galaniprojects-logo-2025

Autor: Andreas Krautzberger

  • Alles wird sich verändern, Agentic Internet – „The Next Big Thing“

    Alles wird sich verändern, Agentic Internet – „The Next Big Thing“

    Das Internet war immer eine Beziehungsgeschichte zwischen Menschen und Information. In den letzten 30 Jahren hat sich diese Beziehung dreimal spürbar verändert.

    PC-Web: „Ich suche, klicke, lese.“

    Stell dir das frühe Web wie ein digitales Telefonbuch vor. Webseiten waren statisch, Infos kamen von wenigen zentralen Anbietern. Du hast etwas gesucht, auf Links geklickt und Texte gelesen.

    Beispiel: „Öffnungszeiten Bürgeramt“ googeln, drei Seiten öffnen, Telefonnummer raussuchen, selbst anrufen.

    Zusammengefasst

    • Gut daran: klar und übersichtlich
    • Weniger gut: langsam – du musstest vieles selbst zusammensuchen
    • Wie wurde Erfolg gemessen? Wie oft Leute klickten (Klickrate) und was ein Klick kostete.

    Mobile Web: „Ich scrolle, mir wird geliefert.“

    Mit Social Media, Kurzvideos und Bewertungen ist die Menge an Inhalten explodiert. Nicht mehr du suchst – Algorithmen empfehlen dir, was „passen könnte“.

    Beispiel: Du öffnest eine App, sie zeigt dir Clips, Produkte und Beiträge – alles kuratiert für dich. Nützlich, aber nicht zwingend zielführend.

    Zusammengefasst

    • Gut daran: bequem und du entdeckst viel
    • Weniger gut: du verbringst schnell viel Zeit mit Scrollen, ohne konkretes Ergebnis
    • Wie wurde Erfolg gemessen? Wie lange du dranbleibst (Watchtime, Verweildauer)

    Agentic Web: „Ich sage, was ich will – ein Agent erledigt es.“

    Jetzt kommt die dritte Phase. KI-Agenten werden zu aktiven Helfern. Statt nur Texte zu zeigen, erledigen sie Aufgaben: Sie holen Infos, kombinieren sie und führen Schritte aus – mit deiner Zustimmung.

    Beispiel: „Erneuere meinen Reisepass.“
    Der Agent findet das richtige Amt, füllt Formulare vor, schlägt Termine vor, erinnert an Fotos – und dokumentiert, was er getan hat.

    Zusammengefasst

    • Gut daran: du beschreibst das Ziel und der Agent übernimmt den Weg
    • Wichtig: du behältst die Kontrolle – der Agent erklärt seinen Plan und fragt nach Freigaben

    Was heißt das für dich konkret?

    Weniger Tab-Chaos, mehr Ergebnisse
    Statt fünf Artikeln und drei Vergleichsseiten bekommst du einen fertigen Vorschlag – mit Begründung und Belegen.

    Mehr „Bitte prüfen & bestätigen“
    Gute Agenten sind transparent: „Ich würde Schritt A, dann B machen. Einverstanden?“ Du siehst die Schritte und kannst jederzeit stoppen.

    Bessere Zeitnutzung
    Erfolg misst sich nicht mehr an Klicks, sondern daran, ob deine Aufgabe erledigt wurde, wie schnell und wie zuverlässig.

    Und für Unternehmen?

    Für Unternehmen bedeutet der Wandel hin zum Agentic Web vor allem eines, weg vom bloßen Informieren, hin zur tatsächlichen Erledigung. Statt Nutzer:innen mit Inhalten allein zu lassen, sollten Angebote konkrete Hilfe liefern – etwa Termine direkt buchen, Widerrufe vorbereiten oder Rückgaben anstoßen.

    Damit das verlässlich funktioniert, brauchen Agenten klare Spielregeln, Budget- und Datenzugriffsgrenzen, transparente Protokolle und nachvollziehbare Schritte, sodass jederzeit ersichtlich ist, was passiert ist.

    Der beste Einstieg ist pragmatisch, mit einem kleinen, nützlichen Use-Case beginnen – zum Beispiel „Rechnung herunterladen“ oder „Retoure anmelden“ – diesen sauber umsetzen, messen, verbessern und erst dann weitere Aufgaben hinzufügen. So entsteht Schritt für Schritt ein Service, der nicht nur informiert, sondern messbar Arbeit abnimmt.

