Fortran: Von Lochkarten bis zum Supercomputer

Fortran: Von Lochkarten bis zum Supercomputer

Wie IBM 1957 die erste weit verbreitete Hochsprache auslieferte, warum Fortran bis heute Wetter- und Klimamodelle rechnet und was modernes Fortran ausmacht

Aktualisiert:

Abstract

Fortran war die erste breit genutzte Hochsprache und rechnet bis heute auf Supercomputern. Geschichte, moderne Sprachfassungen und heutiger Einsatz.
  • #Fortran
  • #Programmiersprachen
  • #Wissenschaft
  • #Technologien
  • #Geschichte
  • #Hochleistungsrechnen
  • #Lochkarten
  • #Compiler

Fast 70 Jahre alt und noch immer auf den schnellsten Rechnern der Welt im Einsatz: Was Fortran so langlebig macht

Wenn der Deutsche Wetterdienst die Vorhersage für morgen rechnet, läuft auf seinen Großrechnern Code in einer Sprache, die älter ist als die Mondlandung. Das Wettermodell ICON ist überwiegend in Fortran geschrieben, ebenso viele Klimamodelle, Strömungssimulationen und Programme der Quantenchemie. Eine Sprache, die einmal auf Lochkarten getippt wurde, rechnet heute auf Supercomputern mit Hunderttausenden Prozessorkernen und Grafikbeschleunigern.

Wie kam es dazu, und ist Fortran heute ein Relikt, das man aus Pflichtgefühl am Leben hält, oder ein Werkzeug, das seinen Platz zu Recht verteidigt?

Warum IBM in den 1950er-Jahren eine neue Sprache brauchte

Anfang der 1950er-Jahre programmierte man Computer in Maschinencode oder Assembler, also Befehl für Befehl in der Sprache des jeweiligen Prozessors. Das war mühsam, fehleranfällig und teuer: Die Programmierung und die Fehlersuche kosteten oft mehr als die Rechenzeit der Maschine selbst. Für Wissenschaftler und Ingenieure, die eigentlich Formeln ausrechnen wollten, war das ein großes Hindernis.

1953 schlug John Backus bei IBM vor, ein System zu entwickeln, das mathematische Formeln in Maschinencode übersetzt. Daraus entstand FORTRAN, kurz für Formula Translation. Zielrechner war die IBM 704, ein Röhrenrechner, der bereits Gleitkommazahlen in Hardware rechnen konnte. Nach mehreren Jahren Entwicklung lieferte IBM den ersten FORTRAN-Compiler im April 1957 aus.

Fortran war nicht die allererste höhere Programmiersprache; es gab Vorläufer wie Plankalkül von Konrad Zuse oder das Autocode-System in Manchester. Fortran war aber die erste Hochsprache, die sich in großem Stil durchsetzte und einen praktisch brauchbaren Compiler mitbrachte. Backus erhielt 1977 den Turing Award, unter anderem für diese Arbeit; die nach ihm benannte Backus-Naur-Form zur Beschreibung von Grammatiken geht ebenfalls auf ihn zurück.

Der optimierende Compiler als eigentliche Leistung

Die größte Skepsis galt damals nicht der Syntax, sondern der Geschwindigkeit. Erfahrene Programmierer waren überzeugt, dass ein automatisch übersetztes Programm deutlich langsamer laufen würde als handgeschriebener Assembler. Auf teuren Rechnern, deren Stunden einzeln abgerechnet wurden, war das ein ernstes Argument.

Das Team um Backus nahm diese Sorge ernst und legte den Schwerpunkt auf Optimierung. Der Compiler analysierte Schleifen, verteilte die wenigen Register der Maschine geschickt und erzeugte Code, der in vielen Fällen mit handgeschriebenem Code mithalten konnte. Damit war der wichtigste Einwand gegen Hochsprachen entkräftet. Für die Geschichte der Informatik ist das der eigentliche Wendepunkt: Seither gilt als normal, dass ein Compiler die Arbeit des Übersetzens in Maschinencode besser oder zumindest gut genug erledigt.

