Coding

DeepReinforce trainiert ein Coding-Modell, das sein eigenes Agenten-Harness lernt. Ich habe das 9B lokal auf einem M3 Max getestet. Die Idee ist stark, die Benchmarks sind selbstberichtet, und der größte Stolperstein steckt in der Verpackung.

Im Finale setzen wir den lokalen Agenten dorthin, wo in Xcode sonst Claude oder ChatGPT sitzen. Apple hat den lokalen Provider-Slot auf der WWDC26 gezeigt, wir haben macOS 27 und Xcode 27 gezielt installiert, um es zu verproben. Wie weit kommt das geliehene kleine Modell dort? Artikel 13 der Reihe „Ein lokaler Coding-Agent mit apfel".

Das Reihen-Finale: n8n bindet sich mit echtem OAuth-Flow gegen einen eigenen Service auf SAP BTP an. Client Credentials gegen den xsuaa-Token-Endpunkt, ein CAP-Service als SAP-nativer Stellvertreter, die n8n-OAuth2-Credential und ein Workflow, der ein Ticket mit einer Fall-ID aus BTP anreichert.

Elf Artikel lang ging es darum, was n8n kann. Dieser ordnet ein, wo es nicht hingehört: gegenüber SAP Cloud Integration mit ihrem EAI-Erbe und der Edge Integration Cell mit ihrer Datengrenze. Mit einem Entscheidungsbaum statt eines Werkzeug-Verrisses.

Der Betrieb wird produktionsreif. Dieser Artikel stellt die Single-Process-Instanz auf den Queue-Mode um: Main nimmt Webhooks an und reiht Executions in Redis ein, Worker führen sie aus. Mit Worker-Skalierung, Queue-Metriken, einer Produktions-Checkliste und einer Einordnung, was der Queue-Mode nicht leistet.

Mit @function definiert man eigene CSS-Funktionen. Das eigentlich Neue ist nicht, dass CSS damit Sass nachbaut, sondern dass eine CSS-Funktion im Browser entscheidet, statt zur Build-Zeit.

Die Pipeline reichert ihre Tickets jetzt mit Stammdaten aus einem SAP-Backend an. Dieser Artikel zeigt die OData-Anbindung über HTTP, das SAP-eigene Fehlerformat, graceful degradation bei unbekanntem Kunden und wo AIF komplementär bleibt.

Mit der Containerization-Architektur und dem neuen Container machine baut Apple seit zwei Jahren eine native Docker-Alternative für den Mac. Eine technische Analyse, wer hier wirklich angegriffen wird.

Der Agent bekommt eine dritte Oberfläche. Hinter einem Hummingbird-Server streamt er seine Arbeit per Server-Sent-Events in den Browser, samt Bestätigung per Klick. Derselbe Kern wie im Terminal, nur eine andere Senke. Artikel 11 der Reihe „Ein lokaler Coding-Agent mit apfel".

MCP verschiebt das Schreiben von Werkzeugen aus dem Agenten zu eigenen Servern. Wir bauen einen kleinen MCP-Server, hängen ihn an apfel und messen, was MCP löst und was nicht. Artikel 10 der Reihe „Ein lokaler Coding-Agent mit apfel".

Ein einzelnes AI-Backend degradiert bei Ausfall zum regelbasierten Notausgang. Dieser Artikel baut aus zwei lokalen Modellen echte Redundanz: Round-Robin im Normalbetrieb, automatisches Failover bei Einzelausfall, Rule-Based erst wenn beide tot sind.

Aus dem One-Shot-Kommando wird eine interaktive REPL-Sitzung. Der Schlüssel zur Testbarkeit ist die strikte Trennung von Render-Logik und Terminal-I/O. Artikel 9 der Reihe „Ein lokaler Coding-Agent mit apfel".

