Latest / Beyond Vibe Coding / #058 Semantic Anchors - mit Ralf D. Müller
Transcript
- Sebastian: willkommen zu einer neuen Episode von HMZE Beyond Vibe Coding. Heute haben wir einen Gast, den wir auch so indirekt aus dem Netzwerk kennen, wie die meisten unserer Gäste, empfohlen, tatsächlich von Stefan Schmidt zu einem ganz besonderen Thema. Herzlich willkommen Ralf D. Müller. Genau, lässt sich besser wiederfinden als nur Ralf Müller. Genau, wir bitten unsere Gäste am Anfang sich einmal kurz für unsere Zuhörer vorzustellen. Mach das doch gern mal, erzähl mal wer du bist, was du so gemacht hast. Ja, herzlich willkommen. Ralf D. Müller: Ja, danke. Also erstmal danke für die Einladung. Ralf D. Müller, ich bin irgendwie seit zehn Jahren auf Konferenzbühnen, weil es einfach Spaß macht und beschäftige mich seit ja auch ungefähr zehn Jahren mit Architekturdokumentation. Acht 42, da bin ich der dritte Mann hinter Gernot Starke und Peter Ruschka, derjenige, der sich ein bisschen um die Technik kümmert. Und Ende 2023 bin ich zu dem Thema Genial gekommen. Oh Wunder, da ist das Thema zum Fliegen gekommen und da habe ich mir eben auch gedacht, ich gucke mir das an. und bin da ziemlich hängen geblieben. Ich habe damals angefangen mein eigenes Chat-System aufzubauen, ⁓ die API kennenzulernen. Hat total viel Spaß gemacht. Und so langsam kriege ich wieder den Bogen zur Softwarearchitektur und eben auch da die Dokumentation, weil gerade die Dokumentation für die NLMs ja super wichtig ist, weil das ist das, was sie ja sehen im Kontext. Und deswegen... wird die Architekturdokumentation und die Dokumentation allgemein jetzt super wichtig. Und da passt auf einmal alle Puzzleteile wieder total zusammen. Sebastian: Danke vielleicht erst mal eine provokante Frage zu Beginn, bevor wir zu unserem üblichen ersten Einstand kommen. Architekturdokumentation, ändert sich das gerade? Also ist es jetzt eher eine Sammlung von MD-Files, die miteinander verlinkt sind? Ralf D. Müller: Es ändert sich aber in eine andere Richtung als die meisten glauben. Ich sehe Architektur-Dokumentation tatsächlich wenig in den Prozessen, so in dem Spec-Driven-Development, ist aber total wichtig. Habe ich gerade vorhin wieder einen Post abgelassen, weil ohne die Architektur weiß das LLM gar nicht so recht, naja, es wird was machen, ja. Aber es wählt dann selbst die Architektur. Und das sollte man nicht aus der Hand geben. Und... Deswegen, wenn man es verstanden hat, dann merkt man, dass die Architektur wichtiger ist als vorher. früher im Team hat man sich so, ich sag immer, am Lagerfeuer ausgetauscht. Wie machen wir denn das? Gehen wir links oder rechts? Das passt mit der KI nicht mehr so, weil ... die ist am Lagerfeuer nicht mit dabei, sondern die braucht das im Kontext und dafür ja, MD-Files machen Sinn. Ich benutze ganz gern ASCII-Doc einfach aus dem Grund, ASCII-Doc ist ein technisches Dokumentationsformat, eigentlich genauso leicht wie Markdown, aber es gibt zum Beispiel das Diagramm Makro und wenn ich ASCII-Doc verwende, dann kennt das die KI und kann gleich Diagramme schreiben. Und ARC42 ist halt das Template. glaube, haben es mittlerweile in zwölf Sprachen, ist es verfügbar, weltweit verwendet. Und auch das ist wieder so ein Punkt, weil es seit 20 Jahren existiert, seit 20 Jahren Open Source ist, ist es in den Trainingsdaten der LLMs drin. Und wenn ich einem LLM sage, ARC42, Dann weiß es ganz genau, 12 Kapitel, und die Struktur. André Neubauer: Das ist natürlich ein unheimlicher Vorteil, wenn das nichts, vielleicht ist es sogar was ... Proprietäres, aber was Bekanntes ist. Schon mal das erste Nugget für mich mitgenommen, den ASCII-Doc anzuschauen. Sebastian: Genau. Ralf D. Müller: ASCII Doc ist nicht ganz so weit verbreitet wie Markdown, wird aber eigentlich genauso gut von den Tools unterstützt und hat den großen Vorteil Markdown gibt es, ich würde sagen, Wikipedia sind so ungefähr 60 Dialekte aufgeführt. Bei ASCII Doc gibt es nur einen und das heißt das Tooling, das passt immer, weil es immer der gleiche Source ist. André Neubauer: Perfekt. Mhm. Ja. Das sei präzise damit, ne? Okay. Ralf D. Müller: Ja, absolut. André Neubauer: Perfekt. glaube, ich hätte schon ein, zwei Brücken zu unserem Hauptthema machen können, aber wir sagen ja am Anfang immer quasi, wie arbeitest du? Also was ist dein aktueller Tech-Stack, tool-Stack? Experimentierst du viel? Und so weiter und so fort. Vielleicht kannst du uns mal so einen Einblick geben, was so deine tägliche AI-Kost ist. Ralf D. Müller: Also experimentieren auf jeden Fall. Und ich bin als Technology Evangelist unterwegs. Das heißt, ich erkläre Leuten die Technologie. Ich versuche, dass der Funken meiner Begeisterung überspringt. Und das klappt eigentlich, glaube ich, meistens recht gut. Und für diese Rolle muss ich halt viel ausprobieren und muss ich verstehen, wie das funktioniert und warum das funktioniert. Das Warum ist heutzutage super wichtig, weil die KI, wenn sie zum Beispiel dokumentiert, dass was da passiert und wie der Code ausgeführt wird, ist nicht das Problem. Warum ich jetzt hier einen Merch-Sort und keinen Quick-Sort verwendet habe oder sowas, warum ich die und die Datenbank verwendet habe, das Warum ist heutzutage echt ein größeres Problem. Und wenn wir vom Text Stack reden, ist das total faszinierend, dass der eigentlich jetzt egal geworden ist. Hauptsache die KI kann gut damit umgehen. gerade heute habe ich mich wieder mit der KI drüber unterhalten, wie man den Loop hinbekommt im Agenten, im Coding-Agenten, dass der Agent sich gut korrigieren kann. Und da haben unterschiedliche Sprachen, unterschiedliche Stärken. Und dann sage ich doch, muss