
Sign up to save your podcasts
Or


Zu verstehen, wie eine Firma Geld verdient, ist Voraussetzung um Mehrwert zu schaffen
Die wenigsten von uns arbeiten für Luft und Liebe. Mieten müssen gezahlt werden und Essen müssen wir auch alle. Deswegen gehen viele von uns in einem klassischen Angestelltenverhältnis arbeiten. In einem Angestelltenverhältnis gehören auch Gehaltserhöhungen und ab und zu auch mal eine Beförderung dazu. Einige Gehälter werden automatisch angepasst, wie z.B. bei einer Tariferhöhung. Andere müssen dafür ihren Wert, den sie zur Firma beitragen, erhöhen. Und um dies zu erreichen, sollte man wissen, wie die eigene Firma eigentlich Geld verdient und welche Herausforderungen das Business-Modell hat. Denn dies ist nicht immer auf den ersten Blick zu erkennen.
In dieser Episode schauen wir uns mal drei Business-Modelle an, erklären, worauf diese basieren, welche Herausforderungen diese mit sich bringen, ob diese sich heutzutage noch lohnen und welchen Zwiespalt diese oft bei der Produktentwicklung erzeugen.
Wir sprechen darüber, wie viel du den Arbeitgeber eigentlich kostet, wie viel Werbung heutzutage noch Wert ist, Warum sogenannte A-Kunden zwar viel Geld einbringen können, aber ein großes Risiko für eine Firma sind, warum das passive Einkommen bei deinem eigenen Software as a Service Produkt ein Irrglaube ist und wie du das neue Wissen über Business-Modelle für dich nutzen kannst, um deinen eigenen Wert zu erhöhen.
Bonus: Wenn man mehr Geld möchte, muss man mehr Geld einbringen.
Unsere aktuellen Werbepartner findest du auf https://engineeringkiosk.dev/partners
Das schnelle Feedback zur Episode:
👍 (top) 👎 (geht so)
(00:00:00) Intro
(00:01:24) Warum es wichtig ist, das Business-Modell zu verstehen
(00:07:19) Info/Werbung
(00:08:19) Cost per Click / Cost per Sale / Affiliate
(00:20:11) Werbefinanzierte Services
(00:38:49) Abo-Modelle oder X as a Service
(00:56:20) Weitere Business-Modelle
(00:59:02) Wie hilft mir, als Entwickler*in, dieses neue Wissen?
Skalierung und verteilte Berechnungen: Sind mehr CPUs wirklich immer schneller?
Stell dir vor, du bist Softwareentwickler*in und jeder spricht von Skalierung und verteilten Systemen. Doch wie effizient sind diese eigentlich wirklich? Heißt mehr Rechenpower gleich schnellere Ergebnisse?
In dieser Episode werfen wir einen Blick auf ein wissenschaftliches Paper, das behauptet, die wahre Leistung von verteilten Systemen kritisch zu hinterfragen. Wir diskutieren, ab wann es sich lohnt, mehr Ressourcen einzusetzen, und was es mit der mysteriösen Metrik COST (ausgesprochen Configuration that Outperforms a Single Thread) auf sich hat. Hör rein, wenn du wissen willst, ob Single-Threaded Algorithmen in vielen Fällen die bessere Wahl sind.
Bonus: Ggf. machen nicht alle Wissenschaftler so wissenschaftliche Arbeit.
Unsere aktuellen Werbepartner findest du auf https://engineeringkiosk.dev/partners
Das schnelle Feedback zur Episode:
👍 (top) 👎 (geht so)
(00:00:00) Papers We Love: Scalability! But at what COST?
(00:03:11) Was bedeutet Skalierung?
(00:05:32) Info/Werbung
(00:06:32) Was bedeutet Skalierung?
(00:16:20) PageRank- und Label Propagation-Algorithmus
(00:24:10) Optimierung der Daten und verwendeten Algorithmen für spezifische Probleme
(00:29:17) COST: Configuration that Outperforms a Single Threat
(00:31:58) Learnings aus dem Paper
(00:37:50) Wissenschaftlicher Anspruch und Einschätzung des Papers
(00:52:34) Was können wir für die Praxis aus dem Paper lernen?
Machine Learning Operations (MLOps) mit Data Science Deep Dive.