Zwei Monate nach der Warnung, Mythos sei zu gefährlich zum Veröffentlichen, gibt Anthropic die Mythos-Klasse öffentlich frei. Eine Einordnung von Claude Fable 5 und Mythos 5 zwischen Benchmark-Rekorden, Preis-Taktik und 30-Tage-Datenretention.

Der naive Agent-Loop endet, wenn das Modell schweigt, und das ist nur eine Selbsteinschätzung. Wir bauen einen Loop, dessen Abbruch eine maschinelle Prüfung ist, mit Iterationslimit und Kontext-Budget als Schutzgrenzen. Artikel 8 der Reihe „Ein lokaler Coding-Agent mit apfel".

Bis hierher liefen zwei getrennte Pfade: der regelbasierte Eingang und die AI-Klassifikation. Dieser Artikel führt sie zu einer Pipeline zusammen, macht die Klassifikation zur austauschbaren Stufe und stellt den regelbasierten Classifier als bewussten Fallback hinter das Modell.

Der naive Datei-Edit scheitert am kleinen Modell. Wir bauen den Agenten um diese Schwäche herum, mit Constrained Output und einem zweistufigen Edit-Workflow, und messen, wie viel sich zurückholen lässt. Artikel 7 der Reihe „Ein lokaler Coding-Agent mit apfel".

Ein reproduzierbares Eval mit 15 Aufgaben in fünf Kategorien misst, wo das lokale Foundation Model als Coding-Agent überzeugt und wo es kippt. Mit Cloud-Stichprobe und einer eigenen Messung dessen, was das Modell über seinen eigenen Erfolg behauptet. Artikel 6 der Reihe „Ein lokaler Coding-Agent mit apfel".

Der AI-Classifier läuft, aber was passiert beim Modell-Ausfall? Ein globaler Error-Workflow mit Telegram-Alert, ein Observability-Stack aus Prometheus, Loki und Grafana, und ein stiller Fallback, der sichtbar gemacht werden will.

Wir bauen die ersten Werkzeuge, mit denen der Agent etwas verändert, und sichern sie ab — Pfad-Sandbox, Bestätigungs-Gate, Diff vor dem Schreiben und Defense-in-Depth für die Shell. Artikel 5 der Reihe „Ein lokaler Coding-Agent mit apfel".

Wir bringen dem Agenten bei, Werkzeuge zu rufen — Tool-Definition im OpenAI-Schema, der Round-Trip aus Aufruf, Ausführung und Fortsetzung, und eine Tool-Abstraktion in Swift. Artikel 4 der Reihe „Ein lokaler Coding-Agent mit apfel".

Cross-Document View Transitions bringen App-artige Übergänge in klassische Multi-Page-Sites — mit einer einzigen CSS-At-Rule und ganz ohne Framework.

Wir legen ein Swift-Package an, bauen einen async HTTP-Client gegen apfel --serve und verarbeiten SSE-Streaming Token für Token — Artikel 3 der Reihe „Ein lokaler Coding-Agent mit apfel".

Wir starten apfel als lokalen OpenAI-kompatiblen Server, gehen alle Endpoints durch und sehen, wo das Protokoll von OpenAI abweicht — Artikel 2 der Reihe „Ein lokaler Coding-Agent mit apfel".

Wir installieren apfel, gehen die drei Modi (Prompt, Serve, Chat) durch, sehen wo das on-device-Modell trägt und wo es wackelt — Artikel 1 der Reihe „Ein lokaler Coding-Agent mit apfel".

Eine Reihe nimmt das Foundation Model in den Blick, das jeder Apple-Silicon-Mac mit macOS 26 mitbringt — und baut darauf einen Coding-Agenten in Swift, der lokal läuft.

Der TeamPCP-Vorfall vom Mai 2026 zeigt, wie eine manipulierte VS-Code-Erweiterung Zugriff auf rund 3.800 interne GitHub-Repositories ermöglichte — und warum das Problem nicht GitHub ist, sondern das Vertrauensmodell moderner Entwicklerumgebungen.

