programmier.con 2026

Philipp Kemmeter ist heute CTO der C24 Bank und hat Ende der 90er als Teenie mit einem selbst programmierten Browser Game angefangen. Was sich seitdem nicht verändert hat, ist sein Anspruch, auch als Führungskraft die operativen Engineering-Probleme nah zu erleben. Das ist Teil seines Erfolgsrezepts.

Mit über 15 Jahren Erfahrung in Softwareentwicklung, Infrastruktur und strategischer IT-Führung hat Philipp zahlreiche Transformationen begleitet und beschreibt die aktuelle AI-Revolution als die tiefgreifendste. Wie man sie im laufenden Betrieb umsetzt, in einer Organisation, die Entwicklungsgeschwindigkeit und Bankenregulierung gleichzeitig meistern muss, spürt er in seiner täglichen Arbeit. Das genaue Thema seiner Keynote folgt.

Veränderungen fallen schwer, besonders die tiefgreifenden. Unsere evolutionäre Skepsis gegenüber Neuem schützt uns, wird in einer sich rasant wandelnden Welt aber zur Herausforderung. AI ist aktuell einer der größten Treiber dieses Wandels im Alltag von Softwareentwickler:innen.

Mirko geht der Frage nach, warum AI so unterschiedlich angenommen wird und manche sie begeistert nutzen, während andere ihr skeptisch gegenüberstehen. Er blickt auf frühere technologische Umbrüche, um zu verdeutlichen, was wir daraus lernen können. Egal, wo ihr gerade steht: Dieser Talk hilft euch, das eigene Verhältnis zu AI besser zu verstehen und gibt Ideen an die Hand, wie wir als Branche künftig bewusster damit umgehen können.

In JavaScript gibt es selten die eine Standardlösung. Stattdessen stehen wir immer wieder vor mehreren guten Optionen und müssen herausfinden, welche zu unserem Projekt, unserem Team und unserer Art zu arbeiten passt. Genau so ist es bei den serverseitigen Runtimes: Node.js, Deno und Bun.

Node.js bringt die Kraft eines riesigen Ökosystems und jahrelanger Stabilität mit. Deno setzt auf Sicherheit, moderne Web‑APIs und ein bewusst reduziertes Modell, das vieles einfacher macht. Bun wiederum bricht mit Konventionen und jagt kompromisslos nach Geschwindigkeit, integriertem Tooling und einem neuen Gefühl von „out of the box“.

Die eigentliche Frage lautet also: Brauchen wir die eine, perfekte Runtime – oder liegt die Stärke gerade darin, dass jede dieser Runtimes ihre eigene Berechtigung hat und serverseitiges JavaScript auf ihre Weise voranbringt?

Millionen Zeilen Legacy-Code, keine Dokumentation und niemand weiß mehr, was kaputtgeht, wenn man etwas ändert. Legacy-Systeme stecken voller versteckter Geschäftslogik, historischer Entscheidungen und gefährlicher Abhängigkeiten. Architekturdiagramme sind veraltet und das eigentliche Wissen steckt irgendwo zwischen Side Effects und alten Commits.

Inga zeigt, wie moderne AI-Modelle zusammen mit statischer Codeanalyse aus diesem Legacy-Code strukturierbares Wissen erzeugen: Knowledge Graphs, die Klassen, Services, Datenflüsse und fachliche Zusammenhänge als durchsuchbares Netzwerk sichtbar machen.

Der Talk beleuchtet, wie AI dabei hilft, versteckte Abhängigkeiten zu erkennen, Business-Logik zu extrahieren, Architektur-Hotspots zu lokalisieren und Refactoring-Risiken besser einzuschätzen – mit praxisnahen Beispielen und modernen Tooling-Ansätzen. Am Ende nehmt ihr ein konkretes Werkzeug und einen Perspektivwechsel mit: Legacy-Code nicht als Chaos verwalten, sondern als Wissen erschließen.

Backend-Code schreiben nervt. Google schaltet euren Lieblingsdienst ab. Und nach jedem Klick wartet ihr ewig auf eine Serverantwort. Local-first Software löst genau diese Probleme: Das Backend ist ein generischer Sync-Service, alle Daten liegen lokal – und die App läuft weiter, egal ob der Betreiber abspringt oder das Netz schwächelt.

Simon zeigt anhand einer eigenen Anwendung, wie local-first Software in der Praxis funktioniert: von den Grundprinzipien bis zu den noch offenen Fragen rund um Berechtigungsmanagement und Content Moderation.

Cloud-KI ist bequem, aber sie hat ihre Tücken: unvorhersehbare Kosten, Datenlecks und Vendor Lock-in. Es ist an der Zeit, die Kontrolle zurückzugewinnen. Stefan Langenbach baut in seinem Talk live den „Sovereignty Stack“ – eine Kombination aus Open-Source-Modellen, Sandboxing und lokaler Orchestrierung auf Basis von Tools wie Ollama, Docker und dem Pi Coding Agent. 