Machine Learning bzw. die Ergebnisse aus Vorhersagen (sogenannten Prediction-Models) sind aus der modernen IT oder gar aus unserem Leben nicht mehr wegzudenken. Solche Modelle kommen wahrscheinlich öfter zum Einsatz, als dir eigentlich bewusst ist. Die Programmierung, Erstellung und das Trainieren dieser Modelle ist die eine Sache. Das Deployment und der Betrieb ist die andere Thematik. Letzteres nennt man Machine Learning Operations, oder kurz “MLOps”. Dies ist das Thema dieser Episode.
Wir klären was eigentlich MLOps ist und wie es sich zum klassischen DevOps unterscheidet, wie man das eigene Machine Learning-Modell in Produktion bringt und welche Stages dafür durchlaufen werden müssen, was der Unterschied von Model-Training und Model-Serving ist, welche Aufgabe eine Model-Registry hat, wie man Machine Learning Modelle in Produktion eigentlich monitored und debugged, was Model-Drift bzw. die Drift-Detection ist, ob der Feedback-Cycle durch Methoden wie Continuous Delivery auch kurz gehalten werden kann, aber auch welche Skills als MLOps Engineer wichtig sind.
Um all diese Fragen zu beantworten, stehen uns Michelle Golchert und Sebastian Warnholz vom Data Science Deep Dive Podcast rede und Antwort.
Unsere aktuellen Werbepartner findest du auf https://engineeringkiosk.dev/partners
Das schnelle Feedback zur Episode:
👍 (top) 👎 (geht so)
(00:00:00) Machine Learning Operations (MLOps) mit Michelle und von Data Science Deep Dive
(00:06:29) Info/Werbung
(00:07:29) Machine Learning Operations (MLOps) mit Michelle und von Data Science Deep Dive
(00:17:21) Deployment eines ML Modells in Produktion: Model Training
(00:30:09) Automatisierte Pipelines und der operationelle Betrieb
(00:39:22) Reproduzierbarkeit und Debugging
(00:45:27) Model Serving / Modellbereitstellung
(00:52:28) Monitoring und Model Drift
(01:05:39) Welche Skills benötige ich als MLOps Engineer?
(01:13:21) Abschluss
Softwareentwicklung in der Praxis: Infotainment-Systeme für Kreuzfahrtschiffe.
Jede Industrie und Domäne hat ihre Eigenheiten und Herausforderungen. Dies überträgt sich auch auf die Software, die für die entsprechenden Anwendungsfälle geschrieben wird. Oft fragen wir uns “Wie ist es eigentlich, Software für Brauereien, Waschmaschinen oder Mähdrescher zu schreiben?”. In dieser Episode beantworten wir diese Frage für das Thema Kreuzfahrtschiffe - Also die richtig dicken Pötte.
Welche Software wird auf einem Kreuzfahrtschiff benötigt? Auf welcher Hardware läuft diese und wo steht die Hardware überhaupt - In der Cloud oder ist das ein schwimmendes Datacenter? Wie sieht es mit der Internet-Connectivity und dem Debugging aus, wenn man auf den Weltmeeren unterwegs ist? Welche Probleme muss die Software lösen, wenn Ländergrenzen übertreten werden in Bezug auf Zeitzonen, Datenschutz und Accessibility?
Unser Gast Sebastian Hammerl steht uns Rede und Antwort.
Bonus: Speedboot fahren mit Systemadministratoren - Warum nicht?
Unsere aktuellen Werbepartner findest du auf https://engineeringkiosk.dev/partners
Das schnelle Feedback zur Episode:
👍 (top) 👎 (geht so)
(00:00:00) Intro
(00:01:09) Softwareentwicklung auf und für Kreuzfahrtschiffe mit Sebastian Hammerl
(00:07:08) Software auf einem Schiff installieren, wenn es im Trockendock ist
(00:07:49) Info/Werbung
(00:08:49) Software auf einem Schiff installieren, wenn es im Trockendock ist
(00:27:51) Software die sich bewegt: Zeitzonen
(00:36:39) Internationale Gegebenheiten: Datenschutz
(00:39:41) Bug-Handling und Deployments
(00:46:07) Schwimmendes Datacenter: Redundanz und Notfälle
(00:53:16) Tech-Stack auf einem Schiff
(00:55:40) Als IT-Admin auf dem Schiff arbeiten
(01:01:16) Empfehlung für alle, die sich das Thema näher ansehen wollen
Data Streaming und Stream Processing mit Apache Kafka und dem entsprechenden Ecosystem.