Anthropic hat Claude Opus 4.8 veröffentlicht: gleicher Preis wie 4.7, ein deutlicher Sprung bei Coding und Reasoning, eine messbar geringere Neigung, eigene Code-Fehler zu verschweigen, und Dynamic Workflows mit hunderten parallelen Subagenten.

Wie ein n8n-Workflow einen authentifizierten Webhook-Eingang bekommt, Credentials sicher gespeichert werden und Klassifikator-Logik als Sub-Workflow extrahiert wird.

Wie ein regelbasierter Ticket-Klassifikator in n8n entsteht: Item-Modell in der Praxis, Expressions korrekt einsetzen, Set-Node von Code-Node unterscheiden — und wo der Classifier erwartungsgemäß scheitert.

Warum echter Ticket-Datensatz im öffentlichen Repo ausscheidet und wie ein hybrider Generator mit lokalen Modellen und Claude realistische Testdaten mit reproduzierbarer Verteilung erzeugt.

n8n produktionsnah selbst hosten: Docker Compose, Postgres statt SQLite, Caddy mit Auto-HTTPS, persistente Volumes und die Environment-Variablen, die wirklich zählen.

Was n8n technisch ist: Editor, Execution Engine, Task Runner, Workflows als JSON. Dazu das Item-Array als zentrales Datenmodell und die Einordnung im Integrationsspektrum.

Artikel 7 der Hummingbird-Reihe. Wir messen das LLM-Gateway gegen funktional äquivalente Implementierungen in FastAPI und Fastify — mit fairem Middleware-Stack, deterministischem Backend-Stub und oha als Lastgenerator. Was dabei rauskommt, ist gleichzeitig das erwartete und das überraschende Ergebnis.

SAP hat n8n strategisch investiert und in Joule Studio eingebettet. Mercedes-Benz rollt die Plattform global aus. Ein Prolog zur n8n-Einstiegs-Reihe.

SAP hat auf dem Sapphire 2026 den ABAP MCP Server zur allgemeinen Verfügbarkeit angekündigt — die technische Grundlage, um externe KI-Agenten wie GitHub Copilot, Amazon Q oder Claude Code direkt in ABAP-Entwicklung einzubinden. Was die Ankündigungen technisch bedeuten, was sie kosten werden und wo die Grenzen noch liegen.

Prolog · Serie: Agentic Coding mit Claude Code. Wer sich in diesem Jahr durch Tech-Newsletter, Konferenz-Keynotes und Tool-Landingpages liest, trifft auf zwei Begriffe, die beide mit denselben Versprechen verkauft werden: Vibe Coding und Agentic Coding. Die Zukunft des Programmierens, heißt es.

Eine schrittweise Migrationsstrategie weg von GitHub, mit Schwerpunkt auf CI-Pipelines. Konkrete Workflow-Übersetzung, Self-Hosted-Runner-Setup und eine abhakbare Checkliste.

Welche Code-Hosting-Plattformen arbeiten ohne Default-on-Datenverarbeitung? Vergleichstabelle, Plattform-Steckbriefe von Codeberg über Gogs und Launchpad bis zu AWS CodeCommit, plus konkrete TDM-Opt-out-Implementierung.

Seit dem 24. April 2026 nutzt GitHub die Copilot-Daten von Free-, Pro- und Pro+-Konten standardmäßig zum KI-Training. Was hinter der Änderung steckt und warum sie das Zwei-Klassen-Modell der Plattform offenlegt.

Anthropic veröffentlicht Claude Opus 4.7 mit deutlich besserer Coding-Performance, 3,75 Megapixel Vision und einem neuen xhigh-Effort-Level. Eine Einordnung der Benchmarks und des Mythos-Hinweises am Rande.

Ein Obsidian-Plugin für bidirektionale Synchronisation mit BookStack — gebaut mit Claude Code als strukturiertem Entwicklungspartner.