Dabei wird neu definiert, was „lokal“ bedeutet: vom Laptop über einen dedizierten Server bis hin zu AI-Modellen aus europäischen Rechenzentren. Am Ende steht kein Proof of Concept, sondern ein praxistauglicher Stack, mit dem ihr die volle Hoheit über eure KI-Systeme zurückgewinnt. Ohne Abhängigkeit von Big Tech.

LLMs scheitern an Unternehmensdaten nicht am Modell, sondern an der Datenbasis. Klassische CRUD-Schemata zeigen Zustände, aber keine Fachlichkeit. Was fehlt, ist Semantik: das Wissen darüber, was im Unternehmen tatsächlich passiert ist, warum und in welcher Reihenfolge. 

Hier setzt Event Sourcing an. Jedes Event ist ein fachliches Ereignis, benannt in der Sprache der Domäne, und trägt damit genau die Bedeutung, die einem LLM im CRUD-Modell fehlt. MCP und Skills liefern die Schnittstelle, über die ein Sprachmodell diese Events lesen und fachlich interpretieren kann.

Golo zeigt anhand konkreter Beispiele, wie Events für den Konsum durch LLMs modelliert werden, welche Rolle Semantic Event Design und Projektionen spielen und wie sich ein Event Store über MCP als Resource und über Skills als fachliche Werkzeuge bereitstellen lässt. Ihr nehmt ein anderes Mindset für Daten mit – und ein klares Bild davon, wie Event Sourcing, MCP und Skills zusammenspielen, damit AI fachlich fundierte Antworten liefern kann.

Features zu bauen ist einfach. Zu verstehen, welche Probleme Nutzer:innen tatsächlich haben, ist es nicht. Zahlen und Metriken liefern Daten, aber noch keine Antworten darauf, ob ein Feature echten Mehrwert schafft.

Eva zeigt, wie Entwickler:innen, Designer:innen und Produktmanager:innen gemeinsam diese Lücke schließen: durch explizite Annahmen, durchdachte Lösungswege und Success Metrics, die tatsächlich messen, was zählt. UX Research ist dabei kein Bonus, sondern die Grundlage erfolgreicher Produktentwicklung.

Gerade in Zeiten KI-gestützter Softwareentwicklung, in denen Build und Deliver immer schneller werden, wird die Learn-Phase zum entscheidenden Erfolgsfaktor. Denn wer schneller entwickelt, kann auch schneller das Falsche bauen. Wirklicher Produkterfolg entsteht nicht durch mehr Features, sondern durch schnelleres Lernen.

Zehn Files wurden verändert, der Pull Request ist offen, vier Minuten. Der Agent liefert ab – aber niemand liest mehr, was da entsteht. Was geschieht eigentlich mit der Fachlichkeit, wenn Code aufhört das Artefakt zu sein, an dem Menschen sie überprüfen? Und warum werden Teams langsamer, obwohl sie schneller Code produzieren?

Daniel unterstützt Teams beim Einsatz von Agent-Workflows und kennt die Muster, an denen sie regelmäßig scheitern: Architekturen, die unter der Dateiflut erodieren, ungetesteter Legacy Code und Anforderungen, die im Prompt landen statt in Akzeptanzkriterien. Sein Gegenmittel ist nicht der bessere Prompt, sondern Determinismus: Akzeptanzkriterien als ausführbare BDD-Szenarien, TDD als Abbruchkriterium und Hooks, die Regeln wirklich durchsetzen. Denn „bitte teste am Ende den Code“ in der AGENTS.md ist kein Qualitätsgate, sondern eine Bitte.

Passkeys haben sich als Standard für die passwortlose Authentifizierung etabliert und versprechen, Phishing ein für alle Mal zu eliminieren. Doch wie sicher sind sie wirklich? Welche zugrunde liegenden Konzepte müssen Entwickler:innen verstehen und was bei der Implementierung beachten, um dieses Versprechen einzuhalten?

Martina geht über die Grundlagen hinaus und zeigt im Live-Coding, wie Passkeys mit Open-Source-Projekten wie Keycloak integriert werden können. Sie deckt die häufigsten Fallstricke auf und erläutert, welche Konfigurationen entscheidend sind, um echte Phishing-Resistenz zu gewährleisten. Praktische Beispiele und konkrete Code-Demos helfen euch dabei, Passkeys sicher und benutzungsfreundlich in eure eigenen Anwendungen zu integrieren.

Webentwicklung war noch nie so leicht zugänglich wie heute. Wer eine Angular-Website schreiben möchte, geht auf angular.dev und legt los. Soll es React sein, geht ihr auf react.dev. Und wenn Probleme auftauchen, findet ihr mit hoher Wahrscheinlichkeit Ressourcen, die alle mehr oder weniger dieselbe Antwort liefern – auch wenn sie falsch ist. ;) Aber was macht ihr, wenn ihr Web Components schreiben wollt, wo Informationen deutlich weniger zentralisiert sind und Probleme sich auf viele Arten lösen lassen?
 