ich nicht unbedingt meine Sprache, die ich gewöhnt bin, also ich bin eigentlich mit dem Java Stack aufgewachsen, muss ich nicht den benutzen, sondern dann benutze ich einen anderen Stack, den die KI für dieses Problem vorschlägt und das eben auch, wenn die KI das Problem kennt, dann kann sie eben auch sagen, ja du, für das Problem haben wir hier mit Python die besseren Libraries als mit Go. Go wäre zwar typisierter und für einiges praktischer, aber in dem Fall nehmen wir besser Python. Und dann sag ich dir, okay, du weißt, ich kenn Java, wenn ich blöde Fragen hab, dann erklärst du's mir bitte. ebenso, dass ich als Java-Entwickler das verstehe. Und damit ist der Technologie-Stack für mich relativ in den Hintergrund geraten. André Neubauer: ... Sebastian: Genau, mit Texteq, also die Frage hat auch eher den Hintergedanken, welcher KI-Texteq sozusagen, also ist es eher Cloud Code, es Codex, ist es Anti-Gravity oder nutzt du Cursor und wie, ja, also welche wichtigsten Tools nutzt du so? Hast du irgendwie bestimmte Skills oder Plugins, die dich extrem weiter gebracht haben? André Neubauer: Er ist verrückt. Ja, mach mal so was hin. Ralf D. Müller: Der Texteck. Also ich benutze Claude Code schon ziemlich lange. Ich benutze auch Kiro und jeweils eben mit den Claude Modellen, wobei man mittlerweile auch bisschen hört, dass Claude so ein bisschen, naja, verheizt jetzt mehr Tokens und wird teilweise schwieriger. Ich bin mit Claude noch ziemlich zufrieden und ich benutze, ja. wenn ich Tools benutze, eben auf der CLI. Also ich setze meinen Cursor nicht mehr in irgendein Editorfenster. Deswegen selbst so was wie Visual Studio Code für ein Preview oder so. Nee, da sage ich der KI öffne mir das Preview bitte im Browser und dann macht sie das und dann sehe ich das. Und deswegen bin ich von den Editorien, IDEs komplett weg. Die KI macht das Debugging für mich und Ja, damit ist quasi eigentlich nur noch Modell und Harnes. Und was so Skills und Agenten angeht, ich versuche mit dem Modell den Agentic Flow durchzugehen. Und das Agentic, ich musste da erst mal lernen als Non-Native Speaker. Agentic hört sich für den Deutschen jetzt immer so an wie Agenten. Und im Englischen heißt es eben auch eigenständig. André Neubauer: Hm. Genau. Ralf D. Müller: Und wenn einem das bewusst geworden ist, ja, mein Cloud Code arbeitet eigenständig. Und wenn Cloud Code meint, es müsste noch irgendwie was an Agenten abgeben oder so, dann kannst du das machen. Aber das war auch total faszinierend, weil ich schon ziemlich früh 2023, als ich eigenes Chat-System gebaut habe und dann Function Calling hatte, da habe ich schon überlegt, was passiert eigentlich? wenn ich als Funktion dem LLM ein LLM mitgebe. Ich habe das inneren Gedankengang genannt und habe das als Function Calling mitgegeben und der hat es genutzt. Der hat einfach sich seine eigenen Promts geschrieben und dann das LLM gestartet, zum Beispiel für einen Code Review. Und ja, eigentlich war das damals schon ein moderner Agent. Ich wusste es damals noch nicht, aber André Neubauer: Hm. Ralf D. Müller: hat funktioniert, war cool. Und es ist eben auch cool, wenn man eben die Technologie mal so, ja, richtig erfährt, selbst erfährt, dass das eben ja einfach nur eine einfache API ist, die man eben im Loop aufruft und dann ist, dann treten eben auch die Skills und Subagents und sonst was, finde ich ein bisschen im Hintergrund. Ich habe so vier Punkte. wo ich Sachen agent macht Sinn, das ist wenn ich zu wenig Kontext habe, wenn ich Kontext auslagern möchte, wenn ich Geschwindigkeit brauche, also Parallelität, wenn ich Fokus brauche, dass eben die Aufgabe vorne im Kontext steht und nicht irgendwo weiter hinten, wo der Kontext-Rot schon stattgefunden hat und der dritte Punkt steht auf der Folie in meinem Training. André Neubauer: Hm. Ein guter Verweis. Wer quasi da mehr sehen, mehr hören will von dir, ... der kann Training buchen. Finde man glaube auch bei LinkedIn, wenn ich ... es richtig in Erinnerung habe. Dann haben wir das auch untergebracht. Ihr habt schon ein paar Nuggets für mich mitgenommen. Ich finde auch, ... ich glaube, das haben wir noch nie besprochen, Sebastian, ... aber diese Fehlinterpretation oder diese ... erste Reaktion, ... Ejentic ist ein Agent. Sebastian: gut. ⁓ Ralf D. Müller: Genau. André Neubauer: Das höre ich immer wieder, oder diese Wahrnehmung auch, ... ... also quasi diese gefühlte falsche Übersetzung, ... also false friend. Gut, dass du das heute übernommen hast für uns, Ralf. Ralf D. Müller: Gerne doch, dafür bin ich da, nein. Sebastian: hat ja nur bis zur, weiß ich, zwölften Episode oder so gebraucht. Alles klar. Gut, vielen Dank. Ja, das ist genau das, was uns auch immer wieder interessiert, weil am Ende, die meisten nutzen natürlich Cloud Code, aber die Art und Weise, wie Cloud Code benutzt wird, ist doch immer wieder unterschiedlich. Und deine Gedanken, die du jetzt gerade geteilt hast, sind da auch nochmal total spannend gewesen. André Neubauer: Ja genau. Sebastian: mich ein bisschen an den Mario Zechner, der auch eher sagt, mit der Pi Coding Harness entwickelt, der auch eher sagt, er will eigentlich gar nicht so viel Zeug haben, sondern er will eher down to the basics, möglichst kleiner System Prompt und dann eher sozusagen für den Anwendungsfall, den er gerade hat, das Tool bauen oder nutzen, was er dafür braucht. Das erinnert mich ein bisschen daran. Ralf D. Müller: Das mit dem Tool bauen, wenn ich da gerade nochmal aufgreifen darf, das finde ich halt auch spannend, wenn ich merke, dass die KI irgendwas für mich gut gemacht hat, zum Beispiel Bilder generiert, wer meine LinkedIn-Posts kennt, der wird