Blogs on René Zander | KI-Automatisierungsberater

95 % der PII-Redaktion brauchen keinen LLM. Die anderen 5 % sind das, was Ihre Maske durchlässt.

Tue, 21 Apr 2026 10:00:00 +0000

Ein IT-Leiter eines SAP-Betriebs hat es mir kürzlich klar gesagt: “Jedes Mal wenn wir unsere Produktionsdaten in unsere Non-Prod-Landschaften kopieren, sickern PII-Daten durch. Und nein, wir werfen keinen LLM darauf. Das ist das Tausendfache der Rechenleistung, die wir heute schon fahren.”

Er hat recht.

Der größte Teil des PII-Redaktionsproblems in Enterprise-Daten ist kein Neural-Network-Problem. Es ist ein Lookup-Table-Problem. Und die etablierten Tools lösen es längst. SAP TDMS, Delphix, Informatica, IBM InfoSphere Optim. Alle schemakundig. Alle zeilenbasiert. Alle deterministisch.

MCP Server in TypeScript bauen: Vollstaendige Anleitung mit Claude

Tue, 21 Apr 2026 09:00:00 +0200

Die meisten Teams brauchen keinen eigenen MCP Server. Wenn Sie eine LLM-App, eine Integration und eine Codebase haben, ist der direkte Aufruf der Anbieter-API schneller fertig und leichter zu debuggen. Sobald Sie aber zwei Claude-Oberflaechen (Claude Desktop plus Claude Code, oder Claude Code plus Cursor) haben, die auf dasselbe interne System zugreifen, hoeren Sie auf, Tool-Code zu duplizieren. Ab diesem Punkt lohnt es sich, einen MCP Server in TypeScript zu bauen.

Claude API Prompt Caching: Wann es Geld spart und wann nicht

Tue, 21 Apr 2026 06:00:00 +0200

Ich betreibe einen Agent, der bei jedem Turn eine Knowledge Base mit 15.000 Tokens liest. Mehrstufige Konversation, rund 40 Aufrufe pro Nutzer-Session. Ohne Caching zahlt jeder Turn erneut die vollen Input-Token-Kosten für ein Context Window, das sich nie ändert. Mit Claude API Prompt Caching wird die Knowledge Base einmal zum 1,25-fachen Input-Preis geschrieben, jeder weitere Read kostet dann das 0,1-fache. Nach dem zweiten Aufruf ist es bereits günstiger als die volle Input-Rate. Genau dafür existiert dieses Feature.

KI-Prozessautomatisierung mit Make und Claude (2026)

Mon, 13 Apr 2026 14:00:00 +0200

KI-Prozessautomatisierung klingt groß. In Wirklichkeit fängt sie mit einem konkreten, repetitiven Prozess an, den du in ein paar Stunden automatisieren kannst. Dieser Artikel zeigt dir, wie.

Ich nehme dir den häufigsten Denkfehler gleich am Anfang weg. Du musst kein Modell trainieren. Du musst keine Agenten bauen, die “alles selbst entscheiden”. Du brauchst einen klaren Prozess, ein Workflow-Tool und ein Large Language Model als API. Das reicht für die ersten 80 Prozent dessen, was im Mittelstand und in KMU sinnvoll ist.

Claude API Deutsch: Praxis-Anleitung für DACH-Teams (2026)

Sat, 28 Mar 2026 08:00:00 +0100

Die Claude API ist in DACH-Teams angekommen, aber die meisten Tutorials sind auf Englisch und ignorieren, was im deutschsprachigen Raum wirklich zählt: sauberer Umgang mit Umlauten, ein belastbarer DSGVO-Pfad und Modelle, die auch in formellen deutschen Registern nicht halluzinieren. Diese Anleitung ist genau dafür da.

Ich baue seit über einem Jahr produktiv mit Claude. Zehn Agenten laufen bei mir als Bash-Scripts auf einem Debian-Server, dazu ein MCP-Server für TickTick, ein Telegram-Bot mit claude -p und ein paar interne Tools, die deutsche Support-Tickets klassifizieren. Der Text unten ist das, was ich mir gewünscht hätte, als ich anfing.

n8n selbst hosten: Docker-Setup, Produktions-Config und Backups

Sun, 22 Mar 2026 10:00:00 +0100

n8n selbst hosten klingt nach viel Arbeit, ist es aber nicht. Mit Docker Compose, einem 4 GB VPS und einer Domain bist du in unter 40 Minuten produktiv. Der Rest dieses Artikels behandelt das, was danach kommt: Produktions-Config, Backups, Sicherheit und Skalierung.

Ich betreibe mehrere n8n-Instanzen auf Debian-VPS, mit Postgres als Backend und Caddy als Reverse Proxy. Das Setup läuft ohne manuelle Eingriffe, abgesehen von Upgrades und gelegentlichen Log-Kontrollen. Diese Anleitung ist genau das, was ich auf einem neuen Server einrichten würde, wenn ich heute bei Null anfange.