Kurzfassung

Natürliche Sprache, Pseudocode und Code sind keine konkurrierenden Werkzeuge. Es sind unterschiedliche Sprachen für unterschiedliche Präzisionsstufen.

Im Zeitalter der KI-gestützten Programmierung bedeutet Programmierenlernen nicht nur, jede Codezeile von Hand zu schreiben. Es bedeutet zu erkennen, wann eine Idee präziser werden muss, wie man diese Übersetzung kontrolliert und wie man menschliche Entscheidungen von Ergänzungen eines KI-Systems unterscheidet.

BlackBoxApproach: Apps entwickeln, wenn die KI ständig etwas kaputtmacht

Forschung als Machbarkeitsnachweis. github.com/amiune/theblackboxapproach

KI kann gut Code erzeugen. Sie kann aber auch hervorragend das gesamte Projekt umschreiben, obwohl man nur einen Button ändern wollte. Mit BlackBoxApproach versuchen wir, dieses Problem zu lösen.

MokuML: lokale ML-Vorhersagen ohne Pipeline

Forschung als Machbarkeitsnachweis. github.com/amiune/MokuML

Was wäre, wenn ein kleines Unternehmen Postgres verbinden, eine Vorhersage in einfachem Englisch beschreiben und auf dem eigenen Mac Ergebnisse erhalten könnte, ohne Datenwissenschaftsteam, Cloud-ML-System oder ein Abonnement wie bei Kumo?

Genau das untersuchen wir mit MokuML. Stell dir ein schlankes Kumo.ai vor: eine Datenbank verbinden, Vorhersagen anfordern und Antworten erhalten. Allerdings läuft alles lokal.

LLMs und KI im Jahr 2025: Experimente, Frust und einige große Überraschungen

2025 war für uns ein Jahr praktischer Experimente mit LLMs und angewandter KI. Statt das Geschehen nur von außen zu beobachten, haben wir das ganze Jahr gebaut, getestet, Dinge kaputtgemacht und Ideen ausprobiert, die manchmal funktionierten und manchmal nicht.

Unser Gesamteindruck ist gemischt. Einige Bereiche der Technik sind beeindruckend und entwickeln sich unglaublich schnell. Andere wirken noch jung und anfällig. Hier beschreiben wir, was wir gelernt haben und wie es unsere nächsten Schritte beeinflusst.

LLMs: ein echter Anwendungsfall

Kurzfassung: Wir haben LLMs, Vektordatenbanken und RAG für elMejorTrato.com umgesetzt und dabei Folgendes festgestellt:

• Die Arbeit mit Spanisch hat ihre Besonderheiten
• Die ChatGPT-API ist zu teuer
• LangChain und Agenten sind manchmal überdimensioniert
• Mit SentenceBert und einer VectorDB lassen sich hervorragende Ergebnisse erzielen
• Quantisierte Open-Source-LLMs liefern sehr gute Ergebnisse

Wie lernt man KI von Grund auf?

Um künstliche Intelligenz von Grund auf zu lernen, bietet FreeCodingTour drei Kurse an, die in dieser Reihenfolge absolviert werden sollten:

1. Programmierung
2. Datenwissenschaft
3. Künstliche Intelligenz