git

Vorab. Der Artikel ist bereits ein paar Wochen alt, aber ich möchte ihn auch hier auf vutuv erwähnen.

Denjenigen unter euch, die Bedienungsanleitungen oder technische Dokumentationen erstellen, könnte der vorgestellte Ansatz, der auf Markdown, GIT und potenziell auch auf lokale LLM setzt, vielleicht interessieren.

ergonomicon.de/publikationen/…

Ich freue mich über jeden konstruktiven Kommentar 😉

📐 Diagrams as Code trifft KI: Diagramme pflegen statt zeichnen

Während meiner Vorbereitung auf den und im Kurs 🎓 zum Certified Professional for Requirements Engineering (IREB, FL) habe ich Diagramme deutlich intensiver und auch aus einer anderen Perspektive kennengelernt. Besonders spannend war es, anhand von User Stories eigene Diagramme zu interpretieren und auch zu erstellen – so wurde schnell klar, wie stark eine gute Visualisierung das gemeinsame Verständnis verbessert. 🧩

Auch in der Zusammenarbeit mit Git und GitLab konnte ich mit Mermaid experimentieren. Der Vorteil gegenüber MS Visio oder draw.io liegt für mich klar in der Versionierung: Diagramme liegen als Text im Repository, sind im Diff nachvollziehbar und lassen sich direkt mit dem Code weiterentwickeln. 🔄

Daher war die Folge mit Jacqui Read für mich besonders interessant: Genau um diese Verbindung ging es – und um den Einsatz von KI:

🛠️ #PlantUML, Mermaid und Structurizr haben unterschiedliche Stärken

🧩 Structurizr bietet ein Modell hinter den Diagrammen und unterstützt konsistente Sichten

🤖 KI kann Diagramme erstellen, konvertieren und korrigieren – aber kein Ersatz für Fachwissen sein

⚠️ Zu allgemeine Prompts führen schnell zu Halluzinationen; präzise Fragen und Review bleiben entscheidend

📊 C4 zeigt Struktur, Sequenz- und Aktivitätsdiagramme kommunizieren Verhalten

📝 Diagramme können in Spec-driven Development Kontext liefern und das Verständnis validieren

Mein Fazit: Diagrams as Code macht Architektur-Kommunikation wartbarer, und KI kann den Weg dorthin beschleunigen. Vertrauen entsteht aber nicht durch den Output – sondern durch Prüfung. ✅

Und: Hier gibt es bei mir auch noch mehr Potential zu lernen Diagramme selber zu erstellen. Nur so kann ich das Ergebnis einer KI auch überprüfen 😉

👉 Hier geht es zur Folge:

software-architektur.tv/2025/…

#SoftwareArchitecture #DiagramsAsCode #AI #LLM #Mermaid #PlantUML #Structurizr #C4Model #SpecDrivenDevelopment #RequirementsEngineering #Softwarearchitektur #KI #Architekturdokumentation #Git #GitLab

🤖 Transparenz-Hinweis: Dieser Beitrag wurde mit Unterstützung eines KI-Assistenten erstellt. Die Inhalte, Erfahrungen und Empfehlungen basieren auf meiner eigenen Praxis – die Formulierungshilfe kam von meinem digitalen Kollegen. 😉

Heute Morgen habe ich das erste Mal (bewusst) von GitGuardian gehört.

Grund dafür war eine Spammail mit dem Betreff “[mrtoadie/lab] Kubernetes JSON Web Token exposed on GitHub“.

Mein erster Impuls: Spam, Fake, Phishing – ignorieren. Also weiter gemacht, aber mein Unterbewusstsein hat mir immer wieder den einen Satz untergejubelt: “Hinterfrage alles, ALLES!“

Dass ich nicht sofort reagiert habe, lag wohl an der Uhrzeit und dem fehlenden ersten Kaffee. 🫖

Also zurück zur Mail und recherchiert, und die Behauptung der Mail überprüft.

Und siehe da: Ich hatte tatsächlich gestern Abend eine .env-Datei mit einem Kubernetes-Token in mein Repo gepusht.

Glücklicherweise ist mein Homelab nicht von außen erreichbar und nachts grundsätzlich ausgeschaltet. Keine Gefahr, aber ich habe etwas gelernt.

Also, vielen Dank an GitGuardian für genau das, was sie tun:

“GitGuardian ist ein Sicherheitsunternehmen mit Fokus auf Secret Detection – also das Aufspüren versehentlich committeter Zugangsdaten in Git-Repositories.”