merken, ⁓ ja, das ist viel mit KI generiert und das ist irgendwo immer wieder der gleiche Stil, dann sage ich irgendwann, das hast du jetzt zweimal gut gemacht, jetzt schreib dir mal einen Skill dafür. Aber schreib den selbst, Und dann weiß ich, es kommt reproduzierbar wieder. Das ist die Art und Weise, wie ich Skills verwende. Sebastian: Ja, exakt, exakt, Gut, dann würde ich sagen, haben wir Tech Stack abgehakt und können zu The Meat übergehen. André Neubauer: Genau, der Stefan hatte ja, weiß gar nicht, vor wieviel Folgen das war, aber zumindest als letztes Mal da war, ... er einmal so dieses Namedropping gemacht, ... Semantic Anchors. Also ich kann ehrlich zugeben, ... war mir bis dahin noch nicht ein Begriff. Und deswegen vielleicht auch einfach mal so ... für viele der Leute, die hier zuhören, ... was ist es denn aus deiner Sicht, Ralf? Ralf D. Müller: Also es wundert mich nicht, dass der Begriff noch nicht so bekannt ist. Ja, genau, genau. André Neubauer: Noch nicht. Das ist wichtig. Ralf D. Müller: Wo kommt das her? Stefan hat gesagt, das sind so Magic Spells. Dabei eigentlich sind sie dafür da, dass ich die Magie so bisschen rausnehme. Und das Ganze hat angefangen, dass ich so auf LinkedIn immer geguckt habe, Mensch, da sind so viele Leute, die reden davon hier, dass die KI alles für sie macht und sie lassen über Nacht irgendwelche Swarms laufen und nächsten Morgen ist der Code fertig. Ich hab's nicht glauben können. Rolven Cohn war einer von denen. Und ich hab mir dann sein Spark-Framework mal angeguckt, was irgendwie ein Shell-Script war. Und dann hab ich mir das Shell-Script angeguckt, hab festgestellt, es ist eigentlich kein Shell-Script, sondern das ein parametrisierter Prompt. Dann hab ich mir den Prompt angeguckt und hab gemerkt, das Teil kann ganz gut Test-Driven-Development. Zuverlässig. Also hab ich geguckt in den Prompt, wo beschreibt er lang, ausführlich das Test-Driven-Development. Und es war gar nix drin. Es war nur TDD London School drin. Da habe ich mir gedacht, okay, London School kenne ich nicht, TDD, Test Driven Development, das soll ausreichen. Und dann habe ich mit Claude drüber gesprochen und Claude hat gesagt, ja, TDD London School kenne ich, es gibt auch noch Chicago School, das ist so ähnlich wie Detroit School. Und auf einmal habe ich gemerkt, dieser Begriff hat irgendwas getriggert. und hat eben so eine Wissensinsel in dem Lernwissen der KI getriggert. TDD selbst, test driven development, irgendwie, ja. Aber TDD Landen School ist ein Begriff, den ich vorher nicht kannte. Es ist irgendwie Mox First und solche Geschichten. Und der ist so gut definiert, dass der KI das reicht, ⁓ mit diesem Begriff ordentlich gesteuert zu werden. Und dann habe ich mir gedacht, okay, gibt es noch mehr solche Wissensinseln, solche Begriffe, die etwas triggern? Und ich habe noch mehr gefunden. Wir hatten gerade eben ARK 42, da war es die KI schon gleich, okay, zwölf Kapitel, so und so strukturiert, funktioniert so und so. Ist schon mal ein ganz guter Trigger. Und das kann man auch noch kombinieren. Wenn wir von Softwarearchitektur sprechen, dann haben wir immer wieder Architekturentscheidungen. Architecture Decision Records, ADRs, ist noch kein starker Begriff. Architecture Decision Record kann ich irgendwie die Entscheidung aufschreiben. Wenn ich aber sage, use ADRs according to NIGARD oder ADRs nach NIGARD. Michael Neigart hat mal einen schönen Blogpost geschrieben, so schreibe ich ADRs. Die KI weiß, okay, jetzt weiß ich genau, wie ich es mache. Und dann mache ich es ganz gerne, dass ich eine Entscheidungsmatrix in den ADR reinbringe, ⁓ eben eine Übersicht über die Optionen zu haben. Und da habe ich in meiner Six Sigma Zeit Prozessoptimierung gelernt, dass es eine Pew-Matrix gibt. Und das ist auch wieder ein sehr wohl definierter Begriff. Kann ich noch verfeinern? 3.PewMatrix. So, jetzt habe ich drei Anker genannt. ARC42, ADR nach Neigard und 3.PewMatrix. Und wenn ich diese Anker jetzt vereinige und sage, schreibe mir eine Architekturdokumentation. im ARK 42 Template mit ADRs nach Neigard und für jeden ADR eine 3-Punkt-Pew-Matrix. Dann habe ich in einem Satz mit wenigen Worten ganz genau beschrieben, wie diese Architektur aussehen soll, weil ich da mehrere Wissensinseln getriggert habe. Und das ist, das ist Powerful. Das ist das, was Stefan Schmidt als Magic Spells bezeichnet hat. Der, der sie kennt, kann sie nutzen gegenüber der KI und wow, auf einmal gerade bei dem Test Driven Development. Ich sag immer, wenn ich das so manuell aufbaue, wenn ich der KI Test Driven Development beibringen will, dann sage ich meistens der KI, du schreib mir mal einen Prompt für ein LLM, dass das LLM Test Driven Development macht. André Neubauer: Ja. Ralf D. Müller: Ich hab's mal gemacht. 150 Zeilen Beschreibung. Kann ich ersetzen durch TDD Landenschool. Und auf einmal 150 Zeilen prompt sind nicht mehr maintainable. Die kann ich nicht verwalten. Ich weiß nicht, wie ich ihn da zu was anderem bringe. Aber TDD London School oder ARK42, wo ich schon über Neigart und PewMatrix das Ganze modifiziert habe, das ist auf einmal etwas, maintainable ist, wo ich auch erkenne in den Promts, was passiert und warum. Weil eben ARK42 und Neigart und PewMatrix das genauso definiert. Deswegen verhält er sich so. André Neubauer: Hm. Ralf D. Müller: Und das ist eigentlich die Magie dahinter. Und das ist das, wo Claude sagt, ja, das nennt man eigentlich Semantic Anchors, semantische Anker, Anker im Wissensgebiet. André Neubauer: zu. Super spannend. Ich muss ehrlich sagen, ich habe auch 100 % ... A verstanden jetzt, was es im Detail ist. Also dank dir dafür. Ich verstehe ehrlich