Dieser Anspruch prägt Fortran bis heute. Die Sprache ist so gestaltet, dass Compiler viel über den Code wissen. Ein Beispiel: Fortran geht standardmäßig davon aus, dass sich zwei Array-Argumente einer Funktion nicht im Speicher überlappen. In C muss man das dem Compiler eigens zusichern. Diese Annahme erlaubt aggressive Optimierungen, etwa die Verarbeitung mehrerer Werte in einem Prozessorbefehl.

Programmieren auf Lochkarten: das feste Zeilenformat

In den ersten Jahrzehnten kam Fortran-Code auf Lochkarten in den Rechner. Jede Karte hatte 80 Spalten und enthielt genau eine Zeile Code. Daraus ergab sich das feste Zeilenformat, das ältere Fortran-Programme bis heute kennzeichnet:

  • Spalte 1: ein C markiert eine Kommentarzeile.
  • Spalten 1 bis 5: optionale Anweisungsnummer, etwa als Sprungziel.
  • Spalte 6: ein beliebiges Zeichen außer Leerzeichen und der Ziffer 0 zeigt an, dass die vorige Zeile fortgesetzt wird.
  • Spalten 7 bis 72: die eigentliche Anweisung.
  • Spalten 73 bis 80: werden ignoriert und dienten oft als laufende Nummer, damit sich ein heruntergefallener Kartenstapel wieder sortieren ließ.

Dass alter Fortran-Code komplett in Großbuchstaben steht, hat einen ähnlich praktischen Grund: Die Zeichensätze der damaligen Rechner, Kartenlocher und Drucker kannten keine Kleinbuchstaben. Ein Programm in FORTRAN 77, wie es in vielen Instituten noch zu finden ist, sieht so aus:

C     MITTELWERT VON 100 MESSWERTEN IN FORTRAN 77
      PROGRAM MITTEL
      REAL A(100)
      SUMME = 0.0
      DO 10 I = 1, 100
         A(I) = I * 0.5
         SUMME = SUMME + A(I)
   10 CONTINUE
      WRITE (*,*) 'MITTELWERT: ', SUMME / 100.0
      END

Auffällig ist, dass SUMME und I nirgends deklariert werden. Fortran vergibt Typen implizit: Namen, die mit I bis N beginnen, sind ganze Zahlen, alle anderen Gleitkommazahlen. Ein Tippfehler im Variablennamen erzeugt so stillschweigend eine neue Variable – eine klassische Fehlerquelle. Modernes Fortran schaltet das mit implicit none ab, und das sollte in jedem neuen Programm die erste Zeile nach dem Programmkopf sein.

Von FORTRAN 66 bis Fortran 2023: die Normfassungen

Fortran entwickelte sich über Jahrzehnte weiter und war eine der ersten Sprachen mit offizieller Norm. Die wichtigsten Stationen:

FassungWichtige Neuerungen
FORTRAN 66erste genormte Fassung (ANSI), vereinheitlichte die Dialekte der Hersteller
FORTRAN 77Zeichenketten-Typ, Block-IF mit ELSE, lange Zeit der Standard in Wissenschaft und Technik
Fortran 90freies Zeilenformat, Module, dynamischer Speicher, Array-Operationen ohne Schleifen
Fortran 95kleinere Ergänzungen, unter anderem für parallele Array-Ausdrücke
Fortran 2003objektorientierte Programmierung, standardisierte Anbindung an C
Fortran 2008Coarrays für paralleles Rechnen, do concurrent
Fortran 2018erweiterte Parallelfunktionen und bessere Interoperabilität mit C
Fortran 2023aktuelle Fassung (ISO/IEC 1539-1:2023), überwiegend kleinere Erweiterungen

