01Eigenes Experiment
Agenten-Workflows
Agent Buildprint (neuer Tab)
Von einem vagen Auftrag zu einem strukturierten Arbeitsablauf: Phasen, nachvollziehbare Belege und klare Übergaben.
Dominic Hückmann
Senior Software Developer & AI Architect
Software bauen.
Mit KI weiterdenken.
Ich entwickle Software und mache KI im Alltag nutzbar. Hier teile ich eigene Projekte, Architekturentscheidungen und Erfahrungen aus der Praxis.
Mein Ausgangspunkt
Nicht nur fragen, was KI kann. Sondern herausfinden, wie daraus brauchbare Software wird.
01 / Aus der Praxis
Gebaut, um zu lernen.
Eigene Projekte und laufende Experimente. Keine Hochglanz-Versprechen, sondern konkrete Dinge zum Erkunden.
02Eigenes Experiment
Medien & Agenten
Media4Agents (neuer Tab)
Ein eigenes Experiment für Media-Workflows: Wie werden Bilder und andere Medien Teil der Arbeit von AI Agents?
03Eigenes Experiment
Architektur erkunden
AI Architect (neuer Tab)
Ein Sparringspartner für AI-Systeme. Im Mittelpunkt stehen Annahmen, Trade-offs, Fehlermodi und nachvollziehbare Quellen.
Die Werkzeuge hinter der Arbeit? Skills, Templates und Workflows findest du in der Sammlung.
Zur Tool-Sammlung ↗02 / Wissen weitergeben
AI Native
Engineering.
Vom einzelnen Prompt zum verständlichen System. Ein selbstgeführter Lernpfad über Kontext, Task Contracts und den Betrieb von AI-Features.
Lernpfad öffnen ↗Becoming LLM-Native
- 01
Tokens & Attention
Kontext als Architekturgrenze verstehen.
- 02
Context Engineering
Klare Aufgaben, Schemas und Quellenregeln.
- 03
Agentic Delivery
Evals, Tool-Gates und Fallbacks mitdenken.
03 / Notizen & Perspektiven
Gedanken aus der Werkstatt.
Fünf Einstiege in meine Arbeit mit Agenten und Softwarearchitektur. Das vollständige Archiv bleibt im Blog.
Wie ich aus einer Messenger-App ein Betriebssystem für Domain Agents gebaut habe
Ich betreibe nicht für jede Aufgabe einen eigenen Bot. Mehrere getrennte Chat-Sessions greifen auf dieselbe agentische Runtime zu. Im zentralen Boba-DM entwerfe ich nach einem festen Factory-Playbook neue Domain-Profile aus Regeln, Memory, Skills, Tools und überprüfbaren Flows.
Agent Skills sind kein Markdown. Sie brauchen ein Qualitäts-Gate.
Ein praktisches Qualitäts-Gate für Agent Skills: Nutzen gegen eine No-Skill-Baseline messen, Aktivierung und Trajektorie prüfen, Rechte außerhalb des Skill-Texts binden und nur versionierte, überprüfbare Kandidaten promoten.
Dein Coding Agent braucht eine Verfassung und ein Logbuch
Coding Agents werden nicht nur durch bessere Modelle nützlich. Teams brauchen eine kleine Verfassung für Agent-Verhalten und ein kuratiertes Logbuch für Projektwissen, sonst wird Memory zu Kontext-Müll.
RAG 2026: Vergiss GraphRAG als Default
RAG wird 2026 nicht dadurch besser, dass man GraphRAG auf alles wirft. Der robuste Default ist Contextual Hybrid RAG: saubere Ingestion, BM25 plus Embeddings, Reranking, Quellenpflicht und harte Evals.
AI-first Architektur: schneller entscheiden, sauber bleiben
AI-first Architektur heißt nicht: Modell entscheidet. Es heißt: KI erzeugt Optionen, findet Risiken, verdichtet Kontext — das Team entscheidet und dokumentiert nachvollziehbar.
04 / Im Austausch bleiben
Eine gute Frage ist
ein guter Anfang.
Eine Idee, eine technische Frage oder eine andere Perspektive? Lass uns darüber sprechen.