Michael Herwig · KI in der Praxis

KI verstehen. Dann richtig entscheiden.

Wer nicht versteht, wie diese Systeme arbeiten, kauft Versprechen statt Lösungen. Eine offene Wissensbasis: Grundlagen zum Anfassen, autonome Systeme aus dem täglichen Betrieb und Einschätzungen, die sich festlegen.

Grundlagen starten →Wissensstand testen

25+
JAHRE IT
täglich
AGENTEN IM EINSATZ
frei
ALLE INHALTE, OHNE ANMELDUNG
ModellMODELLKERNZIELWERKZEUGPRÜFUNGKONTEXTHarness · die Schleife
Was ein Agent tutDenken, handeln, nachsehen, von vorn. Die Schleife, aus der ein Agent besteht.Bald im Lernpfad Agenten
Im Unternehmen

Was sich wirklich ändert, und was nur laut ist

Geschrieben für alle, die im Betrieb entscheiden müssen, ohne selbst Modelle zu bauen. Ohne Beratersprache, mit offengelegten Annahmen.

  • 01Fünf Fragen vor jedem KI-ProjektLeitfaden
  • 02Wo LLMs betrieben werden: Cloud, Azure, selbstDatenschutz
  • 03Was autonome Systeme heute leistenEinordnung
  • 04Halluzinationen im Arbeitsalltag erkennenWarnsignale
  • 05Woran man ein scheiterndes KI-Projekt früh erkenntLehrstück

Diese Kapitel entstehen gerade und erscheinen nacheinander.

Zum Bereich →

Jedes Kapitel in drei Tiefen

Gleiche Aussage, gleiche Grafiken, unterschiedlicher Detailgrad. Jede Tiefe ist für sich lesbar.

TIEFE 01

Überblick

Kein Vorwissen nötig. Was ein Sprachmodell überhaupt tut, in Bildern und Alltagsvergleichen.

ca. 15 Min.TIEFE 02

Verstehen

Sie kennen ChatGPT und wollen wissen, wie es innen aussieht: Token, Kontext, Aufmerksamkeit, Grenzen.

ca. 35 Min.TIEFE 03

Vertiefen

Harness, Agentenschleifen, Werkzeugaufrufe, Evaluation. Mit Quellen und Primärdokumenten.

laufend erweitert

Davon getrennt gibt es die Lernpfade: Sie bestimmen, welche Kapitel aufeinander folgen. Die Tiefe bestimmt nur, wie ausführlich eines davon ausfällt.

Jan 2026  MCP-App-Standard veröffentlichtNov 2025  Gemini 3.0 mit Deep ReasoningOkt 2025  KI-Browser erreichen den MassenmarktAug 2025  GPT-5 mit Routing und VerlässlichkeitFeb 2025  „Vibe Coding“ wird zum BegriffNov 2024  MCP macht Werkzeuge austauschbarSep 2024  Reasoning-Modelle als zweiter SkalierungspfadNov 2022  ChatGPT erreicht 1 Mio. Nutzer in fünf Tagen

Aus der Praxis, nicht aus dem Prospekt

Fünf Felder, in denen ich selbst gebaut habe. Die ausführlichen Fallstudien entstehen gerade.

AUTONOME SYSTEME9 LäufeTÄGLICH UND WÖCHENTLICH

Ein Recherche- und Lead-System ohne Aufsicht

Werktäglich durchsucht es öffentliche Ausschreibungs- und Vergabeportale, reichert Treffer an und erzeugt wöchentlich fertige Berichte. Ein Ampel-Status je Schritt, Meldung nur bei Rot, ein Aufräumlauf am Samstag.

Recherche · Anreicherung · Bericht
SELBSTVERBESSERUNGwöchentlichAUSWERTUNG DER EIGENEN HISTORIE

Ein System, das aus seinen Läufen lernt

Einmal pro Woche liest es die eigene Kennzahlen-Historie, die Protokolle und die Rückmeldungen. Risikoarme Erkenntnisse setzt es selbst um, riskante legt es als Vorschlag vor. Gibt es nichts zu berichten, bleibt es still.

Lernschleife · Governance · Guardrails
CONVERSATIONAL AI823COMMITS IN FÜNF MONATEN

Ein Sprachassistent aus der Freizeit

Echtzeit-Sprachdialog am Kiosk-Terminal, produktiv auf einer Fachmesse. Wissensabfrage über RAG mit dreistufiger Sucherweiterung, Guardrails gegen Missbrauch, Werkzeugaufrufe für alles, was das Modell nicht selbst weiß.

