ausführliche notizen aus der umsetzung.

Dieses Journal behandelt die Systeme, die wir tatsächlich für mittelständische Unternehmen im DACH-Raum ausliefern — serverseitige Tracking-Architekturen, KI- und RAG-Systeme in Produktion, EU-AI-Act-Readiness, EU-souveräne Cloud-Plattformen und Big-Data-Pipelines auf AWS, GCP und Bare-Metal-EU-Infrastruktur. Keine Meinungsstücke oder Branchen-Hot-Takes, sondern Engineering-Beiträge, in denen wir ein echtes Problem von Anfang bis Ende durcharbeiten und dokumentieren, was funktioniert hat, was nicht, und welche operative Disziplin dahintersteckt.

Wir führen keinen Redaktionskalender. Beiträge erscheinen, wenn eine Lektion belastbar genug ist, um Ihre Lesezeit wert zu sein — meist nachdem wir dasselbe Problem mehr als einmal für verschiedene Kunden gelöst haben und ein Muster stabil ist. Das Format setzt auf Tiefe statt Breite: ausführliche Deep-Dives, konkrete Zahlen und die Abwägungen, die wir in echten Mandaten getroffen haben.

Ein paar wiederkehrende Stränge ziehen sich durch das Archiv. Die Datenverlust-Rechnung hinter clientseitigem GA4 im DACH-Raum (typischerweise fehlen 25–40 % der Seitenaufrufe bei einem Standard-Setup) und was serverseitiges Tracking mit GTM Server-Side und sauberem Consent-Management tatsächlich zurückholt. MLOps und Observability für LLM-gestützte Systeme — Modellevaluation, Drift-Erkennung, Agenten-Architekturen und die Disziplin, die ein Jupyter-Notebook von einem produktiven KI-Agenten unterscheidet, der zuverlässig läuft, ohne dass Sie im Raum sind. Das EU-AI-Act-Compliance-Bild für mittelständische Betreiber vor der Frist am 2. August 2026: was tatsächlich auf der Liste der technischen Maßnahmen steht, was optional ist und wie man es in einem Audit nachweist.

Wir schreiben außerdem über EU-souveräne Architektur — Hetzner- und Bare-Metal-EU-Hosting-Entscheidungen, BigQuery- und Snowflake-Alternativen, die die Datenresidenz sauber halten, und die praktischen Terraform- und Kubernetes-Muster, mit denen wir produktive Datensysteme auf Infrastruktur betreiben, die rechtlich und operativ standhält. Und die unglamourösen Teile: Datenqualität in Produktion, Deployment-Automatisierung, Monitoring, das die richtige Person alarmiert, und die Kosten-Abwägungen verteilter Verarbeitung mit Spark und Hadoop gegenüber einfacheren Architekturen.

Wenn Sie neue Beiträge lieber in Ihrem Reader hätten, statt erneut vorbeizuschauen: Der RSS-Feed ist oben auf dieser Seite verlinkt. Für Beratung zu einem dieser Themen für ein mittelständisches Unternehmen im DACH-Raum geht das Kontaktformular auf dieser Seite direkt an uns — ohne Account-Manager dazwischen.