bibliothek für produktive Systeme

Sat, 25 Apr 2026 00:00:00 +0000

Hugging Face hat TRL v1.0 veröffentlicht. Die Bibliothek für Post-Training-Methoden hat sich von einem Forschungsprojekt zu produktionsreifer Infrastruktur entwickelt.

Der Wendepunkt

Mit über 75 implementierten Post-Training-Methoden und 3 Millionen monatlichen Downloads ist TRL nun eine Grundlage für viele Downstream-Projekte wie Unsloth und Axolotl. Die Version 1.0 markiert den Übergang von Forschungscode zu verlässlicher Bibliothek.

Das Design-Problem

Post-Training ist ein sich schnell wandelndes Feld. Was als essenziell galt, wurde durch neue Methoden obsolet und dann wieder relevant: Reward Models waren zentral für PPO, wurden mit DPO überflüssig, und kehren in RLVR-Methoden als Verifier zurück.

KI und Cybersicherheit: Warum Offenheit ein strategischer Vorteil ist

Fri, 24 Apr 2026 00:00:00 +0000

Der Mythos-Bremser und die Zukunft der Software-Sicherheit

Die Ankündigung von Anthropics Mythos und Project Glasswing hat eine wichtige Debatte ausgelöst: Wie verändert KI die Cybersicherheitslandschaft? Hugging Face veröffentlicht einen tiefgehenden Analyse-Beitrag, der argumentiert, dass Offenheit ein struktureller Vorteil ist.

Mythos ist ein Frontier-KI-Modell, das in ein System eingebettet ist, das Software-Schwachstellen finden und patchen kann. Das Rezept: Substanzielle Rechenleistung, Modelle trainiert auf Software-Daten, Scaffolding für Vulnerability-Probing, und Geschwindigkeit durch Autonomie.

Multimodale Embedding-Modelle trainieren mit Sentence Transformers

Fri, 24 Apr 2026 00:00:00 +0000

Warum Finetuning den Unterschied macht

Allgemeine multimodale Embedding-Modelle wie Qwen3-VL-Embedding-2B sind auf diverse Daten trainiert – gut für Breite, selten optimal für Spezialfälle. Visual Document Retrieval (VDR) ist ein solcher Fall: Eine Text-Query wie “Wie hoch war der Q3-Umsatz?” muss das richtige Dokument aus Tausenden finden. Das erfordert Verständnis von Layouts, Charts, Tables – nicht von Schuh-Fotos.

Die Ergebnisse sprechen für sich: Finetuning steigerte NDCG@10 von 0.888 auf 0.947. Damit outperformt das finetuned Modell alle getesteten VDR-Modelle, inklusive 4x größerer.

Gemini API Flex & Priority: Kosten kontrollieren, Latenz managen

Thu, 23 Apr 2026 00:00:00 +0000

Zwei Tiers, ein Interface

AI-Applikationen haben zwei Arten von Aufgaben: Interaktive Features mit User-Facing-Responsibility, und Background-Jobs, wo Latenz egal ist. Bisher musste man dafür getrennte Architekturen aufbauen – Synchronous API für Chatbots, Batch API für Dataprocessing.

Google löst das mit einem Parameter: service_tier.

Flex Inference – 50% günstiger

Für latenztolerante Workloads ohne Batch-Overhead. Gleiche sync-Endpoints, keine Input/Output-Files, kein Job-Polling.

service_tier="flex"

Ideal für:

CRM-Hintergrund-Updates
Research-Simulationen
Agenten-“Thinking”-Prozesse

Priority Inference – Höchste Zuverlässigkeit

Betrunken geschrieben: Was ein Senior Engineer wirklich gelernt hat

Wed, 22 Apr 2026 00:00:00 +0000

Flüssige Wahrheit

Der Titel ist Programm: Ein Senior Engineer schreibt betrunken auf, was er in 10+ Jahren wirklich gelernt hat. Kein LinkedIn-Happy-Talk, kein “10 Steps to Success” – rohe, ungeschönte Wahrheiten.

Die Kernaussagen:

1. Code ist zweitrangig. Unternehmen zahlen für Business-Value, nicht für saubere Architecture. Der sauberste Code bringt nichts, wenn niemand zahlt.

2. Meetings sind Feature-Work. Wer denkt, Meetings stören die Arbeit, hat nicht verstanden: Abstimmung IST die Arbeit. Einsame Genies scheitern.

