English
Deutsch
Polski
Serverless Microservices: Skalierung in Google Cloud Run mit GitHub Actions
Eine technische Schritt-für-Schritt-Anleitung zur Bereitstellung und Skalierung serverloser Microservices auf Google Cloud Run mit GitHub Actions und WIF.
Cloud & AI
20 Artikel in dieser Kategorie
Diese Rubrik per RSS verfolgen
Aufbau einer RAG-Wissensdatenbank mit Google Cloud Vertex AI & BigQuery
Eine technische Schritt-für-Schritt-Anleitung zur Erstellung einer serverlosen RAG-Wissensdatenbank mit BigQuery Vector Search und Vertex AI Gemini.
Self-Hosted Large Language Model (LLM) mit Ollama hinter einem Auth-Proxy
Eine technische Anleitung zur Bereitstellung eines privaten, GPU-beschleunigten LLM-Servers mit Ollama hinter einem sicheren Nginx-Authentifizierungs-Proxy.
Aktuelle AI-Modelle im Vergleich: GPT, Claude und Gemini gegen DeepSeek und Qwen
GPT-6, Claude 5.5, Gemini 3.8, DeepSeek und Qwen nach Zugang, Aufgaben und lokalem Betrieb vergleichen.
Tutorial: Chunk-Größe und Überlappung gegen einen Testsatz prüfen
Die Chunk-Größe wird meist einmal gewählt und nie hinterfragt, weil Hinterfragen nach einer vollen Bewertung aussieht. Nötig sind dreißig Fragen, eine Kennzahl und ein Durchlauf, der ohne einen einzigen Aufruf eines Sprachmodells auskommt.
Chunk-Größe und Überlappung in einer RAG-Wissensbasis: Auswirkungen auf Embedding-Zahl, Token-Budget und Neuindexierung
Zwei Zahlen, vor dem ersten Lauf gewählt, entscheiden über die Zahl der Einbettungen, über den Kontextanteil jeder Antwort und darüber, ob eine geänderte Einstellung das vollständige Neueinbetten bedeutet. Alles drei ist Rechnen.
Die Rechnung hinter einer LLM-Abrechnung
Eingabe, Ausgabe, zwischengespeicherte Eingabe und der Stapelrabatt sind vier Preise für dieselbe Anfrage. Welcher gilt, hängt weniger am Modell als daran, wie das Gespräch zusammengesetzt wird.
GTM-Integrationen für Claude Code: Drei MCP-Server, ihre Werkzeugzahl und ihr Kontextpreis
Einen Tag-Manager-Container per Prompt zu ändern heißt, einem Sprachmodell ein OAuth-Token in die Hand zu geben. Drei MCP-Server wurden am 9. September 2026 über stdio gestartet und nach ihrer Werkzeugliste gefragt: 18, 33 und 104 Werkzeuge, dazu zwischen 20 und 108 Kilobyte Definitionen, die bei jeder Anfrage mitreisen. Darunter liegt bei allen dieselbe API mit 106 Methoden, sieben Scopes und genau zwei Aufrufen, die den Live-Container erreichen.
Tutorial: Tokenverbrauch je Anfrage messen und ein Monatsbudget durchsetzen
Jede API-Antwort nennt genau, wie viele Token sie gekostet hat, aufgeteilt in vier Klassen. Diese Zahl mitzuschreiben statt sie zu schätzen, kostet zwanzig Zeilen – und ist die einzige Grundlage, auf der ein Budget mehr sein kann als eine Warnung.
Bot-Erkennung: IP-Listen und kryptografische Signaturen im Vergleich
Apple hat den Adressbestand des Applebot im August 2026 um etwa 194 Prozent vergrößert. Jeder Auftritt, der diesen Crawler aus einer gespeicherten Liste prüft, musste eine neue holen. Diese Pflegelast ist kein Unfall dieser Ausgabe – sie ist das, was adressbasierte Prüfung ausmacht.
