Claude Opus und AEGIS: Ein Dialog
Ein längerer Austausch mit Claude Opus 4.6 über AEGIS, 100%-Forderungen und den strukturellen Unterschied zwischen probabilistischen Generatoren und deterministischen Prüfern.
Wenn alle auf einmal AI wollen
Wenn Unternehmen AI-Coding-Tools in die Breite bringen wollen, scheitert es selten am Modell. Meist scheitert es an Kontext, Gewohnheiten und schwachen Prozessen.
Wenn die KI die Regeln schreibt
Wie kommt man von 'Ärzte dürfen Patientenakten einsehen' zu einer formalen Regel, die ein Computer deterministisch prüfen kann? Über Regelsprachen, Übersetzungslücken und die Frage, ob ein LLM dabei helfen darf.
Der deterministische Gatekeeper für ein LLM
Warum kein Training der Welt reicht, um aus einem Sprachmodell eine Regelinstanz zu machen. Und was die Alternative ist.
Wer orchestriert die Spezialisten?
1997 habe ich auf meiner Firmenwebseite einen Link zum Cyc-Projekt gesetzt. Fast 30 Jahre später stellt sich dieselbe Frage — nur anders. Über die Leerstelle im Zentrum der KI-Architektur.
Kontext ist alles
KI-Agenten sind so gut wie der Kontext, den man ihnen gibt. Wer große Projekte mit Agenten umsetzt, braucht kein besseres Modell, sondern besseres Kontextmanagement. Ein Feldbericht aus zwei Jahren Praxis.
Eleganter Müll
LLMs geben Menschen ohne Fachwissen Werkzeuge in die Hand, mit denen sie beeindruckend aussehende Ergebnisse produzieren. Das Problem ist nicht die Technologie. Das Problem ist die intellektuelle Selbsttäuschung, die sie leichter macht.
Wer prüft die letzten 10%?
KI-Agenten schreiben Code schneller als je zuvor. Aber die Fähigkeit, diesen Code zu bewerten, lässt sich nicht automatisieren. Und sie droht zu verschwinden.
Mit KI werden viele Projekte zu 90% fertig
Warum KI keine Senior-Entwickler ersetzt
Die Rückkehr zum Wasserfall?
LLM-Agenten können Code in Minuten schreiben. Aber wer bestimmt die Architektur? Warum Greenfield-Entwicklung mit KI mehr Planung braucht, nicht weniger.