Entwickler Daniel Stenberg zeigt sich frustriert über durch KI generierte Bug-Reports. Reporter werden künftig einem Intelligenztest unterzogen. (Softwareentwicklung, KI)
Mit der HTML-5-Engine PixiJS lassen sich 2D-Web-GL-Renderer erzeugen, um Informationen im Web schön und interaktiv darzustellen. Einfach ist es auch noch. (Open Source, HTML5)
Das Kostenlos-Update für Windows 10 endet - gute Gelegenheit für den Absprung! Beim Umstieg auf Linux sollten Unternehmen aber einiges beachten. (Software, Microsoft)
Linux ist kein Betriebssystem nur für Nerds. Es gibt Derivate, die optisch kaum von Windows zu unterscheiden sind und es Umsteigern leicht machen. (Linux, Windows)
Anders als bei Apple gibt es bei Android alternative Distros. Hier werden Daten besser geschützt, dafür haben sie andere große Nachteile. (Android-ROM, Android)
Ohne gründliche Dokumentation sind Anthropics Berichte über "KI-Hacker" unglaubwürdig. Das heißt nicht, dass LLMs kein Risiko darstellen. (Security, KI)
Um aus Big Data Erkenntnisse zu gewinnen, benötigen Unternehmen leistungsfähige Analysetools - kommerzielle, freie, cloudbasierte. Welches ist das richtige? (Big Data, Server-Applikationen)
Microsoft hat auf dem Open Source Summit Nordamerika 2026 überraschend eine eigene Linux-Distribution angekündigt. Doch Vorsicht ist geboten. (Microsoft, Linux)
Klick ... und argh! Weg waren die auf dem Laptop gespeicherten Urlaubsfotos. Die gute Nachricht: Es gibt Wege, sie wiederherzustellen. (Tools, Dateisystem)
Container sind intrinsisch nicht sicherer als Anwendungen, die direkt auf dem System laufen. Doch es gibt Werkzeuge, die Admins hier unterstützen. (Container, Server)
Immer komplexere Linux-Systeme seien kein Problem, sagen Hersteller und versprechen Support. Die Praxis sieht anders aus (Cloud Computing, Server-Applikationen)
Lokale Video- und Bildgenerierung mit einer RTX 5090, ComfyUI, LLM-Orchestrierung: wie weit man mit Open Source und überschaubaren laufenden Kosten kommt. (DIY-KI, KI)
Durch Fehler in Datenpipelines können Analysen falsch werden oder die Pipeline kann ganz ausfallen. Mit diesen Design Patterns passiert das nicht. (Datenmuster für alles, Python)
Design Patterns zum Datenfluss und zur Datenqualität sind wichtig für gute Datenanalysen. Wir stellen sie praxisnah mit Codebeispielen vor. (Datenmuster für alles, Python)
Wenn Datenpipelines wachsen, wird es schnell konfus. Mit Design Patterns und Python lassen sich Probleme in der Datenverarbeitung aber elegant lösen. (Datenmuster für alles, Python)
Datenaufnahme und -verarbeitung sind wichtige Teile der Datenpipeline. Wir erklären mit Codebeispielen, welche Design Patterns hier die Arbeit erleichtern. (Datenmuster für alles, Python)
Sicherheit ist ein essenzieller Bestandteil jedes Datenpipelinesystems. Design Patterns für Sicherheit helfen, Daten vor unbefugtem Zugriff zu schützen. (Datenmuster für alles, Python)
Numpy ist eines der mächtigsten Python-Werkzeuge für Datenanalyse. Dieser Leitfaden ist perfekt für alle, die ohne große Mathekenntnisse loslegen wollen. (Python, Programmiersprachen)
Die Numpy-Bibliothek ist großartig für die numerische Programmierung in Python. Wir geben praktische Beispiele zum Ausprobieren. (Python, Programmiersprachen)
Was ist eine Prior, was ein Posterior? Wie kann man den Mittelwert einer Zufriedenheitsskala mit PyMC schätzen? Wir erklären es. (Muster-Bibliotheken, Python)
Aus Daten lässt sich viel herauslesen, man muss nur wissen wie. Diese Python-Bibliotheken helfen bei verschiedenen Fragen - bis zum Blick in die Zukunft. (Muster-Bibliotheken, Python)
Pingouin ist ein tolles Tool für Hypothesentests. So machen Datenanalysten sichtbar, was sonst nur zwischen den Zeilen steht. (Muster-Bibliotheken, Python)