gesagt auch, warum Stefan ... gesagt hat, Magic Spells. Also ich nehme an, kommen wir auch gleich noch drauf. Wir haben noch nicht alle entdeckt. Wie stabil sind die? Weil so Modelle ändern sich ja. Habt ihr eine Idee? Also fallen da mal Sachen weg? Kommen da Sachen dazu? Ich würde jetzt erst ersten Moment denken, das ist wahrscheinlich relativ stabil, ... ... die Basis darunter ja ... eher sich nicht so stark ändert, ... ... aber habt ihr da irgendwelche Erkenntnisse? Oder hast du da irgendwelche Erkenntnisse? Ralf D. Müller: Es sind ja eigentlich Fachbegriffe. Und als Fachbegriffe sind sie eigentlich in den Trainingsdaten stabil drin. Vieles davon steht einfach in der Wikipedia. Aber die Frage kam immer wieder auf. Wenn ich jetzt in einem Modell so einen Anker gefunden habe, bedeutet das auch, dass das in einem anderen Modell funktioniert? Wahrscheinlich doch nicht. Ich habe immer gesagt, doch, doch, wird wahrscheinlich funktionieren, weil es ja einfach Fachbegriffe sind. Und ich habe mir tatsächlich mal die Zeit genommen, zusammen mit Claude, dass wir Evaluations geschrieben haben. Wir haben für die LLMs Multiple Choice Tests gebaut. Ich glaube, es sind irgendwie 190 oder so geworden. Und die haben wir tatsächlich mehreren LLMs vorgesetzt. Wenn man auf der Website ist, unten rechts im Futter sind die Evaluations. Und die Foundation Modelle, die verstehen die Begriffe alle gleich gut. Und erst wenn man in die ganz kleinen Modelle reingeht lokale Modelle, dann merkt man auf einmal, da gibt es Probleme, dass irgendwas nicht ganz genau verstanden ist. Und das ist auch klar, weil nicht jedes Modell ist halt in dieser Tiefe trainiert, die großen Modelle schon, aber gerade wenn ich jetzt spezialisierte Modelle hätte oder eben kleine, dann nicht. Ich kann dann aber mit diesen Evaluations notfalls quasi dem Modell einen Spickzettel mitgeben. Wenn ich erkenne, das zum Beispiel das Product Requirements Document, das PRD, das ist so ein Anker, der ist nicht so stark, der versagt manchmal bei den Modellen, dann kann ich ihm das aber eben als Spickzettel mitgeben im System Prompt und dann würde es funktionieren, wenn ich zum Beispiel ein lokales Modell nutzen würde. André Neubauer: Verstanden. Ja, das wäre auch eine meiner anderen Fragen gewesen. Das eine ist halt, Modelle entwickeln sich vorwärts, nicht alle Modelle sind gleich groß. Das wird dann zusammengedrückt. Du ja auch quantisieren. Dank dir. Ich wollte quantifizieren. Quantisieren. Okay, verstanden. Ich habe jetzt nicht wirklich das 1 zu 1 durchgezählt, aber würde sagen nördlich der 50, Engers. Ralf D. Müller: Krantisien, André Neubauer: ... also quasi Schlagworte, Fachworte habt ihr. Quasi gibt es ... ... gibt es, also wie suchten ihr da nach neun drinnen? Also das 50 wird ja nicht das Ende gewesen sein. Keine Ahnung, wenn wir uns im halben Jahr treffen, ... ob es dann 100 sind, wo es halt abäppt. Also habt ihr da eine Strategie, um das rauszufinden und um das auch zu validieren? Ralf D. Müller: Also wir sind tatsächlich bei 131 momentan und es fällt halt auch immer wieder auf, wenn man irgendwelche Begrifflichkeiten hat, die irgendwie was triggern. Ein so Beispiel war Sota. André Neubauer: Gut geschätzt, Mensch. Ralf D. Müller: wo mir jemand auf LinkedIn gesagt hat SOTA ist doch sicher auch so ein Begriff. Learned SOTA hat irgendwer immer wieder verwendet und da habe ich mir überlegt was soll das jetzt bedeuten SOTA, State of the Art und wenn ich dem Modell sage mach dich mal über keine Ahnung Microservice SOTA schlau dann weiß das LLM, okay, ich muss jetzt hier aktuelle Informationen ziehen. Und dann merkt man auf einmal, das könnte ein Anker sein. Faszinierend an den Ankern ist, finde ich, so ein bisschen, man könnte jetzt sagen, es sind ja eigentlich einfach Fachbegriffe. Jeder Fachbegriff ist ein Anker. Aber ... die Fachbegriffe sind unterschiedlich stark. Also wir hatten es jetzt zum Beispiel bei dem ADR, dass ADR nach Neigard stärker ist und viele Fachbegriffe sind halt auch André Neubauer: Hm? Ralf D. Müller: Unbekannt. Eigentlich wie Magic Spells. Also jetzt TDD Landen School. Die meisten, die ich so treffe, die sagen, nee, was soll das sein? Aber auch eben Sota, Meesey, Puma-Tricks. Aber wenn ich auf einmal merke, das ist ein Magic Spell, ein Zauberwort für die KI, dann kann ich es doch auch einsetzen. Und dann lerne ich das. Und im Gegensatz zu wenn ich mich jetzt mit mit einem Experten unterhalte, dann ist es trotzdem meistens so, dass ich diese Fachbegriffe oft gar nicht so verwende, weil ich jetzt dann doch nicht weiß, ist jetzt sowas wie ARC42, ASCII-Doc bekannt oder muss ich es nochmal ausholen und erklären. Bei diesen Ankern weiß ich, die KI, die LLMs kennen es. Ich kann diese Begriffe verwenden, und sie zünden im Wissen des KI's ein Feuerwerk. André Neubauer: dann zu viel? Also quasi wenn ich in einem Prompt halt irgendwie zehn Anchors rein packe, quasi verliert sich, also gibt es dann quasi einen, wie soll ich sagen, also einen Tipping Point, wo sich dann wieder umkehrt die Nützlichkeit. Ralf D. Müller: Also ich könnte mir vorstellen, dass es widersprechende Anker gibt. Wenn ich die dann verwenden würde, dann wäre es bisschen blöd. Wobei ich glaube ein Überlagern funktioniert ganz gut. Denn ARC42 hat zum Beispiel auch Architekturentscheidungen, hat sie nicht ganz so stark definiert wie Neigard und wenn ich dann sage, mach die ADRs nach Neigard, dann ist das so ein Überlagern. Zu viel des Guten habe ich noch nicht kennengelernt. Aber ich entdecke immer wieder Anker, die mich wirklich erfreuen. Ich sehe zum Beispiel gerade auf dem Bildschirm, gutes Deutsch nach Wolf Schneider. Wow! Also