16 Tage, drei T – von der Fahrt im Scania nach Portorož bis zur Microsoft Build in San Francisco
Manche Leute machen einen Triathlon aus Schwimmen, Radfahren und Laufen. Meiner ging über 16 Tage und bestand aus drei anderen Disziplinen: Truck, Tracks und Transatlantikflug. Kilometer auf der Straße, Tracks auf der Bühne, ein Ozean dazwischen – zwei Konferenzen, zwei Kontinente. Und diesen Beitrag schreibe ich auf dem Rückflug von San Francisco, bevor mich der Jetlag endgültig einholt. Ehrlicherweise tippe ich dabei nur die Prompts und liefere meine Erkenntnisse – zusammengefasst und gestaltet wird der Text von einer lokalen Version eines LLMs.
Disziplin 1 – Der Scania, die Schorle und 1.600 Kilometer
Los ging es in Hamburg, und zwar nicht am Gate, sondern hinter dem Lenkrad: Weil wir die Getränke für unseren Messestand selbst transportiert haben, kam unser eigens für Messen aufgebauter Scania-Oldtimer zum Einsatz. 1.600 Kilometer einfache Strecke, runter durch Deutschland und Österreich, über die Alpen, bis an die slowenische Adriaküste nach Portorož.
Es gibt entspanntere Arten zu reisen. Aber kaum eine, die besser zu einer Konferenz passt, auf der man als Original auftreten will.
Disziplin 2 – DynamicsMinds 2026 in Portorož: Jerboa-Launch
In Portorož haben wir unser neues Produkt vorgestellt: Jerboa – mit dem wir Requirements Engineering as a Service im Kontext von Dynamics 365 anbieten. Jerboa ist eine Multi-Tenant-Lösung, läuft auf Azure und konsumiert insbesondere die LLMs aus der Azure AI Foundry. Die Stärke liegt in der Einfachheit der Bedienung und darin, schnell belastbare Ergebnisse in der Prozessdokumentation zu liefern – egal ob die Anforderungen als Audioaufnahme eines Meetings, als Datei, als Zip-Ordner für mehrere Dateien oder direkt per Chat hereinkommen.
Im Job-Modus liefert Jerboa auf Basis eines deterministischen Flows bis zu sieben Artefakte: die bewerteten und nachzubearbeitenden Requirements in Backlog-Struktur (Epics, Features, User Stories), ein Mockup, einen DevPrompt, eine BPMN-Darstellung, einen Meilensteinplan und eine Kostenabschätzung auf Basis von Taxameterpreisen. Alles direkt exportierbar nach Azure DevOps, Jira oder in andere Formate. Über die Bewertung bekommt man im Prinzip gleich eine ROI-Kalkulation und eine grobe Zeitabschätzung mitgeliefert – und der DevPrompt lässt sich direkt an Augment Code, GitHub Copilot oder andere AI-Coding-Maschinen übergeben und ausführen.
Im Flow-Modus steuert der User das Ganze sehr variabel. Das Highlight ist ein Chat-Knoten, der mitten im Flow aktiv mit einem auf der Azure AI Foundry gehosteten Agenten kommuniziert und die Anforderungen über ein „Fragenkarussell" verfeinert. Human in the loop ist hier gelebte Praxis – und führt zu qualitativ sehr hochwertigen Ergebnissen. Jede User Story enthält neben der Beschreibung vollständige Akzeptanzkriterien: die Grundlage für funktionales Testing und die Vorstufe der Testautomatisierung. Maximale Flexibilität gibt es durch BYOK – getoppt nur durch die Implementierung durch Sven Mahn IT im kundeneigenen Tenant und die Unterstützung beim Aufbau passender Azure Agents.
Die Resonanz war überragend. Nach 21 Jahren am Markt und mit unserem Ruf, Dinge anders zu denken, haben wir ordentlich für Aufsehen gesorgt. Der Shift vom reinen Dynamics-365-Implementierer hin zum AI-gestützten Qualitätssicherer in Projekten von Endkunden und Partnern wird diesen Status nur zementieren.
Marketing, messbar gemacht
Das größte Networking-Highlight war unser eigener Stand – an den wir Kunden und Partner mit Gutscheinen für eine süffige Kirsch-Cranberry-Schorle gelockt haben. Marketing, messbar gemacht: über 200 Kontakte in drei Tagen. Und die Abende? Die haben ihren eigenen Legendenstatus. Wenn im Rest Europas längst die Lichter aus und die Bürgersteige hochgeklappt waren, fing der Spaß am Strand erst richtig an – nicht selten wurde es schon wieder hell, als man das eigene Zimmer betrat. Der Einsatz an beiden Tresen hat sich bezahlt gemacht: Wir kommen mit mindestens einem PoC und weiteren konkreten Terminen nach Hause.
Zwischenetappe: Frankfurt → San Francisco – Disziplin 3
Auf dem Rückweg habe ich den Scania in der Nähe von Frankfurt geparkt – und bin von dort in den Flieger nach San Francisco gestiegen. Ein erholsames Wochenende zwischen den Konferenzen war der Vorbote eines ruhigen Transatlantikflugs – das letzte der drei T.
Microsoft Build 2026: Fort Mason, Experten und der Stern der Monetarisierung
In San Francisco habe ich zuerst im Fort Mason Center mein Badge und den ersten Swag eingesammelt – das obligatorische Build-T-Shirt. Kontrastreicher könnte das Setting kaum sein: mitten an der Bay, unweit der Fisherman's Wharf, wird in zwei alten Schuppen die Technologie der Neuzeit präsentiert.
