Erklärte Softmax-Funktion: Formel, Python-Code und stabile Version
Die Softmax-Funktion wandelt eine Liste von Rohwerten in Wahrscheinlichkeiten um, die sich zu 1 addieren. Lernen Sie die Formel anhand eines ausgearbeiteten Beispiels, codieren Sie sie in NumPy, sehen Sie, warum die naive Version NaN zurückgibt und wie eine Subtraktion das Problem behebt, und verstehen Sie Temperatur und Kreuzentropie, alles mit getesteter Ausgabe.
- Die Softmax-Funktion potenziert jede Punktzahl und dividiert durch die Summe, wodurch positive Werte entstehen, deren Summe 1 ergibt.
- Punkte [2,0, 1,0, 0,1] werden zu Wahrscheinlichkeiten [0,659, 0,2424, 0,0986]. Die Reihenfolge ändert sich nie, daher bleibt argmax gleich.
- Die naive Formel lief über und gab für Eingaben nahe 1000
nanzurück. Durch Subtrahieren des Maximums wurde das Problem zunächst behoben, ohne dass sich das Ergebnis änderte. - Die Division der Ergebnisse durch eine Temperatur steuert, wie sicher die Ausgabe ist, derselbe Knopf, der bei der LLM-Probenahme verwendet wird.
Ein neuronales Netzwerk, das ein Bild als Katze, Hund oder Vogel klassifiziert, gibt Wahrscheinlichkeiten nicht direkt aus. Die letzte Ebene erzeugt Rohwerte, die als Logits bezeichnet werden, beispielsweise 2,0, 1,0 und 0,1, bei denen es sich um beliebige reelle Zahlen handeln kann. Die Softmax-Funktion wandelt diese Ergebnisse in eine Wahrscheinlichkeitsverteilung um, die Sie lesen, vergleichen und trainieren können. Es befindet sich am Ende der meisten Klassifikatoren und in jedem großen Sprachmodell.
Der gesamte Code unten lief auf Python 3.13.6 mit NumPy 2.5.5 und die gedruckte Ausgabe wird so angezeigt, wie sie erschien. Es ist kein Framework für maschinelles Lernen erforderlich, um mitzumachen.
Was ist die Softmax-Funktion?
Softmax nimmt einen Vektor von K reellen Zahlen und gibt einen Vektor von K Wahrscheinlichkeiten zurück. Jede Ausgabe liegt zwischen 0 und 1, alle Ausgaben summieren sich zu genau 1 und größere Eingaben führen immer zu größeren Wahrscheinlichkeiten. Es wird oft als eine „weiche“ Version von argmax beschrieben: Anstatt dem größten Wert das gesamte Gewicht zu geben, teilt es das Gewicht im Verhältnis dazu, wie viel größer jeder Wert ist.
Die Softmax-Formel
Für einen Bewertungsvektor z mit K Elementen beträgt die Wahrscheinlichkeit für Element i:
softmax(z)_i = exp(z_i) / ( exp(z_1) + exp(z_2) + ... + exp(z_K) )
In Worten: Erhöhen Sie e mit jeder Punktzahl und dividieren Sie dann jedes Ergebnis durch die Summe aller Ergebnisse. Die Exponentialfunktion macht jeden Wert positiv; Die Division normalisiert sie, sodass sie in der Summe 1 ergeben.
Exemplarisch von Hand gearbeitet
Nehmen Sie die Logits [2.0, 1.0, 0.1]:
| Logit z | exp(z) | exp(z) / gesamt |
|---|---|---|
| 2.0 | 7.3891 | 0.6590 |
| 1.0 | 2.7183 | 0.2424 |
| 0.1 | 1.1052 | 0.0986 |
| Insgesamt | 11.2125 | 1.0000 |
Die erste Klasse erreicht etwa 66 Prozent. Beachten Sie, dass ein Wert von 2,0 nur doppelt so hoch ist wie 1,0, seine Wahrscheinlichkeit jedoch fast dreimal höher ist. Exponentialwerte vergrößern Lücken, weshalb Softmax-Ausgaben oft zuversichtlich aussehen.
Softmax in Python mit NumPy
import numpy as np
def softmax_naive(z):
e = np.exp(z)
return e / e.sum()
logits = np.array([2.0, 1.0, 0.1])
p = softmax_naive(logits)
print(p.round(4), p.sum()) # [0.659 0.2424 0.0986] 1.0
print(np.argmax(logits), np.argmax(p)) # 0 0
Der Code stimmt mit der Tabelle überein, die Ausgaben summieren sich zu 1 und argmax wählt dieselbe Klasse vor und nach Softmax aus. Dieser letzte Punkt ist in der Praxis wichtig: Wenn Sie nur die vorhergesagte Klasse benötigen, können Sie Softmax überspringen und den Argmax der Logits direkt übernehmen.
Warum die Exponentialfunktion verwenden?
Warum nicht einfach jede Punktzahl durch die Summe der Punktzahlen dividieren? Weil Logits negativ oder null sein können, was zu negativen „Wahrscheinlichkeiten“ oder einer Division durch Null führen würde. Die Exponentialfunktion ist immer positiv, sie nimmt streng zu, sodass die Rangfolge erhalten bleibt, und ihre Ableitung ist einfach, was das Training mit Gradientenabstieg sauber macht. Wie wir sehen werden, passt es auch natürlich zum Logarithmus beim Kreuzentropieverlust.
Das Überlaufproblem: Wenn Softmax NaN zurückgibt
Große Protokolle brechen die naive Version:
softmax_naive(np.array([1000.0, 1001.0, 1002.0]))
# RuntimeWarning: overflow encountered in exp
# RuntimeWarning: invalid value encountered in divide
# [nan nan nan]
softmax_naive(np.array([-1000.0, -1001.0]))
# [nan nan]
exp(1000) liegt weit über dem größten 64-Bit-Float (ca. 1,8e308), sodass es unendlich wird und Unendlich geteilt durch Unendlich NaN ist. Sehr negative Logits schlagen in der anderen Richtung fehl: exp(-1000) unterläuft auf 0, und 0 dividiert durch 0 ist ebenfalls NaN. Logits dieser Größe sind in einem gesunden Modell selten, treten aber bei schlechter Initialisierung, nicht skalierten Aufmerksamkeitswerten oder explodierendem Training auf, und ein NaN kann einen ganzen Trainingslauf vergiften.
Der numerisch stabile Softmax
def softmax(z, axis=-1):
z = np.asarray(z, dtype=float)
e = np.exp(z - z.max(axis=axis, keepdims=True))
return e / e.sum(axis=axis, keepdims=True)
print(softmax([1000, 1001, 1002]).round(4)) # [0.09 0.2447 0.6652]
print(softmax([-1000, -1001]).round(4)) # [0.7311 0.2689]
Das Subtrahieren des Maximums ergibt den größten Wert genau 0, sodass die größte Exponentialfunktion exp(0) = 1 ist und nichts überlaufen kann. Mindestens ein Term in der Summe ist 1, daher kann der Nenner auch nie 0 sein. Beide bisher defekten Eingaben geben nun sinnvolle Antworten. Jede ernsthafte Bibliothek, einschließlich PyTorch, TensorFlow und SciPy, verwendet diesen Trick intern.
Tipp: Versenden Sie niemals das naive zweizeilige Softmax. Die stabile Version kostet einen zusätzlichen Abzug und beseitigt eine ganze Klasse von NaN-Bugs.
