The Starting Gun: Navigating the AI Gold Rush (And This Week’s Utter Chaos)

2025-08-11

Machine-translated from English. Read the English original

Na, hallo da, AI-Welt. Die Craic, wie wir zu Hause sagen, ist in letzter Zeit absolut fantastisch. Für diejenigen, die mich nicht kennen, bin ich so etwas wie ein „Vorreiter-Technologe“. Das ist ein schickes Wort für einen Geek, der ein Leben lang damit verbracht hat, an der nächsten großen Sache zu tüfteln, immer mit dem Blick darauf, wie man ein wenig Automatisierung und Self-Service in das Unternehmen bringt, vorzugsweise bevor der Kaffee kalt wird.

Ich bin Ire, geboren und aufgewachsen, und bin vor etwa 20 Jahren meinem Herzen und einem walisischen Mädchen ins Vereinigte Königreich gefolgt. Meine Karriere war weniger eine Leiter und mehr eine wilde Achterbahnfahrt, bei der ein paar Schrauben fehlten. Ich war Field-Service-Ingenieur bei HP und bin die Länge Irlands gefahren, um einen Server in Kerry zu reparieren, mit Surfboards auf dem Dach, und habe versucht, jeden Tropfen Spaß aus einer Dienstreise herauszuholen. Ich habe Produktionslinien für das Motorola StarTAC-Telefon geleitet (wenn Sie sich an dieses erste Klapphandy erinnern, sind Sie offiziell alt genug, um zu seufzen, wenn Sie aufstehen). Und zuletzt war ich Director of Customer Success für EMEA bei HashiCorp, wo ich den Nervenkitzel hatte, das Wachstum des Unternehmens von einem mutigen 30 Millionen Dollar auf über 300 Millionen Dollar zu begleiten, bevor IBM auf den Plan trat. Wir sind von prä-IPO-Papiermillionären zu post-IPO-„Ach, fast!“ geworden. Es war eine fantastische Zeit.

Durch all diese Erfahrungen hindurch war meine Leidenschaft die Arbeit in praktischen Rollen, in denen man die innovativen und kreativen Wege sehen kann, wie Kunden Technologie nutzen. Ich blogge in unregelmäßigen Abständen, partly um zu teilen, was ich lerne, aber vor allem, um mich selbst daran zu hindern, es zu vergessen. Finden Sie nicht auch, dass Wissen verdunstet, wenn man es zwei Monate lang nicht benutzt hat? Mein Blog ist eine Schatzkiste voller „Crib Sheets“, die destillierte Essenz von Jahren an Schulungen, Bereitstellungen und guten technischen Diskussionen über die Feinheiten der Technik, aufgegossen mit derselben Sorgfalt wie ein tadelloses Pint Guinness.

Ich bin stolz darauf, ein Profi zu sein und meinen Kunden immer 130 % zu geben (Sie wissen schon, 10 % am Montag, 50 % am Dienstag…). Aber da ist auch ein bisschen von dem liebenswerten irischen Schlingel in mir. Mein Glas ist immer halb voll, und ich hoffe, dass diese optimistische, fröhliche Einstellung diese Woche durchscheint. Denn, lassen Sie mich eines sagen: Ich war seit der OpenStack- und Public-Cloud-Revolution nicht mehr so begeistert von Technologie. Das war das letzte Mal, dass die Spielwiese wirklich geebnet wurde. Und das passiert jetzt mit der KI wieder, und die großen Akteure versuchen nervös, dieses wilde Tier zu zähmen.

Was ist „AI Engineering“ überhaupt? Meine Sicht aus der Praxis

Bevor wir eintauchen, möchte ich klarstellen, was ich mit „AI Engineering“ meine. Ich spreche nicht von Machine Learning oder Data Science. Ich versuche nicht, mein eigenes KI-Modell von Grund auf zu bauen. Als Early Adopter habe ich in den letzten drei Jahren persönlich für den Zugang zu LLMs bezahlt, lange bevor die meisten Unternehmen überhaupt wussten, was sie damit anfangen sollten.

Meine Frau denkt immer noch, ich würde zu meinen Vorschulzeiten zurückkehren. Ich versuchte ihr zu erklären, dass das Modell sich selbst an Bildern trainierte, um den Unterschied zwischen einer Katze und einem Apfel zu erkennen. Ihre Antwort? „Das nächste Mal, wenn du wissen musst, ob du einen Apfel oder eine Katze isst, frag bitte einfach mich, anstatt den Preis eines Familien-Sonnenurlaubs für einen Computer in der Garage auszugeben, der Obst erkennt!“ Fairer Punkt.