Mit Fortran 90 änderte sich auch die Schreibweise: Seitdem heißt die Sprache offiziell „Fortran“ statt „FORTRAN“. Spalten spielen im freien Format keine Rolle mehr, Kleinbuchstaben sind üblich. Das Mittelwert-Programm sieht in heutigem Fortran so aus:

program mittelwert
  use, intrinsic :: iso_fortran_env, only: dp => real64
  implicit none

  real(dp), allocatable :: messwerte(:)
  integer :: i, n

  n = 1000000
  allocate(messwerte(n))

  ! Array-Konstruktor statt Schleife
  messwerte = [(real(i, dp) * 0.001_dp, i = 1, n)]

  ! Ganze Arrays lassen sich direkt verrechnen
  print '(a, f14.4)', 'Mittelwert: ', sum(messwerte) / n
  print '(a, f14.4)', 'Maximum:    ', maxval(messwerte)
end program mittelwert

Der Speicher für die Messwerte wird zur Laufzeit angelegt und am Programmende automatisch freigegeben. Funktionen wie sum und maxval arbeiten auf ganzen Arrays; der Compiler kann sie vektorisieren oder parallelisieren. Mit gfortran mittelwert.f90 -O2 -o mittelwert entsteht daraus ein ausführbares Programm. Die Dateiendung .f90 steht dabei für freies Format, nicht für die Sprachversion.

Fortran heute: Wetter, Klima und Supercomputer

Der Schwerpunkt von Fortran liegt im Hochleistungsrechnen, im Fachjargon HPC (High Performance Computing). Typische Einsatzfelder sind Wettervorhersage und Klimaforschung, Strömungsmechanik im Fahrzeug- und Flugzeugbau, Kernphysik, Materialwissenschaft und Quantenchemie. Viele dieser Programme werden seit Jahrzehnten von Forschungsgruppen gepflegt und enthalten Hunderttausende oder Millionen Zeilen Code.

Auf den Systemen der TOP500, der halbjährlich veröffentlichten Rangliste der schnellsten Supercomputer, ist Fortran deshalb weiterhin eine der wichtigsten Anwendungssprachen, neben C und C++. Parallel gerechnet wird meist über etablierte Standards: MPI verteilt die Arbeit auf viele Rechenknoten, OpenMP auf die Kerne eines Knotens, OpenACC oder OpenMP-Offloading auf Grafikprozessoren. Für alle drei gibt es Fortran-Schnittstellen.

Auch außerhalb der Wissenschaft steckt Fortran in Werkzeugen, die viele täglich nutzen, ohne es zu wissen. Die Referenzimplementierungen der Linear-Algebra-Bibliotheken BLAS und LAPACK sind in Fortran geschrieben. Diese Bibliotheken, oder optimierte Nachfolger mit derselben Schnittstelle, arbeiten unter anderem in NumPy, SciPy, R und MATLAB, wenn dort Matrizen multipliziert oder Gleichungssysteme gelöst werden.

Bei den Compilern ist die Auswahl größer als oft vermutet: gfortran aus der GNU Compiler Collection ist frei verfügbar, LLVM bringt mit Flang einen eigenen Fortran-Compiler mit, Intel bietet ifx an, NVIDIA einen Compiler für GPU-Beschleunigung. Seit Ende 2019 pflegt zudem die Community-Initiative fortran-lang einen Paketmanager (fpm), eine Standardbibliothek und eine zentrale Website mit Lernmaterial.

Stärken, Schwächen und die Abgrenzung zu COBOL

Fortran wird gern in einem Atemzug mit COBOL genannt, weil beide Sprachen aus den späten 1950er-Jahren stammen und bis heute im Einsatz sind. Die Rollen sind aber verschieden. COBOL wurde für kaufmännische Datenverarbeitung entworfen und läuft vor allem auf Mainframes in Banken, Versicherungen und Behörden – mehr dazu in unserem Beitrag COBOL: Warum die Mainframe-Sprache Banken und Behörden weiter trägt. Fortran ist eine Sprache für Zahlen: Gleitkommarechnung, Vektoren, Matrizen, Simulationen. Sie wird nicht nur gepflegt, sondern wird in der Forschung auch für neue Projekte gewählt.