Warum Subtrahieren funktioniert: Verschiebung vs. Skalierung
print(softmax(logits + 100).round(4)) # [0.659 0.2424 0.0986]
print(softmax(logits * 2).round(4)) # [0.8638 0.1169 0.0193]
Durch das Hinzufügen derselben Konstante zu jedem Logit bleibt Softmax unverändert, da die Konstante zu einem gemeinsamen Faktor exp(c) wird, der sich zwischen Zähler und Nenner aufhebt. Genau deshalb ist das Subtrahieren des Maximums sicher. Anders verhält es sich mit der Multiplikation der Logits: Durch die Verdoppelung stieg die Spitzenklasse von 66 auf 86 Prozent. Softmax hängt von den Unterschieden zwischen den Bewertungen ab und die Skalierung vergrößert diese Unterschiede.
Temperatur: Softmax schärfer oder flacher machen
Teilen der Logits durch eine Temperatur T vor Softmax-Kontrollen, die sich absichtlich dehnen:
| Temperatur | Wahrscheinlichkeiten für [2,0, 1,0, 0,1] |
|---|---|
| 0.5 | [0.8638, 0.1169, 0.0193] |
| 1.0 | [0.6590, 0.2424, 0.0986] |
| 2.0 | [0.5017, 0.3043, 0.1940] |
| 10.0 | [0.3661, 0.3312, 0.3027] |
Niedrige Temperaturen schärfen die Verteilung in Richtung der obersten Wahl; Bei hoher Temperatur wird es gleichmäßiger. In Sprachmodellen ist dies genau die Temperatureinstellung, die vorhersehbare Antworten gegen kreative eintauscht, wie unser LLM-Temperaturleitfaden erklärt. Die Temperatur wird auch bei der Wissensdestillation verwendet, um die weicheren Präferenzen eines Lehrermodells offenzulegen.
Batches und das Achsenargument
batch = np.array([[2.0, 1.0, 0.1],
[0.0, 0.0, 0.0],
[5.0, -1.0, 3.0]])
pb = softmax(batch, axis=1)
print(pb.round(4))
# [[0.659 0.2424 0.0986]
# [0.3333 0.3333 0.3333]
# [0.8789 0.0022 0.1189]]
print(pb.sum(axis=1)) # [1. 1. 1.]
print(softmax(batch, axis=0).sum(axis=1).round(4)) # [0.7622 0.2962 1.9417]
Echte Modelle verarbeiten viele Beispiele gleichzeitig, eines pro Zeile. Softmax muss entlang der Klassenachse laufen, hier axis=1, sodass die Summe jeder Zeile 1 ergibt. Gleiche Logits wie in der zweiten Zeile ergeben eine gleichmäßige Verteilung. Die Verwendung der falschen Achse ist ein stiller Fehler: Der Code wird ausgeführt, normalisiert sich jedoch stattdessen über Beispiele hinweg, und die Zeilensummen ergaben 0,76, 0,30 und 1,94. Stellen Sie in Tests immer sicher, dass die Zeilensumme 1 ergibt.
Softmax und Kreuzentropieverlust
y = 0 # the true class
loss = -np.log(p[y])
print(round(float(loss), 4)) # 0.417
# log-softmax computed directly, without exponentiating twice
logsm = logits - logits.max() - np.log(np.exp(logits - logits.max()).sum())
print(logsm.round(4)) # [-0.417 -1.417 -2.317]
Klassifikatoren werden durch Minimierung der Kreuzentropie trainiert: dem negativen Logarithmus der der richtigen Klasse zugewiesenen Wahrscheinlichkeit. Eine Wahrscheinlichkeit von 0,659 ergibt einen Verlust von 0,417; Eine perfekte Vorhersage ergibt 0. Bibliotheken berechnen log-softmax in einem stabilen Schritt, anstatt das Protokoll einer Softmax-Ausgabe zu verwenden, wodurch log(0) vermieden wird. Aus diesem Grund erwartet PyTorch CrossEntropyLoss Rohlogits und keine Wahrscheinlichkeiten. Durch die Eingabe von Softmax-Ausgaben wird Softmax zweimal angewendet, ein häufiger Anfängerfehler.
Softmax vs. Sigmoid
print(1 / (1 + np.exp(-(2.0 - 1.0)))) # 0.7311
print(softmax([2.0, 1.0])[0]) # 0.7311
Bei zwei Klassen reduziert sich Softmax auf das Sigmoid der Differenz zwischen den Logits, und unser Durchlauf ergab in beide Richtungen den gleichen Wert von 0,7311. Die praktische Regel:
- Softmax: genau eine richtige Klasse von vielen (Mehrfachklasse), wie z. B. Katze, Hund oder Vogel.
- Sigmoid pro Ausgabe: Mehrere Labels können gleichzeitig wahr sein (Multi-Label), wie zum Beispiel ein Artikel, der sowohl mit „Python“ als auch mit „Testing“ getaggt ist.
Softmax in großen Sprachmodellen
Ein großes Sprachmodell beendet jeden Schritt mit einem Logit pro Token in seinem Vokabular, was Zehntausende von Werten bedeuten kann. Softmax wandelt sie in eine Wahrscheinlichkeit für jeden möglichen nächsten Token um, und die Stichprobe wählt einen aus. Softmax erscheint auch in jeder Aufmerksamkeitsschicht, wo es Ähnlichkeitswerte zwischen Token in Gewichte umwandelt. Diese Werte werden durch die Quadratwurzel der Vektorgröße vor Softmax dividiert, um zu verhindern, dass sie zu groß werden, was zu den gleichen Überlauf- und Sättigungsproblemen führt, die oben gezeigt wurden. Lesen Sie mehr unter Was ist ein großes Sprachmodell?.
Wie schnell ist Softmax?
Wir haben die stabile NumPy-Version auf einem Stapel von 1.000 Zeilen mit jeweils 50.257 Spalten, der Vokabulargröße von GPT-2, als 32-Bit-Floats ausgeführt. Der beste von drei Durchläufen dauerte auf der CPU unserer Maschine 874,9 ms, etwa 0,9 ms pro Zeile. GPUs erledigen dies weitaus schneller und Frameworks verschmelzen Softmax mit benachbarten Operationen, aber die Kosten für die Exponentialfunktion über ein riesiges Vokabular sind der Grund, warum Tricks wie abgetastetes Softmax für sehr große Ausgabeebenen existieren.
Fazit
Die Softmax-Funktion ist eine kleine Formel mit großer Aufgabe: Sie wandelt jede Liste von Ergebnissen in saubere Wahrscheinlichkeiten um. Potenzieren, normalisieren und subtrahieren Sie immer zuerst das Maximum, damit große Logits nie zu NaN werden. Wenden Sie es entlang der rechten Achse an, kombinieren Sie es mit log-softmax für Kreuzentropie und verwenden Sie die Temperatur, wenn Sie schärfere oder weichere Ausgaben benötigen. Mit diesen Gewohnheiten wird Softmax die zuverlässigste Linie in Ihrem Modell sein. Für verwandte Mathematik siehe Kosinusähnlichkeit.
Häufige Fragen
Was macht die Softmax-Funktion?
Es wandelt einen Vektor von Rohwerten, sogenannte Logits, in Wahrscheinlichkeiten um. Jede Ausgabe liegt zwischen 0 und 1, die Summe aller Ausgaben ergibt 1 und höhere Punktzahlen führen immer zu höheren Wahrscheinlichkeiten.
Warum gibt mein Softmax NaN zurück?
Große Logits laufen bei Potenzierung über, und Unendlich dividiert durch Unendlich ist NaN. Subtrahieren Sie den maximalen Logit, bevor Sie exp aufrufen. Das Ergebnis ist mathematisch identisch und numerisch stabil.
Was ist der Unterschied zwischen Softmax und Sigmoid?
Softmax erstellt für Probleme mit genau einer korrekten Klasse eine Verteilung über Klassen, die in der Summe 1 ergibt. Sigmoid bewertet jede Ausgabe unabhängig voneinander, bei Problemen mit mehreren Bezeichnungen, bei denen mehrere Bezeichnungen wahr sein können.
Ändert Softmax die vorhergesagte Klasse?
Nein. Softmax behält die Reihenfolge der Ergebnisse bei, sodass die Klasse mit dem höchsten Logit auch die höchste Wahrscheinlichkeit hat. Wenn Sie nur die Bezeichnung benötigen, reicht argmax der Logits aus.
Was ist die Temperatur in Softmax?
Die Temperatur ist eine Zahl, die die Logits vor Softmax teilt. Werte unter 1 machen die Ausgabe sicherer, und Werte über 1 machen sie flacher und eher gleichmäßig.
Lerne weiter
Benötigen Sie Hilfe beim Testen, WordPress oder SEO?
Wir helfen Teams, bessere Software zu liefern und ihre Websites zu erweitern. Sagen Sie uns, woran Sie gerade arbeiten, und wir schlagen Ihnen einen klaren nächsten Schritt vor.
Weitere Anleitungen finden Sie unter Tests, KI und moderne Entwicklung
Hat Ihnen dieser Artikel gefallen? Wählen Sie ein Thema und springen Sie direkt in unsere neuesten Tutorials.
Erklärte HTTP-Cookies: Secure, HttpOnly, SameSite und Scope
Erklärte HTTP-Cookies: Set-Cookie, Pfad, Domäne, Ablauf, Sicher, HttpOnly, SameSite, Präfixe, Löschen von Cookies und ein sicheres Sitzungsrezept, l…
Artikel lesen →DevOpsGit Rebase Interactive: Squash, Fixup, Reword und Autosquash
Git Rebase Interactive Schritt für Schritt erklärt: Auswählen, Umformulieren, Squash, Korrigieren, Bearbeiten, Löschen, Autosquash, Konflikte und Rü…
Artikel lesen →SoftwaretestsAlpha- und Betatests: Hauptunterschiede, Abschlusskriterien und Checkliste
Alpha- und Beta-Tests im Vergleich: Wer testet, was jede Phase findet, Einstiegs- und Ausstiegskriterien, wie man eine Beta durchführt und ein Beisp…
Artikel lesen →TestautomatisierungPytest Monkeypatch: 10 getestete Beispiele für Umgebungsvariablen, Zeit und APIs
Pytest Monkeypatch erklärt mit 10 bestandenen Tests: Umgebungsvariablen, Funktionen, Konfiguration, Zeit, Ruhezeiten, Pfade, Blockierung des Netzwer…
Artikel lesen →Datenbanken & SQLAutomatische SQL-Inkrementierung: MySQL, PostgreSQL, SQL Server und SQLite
Automatische SQL-Inkrementierung in MySQL, PostgreSQL, SQL Server und SQLite: Syntax, Lesen der neuen ID, warum Lücken auftreten, ID-Wiederverwendun…
Artikel lesen →Datenbanken & SQLSQL BETWEEN: Inklusive Bereiche und die Datumsfalle erklärt
SQL BETWEEN anhand getesteter Abfragen erklärt: inklusive Bereiche, umgekehrte Grenzen, NULL-Werte, die letzte Datumsfalle, halboffene Bereiche und …
Artikel lesen →SoftwareentwicklungJavaScript-Vorlagenliterale: 10 Beispiele einschließlich getaggter Vorlagen
JavaScript-Vorlagenliterale anhand von 10 getesteten Beispielen erklärt: Interpolation, mehrzeilige Zeichenfolgen, Escapezeichen, getaggte Vorlagen …
Artikel lesen →SoftwareentwicklungPython heapq: Priority Queues, Top N and Heaps Explained
Python-Heapq erklärt: Heappush, Heappop, Heapify, Prioritätswarteschlangen mit Tie-Breaker, maximale Heaps, Nlargest und Merge, mit echten Timings g…
Artikel lesen →SoftwareentwicklungPython-Walross-Operator (:=) anhand von 8 realen Beispielen erklärt
Der Python-Walross-Operator := wird anhand von 8 getesteten Beispielen erklärt: If-Prüfungen, Regex-Übereinstimmungen, While-Schleifen, Verständnis,…
Artikel lesen →Künstliche IntelligenzErklärte Softmax-Funktion: Formel, Python-Code und stabile Version
Die Softmax-Funktion erklärt: Formel, ausgearbeitetes Beispiel, NumPy-Code, die stabile Version, die NaN, Temperatur, Kreuzentropie und Softmax vs. …
Artikel lesen →SoftwareentwicklungCORS erklärt: Preflight-Anfragen, Header und wie man CORS-Fehler behebt
CORS erklärt: Ursprünge, einfache und Preflight-Anfragen, die Antwortheader, die Ihr Server senden muss, Anmeldeinformationen und wie man häufige CO…
Artikel lesen →DevOpsGit Diff erklärt: Gestaffelte Änderungen, Zweige und Commits
Git Diff erklärt: Lesen Sie die Ausgabe, vergleichen Sie nicht bereitgestellte und bereitgestellte Änderungen, Commits und Verzweigungen, zwei Punkt…
Artikel lesen →TestautomatisierungPytest Xdist: Führen Sie Tests parallel aus und verkürzen Sie die Testzeit
Führen Sie Pytest-Tests parallel mit pytest-xdist aus: install, die Option -n, Verteilungsmodi, echte Timings und wie Sie Shared-State-Fehler in par…
Artikel lesen →SoftwaretestsVerifizierung vs. Validierung beim Softwaretest: Beispiel und Tabelle
Verifizierung vs. Validierung beim Softwaretest erklärt anhand einer Vergleichstabelle und eines getesteten Coupon-Beispiels, bei dem alle Spezifika…
Artikel lesen →Künstliche IntelligenzBM25 erklärt: Wie die Keyword-Suche Ergebnisse einordnet, mit Python-Code und Hybridsuche
BM25 erklärte anhand einer reinen Python-Implementierung, die wir ausgeführt haben: die Formel, IDF, Termsättigung, die k1- und b-Parameter, warum e…
Artikel lesen →SoftwareentwicklungErklärte HTTP-Methoden: GET, POST, PUT, PATCH, DELETE, getestet auf einem Live-Server
HTTP-Methoden erklärt anhand eines kleinen Servers, den wir ausgeführt haben: GET, POST, PUT, PATCH, DELETE, HEAD und OPTIONS, sicher vs. idempotent…
Artikel lesen →DevOpsGit Bisect erklärt: Finden Sie den Commit, der Ihren Code kaputt gemacht hat, manuell oder automatisch
Git bisect anhand eines getesteten Repositorys erklärt: Finden Sie den einzigen fehlerhaften Commit unter 41 in 5 Testläufen, automatisieren Sie ihn…
Artikel lesen →TestautomatisierungErklärte Pytest-Marker: Benutzerdefinierte Markierungen, Skip, Skipif, Xfail und -m-Filter
Pytest-Marker anhand einer getesteten Suite erklärt: Registrieren Sie benutzerdefinierte Marken, führen Sie nur Smoke-Tests mit -m aus, kombinieren …
Artikel lesen →SoftwaretestsPositive vs. negative Tests: Unterschiede, 24 echte Testfälle und eine Checkliste
Positive vs. negative Tests werden mit einem echten Anmeldeformular erklärt: 6 positive und 18 negative Testfälle werden in Pytest ausgeführt, der f…
Artikel lesen →Datenbanken & SQLSQL ORDER BY Mehrere Spalten: ASC, DESC, NULLS LAST, Case und Custom Order
SQL ORDER BY mit mehreren Spalten, erklärt mit getesteten Abfragen: gemischte ASC und DESC, Tie-Breaker, NULLS FIRST und LAST, Sortierung ohne Berüc…
Artikel lesen →Datenbanken & SQLLaufende SQL-Summe: SUM OVER, Gesamtsummen pro Gruppe, gleitende Summen und die RANGE-Falle
So berechnen Sie eine laufende SQL-Summe mit SUM() OVER: Gesamtsummen pro Gruppe, tägliche kumulative Summen, gleitende Summen, Prozent der Gesamtsu…
Artikel lesen →SoftwareentwicklungJavaScript Sort Array: Zahlen, Objekte, Strings und warum 10 vor 5 kommt
So sortieren Sie ein Array in JavaScript richtig: Zahlen mit einer Vergleichsfunktion, Objekte nach einem oder mehreren Feldern, Zeichenfolgen mit l…
Artikel lesen →SoftwareentwicklungPython-String-Methoden: Spickzettel, reale Beispiele und die Strip()-Falle
Python-String-Methoden mit getesteten Beispielen: Split, Join, Strip, Replacement, Find, Startswith, Is-Methoden, Casefold, Partition und Translate …
Artikel lesen →Künstliche IntelligenzKosinusähnlichkeit erklärt: Formel, Arbeitsbeispiel und Python-Code
Kosinusähnlichkeit einfach erklärt: die Formel, ein handgearbeitetes Beispiel, reiner Python- und NumPy-Code, Kosinus vs. euklidischer Abstand bei r…
Artikel lesen →SoftwareentwicklungErklärung der UTF-8-Kodierung: Wie Text zu Bytes wird und wie man verstümmelten Text repariert
UTF-8-Codierung erklärt anhand von Beispielen auf Byte-Ebene, die wir in Python ausgeführt haben: Wie Zeichen 1 bis 4 Byte groß werden, warum sich C…
Artikel lesen →Testautomatisierungpytest parametrize erklärt: 7 Muster mit getesteten Beispielen
pytest parametrize erklärt mit 7 getesteten Mustern: Basisfälle, lesbare IDs, gestapelte Dekoratoren, pytest.param mit xfail und skip, indirekte Fix…
Artikel lesen →SoftwaretestsRetesting vs. Regressionstests: 8 Hauptunterschiede anhand eines echten Bugfix-Beispiels
Erneutes Testen vs. Regressionstests erklärt anhand eines echten Bugfix-Laufs in Pytest: Ein erneuter Test bestätigte die Fehlerbehebung, der Regres…
Artikel lesen →Datenbanken & SQLDoppelte Zeilen in SQL löschen: 5 sichere Methoden, Schritt für Schritt getestet
So löschen Sie doppelte Zeilen in SQL sicher: Suchen Sie sie, zeigen Sie eine Vorschau an und entfernen Sie sie dann mit ROW_NUMBER, MIN(id), EXISTS…
Artikel lesen →Datenbanken & SQLSQL RANK vs. DENSE_RANK vs. ROW_NUMBER: Unterschiede zu getesteten Beispielen
SQL RANK vs. DENSE_RANK vs. ROW_NUMBER in einer Tabelle: Wie jeder mit Gleichständen umgeht, Top-N pro Gruppe, die zweithöchste Gehaltsfalle und det…
Artikel lesen →SoftwareentwicklungJavaScript Optional Chaining (?.) Erklärt: 8 Beispiele, ?? Vorgaben und Fallen
Die optionale Verkettung von JavaScript stoppt den Fehler „Eigenschaften von undefinierten Objekten können nicht gelesen werden“. 8 getestete Beispi…
Artikel lesen →SoftwareentwicklungPython enumerate() erklärt: 7 Beispiele, start=1 und zu vermeidende Fehler
Python enumerate() gibt Ihnen den Index und den Wert in einer sauberen Schleife. 7 getestete Beispiele, der Start=1-Trick, Wörterbücher, Dateien, Ge…
Artikel lesen →Künstliche IntelligenzErklärte RAG-Chunking-Strategien: Fest, Überlappung, Satz, rekursiv und Überschriften, gemessen
RAG-Chunking-Strategien im Vergleich zu einem Dokument mit Tiktoken 0.14: feste Größe, Überlappung, Satzpackung, rekursive Aufteilung und überschrif…
Artikel lesen →SoftwareentwicklungAPI-Idempotenz erklärt: Idempotenzschlüssel und sichere Wiederholungsversuche, getestet
Erklärung der API-Idempotenz anhand eines von uns ausgeführten Python-Servers und -Clients: Eine verlorene Antwort verursachte eine doppelte Gebühr …
Artikel lesen →DevOpsGit Stash erklärt: Speichern, Anwenden, Pop und nicht verfolgte Dateien, getestet
Git Stash erklärt mit Befehlen, die wir auf Git 2.56 ausgeführt haben: Push mit einer Nachricht, nicht verfolgte Dateien, Auflisten und Anzeigen, An…
Artikel lesen →SoftwaretestsPaarweises Testen erklärt: Wie alle Paare 216 Tests auf 13 reduzieren, getestet
Paarweises Testen erklärt mit einem Generator, den wir in Python 3.13 ausgeführt haben: ein Checkout mit 216 Kombinationen, die durch 13 Tests abged…
Artikel lesen →TestautomatisierungTest-Doubles erklärt: Dummy, Stub, Spy, Mock und Fake, mit getestetem Python-Code
Test-Doubles werden anhand eines Python-Beispiels erklärt, das in Pytest 9.2 ausgeführt wird: Dummy, Stub, Spy, Mock und Fake, wann jeweils zu verwe…
Artikel lesen →Datenbanken & SQLSQL COALESCE erklärt: Standardwerte, NULLIF, IFNULL vs. ISNULL und Traps, getestet
SQL COALESCE wurde mit Abfragen erklärt, die wir in SQLite 3.50 ausgeführt haben: erste Nicht-Null-Werte, leere Zeichenfolgen, NULL in Mathematik, N…
Artikel lesen →Datenbanken & SQLSQL Self Join erklärt: Mitarbeiter-Manager, Paare und Zeilenvergleiche, getestet
SQL-Self-Join erklärt anhand von Abfragen, die wir in SQLite 3.50 ausgeführt haben: Mitarbeiter und Manager, mehr verdienen als der Manager, eindeut…
Artikel lesen →SoftwareentwicklungErklärter JavaScript-Spread-Operator: Spread vs. Rest, Kopien und Fallstricke, getestet
Der JavaScript-Spread-Operator wird mit Code erklärt, den wir auf Knoten 24 ausgeführt haben: Arrays, Objekte, flache Kopien, Restparameter, das Mat…
Artikel lesen →SoftwareentwicklungErklärte Python-Funktionstools: lru_cache, Partial, Reduce, Wraps und mehr, getestet
Python-Funktionstools erklärt mit Code, den wir auf Python 3.13 ausgeführt haben: lru_cache und Cache, Partial, Reduce, Wraps, Cached_Property, Sing…
Artikel lesen →SoftwareentwicklungErklärtes Python-Sammlungsmodul: Counter, defaultdict, deque und mehr, getestet
Python-Sammlungen erklärt mit Code, den wir auf Python 3.13 ausgeführt haben: Counter, defaultdict, deque, benannttuple, OrderedDict und ChainMap, p…
Artikel lesen →Künstliche IntelligenzErklärtes LLM-Kontextfenster: Token, Grenzen und wie man mehr einpasst, gemessen
Das LLM-Kontextfenster wird anhand der Token-Anzahl erklärt, die wir mit Tiktoken gemessen haben: Wörter vs. Token für Prosa, Code und Hindi, Eingab…
Artikel lesen →SoftwareentwicklungWebhooks erklärt: Wie sie funktionieren und wie man sie sicher empfängt
Webhooks erklärt mit einem Empfänger und Sender, den wir in Python ausgeführt haben: Push vs. Polling, HMAC-SHA256-Signaturen, Ablehnen manipulierte…
Artikel lesen →DevOpsGit Cherry-Pick erklärt: Kopieren Sie den Commit, den Sie benötigen, sicher und getestet
Git Cherry-Pick erklärt mit Befehlen, die wir in Git 2.56 ausgeführt haben: Kopieren eines Hotfixes in einen Release-Zweig, neue Hashes und Patch-ID…
Artikel lesen →TestautomatisierungSnapshot-Tests erklärt: Wie es funktioniert, wann es hilft und wann es weh tut
Snapshot-Tests erklärt anhand einer Pytest- und Sirup-Demo, die wir ausgeführt haben: Snapshots erstellen, Diff nach einer Codeänderung lesen, Zeits…
Artikel lesen →SoftwaretestsMutationstests erklärt: Warum die 100-prozentige Abdeckung unseren Fehler immer noch übersehen hat
Mutationstests erklärt mit einem kleinen Mutationstool, das wir erstellt und ausgeführt haben: 14 Mutanten, eine Testsuite mit 100 % Linienabdeckung…
Artikel lesen →Datenbanken & SQLErklärte SQL-JSON-Funktionen: JSON in SQL abfragen, aktualisieren und indizieren, getestet
SQL-JSON-Funktionen erklärt mit Abfragen, die wir in SQLite 3.50 ausgeführt haben: json_extract, die Operatoren -> und ->>, json_each, json…
Artikel lesen →Datenbanken & SQLSQL Pivot erklärt: Zeilen in Spalten umwandeln mit CASE, FILTER und PIVOT
SQL-Pivot erklärt mit Abfragen, die wir in SQLite 3.50 ausgeführt haben: bedingte Aggregation mit CASE und SUM, FILTER, NULL vs. Null, Summen, dynam…
Artikel lesen →SoftwareentwicklungJavaScript erklärt dieses Schlüsselwort: Jede Bindungsregel, getestet in Node
Das JavaScript, das dieses Schlüsselwort enthält, wurde anhand von 17 Fällen erklärt, die wir in Knoten 24 ausgeführt haben: Methodenaufrufe, verlor…
Artikel lesen →SoftwareentwicklungPython pathlib erklärt: Pfade, Dateien und Ordner auf moderne Art, getestet
Python Pathlib anhand von Beispielen erklärt, die wir unter Python 3.13 ausgeführt haben: Pfade mit /, Name, Stamm und Suffix verbinden, Dateien les…
Artikel lesen →SoftwareentwicklungPython itertools erklärt: Lazy Loops, Kombinationen und Gruppierung, getestet
Python-Itertools anhand von Beispielen erklärt, die wir unter Python 3.13 ausgeführt haben: Zählen, Zyklus, Akkumulieren, Verketten, Gruppieren nach…
Artikel lesen →Künstliche IntelligenzPrompt Injection erklärt: Wie KI-Apps ausgetrickst werden und wie man sie verteidigt
Prompt-Injection erklärt für Builder: direkte und indirekte Angriffe, warum Schlüsselwortfilter fehlschlagen (unser Test hat 1 von 4 blockiert) und …
Artikel lesen →DevOpsErklärte DNS-Einträge: A, AAAA, CNAME, MX, TXT und TTL mit echten Lookups
DNS-Einträge erklärt anhand der von uns durchgeführten Suchvorgänge: Funktionsweise der Auflösung, A und AAAA, CNAME-Regeln, MX und Null-MX, TXT für…
Artikel lesen →DevOpsErklärte Funktionsflags: Sichere Veröffentlichungen, schrittweise Rollouts und Flag-Hygiene
Funktionsflags anhand einer von uns durchgeführten Rollout-Simulation erklärt: Flag-Typen, prozentuale Rollouts mit stabilem Hashing, Kill-Switches,…
Artikel lesen →TestautomatisierungTestdatengenerierung mit Python Faker: Realistische, wiederholbare und sichere Daten
Testen Sie die Datengenerierung mit Python Faker, führen Sie sie aus und messen Sie sie: Seeding für wiederholbare Daten, Gebietsschemata, eindeutig…
Artikel lesen →SoftwaretestsShift-Left-Tests erklärt: Finden Sie Fehler früher, ohne das Team zu verlangsamen
Shift-Left-Tests erklärt: Was es bedeutet, warum Frühdefekte günstiger sind, Vorgehensweisen von Anforderungsüberprüfungen bis hin zu CI-Prüfungen, …
Artikel lesen →Datenbanken & SQLErklärte SQL-String-Funktionen: TRIM, SUBSTR, REPLACE, CONCAT und Datenbereinigung
SQL-String-Funktionen, die mit von uns ausgeführten Abfragen erklärt wurden: Verkettung und NULL, TRIM, UPPER und LOWER, SUBSTR und INSTR, REPLACE, …
Artikel lesen →Datenbanken & SQLErklärte SQL-Trigger: VOR- und NACH-Trigger, Prüfprotokolle und Fallstricke
SQL-Trigger werden anhand von Triggern erklärt, die wir ausgeführt haben: VORHER vs. NACHHER, ALT und NEU, Prüfprotokolle, Validierung, Bestandsaktu…
Artikel lesen →SoftwareentwicklungErklärung des Python-JSON-Moduls: Dumps, Loads, benutzerdefinierte Typen und häufige Fehler
Das Python-JSON-Modul wird anhand des von uns ausgeführten Codes erklärt: Dumps und Loads, Dateien, Typkonvertierungen, Datumsangaben und Dezimalzah…
Artikel lesen →SoftwareentwicklungES-Module vs. CommonJS: Wie JavaScript-Importe in Node.js funktionieren, getestet
ES-Module vs. CommonJS erklärt mit Code, den wir in Node.js ausgeführt haben: Import- und Exportsyntax, Require, Live-Bindungen, Caching, Top-Level-…
Artikel lesen →SoftwareentwicklungPython Regex erklärt: Muster, Gruppen, Lookaheads und Fallstricke, getestet
Python-Regex erklärt mit Mustern, die wir ausgeführt haben: Suche vs. Übereinstimmung, Findall, Gruppen und benannte Gruppen, Greedy vs. Lazy, Sub, …
Artikel lesen →Künstliche IntelligenzErklärung der strukturierten LLM-Ausgabe: Zuverlässiges JSON aus KI-Modellen erhalten
Die strukturierte LLM-Ausgabe wird anhand der von uns in Pydantic ausgeführten Validierung erklärt: JSON-Modus und -Schemas, eingeschränkte Dekodier…
Artikel lesen →DevOpsSSH-Schlüssel erklärt: Wie sie funktionieren, ssh-keygen, Ed25519 und sichere Gewohnheiten
SSH-Schlüssel erklärt mit Schlüsseln, die wir generiert haben: öffentliche vs. private Schlüssel, ssh-keygen, Ed25519 vs. RSA, Fingerabdrücke, Passp…
Artikel lesen →DevOpsHTTP-Caching erklärt: Cache-Kontrolle, ETag und 304-Antworten, mit einem Live-Test
HTTP-Caching erklärt anhand eines kleinen Servers, den wir ausgeführt haben: Cache-Control-Anweisungen, Max-Age, No-Cache vs. No-Store, ETag-Revalid…
Artikel lesen →TestautomatisierungAPI-Vertragstests erklärt: Erkennen Sie wichtige Änderungen, bevor sie versendet werden
Das Testen von API-Verträgen wird anhand einer von uns durchgeführten Schemaprüfung erklärt: Was ein Vertrag ist, verbrauchergesteuerte Verträge, Pa…
Artikel lesen →SoftwaretestsRisikobasiertes Testen erklärt: Risiken bewerten, eine Matrix erstellen und testen, worauf es ankommt
Risikobasiertes Testen Schritt für Schritt erklärt: Risiken identifizieren, Wahrscheinlichkeit und Auswirkung bewerten, eine Risikomatrix erstellen,…
Artikel lesen →Datenbanken & SQLErklärte SQL-Einschränkungen: NOT NULL, UNIQUE, CHECK und FOREIGN KEY, getestet
SQL-Einschränkungen anhand der von uns durchgeführten Tests erklärt: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY und FOREIGN KEY, die NULL-Lücken, die…
Artikel lesen →Datenbanken & SQLErklärte SQL-Datumsfunktionen: Datumsangaben fehlerfrei hinzufügen, vergleichen und gruppieren
Erklärung der SQL-Datumsfunktionen anhand von Abfragen, die wir ausgeführt haben: Hinzufügen von Intervallen, Überraschungen am Monatsende, Datumsun…
Artikel lesen →SoftwareentwicklungPython-Asyncio erklärt: Async, Wait, Gather und TaskGroup mit echten Timings
Python-Asyncio erklärt mit Code, den wir getimt haben: Coroutinen, Wait, Gather, TaskGroup, Fehlerbehandlung, Zeitüberschreitungen, Einschränkung de…
Artikel lesen →SoftwareentwicklungDebounce vs. Throttle in JavaScript: Wie sie funktionieren, wann man sie verwendet, getestet
Debounce vs. Throttle in JavaScript erklärt anhand von Timings, die wir in Node.js gemessen haben: wie jedes funktioniert, einfache Implementierunge…
Artikel lesen →SoftwareentwicklungErklärte Python-Kontextmanager: Die with-Anweisung, contextlib und Real Uses
Python-Kontextmanager erklärt anhand des von uns ausgeführten Codes: Funktionsweise, __enter__ und __exit__, contextlib.contextmanager, supprimieren…
Artikel lesen →Künstliche IntelligenzLLM-Temperatur und Top-p erklärt: Wie KI-Modelle ihr nächstes Wort wählen
LLM-Temperatur und Top-P erklärt anhand einer von uns durchgeführten Simulation: wie Wahrscheinlichkeiten umgeformt werden, was Top-P beibehält, emp…
Artikel lesen →DevOpsYAML erklärt: Syntax, das Norwegen-Problem und andere von uns getestete Fallen
YAML erklärt mit einem Parser-Test: grundlegende Syntax, Listen und Karten, das Norwegen-Problem, Versionen, die in Gleitkommazahlen umgewandelt wer…
Artikel lesen →DevOpsCron-Jobs erklärt: Syntax, echte Zeitpläne und die Fehler, die sie zerstören
Cron-Jobs werden anhand von Zeitplänen erklärt, die wir überprüft haben: die fünf Felder, Operatoren, reale Beispiele, die Tag-des-Monats- ODER Woch…
Artikel lesen →SoftwaretestsFehlerlebenszyklus beim Softwaretesten: Jeder Status, wem er gehört und häufige Fehler
Der Fehlerlebenszyklus wird erklärt: Jeder Fehlerstatus von „Neu“ bis „Geschlossen“, wer für jeden Schritt verantwortlich ist, abgelehnte, zurückges…
Artikel lesen →TestautomatisierungEigenschaftenbasiertes Testen in Python: Hypothese findet die Fehler, die Ihre Beispiele übersehen
Eigenschaftenbasiertes Testen erklärt anhand der von uns durchgeführten Hypothesentests: Eigenschaften im Vergleich zu Beispielen, Strategien, Verkl…
Artikel lesen →Datenbanken & SQLErklärte SQL-Paginierung: OFFSET vs. Keyset, mit einem Millionen-Zeilen-Test
Die SQL-Paginierung wurde mit einem von uns durchgeführten Millionen-Zeilen-Test erklärt: LIMIT und OFFSET, warum tiefe Seiten langsam werden, Keyse…
Artikel lesen →Künstliche IntelligenzKI-Halluzinationen erklärt: Warum Sprachmodelle Dinge erfinden und wie man sie reduziert
KI-Halluzinationen erklärt: Was sie sind, warum Sprachmodelle sie produzieren, gängige Typen, wie man sie mit Erdung und Eingabeaufforderungen reduz…
Artikel lesen →DevOpsErklärte Umgebungsvariablen: .env-Dateien, Geheimnisse und Konfiguration richtig gemacht
Umgebungsvariablen anhand von Python-Beispielen erklärt, die wir ausgeführt haben: Sie lesen und festlegen, warum jeder Wert ein String ist, .env-Da…
Artikel lesen →SoftwareentwicklungAPI-Ratenbegrenzung erklärt: Algorithmen, Header und Behandlung von 429-Fehlern
API-Ratenbegrenzung anhand einer von uns durchgeführten Simulation erklärt: Token-Bucket, festes Fenster, gleitendes Fenster, 429 Antworten, Ratenbe…
Artikel lesen →TestautomatisierungSpott in Python: unittest.mock, Patch und die Fehler, die Tests zum Lügen machen
Mocking in Python mit unittest.mock, getestet: Mock und return_value, side_effect, Patchen, wo ein Name verwendet wird, Spezifikation und Autospec, …
Artikel lesen →SoftwaretestsCode-Abdeckung erklärt: Leitungs- und Zweigstellenabdeckung und was 100 % wirklich bedeutet
Erklärung der Codeabdeckung anhand eines echten Coverage.py-Laufs: Zeilen-, Zweig- und Bedingungsabdeckung, Lesen eines Berichts, warum bei 100 % Ab…
Artikel lesen →Datenbanken & SQLDELETE vs. TRUNCATE vs. DROP in SQL: Unterschiede, Rollback und Verwendungszweck
DELETE vs. TRUNCATE vs. DROP erklärt mit getestetem SQL: was jeweils entfernt wird, Rollback, Trigger, Identitätsrücksetzung, Geschwindigkeit und wi…
Artikel lesen →Datenbanken & SQLErklärte SQL-Ansichten: Erstellen, nutzen und vermeiden Sie Fallstricke mit Beispielen
SQL-Ansichten anhand der von uns ausgeführten Abfragen erklärt: Erstellen einer Ansicht, Live-Ergebnisse, Ausblenden von Spalten, Leistung, aktualis…
Artikel lesen →SoftwareentwicklungTypeScript-Schnittstelle vs. Typ: Echte Unterschiede, getestet mit dem Compiler
TypeScript-Schnittstelle vs. Typ, überprüft mit dem echten Compiler: Was beide können, was nur einer kann, Deklarationszusammenführung, Erweiterunge…
Artikel lesen →SoftwareentwicklungPython *args und **kwargs erklärt: Flexible Funktionen mit klaren Beispielen
Python *args und **kwargs erklärt mit Code, den wir ausgeführt haben: Packen und Entpacken, Parameterreihenfolge, Nur-Schlüsselwort- und Nur-Positio…
Artikel lesen →SoftwareentwicklungPython-Lambda-Funktionen: Syntax, tatsächliche Verwendung und wann man sie nicht verwendet
Python-Lambda-Funktionen erklärt mit Code, den wir ausgeführt haben: Syntax, Sortierung mit Schlüssel, Karte und Filter, Abschlüsse, die Late-Bindin…
Artikel lesen →Künstliche IntelligenzWas sind KI-Agenten? Wie sie funktionieren, mit einer einfachen Agentenschleife, die Sie ausführen können
Was sind KI-Agenten? Eine einfache Anleitung zur Agentenschleife, zu Tools, Speicher und Leitplanken, mit einer kleinen Python-Schleife, die wir aus…
Artikel lesen →DevOpsÜberwachung vs. Beobachtbarkeit: Der wahre Unterschied, mit Protokollen, Metriken und Traces
Überwachung vs. Beobachtbarkeit erklärt: bekannte und unbekannte Fehler, Protokolle, Metriken und Spuren, eine exemplarische Vorgehensweise für Chec…
Artikel lesen →DevOpsDocker-Volumes vs. Bind Mounts: Containerdaten auf die richtige Art und Weise beibehalten
Docker-Volumes vs. Bind-Mounts erklärt: Warum Containerdaten verschwinden, benannte Volumes, Bind-Mounts, tmpfs, Compose-Beispiele, Backups, Berecht…
Artikel lesen →TestautomatisierungTDD vs. BDD: Hauptunterschiede, eine Funktion, die auf beide Arten entwickelt wurde und wann sie jeweils verwendet werden sollte
TDD vs. BDD erklärt mit einer Rabattfunktion, die in beide Richtungen aufgebaut ist: Rot-Grün-Refaktor mit Code, den wir ausgeführt haben, Gegeben-W…
Artikel lesen →SoftwaretestsBenutzerakzeptanztests (UAT): Prozess, Checkliste und reale Beispiele
Benutzerakzeptanztests erklärt: Wer führt ihn durch, wie unterscheidet er sich von der Qualitätssicherung, ein siebenstufiger Prozess, eine UAT-Test…
Artikel lesen →Datenbanken & SQLErklärte SQL-NULL-Werte: IS NULL, COALESCE, NULLIF und die zu vermeidenden Fallen
SQL-NULL-Werte, die mit von uns ausgeführten Abfragen erklärt wurden: dreiwertige Logik, IS NULL, COALESCE, NULLIF, wie Aggregate, Joins und Sortier…
Artikel lesen →Datenbanken & SQLSQL CASE WHEN-Anweisung: Syntax, reale Beispiele und häufige Fehler
SQL CASE WHEN anhand der von uns ausgeführten Abfragen erklärt: einfache und durchsuchte Formulare, Bedingungsreihenfolge, Pivots mit SUM, COUNT-Tri…
Artikel lesen →SoftwareentwicklungWas ist JWT? JSON-Web-Tokens anhand eines funktionierenden Beispiels erklärt
Was ist JWT? JSON Web Tokens erklärt: die drei Teile, ein Token, das in dem von uns ausgeführten Code erstellt und manipuliert wurde, JWT vs. Sitzun…
Artikel lesen →SoftwareentwicklungErklärte JavaScript-Ereignisschleife: Aufrufstapel, Mikrotasks und Timer mit Beispielen
Die JavaScript-Ereignisschleife wurde mit dem von uns ausgeführten Code erklärt: Aufrufstapel, Aufgaben- und Mikrotask-Warteschlangen, warum setTime…
Artikel lesen →SoftwareentwicklungErklärung von Python-Generatoren und -Ertrag: Sparen Sie Speicher mit echten Beispielen
Python-Generatoren und Yield anhand des von uns ausgeführten Codes erklärt: wie sie angehalten und fortgesetzt werden, gemessene Speichereinsparunge…
Artikel lesen →Künstliche IntelligenzWas sind Einbettungen? Vektoren und Kosinusähnlichkeit einfach erklärt
Was sind Einbettungen? Ein Leitfaden in einfacher Sprache zu Vektoren, Kosinusähnlichkeit und semantischer Suche, mit einem kleinen Beispiel, das wi…
Artikel lesen →DevOpsBlau-Grün vs. Canary-Bereitstellung: Unterschiede, Kompromisse und Auswahl
Blue-Green vs. Canary-Bereitstellung erklärt: Funktionsweise, Kosten, Risiko und Rollback, stabiles Benutzer-Bucketing, das wir getestet haben, Date…
Artikel lesen →TestautomatisierungFlaky-Tests: Was sie verursacht und wie man sie endgültig behebt
Flaky-Tests wurden anhand von Demos erklärt, die wir durchgeführt haben: die Hauptursachen, wie man sie bestätigt und diagnostiziert, richtige Korre…
Artikel lesen →SoftwaretestsLasttest vs. Stresstest: Unterschiede, Metriken und k6-Beispiele
Erläuterungen zu Lasttests und Stresstests: Was die einzelnen Tests beweisen, Spike- und Soak-Tests, welche Kennzahlen wichtig sind, warum Durchschn…
Artikel lesen →SoftwaretestsTestfall vs. Testszenario: Hauptunterschiede, Beispiele und wann man sie jeweils verwendet
Testfall vs. Testszenario erklärt: klare Definitionen, eine Tabelle nebeneinander, eine Funktion zum Zurücksetzen von Passwörtern, die von Szenarios…
Artikel lesen →Datenbanken & SQLSQL-Abfrageoptimierung: Ausführungspläne lesen und langsame Abfragen mit Zeitvorgaben beheben
An einer Million Zeilen getestete SQL-Abfrageoptimierung: Ausführungspläne lesen, die richtigen Indizes hinzufügen, nicht sargierbare Filter korrigi…
