Neue Technologien!

Neue Technologie ist dann relevant, wenn sie eine nützliche Fähigkeit schafft, eine architektonische Grenze verändert oder ein bestehendes System deutlich verbessert. Ich bewerte aufkommende KI-, Plattform- und Softwaretechnologien danach, was sie tatsächlich ermöglichen, wie sie sich in bestehende Systeme integrieren und welche operativen Kompromisse sie mit sich bringen.

Wo mein aktueller technischer Fokus liegt

KI-Anwendungsarchitektur

Die interessante Ebene in der modernen KI ist zunehmend das System rund um das Modell: Anbieterabstraktion, Retrieval, Kontextkonstruktion, Tools, Berechtigungen, Zustand, Evaluierung, Observability und Laufzeitsteuerung. Modelle bleiben wichtig, aber die Anwendungsarchitektur bestimmt, wie ihre Fähigkeit nutzbar wird.

• Lokale, gehostete und hybride Modell-Laufzeitumgebungen
• Anbieter- und Modellabstraktion
• Fähigkeitsbewusstes Modell-Routing
• Strukturierte Ausgaben und Anwendungs-APIs
• Evaluierung und Verhaltensvalidierung
• Berechtigungsbewusste Tool-Ausführung
• KI-Clients und kontrollierte Laufzeitumgebungen

Agenten, Tools & Protokolle

Agentische Systeme führen eine neue Anwendungsebene ein, in der ein Modell Tools auswählen, Zustand halten, Ergebnisse beobachten und auf ein Ziel hinarbeiten kann. Die wichtigen Engineering-Fragen betreffen Ausführungsgrenzen, Berechtigungen, Zuverlässigkeit, Zustandsverwaltung und die Art und Weise, wie Fähigkeiten der Laufzeitumgebung bereitgestellt werden.

Protokolle wie MCP und verwandte Ansätze zur Agenten-Interoperabilität sind relevant, weil sie bestimmte Verbindungen zwischen Modellen, Laufzeitumgebungen, Tools, Daten und anderen Systemen standardisieren. Sie sollten als architektonische Schichten verstanden und nicht als Ersatz für die vollständige Anwendung behandelt werden.

Retrieval, RAG & Kontext-Engineering

Retrieval-Augmented Generation entwickelt sich von einem einfachen Vektorsuchmuster zu einer breiteren Retrieval-Architektur. Embeddings, lexikalische Suche, Metadatenfilterung, Reranking, Auswahl der Source of Truth, Provenienz und Kontextkonstruktion sind separate Anliegen, die zusammenwirken müssen.

• Embeddings und semantische Repräsentation
• Vektor- und lexikalisches Retrieval
• Hybride Suche
• Reranking
• Metadaten- und Berechtigungsfilterung
• Quellenprovenienz und Evidenz
• Kontext-Engineering
• Grenzen der Antwortvalidierung

Lokale, private & kontrollierte KI

Lokale Inferenz wird zu einer praktikablen architektonischen Option neben gehosteten Modell-APIs. Tools wie Ollama und OpenAI-kompatible lokale Laufzeitumgebungen ermöglichen es Anwendungen, je nach Datenschutz, Latenz, Fähigkeit, Kosten und operativen Einschränkungen zwischen lokaler und remote Ausführung zu wählen.

Lokale KI sollte nicht mit air-gapped oder souveräner KI verwechselt werden. Diese Konzepte stellen unterschiedliche Anforderungen an Infrastruktur, Abhängigkeiten, Software-Lieferketten, Betrieb und organisatorische Kontrolle.

Strukturiertes Wissen für Menschen und KI

Content-Systeme bedienen zunehmend mehr als eine Browserseite. Strukturierte Dokumente können auch Suche, Retrieval, Übersetzung, Wissensgraphen, interne Verlinkung und KI-Anwendungen unterstützen. Dadurch werden Blockidentität, Metadaten, Provenienz, semantische Beziehungen und mehrsprachige Synchronisierung zu architektonischen Anliegen.

stajic.de nutzt strukturierte EditorJS-Inhalte und mehrsprachiges Publishing als praktische Umgebung, um diesen Übergang von traditionellen CMS-Inhalten hin zu maschinenlesbarem technischem Wissen zu erkunden.

Moderne Plattform-Entwicklung

Moderne Anwendungsstacks kombinieren serverseitiges Rendering, typisierten Frontend- und Backend-Code, relationale Datenmodelle, modulare APIs und Produktionsinfrastruktur. Nuxt, Vue, TypeScript, Node.js, Prisma und PostgreSQL bieten eine starke aktuelle Grundlage für diese Art von System, wenn ihre architektonische Passung stimmt.

Desktop-KI & lokale Laufzeitintegration

Desktop-Anwendungen werden wieder relevant, da KI-Workloads kontrollierten Zugriff auf lokale Modelle, Dateien, Tools und Betriebssystemfunktionen benötigen. Aaasaasa AI Client erkundet diese Grenze mit Electron und TypeScript zusammen mit lokalen und entfernten KI-Laufzeiten, Anbieterabstraktion und kontrollierten Anwendungsberechtigungen.

Identität, Berechtigungen & KI-Sicherheitsgrenzen

Da KI-Anwendungen Zugriff auf Tools und Unternehmensdaten erhalten, wird traditionelle Anwendungssicherheit noch wichtiger. Authentifizierung, Autorisierung, RBAC, Mandantentrennung, Laufzeitberechtigungen und Auditierbarkeit müssen explizite Grenzen um das Modellverhalten bleiben.

Produktion zählt mehr als die Demo

Eine Technologie-Demo beantwortet die Frage, ob etwas funktionieren kann. Produktionsarchitektur fragt, ob es verständlich, sicher, wartbar und betreibbar bleibt, wenn das System echte Benutzer, Daten, Fehler, Migrationen und sich ändernde Anforderungen hat.

• Kann es vorhersehbar bereitgestellt und aktualisiert werden?
• Können Fehler beobachtet und diagnostiziert werden?
• Können Daten und Berechtigungen kontrolliert werden?
• Kann die Technologie ersetzt werden, wenn sich Abhängigkeiten ändern?
• Kann das Team sie verstehen und betreiben?
• Rechtfertigt ihr Nutzen ihre Komplexität?

Übernehmen, bewerten oder experimentieren

Nicht jede vielversprechende Technologie gehört sofort in die Produktion. Ich trenne Technologien, die ausgereift genug für die normale Implementierung sind, von denen, die in einem kontrollierten Proof of Concept bewertet werden sollten, und denen, die noch primär für Forschung und Experimente nützlich sind.

Technologie durch Implementierung

Neue Technologien werden wo immer möglich durch Implementierung bewertet. stajic.de, Aaasaasa AI Client, SenseFlow, loving.rocks, figure.rocks und bazify.com bieten verschiedene Umgebungen zum Testen von Plattformarchitektur, mehrsprachigem Publishing, KI-Integration, lokalen Laufzeiten, Suche, technischem SEO und Produktionsabläufen.

Das Ziel sind bessere Systeme, nicht mehr Technologie

Ich verfolge neue Technologien aufmerksam, aber Neuheit allein ist kein Designkriterium. Die Technologien, die es wert sind, übernommen zu werden, sind diejenigen, die nützliche Fähigkeiten schaffen und gleichzeitig das umgebende System verständlich, kontrollierbar und lieferbar halten.