wenn ihr wollt, dass die KI so schreibt, dass es nicht aussieht wie KI, dann sagt ihr, schreibt... Entsprechend im guten Deutsch nach Wolf Schneider, der hat irgendwie so eine Style-Bibel mal aufgelegt. Oder im Englischen, plain English according to Strunk and White. Wieder zwei so Begriffe, die ich würde jetzt mal tippen, ihr kanntet die vorher nicht. Ich kannte sie vorher auch nicht. Aber jetzt sind sie hier in der Library der Semantic Anchors und jeder kann sie nachschlagen. André Neubauer: Nee. Sebastian: Vielleicht ganz kurz Ich glaube, es macht einen Unterschied, ob du ein Mixed-Shop-Experts-Model nimmst oder Dense-Model. Weil bei einem Mixed-Shop-Experts-Model werden ja nur bestimmte, quasi Experten aktiviert. Und da kann es sein, dass sozusagen ein im Kontext früher gebrachte Anker ⁓ schon oder das wäre die Experten schon so saturieren, dass dann ein Anker weiter hinten gar nicht mehr nützt oder dass dann bestimmte aktiviert werden und andere nicht. Bei einem DENZ-Model sollte es wahrscheinlich aber keinen Unterschied machen, sondern am Ende dazu führen, hoffentlich, dass alle im Kontext landen. Ralf D. Müller: Du erwischst mich gerade auf dem falschen Fuß. Also, Mixture of Experts und Dance Model. Ich bin da nicht so tief drin, dass ich da was zu sagen könnte. Bei Mixture of Experts hab ich gelernt, ich hab früher immer gedacht, dass Mixture of Experts, so, ja, da ist ein neuronales Netz für Physik, eins für Biologie, eins für Mathe, eins für Deutsch. Hab ich dann gelernt, ist falsch, sondern ist eher so, na ja, der weiß, jetzt kommt ein Satzzeichen und jetzt schmeiß ich den Expert für Satzzeichen an oder sowas. Ich habe eben zumindest gelernt, dass bei den LLMs, die ich verwende, bei den Foundation Modellen und eben auch bei Lokalen, das gut funktioniert und das eben zur Steuerung superklasse funktioniert. Sebastian: Genau und ist am Ende ja, sagen wir mal, erfüllt ja gleich zwei wichtige Funktionen. Das eine ist das es Artokens spart, also Kontext rot vermindert, also diesen 150 Zeilen TDD Description zusammengedampft auf TDD Landen School und zum anderen noch mal. den anderen Effekt hat, dass du genau das bekommst, was du erwartest. wie du gesagt hast, in ADR kann man auf verschiedene Art und Weise schreiben, es Artikel, wie das aufgebaut sein muss. Wenn du aber sagst nach Neigard, dann ist nicht relativ, sondern sehr klar, wie der aufgebaut ist. Von daher ist es auch für mich gerade eine coole Erkenntnis. hab mir neulich, ich weiß gar nicht, ob ihr es kennt, aber ich hab mir neulich mal Caveman als Plugin installiert, was so was ähnliches macht. Im Prinzip auch die Sprache so ein bisschen runterdumpft, also viel so Squish rausnimmt, der irgendwie Semantic Sugar ist, aber jetzt keine wirkliche Bedeutung hat. Und wenn man das kombiniert noch mit so einer Liste an Semantic Anchors. dann hat man, glaube ich, den Kontext schon mal oder zumindest den Tokenverbrauch reduziert und damit den Kontext auch ein Stück weit aufgeräumt. Ralf D. Müller: Das ist übrigens ein interessanter Stichpunkt, weil jemand aus der Community, ich weiß jetzt gerade leider nicht den Namen, hat tatsächlich für die Semantic Anchors einen Skill gebaut, den kann ich fragen, du, wenn ich jetzt eine Architekturbeschreibung prompten möchte, welchen Anker kann ich verwenden und der sucht den Anker dann raus. Also so ein bisschen Caveman-mäßig, dass eben was Aufwändiges übersetzt wird in was Einfaches. André Neubauer: Ich glaube, super, super wichtig, wäre auch eins meiner Fragen gewesen, ... mit einer wachsenden Menge an Anchors, ... wie quasi Behälter im Hinterkopf, man was halt irgendwie einsetzen kann. Also gerade auch, es wächst, ... ... und man vielleicht eben nicht das latest grade, das gerade gehört hat. Okay, aber gibt es das schon? Schade, hätten wir bauen können, so was in einer Woche. Ralf D. Müller: Ihr könnt es mal testen, wie gut es ist und dann vielleicht verbessern, wenn da noch was zu verbessern ist. Oder vielleicht fallen euch semantische Anker ein. Das ist übrigens total spannend, wenn man Open Source arbeitet, also wie ARK42 zum Beispiel oder ADRs nach Neigard. Dann kann es sehr gut sein, dass dieses Wissen ein Anker bildet. dass ich die letzten zehn Jahre DOCSIS Code public Open Source gemacht habe, Ja, kann der KI einfach sagen, benutze den DOCSIS Code Ansatz. Ich kann aber auch sagen, benutze den DOCSIS Code Ansatz nach Ralf D. Müller und die KI sagt, ⁓ ja, okay, dann willst du DocToolchain als Tooling und du willst ASCII Doc anstelle von Markdown. Ja, prima. Super. Und dieses Komprimieren, das führt halt auch dazu, dass ich, ja, ich brauche eigentlich keine Skills. Weil wenn ich einfach sage, schreib mir jetzt einen ADR nach Neigard. André Neubauer: Ja. Ralf D. Müller: Ja, ich hätte ein ADR-Skill bauen können, wo noch ein ADR-Template und sowas drin ist. Aber schreib mir ein ADR nach Neigard, das tippe ich einfach so aus den Fingern rein. Das ist schon im Muskelgedächtnis drin, der Finger, das rauscht einfach so über die Tastatur. André Neubauer: Hm. Jetzt erkenne ich gerade den Pattern. Liegt die Tatsache, dass da immer quasi ... X, Y, nach ABC, ist das tatsächlich die Power? Also, dass man eben nicht einen verwaschenden Begriff nimmt, ... also quasi ADR, sondern ADR nach NEIGAT, ... ist ja dann wiederum sehr, sehr präzise. Ist das vielleicht noch quasi etwas, was diese Magie ... stärker werden lässt oder wirken lässt? Ralf D. Müller: Das ist tatsächlich, wenn man einen Fachbegriff hat, dann kann man auch noch mal eben einen Namen hinten dran hängen und dann wird es präziser. Also zum Beispiel Microservices nach Eberhard Wolf wird auch präziser sein als einfach nur Microservices. Und das ist tatsächlich bei vielen Ankern ist das so zu merken. ARK42 ist zum Beispiel für sich selbst ein starker Anker. Da brauche ich nicht noch sagen nach Starke und Ruschka. André Neubauer: Hm. Ralf D. Müller: Andere Sachen, ja, da setze ich das nach gutes Deutsch nach Wolf Schneider oder so noch hinten dran, damit er genau die Definition kennt und eben das Buch und Blogpost und sonst was in den Trainingsdata sich zieht. André Neubauer: Hm. Jetzt mal so bisschen in vielleicht hat der der eine oder andere halt irgendwie Lust dazu Contributen aber wie geht denn das und B? Wohin auch wie messen ihr stärke also wir haben jetzt immer quasi darüber gesprochen dass in den wort eine gewisse magie auslöst was also wie lässt sich in magie messen Ralf D. Müller: Also es ist total klasse. Claude hat da ein Template gebaut, ein Issue Template, wo man neue Anker submitten kann. Das heißt, man muss nur den Anker, den man vermutet, eingeben. Ich habe früher immer den GitHub Copilot dann drauf angesetzt und der Copilot hat dann gesagt, nee, triggert bei mir nichts oder ja, triggert bei mir was, ja. Und hat dann eben entsprechend den Pull Request gemacht. Bis dann Claude vor zwei Wochen gesagt, hat, du der Copilot, der vergisst da immer noch die deutsche Übersetzung und dies und jenes, lass mich das machen. Und jetzt immer wenn da so ein Issue aufgemacht wird für einen neuen Anker, dann setze ich Claude drauf an und der macht dann den Pull-Request, überprüft ob es ein guter Anker ist oder nicht. Und wir haben tatsächlich manche Anker auch als Gegenbeispiel, dass wir sagen, zum Beispiel TLDR wurde als Anker submitted. Ja, ist ein feststehender Begriff, aber das triggert keine Aktion. Bluff Bottom Line Up Front, kannte ich vorher noch nicht, hat die KI dann vorgeschlagen, das triggert eine Aktion. Nämlich, dass zusammengefasst wird mit der Bottom Line Up Front. Wow. Damit habe ich die Zusammenfassung, mein TLDR, kann aber eben auch weiterlesen. Die Semantikankers, das das, was im Wissen vorhanden ist, in den Trainingsdaten des LLMs. Und es kam einer mal auf mich zu und hat gesagt, das ist ja schön und gut, jetzt habe ich eigene Begriffe. Die sind in den Trainingsdaten nicht drin. Wie mache ich daraus semantische Anker? Ich habe zum Beispiel ARC42 als Architekturdokumentation. Aber Betriebsmanual, da kenne ich nichts, irgendwie Open Source ist, was ich da als Begriff nehmen kann. Also habe ich wieder mit Claude gequatscht und Claude hat gemeint, ja, ist ja kein Problem. Wir können ja in so einem System Prompt oder in einem anderen File, in einem Agents MD Begriffe definieren. Und wie könnten wir das nennen? Ja, das könnten wir Semantic Contracts nennen. André Neubauer: Hm. Ralf D. Müller: Also ein Vertrag zwischen mir und dem LLM. Wenn ich sage Betriebshandbuch, dann meine ich Folgendes. Geht so ein bisschen in die Richtung von Skills. Und auch das gibt es auf der Website. Und das wird jetzt dann total spannend, weil auf der Website ist zum Beispiel, das sind so semantische Contracts wie Spezifikation. Spezifikation, ja, wieder ungenau. Wenn ich aber sage, when we talk about a specification or spec, mean use cases with main flow, alternative flows, activity diagrams for all flows, acceptance criteria in Gherkin format. Activity diagramme ist ein Trigger, use cases ist ein leichter Trigger, Gherkin ist ein starker Trigger. André Neubauer: Hm. Ralf D. Müller: dann fasse ich auf einmal so Trigger zusammen und kann eben auch sagen, du, wenn wir über Architektur-Dokumentation sprechen, dann meinen wir immer A42 mit ADRs nach Neigard und 3.peumatrix. Und das ist dann so eine Definition, die nehme ich jetzt immer ganz gerne, wenn ich ein neues Projekt starte und auf der Website kann man sich diese Contracts zusammenklicken und sagen, das alles rüber kopieren, dann kopiere ich mir das rüber. André Neubauer: Hm. Ralf D. Müller: in meine Agents MD und benutze es dann in meinem Workflow. Das ist dann die nächste Komponente, die aus dem ganzen entstanden ist. Ein Workflow, mit dem ich Agents coding mache und diese Agents coding nur aus kleinen Prompts aufbaue, weil diese kleinen Prompts halt aus semantischen Ankern bestehen. Und damit kommt man verdammt weit. Also das ist quasi meine Dark Factory, wo ich mit der KI am Anfang nur über meine Requirements spreche. Die KI baut mir dann die Speck, baut mir dann die ARC42 Dokumentation. Da gucke ich dann nochmal drüber. Das ist so mein Dashboard, wo ich sehe, macht die KI das so, wie ich will. Die KI weiß schon, ADRs werden mit mir durchgesprochen. André Neubauer: Hm. Ralf D. Müller: Und dann wird aus der Speck werden die Epics und die Stories generiert und dann fängt die KI an umzusetzen. Und wow, das funktioniert klasse. Sebastian: Wie lang ist denn so ein Dark Factory Run deines Agenten mit diesem Flow, den du erreichst? Ralf D. Müller: Also momentan steuer ich noch relativ viel, dass ich immer sag, so was ist das nächste Issue, zeig mir die mal und ja, mach das und dies und jenes. Ich hatte aber auch schon Runs, ein Run war zwei Stunden 40. Ich hab da so eine Phase, wo ich zum Schluss sag, ja, okay, alle Tests sind grün, aber jetzt nimmst du mal dieses Tool, Warn-CLI-Tool. und teste es. Teste es ausführlich manuell und versuche über Edge Cases Fehler zu finden. Und dann findet er tatsächlich 12 Issues, erstellt die als GitHub Issues, macht eine Analyse und dann sage ich ihm, ja und jetzt fixe bitte die 12 Issues und dann hat er eben da schon mal 2 Stunden 40 dran gearbeitet, kam dann wieder und hat gesagt, das passt jetzt aber. Und das ist dann so Punkt. Mittlerweile vertraue ich ihm, dass die