Voice · RAG · Guardrails
WISSENSMANAGEMENT3 StufenROH, KOMPILIERT, ANALYSE

Eine Wissensbasis, die sich selbst pflegt

Nach dem Karpathy-Muster: Rohquellen bleiben unangetastet, das Modell verdichtet sie zu Artikeln, daraus entstehen Auswertungen. Ein wöchentlicher Lauf prüft Links, meldet Lücken und hält den Bestand sauber.

RAG · Karpathy-Muster · Pflegelauf
LÖSUNG DURCH ITERATION3RUNDEN BIS ZUM WERKZEUG

Aus einem Test wurde etwas Bleibendes

Eigentlich sollte nur eine Schnittstelle geprüft werden. Heraus kam eine Textliste. Auf die beiläufige Frage, ob das nicht übersichtlicher gehe, entstand eine Oberfläche. Drei Runden später lief sie produktiv.

Vibe Coding · Werkzeugbau
Wissenscheck

Testen Sie, wo Sie stehen

Sechs Themengebiete, drei Längen von kurz bis ausführlich. Teils zum Ankreuzen, teils zum Ausprobieren. Jede Antwort erklärt sich sofort, auch die falsche. Am Ende steht keine Note, sondern eine Empfehlung, welches Kapitel als Nächstes sinnvoll ist.

  • Grundlagen12
  • Fortgeschritten15
  • Conversational AI10
  • RAG & Wissensbasis10
  • Vibe Coding12
  • Agenten & Harness14

Zum Wissenscheck →

KURZ5 FragenMITTEL12 FragenAUSFÜHRLICH25 FragenERGEBNISEmpfehlungstatt NoteAB 25 FRAGENZertifikat

Fünf Fragen vor jedem KI-Projekt

Wer diese fünf beantworten kann, braucht keine Beratung mehr. Wer bei zweien ins Stocken gerät, weiß immerhin, wo er anfängt.

Die ausführliche Fassung entsteht gerade.

  1. 01Welche Entscheidung soll die KI verbessern, und wer trifft sie heute?
  2. 02Woran würden wir in sechs Monaten messen, dass es funktioniert hat?
  3. 03Welche Daten verlassen dabei das Haus, und ist das geklärt?
  4. 04Was passiert, wenn das System eine falsche Antwort liefert? Wer merkt es?
  5. 05Was kostet der Ausstieg, wenn der Anbieter Preis oder Modell ändert?

Ich lege mich fest

Meinung mit Begründung, nicht Meinung mit Ausrufezeichen.

„LLMs können nicht rechnen. Sie schreiben sich aber ein Programm, wenn sie rechnen müssen, und genau darin liegt der Sprung, den die meisten Diskussionen übersehen.“
THESE 01 · Begründung folgt
Wer hier schreibt

Kein Zuschauer, sondern Anwender

Ich rede nicht über KI, weil ich Folien darüber habe, sondern weil ich täglich damit arbeite: Systeme, die ohne Aufsicht laufen und sich selbst reparieren. Sprachdialoge, die im Messebetrieb standhalten mussten. Software, die im Dialog entsteht, Runde für Runde. Was hier steht, habe ich vorher selbst gebaut, inklusive der Dinge, die nicht funktioniert haben.

Deshalb steht neben jedem Beispiel der Aufwand, und neben jeder Zahl die Quelle.

Die Werkbank

Autonome SystemeGeplante Läufe, Watchdogs, Selbstheilung, Ampel-Status
AgentenClaude Code, Codex CLI, eigene Harnesses
Conversational AIEchtzeit-Sprachdialog, RAG, Guardrails
WissensmanagementRAG, Karpathy-Muster, Obsidian, geprüfte Quellen
LokalOllama und LM Studio auf eigener Hardware

Die Seite wächst weiter

Was Sie hier sehen, ist das Gerüst. Die Kapitel, Fallstudien und das Glossar entstehen gerade und erscheinen nacheinander, jedes mit Datum.

Mit den Grundlagen anfangen →Wissensstand testen

Tippen Sie los.

↑↓ auswählenEnter öffnenDie Suche läuft im Browser. Nichts wird übertragen.