Die Stärken von Fortran liegen auf der Hand:

  • Rechengeschwindigkeit: Die Sprache gibt Compilern viel Spielraum zur Optimierung, mehrdimensionale Arrays sind fest eingebaut.
  • Langlebigkeit: Die Normen sind weitgehend abwärtskompatibel. Code aus den 1980er-Jahren lässt sich meist mit heutigen Compilern übersetzen.
  • Lesbarkeit für Fachleute: Formeln sehen im Code ähnlich aus wie auf dem Papier, was Physikerinnen und Ingenieuren den Einstieg erleichtert.

Dem stehen Schwächen gegenüber. Für Webanwendungen, Benutzeroberflächen oder Datenbankzugriffe ist Fortran ungeeignet, das Ökosystem an Bibliotheken ist klein. Werkzeuge wie Debugger, Paketverwaltung und Editorunterstützung haben aufgeholt, reichen aber nicht an Python oder Rust heran. Und der Nachwuchs lernt im Studium heute eher Python, Julia oder C++. Wer ein großes Fortran-Programm übernimmt, findet dafür oft nur wenige Fachleute.

Was das für Forschung und Technik bedeutet

Unsere Einschätzung: Fortran ist kein Museumsstück, sondern ein Spezialwerkzeug mit klar umrissenem Einsatzgebiet. Wer bestehenden, validierten Simulationscode besitzt, sollte ihn in der Regel nicht in eine andere Sprache übersetzen. Das Risiko, dabei subtile numerische Fehler einzubauen, ist hoch, und der Gewinn oft gering. Sinnvoller ist es, den Code schrittweise zu modernisieren: implicit none einführen, alte Sprunganweisungen durch strukturierte Schleifen ersetzen, Module statt globaler Datenblöcke nutzen und automatisierte Tests ergänzen.

Für neue Projekte hängt die Wahl vom Umfeld ab. In einer Forschungsgruppe mit großer Fortran-Codebasis ist Fortran naheliegend. Wer dagegen Daten aufbereitet, Ergebnisse visualisiert oder Modelle mit maschinellem Lernen verbindet, arbeitet meist mit Python und ruft rechenintensive Teile aus kompilierten Bibliotheken auf. Ein häufiges Muster sieht so aus: Der numerische Kern bleibt in Fortran, Steuerung, Auswertung und Visualisierung übernimmt Python. Eine Alternative für neue wissenschaftliche Projekte ist Julia, die wir im Beitrag über Julia in der wissenschaftlichen Programmierung vorstellen.

Angenommen, ein Ingenieurbüro rechnet seit den 1990er-Jahren Tragwerke mit einem selbst entwickelten Fortran-Programm, das nur noch eine Person versteht. Dann ist nicht die Sprache das Problem, sondern das fehlende Wissen darüber. Dokumentation, Tests und eine zweite Person, die den Code kennt, helfen hier mehr als ein überhasteter Wechsel der Sprache. Wie sich solche Altsysteme planvoll weiterentwickeln lassen, ist Gegenstand unserer Beratung zur Migration von Legacy-Software. Wer den Weg zu Python für wissenschaftliche Auswertungen gehen möchte, findet Seminare und Begleitung beim Thema Python in der Wissenschaft.

Häufige Fragen zu Fortran

Ist Fortran schneller als C oder C++?

Nicht grundsätzlich. Gut geschriebener C- oder C++-Code kann genauso schnell sein. Fortran macht es aber leichter, schnellen numerischen Code zu schreiben, weil der Compiler weniger Annahmen absichern muss und Array-Operationen fest zur Sprache gehören.

Lohnt es sich, Fortran zu lernen?

Für Studierende und Fachleute in Meteorologie, Klimaforschung, Physik oder Ingenieurwissenschaften häufig ja, weil viele Modelle dieser Fächer in Fortran geschrieben sind. Für allgemeine Softwareentwicklung ist der Nutzen gering.

Wie unterscheidet sich modernes Fortran von FORTRAN 77?