Aber die Evolution ist endlich da, und KI ist nun für die Massen. Ich betrachte das aus der Perspektive eines Ingenieurs. Meine Aufgabe ist es, Kunden bei der Onboarding neuer Produkte zu helfen und sicherzustellen, dass die Lösungen sicher, integriert und produktionsreif sind. Es geht darum, Dinge zum Laufen zu bringen. Als ich in den 90er Jahren an der Trinity College Dublin KI studierte, war es im Grunde ein hochgejubeltes LISP-Modul. Wir sind endlich an dem Punkt angelangt, von dem ich damals geträumt habe, eine Vision, die ich wahrscheinlich Captain Kirk und seinem sprechenden Computer verdanke.

Die Klasse August 2025: Eine kambrische Explosion, ein poliertes Update und ein wackeliger Start

Der Grund für diese Blogserie ist der absolute Wirbel der vergangenen Woche. Wir haben eine kambrische Explosion neuer KI-Modelle erlebt, aber zwei Starts erzählen insbesondere eine faszinierende Geschichte.

Erstens, am 5. August, veröffentlichte Anthropic Claude Opus 4.1. Dies war ein klassisches, professionelles technisches Update. Es ist ein Drop-in-Ersatz für ihr vorheriges Top-Modell und bietet bessere Leistung beim Coden, bei agentic Tasks und beim Reasoning, alles zum gleichen Preis. Es ist eine solide, inkrementelle Verbesserung, die ein großartiges Produkt noch besser macht. GitHub meldet bereits bemerkenswerte Verbesserungen beim Refactoring von Code über mehrere Dateien hinweg. Sauber, einfach, effektiv.

Dann, nur ein paar Tage später, startete OpenAI GPT-5. Und oh Mann, was für ein Start es war. Das Versprechen war „Intelligenz auf Expertenlevel“ von einem neuen einheitlichen System, das Ihren Prompt clever entweder an ein schnelles Modell oder an ein „denkendes“ Modell für schwierigere Probleme weiterleitet. Die Realität? Nun, meine erste Erfahrung war weniger „Experte auf PhD-Niveau“ und mehr „verwirnter Praktikant, der einen zu vielen Espresso getrunken hat“.

Es stellte sich heraus, dass ihr vielgepriesener Router am Starttag defekt war, eine Tatsache, die Sam Altman später als „sev“ (einen Vorfall mit höchster Priorität) einordnete, der das Modell „viel dümmer“ wirken ließ. Zum Krönung der Sache entzogen sie vielen Nutzern ohne Vorwarnung den Zugang zu allen vorherigen Modellen und zwangen uns auf das neue, wackelige System. Es war eine Meisterklasse darin, wie man seine zahlenden Kunden verprellt.

So haben wir diese Woche einen perfekten Sturm: eine polierte, professionelle Veröffentlichung von Anthropic und eine chaotische, leistungsstarke und zutiefst fehlerhafte von OpenAI. Es ist der perfekte Hintergrund, um zu erkunden, worum es bei AI Engineering wirklich geht.

Meine KI-Reise: Eine Roadmap für die Woche

Diese Woche möchte ich Sie auf eine dreiphasige Reise durch meine Augen als AI Engineer mitnehmen, gefärbt von der Verrücktheit der letzten Tage.

• Morgen (Dienstag) starten wir mit Phase 1: Ich zeige Ihnen, wie ich craicgpt.ie, eine einfache serverlose Website, mit KI als meinem Copiloten gebaut habe. Wir werden uns die guten, die schlechten und die hässlichen Commits ansehen.
• Am Mittwoch und Freitag wechseln wir in Phase 2: Agentic Workflows. Ich zeige Ihnen, wie Sie ein unternehmensgradiges RAG-System bauen, und dann träumen wir ein wenig größer mit einer Vision für einen proaktiven persönlichen Assistenten, den ich „Loraine“ nenne.
• Am Donnerstag werden wir die harten Fragen angehen – den Elefanten im Raum. Wir werden die erstaunlichen finanziellen und umweltbezogenen Kosten dieser KI-Revolution und ihre disruptiven Auswirkungen auf unsere Karrieren diskutieren.

Es wird eine volle Woche werden. Also schnappen Sie sich einen Kaffee (oder ein Guinness) und kommen Sie auf dieses Abenteuer mit. Die Zukunft wird in Echtzeit geschrieben, und es ist eine aufregende, wenn auch etwas chaotische Fahrt.

Originally published on allthingscloud.eu (2025-08-11).