LLM-Pentesting: die neuen Angriffsflächen
Sprachmodelle öffnen Angriffsflächen, die klassische Sicherheitstests nicht abdecken. Die vier wichtigsten und wie wir KI-Anwendungen gezielt darauf prüfen.
Weiterlesen →Praxisnahe Beiträge aus unserer Arbeit: domain-driven gedacht, KI ohne Hype, ehrlich auch dort, wo es unbequem ist. Das, was im Alltag hilft.
Sprachmodelle öffnen Angriffsflächen, die klassische Sicherheitstests nicht abdecken. Die vier wichtigsten und wie wir KI-Anwendungen gezielt darauf prüfen.
Weiterlesen →Statt einem Hersteller-Framework zu folgen, gehen wir vendor-neutral vor. Fünf Phasen, jede mit klarem Ziel und einem Grund, warum sie in genau dieser Reihenfolge steht.
Weiterlesen →Die meisten Agenten-Projekte scheitern nicht an zu schwachen Modellen, sondern an Abläufen, die nie für Agenten gedacht waren. Was die Adoptionszahlen zeigen und wie wir es anders angehen.
Weiterlesen →Gute Software entsteht nicht durch Heldentaten, sondern durch Handwerk. Fünf Praktiken, mit denen wir Lösungen wartbar, verlässlich und ehrlich halten.
Weiterlesen →Im Verwendungszweck einer Banküberweisung steht oft kaum Verwertbares. Wie ein Workflow daraus Kampagne, Projekt und Spender:in erkennt, mit LLM für die Sprache und deterministischem Code für die Verbuchung.
Weiterlesen →Bevor wir über Modelle, Tokens oder Frameworks reden, stellen wir drei Fragen. Sie entscheiden, ob KI eurer Arbeit dient oder nur gut aussieht.
Weiterlesen →