Eine ganze Menge Prozesse in der Softwareentwicklung bzw. für die Verarbeitung von Daten müssen nicht zur Laufzeit, sondern können asynchron oder dezentral bearbeitet werden. Begriffe wie Batch-Processing oder Message Queueing / Pub-Sub sind dafür geläufig. Es gibt aber einen dritten Player in diesem Spiel: Stream Processing. Da ist Apache Kafka das Flaggschiff, bzw. die verteilte Event Streaming Platform, die oft als erstes genannt wird.
Doch was ist denn eigentlich Stream Processing und wie unterscheidet es sich zu Batch Processing oder Message Queuing? Wie funktioniert Kafka und warum ist es so erfolgreich und performant? Was sind Broker, Topics, Partitions, Producer und Consumer? Was bedeutet Change Data Capture und was ist ein Sliding Window? Auf was muss man alles acht geben und was kann schief gehen, wenn man eine Nachricht schreiben und lesen möchte?
Die Antworten und noch viel mehr liefert unser Gast Stefan Sprenger.
Bonus: Wie man Stream Processing mit einem Frühstückstisch für 5-jährige beschreibt.
Unsere aktuellen Werbepartner findest du auf https://engineeringkiosk.dev/partners
Das schnelle Feedback zur Episode:
👍 (top) 👎 (geht so)
(00:00:00) Streaming mit Kafka mit Stefan Sprenger
(00:06:18) Data Streaming und Stream Processing für 5-Jährige
(00:07:40) Data Streaming und Stream Processing für Mid-Level-Engineers
(00:07:47) Info/Werbung
(00:08:47) Data Streaming und Stream Processing für Mid-Level-Engineers
(00:14:14) Was ist Apache Kafka?
(00:20:54) Datensätze in Apache Kafka: Produzieren und Konsumieren
(00:25:58) Kafka Streams und Kafka Connect
(00:30:34) Change Data Capture
(00:34:36) Herausforderungen bei der Anwendung von Kafka, Kafka Streams und Kafka Connect
(00:42:54) Compaction, Retention, Replication, Acknowledgement, Joins und Idempotenz
(00:53:46) Einsatz in Organisationen: Governance und Schema Registry
(00:59:00) Verteiltes System und komplexe Technologien
(01:01:47) Die Zukunft um Kafka und das Ecosystem
3 Jahre Engineering Kiosk: Geburtstagsepiode und Jahresrückblick auf 2024
Der Engineering Kiosk Podcast wird stolze 3 Jahre alt. Ein Grund zu feiern. Zeitgleich geht das Jahr 2024 zu Ende. Eine Möglichkeit auf einen Rückblick, wie sich das Engineering Kiosk Projekt entwickelt. Wir sprechen über Episoden, die etws bei unseren Hörer*innen und bei uns selbst bewegt haben. Wir teilen ein paar Statistiken über den Podcast sowie unseren persönlichen Highlights, Lowlights und Neutralights. Weiterhin geben wir einen Einblick wie wir unsere Interviewgäste auswählen und wir auf gekaufte Interviews und Tech Employer Branding Agenturen reagieren. Am Ende lösen wir auch noch unsere Tech Predictions für das Jahr 2024 auf und entscheiden somit, wer das bessere Orakel ist.
Bonus: Auch Podcast-Hosts streiten sich manchmal wie ein altes Ehepaar und ein paar Outtakes gibts auch.
Unsere aktuellen Werbepartner findest du auf https://engineeringkiosk.dev/partners
Das schnelle Feedback zur Episode:
👍 (top) 👎 (geht so)
(00:00:00) Happy Birthday Engineering Kiosk
(00:03:35) Info/Werbung
(00:04:35) Happy Birthday Engineering Kiosk
(00:25:51) Statistiken zum Podcast
(00:33:32) Unsere Highlights
(00:39:17) Unsere Lowlights
(00:41:04) Unsere Neutralights
(00:43:00) Interviews, wie wir Gäste auswählen und gekaufte Episoden
(00:50:34) Tech Predictions aus 2024 / Episode 100
(01:02:45) Ausblick auf 2025
Die Transparenz von Open Source schreibt Geschichten, die erzählt werden wollen
50% des Begriffes “Open Source” besteht aus dem Wort “Open”. Ok. Für diese Erkenntnis muss man nun nicht studiert haben. Open bzw. Offen bzw. Transparenz bezieht sich dabei nicht nur auf den Source Code selbst, sondern i.d.R. auf alles, was das entsprechende Projekt betrifft. Dazu zählen u.a. für jedermann einsehbare Bug-Reports und Pull Requests. Wenn man dies nun mit weltweiter Kollaboration verschiedener Menschen und Kulturen mixt, ist eins vorprogrammiert: Kreativität, WTF-Momente, persönliche Schicksale und Geschichten, die erzählt werden wollen.