Dass die Informationen so umfangreich und verstreut sind, bedeutet vor allem eines: Verständnis ist hier wichtiger als oberflächliches Wissen. Claude kann bei einfachen Components helfen, Beispiele gibt es genug. Aber grabt ihr tiefer, stellt ihr fest, dass sich die Modelle immer wieder selbst widersprechen. Was fangen wir also damit an?
 
Katja navigiert euch durch konkrete Wege, wie ihr Informationen direkt an der Quelle bekommt. Ihr erfahrt von den häufigsten Missverständnissen rund um Web Components und wie ihr sie tatsächlich zum Laufen bringt. Denn wer Web Components wirklich versteht, wartet nicht darauf, dass AI die Lücken füllt.

Ist der „Enhance“-Effekt aus Kriminalserien noch Fiktion oder schon Realität? AI-generierte Bilder sehen auf den ersten Blick beeindruckend aus. Doch beim Heranzoomen zeigt sich das Problem: Gesichter verschwimmen, Texturen verlieren ihre Struktur, Schriften werden unleserlich. Das liegt an einem fundamentalen Limit aktueller Bildgenerierungs-Modelle wie Stable Diffusion: Sie bevorzugen von Natur aus größere Strukturen gegenüber feinen Details und das direkte Hochrechnen in hohe Auflösungen verschiebt das Problem nur und löst es nicht.

Tobias zeigt euch, wie moderne AI-Upscaling-Methoden diesen Ansatz auf den Kopf stellen: Statt Pixel zu strecken und Kanten zu glätten, generieren sie tatsächlich neue, plausible Bildinformationen – Details, die im Original gar nicht vorhanden waren. Macht euch mit diesem Talk ein Bild davon, was AI-Upscaling heute tatsächlich kann und was noch Fiktion ist.

Go und Enterprise-Entwicklung – ein Widerspruch? Frameworks wie Spring oder .NET liefern einen riesigen Feature-Umfang out of the box. Go tut das (noch) nicht. Tim zeigt euch, wie Bitory diese Lücke pragmatisch schließt: mit einem eigenen leichten Framework, klaren Konventionen und hexagonaler Architektur.

Im Live-Coding-Teil gibt es den Ansatz direkt in Aktion zu sehen, inklusive der Frage, wie Sprachmodelle durch starke Konventionen und optimierte Prompts den Entwicklungs-Workflow spürbar beschleunigen. Das Ergebnis: ein praxiserprobtes Architektur-Setup für performante Go-Anwendungen direkt aus dem Projektalltag.

Personas sind seit Jahren bewährte Werkzeuge im API-Design, um die unterschiedlichen Bedürfnisse von Entwickler:innen zu verstehen. Doch was passiert, wenn der Konsument kein Mensch mehr ist? Dieser Talk stellt „ALEX“ vor – eine Persona für LLM-basierte API-Konsumenten, die fundamentale Designherausforderungen greifbar macht: Wo Entwickler:innen flexibel mit unvollständiger Dokumentation umgehen, scheitern LLMs. Wo Menschen mehrstufige Workflows verstehen, geraten Agenten in Endlosschleifen.

Basierend auf der Persona-Analyse leitet Benny praktische Design-Guidelines ab: von strikter Dokumentationsvollständigkeit über idempotente Operationen bis zu atomaren Business-Funktionen und Capabilities. Mit OpenAPI als Grundlage zeigt er konkrete Ansätze, um eine AI-ready API zu designen und technisch zu integrieren. Wer danach eine API baut, denkt sie nicht mehr nur für Entwickler:innen – sondern auch für ALEX.

Ein Jahrzehnt lang hieß „eine soziale App bauen“: auf den Daten anderer, hinter fremden APIs, ausgeliefert an fremde Regeln. Das AT Protocol dreht das um. Identität und Daten liegen bei den Nutzer:innen, und das Netzwerk steht allen Entwickler:innen offen.

atproto verfolgt dabei einen anderen Ansatz als Fediverse und ActivityPub: portable Identität und typisierte Daten. Statt vieler getrennter Instanzen gibt es ein Netzwerk, auf dem alle gemeinsam aufbauen. Authentifizierung, Datenspeicherung und Echtzeit-Synchronisation sind schon Teil des Protokolls.

Florian führt euch durch die Kernkonzepte (DIDs, PDS, Lexicons und Firehose) und zeigt in kleinen Live-Demos, wie schnell damit etwas Eigenes entsteht. Nebenbei wird klar, warum genau diese Datenschicht das ist, was AI-Apps und Agents brauchen. Das Ergebnis: Ihr habt alles an der Hand, um noch dieses Wochenende selbst etwas zu bauen.

Im Moment befinden wir uns noch in Absprache mit unseren Speaker:innen, um sämtliche Talk-Details und Agenda-Punkte zu finalisieren. Bitte schaue bald wieder vorbei für mehr Details zu den Talks.

Falls du selbst einen Talk halten willst, schau dir unseren CfP an, halte einen Lightning-Talk oder wende dich an con@programmier.bar.