Artikel lesen →Datenbanken & SQLSQL UNION vs. UNION ALL: Unterschiede, Beispiele und getestete Leistung
SQL UNION vs. UNION ALL anhand der von uns ausgeführten Abfragen erklärt: Duplikate, die Regeln, denen beide folgen, ein echter Datenfehler, gemesse…
Artikel lesen →SoftwareentwicklungTutorial zur JavaScript-Abruf-API: GET, POST, Fehlerbehandlung und Zeitüberschreitungen
Ein JavaScript-Abruf-API-Tutorial, das auf einem lokalen Server getestet wurde: GET und POST, warum 404 nicht ausgelöst wird, ein wiederverwendbarer…
Artikel lesen →SoftwareentwicklungUmgang mit Python-Dateien: Lesen, Schreiben, CSV, JSON und Pathlib mit Beispielen
Die Handhabung von Python-Dateien wird anhand des von uns ausgeführten Codes erklärt: Öffnungsmodi, Lesen großer Dateien, CSV, JSON, Pathlib, Binärd…
Artikel lesen →SoftwareentwicklungPython-Klassen und -Objekte: OOP-Tutorial mit echten Beispielen
Python-Klassen und -Objekte erklärt mit Code, den wir ausgeführt haben: __init__, Methoden, Klassen- und Instanzattribute, Vererbung, Eigenschaften,…
Artikel lesen →Künstliche IntelligenzWas ist ein großes Sprachmodell? Wie LLMs funktionieren, ohne großen Hype erklärt
Was ist ein großes Sprachmodell? LLMs im Klartext erklärt: Token, Einbettungen, Aufmerksamkeit, Training, Temperatur- und Kontextfenster, eine klein…
Artikel lesen →DevOpsLinux-Befehle für Anfänger: Der grundlegende Terminal-Leitfaden mit Beispielen
Linux-Befehle für Anfänger, gruppiert nach Aufgaben: Navigation, Dateien, Anzeigen von Protokollen, Grep, Pipes, Berechtigungen, Prozesse und Archiv…
Artikel lesen →TestautomatisierungSelenium vs. Playwright: Hauptunterschiede, Code im Vergleich und welche Sie wählen sollten
Selenium vs. Playwright im Vergleich: Architektur, Wartezeit, Browser- und Sprachunterstützung, Debugging, der gleiche Test in beiden Tools, Migrati…
Artikel lesen →SoftwaretestsÄquivalenzpartitionierung: Testdesigntechnik anhand von Beispielen erklärt
Erklärung der Äquivalenzpartitionierung: Wie man gültige und ungültige Partitionen findet, Beispiele für Alter, Passwörter und Gutscheine, von uns d…
Artikel lesen →SoftwaretestsSchweregrad vs. Priorität beim Softwaretest: Unterschiede, Matrix und reale Beispiele
Schweregrad vs. Priorität beim Softwaretest erklärt: klare Definitionen, eine Vier-Wege-Matrix mit Beispielen, Stufenskalen, wer die einzelnen Punkt…
Artikel lesen →Datenbanken & SQLTutorial zu SQL-Unterabfragen: Typen, korrelierte Unterabfragen und EXISTS mit Beispielen
Ein SQL-Unterabfrage-Tutorial mit Abfragen, die wir ausgeführt haben: Skalar-, IN-, FROM- und SELECT-Unterabfragen, korrelierte Unterabfragen, EXIST…
Artikel lesen →Datenbanken & SQLSQL-Transaktionen und ACID erklärt: COMMIT, ROLLBACK und Isolationsstufen
SQL-Transaktionen und ACID anhand einer von uns durchgeführten Banküberweisung erklärt: COMMIT, ROLLBACK, Sicherungspunkte, Sperren, Isolationsstufe…
Artikel lesen →SoftwareentwicklungSpickzettel für Git-Befehle: Die Befehle, die Sie tatsächlich verwenden, mit Beispielen
Ein Git-Befehls-Spickzettel, gruppiert nach Aufgabe: Setup, Staging, Branches, Remotes, Stash, Verlauf und Rückgängigmachen von Fehlern, mit Ausgabe…
Artikel lesen →SoftwareentwicklungErklärte JavaScript-Versprechen: Dann, Catch, Promise.all und häufige Fehler
JavaScript-Versprechen erklärt mit Code, den wir ausgeführt haben: Zustände, dann und Fangketten, Fehlerbehandlung, Promise.all, allSettled, Rennen …
Artikel lesen →SoftwareentwicklungPython-Wörterbuch-Tutorial: Methoden, Beispiele und gängige Muster
Ein Python-Wörterbuch-Tutorial mit Code, den wir ausgeführt haben: Diktate erstellen, lesen und aktualisieren, Schlüsselmethoden, Zusammenführung, V…
Artikel lesen →Künstliche IntelligenzWas ist RAG? Retrieval-Augmented Generation anhand eines Arbeitsbeispiels erklärt
Was ist RAG? Abruf-erweiterte Generierung Schritt für Schritt erklärt: Indizierung, Chunking, Einbettungen, Abruf, ein kleines funktionierendes Pyth…
Artikel lesen →DevOpsTerraform-Tutorial für Anfänger: Infrastruktur als Code von der ersten Datei bis zu den Modulen
Ein Terraform-Tutorial für Anfänger: Beginnen Sie ohne Cloud-Konto, lernen Sie Init, Planen und Anwenden, dann Variablen, Ausgaben, Status, Module u…
Artikel lesen →DevOpsDocker vs. Kubernetes: Hauptunterschiede, wie sie zusammenarbeiten und was Sie brauchen
Docker vs. Kubernetes erklärt: Was jeder tut, die gleiche App läuft mit beiden, Docker Compose und Swarm im Vergleich, die Dockershim-Änderung und w…
Artikel lesen →TestautomatisierungPytest-Tutorial für Anfänger: Vorrichtungen, Parametrisierung und reale Beispiele
Ein Pytest-Tutorial für Anfänger mit Tests, die wir auf Pytest 9.2 durchgeführt haben: Assertions, Fixtures, Parametrize, Conftest, Markers, tmp_pat…
Artikel lesen →SoftwaretestsSoftware Testing Life Cycle (STLC): 6 Phasen, Einstiegs- und Ausstiegskriterien, Beispiel
Der Softwaretest-Lebenszyklus erklärt: sechs STLC-Phasen mit Ein- und Ausstiegskriterien, Ergebnisse, ein Beispiel für eine funktionierende Anmeldef…
Artikel lesen →SoftwareentwicklungGit merge vs rebase: Unterschiede, Beispiele und wann man was nutzt
Git merge vs rebase erklärt mit echter Log-Ausgabe, einer Vergleichstabelle, der goldenen Regel des Rebase und einem sicheren Team-Workflow.
Artikel lesen →SoftwareentwicklungPython List Comprehension: Syntax, Beispiele und wann man darauf verzichtet
Python List Comprehension erklärt: Syntax, Filter, if-else, verschachtelte Schleifen, gemessene Zeiten und Fälle, in denen eine normale for-Schleife…
Artikel lesen →Datenbanken & SQLSQL Joins erklärt mit Beispielen (Inner, Left, Right, Full)
SQL Joins Schritt für Schritt mit Beispieltabellen und Abfragen verstehen: INNER, LEFT, RIGHT, FULL, CROSS und SELF, plus typische Fehler und Perfor…
Artikel lesen →