GenAI

Beim Agentic Coding Summit diskutiert Felix Burkhard gemeinsam mit Matthias Liebeck, wie sich der Verbrauch von GitHub Copilot in realen Entwicklungsaufgaben reduzieren lässt, ohne die Lieferfähigkeit aus dem Blick zu verlieren. Drei Läufe derselben Aufgabe mit identischem Modell und gleicher Reasoning-Stufe zeigen, dass nicht nur der sichtbare Prompt zählt. Instruktionen, Suchläufe, Tool-Antworten, Dateiinhalte und wiederholter Kontext prägen den Verbrauch einer Session. Die Gegenüberstellung beginnt mit einem normalen Ausgangslauf und führt über bewusst knappere Instruktionen und Antworten zu einer besser aufbereiteten Kontextsicht. Der Verbrauch sinkt dabei von 780 auf 544 und schließlich auf 280 Credits. Der Vortrag ordnet die Messwerte ein und zeigt zugleich, warum geringerer Verbrauch nicht automatisch bessere Ergebnisse bedeutet. Die Aufzeichnung richtet sich an Entwicklerinnen und Entwickler, die GitHub Copilot als Teil ihres Entwicklungsprozesses einsetzen und den Ablauf messbar verbessern wollen. Die Hintergründe und Messwerte beschreibt Felix Burkhard auch in unserem Blogartikel AI-Token-Optimierung mit GitHub Copilot.

Wer GenAI ernsthaft nutzen will, muss bei den Daten anfangen. Ohne strukturierte, kontextreiche und zugängliche Informationen bleibt selbst das leistungsfähigste Sprachmodell blind für das Wissen im Unternehmen. Der Artikel zeigt, wie Microsoft Fabric mit OneLake, Lakehouse, Eventhouse und integrierten Datenpipelines eine zentrale Datenplattform für Retrieval-Augmented Generation schafft. Von der Datenaufnahme über die Vektorisierung bis zur Integration in Agenten und Workflows entsteht eine durchgängige Grundlage für unternehmensspezifische KI-Anwendungen.

Generative KI ist kein Hype mehr, sie ist Realität. Doch wie bringst du sie erfolgreich in dein Produkt? Unser Artikel zeigt dir den praktischen Weg von der ersten Idee bis zur produktiven Lösung. Du lernst, wie sich GenAI-Integration von klassischer Softwareentwicklung unterscheidet, welche Anwendungsmuster wirklich funktionieren und worauf es bei technischen Grundlagen und Architektur-Entscheidungen ankommt. Außerdem erfährst du, was bei Datenqualität und Entwicklungsprozessen entscheidend ist. Keine Theorie, sondern praxiserprobte Erkenntnisse für Entwickler und Produktverantwortliche, die GenAI strategisch und nachhaltig einsetzen wollen. Sie wollen den gesamten Artikel lesen? Dann melden Sie sich gerne bei uns.