Unsere Primer
INNOQ-Bibliothek
-
MLOps – Sustainable Development and Operation of Machine Learning Applications
Training ML models can be time-consuming, but the real challenge lies in integrating an ML system into a production environment – in other words, into the software product that users interact with.
An ML system is comprised of three main elements: the training data, the ML model, and the code used to train the models. We apply DevOps principles to ML systems (MLOps) to combine the development and operations of ML. MLOps, as an extension of DevOps, focuses on automating and monitoring every step of integrating ML systems into software projects.
In this primer, we explain the fundamentals and principles of MLOps, aiming to provide insights into MLOps processes from an engineering perspective. innoq.
-
RAG: Retrieval-Augmented Generation – Die Architektur zuverlässiger KI
In diesem Primer führen wir systematisch in die Konzepte und Architektur von RAG ein. Wir behandeln sowohl theoretische Grundlagen als auch praktische Implementierungsaspekte wie Chunking, Embedding und Vektordatenbanken. Außerdem teilen wir unsere Praxiserfahrung aus echten Projekten. Für Softwarearchitekt:innen und -entwickler:innen, die einen kompakten, aber fundierten Einstieg ins Thema suchen und den Einsatz von RAG in der eigenen Organisation bewerten wollen.
-
Canvas 101
Mit einem Canvas lassen sich komplexe Themen strukturiert darstellen und effizient dokumentieren – von Geschäftsmodellen über Anforderungen und Architekturen bis zu operativen Aspekten und Teamarbeit.
In diesem Primer zeigen wir Ihnen sechs Canvases, die sich in anspruchsvollen IT-Projekten bewährt haben:
- Business Model Canvas: Der Klassiker für Geschäftsmodelle.
- Architecture Inception Canvas: Startpunkt für IT-Projekte – von Anforderungen zu ersten Lösungen.
- Architecture Communication Canvas: Kompakte Architekturdokumentation nach arc42.
- Software Analytics Canvas: Strukturierte, datengetriebene Analysen von Softwaresystemen.
- Tech Stack Canvas: Technische Basis und Toolauswahl im Überblick.
- Team Communication Canvas: Struktur für erfolgreiche Zusammenarbeit.
Dieser Primer richtet sich an Softwareentwickler:innen, Architekt:innen, Projektleiter:innen und Business Analyst:innen, die ihre Dokumentation schlank, verständlich und praktisch halten wollen.
-
Data Mesh Architecture
Data Mesh is a sociotechnical approach that enables development teams to autonomously carry out data analysis. Data Mesh leverages decentralization, a concept already familiar from modern software development with Domain-Driven Design, autonomous cross-functional DevOps teams, and microservices, and applies this consistently to the world of data and analytics. Data Mesh is based on four principles that are all interdependent: Domain Ownership, Data as a Product, Self-serve Data Platform, and Federated Computational Governance. In this primer, we explain Data Mesh from the engineering perspective. More information about data mesh is available at datamesh-architecture.com.
-
Data Mesh Architektur
Data Mesh ist ein sozio-technischer Ansatz, der es Entwicklungsteams ermöglicht, Datenanalysen autonom durchzuführen. Data Mesh setzt auf Dezentralisierung, die wir bereits aus der modernen Softwareentwicklung mit Domain Driven Design, autonomen, funktionsübergreifenden DevOps-Teams und Microservices kennen, und wendet diese konsequent auf die Welt der Daten und der Analyse an. Data Mesh basiert auf vier Prinzipien, die alle voneinander abhängen: Domain Ownership, Data as a Product, Self-serve Data Platform und Federated Computational Governance. In diesem Primer erklären wir Data Mesh aus der Engineering-Perspektive. Mehr Infos zu Data Mesh gibt es unter datamesh-architecture.com.
-
MLOps – Nachhaltige Entwicklung und Betrieb von Machine-Learning-Anwendungen
Das Training von ML-Modellen kann viel Zeit in Anspruch nehmen. Die eigentliche Herausforderung aber ist die Integration eines ML-Systems in die Produktionsumgebung, d.h. in das Softwareprodukt, mit dem die Nutzer:innen interagieren. Ein ML-System besteht dabei aus drei Hauptelementen: den Trainingsdaten, dem ML-Modell und dem Code für das Training der Modelle. Wir nutzen die DevOps-Prinzipien für ML-Systeme (MLOps), um die ML-Entwicklung (Development) und den ML-Betrieb (Operations) zu kombinieren. In diesem Primer erklären wir die Grundlagen und Prinzipien von MLOps mit dem Ziel, die MLOps-Prozesse aus der Engineering-Perspektive zu vermitteln.
-
Cloud Migration
Many companies are turning to the cloud, expecting many benefits and innovative solutions. But moving to the cloud is not an easy process. There are many challenges to overcome. These are not only technical, but also affect the software architecture, the organization itself, and its culture. This primer shows what needs to be done and what needs to be considered to make a planned cloud migration successful and reap the benefits.
-
Kubernetes Resource Management
Over the last couple of years Kubernetes has arguably become the most popular infrastructure platform with a rapidly growing ecosystem. This practical guide shows you how to optimize the configuration of your Kubernetes cluster so that they run your workloads as efficiently as possible.
-
GitOps
GitOps is a way of implementing Continuous Deployment for cloud native applications. It focuses on a developer-centric experience when operating infrastructure, by using tools developers are already familiar with, including Git and Continuous Deployment tools.
-
Datenbanken: Datenmodelle, Skalierung, Cloud
Entwicklerinnen und Entwickler haben heute eine Vielzahl von Optionen, wenn es um die Wahl einer Datenbank für ihre Anwendung geht. In diesem Buch gehen wir auf die Aspekte Datenmodelle, Skalierung und Betrieb ein und möchten damit eine Hilfestellung bei der Auswahl geben.
-
Domain-Driven Design Referenz - Definitionen & Muster
Domain-driven Design spielt beim Entwerfen und Umsetzen von fachlich anspruchsvollen Systemen eine entscheidende Rolle. Für das Verständnis von DDD ist die DDD-Referenz von Eric Evans eine unverzichtbare Quelle – und liegt mit diesem Buch erstmalig in deutscher Übersetzung vor. Sowohl die Originalversion, als auch die Übersetzung stehen unter Creative-Common-Lizenz.
-
Remote Mob Programming
Remote Mob Programming combines two ways of working: Mob Programming and working as a distributed team. Jochen Christ, Simon Harrer and Martin Huber share their experience with their working model - and why they don’t want to work differently anymore.
-
Softwarearchitekturen pragmatisch dokumentieren – Eine kompakte Einführung in arc42
Effektiv, schmerzfrei und mit wenig Aufwand. Gernot Starke und Benjamin Wolf räumen mit einigen Vorurteilen gegen (technische) Doku- mentation auf und zeigen Ihnen, wie Sie auf einfache Weise zu vernünftiger (Architektur-) Dokumentation kommen.
-
Software Reviews – Identifying Risks and Problems in Software
This practical guide shows you how software systems that have grown over many years can be effectively analyzed and evaluated.
-
Software Reviews – Risiken und Probleme in Software zielsicher identifizieren
Dieser praktische Leitfaden zeigt, wie langjährig gewachsene Softwaresysteme effektiv analysiert und bewertet werden können.
