Einfach Komplex – Der Software- und IT-Podcast

Kevin Riedl, Gründer und CEO der Softwareagentur Wavect, diskutiert mit uns den aktuellen Stand KI-gestützter Softwareentwicklung. Statt einzelner Prompts definieren Teams zunehmend Ziele mit klaren Akzeptanzkriterien und lassen Agenten in Schleifen arbeiten, bis diese erfüllt und durch Tests belegt sind. Dieses Loop-based Engineering verlagert den Aufwand in die Spezifikation. Agenten erschließen sich eine Codebase inzwischen selbst, schreiben dafür eigene Bash- und Python-Skripte und probieren Lösungen in Wegwerfcontainern aus, bevor sie Code ändern. Kritisch bleibt, ob die von der KI geschriebenen Tests die Kriterien wirklich prüfen oder nur grün werden sollen.
Arbeiten mehrere Agenten parallel am selben Repository, trennen isolierte Git‑Worktrees die Änderungen. Ein Orchestrierungsagent legt Reihenfolge und Parallelisierbarkeit der Issues fest. Die Qualität sichern Quality Gates als harte Prüfungen in der CI, etwa Skripte, die zu lange Dateien, abweichende Namenskonventionen oder versehentlich übernommene Kundendaten erkennen. Regeln für alle Sessions stehen in Dateien wie CLAUDE.md oder AGENTS.md, die jeder Agent zu Beginn liest. Je kohärenter eine Codebase benannt und strukturiert ist, desto schneller findet sich die KI darin zurecht. Ende-zu-Ende-Tests, früher wegen des Wartungsaufwands sparsam eingesetzt, werden wieder attraktiv, weil die KI sie schreibt und pflegt.
Die heutigen Tokenpreise gelten als stark subventioniert. Wer vorausplant, senkt den Verbrauch: Modellrouter verteilen Anfragen je nach Komplexität auf passende Modelle, Codemapper bilden die Codebase als semantischen Graphen ab, und Kompressionstools kürzen CLI-Ausgaben, bevor sie im Kontext landen. Eine Alternative sind Open-Weight-Modelle wie Kimi oder GLM, deren Selbstbetrieb allerdings schnell fünfstellige Hardwarekosten verursacht und sich erst bei Dauerlast rechnet. Quantisierung senkt den Bedarf, kostet aber Genauigkeit.
Mit dem Tempo wachsen die Risiken. Ein Agent mit weitreichenden Rechten liest auch .env-Dateien mit Secrets, packt beim Bauen eines Docker-Images womöglich Dateien ein, die nicht hineingehören, und findet erstaunlich kreative Wege um Einschränkungen herum. Sandboxing, Secret Management und risikobasierte Reviews gewinnen deshalb an Gewicht, ebenso der Umgang mit der eigenen Aufmerksamkeit, die bei vielen parallel laufenden Agenten zum eigentlichen Engpass wird.
Kevins Tool-Empfehlungen zum Token-Sparen:
RTK: https://github.com/rtk-ai/rtk
Graphify: https://github.com/safishamsi/graphify
LeanCTX: https://github.com/yvgude/lean-ctx

Wavect: https://wavect.io/
Kevin Riedl auf LinkedIn: https://www.linkedin.com/in/wsdt/
-------
Einfach Komplex ist ein Podcast von Heisenware.
Weitere Infos und ein kostenloser Test: https://heisenware.com/einfach-komplex
Kontakt: podcast@heisenware.com

Hans Michael Krause ist Director Ecosystem ctrlX World bei Bosch Rexroth und verantwortet dort das Partnernetzwerk rund um ctrlX Automation und ctrlX OS. Mit ihm nehmen wir Software-defined Automation auseinander, ein Begriff, der als Buzzword herumläuft, technisch aber sehr konkret ist. Ausgangspunkt ist der Normalzustand vieler Fabriken: für jede Maschinengattung eine eigene Steuerung, eine eigene Sprache und eine eigene IDE, von IEC 61131 über G-Code bis zur herstellereigenen Robotersprache, dazu kompilierter Code auf dem Gerät und Versionierung per USB-Stick.
Software-defined heißt zuerst, Software von Hardware zu entkoppeln. Echtzeit braucht dafür keine Spezialhardware mehr: Standard-Ethernet mit EtherCAT oder Profinet, Industrie-PCs mit jitterarmen Netzwerkkarten und Linux mit PREEMPT_RT reichen für Zykluszeiten im Millisekundenbereich. Die Trennung zwischen zertifizierter Maschinenfunktion und beliebigem Container daneben übernimmt der Scheduler. Darüber liegt der Data Layer, ein semantisch strukturierter Datenbaum, über den alle Apps kommunizieren, auch die SPS selbst, und den Ihr über OPC UA, MQTT oder REST anzapfen könnt. Auch bidirektional, indem der nicht echtzeitfähige Teil Werte in ein Register legt, das die Steuerung im nächsten Zyklus ausliest.
Im zweiten Teil geht es um das Ökosystem: warum Bosch Rexroth Motion Control und Steuerungsarchitektur als eigene Stärke setzt und Vision, HMI oder Low-Code an inzwischen mehr als 100 Partner mit über 100 Apps im Marktplatz abgibt, Wettbewerber eingeschlossen. Dazu Device Management aus der Ferne, das mit Cyber Resilience Act und NIS2 vom No-Go zur Anforderung wird.
Links zur Folge:
ctrlX Ecosystem https://apps.boschrexroth.com/microsites/ctrlx-automation/de/

https://www.linkedin.com/in/hansmichaelkrause
---
Einfach Komplex ist ein Podcast von Heisenware.
Heisenware kennenlernen: https://heisenware.com/einfach-komplex
Kontakt: podcast@heisenware.com

