Was wir gebaut, gelernt,
kaputt gemacht haben.

„Es gab einen kritischen Fehler auf dieser Website" beheben

Die gefürchtete WordPress-Meldung verständlich erklärt: was sie bedeutet, wie du über die Recovery-Mail reinkommst und die Ursache Schritt für Schritt findest.

WooCommerce Produktkonfigurator: Produkte konfigurierbar machen

Individuell konfigurierbare Produkte in WooCommerce: wann ein Produktkonfigurator sinnvoll ist, worauf du beim Plugin achtest und wie du ihn einbindest.

WordPress-Wartungsbericht: Was drinstehen muss (mit Beispiel)

Was kostet die Bereinigung einer gehackten WordPress-Website?

Was eine professionelle Hack-Bereinigung kostet, was den Preis bestimmt – und warum ein Festpreis mit kostenloser Erst-Analyse das kleinere Risiko ist.

WooCommerce-Shop zu langsam? Was dich das an Umsatz kostet

Langsame Ladezeit kostet direkt Conversion und Umsatz. So rechnest du den Verlust aus – und warum sich ein Performance-Audit meist in Wochen amortisiert.

Woran erkennst du eine gute WordPress-Agentur? 8 Kriterien

Bevor du einen WordPress- oder WooCommerce-Partner beauftragst: 8 konkrete Kriterien, an denen du seriöse von riskanten Anbietern unterscheidest.

KI-Engineering · Tag 8: KI in den Betrieb bringen

KI in den Betrieb bringen heißt: Ein- und Ausgaben loggen, Qualität und Kosten überwachen, Fallbacks bei Ausfall bereithalten und Modell- oder Anbieterwechsel abfangen. KI-Features sind keine Einmal-Auslieferung — ohne Observability und Wartung verrotten sie leise.

Engineering-Handwerk · Tag 7: Zero-Downtime-Deploys

Zero-Downtime-Deploys brauchen rückwärtskompatible Migrationen (Spalte erst hinzufügen, später entfernen; NOT NULL in Schritten), Migration vor Code, Rolling Updates mit Health-Check und Smoke-Test sowie Auto-Rollback. Riskante Änderungen laufen hinter Feature-Flags — so merkt der Nutzer vom Deploy nichts.

KI-Engineering · Tag 7: LLM-Kosten & Latenz im Griff

LLM-Kosten senkst du ohne Qualitätsverlust durch die richtige Modellwahl je Aufgabe, kurzen Kontext, Caching, Batching und kürzere Prompts; Latenz durch Streaming und parallele Schritte. Kosten und Antwortzeit gehören von Anfang an gemessen und überwacht, nicht erst nach dem Launch.

Engineering-Handwerk · Tag 6: Testing, das sich lohnt

Testing, das sich lohnt, folgt der Pyramide: viele schnelle Unit-Tests, weniger Integrations-, wenige E2E-Tests. Getestet wird, was Wert schützt; Tests sind das Sicherheitsnetz fürs Refactoring. Langsame, flaky Tests kosten mehr als sie bringen — Testbarkeit ist zugleich ein Design-Signal.

KI-Engineering · Tag 6: Evals — KI-Qualität messen

Evals messen KI-Qualität objektiv, statt auf „sieht gut aus" zu vertrauen: ein Testset aus echten Fällen mit erwarteten Ergebnissen, gegen das jede Änderung läuft. So erkennst du Regressionen vor dem Release — der Unterschied zwischen Hoffen und Wissen.

Engineering-Handwerk · Tag 5: Idempotenz & Fehlertoleranz

Idempotenz sorgt dafür, dass dieselbe Operation mehrfach ausgeführt kein zweites Mal wirkt — entscheidend bei Retries, Webhooks und Netzwerkfehlern (keine doppelte Zahlung oder Bestellung). Umgesetzt mit Idempotenz-Keys, Deduplizierung und sicherer Wiederholung, ergänzt um Timeouts, Backoff und Dead-Letter-Queues.

