Hier sein Statement dazu in einem kurzen Videoclip.

Ich bin Alexander Friedland (GitHub: @ogerly). Softwareentwickler seit 1999. Was als HTML-Basteln angefangen hat, ist über zwei Jahrzehnte zu Systemarchitektur geworden. Heute lebe und arbeite ich in Dresden und erkläre Technik, vor allem in meinem Blog. Mein klarer Fokus: lokale KI, technische Souveränität und Agenten-Architektur – ohne Cloud-Zwang, ohne Vendor-Lock-in und ohne Datenabgabe. Kern-Themen: - Lokale LLMs für Coding (mein aktueller Stack: Qwen → LM Studio → opencode VS Code → AAMS) - WebGPU-beschleunigte Modelle direkt im Browser - RAG-Architekturen, Agenten-Systeme mit persistentem Kontext - Dezentrale Systeme (Nostr, IPFS, Mesh-Ansätze) Wichtige Projekte: - AAMS (Autonomous Agent Manifest Specification) – ein offener Standard (.agent.json) für Projektstruktur, Memory und Regeln. Werkzeugunabhängig (funktioniert mit lokalen LLMs, Cursor, Claude Code etc.). Aktuell v2.4.0, Doku in DE/EN/ZH. - Hermes – Wächter über das Kontextfenster lokaler Coding-Agenten - Weitere Experimente: lokaler Voice-Agent, WebGPU-Arena, MantisClaw (Agent-Loop-Framework), ki-r-feed (deutscher Video-Feed für KI & Robotik ohne Tracking) usw. Ich schreibe regelmäßig über Architekturentscheidungen, digitale Souveränität, die Schattenseiten der Cloud-KI und warum die besten Coder gerade lokal gehen. Keine Marketing-Parolen – echte Gedanken aus der Praxis. Kurz gesagt: Ich baue und erkläre Systeme, mit denen man lokal, autonom und souverän mit KI arbeiten kann – besonders für Coding und Agenten. Falls du tiefer einsteigen willst: → ogerly.github.io/alexander-friedland → github.com/ogerly

Hallo zusammen, ich bin Baujahr 1971, verh., Vater von 2 Kindern und als Heizungsbaumeister und Diplom-Ingenieur im SHK - Handwerk tätig. Als Nebenjob arbeite ich daran, für Immobilienverkäufer und -Käufer eine einfache und verständliche Bewertung der Haustechnik aufzustellen. Freue mich auf regen Austausch Viele Grüße

Moin zusammen, ich hatte Torsten versprochen, hier mal unseren Ablauf für KI Produktfotos aufzuschreiben. Hier ist er, so wie wir das bei Nextgency für Shops und kleine Marken machen. Schritt 1: Das echte Produkt bleibt echt. Wir fotografieren das Produkt einmal sauber, gern mit dem Handy am Fenster, und stellen es frei. Die KI baut nur die Szene drumherum. Wer das Produkt selbst generieren lässt, bekommt falsche Logos, verbogene Etiketten und am Ende Kunden, die etwas anderes geliefert bekommen, als sie gesehen haben. Schritt 2: Erst die Szene beschreiben, dann generieren. Wir schreiben vorher drei Sätze: Wo steht das Produkt, welches Licht, welche Stimmung. Zum Beispiel: Holztisch in einer hellen Küche, Morgenlicht von links, Kaffeetasse unscharf im Hintergrund. Je konkreter, desto weniger Ausschuss. Schritt 3: Licht und Schatten prüfen. Daran erkennt man KI Bilder sofort. Fällt das Licht in der Szene von links, muss auch der Schatten am Produkt dazu passen. Wir schauen jedes Bild genau darauf an und korrigieren lieber einmal mehr. Schritt 4: Pro Produkt ein Set statt einem Bild. Hauptbild auf Weiß für Amazon oder Google Shopping, zwei Szenen für den Shop, ein Detailbild und ein Hochformat für Social Media. So hat man aus einem Ausgangsfoto Bilder für jeden Kanal. Schritt 5: Gegencheck vor dem Upload. Ist der Text auf der Verpackung lesbar? Stimmt das Größenverhältnis? Wäre ein Kunde enttäuscht, wenn das Paket ankommt? Wenn ja, fliegt das Bild raus. Was wir dabei gelernt haben: Der größte Gewinn ist gar nicht die Zeit beim Generieren, sondern dass man für neue Saisons, Aktionen oder Ads kein neues Shooting mehr braucht. Ein gutes Ausgangsfoto trägt ein ganzes Jahr. Wer von euch nutzt schon KI Bilder im Shop oder in Ads, und wo hakt es bei euch am meisten? :)

Auch bei mir in Süditalien ist es angekommen. Bei uns geht es jetzt langsam in den Herbst - die Lesezeit beginnt ... "Unser" Buch liegt natürlich ganz oben