Im Fokus stand sicher die Keynote – die ich allerdings noch online nachschauen muss. Denn ich habe die ruhige Anfangszeit im Meetup-Bereich bei den Experten genutzt, um offene Punkte direkt zu klären: von der Frage nach der Azure Foundry und der Möglichkeit, Video-Analytics mit LLMs zu betreiben (für Jerboa und meine zweite Liebe, den Fußball), über die Kernfrage, ob es schon LLMs gibt, die X++ entwickeln können, bis hin zum Azure Marketplace, um die Vertriebswege für Jerboa zu skalieren. Dazu Microsoft for Startups und der Connect zu Firmen, die sich um AI-Sicherheit beim Konsum von MCP und LLMs kümmern.
Überhaupt stand die diesjährige Build voll unter dem Stern der Monetarisierung. LLMs bereitzustellen und Ergebnisse zu verwalten ist offenbar sehr aufwändig und kostspielig. Da liegt der Gedanke nahe, LLMs vielleicht auch lokal zu konsumieren – und genau das war die stärkste Botschaft von NVIDIA und Microsoft: Der PC oder Laptop wird zur AI-First-Machine. Ehrlich gesagt freue ich mich darauf. Jerboa im Container laufen zu lassen und lokale LLMs in gehobener Ausprägung zu nutzen, macht nicht nur das Schreiben dieses Blogbeitrags auf dem Rückflug möglich. Es ist vor allem ein ressourcenschonender, notwendiger Schritt, um KI-Kapazitäten zu sozialisieren. Am Ende wiederholt sich die Geschichte: Das Pricing wird nicht klein ausfallen – aber vielleicht sprechen wir bald von einem Volks-KI-PC.
Azure AI Foundry: von „wir können alle LLMs" zu echtem Agenten-Tuning
War die Botschaft letztes Jahr noch „wir können alle LLMs", lag der Fokus in diesem Jahr auf der Qualität der Agenten. Und die steckt nicht allein in dem, was ein Agent ausspuckt – es geht um echtes Tuning. Die Säulen: Build, Ground, Run, Govern und Improve.
Die nutzbaren Stufen bauen aufeinander auf: das Modell als Fundament, der bereitgestellte Kontext, Werkzeuge wie MCP oder Webhooks, Skills, die beschreiben, wie bestimmte Tasks abgearbeitet werden, und zu guter Letzt der Prompt. Diese fünf Stufen mit dem Modell als Basis sind die Grundlage für nachvollziehbare, wiederholbar gute Ergebnisse.
Neben den drei Sessions, die ich besucht habe, waren es vor allem die fast 20 dokumentierten Gespräche am ersten Tag, die mich mit einem ganzen Blumenstrauß an Aufgaben zurückkehren lassen: mögliche Kooperationen und Ergänzungen zu Jerboa – und die Chance, X++ doch in einen Agenten zu bringen. Das würde die letzte Meile in Jerboa schließen: den DevPrompt direkt an GitHub Copilot schicken, starten lassen und die Entwicklung von einem eigenen Agenten durch Copilot durchführen lassen.
Hands-on, Cosmos und Fußball
Der zweite Tag stand ganz im Zeichen der Videoanalyse – und der größte Unterschied zwischen San Francisco und Portorož sind die Labs. Hands-on, selbst ausführen statt nur zuschauen. Das liebe ich an der Build, und es wäre auch eine Bereicherung für Portorož, Neuigkeiten im Dynamcis-365-Stack direkt in einem Lab umzusetzen. (Vielleicht unser „Stand" im kommenden Jahr?)
Bei NVIDIA habe ich mich in zwei Labs mit den erst zwei Tage zuvor veröffentlichten Cosmos-LLMs beschäftigt – einmal mit Blick auf Jerboa (Videoanalyse zur Aufbereitung von Requirements und Testfällen) und einmal für den Profisport. Für ein Mockup, das ich diese Saison aus einer Laune heraus zur Analyse von Formationen und Aktivitäten im Fußball gebaut hatte, konnte ich das bei NVIDIA gehostete LLM direkt einbinden. Das war mindblowing. Zwar waren die Ergebnisse mangels Skills, Tools und vor allem Fine-Tuning des Systemprompts noch überschaubar – aber genau dafür gab es ja am Vortag die Session zur Optimierung von Agenten.
Heimkehr & Fazit
Und dann die letzte Etappe: heute von mittags bis tief in die Nacht zurück nach Hause, angekommen um 3:30 Uhr.
Es war meine zweite Build in Folge, und ich fliege mit dem Gefühl heim, eine noch bessere erlebt zu haben als im Vorjahr. Dank LLM und Sprachaufzeichnung war es zugleich die am besten dokumentierte Konferenz, die ich je besucht habe – KI macht die Ad-hoc-Dokumentation von Gesprächen auf einem Niveau möglich, das es sonst nur mit maximaler Disziplin und sehr viel Zeit gegeben hätte.
Die eine Erkenntnis
Bleibt die eine Erkenntnis, die ich aus 16 Tagen mitnehme – und bei der ich ganz bewusst gegen den Strom schwimme: Ich teile nicht die Meinung, dass unsere Junioren keine Jobs mehr finden, weil die KI das jetzt erledigt. Im Gegenteil. Wer sich intensiv mit dieser Technologie beschäftigt, lernt automatisch dazu. Den eigenen Horizont zu verschieben und sich Wissen anzueignen war noch nie so einfach wie heute.
Nein, wir sind noch nicht bei E.T. – aber das liegt nicht an der Technik. Es liegt an unserer eigenen Verarbeitungsgeschwindigkeit und an dem Willen, Neues zu probieren, zu begreifen und am Ende auch monetarisiert einzusetzen.
16 Tage, zwei Konferenzen, drei T: Truck, Tracks, Transatlantikflug. Ich würde es sofort wieder tun.
— Geschrieben auf dem Rückflug, irgendwo über dem Atlantik.