Seit Fortran 90 gibt es freies Zeilenformat, Module, dynamischen Speicher und Operationen auf ganzen Arrays. Spätere Fassungen ergänzten objektorientierte Programmierung, die Anbindung an C und eingebaute Parallelität über Coarrays. Moderner Fortran-Code sieht deshalb deutlich anders aus als die Lochkartenprogramme der 1970er-Jahre.

Welchen Compiler sollte man für den Einstieg nutzen?

gfortran ist frei verfügbar, unter Linux meist direkt über die Paketverwaltung installierbar und für macOS und Windows erhältlich. Für den Einstieg reicht er vollkommen aus.

Schlagworte

  • #Fortran

Mehr aus „Programmiersprachen“

PHP-Migration nach PHP2Shell: Upgrade oder Sprachwechsel?

PHP2Shell und das Support-Ende von PHP 8.2: Was Sie jetzt patchen sollten, wie ein Upgrade auf 8.4 oder 8.5 gelingt und wann ein Sprachwechsel sinnvoll ist.

mehr erfahren

Rusts Lieferkette unter Beschuss: Warum ein Angriff nur der Anfang war

Ein Angriff auf Rust-Pakete war im August 2026 schnell gestoppt, das Grundproblem bleibt. Wie crates.io angreifbar ist und was Sie heute dagegen tun können.

mehr erfahren

Programmiersprachen und KI: Warum Rust für Code-Agenten so gut passt

KI-Agenten schreiben in Rust oft verlässlicheren Code, weil der Compiler viele Fehler sofort meldet. Was dahinter steckt und wo das Argument endet.

mehr erfahren

Microsoft und Rust: Was hinter dem Ziel „C und C++ bis 2030“ steckt

Microsoft nutzt Rust im Windows-Kernel, der Ersatz von C und C++ bis 2030 ist aber ein Forschungsziel. Was belegt ist und was es für Entwickler bedeutet.

mehr erfahren

Warum Python, Go und Rust die Zukunft der Softwareentwicklung prägen

Python, Go und Rust teilen sich die Arbeit: Daten und KI, Cloud-Dienste, sichere Systeme. Wo jede Sprache passt, wie sie zusammenwirken und was KI daran ändert.

mehr erfahren

Facebook und PHP: Vom Abschied über HHVM zu Hack

Ein Rückblick von 2025: Wie Facebook PHP mit HipHop, HHVM und Hack umbaute, warum es sich von PHP löste und was davon in PHP selbst ankam.

mehr erfahren

Weitere Blog-Artikel

RedwoodJS: Was vom Full-Stack-Framework für Startups bleibt

RedwoodJS bündelte React, GraphQL und Prisma zu einem Full-Stack-Framework für Startups. Wie es funktioniert und was Sie heute vor einem Einsatz prüfen sollten.

mehr erfahren

LLVM erklärt: Das Baukastensystem hinter modernen Compilern

LLVM ist die Compiler-Infrastruktur hinter Clang, Rust und Swift. Wie Frontend, IR und Backend zusammenspielen und wann sich ein eigener Compiler lohnt.

mehr erfahren

React 18 in der Praxis: Was beim Umstieg wirklich zählte

Rückblick auf den Umstieg auf React 18 im Mai 2022: was sich mit createRoot, Strict Mode und Batching änderte und wann Transitions und Suspense halfen.

mehr erfahren

Julia: Die Zukunft der wissenschaftlichen Programmierung?

Julia verbindet die Bequemlichkeit von Python mit der Geschwindigkeit von C. Wie die Sprache funktioniert und wann sie sich für Ihre Projekte lohnt.

mehr erfahren

SolidJS: Warum Entwickler die feingranulare Reaktivität schätzen

SolidJS erklärt: Signals, JSX ohne virtuelles DOM und Komponenten, die nur einmal laufen. Was das Framework von React unterscheidet und wann es sich lohnt.

mehr erfahren

Tauri und Rust: Desktop-Anwendungen schlank und sicher bauen

Tauri baut Desktop-Apps aus Web-Frontend und Rust-Kern, ohne eigenen Browser im Paket. Wie Tauri 2 funktioniert und für welche Projekte es sich eignet.

mehr erfahren

Aktuelle Blog-Artikel

PHP-Migration nach PHP2Shell: Upgrade oder Sprachwechsel?