Tests eben passen, weil er die Tests vorher schreibt. Und ich hatte mal so eine Phase, wo ich gemerkt habe, er hatte acht grüne Tests, vier rote Tests, und er hat sich im Kreis gedreht. Er hat die roten Tests nicht grün gekriegt. Ich habe ihn gestoppt, habe gesagt, du musst jetzt irgendwie anders vorgehen, dass du das Verhältnis zwischen grün und roten Tests verbesserst. Ich habe ihn gestoppt, habe gesagt, du musst jetzt irgendwie anders vorgehen, dass du das Verhältnis zwischen grün und roten Tests verbesserst. hat er gesagt, ja, danke für den Hinweis, hat zwei rote Tests gelöscht und hat gemeint, jetzt ist das Verhältnis besser. hat er gesagt, ja, danke für den Hinweis, hat zwei rote Tests gelöscht und hat gemeint, jetzt ist das Verhältnis besser. Und das halt mit Instruction Following und eben ankern, der ⁓ Trick, dass man da dann vielleicht doch in die richtige Richtung geht. Ja. ⁓ Sebastian: Gut, hat ja deine Instruction befolgt und hat dann das Verhältnis verbessert. Ralf D. Müller: Ja, aber das war dann so ein Beispiel, dass ich mich unklar ausgedrückt habe und mit den Ankern drücke ich mich klarer aus. Und man muss auch dazu sagen, mit der Dark Factory, ich habe so ein Wipe Coding Risk Radar. Auch wieder Dark Factory, ich habe den Code nie gesehen, aber es ist total praktisch, weil ich kann da einstellen, wie, ja, was mein Code ist. André Neubauer: Hm. Ralf D. Müller: auf was für Daten er zugreift, welche Sprache ich verwendet habe, typisiert oder weniger typisiert, kann ich irgendwie mit Pointeren Probleme kriegen und so. Und dann fängt er an, das zu bewerten, kriegt halt eine Riskkategorie raus und er hat so schöne Beispiele genommen, also wenn ich jetzt eine Product Landing Page habe, ja, also wenn die gut aussieht, dann brauche ich mir den Source Code nicht anzugucken. Wenn ich jetzt aber Firmware für medizinische Hardware habe, dann sollte ich da nochmal drüber gucken. Und dementsprechend nimmt er diese Risikokategorien und spuckt dann vier Level aus und hat dann auch Mitigations. Dass er sagt im Level 1, naja, du solltest einen Linter haben und du solltest automatisch kompilieren und dies und jenes. Kategorie 2 hat er dann, glaube ich, einen AI-Review. Human Review kommt erst in Kategorie 3 rein. Und da habe ich tatsächlich auch ein Skill entwickeln lassen von Claude, der das unterstützt. Das heißt, ich kann jetzt ein Claude-Skill laden, ⁓ eine Risikoanalyse zu machen. Der geht über den Code drüber, bespricht mit mir die verschiedenen, die fünf Dimensionen des Radars und erzeugt dann ein ADR. diesen ADR kann man dann natürlich mit seinen Security-Menschen durchsprechen. Geht ihr mit? Und anschließend setzt Claude tatsächlich oder die gewählte KI die Mitigations ⁓ Und hey, seitdem ich das hab, hab ich auf einmal Pre-Commit-Hooks und sowas, was ich vorher nie in meinen Open Source-Projekten drin hatte. Und Lighthouse-Tests, ja. Die Websites, erstellt werden, sind auf einmal performant und... accessible, wo ich früher bei Open Source nicht drauf geachtet habe. Und das ist tatsächlich dann so ein Tool, wo ich dann eben auch entscheiden kann, mache ich jetzt Dark Factory, muss ich mir den Source Code angucken oder nicht. André Neubauer: Hm. ist super spannend, auch noch mal im Kontext deiner Arbeit zu verstehen. Ich jetzt, da wird mir auch noch mal klar, also mir war schon vorher klar, ... ein bisschen wie die Magie ist, aber das noch mal so an konkreten Beispielen zu hören, ... hilft noch mal mehr, das einzuordnen. Ich bin gespannt, wie viel Magic spells oder Semantic Anchors nach dem Podcast dazu kommen. Ist ja doch relativ leicht, was einzureichen. Ich habe vorhin übrigens, also jetzt zu kurz ruhig war, ... ich überlegt, was ich einreichen will. ... mit dem Kopf die Sachen mal so durchgegangen. Mal gucken. Ralf D. Müller: Sehr gut. Sebastian: Ja, ich glaube, the Meat haben wir damit, also den Hauptgang. Wenn man das wie ein Menü betrachtet, dann haben wir den Hauptgang jetzt hinter uns gebracht. Kommen wir langsam zum Dessert. Genau, und Dessert bei uns ist so ein Segment, wo wir immer fragen, also da geht es um Reality Check. Hast du auch ab und zu so What the fuck Momente, wo du dir denkst, so wir sind so weit, aber diese kleidigkeit die klappt jetzt nicht gab es da zuletzt sowas Ralf D. Müller: Ich habe beim Bildgenerieren immer wieder solche Effekte. Beim Bildgenerieren findet man leichter weiße Flecken in der Landkarte des Wissens. Ich habe zum Beispiel mal ein altes Radio mit Radio-Buttons generieren lassen wollen. Er weiß, was Radio-Buttons sind, also in HTML und irgendwo. Aber auf einem Radio kennt er keine Radio-Buttons. Sebastian: Hm. André Neubauer: Ja, absolut. Ralf D. Müller: Oder einen kleinen Teleprompter auf dem Schreibtisch. Kriegt er auch nicht hin. Einen großen Teleprompter. Ja, das kriegt er hin. Aber einen kleinen Teleprompter. Und da bin ich immer wieder erstaunt. Und da merke ich auch bei meinen LinkedIn-Posts, wo da irgendwelche Grenzen sind. Wo ich dann merke, okay, hier brauche ich nicht weiter den Prompt zu verfeinern. Er kriegt es halt einfach nicht hin. Beziehungsweise Claude macht das ja für mich. Also ich schreibe ja auch nicht die Bildprompt, sondern das macht ja Claude. Aber auch umgekehrt diese wow-Effekte, wo ich eigentlich irgendwo schon früh gedacht habe, okay, das war jetzt cool, aber jetzt ist das normal und da kommt nichts mehr. Ich habe irgendwie, würde ich sagen, fast jede Woche wieder so wow-Effekte, wo ich sage, Mensch, das ist aber cool, was die Kaida kann. Sebastian: Das war so ein Beispiel, was du hattest. Ralf D. Müller: Also, ich hab's ständig. Und wenn ich zum Beispiel meinen Bildgenerator, wie