Die Idee für diese Artikelserie entstand aus der Situation bei einem Kunden, bei dem wir CI/CD einführten, weil der manuelle Arbeitsaufwand nicht mehr zu bewerkstelligen war. Die nachfolgenden Anleitungen sind also frisch aus der Praxis entstanden. Der Einfachheit halber haben wir den langen Weg des Ausprobierens und der Fehlersuche gekürzt und präsentieren hier nur das Endergebnis. Die Code-Ausschnitte sind beispielhaft, aber ausreichend, um die Funktionalität zu präsentieren.
Die Idee für diese Artikelserie entstand aus der Situation bei einem Kunden, bei dem wir CI/CD einführten, weil der manuelle Arbeitsaufwand nicht mehr zu bewerkstelligen war. Die nachfolgenden Anleitungen sind also frisch aus der Praxis entstanden. Der Einfachheit halber haben wir den langen Weg des Ausprobierens und der Fehlersuche gekürzt und präsentieren hier nur das Endergebnis. Die Code-Ausschnitte sind beispielhaft, aber ausreichend, um die Funktionalität zu präsentieren.
Systeme, die ungewöhnliche Muster oder Ereignisse erkennen und vorbeugende Maßnahmen ermöglichen – Anwendungen, die visuellen Input aus Kameras, Bildern oder Videos interpretieren – Programme, die geschriebene oder gesprochene Sprache interpretieren – all das ist möglich in der Künstlichen Intelligenz (KI). Die Grundlage dafür bietet das maschinelle Lernen, indem es Vorhersagemodelle basierend auf Daten und Statistiken erstellt.
Pair Programming bedeutet im Wesentlichen, dass zwei Personen in der Softwareentwicklung gemeinsam Code auf einem Computer schreiben. Es ist eine sehr kollaborative Arbeitsweise, die viel Kommunikation erfordert. Denn während zwei Entwickler gemeinsam an einer Aufgabe arbeiten, schreiben sie nicht nur Code, sondern planen und besprechen ihre Arbeit. Sie klären unterwegs Ideen, diskutieren Ansätze und kommen so zu besseren Lösungen.
Im ersten Teil der Reihe wurden die theoretischen Grundlagen für die Skalierung der Serverless Architecture erklärt. Der zweite Teil geht technisch ein wenig mehr in die Tiefe, ist aber nicht weniger interessant. Anhand einer skalierbaren Applikation in der Cloud betrachte ich, wie sich die entstehenden Kosten für den Endkunden entwickeln und wie schnell sich Ressourcen in der Realität skalieren lassen. Auch auf Probleme, die Serverless Architecture verursachen können, gehe ich dabei näher ein. Schlussendlich wage ich zudem einen Ausblick in die Zukunft des Cloud Computing sowie der Serverless Architecture.
Künstliche Intelligenz ist längst keine Fiktion mehr aus Filmen oder Büchern. Vielmehr hat sie bereits Einzug in die Geschäftswelt gehalten und ist ein Thema, mit dem sich immer mehr Unternehmen auseinandersetzen, wie eine Studie des Fraunhofer-Instituts zeigt. Demnach beschäftigen sich 75% der befragten Firmen mit der Materie und 16% nutzen bereits KI-Anwendungen. Durch die Nutzung erhoffen sie sich vor allem Produktivitätssteigerungen. Doch was genau bedeutet eigentlich künstliche Intelligenz und wo kommt sie zum Einsatz?
Im Rahmen dieser zweiteiligen Artikelreihe wird der abstrakte Begriff der “Serverless Architecture“ genauer erklärt und erläutert, wie die Skalierung innerhalb der Cloud eigentlich genau funktioniert. Hierzu werden zunächst alle gängigen Begriffe vorgestellt und eine theoretische Grundlage für den zweiten Teil der Reihe geschaffen, welcher eine Beispielapplikation auf verschiedene Faktoren hin analysiert.
Ich bin euch etwas schuldig. Mittlerweile schmücken diverse Artikel zur agilen Softwareentwicklung unser digatus Magazin. Alle informieren umfassend über Methoden, Prinzipien, Werte, Rollen, Manifeste und vieles mehr. Nachdem ich erzählt habe wie großartig das Ganze ist, möchtet ihr jetzt (hoffentlich) endlich mit der agilen Entwicklung starten! Aber was genau muss ich denn jetzt als Kunde tun und was besser nicht? Wie unterscheidet sich das für mich von klassischer Entwicklung? Was sind die Spielregeln? Wie unterstütze ich die Entwicklung? Genau diese Antworten bin ich noch schuldig und damit richtet sich dieser Artikel direkt an euch, die Kunden.
Im ersten Teil dieses Beitrages wurden die Unterschiede in der Entwicklung nativer, hybrider und webbasierter Apps bereits in Bezug auf Komplexität, Übersichtlichkeit und Code-Umfang verdeutlicht. In diesem Teil werden die drei Ansätze nun auf Funktionsumfang, unterstützte Bibliotheken, UI und Design-Erstellung, Dokumentation sowie Workflow-Effizienz überprüft.
Die Nutzung von mobilen Geräten ist seit Jahren auf dem Vormarsch. Allein in den zwei größten App Stores sind inzwischen fast fünf Millionen Apps verfügbar. Der Trend zum Mobilen ist aber nicht nur im privaten Bereich stark angestiegen. Auch Unternehmen möchten nicht mehr auf die Vorteile verzichten. Die Anforderungen von Unternehmen an eine App sind meist viel weitreichender und spezifischer als die eines Privatnutzers. Für Businesslösungen gibt es in den Stores deshalb meist noch keine fertigen Apps, die den gewünschten Use-Case erfüllen.
Im Rahmen der Weiterentwicklung der Nokia-eigenen Software Monetization Platform unterstützten wir das Nokia-Team bei der Integration neuer Features in das System und standen für technische Fragen beratend zur Seite.
Click here for english versionWährend meines Studiums wurde ich des Öfteren darauf aufmerksam gemacht, dass ich noch auf Papier schreibe. Stimmt, meinte ich, das sei mir bewusst, meinte ich. Den darauffolgenden Satz kannte ich sowieso schon auswendig „Aber du studierst doch Informatik“. Stimmt auch. Im Rest der Konversation habe ich dann versucht zu erklären, wieso Informatiker trotz Technikaffinität auch berechtigt sind auf Papier zu schreiben. „Es erhöht die Konzentration und hilft fokussiert zu bleiben“ war mein häufigstes Argument. Im Berufsleben kommt zum Blatt Papier dann oft noch das Whiteboard hinzu. Das Prinzip bleibt gleich, die Fragen auch, die Antwort auch. Mit diesem Artikel möchte ich die Fragen nun ein für alle Mal beantworten und wenn ich in Zukunft darauf angesprochen werde, verweise ich zuerst auf diesen Artikel und lass mich danach gerne auf ausführliche Diskussionen ein.
Die Eigenentwicklung des PHE-Designers der FUNKE Wärmeaustauscher Apparatebau GmbH zur Berechnung von Plattenwärmeübertragern galt es in der ersten Projektphase zu modernisieren, zu optimieren und weiterzuentwickeln. Im Rahmen der umfangreichen Modernisierungsstrategie ist darauf aufbauend die Neuentwicklung der Anwendung in einer Weboberfläche geplant.
Der Support für das AngularJS Framework zur Entwicklung von Webanwendungen und Apps, auch bekannt als Angular 1, läuft 2021 aus. Application Owner, deren Teams noch AngularJS in ihren Anwendungen verwenden, sollten sich also bereits heute Gedanken über die Zukunft machen und ihre Projekte bald aktualisieren.
Es ist Zeit für ein Review. Über die letzten drei Monate hinweg habe ich regelmäßig über ausgewählte Punkte des Agilen Manifests berichtet. Wer zu unserer treuen Lesergemeinschaft gehört, verfügt nun bereits über ein sehr gutes Verständnis, was Agilität bedeutet. Die agile Arbeitsweise richtet sich im Wesentlichen nach der Sammlung von Werten und Prinzipien aus dem agilen Manifest und soll bei der Abwicklung von Projekten behilflich sein. Wenn man also dieses Werteempfinden verinnerlicht und ein agiles Mindset entwickelt hat und bei der täglichen Arbeit anwendet, dann arbeitet man agil. Die etablierte SCRUM Methodik beschreibt eine Vorgehensweise, die konform mit diesem agilen Mindset ist. In diesem Artikel möchte ich daher eine Brücke schlagen zwischen Agilem Manifest und SCRUM.
Auf dem Weg hin zu agiler Softwareentwicklung haben wir bereits erfahren, dass Agilität nicht ganz so schnell erreicht ist wie es sich manch einer vielleicht vorstellt. Neben wichtiger Grundpfeiler agiler Softwareentwicklung, beispielsweise nach Methoden wie SCRUM, wurde auch die große Bedeutung guter Kommunikation und effektiver Zusammenarbeit im Entwickler Alltag thematisiert. Dieser Teil der Artikelreihe widmet sich vor allem der Messbarkeit agiler Projekte durch die Analyse von KPIs (Key Performance Indicators) und befasst sich darüber hinaus mit der Bedeutung eines konstanten Tempos sowie technischer Exzellenz bei der Entwicklung. Somit richtet sich dieser Beitrag nicht nur an Entwickler sondern ist auch für diejenigen interessant, die täglich mit Entwicklern zusammenarbeiten.
Der erste Teil dieser Artikelreihe Der Weg zur agilen Entwicklung sollte ein Gespür dafür vermitteln, dass SCRUM nur eine der vielen Spitzen des Eisberges agiler Vorgehensmodelle ist und die dahinterliegende Bedeutung eine eigentlich viel komplexere Sichtweise erfordert. Darauf aufbauend beschäftigt sich dieser Beitrag primär mit der Frage, was agiles Arbeiten für die tägliche Zusammenarbeit bedeutet, insbesondere für die interne und externe Kommunikation.
SCRUM ist derzeit in aller Munde und dementsprechend erfreut sich das Framework größter Beliebtheit. Die folgende Artikelreihe soll sich jedoch nicht nur auf den SCRUM Prozess beschränken, sondern vielmehr die Hintergründe verdeutlichen, indem gezielt auf das Agile Manifest, seine Prinzipien und Werte sowie die üblichsten Fehlinterpretationen eingegangen wird.
Jede Art der Veränderung benötigt Zeit, Fokus sowie eine gute Planung, um nachhaltig erfolgreich zu sein. So verhält es sich auch bei der Einführung der agilen Projektmanagement Methode SCRUM. Damit die Transition hin zur neuen Arbeitsweise möglichst reibungslos abläuft, folgen hier ein paar Tipps, die es bei der Planung der ersten Schritte zu berücksichtigen gilt.
Als einer der vier Ansätze des Machine Learning wird Supervised Learning eingesetzt, um anhand von Beispieldaten zunächst ein Modell zu erstellen und daraufhin selbständig die Zuordnung neuer Daten zu übernehmen. Das überwachte Lernen eignet sich zum Beispiel gut für die Datenanalyse oder das Erkennen von Beziehungen zwischen mehreren Eigenschaften. Dadurch können mögliche Fehler reduziert und die Effizienz von Systemen und Maschinenkonzepten verbessert werden. Wie das im Detail aussieht, zeigen der Workflow und unser anschaulicher Use Case.
Immer wieder hört man, dass unsere Zukunft durch Künstliche Intelligenz (KI) und Machine Learning bestimmt wird. Dabei wird oftmals unterschätzt, wie häufig man schon heute im Alltag damit in Berührung kommt. Von Filmempfehlungen auf Netflix, autonom fahrenden Autos, Sprachassistenten wie Amazon Alexa bis hin zur Textkorrektur und -vervollständigung auf dem eigenen Smartphone hat Machine Learning schon einen großen Einfluss auf unser aktuelles Leben, sowohl privat als auch beruflich. Doch was genau versteht man eigentlich unter dem Begriff Machine Learning?
Der MVP-Ansatz ist durch seinen agilen Charakter besonders in der Softwareentwicklung sehr praxisbetont. Daher möchten wir den Ablauf durch ein reales Beispiel aus eigener Feder erläutern und veranschaulichen. Schritt für Schritt zeigen wir die einzelnen Phasen anhand der Entwicklung unseres internen Bewerbermanagement-Tools, von der initialen Idee bis hin zum aktiven Einsatz.
Minimum Viable Products (MVPs) können nur dann ihr volles Potential ausschöpfen, wenn sie stetig verbessert und an die Kundenwünsche angepasst werden. Dazu ist es notwendig, die Bedürfnisse der Nutzer durch umfassende Analysen zu ermitteln und aus den gewonnenen Erkenntnissen nachhaltig zu lernen.
Wenn Minimum Viable Products (MVPs) richtig eingesetzt werden, bringen sie viele Vorteile mit sich. Doch ein falsches Verständnis des MVP-Konzepts kann den Erfolg eines neuen Produktes oder Geschäftsmodells verhindern. Um dem entgegenzuwirken, gilt es, den Prozess zu verstehen, Missverständnisse zu klären und entscheidende Hürden zu beachten.
In der klassischen Produktentwicklung vergeht viel Zeit zwischen der initialen Produktidee und der finalen Veröffentlichung. Dabei besteht die große Gefahr, an den Bedürfnissen der potentiellen Kunden vorbei zu entwickeln. Um dieses Risiko zu reduzieren und den Entwicklungsprozess zu beschleunigen, nutzen wir Minimum Viable Products (MVPs).
Viele werden sich noch an die Zeit erinnern, in der Software in großen Zeitabständen in einer Box zum Endkunden kam. Dort konnte es dann auch noch vorkommen, dass der jeweilige Systemadministrator die gekaufte Software zunächst nicht sofort einsetzt, da die neue Software erst getestet und evaluiert werden musste.
Folge uns
IT-Service Desk:
Hotline: +49 (0)821 20 70 89 90
Öffnungszeiten von Mo-Fr: 8:00Uhr – 17Uhr
Nehmen Sie Kontakt mit unseren Experten auf.
Gerne telefonisch unter +49 89 2 62 07 56 12 oder per Kontaktformular:
