Blog » AI » Seite 9

AI

Wir glauben daran, dass AI einen deutlich höheren Kundennutzen erlaubt, wenn man sie richtig einsetzt!

Aktuellste Beiträge


  • Round two: Hosting GLM 5.2 via expert streaming

    Round two: Hosting GLM 5.2 via expert streaming

    GLM 5.2 is a 744-billion-parameter MoE model – way too big for any GPU I own. Expert streaming let me run it anyway, at around 1.2 tokens per second, entirely from a single mini PC.

  • Hosting a 284B model on 90GB of VRAM

    Hosting a 284B model on 90GB of VRAM

    I own an AMD Strix Halo box with 128GB of unified memory, and I wanted to know how big a model I could actually host on it. Turns out: pretty big, if you stop trying to fit everything into VRAM.

  • Wie ich meiner KI das Ratespiel abgewöhnte

    Wie ich meiner KI das Ratespiel abgewöhnte

    „Gleicher Mist, doppelter Preis.“ Wir erinnern uns, das war der Werbespruch, den meine lokale KI für eine Spielregel hielt. Den bin ich diesmal losgeworden. Nur … am Ende hatte ich vielleicht andere Probleme mit meinem lokalen RAG.

Weitere Beiträge


  • Ich bin Product Owner. Ich schreibe keinen Code. Ich baue trotzdem meine Werkzeuge selbst.

    Jeder Product Owner kennt diesen Moment: Etwas nervt seit Monaten, und die einzige Reaktion ist es, ein Ticket zu erstellen. Sechs Monate später sieht das bei mir anders aus … ein Rückblick mit Zahlen, Fehlschlägen und der Frage, ob das überhaupt erlaubt ist.

  • Der erste KI-Anwendungsfall muss billig scheitern dürfen

    Die stärksten KI-Agenten lösen Aufgaben, für die ein Profi zwölf Stunden braucht, aber nur in jedem zweiten Fall. Wer vier von fünf Ergebnissen richtig braucht, kann ihnen Aufgaben von gut einer Stunde übergeben. Was daraus für deine Agentenprojekte folgt und welches Bauteil die Differenz trägt.

  • Der Agile Change Manager: Ein neuer Name für eine alte Aufgabe

    „Scrum Master“ konkurriert inzwischen mit Software, die Zeremonien automatisiert moderiert. Wie wäre es mit einer Alternative: der Agile Change Manager? Fünf konkrete Aufgaben, klare Grenzen dessen, was die Rolle nicht übernimmt, und was sich parallel für Product Owner verschiebt.

  • Ein Zimmer pro Agent

    Montags zwei Agenten angeworfen, beide im selben Verzeichnis: fünf Minuten später sind die Tests rot und keiner weiß, wer schuld war. Git Worktrees geben jedem Agenten sein eigenes Zimmer. Schauen wir uns einmal an, wie du die Baustelle einrichtest und welche Fallen dabei still zuschnappen.

  • KI-Rollouts scheitern selten an der Technik

    Die Integration läuft, die Zugänge sind verteilt, die Einführungsveranstaltung war gut besucht. Sechs Wochen später arbeitet ein kleiner Teil der vorgesehenen Gruppe mit dem Assistenten, alle anderen machen weiter wie vorher. Der Reflex lautet: mehr schulen. Warum das an der Sache vorbeigeht und was tatsächlich fehlt.

  • Deine Agenten liefern in Stunden. Deine Organisation entscheidet einmal im Quartal.

    Agentische Systeme verkürzen den Weg von der Idee zur lauffähigen Variante auf Stunden. Bei den Nutzern kommt davon wenig an, solange Review, Freigabe und Portfolioplanung im alten Takt laufen. Warum das keine Werkzeugfrage ist, sondern eine Frage der Entscheidungswege.

Gefällt dir, wie wir über KI denken?

Diese drei Produkte sind genau aus diesem Denken heraus entstanden. Jedes davon aus einem direkten Kunden-Need heraus, nicht aus einer Pitch-Deck-Session. Wenn eines davon zu deiner aktuellen Baustelle passt: Ein Gespräch. Kostenlos. Kein Commitment.

Web
mayflower.de

E-Mail
kontakt@mayflower.de

Berlin
Krausenstraße 9-10
10117 Berlin

fon +49 30 4036473 20
berlin @mayflower.de

Würzburg
Landsteinerstraße 4
97074 Würzburg

fon +49 931 466216 1177
fax (0931) 466216 – 28

München
Landsberger Straße 314
80687 München

fon +49 89 242054 1177
fax (089) 242054 – 29