KI-Engineering · Tag 5: Guardrails & Sicherheit für KI

Guardrails schützen KI-Features vor Prompt-Injection, Datenabfluss und Missbrauch: Ein- und Ausgaben filtern, Rechte und Kontext begrenzen, Zulassungslisten nutzen und Aktionen von Menschen freigeben lassen. Ohne sie wird das hilfreiche Feature zum Sicherheits- und DSGVO-Risiko.

Engineering-Handwerk · Tag 4: Observability von Tag 1

Observability von Tag 1 heißt: strukturierte Logs (ohne PII), die wichtigsten Metriken und Tracing über Systemgrenzen — plus Health-Checks und Alerts. Logs, Metrics und Traces beantworten je andere Fragen; pragmatisch eingebaut findest du Fehler, die sonst unsichtbar bleiben.

KI-Engineering · Tag 4: KI-Agents & Tool-Use mit MCP

KI-Agents sind Sprachmodelle, die eigenständig Werkzeuge nutzen, um ein Ziel zu erreichen; das Model Context Protocol (MCP) standardisiert die Anbindung an deine Systeme. Sinnvoll, wenn Aufgaben mehrere Schritte brauchen — mit klaren Grenzen gegen Fehlerketten, Kosten und Kontrollverlust.

Engineering-Handwerk · Tag 3: API-Design, das nicht bricht

Gutes API-Design überlebt Änderungen: Konsistenz, klare Namen, Versionierung, einheitliches Fehlerformat, Pagination und idempotente Schreib-Operationen. Neue optionale Felder sind unkritisch, entfernte oder umgedeutete brechen Clients — Rückwärtskompatibilität und klare Verträge sind Pflicht.

KI-Engineering · Tag 3: RAG statt Halluzination

RAG (Retrieval-Augmented Generation) gibt dem Sprachmodell zur Laufzeit die richtigen Dokumente in die Hand, statt es raten zu lassen — das reduziert Halluzinationen deutlich. Kern sind saubere Daten, sinnvolles Chunking, Vektor-Suche und Quellenangaben; für aktuelles Firmenwissen meist besser als Fine-Tuning.

Engineering-Handwerk · Tag 2: Architektur, die mitwächst

Gute Software-Architektur zieht klare Grenzen: Schichten und Module mit klaren Verantwortlichkeiten und sauberer Abhängigkeitsrichtung. Sie wächst mit, statt per Big-Bang-Rewrite — Monolith oder Aufteilung nach Bedarf, YAGNI statt Vorrat, und Warnsignale für schlechte Grenzen ernst nehmen.

KI-Engineering · Tag 2: Den richtigen KI-Use-Case finden

Der richtige erste KI-Use-Case hat hohen Nutzen, ist technisch machbar und verzeiht Fehler. Wähle einen klar umrissenen Fall mit messbarem Erfolg statt „irgendwas mit KI", starte klein und trotzdem produktionsreif — und skaliere erst, wenn dieser eine Fall trägt.

Engineering-Handwerk · Tag 1: Wartbarer Code

Wartbarer Code wirkt kurzfristig teurer, ist über die Lebensdauer aber billiger: lesbar, klar abgegrenzt, getestet, wenig gekoppelt. Die versteckten Kosten von „schnell hingehauen" zahlt man später mit langsameren Änderungen und mehr Fehlern — sichtbar gemacht durch Reviews und Standards.

KI-Engineering · Tag 1: Warum KI-Projekte scheitern

KI-Projekte scheitern selten am Modell, sondern an fehlendem Use-Case, schlechten Daten, verwechseltem Prototyp, fehlender Messung, unterschätzten Kosten, fehlenden Guardrails und vergessenem Betrieb. Wer diese Fallen von Tag 1 an kennt, baut KI-Features, die im echten Betrieb Wert schaffen — statt teurer Demos.