1976 – heute

Seit 50 Jahren Code. Von Fortran IV bis Python, Rust und KI-Projekten.

Erste Programmiersprache: Fortran IV im VWL-Studium. Dann C und 68000-Assembler auf dem Atari 1040ST programmiert. An der Universität Unix entdeckt – und dann Linux, das mich nie wieder losgelassen hat. Seit Ende 2022 konzentriert auf KI-Tools und KI-Programmierung. Heute: KI, Python, Rust, C und vieles mehr.

Programmierung: Von 1976 bis heute – 50 Jahre Code
Hintergrund

Fünf Jahrzehnte Programmierung

Eine Reise durch die Evolution der Software-Entwicklung – von Lochkarten bis zu Large Language Models, Vibe-Coding und agentischen KI‑Systemen.

Motivation

Faulheit hat mich zum Programmierer gemacht

Ich war schon immer faul – und habe versucht, das mit Intelligenz zu kompensieren. Eigentlich hätte ich schon im Mathematik-Leistungskurs und später an der Universität gern große, anspruchsvolle Aufgaben gelöst. Aber ich war zu bequem dafür. Erst im VWL-Studium musste ich programmieren lernen – und genau das wurde zum Wendepunkt.

Mich hat sofort fasziniert, was man damit alles automatisieren kann. Was der Rechenknecht erledigt, muss ich mir nicht mehr mühsam selbst abringen. Das wurde meine dauerhafte Motivation, immer mehr Programmiersprachen zu lernen und mich mit Rechnern zu beschäftigen. Mit Systemen, bei denen man nichts Nachhaltiges lernen kann, habe ich mich nie lange aufgehalten. Deshalb kenne ich mich mit Windows bis heute nur oberflächlich aus.

Software künstlich zu verkomplizieren und dann zu verkaufen, hat für mich wenig Wert. Umso größer ist meine Begeisterung für Open Source. Dort lernt man wirklich etwas, das bleibt – ohne dass sich alles alle paar Jahre nur deshalb ändert, damit neue Schulungen verkauft werden können.

Und so gilt für mich das erste Jamulix-Gesetz:

Je schlauer, umso Linux!

Heute kann ich alles programmieren – vom Mikrocontroller in Kaffeemaschinen, Waschmaschinen oder Autos bis hin zu Systemen im Hochleistungsrechenzentrum. Und dann kam die Rente. Ich hatte vor, mich endlich einem lange geplanten Projekt zu widmen: computergestütztes Trading an Online-Börsen. Dafür hatte ich während der Corona-Zeit Python gelernt.

Python wirkt auf den ersten Blick langsam, aber die entscheidenden Teile laufen in C oder C++ und sind entsprechend schnell. Doch Ende 2022 kam der KI-Hype dazwischen. Plötzlich waren leistungsfähige Tools für alle verfügbar – zu erschwinglichen Preisen.

Der Begriff „künstliche Intelligenz“ ist dabei eher Marketing. Die Systeme verstehen nichts im menschlichen Sinne. Dahinter steckt Mathematik: lineare Algebra, Statistik, Wahrscheinlichkeiten, Markov-Ketten. Nicht geheimnisvoll – aber extrem nützlich und endlich breit zugänglich.

Nach kurzer Zeit war mir klar: Diese Technologie wird unser Leben grundlegend verändern – vergleichbar mit der Dampfmaschine oder der Elektrifizierung. Also habe ich entschieden, mich intensiv damit zu beschäftigen. Seitdem arbeite ich fast ausschließlich mit diesen mathematischen Werkzeugen.

Wer sich dem verweigert, macht es sich unnötig schwer. Die Entwicklung lässt sich nicht aufhalten. Sinnvoller ist es, zu lernen, wie man diese Werkzeuge sinnvoll einsetzt – und auch zu verstehen, welche Risiken sie mit sich bringen.

Wer sie ignoriert, wird es schwer haben. Wer sie beherrscht, wird gebraucht – weil er effizienter arbeitet und Kosten spart.

Und so gilt für mich das zweite Jamulix-Gesetz:

Wer "KI" beherrscht, darf weiter arbeiten.

Ich muss zwar nicht mehr arbeiten. Trotzdem halte ich es für wichtig, weiter zu lernen. Das hält den Kopf fit. Und ehrlich gesagt: Wenn ich einen Tag nichts Neues gelernt habe, fehlt mir etwas. Neugier war schon immer mein Antrieb.

