Seit 2001 schreibe ich Software. Als Entwickler, der den Code schreibt, die Pipelines baut und im Zweifel den Commit von Freitag 16 Uhr findet. Nah am Produkt, nicht am Rand. Rewe Digital, Amadeus, Generali, E.ON, Bayer, HRS, Vodafone. Sieben Unternehmen, sechs Branchen, und meist dasselbe Muster: regulierte Umgebungen, harte SLAs, und jede Architekturentscheidung am Ende im Prüfprotokoll.
Von 2024 bis 2026 habe ich mit Wave Claims ein KI-System für die Schadensabwicklung von Versicherern aufgebaut und das Unternehmen dann verkauft. Dokumente klassifizieren, Claims durch mehrstufige Workflows schleusen. Agentisch, wo ein Urteil nötig war, deterministisch, wo die Entscheidung nachvollziehbar bleiben musste. Zwei Jahre im Produktionsbetrieb einer regulierten Branche. Das ist der Kontext, aus dem meine Schulungen entstehen. Wenn ich in der Schulung über Agent-Orchestrierung spreche, habe ich diese Entscheidungen verantwortet und nicht nachgelesen. Die Werkzeuge teste ich weiter an eigenen Systemen, und was dabei nicht funktioniert, steht im Blog. Und wenn ich über die Grenzen von Coding Agents rede, kenne ich sie, weil ich an ihnen gescheitert bin.
Vorher habe ich mehrfach gegründet: Cloud-Consulting, SaaS-Produkte und Versicherungen. Manches hat funktioniert, manches nicht. Was geblieben ist: ein ziemlich unsentimentaler Blick darauf, welche Technologie echte Probleme löst und welche nur gut klingt. Das prägt, wie ich unterrichte. Mich interessieren keine Folien über die Zukunft der KI. Mich interessiert, was heute funktioniert und wann es das nicht tut.
Mein Informatikstudium habe ich an der TH Köln abgeschlossen. Seitdem ist der Stack gewachsen. Java und Spring Boot von Anfang an, inzwischen TypeScript mit Next.js, Python für ML-Arbeit, AWS für die Infrastruktur. Die Grundhaltung ist dieselbe geblieben: Verstehen kommt vor Benutzen. Wer das Werkzeug nicht versteht, wird vom Werkzeug benutzt.
Meist regulierte Umgebungen, immer harte SLAs, Architekturentscheidungen, die im Prüfprotokoll landen. Die Details unterscheiden sich, die Ansprüche nicht.
Prozessautomatisierung in der Schadensabwicklung bei einem der größten europäischen Versicherer. Regelbasierte Workflows, Dokumentenklassifizierung und Integration in gewachsene Bestandssysteme. Eine Umgebung, in der jede Automatisierung auditierbar und dem Versicherten erklärbar sein muss. Der erste tiefe Einstieg in eine Domäne, an der ich seitdem dranbleibe.
Microservice-Architektur und Platform Engineering für einen der größten deutschen E-Commerce-Anbieter. Skalierbare Services konzipiert und gebaut, in einem Team, das täglich Millionen von Transaktionen verarbeitet.
Enterprise-Systeme in der Reisebranche, weltweit. Integration komplexer Buchungssysteme, Skalierung unter Last und Architekturentscheidungen, die sich nicht einfach revidieren lassen. Die Art von Umgebung, in der jede Änderung durch drei Review-Stufen muss.
Selbst die Kollegen, die anfangs einen großen Bogen um diese Tools gemacht haben, arbeiten mittlerweile ganz selbstverständlich damit. […] Antonio hat [den Ablauf] nicht fertig mitgebracht, das Team hat ihn sich selbst erarbeitet. Ich vermute, genau deshalb hält die Sache.
Java und Spring Boot als Rückgrat der meisten Enterprise-Systeme, TypeScript und Next.js fürs Web, Python für ML-Pipelines, AWS mit Kubernetes und Terraform für die Infrastruktur. Bei den Agents Claude Code, Codex, GitHub Copilot, Cursor und MCP.
Kein Stack ist perfekt. Aber wenn man genug davon gesehen hat, weiß man, wann man welchen nimmt.
Nächster Schritt
Inhouse-Enablement für bis zu acht Entwickler eines Teams: Assessment vorab, drei Tage Schulung am eigenen Code, danach 30 Tage Begleitung im normalen Arbeitsalltag. Nach sechs Wochen sehen Sie an eigenen Daten, was sich geändert hat. Damit Coding Agents im ganzen Team systematisch funktionieren, nicht nur bei den drei Leuten, die sich darin verbissen haben.
