1 Monat vor
Terraform-State von S3 nach On-Prem-MinIO migriert (Souveränitäts-Anforderung eines Kunden): 47 Workspaces, State-Locking von DynamoDB auf MinIO plus Redis-Lock umgestellt, Downtime: null. Der Stolperstein war nicht die Migration, sondern CI-Pipelines mit hartkodierten Backend-Blöcken — partial backend config hätte uns zwei Tage gespart. #devops #cloud
1 Monat vor
PHP 8.4 Property Hooks in einer zwölf Jahre alten Codebase: 40 Getter/Setter-Klassen migriert, 2.100 Zeilen Boilerplate weniger, Lesbarkeit deutlich besser. Aber Vorsicht bei Reflection-basierten Libraries — zwei ORM-Mappings sind uns um die Ohren geflogen. Empfehlung aus der Praxis: Hooks zuerst in Value Objects einführen, DTOs zum Schluss. #php #webdev
6 Monate vor
DORA-Metriken eingeführt und nach 6 Monaten gemessen: Deployment Frequency von 1x/Woche auf 3x/Tag, Lead Time von 2 Wochen auf 2 Tage, MTTR von 4 Stunden auf 25 Minuten, Change Failure Rate von 15% auf 4%. Was man misst, kann man verbessern. Was man visualisiert, wird vom Team getrieben. Dashboard hängt auf dem Teambildschirm. #dora #devops #metriken
6 Monate vor
KI-gestütztes Code-Review mit AI-Assistenten und modernen IDEs: Der Assistent findet nicht nur Bugs, sondern schlägt kontextbezogene Refactorings vor. Context-Switching um 35% reduziert. Der größte Killer vorher: Slack-Benachrichtigungen und ungeplante Ad-hoc-Anfragen. Jetzt Focus-Blöcke von 9-12 Uhr (keine Meetings, Slack auf stumm). Ergebnis: Story-Point-Velocity um 28% gestiegen. #aicodereview #productivity #deepwork
1 Monat vor
Node 24 mit nativem TypeScript-Support im Produktionstest, Ergebnis nach einer Woche: Deploy-Pipeline von 6:40 auf 3:05 Minuten, ueber 1.200 Zeilen Bundler- und tsconfig-Ballast geloescht, Cold-Start unveraendert. Einzige Stolperfalle: ein Legacy-Decorator, der doch noch einen Transform brauchte. Fuer neue Services gilt bei uns ab sofort: kein Transpiler mehr. Weniger Toolchain ist auch weniger Angriffsflaeche. #webdev #performance
1 Monat vor
Failover-Uebung abgeschlossen: kompletter Schwenk unseres Kern-Stacks aus der Cloud auf den On-Prem-Standby. Angekuendigt um 8:00, Traffic ab 8:14 vollstaendig lokal. RTO 14 Minuten, RPO 0 dank synchroner Replikation. Zwei Stolpersteine: Die DNS-TTL von 300 Sekunden war zu optimistisch, und ein API-Key lag nur im Cloud-Secret-Store. Beides dokumentiert und behoben. Wer 2026 ueber Souveraenitaet redet, sollte sie quartalsweise ueben — der Ernstfall prueft keine Absichtserklaerungen. #devops #security
Herr Herco hat diesen Beitrag angepinnt
2 Monate vor
„KIONOVA® ist meine Antwort auf eine Welt, in der Sicherheits-Infrastruktur, KI und Souveränität dem nächsten Cloud-Outage geopfert werden. Das Ökosystem reicht von PULSE (Compliance + Lagebild) über CORE, AI, VISION, MED bis SPACE EXIT — alles on-premise, alles aus einer Hand, alles in Deutschland entwickelt."
Amir Herco, Founder & Visionär · KIONOVA®
Amir Herco, Founder & Visionär · KIONOVA®
6 Monate vor
6 Monate vor
Monorepo mit Turborepo: Build-Zeiten von 25 Minuten auf 7 Minuten. Remote Caching auf Vercel spart nochmal 60% bei unveränderten Packages. 4 Frontend-Apps, 12 Shared-Libraries, ein einziger Dependency-Tree.
Der größte Vorteil den niemand erwähnt: Atomic Commits über alle Packages. Wenn ein API-Typ sich ändert, werden Frontend und Backend im gleichen PR angepasst. Keine Versions-Inkompatibilitäten mehr. #monorepo #turborepo #devex
Der größte Vorteil den niemand erwähnt: Atomic Commits über alle Packages. Wenn ein API-Typ sich ändert, werden Frontend und Backend im gleichen PR angepasst. Keine Versions-Inkompatibilitäten mehr. #monorepo #turborepo #devex
8 Monate vor
Data Labeling mit Active Learning optimiert: Statt 10.000 Bilder blind zu annotieren, wählt das Modell die 3.000 informativsten Samples aus. Ergebnis: Gleiche Modell-Qualität mit 60% weniger Annotationsaufwand. Das spart bei unserem Labeling-Dienstleister 15.000 EUR pro Projekt.