Ich verstehe übrigens längst nicht jedes Detail des maschinellen Lernens. Aber das ist nicht entscheidend. Zuerst kommt die Anwendung, die Theorie kann folgen. Man kann diese Werkzeuge sinnvoll nutzen, auch ohne jedes mathematische Detail zu durchdringen.

Im Grunde ist es wie beim Autofahren: Man muss keinen Motor bauen können, um ein Auto zu benutzen. Wichtig ist, dass man weiß, wie man damit ans Ziel kommt.

Und so kommen wir zum dritten Jamulix-Gesetz:

Man kann ruhig blöd sein, man muss sich nur zu helfen wissen.

Happy Coding!

1976

Der Anfang

Erste Programme in Fortran IV. Lochkarten, Großrechner, Batch-Verarbeitung. Erste Programmierkurse im Rahmen des VWL-Studiums. Die Grundlagen des algorithmischen Denkens.

Fortran IV
1984

Der erste PC

Erste Programme in Basic, C und Pascal auf dem Personal Computer unter DOS. Datenbanken, Textverarbeitung, Spiele.

Lotus 1-2-3dBASEQBasicTurbo PascalNorton CommanderWordPerfect
1986

Systemnahe Programmierung

C und 68000-Assembler auf dem Atari ST. Direkte Hardware-Ansteuerung, Interrupt-Routinen, Speicherverwaltung von Hand. Pseudo-Multitasking. DFÜ mit Akustikkoppler. Maiboxen, FidoNet, MausNet.

C68000 ASMGFA BasicTOS
1990

Unix an der Universität

AIX, HP-UX, BSD. Die Philosophie kleiner, zusammenarbeitender Programme. Shell-Scripting als Werkzeug. Internet. Sysop-Aufgaben im Uni-Rechenzentrum.

UnixShellviGopher
1992

Linux entdeckt

Slackware auf 40 Disketten, Debian, SUSE Linux ... Der Beginn einer dauerhaften Begeisterung für offene Systeme und Selbstbestimmung. C, C++, Pascal, Modula, Perl, Shell-Skript. Internet per Modem. Pentesting, Hacking.

LinuxGNU ToolsX11
1995 ff.

World Wide Web

Permanenter privater Internet-Zugang kommerzieller Anbieter und erste eigene Domain: linix.de. World Wide Web. Eigene Webseiten in HTML und JavaScript programmiert.

WWWNetscapeHTMLJavaJavaScriptModem
2000er

Professionelle Entwicklung

Verschiedene Sprachen, verschiedene Domänen. Server-Administration, Automatisierung, Web-Entwicklung. Systemadministration, Networking. — Alles unter Linux.

PerlPHPBashPythonGoProxmoxDocker/Podman
2022

KI-Fokus

Seit Ende 2022 intensive Beschäftigung mit KI-Tools und KI-Programmierung. LLMs als Arbeitswerkzeug und Forschungsgegenstand.

PythonRustLLMsML
Experimente

Ausgewählte neuere Projekte

Technische Experimente und Werkzeuge. Weniger Portfolio, mehr Labor für Ideen.

Aktiv

Hacker News Daily AI Reports

Die Hacker News gelten als zentrale Nachrichtenbörse für versierte, englischsprachige Programmierer. Wer wissen will, was neu oder wichtig ist, findet es dort. Doch die schiere Menge an Beiträgen kann schnell überwältigen.

Genau hier setzt mein Projekt an: Eine KI filtert die wichtigsten Inhalte, fasst sie zusammen, eine andere übersetzt sie. Das Projekt liefert morgens wie abends kompakte Updates. Zusätzlich bewertet sie automatisch, wie relevant die Top-10-Geschichten für Themen wie Künstliche Intelligenz und Maschinelles Lernen sind.

Das System wählt selbstständig geeignete Modelle aus, die Aufgaben effizient und kostengünstig erledigen. So entsteht ein intelligenter Nachrichtenstrom, der effizient Übersicht schafft — und das für lediglich 0 bis 3 Cent pro Ausgabe.