Dr. Julian Weller, wissenschaftlicher Mitarbeiter am Fraunhofer-Institut für Entwurfstechnik Mechatronik IEM, ist unser Gast für das Thema „Condition Monitoring“. Promoviert hat er über Prescriptive Analytics, also darüber, wie sich aus Produktionsdaten konkrete Handlungsempfehlungen ableiten lassen. In der Praxis steht man davor allerdings meist ein paar Stufen weiter unten. Zustandsüberwachung klingt nach einem langweiligen Datenthema, ist aber die Voraussetzung für alles, was danach kommt. Die klassischen Leistungsstufen reichen von deskriptiv über Diagnose und Prädiktion bis zur Präskription, und wer die erste Stufe überspringt, scheitert zuverlässig an der vierten. Zuerst geht es also darum, Maschinendaten wie Motorstrom, Anpressdruck oder Vibration überhaupt zu erfassen und zu kontextualisieren, denn ein Fehlercode 100 ohne Bedeutung ist kein Zustand, sondern nur eine Zahl.
Technisch führt der Weg von der SPS über OPC UA und die Maschinennetze der Fabrik nach außen, oder eben über ein IoT-Device mit SIM-Karte direkt an der Anlage, das den Umweg durch sieben Sicherheitszonen umgeht. Welche Variante durchsetzbar ist, hängt stark von der Branche ab, denn Automobil und Medizintechnik ticken anders als Lebensmittel oder Möbelindustrie. Dazu kommt die Frage, wer die Überwachung überhaupt betreibt. Der Komponentenhersteller, der Maschinenbauer und der Betreiber haben jeweils eigene Interessen, und wer eine Presse mit eigener Plattform kauft, hat Ofen und Roboter davor und dahinter trotzdem nicht abgedeckt. Genau deshalb entstehen daneben immer wieder Retrofit-Lösungen über die gesamte Linie.
Bei der Datenanalyse gilt eine unbequeme Faustregel: Rund zwanzig Prozent der Projektzeit gehen dafür drauf, überhaupt herauszufinden, ob in den Daten etwas Verwertbares steckt. Das läuft hypothesengeleitet und über Gespräche an der Anlage, weil deutsche Maschinen so gebaut sind, dass sie zwanzig Jahre nicht ausfallen, und damit fehlen ausgerechnet die Labels für Fehlerfälle. Alte Serviceberichte werden hier wieder interessant, weil Sprachmodelle daraus nachträglich Ausfallzeitpunkte extrahieren können. Kurios ist dabei, dass der für Menschen optimale Wartungsbericht mit Ankreuzfeldern, Abkürzungen und rotem Stift für OCR und Sprachmodelle der Albtraum ist. Bei der Ablage der extrahierten Informationen zeichnet sich ab, dass reine Textähnlichkeit über Embeddings zu kurz greift und sich Ansätze durchsetzen, die eher wie Coding-Agenten funktionieren, also strukturierte Dateien in navigierbaren Ordnerstrukturen.
In der Realität scheitern anspruchsvolle Modelle oft an Concept und Context Drift, wenn sich Hallentemperatur, Material oder der Zustand nach einem Teiletausch ändern. Deshalb laufen auf vielen Anlagen bis heute Grenzwertüberwachungen mit E-Mail-Versand statt neuronaler Netze, weil der Mehrwert fast identisch ist. Auch mehr Sensorik ist nicht automatisch besser, denn technische Verfügbarkeiten multiplizieren sich und jeder zusätzliche Sensor kann selbst zum Stillstandsgrund werden. Vibrationsanalyse per Fourier-Transformation braucht zudem Auflösung und Rechenleistung, die vor Ort meist fehlen. Am Ende zählt, ob die Überwachung auf Qualität, Leistung oder Verfügbarkeit einzahlt. Sprachmodelle setzen sinnvoll als Layer darüber an, für Auswertung, Anpassung von Visualisierungen und Analysecode, aber eben erst, wenn die Datengrundlage steht.
Links zur Folge:
Dr. Julian Weller auf LinkedIn: https://www.linkedin.com/in/julian-le-weller
Fraunhofer IEM: https://www.iem.fraunhofer.de 
---
Einfach Komplex ist ein Podcast von Heisenware.
Heisenware kennenlernen: ⁠https://heisenware.com/einfach-komplex⁠⁠⁠⁠
Kontakt: ⁠podcast@heisenware.com⁠

