Beobachtetes Signal · 22. Apr. 2026 · Podcast Episode · Quelle: The Pragmatic Engineer · Relevanz: 1/5 · Sentiment: Neutral
Martin Kleppmann über datenintensive Systeme im Podcast
Eine Podcast-Episoden des Pragmatic Engineer vom 22. April 2026 beleuchtet mit dem Forscher und Autor Martin Kleppmann die frisch veröffentlichte zweite Auflage von Designing Data‑Intensive Applications. Im Fokus stehen praktische Lehren aus Systementwicklungen bei Rapportive und LinkedIn, der Einfluss von Kafka, Cloud-getriebene Veränderungen bei der Skalierung sowie die abnehmende Notwendigkeit manuellen Shardings bei anhaltender Bedeutung von Replikation. Zudem erläutert Kleppmann die Reduzierung von MapReduce-Inhalten zugunsten moderner Frameworks wie Spark und Flink. Weitere Themen umfassen aktuelle Forschungsrichtungen wie LLM-gestützte formale Verifikation, die Herausforderungen von Local‑First-Software mit dezentraler Zugriffskontrolle sowie kryptografische Ansätze für Supply‑Chain-Transparenz. Die Episode ist auf YouTube, Spotify und Apple Podcasts verfügbar.
Informatives Interview über verteilte Systeme und Dateninfrastruktur; liefert nützlichen Kontext für Ingenieure, hat jedoch nur begrenzten direkten Einfluss auf die AdTech-Branche.
Marktsignale zu LinkedIn in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Martin Kleppmann veröffentlichte im April 2026 eine stark aktualisierte zweite Auflage von Designing Data‑Intensive Applications.
- The Pragmatic Engineer veröffentlichte am 22. April 2026 ein Podcast-Gespräch mit Martin Kleppmann auf YouTube, Spotify und Apple Podcasts.
- Laut Kleppmann hat die Cloud den Bedarf an manuellem Sharding für die meisten Teams reduziert, während Replikation für Fehlertoleranz zentral bleibt.
- Die Neuauflage reduziert die Abdeckung von MapReduce zugunsten moderner Systeme wie Spark und Flink und behält MapReduce primär als Lernreferenz bei.
- Kleppmann sieht Potenzial von LLMs für praktische formale Verifikation und erforscht Local‑First-Software sowie kryptografische Methoden für Supply‑Chain-Transparenz.
Verknüpfte Unternehmen
1 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Designing Data-Intensive Applications: Auszug zu Cloud und Ethik
Ein Auszug aus der für 2026 geplanten zweiten Auflage des Standardwerks „Designing Data-Intensive Applications“ von Martin Kleppmann und Chris Riccomini wurde am 5. Mai 2026 via The Pragmatic Engineer veröffentlicht. Der Auszug beleuchtet zentrale Inhalte aus Kapitel 1 zu Architekturen und Abwägungen zwischen Cloud und Self-Hosting sowie aus Kapitel 14 zur Ethik. Thematisiert werden Cloud-native Designmuster wie Objektspeicher, virtuelle Festplatten, Compute-Storage-Disaggregation und Multitenancy sowie operative Veränderungen durch DevOps und SRE. Zudem widmet sich das Ethikkapitel der Verantwortung bei Predictive Analytics, algorithmischem Bias, automatisierten Entscheidungen, Überwachungsrisiken und gesellschaftlichen Feedback-Loops. Die neue Auflage aktualisiert das Werk für das Zeitalter von Cloud und KI, während die Kernprinzipien verlässlicher Datensysteme gewahrt bleiben.
Pragmatic Engineer Podcast: Maggie Appleton über Design Engineering und KI
In dieser Ausgabe des Pragmatic Engineer Podcasts spricht Host Gergely Orosz mit Maggie Appleton, Staff Research Engineer bei GitHub Next. Appleton beleuchtet ihren Werdegang von der Kulturanthropologie zum Design Engineering und analysiert, wie Künstliche Intelligenz Designprozesse grundlegend transformiert. Sie liefert praxisnahe Ansätze zum Einsatz von Notebooks und sogenannten Jigs für das Prototyping und betont, wie essenziell das Verständnis technischer Engineering-Restriktionen für Designer ist. Zudem prägt sie das Konzept des ‚Capability Gaslighting‘, welches das Phänomen beschreibt, dass KI-Modelle durch anfängliche Spitzenleistungen überzeugen, bei komplexen Aufgaben jedoch unerwartet scheitern. Das Gespräch vertieft neuartige Interaktionsmodelle für die Mensch-KI-Kollaboration und empfiehlt Entwicklern, KI-Agenten als iterative Lernwerkzeuge für Designprinzipien zu nutzen.
Stripe-Engineering-Manager teilt Enterprise-AI-Playbook für internen KI-Agenten Kai
In einer Episode des Podcasts 'How I AI' erläutert Sharadh Krishnamurthy, Engineering Manager bei Stripe, Entwicklung und Skalierung von Kai – dem internen KI-Agenten, den wöchentlich über 10.000 Mitarbeitende nutzen. Er beleuchtet, warum sich das Unternehmen bewusst gegen Standardsoftware und für Eigenentwicklung entschied, welche Governance-Mechanismen wie 'Projekte' essenziell sind und wie eine sichere Datenabfrage im großen Maßstab architektonisch gelingt. Die Episode behandelt praxisnah Themen wie Skills-Plattformen, Security Sandboxing sowie wertvolle Lektionen aus fast beeinträchtigten Produktionssystemen. Das Playbook vermittelt fundierte Einblicke in Kontextsteuerung, Governance und gemeinsame Infrastruktur für Enterprise AI.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.