die KI selbstständig sich zurechtfindet, die APIs sich anguckt. Und eben dann auch auf die Idee gekommen ist, dass ich arbeite viel mit Referenzbildern. Und die Referenzbilder, ja, sie funktionieren einigermaßen, wenn man ein Bild direkt generieren lassen will. Aber die KI hat dann schon gemerkt, nee, nee, also es ist besser, wenn erst mal ein generisches Bild generiert wird und dann über die Edit API mit den Referenzbildern gearbeitet wird. André Neubauer: Hm. Ralf D. Müller: Und das sind so Sachen, ich sag, yo, das hätte mich verdammt lange Zeit gekostet, ⁓ da selbst drauf zu kommen. Und so macht es die KI quasi im Dark Factory Mode. Zeigt mir immer mal wieder Bilder und ich sag, A ist besser als B und wow. André Neubauer: Stimmt. Ralf D. Müller: diese Eigenständigkeit und wie die KI sich mittlerweile selbst zu helfen weiß, finde ich klasse. Wobei einmal fand ich es auch total witzig, da hatte ich der KI gesagt, sie sollen mir eine Linkliste von der Webseite ziehen. Und das war noch mein eigener Chatbot. da war ein Fehler. Der hat es nicht geschafft, so einen Fetch die Seiten zu ziehen. Also ist er irgendwie auf die Bash gegangen, hat es mit Curl probiert, hat es auch nicht hingekriegt. Und man kennt das ja so, dass die KI eben so immer, wenn der eine Weg nicht funktioniert, sie einen anderen Weg nimmt. Und ich erinnere mich noch ganz genau dran, wie die KI mit den Tools gescheitert ist und zum Schluss gesagt hat, ich schaffe es nicht, aber du hast doch einen Browser vor dir, kannst du bitte auf die Website gehen und Steuerung A, Steuerung C und dann hier bei mir Steuerung V rein? Das fand ich Ja, der User als Toolfallback. André Neubauer: Hm. Sebastian: Sehr gut. Sehr gut. ⁓ Ralf D. Müller: Genau. Sebastian: Ja cool, dann vielleicht noch als letzter Punkt, hast du irgendeine Prediction, du mit unseren Hörern teilen möchtest. Ralf D. Müller: Also ich habe einen ganzen Talk, wo ich Predictions mache. Und viele dieser Predictions sind schon eingetreten oder gerade nicht eingetreten. Und eine der Predictions war so, naja, die Komplexität der Software, die von KI erzeugt wird. Ich habe mir so gedacht, naja, momentan erzeugt die KI Software mit einer Komplexität, da können wir den Code reviewen. Und wir sollten ihn ja auch reviewen. Zumindest hat man das damals gesagt. Und ich habe mir überlegt, was passiert, wenn die KI immer besser wird und die Komplexität des Codes steigt, dass sie über unseren kognitiven Fähigkeiten ist und wir das gar nicht mehr reviewn können. Und es ist anders gekommen. Wir haben es alle gemerkt. Es ist nicht, dass die Komplexität steigt, sondern einfach die Menge an Code, die von KI generiert wird. Wenn die KI in 5 Minuten Code erzeugt, wo ich 5 Stunden brauche, ⁓ ein Review zu machen, dann hat die KI in den 5 Stunden schon wieder so viel Code erzeugt, ich kann diese Reviews gar nicht mehr machen. Und deswegen ist meine Prediction, dass wir halt in diese Richtung Dark Factory gehen müssen und wir müssen eben in diese Richtung gehen, dass wir der KI vertrauen können, keine Reviews mehr machen müssen. Und da fand ich einen Vortrag von Ingo Eichhorst, super spannend. der eben die KI mit Shannon's Theorem verglichen hat. Shannon mit einem noisy Channel. Ich bringe Fehlerkorrektur drauf und kann den Kanal somit, ja, fehlerfreier gestalten. Und wenn ich das LLM als fehlerbehafteten Kanal ansehe, nicht deterministisch, dann kann ich eben auch mit Fehlerkorrekturen, zum Beispiel dem Compilerlauf, eben den Determinismus reinbringen und damit das Vertrauen stärken. Aber ich glaube, das wäre dann für eine andere Folge. André Neubauer: Definitiv. Das haben wir ja schon ein paar Mal gesagt. glaube, gefühlt bei jedem Gast. müssen uns noch mal ein paar Monate wieder treffen. Wiedersehen, dann quasi noch mal schauen, wo wir stehen. Oder ein anderes Thema besprechen. Mit Stefan haben wir das ja schon gemacht. Insofern, ich glaube, uns freuen, Ralf, wenn du noch mal wiederkommst und wir das wiederholen. Du hast ein super wichtiges Thema angesprochen. Haben Sebastian und schon neulich mal diskutiert. Dark Factories. Das werden wir sicherlich in einer der nächsten Folgen mal besprechen. Mal gucken, ob allein oder ob wir dann noch irgendjemanden finden, mit dem wir das halt irgendwie diskutieren können. Auf jeden Fall vielen, Dank. Ralf D. Müller: Ja, wie gesagt, nochmal danke für die Einladung. Hat Spaß gemacht. Jederzeit gerne wieder. Sebastian: Danke dir. Herzlich willkommen zu einer weiteren Episode unserer neuen Staffel von HMZE Beyond Vibe Coding, der Podcast, in dem wir den fundamentalen Changes der Softwareentwicklung begleiten. Ich bin Sebastian Heidemeyer zu Erbem, CTO bei Nord.io. André Neubauer: Und ich bin André Neubauer, CityPO bei Trusted Jobs. Schön, dass ihr wieder da seid. Heute ist Ralf Müller bei uns. nicht der Schauspieler, der heißt nämlich Ralf Müller, wie ich quasi gerade wieder gelernt habe. Sondern es geht, ⁓ genau zu sein, ⁓ Ralf D. Müller, der in der Architekturszene nicht ganz unbekannt ist. Hat der ein oder andere sicherlich schon mal auf einer Konferenz oder einem Podcast gesehen. Und es geht ⁓ Zaubersprüche. Sebastian: Ja, Zaubersprüche trifft es eigentlich schon ziemlich gut. Tatsächlich nennt er es Semantik Anchors und das sind bestimmte Begriffe oder Wortgruppen, die Wissensgebiete in LLMs aktivieren und damit mit wenigen Worten Es ermöglichen sehr präzise Ergebnisse, basierend auf umfangreichen Methoden zu erzielen. Super spannendes Thema und welche Semantic Anchors er schon gefunden hat und wie das genau funktioniert, erzählt er uns in dieser wirklich hervorragenden Episode. Deswegen viel Spaß beim Hören.