ai
Praktische Anwendungen von KI in der Softwareentwicklung, lokale LLMs, Prompt-Engineering und Integration von Intelligenz in Produktionssysteme.
4 Artikel
Mein lokales KI-Setup, sechs Monate später: 48 GB, Qwen3.8 und ein anderer Engpass
Zusammenfassung Sechs Monate nach dem 16-GB-Setup: 48 GB, ein Standard-27B-Modell, Splash-Inference in LM Studio und 64K Kontext, weil sich der Engpass vom Einpassen des Modells auf die Nutzbarkeit langer Agent-Sessions verschoben hat.
Vor einigen Monaten habe ich darüber geschrieben, wie ich auf einem MacBook Pro mit 16 GB Unified Memory ein brauchbares lokales KI-Setup für die Softwareentwicklung aufgebaut habe. Damals wurde fast jede Entscheidung durch den verfügbaren Arbeitsspeicher bestimmt. Ich experimentierte mit kleineren Modellen, begrenzte die Kontextgröße bewusst und suchte nach einer Kombination, die leistungsfähig genug für Entwicklungsaufgaben war und gleichzeitig genügend Ressourcen für IDE, Container, Browser und den Rest meiner Entwicklungsumgebung übrig ließ.
Weiterlesen →Mein lokales KI-Coding-Toolkit: Wie ich Agenten schnell und Token-effizient halte
Zusammenfassung Wie ich die Umgebung um KI-Coding-Agenten optimiere, um Token-Verschwendung zu reduzieren und Sessions effizient zu halten.
KI-Coding-Agenten sind fest in meinen täglichen Arbeitsablauf integriert. Ich nutze OpenCode und Claude Code für unterschiedlichste Aufgaben: vom Einarbeiten in unbekannte Codebasen und der Fehleranalyse bis hin zur Umsetzung von Änderungen, Code-Reviews und der Arbeit an architektonischen Fragestellungen.
Weiterlesen →Angular AI in echten Projekten sinnvoll einsetzen
Zusammenfassung KI-Tools sind gut im Generieren von Code, aber echte Angular-Projekte gelingen nur, wenn man ihnen reichen Projektkontext, Architekturgrenzen und Konventionen mitgibt.
KI kann eine Komponente erzeugen, einen Test schreiben oder einen Compilerfehler erklären. In realen Anwendungen hängen die Ergebnisse jedoch deutlich stärker vom Projektkontext als von den Fähigkeiten des Modells ab. Sie kennt weder eure Architektur noch eure Konventionen oder die Grenzen, die über Jahre entstanden sind.
Weiterlesen →Lokale KI auf einem MacBook Pro mit 16 GB RAM: Was wirklich funktioniert
Zusammenfassung Praktischer Leitfaden zum Ausführen lokaler KI-Coding-Assistenten auf einem 16 GB M1 MacBook Pro, was gut funktioniert, was nicht und die echten Kompromisse beim Setup.
Lokale KI-Coding-Assistenten klingen verlockend: keine API-Kosten, Code bleibt auf der eigenen Maschine, und das Ganze kostenlos. Aber ein Setup, das auf einem 16-GB-MacBook-Pro-M1 wirklich gut läuft, erfordert mehr Trial and Error, als die meisten Guides zugeben.
Weiterlesen →
Ammar Najjar