Zu Gast ist Yannick Reinke, IT-Freelancer aus dem Allgäu mit eigener IT-Beratung und Schwerpunkt auf Microsoft-Technologie. Es geht um eine Sortierung des Portfolios entlang von drei Blöcken: Power Platform, Fabric samt Power BI sowie Copilot. Microsoft deckt gefühlt alles ab und die Tools greifen sauber ineinander, nur kann kaum jemand noch sagen, welches davon für welchen Fall das richtige ist.
In der Power Platform ist Power Apps das Frontend, Power Automate die Prozessengine und Dataverse die Datenhaltung. Programmiert wird in Power FX, allerdings eigenschaftsweise am jeweiligen Element und nicht als zusammenhängender Code, der sich versionieren oder am Stück von einer KI korrigieren ließe. Solange SharePoint oder Microsoft Lists als Quelle dienen, ist die Standardvariante in der E3-Lizenz enthalten, mit Dataverse wird es lizenzpflichtig und als Speicher schnell teuer. Bei den Daten ist Power BI das Visualisierungswerkzeug und Fabric die Plattform darunter, die Azure Data Factory, OneLake und Synapse zusammenfasst. Der Kern der Arbeit liegt dabei nicht im Dashboard, sondern im semantischen Modell samt Row Level Security, die bis auf Zeilenebene regelt, wer was sieht, und sich bis in die Copilot-Antworten durchzieht.
Beim dritten Block hilft es, die verschiedenen Dinge auseinanderzuhalten, die Microsoft alle Copilot nennt: den integrierten Copilot in Word, Excel, Teams und Outlook, den Copilot Chat mit Webwissen, Copilot Studio für Agenten auf eigener Knowledge Base und Microsoft Foundry, früher Azure AI Foundry, als Pro-Code-Plattform mit freier Modellauswahl. Dazu kommen die Frage nach Determinismus, wenn die Antwort eigentlich eine belastbare Zahl sein soll, und der Hinweis, dass acht von zehn vermeintlichen KI-Fällen in Wahrheit regelbasierte Workflows sind.
Links zur Folge:
IT-Beratung Reinke: https://www.it-beratung-reinke.de
Yannick Reinke auf LinkedIn: https://www.linkedin.com/in/yannick-reinke-7688b2198/
------
Einfach Komplex ist ein Podcast von Heisenware.
Weitere Infos und ein kostenloser Test: https://heisenware.com/einfach-komplex
Kontakt: podcast@heisenware.com

TypeScript ist keine eigene Programmiersprache, sondern ein Typsystem über JavaScript, das beim Kompilieren wieder verschwindet. Am Ende läuft Vanilla JavaScript. Genau daran hat sich Burkhards jahrelange Skepsis entzündet: C++ zwingt Euch, alles zu typisieren, JavaScript wurde unter anderem erfunden, um diesen Ballast loszuwerden, und TypeScript schraubt ihn wieder obendrauf. Entstanden ist es bei Microsoft unter Anders Hejlsberg, dem Architekten hinter Turbo Pascal, Delphi und C#, von Anfang an öffentlich unter Apache-2.0-Lizenz.
Anders als die nominalen Typsysteme von Java oder C++ typisiert TypeScript strukturell, umgangssprachlich Duck Typing: Wenn die Form stimmt, passt der Typ. Der Compiler tsc führt nichts aus, er prüft nur die Konsistenz und meldet Fehler bereits in der IDE statt erst zur Laufzeit. Damit verschwinden die Klassiker, die Ihr sonst erst im Betrieb seht, etwa ein undefined mitten in der UI-Maske oder eine weiße Seite im Frontend. Wer nicht erzwingen will, kann bei JavaScript plus JSDoc bleiben und Typen nur dokumentieren. Testabdeckung ersetzt das übrigens nicht, Typisierung und Tests sind zwei orthogonale Dimensionen.
Der Auslöser für die Umstellung der Heisenware-Engine von Node.js mit Vanilla JavaScript auf TypeScript war allerdings KI. TypeScript ist alt genug für massive Präsenz in den Trainingsdaten, der vorhandene Code ist durch den Compiler-Check überdurchschnittlich sauber, und semantische Typnamen wie User oder ProductionOrder machen eine Codebase für ein LLM lesbar wie Fließtext. Ein durchdefinierter Typ lässt der KI keinen Interpretationsspielraum, und für Tool Calling und MCP lassen sich JSON-Schemata direkt aus den Typen ableiten. Wie schnell sich hier etwas bewegt, zeigt der Compiler selbst: Unter dem Codenamen Corsa nach Go portiert, um echtes Multithreading zu nutzen, ist TypeScript 7.0 am 8. Juli 2026 allgemein verfügbar geworden, mit Beschleunigungsfaktoren von acht bis zwölf bei vollen Builds.
Links zur Folge:
https://www.typescriptlang.org
https://github.com/microsoft/TypeScript
https://github.com/microsoft/typescript-go
---
Einfach Komplex ist ein Podcast von Heisenware.
Heisenware kennenlernen: https://heisenware.com/einfach-komplex
Kontakt: podcast@heisenware.com