PHP2Shell und das Support-Ende von PHP 8.2: Was Sie jetzt patchen sollten, wie ein Upgrade auf 8.4 oder 8.5 gelingt und wann ein Sprachwechsel sinnvoll ist.

mehr erfahren

Jev: Was ein KI-Modell für schnelles Denken anders macht als ChatGPT

Das System-1-KI-Modell Jev schreibt keinen Text, sondern beantwortet Fragen mit kalibrierten Wahrscheinlichkeiten. Wie das funktioniert und wofür es taugt.

mehr erfahren

Node.js ohne Ballast: 12 Bordmittel, die npm-Pakete ersetzen

Von fetch() über node:test bis Type Stripping: zwölf Node.js-Funktionen, die axios, dotenv, Jest und Co. ersetzen, mit Status in Node 24 und 26 und Grenzen.

mehr erfahren

KI-Agenten verstehen: MCP, A2A, AG-UI und A2UI einfach erklärt

MCP, A2A, AG-UI und A2UI verständlich erklärt: Wie KI-Agenten Werkzeuge nutzen, miteinander arbeiten und Oberflächen erzeugen – und wer die Standards betreut.

mehr erfahren

Rusts Lieferkette unter Beschuss: Warum ein Angriff nur der Anfang war

Ein Angriff auf Rust-Pakete war im August 2026 schnell gestoppt, das Grundproblem bleibt. Wie crates.io angreifbar ist und was Sie heute dagegen tun können.

mehr erfahren

Webentwicklung ohne SPA: Eine Web-App mit V, Veb, SQLite und htmx

Am Beispiel der Meetup-Plattform Clash zeigt sich, wie eine Web-App mit V, Veb, SQLite und htmx ohne SPA-Framework entsteht und wo der Ansatz an Grenzen stößt.

mehr erfahren

React-Performance: Warum weniger Optimierung mehr Tempo bringt

React-Performance heute: Wie Sie mit State am richtigen Ort, dem React Compiler, Transitions, Virtualisierung und Messung Ihre Anwendung spürbar beschleunigen.

mehr erfahren

React-Komponenten verbinden: Welcher Weg passt wann?

Props, Context, Zustand, TanStack Query, URL-Parameter oder Ereignisse: So wählen Sie den passenden Weg, damit zwei React-Komponenten Daten austauschen.

mehr erfahren

KI-Agenten in der Schleife: Loops in Claude Code und Codex

Was ein Loop bei KI-Agenten ist, welche Auslöser es gibt und wie Sie geplante Aufgaben in Claude Code und Codex mit Kostenkontrolle einrichten.

mehr erfahren

JavaScript 2026: Bun, Deno und TypeScript 7 läuten eine neue Ära ein

Node.js, Bun und Deno im Wettbewerb, TypeScript 7 mit Compiler in Go, Build-Werkzeuge in Rust: Was sich 2026 bei JavaScript ändert und was Sie davon übernehmen.

mehr erfahren

npm-Pakete sicher prüfen: So bewerten Sie ein Paket vor dem Einbau

npm-Pakete sicher prüfen: wie Sie Name, Wartung, Provenance, Install-Skripte, bekannte Lücken und Lizenz bewerten, bevor ein Paket in Ihr Projekt kommt.

mehr erfahren

npm install unter der Lupe: Wie Angreifer die Lieferkette kapern

Was npm install technisch tut, welche Angriffsmuster von Typosquatting bis Dependency Confusion es ausnutzen und wie Sie das Installieren absichern.

mehr erfahren

Programmiersprachen und KI: Warum Rust für Code-Agenten so gut passt

KI-Agenten schreiben in Rust oft verlässlicheren Code, weil der Compiler viele Fehler sofort meldet. Was dahinter steckt und wo das Argument endet.