Der Workflow: Erstes Modell auf 1.000 Labels trainieren, Uncertainty Sampling für die nächste Batch, iterieren bis Ziel-Accuracy erreicht. Weniger Daten, bessere Modelle, geringere Kosten. #activelearning #datalabeling #mlops
Der Workflow: Erstes Modell auf 1.000 Labels trainieren, Uncertainty Sampling für die nächste Batch, iterieren bis Ziel-Accuracy erreicht. Weniger Daten, bessere Modelle, geringere Kosten. #activelearning #datalabeling #mlops
8 Monate vor
Onboarding-Prozess automatisiert: Neuer Mitarbeiter wird in Personio angelegt, n8n-Workflow erstellt automatisch Accounts (GitHub, Slack, Jira, Confluence, AWS), verschickt Willkommens-E-Mail mit Zugangsdaten, legt Onboarding-Board in Notion an, und bucht die ersten 5 Meetings mit Team-Mitgliedern. Von 2 Tagen manueller Arbeit auf 2 Stunden. Kein vergessener Zugang mehr. #onboarding #automation #hr
8 Monate vor
Matter/Thread Netzwerk aufgebaut: 12 Geräte von 4 verschiedenen Herstellern kommunizieren nahtlos miteinander - ohne herstellerspezifische Hubs oder Cloud-Zwang. Thread als Mesh-Protokoll liefert extrem niedrige Latenzen (<50ms). Der neue Standard löst endlich das Fragmentierungsproblem im Smart Home. #matter #thread #smarthome
8 Monate vor
CAN-Bus Projekt: ESP32 liest über MCP2515-Transceiver die OBD2-Daten meines Autos in Echtzeit. Motortemperatur, Drehzahl, Ladedruck, Kraftstoffverbrauch - alles auf einem selbstgebauten Dashboard im 3D-gedruckten Gehäuse. Spannend was moderne Fahrzeuge alles auf dem CAN-Bus senden. Nächster Schritt: Langzeit-Logging für Verbrauchsoptimierung. #canbus #automotive #iot
7 Monate vor
16
Menschen haben abgestimmt
7 Monate vor
OpenTofu statt Terraform - nach der HashiCorp-Lizenzänderung komplett umgestiegen. Die Kompatibilität mit bestehenden Modulen ist erstaunlich gut. Jedes Modul bekommt: variables.tf mit sinnvollen Defaults, outputs.tf für alle relevanten IDs/ARNs, und ein examples/-Verzeichnis. Deployment-Zeit um 60% gesunken seit der Standardisierung. #opentofu #iac #opensource
8 Monate vor
Layer-2 Performance-Test: 10.000 Transaktionen auf Arbitrum, Optimism und zkSync. Ergebnis: Kosten von 15 EUR (Ethereum L1) auf 0.01-0.05 EUR pro Transaktion. Finalität: 10 Minuten (Optimistic Rollups) bis 30 Minuten (zk-Rollups). Für die meisten Anwendungen völlig ausreichend. L2 macht Blockchain endlich alltagstauglich für Micro-Payments und Gaming. #layer2 #skalierung #ethereum
6 Monate vor
Open-Source IoT-Framework für Bildungseinrichtungen. Wir entwickeln ein kostenloses Starter-Kit mit Lernmaterialien für Schulen und Universitäten. Jeder Beitrag hilft! #opensource #iot #bildung
2.340.00€ hat das Ziel von 5.000.00€ erreicht
35 Spenden
2.660€
gehen
8 Monate vor
Infrastructure Drift Detection mit OpenTofu plan im Cron-Job. Jeden Morgen um 6:00 läuft ein Plan gegen alle Environments. Letzte Woche entdeckt: Ein Kollege hatte manuell eine Security Group geöffnet für Debugging und vergessen sie zu schließen. Port 5432 war 3 Tage offen zum Internet. Drift Detection hat es gefunden, automatisches Ticket erstellt. Pflicht für jede IaC-Umgebung. #opentofu #compliance #security
6 Monate vor
Zero-Knowledge Proofs: Beweise dass du etwas weißt, ohne zu verraten WAS du weißt. Klingt nach Magie, ist Mathematik. Praktisches Beispiel: Altersverifikation ohne Geburtsdatum preiszugeben. Oder KYC-Checks ohne Ausweis-Kopie.
Wir haben zk-SNARKs für eine Abstimmungsplattform implementiert: Verifizierbare Stimmabgabe, aber niemand kann sehen wer wie abgestimmt hat. Rechenintensiv, aber machbar. Die nächste Generation des Datenschutzes. #zkp #privacy #kryptographie
Wir haben zk-SNARKs für eine Abstimmungsplattform implementiert: Verifizierbare Stimmabgabe, aber niemand kann sehen wer wie abgestimmt hat. Rechenintensiv, aber machbar. Die nächste Generation des Datenschutzes. #zkp #privacy #kryptographie
6 Monate vor
Solarbetriebener Umweltsensor seit 6 Monaten autark auf dem Dach: Temperatur, Luftfeuchtigkeit, Feinstaub (PM2.5/PM10), UV-Index. 6W Solarpanel, 18650-Akku mit TP4056-Laderegler, ESP32 im Deep Sleep. Die Daten gehen per LoRa an meinen Gateway und von dort ins Grafana-Dashboard. Hat den kompletten Winter ohne Batteriewechsel überstanden. #solar #umweltmonitoring #iot
7 Monate vor
MLOps Pipeline mit MLflow + Kubeflow komplett aufgebaut. Vom Jupyter-Notebook-Chaos zu reproduzierbaren, versionierten ML-Experimenten. Jedes Training wird getrackt: Hyperparameter, Metriken, Artefakte, sogar die Git-Revision des Trainingscodes.
Model Registry mit Staging/Production-Stages, automatische A/B-Tests bei neuem Modell, und ein Rollback-Mechanismus der in unter 2 Minuten zum vorherigen Modell zurückwechselt. Endlich Ordnung im ML-Chaos. #mlops #mlflow #kubeflow
Model Registry mit Staging/Production-Stages, automatische A/B-Tests bei neuem Modell, und ein Rollback-Mechanismus der in unter 2 Minuten zum vorherigen Modell zurückwechselt. Endlich Ordnung im ML-Chaos. #mlops #mlflow #kubeflow
8 Monate vor
Mixed Reality Meetings mit Meta Quest 3: Verteiltes Team bearbeitet 3D-CAD-Modelle gemeinsam in Echtzeit. Jeder sieht die Hände der anderen, kann Annotationen in den Raum zeichnen, und Bauteile virtuell drehen und skalieren. Remote Collaboration die sich fast anfühlt wie ein gemeinsamer Raum. Die Technologie ist endlich gut genug für produktiven Einsatz. #mixedreality #remotework #vr
6 Monate vor
VR-Training für Feuerwehrleute abgeschlossen: 120 Einsatzkräfte haben in realistischen Brandsimulationen trainiert. Rauchentwicklung, Wärme-Feedback, Kommunikation im Team - alles virtuell. Das Feedback war überwältigend: 94% bewerten das Training als 'sehr realistisch'. Der größte Vorteil: Szenarien trainieren die in der Realität zu gefährlich wären - Backdraft, Flashover, einstürzende Strukturen. #vr #training #feuerwehr
6 Monate vor
Edge AI auf dem ESP32-S3: TinyML-Modell zur Vogelarten-Erkennung direkt auf dem Mikrocontroller. Kamera löst bei Bewegung aus, Klassifizierung in 150ms, Ergebnis per MQTT ans Dashboard. Bisher 2.400 Fotos von 8 verschiedenen Vogelarten automatisch kategorisiert. Natur trifft Technik! #esp32s3 #tinyml #edgeai
8 Monate vor
Documentation-as-Code: Unsere technischen Docs leben jetzt im gleichen Git-Repo wie der Code. Markdown-Files, automatisch per MkDocs gerendert und bei jedem Merge deployed. Änderungen an der API? PR muss auch die Docs updaten, sonst blockiert der CI-Check.
Ergebnis nach 6 Monaten: Docs-Abdeckung von 30% auf 85% gestiegen. Neue Entwickler brauchen 50% weniger Einarbeitungszeit. Der Trick: Docs müssen genauso reviewed werden wie Code. #documentation #devops #docascode
Ergebnis nach 6 Monaten: Docs-Abdeckung von 30% auf 85% gestiegen. Neue Entwickler brauchen 50% weniger Einarbeitungszeit. Der Trick: Docs müssen genauso reviewed werden wie Code. #documentation #devops #docascode
8 Monate vor
Technische Schulden quantifiziert: SonarQube Analyse plus manuelle Bewertung durch das Team. Ergebnis: 340 Stunden geschätzter Aufwand für den Abbau. Priorisiert nach Business-Impact: Die Top-10 Schulden verursachten 80% der Bugs. 20% Sprint-Kapazität reserviert. Nach 3 Sprints: Bug-Rate um 45% gesunken, Deployment-Frequenz verdoppelt. #techschulden #qualitaet #engineering
9 Monate vor
Zigbee-Mesh-Netzwerk mit 15 Geräten aufgebaut: 8 Aqara-Sensoren, 4 IKEA-Lampen, 3 Smart Plugs. Coordinator ist ein ConBee II am Pi. Mesh-Routing funktioniert zuverlässig - jedes Router-Gerät (Lampen, Plugs) erweitert die Reichweite. Signal kommt jetzt auch im Keller und in der Garage an. Keine Cloud-Abhängigkeit, alles über Zigbee2MQTT und Home Assistant. #zigbee #smarthome #homeassistant
6 Monate vor
14
Menschen haben abgestimmt