Diese Episode erzählt einige dieser Open Source Geschichten. Wir sprechen darüber, wie man Douglas Crockford dazu bringt, über JavaScript Code zu streiten, wann für einen Pull Request eine eigene Torte gebacken wird und warum dies dann zu einem Merge führt, sowie wann und warum Unit Tests fehlschlagen, wenn diese in Australien ausgeführt werden. Es geht aber auch um traurige Seiten und persönliche Schicksale. Zum Beispiel eine Gefängnisverurteilung eines Maintainers von einem Projekt, welches 26 Millionen Downloads pro Woche hat, eine Krebserkrankungen mit verbundener Anteilnahme der Community und wie der Maintainer die Zukunft des Projektes sichert für die Zeit, wenn er nicht mehr da ist oder auch wie die Maidan-Revolution und der Ukraine-Krieg Open Source beeinflussen.
Unsere aktuellen Werbepartner findest du auf https://engineeringkiosk.dev/partners
Das schnelle Feedback zur Episode:
👍 (top) 👎 (geht so)
Feedback
(00:00:00) Intro
(00:01:32) Open Source Stories und kreative Projekte
(00:05:09) Info/Werbung
(00:06:09) Open Source Stories und kreative Projekte
(00:11:44) Maintainer von Core.js muss ins Gefängnis
(00:19:06) Eine Torte für einen TypeScript Pull Request
(00:25:14) Krebs und die Proxmox Community Scripte
(00:30:52) Unit Tests schlagen fehl, wenn man diese in Australien ausführt
(00:38:54) Microsoft Calculator wird Exploit-Free gemacht
(00:41:33) Maidan-Revolution und der Ukraine Krieg
Frontend-Engineering Metriken im Team einführen mit dem Working Draft Podcast.
Im Engineering Kiosk Adventskalender 2024 sprechen befreundete Podcaster⋅innen und wir selbst, Andy und Wolfi, jeden Tag kurz & knackig innerhalb von wenigen Minuten über ein interessantes Tech-Thema.
Unsere aktuellen Werbepartner findest du auf https://engineeringkiosk.dev/partners
Das schnelle Feedback zur Episode:
👍 (top) 👎 (geht so)
(00:00:00) Frontend-Engineering Metriken im Team einführen
Was ist Tail Recursion bzw. eine Endrekursion?
Im Engineering Kiosk Adventskalender 2024 sprechen befreundete Podcaster⋅innen und wir selbst, Andy und Wolfi, jeden Tag kurz & knackig innerhalb von wenigen Minuten über ein interessantes Tech-Thema.
Unsere aktuellen Werbepartner findest du auf https://engineeringkiosk.dev/partners
Das schnelle Feedback zur Episode:
👍 (top) 👎 (geht so)
Feedback
(00:00:00) Tail Recursion / Endrekursion
Die kuriosesten Versionsnummern bekannter Software mit Matthias Endler von Rust in Production.
Im Engineering Kiosk Adventskalender 2024 sprechen befreundete Podcaster⋅innen und wir selbst, Andy und Wolfi, jeden Tag kurz & knackig innerhalb von wenigen Minuten über ein interessantes Tech-Thema.
Unsere aktuellen Werbepartner findest du auf https://engineeringkiosk.dev/partners
Das schnelle Feedback zur Episode:
👍 (top) 👎 (geht so)
(00:00:00) Die kuriosesten Versionsnummern bekannter Software
From the publisher's feed
Der Engineering Kiosk ist der deutschsprachige Software-Engineering-Podcast mit Wolfgang Gassler und Andy Grunwald rund um die Themen Engineering-Kultur, Open Source, Menschen, Technologie und…