mehr erfahren

Pi Agent vs. Claude Code: minimaler Open-Source-Agent im Vergleich

Pi Agent und Claude Code im Vergleich: Architektur, Erweiterungen, Modellwahl, Lizenz, Kosten und Sicherheit. Für wen sich der Open-Source-Agent lohnt.

mehr erfahren

Agentic Engine Optimization: Websites für KI-Agenten lesbar machen

Agentic Engine Optimization: Wie KI-Assistenten Ihre Website abrufen, welche Rolle robots.txt, llms.txt und strukturierte Daten spielen – und was belegt ist.

mehr erfahren

Claude Skills für Einsteiger: eigene KI-Workflows aufbauen

Claude Skills bündeln wiederkehrende Anweisungen in einer SKILL.md-Datei. So bauen Sie Skills auf und installieren sie in Claude und Claude Code.

mehr erfahren

Claude Code richtig nutzen: 15 Funktionen, die Profis kennen sollten

Claude Code kann mehr als chatten: So setzen Sie CLAUDE.md, Subagenten, Hooks, Skills, MCP und den Headless-Modus gezielt im Entwickleralltag ein.

mehr erfahren

Claude Code für Einsteiger: vom Terminal zur fertigen Anwendung

Claude Code arbeitet im Terminal direkt mit Ihren Dateien. So gelingen Installation, erste Aufträge, Planmodus, Skills und MCP auch ohne Programmiererfahrung.

mehr erfahren

OpenClaw im Praxistest: vom Chatbot zum digitalen Assistenten

OpenClaw macht ein Sprachmodell zum selbst gehosteten Agenten mit Zugriff auf Rechner und Messenger. Aufbau, Einrichtung, Skills und Sicherheitsregeln.

mehr erfahren

Das Ende der Menüs: Wie KI die digitale Arbeitsumgebung verändert

Seit Jahrzehnten bedienen wir Computer über Fenster, Menüs und Ordner. KI-Agenten verschieben das zu Aufträgen in Alltagssprache. Was sich ändert und was nicht.

mehr erfahren

Microsoft und Rust: Was hinter dem Ziel „C und C++ bis 2030“ steckt

Microsoft nutzt Rust im Windows-Kernel, der Ersatz von C und C++ bis 2030 ist aber ein Forschungsziel. Was belegt ist und was es für Entwickler bedeutet.

mehr erfahren

TanStack Start: Das React-Framework als Alternative zu Next.js

TanStack Start ist ein Fullstack-Framework für React auf Basis von TanStack Router und Vite. Was es kann und wann es eine Alternative zu Next.js ist.

mehr erfahren

Die Ralph-Wiggum-Technik: KI-Coding-Agenten, die nicht aufgeben

Die Ralph-Wiggum-Technik lässt einen Coding-Agenten denselben Auftrag wiederholen, bis die Tests bestehen. Wie sie funktioniert und worauf Sie achten sollten.

mehr erfahren

Warum KI Entwickler nicht ersetzt, aber ihre Rolle verändert

KI-Assistenten schreiben heute viel Code. Warum Fachwissen trotzdem wichtiger wird und welche Fähigkeiten Entwickler:innen jetzt gezielt ausbauen sollten.

mehr erfahren

Von Node.js zu Bun: Next.js-Projekte schrittweise umstellen

Wie Sie Bun in Next.js einsetzen: von bun install über bun --bun next dev bis zum Deployment. Was dabei schneller wird, was nicht und was Sie vorher prüfen.

mehr erfahren

Bun erklärt: JavaScript-Laufzeit, Paketmanager und Bundler in einem

Bun ist Laufzeitumgebung, Paketmanager, Bundler und Testrunner in einem. Wie es funktioniert, wie kompatibel es zu Node.js ist und für wen es sich lohnt.

mehr erfahren

KI-Agenten richtig anleiten: Spezifikationen, die funktionieren

Spezifikationen für KI-Coding-Agenten wie Claude Code oder GitHub Copilot: welche Angaben hineingehören, wie Sie Aufgaben aufteilen und Grenzen setzen.