Florida verklagt OpenAI und Sam Altman wegen KI-Risiken

Mon, 02 Jun 2025 00:00:00 +0000

Florida hat eine Klage gegen OpenAI und CEO Sam Altman eingereicht und wirft dem Unternehmen vor, die Risiken künstlicher Intelligenz zu verschleiern. Die Klage richtet sich gegen potenzielle Gefahren durch fortgeschrittene KI-Systeme und wirft Fragen zur Unternehmensführung und Transparenz auf.

Der Rechtsstreit unterstreicht die wachsenden regulatorischen Spannungen zwischen US-Bundesstaaten und großen KI-Unternehmen. Während OpenAI seine Sicherheitsprotokolle und Governance-Strukturen verteidigt, fordern Politiker und Aufsichtsbehörden zunehmend strengere Regulierungen für die Entwicklung leistungsstarker KI-Modelle.

Tutorials on CHAOSNODE

C++: The Documentary - 40 Jahre Erfolgsstory

Wer erscheint

Meilensteine

Ladybird ändert die Entwicklungsrichtung

Was ist Ladybird?

Open Source bleibt

Uruky: EU-basierte Kagi-Alternative mit Bildersuche

Kernprinzipien

Neue Features

Bildersuche

URL Rewrites

Weltraumgestützte GNSS-Interferenz: Russische Molniya-Satelliten identifiziert

Die Analyse

Die Identifikation

CS336: Sprachmodellierung von Grund auf

PyTorch Profiler Tutorial: Performance-Engpässe systematisch finden

Kurzbeschreibung

Abstract

Stanford CS336: Sprachmodelle von Grund auf lernen

Guenstige VRAM-Upgrades fuer lokale LLM-Entwicklung

Kurzfassung

Abstract

Refactoring ohne RisikoVier Teams zeigen wie es geht

Die Refactoring-Falle

Agenten-Harness Scaffold und KI-Agent-Begriffe

Link zum Original

ITBench-AA - Erster Agenten-Benchmark fuer Enterprise-IT

Was ist ITBench-AA

Implikationen fuer Enterprise-AI

Link zum Original

PyTorch Profiler: Einsteiger-Guide für torch.profiler

Was du nicht profilieren kannst, kannst du nicht optimieren

Anthropic sammelt 65 Milliarden Dollar ein

Reachy Mini lokal betreiben: Sprachsteuerung ohne Cloud

Kurzbeschreibung

Vom Cloud-zur-Loakal-Lösung

Was Benchmarks uns wirklich sagen

KI-Kennzeichnung auf YouTube: Ein Praxisleitfaden

Wann muss ich kennzeichnen?

Wo erscheint das Label?

KI-Agenten in der Praxis: ITBench-AA Benchmark zeigt Grenzen auf

Agent Harness Engineering: Wie man AI-Agenten wirklich baut

Die Architektur verstehen

Scaffolding gestalten

JetBrains finding-tests Skill: Halbierte Token-Kosten für AI-Agenten

Das Prinzip

Ollama für lokale KI-Modelle als Schnellstart-Guide

Installation

Erstes Modell

VS Code für Git und GitHub - Ein praktischer Einstieg

Der Grund: Warum VS Code für Git?

Von Go zu Rust: Ein praktischer Migrationsleitfaden für Backend-Entwickler

Warum dieser Vergleich relevant ist

Claude ist nicht dein Architekt: Warum KI-Agenten Design-Entscheidungen nicht übernehmen sollten

Writerdeck einrichten: Ein Linux-TTY für fokussiertes Schreiben

Deep Learning Performance - Warum GPUs brrrr machen

Deep Learning Performance: Warum GPUs brrrr statt brumm machen

Lokale Video-Indexierung: Ein Jahr Footage mit Gemma 4 auf 5 Jahre altem MacBook

Das Problem: Ein Archiv, das schneller wächst als man es bearbeiten kann

vLLM V0 zu V1 Migration: Korrektheit vor Optimierung im RL-Training

Ettin Reranker: Neue SOTA-Modelle für Semantic Search

Kurzbeschreibung

Abstract

Cosmos Predict 2.5 Fine-Tuning für Roboter-Videos

Motivation

Das Problem

LoRA und DoRA

Benchmark für Agenten: Open Agent Leaderboard gestartet

Kostenlos lernen: Googles AI-Agents-Intensivkurs kehrt zurück

GitHub Accessibility Agent: 68% Auflösungsrate bei 3.535 PRs

Zwei Hauptziele

Die Ergebnisse

Der Social Model of Disability

Accessibilility Agent bei GitHub: 68% Lösungsrate nach 3535 PRs

Was GitHub aus dem Pilotprojekt gelernt hat

Die zwei Hauptziele

Die häufigsten Problemtypen

AI-Slop bekämpfen - Git Author Flag gegen Bot-Spam

Kurzbeschreibung