    Wie du heute schon profitierst

    Um heute schon vom Agentic Web zu profitieren, formuliere deine Ziele so konkret wie möglich. Statt „Ich brauche einen Termin“ sagst du zum Beispiel: „Buche mir am Freitag zwischen 9 und 12 Uhr einen Termin im Bezirksamt X.“ Je genauer dein Wunsch, desto gezielter kann der Agent handeln und desto weniger Nachfragen entstehen.

    Setze außerdem klare Grenzen. Lege ein Budget fest und bestimme, worüber der Agent dich vorab informieren soll: „Gib maximal 30 € aus und frag vor jeder Zahlung nach.“ So behältst du die Kontrolle und verhinderst Überraschungen.

    Prüfe das Ergebnis und lass dir kurz erklären, warum der Agent diesen Weg gewählt hat. Eine transparente Begründung („Schritt A, dann B – weil…“) zeigt dir, dass sinnvoll geplant wurde und hilft dir, Vertrauen in die Arbeitsweise des Agents aufzubauen.

    Gib am Ende Feedback – freundlich, aber konkret. Hinweise wie „Das war zu langsam“, „zu teuer“ oder „die Erklärung war unklar“ sind wertvoll. Der Agent (und das dahinterliegende System) kann daraus lernen, damit die nächste Aufgabe schneller, günstiger und verständlicher erledigt wird.

    Melde dich bei uns um mehr zu erfahren

    Neugierig geworden? Entdecke was wir mit KI-Agenten vorhaben und wie wir unsere KI-Software-Qualitätssicherung verbessern – effizienter, intelligenter und flexibler werden.

    Sende eine E-Mail an info@galaniprojects.de

  • Von Symbolen zu Neuronalen Netzen – zwei KI-Welten die zusammenwachsen

    Von Symbolen zu Neuronalen Netzen – zwei KI-Welten die zusammenwachsen

    In der Welt der Künstlichen Intelligenz gibt es zwei große Denkrichtungen, die auf den ersten Blick kaum unterschiedlicher sein könnten, die Symbolische KI und die Generative KI.

    Während die eine auf Logik und Regeln setzt, verlässt sich die andere auf Muster und Wahrscheinlichkeiten. Beide haben Stärken – und beide ihre Grenzen. Genau deshalb arbeiten Forschende heute daran, diese Ansätze zu kombinieren. Das Ergebnis: neurosymbolische KI.

    Symbolische KI – Logik und vordefinierte Regeln

    Symbolische KI war die erste große Ära der KI-Forschung. Systeme dieser Art denken wie Logiker: Sie arbeiten mit vordefinierten Regeln, logischen Ausdrücken und klaren Schlussfolgerungen.
    Wenn ein System weiß, dass „wenn A, dann B“, kann es daraus weitere Schlüsse ziehen. So entstanden z. B. frühe Expertensysteme, die in der Medizin Diagnosen stellten oder in der Industrie Abläufe optimierten.

    Stärken

    • Transparent und gut nachvollziehbar
    • Sehr zuverlässig bei klar strukturierten Problemen

    Schwächen

    • Muss alles explizit wissen – kein selbstständiges Lernen
    • Schwer anpassbar an neue, komplexe Situationen

    Generative KI – Lernen aus Daten

    Generative KI steht für den modernen, datengetriebenen Ansatz: Systeme wie GPT oder DALL·E lernen aus riesigen Mengen an Text, Bildern oder anderen Daten. Sie erkennen Muster und generieren daraus neue Inhalte – sei es ein Text, ein Bild oder eine kreative Idee.

    Stärken:

    • Extrem flexibel
    • Kann aus Beispielen lernen, ohne dass jemand Regeln vorgibt
    • Besonders stark bei Sprache, Bildern oder offenen Fragestellungen

    Schwächen:

    • Oft schwer erklärbar („Black Box“)
    • Kann Fehler oder Halluzinationen produzieren
    • Kein eingebautes logisches Verständnis

    Neurosymbolic AI – Das Beste aus zwei Welten

    Da keiner der beiden Ansätze allein perfekt ist, setzen viele Forscher:innen heute auf neurosymbolische KI. Die Idee:

    Neuronale Netze verstehen und interpretieren unstrukturierte Daten, während symbolische Systeme für Logik, Struktur und Erklärbarkeit sorgen.

    So können KI-Systeme zum Beispiel Freitext analysieren, kreative Ideen entwickeln und gleichzeitig sicherstellen, dass ihre Schlüsse logisch oder regelkonform sind. Dieses Zusammenspiel macht sie besonders interessant für Bereiche wie Medizin, Recht, Bildung oder autonomes Fahren, wo Zuverlässigkeit und Nachvollziehbarkeit entscheidend sind.

    Warum diese Kombination so wichtig ist

    Die Zukunft intelligenter Systeme liegt nicht nur im reinen Lernen, sondern auch im Verstehen und Erklären.

    Neurosymbolische KI bietet genau das:

    • Lernfähigkeit + Logik
    • Kreativität + Struktur
    • Flexibilität + Verlässlichkeit

    Sie bringt damit zwei Welten zusammen, die sich lange gegenüberstanden – und schafft die Grundlage für KI-Systeme, die nicht nur „schlau“, sondern auch vernünftig, transparent und vertrauenswürdig sind.

    Fazit

    • Symbolische KI liefert Regeln und klare Logik.
    • Generative KI bringt Flexibilität und Mustererkennung.

    Neurosymbolische KI verbindet beides – und könnte der Schlüssel zur nächsten großen Entwicklungsstufe künstlicher Intelligenz sein.

    Mehr zu Thema KI in der Qualitätssicherung

    In einem weiteren Artikel zeigen wir, wie wir als Team neurosymbolische Ansätze ganz konkret in der Software-Qualitätssicherung (QA) einsetzen – und wie KI-Agenten dabei helfen, Testprozesse intelligenter und effizienter zu gestalten.

    Lies hier den Artikel KI in der Software-Qualitätssicherung – mehr als nur Testautomatisierung

    Neugierig geworden? Entdecke in unserer Demo, wie wir unsere KI-Software-Qualitätssicherung auf das nächste Level heben – effizienter, intelligenter und flexibler.

    Sende eine E-Mail an info@galaniprojects.de

  • Qualität neu gedacht: Das Software Quality Framework (SQF) von galaniprojects

    Qualität neu gedacht: Das Software Quality Framework (SQF) von galaniprojects

    Automatisiert. Integriert. Effizient.
    Mit dem Software Quality Framework (SQF) hebt galaniprojects die Qualitätssicherung auf ein neues Niveau – durch intelligente Automatisierung, klare Prozesse und nahtlose Integration in bestehende Entwicklungsumgebungen.

    Die Herausforderung: Qualitätssicherung unter Druck

    In vielen Unternehmen sind die Rollen rund um Produktentwicklung, Testing und Abnahme nicht klar getrennt. Entwicklungsteams und Product Owner tragen gleichzeitig Verantwortung für Code, Tests und Qualitätssicherung. Diese Überlastung führt in der Praxis oft dazu, dass essenzielle Maßnahmen – wie systematisches Testen, saubere Dokumentation oder Performance-Optimierung – nur unzureichend umgesetzt werden.

    SQF Ist-Zustand vs. Optimierter Zustand
    Ist-Zustand vs. Optimierter Zustand

    Zudem sind Prozesse häufig durch Medienbrüche gekennzeichnet: User Stories, Testfälle, Automatisierungsskripte und Reports existieren nebeneinander – aber nicht miteinander. Das Resultat: Fehlerhafte Testergebnisse, redundante Arbeit, mangelhafte Dokumentation und unnötige Kosten.

    Unsere Antwort: SQF – ein integriertes Framework für durchgängige Qualität

    Das Software Quality Framework (SQF) wurde bei galaniprojects mit dem Anspruch entwickelt, den gesamten Softwaretestprozess – von der Testfallerstellung bis zur Bugmeldung – vollständig zu automatisieren. Dabei steht nicht die reine Testautomatisierung im Vordergrund, sondern ein ganzheitlicher, KI-gestützter Qualitätsansatz.

    Was SQF leistet – auf einen Blick

    SQF ermöglicht die End-to-End-Automatisierung aller Schritte der Qualitätssicherung:

    • Automatisierte Testfallerstellung auf Basis von Anforderungen (User Stories)
    • Automatisierte Generierung von relevanten Testdaten
    • Vollständige Automatisierung der Testprogrammierung und -durchführung
    • Nahtlose Integration der Testergebnisse in Testmanagement-Systeme

    Das Framework schafft eine strukturierte, skalierbare Umgebung, in der Qualität kein Zusatzaufwand mehr ist – sondern Teil des Prozesses.

    Vom Status Quo zur strukturierten Qualität

    Wo heute noch manuelle Aufgaben Zeit und Ressourcen binden, schafft SQF klare Abläufe, Transparenz und Effizienz. Durch die Integration moderner Tools und Methoden wird Qualitätssicherung zu einem messbaren, nachvollziehbaren und wiederverwendbaren Bestandteil der Softwareentwicklung.

    SQF-Architektur
    SQF-Architektur

    SQF bringt folgende Komponenten zusammen:

    • Ein generisches Testkonzept, das projektübergreifend einsetzbar ist
    • Moderne Tools für Testmanagement und Automatisierung
    • Performance- & Loadtests zur Skalierbarkeit
    • Barrierefreiheitstests für inklusive digitale Produkte
    • KI-Agenten, die Konfigurationen, Testdaten und Automatisierung übernehmen
    • Ein DevOps-kompatibles Setup, das kontinuierliche Integration und Auslieferung ermöglicht

    Warum SQF? Die Vorteile auf einen Blick

    • Effizienzgewinn: Weniger manuelle Tätigkeiten, schnellere Abläufe, geringerer Aufwand
    • Höhere Softwarequalität: Frühzeitige Fehlererkennung und stabile Releases
    • Skalierbarkeit: Für kleine, mittlere und große Teams und Projekte geeignet
    • Technologische Unabhängigkeit: Einsetzbar für alle browserbasierten Systeme
    • Nahtlose Integration: Passt sich Ihrer bestehenden Systemlandschaft an
    • KI-Power: Unsere KI-Agenten übernehmen Routinen, beschleunigen Prozesse und sichern Qualität

    Bewährt in der Praxis – bereit für Ihre Projekte

    Mit über 20 Jahren Erfahrung in der Qualitätssicherung und der Zusammenarbeit mit Industrieunternehmen aller Größenordnungen ist SQF auf eine Vielzahl an Technologien und Plattformen vorbereitet: von Microsoft Dynamics über Salesforce bis hin zu WordPress, Webflow und Blockchain-DApps.

    SQF-Versprechen
    SQF-Versprechen

    Dabei bleibt eines stets im Fokus: Transparente Qualität, die wirkt – und skaliert.

    Sie möchten mehr erfahren oder frühzeitig ein Pilotprojekt starten?
    Kontaktieren Sie uns – wir freuen uns darauf, mit Ihnen gemeinsam die nächste Stufe der Qualitätssicherung zu erreichen.

  • Von Qualitätssicherung zu Künstlicher Intelligenz: Unser Weg zum AI Consulting

    Von Qualitätssicherung zu Künstlicher Intelligenz: Unser Weg zum AI Consulting

    Ein Blick hinter die Kulissen unserer Weiterentwicklung

    Als kleine, spezialisierte Beratungsfirma mit dem Fokus auf Qualitätssicherung, Testmanagement und Projektmanagement haben wir in den letzten Jahren zahlreiche IT-Projekte begleitet, stabilisiert und erfolgreich umgesetzt. Unser Anspruch war dabei stets, mit Know-how, Pragmatismus und einem Auge fürs Detail die technologische und organisatorische Qualität unserer Kundenprojekte sicherzustellen.

    Doch die Anforderungen und Möglichkeiten in der digitalen Welt entwickeln sich rasant weiter – insbesondere im Bereich der Künstlichen Intelligenz. Und genau hier beginnt unsere neue Geschichte.

    Warum AI Consulting?

    Immer mehr Unternehmen erkennen das Potenzial von Künstlicher Intelligenz – sei es in der Automatisierung von Prozessen, in der intelligenten Analyse großer Datenmengen oder im Support durch Chatbots. Doch viele stehen vor der Herausforderung: Wo anfangen? Welche Use Cases sind sinnvoll? Wie behalte ich Kontrolle und Qualität im Projektverlauf?

    Genau an dieser Stelle sehen wir unsere neue Rolle.

    Unser Ansatz: Brücke zwischen Technologie und Umsetzung

    Mit unserer langjährigen Erfahrung in der Strukturierung, Planung und Qualitätssicherung komplexer Projekte bringen wir ideale Voraussetzungen mit, um AI-Projekte sinnvoll zu begleiten. Deshalb haben wir AI Consulting als neues Beratungsfeld in unser Portfolio aufgenommen – nicht als radikalen Neustart, sondern als organische Erweiterung unserer Kompetenz.

    Unser Ziel ist es, Kunden dort abzuholen, wo sie stehen:

    • Wir analysieren gemeinsam Potenziale für den Einsatz von KI in bestehenden Geschäftsprozessen.
    • Wir beraten bei der Auswahl geeigneter Technologien, Tools und Partner.
    • Wir begleiten AI-Projekte methodisch – vom Use Case über den Proof of Concept bis zur erfolgreichen Umsetzung.
    • Und natürlich behalten wir dabei stets Aspekte wie Testbarkeit, Transparenz und Verantwortlichkeit im Blick.

    Erste Erfolge – und ein Blick nach vorn

    In ersten Projekten konnten wir bereits zeigen, wie unser AI Consulting-Ansatz Mehrwert schafft: Ob bei der Einführung von KI-gestützten Analysetools im Reporting, der Automatisierung von Testfällen mit generativer KI oder der Strukturierung eines AI-Projektportfolios – unsere Kunden profitieren von einer pragmatischen, umsetzungsorientierten Begleitung.

    Wir glauben: KI ist kein Hype, sondern eine technologische Entwicklung mit echtem Potenzial. Aber nur dann, wenn sie mit Augenmaß, Struktur und einem klaren Nutzenversprechen eingesetzt wird. Genau dafür stehen wir – auch im neuen Feld des AI Consultings.

    Lust auf einen Austausch?
    Wenn Sie sich fragen, wie Künstliche Intelligenz in Ihrem Unternehmen sinnvoll eingesetzt werden kann, sprechen Sie uns gerne an. Wir bringen nicht nur technisches Verständnis mit – sondern auch das Projekt-Know-how, um Ideen in erfolgreiche Lösungen zu verwandeln.

  • Der Designprozess im agilen Kontext von Scrum

    Der Designprozess im agilen Kontext von Scrum

    Entwicklung nutzerzentrierter Produkte

    Die Entwicklung nutzerzentrierter Produkte erfordert einen strukturierten Designprozess. Im agilen Rahmenwerk von Scrum präsentiert sich dieser Prozess als iterativ und kollaborativ, wie die vorliegende Grafik veranschaulicht.

    Der Designprozess im agilen Kontext von Scrum

    Strategieentwicklung

    Der initiale Schritt umfasst die Strategieentwicklung und die Durchführung von Workshops und Interviews mit Stakeholdern. Diese Phase dient der Definition der Produktvision, der Ziele und der ersten User Stories, die in den Product Backlog einfließen. Sie entspricht der Product Backlog Verfeinerung und der Sprintplanung in Scrum.

    Wettbewerber- und Konzeptanalyse

    Anschließend erfolgt die Wettbewerber- und Konzeptanalyse. Diese dient der Informationsgewinnung und Ideengenerierung für erste Designansätze und kann in den frühen Sprints umgesetzt werden.

    Mockups und UX-Designs

    Die eigentliche Designarbeit innerhalb eines Sprints beginnt mit der Erstellung von Mockups und UX-Designs. Wireframes und Prototypen visualisieren die Benutzerführung und Interaktionen und werden im Sprint Review präsentiert.

    Grafik- und UI-Design

    Darauf aufbauend wird in weiteren Sprints das Grafik- und UI-Design entwickelt. Die Grafik zeigt, dass Korrekturen basierend auf Feedback zu Anpassungen in vorherigen Designphasen führen. Diese Iterationen sind ein zentrales Element des Scrum-Prozesses.

    Implementierung

    Parallel zur Designentwicklung erfolgt die Implementierung durch das Entwicklungsteam. Eine enge Abstimmung zwischen Design und Entwicklung ist für die erfolgreiche Umsetzung der Designspezifikationen entscheidend.

    Testing

    Nach der Implementierung erfolgt das Testing. Das Feedback aus Usability- und technischen Tests wird erfasst und fließt in den Product Backlog ein, um in zukünftigen Sprints adressiert zu werden.

    A/B-Testing

    Ein Instrument zur Optimierung des Designs ist das A/B-Testing, bei dem verschiedene Designvarianten mit Nutzern verglichen werden, um datenbasierte Entscheidungen für nachfolgende Sprints zu treffen.

    Launch

    Der Launch des Produkts markiert die Freigabe eines Inkrements. Der iterative Prozess setzt sich jedoch nach dem Launch durch kontinuierliches Testing und A/B-Testing fort.

    Zusammenfassend lässt sich festhalten: Der Designprozess im Scrum-Umfeld ist durch Iteration, frühes Feedback und die enge Zusammenarbeit des Teams gekennzeichnet. Anstelle eines linearen Vorgehens ermöglicht dieser agile Ansatz eine flexible und nutzerzentrierte Produktentwicklung, bei der Designentscheidungen kontinuierlich überprüft und angepasst werden.

  • UI/UX-Design: Agentur vs. Konzern

    UI/UX-Design: Agentur vs. Konzern

    Mal Agentur-Hektik, mal Konzern-Regeln

    User Interface (UI) und User Experience (UX) Design – ein echt spannendes Feld. Aber ob du da in einer quirligen Agentur sitzt oder in einem großen Konzern, das ist schon ein Unterschied wie Tag und Nacht.

    Die Agentur: Viel Abwechslung

    In einer Agentur? Da purzeln die Projekte nur so rein, für die unterschiedlichsten Auftraggeber. Heißt konkret:

    • Fexibilität und Neugier: Jeden Tag eine neue Branche, ein neues Produkt, eine neue Herausforderung. Da wird’s echt nicht langweilig.
    • Schnelligkeit ist keine Hexerei: Vom ersten Konzept bis zum Launch, das kann ganz schön schnell gehen.
    • Direkt am Ohr des Kunden: Du redest viel mit dem Kunden, kriegst direktes Feedback. Deine Designs müssen deren Wünsche treffen, das ist super wichtig.
    • Backend? Eher Nebensache: Um das „was unter der Haube steckt“ kümmern sich meistens die Entwickler. Dein Fokus liegt klar auf dem, was der Nutzer sieht und erlebt.

    Der Konzern: Langfristig und nachhaltig

    Im Konzern ticken die Uhren oft anders:

    • Experte werden: Du arbeitest meistens an größeren, langfristigen Sachen oder entwickelst bestehende Produkte weiter. Da kannst du richtig tief in die Materie eintauchen.
    • Alles hat seine Ordnung: Prozesse sind meistens klar geregelt, es gibt Designsysteme und Richtlinien, damit alles einheitlich aussieht.
    • Der „Kunde“ sitzt im Haus: Dein Auftraggeber ist oft intern – Produktmanager, Marketing-Leute usw. Deine Aufgabe ist es, die Bedürfnisse der Endnutzer zu vertreten, aber eben im Rahmen der Unternehmensziele.
    • Backend wird wichtig: Gerade bei komplexeren Systemen spielt das Backend eine größere Rolle. Du arbeitest eng mit den Backend-Entwicklern zusammen, damit am Ende alles reibungslos funktioniert.

    Das Backend: Mehr als nur Datenspeicher

    Egal wo du bist, das Backend-Design ist super wichtig, auch wenn man es nicht direkt sieht. Es geht darum, wie die Daten organisiert sind und wie sie für die Benutzeroberfläche bereitgestellt werden. Ein gutes Backend sorgt dafür, dass alles flüssig läuft und auch bei vielen Nutzern nicht zusammenbricht. Als UI/UX-Designer musst du zumindest eine Ahnung davon haben, was im Hintergrund möglich ist (und was nicht), damit deine Designs auch funktionieren.

    Die Verantwortung: Für den Nutzer, klar!

    Ob Agentur oder Konzern, am Ende designst du für Menschen. Es geht darum, deren Probleme zu lösen und ihnen eine gute Erfahrung zu bieten. Das heißt, du musst dich in die Nutzer hineinversetzen, gut kommunizieren können und deine Designentscheidungen auch mal erklären und verteidigen.

    Unterm Strich

    UI/UX-Design ist in beiden Welten – Agentur und Konzern – total spannend und bietet viele Möglichkeiten. In der Agentur ist es oft bunter und schneller, im Konzern dafür vielleicht etwas ruhiger und spezialisierter. Aber am Ende zählt immer: Das Design muss passen, das Backend muss laufen und die Nutzer müssen zufrieden sein!

IT-Blog | galaniprojects GmbH | AI | DEV | QA | PM |
Powered by  GDPR Cookie Compliance
Datenschutz-Übersicht

Diese Website verwendet Cookies, damit wir dir die bestmögliche Benutzererfahrung bieten können. Cookie-Informationen werden in deinem Browser gespeichert und führen Funktionen aus, wie das Wiedererkennen von dir, wenn du auf unsere Website zurückkehrst, und hilft unserem Team zu verstehen, welche Abschnitte der Website für dich am interessantesten und nützlichsten sind.