PythonFastAPIOpenrouterdeepseek-reasonerqwen3-max
Ansehen
Aktiv

Sichtbare Sortier-Algorithmen (Demo)

Interaktive Visualisierung verschiedener Sortieralgorithmen. Didaktisches Werkzeug für Algorithmen-Verständnis. Digitales Sortieren wird immer wichtiger, weil es viel mehr Daten gibt. Es ist wichtig, sich die Wirkungsweise verschiedener Sortier‑Algorithmen plastisch anzuschauen, weil man so ihre Logik wirklich versteht und nicht nur Pseudocode auswendig lernt. Visuelle Darstellungen zeigen auf einen Blick, wie sich Elemente bewegen, wo sich regionale Ordnung bildet und wie sich Partitionen oder „Blasen“ entwickeln. So wird klar, warum Insertionsort bei fast sortierten Daten schnell wirkt, während Mergesort oder Quicksort bei großen Datenmengen besser skalieren. Zusätzlich hilft die plastische Anschauung, Effizienzunterschiede intuitiv zu erfassen: Man sieht, wann viele Vertauschungen oder Tiefe Rekursion auftreten, und bekommt ein Gefühl für Geschwindigkeit versus Datenverbrauch.

Vibe-CodingLLMJavascriptTailwind
Ansehen
Aktiv

Digitalisierung einer "Mundorgel"

In unserer Gruppe wollen wir Lieder aus Schulzeit und Jugend der 60er- und 70er-Jahre singen. Die „Mundorgel" war damals weit verbreitet, doch heutige Ausgaben enthalten viele dieser Stücke nicht mehr. Antiquarische Exemplare sind selten und teuer, Kopien unpraktisch.

Ich habe daher eine alte Mundorgel mit KI-Tools digitalisiert und auf meinem Server durchsuchbar gemacht. So werden analoge Inhalte für moderne Nutzung erschließbar.

Das Projekt diente auch dem Lernen: Die gleichen Verfahren lassen sich auf Bücher, Akten oder Zeitungen übertragen. Im Vergleich zur kürzlich digitalisierten Encyclopaedia Britannica von 1911 (28 Bände) ist mein Projekt klein – doch die zugrunde liegenden Prozesse sind dieselben.

LLM-OCRJSONTypescriptTailwindVibe-Coding
Ansehen
Geplant

Desinformationsdetektor

Automatisierte Prüfung von Medieninhalten auf Manipulationspotenzial. Das Projekt analysiert mit verschiedenen KI-unterstützten Programmen veröffentlichte Texte, Audios und Videos auf zentrale Behauptungen, Belege, Lücken und Logik. Es identifiziert prüfbare Aussagen, recherchiert stützende und widersprechende Quellen mit Links, deckt ausgelassene Fakten auf, prüft argumentative Kohärenz und bewertet Framing, Sentiment und Meinungsdichte. Das Ergebnis ist ein transparentes, nachvollziehbares Gutachten zur Qualität und zum Desinformationsrisiko des Inhalts.

PythonRustPiTypescriptWhisperSQLitevLLMsAPIsPerplexity
Aktuell

Technologien & Fokus

Die Werkzeuge und Themen, mit denen ich aktuell arbeite. Kein Buzzword-Bingo, sondern tägliche Praxis.

Sprachen

  • PythonHaupt-Sprache für KI und Automatisierung
  • RustFür performante Systemtools
  • Shell/BashTägliches Werkzeug

Systeme

  • LinuxUbuntu, Debian, Arch
  • Self-HostingEigene Infrastruktur
  • ContainersDocker, Podman

KI & ML

  • LLMsGPT, Claude, lokale Modelle
  • KI-ToolsClaude, Pi, OpenCoder, Aider
  • ML OpsTraining, Deployment

Interessen

  • AutomatisierungWorkflows, Pipelines
  • CLI ToolsTerminal-first
  • Open SourceNutzung & Beteiligung
gittmuxsshsystemdnginxPostgreSQLAnsibleKubernetesJenkinsFastAPIPyTorchTransformerstiktokenTensorFlowvLLMJupyterLab
Prinzipien

Philosophie

01

Langfristige Neugier

Technologie verändert sich ständig. Das Interesse daran nicht. Wer 1976 mit Programmieren begonnen hat, hat viele Paradigmenwechsel erlebt – und überlebt.

02

Handwerkliche Sorgfalt

Code ist keine Einwegware. Lesbarkeit, Wartbarkeit, Einfachheit – das sind keine Nice-to-haves, sondern Grundanforderungen.

03

Systeme verstehen

Nicht nur nutzen, sondern begreifen. Vom Kernel bis zum Compiler. Nur wer versteht, wie Dinge zusammenhängen, kann sie wirklich beherrschen.

04

KI als Werkzeug

Künstliche Intelligenz ist kein Hype, sondern ein ernsthaftes Werkzeug. Es verändert, wie wir programmieren – aber nicht warum.

Und so gilt:

“Der beste Code ist der, den man in zehn Jahren noch versteht – geschrieben von jemandem, der in zehn Jahren noch lernt.”