mehr erfahren

Was ist .NET? Die Microsoft-Plattform einfach erklärt

.NET ist Microsofts quelloffene Entwicklungsplattform für Web, Cloud, Desktop und Apps. Sie erfahren, wie Laufzeit, SDK und Versionen zusammenhängen.

mehr erfahren

Künstliche Intelligenz 2026: Vom Chatbot zum digitalen Kollegen

Rückblick auf den KI-Ausblick vom Januar 2026: acht erwartete Trends von Multi-Agenten-Systemen über physische KI und EU AI Act bis zu Quanten-Utility.

mehr erfahren

KI-Jahr 2025: Vier Erkenntnisse und ein Ausblick auf 2026

Rückblick vom Januar 2026 auf das KI-Jahr 2025: vier Entwicklungen von unauffälligen Agenten bis zum Chipmangel und was sie damals für 2026 erwarten ließen.

mehr erfahren

REST und Event-Streams: Wann sich ereignisbasierte Backends lohnen

REST oder Event-Streams? Wie sich Request/Response und Publish/Subscribe unterscheiden, wann Kafka, SSE oder WebSockets passen und wo REST richtig bleibt.

mehr erfahren

Shai-Hulud 2.0: Wie sich ein Wurm im November 2025 durch npm fraß

Shai-Hulud 2.0 einfach erklärt: Rückblick auf den npm-Wurm vom November 2025, wie er Zugangsdaten stahl, sich selbst verbreitete und wie Sie sich schützten.

mehr erfahren

HTMX: Moderne Webanwendungen ohne JavaScript-Framework bauen

HTMX lädt Inhalte nach, sendet Formulare und tauscht Seitenteile per HTML-Attribut aus. Die Anleitung zeigt Browser- und Serverseite und den Stand von HTMX 4.

mehr erfahren

Electron vs. Tauri: Desktop-Apps mit Webtechnik im Vergleich

Electron bringt Chromium und Node.js mit, Tauri nutzt den Webview des Systems und einen Kern in Rust. Der Vergleich zeigt, wann sich welches Framework eignet.

mehr erfahren

Architekturkompetenz im KI-Zeitalter: Was Full-Stack heute heißt

Wenn KI-Werkzeuge Code schreiben, verschiebt sich die Arbeit zu Architekturentscheidungen. Welche Fähigkeiten zählen und wie Sie sie gezielt aufbauen.

mehr erfahren

Omarchy im Test: So macht Linux endlich wieder Spaß

Unser Test von Omarchy aus dem November 2025: Das Linux auf Basis von Arch und Hyprland setzt auf Tastatur, Kachelfenster und abgestimmte Themes.

mehr erfahren

JWT-Probleme: Warum Entwickler vor JSON Web Tokens warnen

JWT-Probleme im Überblick: Warum sich Tokens schwer widerrufen lassen, welche Prüffehler gefährlich sind und wann klassische Sessions die bessere Wahl sind.

mehr erfahren

7 KI-Begriffe erklärt: Von KI-Agenten bis Superintelligenz

Sieben KI-Begriffe von KI-Agenten über RAG und MCP bis Superintelligenz: was sie bedeuten, wie sie zusammenhängen und was davon für Unternehmen zählt.

mehr erfahren

Machine Learning verstehen: von den Grundlagen bis zu moderner KI

Machine Learning verständlich erklärt: welche Lernverfahren es gibt, wie Training mit Daten abläuft und wie Sie prüfen, ob ein Modell wirklich etwas taugt.

mehr erfahren

Scrum-Master-Rolle auf dem Prüfstand: ein Blick aus Architektursicht

Lohnt sich ein Scrum Master noch? Wir betrachten die Rolle aus Sicht der Softwarearchitektur, gleichen sie mit dem Scrum Guide 2020 ab und zeigen Alternativen.

mehr erfahren

Was dürfen wir für Sie tun?

So sind wir zu erreichen: