Blog & Artikel

KI-Features für Jira Data Center – ohne Atlassian Cloud

Stell dir vor, nach jedem Kundenmeeting entstehen automatisch strukturierte Jira-Issues – einfach deine Notizen in eine KI kopieren und fertig. Atlassian bringt diese Magie bereits mit Jira Cloud: Sprachsuche, automatische Zusammenfassungen und Issue-Erstellung aus unstrukturierten Texten. Aber nicht jeder möchte in die Cloud. Viele setzen lieber auf das noch bis 2029 unterstützte Jira Data Center. In diesem Artikel zeigen wir, wie du dieselben Vorteile on-premise mit Jira Server und eigener KI bekommst: DSGVO-konform, Cloud-Act-sicher und ganz ohne Datenabfluss.

Gute Last, schlechte Last

Mehr Struktur, mehr Output, mehr Erschöpfung. Spec-driven Development hat mir zwar bessere Ergebnisse mit KI-Agenten beschert, aber auch gleichzeitig die Freude am Bauen genommen. Über gute Last, schlechte Last und versteckte Kosten, die keiner einplant.

Über AI-Einsatz in verschiedenen Coding-Situationen

Meine Interpretationen zur Developer Productivity Study der Stanford University

Spec-Driven Architecture: Wenn Agenten bauen, muss Architektur sprechen

Spec-Driven Development gibt Agenten eine klare Implementierungsgrundlage. Was es nicht löst: wie ein Portfolio von Systemen kohärent bleibt. Spec-Driven Architecture überträgt dasselbe Prinzip auf die Architekturebene, mit Contracts als versionierten Grenzen und Garantien, durchsetzbar im agentischen Workflow und in der CI/CD-Pipeline.

REST ist das bessere MCP

Statt spezielle APIs zu nutzen, können Agenten bestehende Web-Anwendungen direkt bedienen. Sie nutzen somit wie Menschen die konsequenteste Umsetzung von Hypermedia und profitieren so von bereits vorhandenem Kontext, Validierung und Zugriffsrechten. Am Beispiel einer Reisekostenabrechnung zeige ich, wie Agenten damit komplexe, kontextabhängige Aufgaben automatisieren können – ohne dafür neue APIs implementieren zu müssen.

Spec-Driven Development ist Domain-Driven Design für Ungeduldige

Warum BMAD dich nicht retten wird

The right size of a Data Product

Setting the boundaries of data products incorrectly can lead to integration issues, unclear ownership and duplicated logic. This guide offers practical heuristics for creating data products of the right size.

Agenten gut, alles gut?

Softwareentwicklung besteht aus einer Aneinanderreihung von Kompromissen. Seit ich Systeme baue, gibt es immer diese Dinge, die man nicht macht, obwohl man sie eigentlich gern tun würde. Mit Agenten können wir jetzt plötzlich unsere Wünsche erfüllen und endlich alles umsetzen, was uns immer gefehlt hat. Spoiler: Das sollten wir aber nicht.

Understanding AI Coding Patterns Through Cognitive Load Theory

Developing with AI through the cognitive Lens

Ein Überblick der AI-assistierten Softwareentwicklung in 2026

Birgitta Boeckeler (ThoughtWorks), Heinrich Hartmann (Zalando) und Sven Johann haben sich über den aktuellen Status der AI-assisted Software Entwicklung unterhalten: was ist wirklich Wichtiges in 2025 passiert? Welche stabilen Muster können wir ableiten? Was gibt Orientierung und Einordnung? Und natürlich ein paar Einblicke in den Future of Software Engineering Retreat in Utah an dem Birgitta teilgenommen hat. Die Unterhaltung gibt es natürlich auch als Podcast. Dieser Artikel ist aber eine menschlich kuratierte Zusammenfassung.

Features für einen schnelleren JVM-Start

In diesem Artikel wollen wir uns mit dem Kritikpunkt der langsamen Startzeit der JVM beschäftigen. Dazu schauen wir uns an, was eigentlich beim Start passiert und mit welchen schon vorhandenen oder in Zukunft kommenden Features die Startzeit verbessert werden kann.

Neuland reloaded

Vom Vibe Coder zum Code Owner

KI-Agenten erzeugen in kürzester Zeit tausende Zeilen Code. Wer ihr Potenzial voll ausschöpfen will, kann nicht mehr jede Zeile reviewen – wird aber trotzdem für die Software verantwortlich sein. Wie übernimmt man Ownership für Code, den man nicht vollständig gelesen hat? Die Antwort liegt im Agent Harness: einem System aus deterministischen Checks, KI-Reviews und gezieltem menschlichem Review, das Qualität erzwingt statt erhofft.

Meine Coding-Agenten laufen jetzt sandboxed. Den Netzwerkzugriff habe ich unter Kontrolle.

Ich möchte, dass meine KI-Coding-Agents eigenständig arbeiten, aber ich will ihnen keinen uneingeschränkten Internetzugang geben. In diesem Beitrag beschreibe ich, wie ich den gesamten Netzwerkverkehr aus meiner Development-Sandbox über eine strikte Proxy-Allowlist geroutet habe, die nur eine kleine Menge ausdrücklich freigegebener Domains zulässt. Dieses Setup hat mir endlich genug Vertrauen gegeben, die Guardrails zu lockern, ohne ständig selbst in der Schleife bleiben zu müssen.

Jeder kann Architekt sein!

Deine Datenbanktabelle ist eine schlechte API

Eine gemeinsam genutzte Datenbanktabelle wirkt wie die ultimative Abkürzung: kein API-Design, keine Verträge – nur ein Schema. Der Haken: Diese Bequemlichkeit wird über kurz oder lang zum Bumerang. Sie verwischt Grenzen, bremst Veränderungen aus und macht die unabhängige Weiterentwicklung unnötig schwer. Dieser Artikel zeigt, warum Tabellen (und datenmodellnahe „generierte APIs“) so verlockend sind – und warum sie selten als Integrationsgrenze taugen.

Unsichere KI-Assistenten dürfen nicht zur Normalität werden

KI-Assistenten wie OpenClaw versprechen Komfort, Autonomie und immer stärker personalisierte Unterstützung. Doch hinter diesem Versprechen steht eine Architektur, die private Daten, Internetzugang und den Umgang mit nicht vertrauenswürdigen Inhalten kombiniert. Genau diese Konstellation bildet die „Lethal Trifecta“ des Sicherheitsrisikos. Sandboxing und physische Isolation können den Schaden begrenzen, beheben aber nicht das grundlegende Problem. Mit jeder zusätzlichen Fähigkeit vergrößert sich der potenzielle Schadensradius. Dieser Beitrag ist ein Plädoyer dafür, das Tempo zu drosseln, vermeintliche Selbstverständlichkeiten zu hinterfragen und unsichere Architekturen nicht als Normalfall zu akzeptieren.

Die persönliche KI ist schon da

Wir sind vermutlich noch nicht darauf vorbereitet

Was tun, während die KI nachdenkt

KI kann Code schreiben, während wir warten – aber das heißt nicht, dass wir plötzlich freie Zeit haben. Ob wir nachdenken, multitasken, reviewen oder pausieren sollten, hängt davon ab, welche Art von Arbeit wir gerade erledigen.

Fetch-Tools vs. Browser-Rendering in Agenten-Setups

„Eine URL abrufen“ klingt trivial, kann aber innerhalb eines Agenten schnell chaotisch werden. Ein Teil der Verwirrung entsteht durch Dokumentation, die nicht sauber trennt, was die einzelnen Web-Tools eigentlich leisten.

Ich habe meine KI-Agenten in eine Sandbox gesteckt. Du solltest das auch tun.

Mein Setup mit Lima-VM und JetBrains Gateway für sichere agentische Entwicklung

Leave It Better Than You Found It

„Lass den Code besser zurück, als du ihn vorgefunden hast.“ Dieser Rat, auch bekannt als Scout Rule, klingt simpel – aber wie sieht das eigentlich in der Praxis aus? Dies ist die Geschichte davon, wie ich diesem Prinzip gefolgt bin, dabei einen überladenen Controller aufgeräumt habe und wie uns dies völlig unerwartet geholfen hat, neue Anforderungen schnell und mit minimalem Aufwand umzusetzen. Eine kleine Lektion in guter Gewohnheit und kontinuierlicher Architekturarbeit.

Why not scatter @Transactional everywhere?

@Transactional — great when you know when not to use it. Use it consciously instead of sprinkling it everywhere!

Was, da geht noch mehr? Noch mehr Besonderheiten von und mit Java

Von FOMO zu Fokus

KI steht auf jeder Agenda - doch wo fängt man an? Viele Unternehmen starten parallel mehrere KI-Initiativen, getrieben von der Angst, den Anschluss zu verpassen. Das Ergebnis: verzettelte Ressourcen, fehlende Priorisierung und unklarer Business-Impact. Das AI Opportunity Mapping schafft Abhilfe: Es führt systematisch von vagen KI-Visionen zu konkreten, priorisierten Use Cases mit echtem Geschäftsnutzen. In fünf Schritten entwickeln Teams strukturiert KI-Chancen und treffen fundierte Entscheidungen. Das Ergebnis: Fokus statt FOMO, Klarheit statt Aktionismus.