Künstliche Intelligenz
GenAI im Unternehmen: Das bestehende .NET-Fundament verwenden
Echten Nutzen bringt generative KI nicht bei individuellen Experimenten und Prototyping, sondern dann, wenn bestehende Softwareprodukte, Plattformen und Geschäftsprozesse gezielt durch GenAI erweitert werden.
Weiterlesen nach der Anzeige

Rainer Stropek ist IT-Unternehmer, Softwareentwickler, Trainer, Autor und Vortragender im Microsoft-Umfeld. Er ist seit 2010 MVP für Microsoft Azure und entwickelt mit seinem Team die Software Time Cockpit.
Oft bilden hier C# und .NET das Fundament zahlreicher ERP-naher Systeme, Individualanwendungen und Standardprodukte. Rund um diese Plattform existieren umfangreiches Know-how, stabile Build- und Deployment-Pipelines sowie erprobte Betriebs- und Sicherheitskonzepte. Diese Investitionen sind langfristig angelegt und lassen sich nicht ohne Weiteres ersetzen.
Statt also komplette Systeme für GenAI neu zu entwickeln, sollen bestehende Anwendungen durch Assistenzfunktionen, kontextbezogene Unterstützung, teilautomatisierte Workflows oder Copilot-ähnliche Erweiterungen intelligenter werden. Dafür müssen Large Language Models (LLMs) nahtlos in bestehende Architekturen integrierbar sein.
Der Kontext zählt: GenAI als Experiment oder im Produktiveinsatz
Hier zeigt sich der Unterschied zwischen Experiment und Produktivsystem. Ein Proof of Concept lässt sich schnell in Python umsetzen. Für produktive Systeme zählen jedoch andere Kriterien: Integration in bestehende Authentifizierungsmechanismen, Zugriff auf interne Services und Datenbanken, Wiederverwendung bestehender Bibliotheken, sauberes Logging, reproduzierbare Builds und klar geregelter Betrieb. Jede zusätzliche Sprache und jede neue Toolchain erhöhen die Komplexität und damit Aufwand und Risiko.
Aus dieser Perspektive ist .NET für GenAI-Anwendungen hochrelevant. Nicht, weil .NET grundsätzlich besser für KI geeignet wäre, sondern weil es den Übergang vom Experiment zur produktiven Anwendung deutlich vereinfacht. Bestehende Teams können mit bekannten Werkzeugen arbeiten, vorhandene Infrastruktur bleibt nutzbar, Governance- und Sicherheitsanforderungen lassen sich leichter einhalten.
Gleichzeitig gilt: .NET ist selten die erste Wahl für KI-nahe Forschung, Modelltraining oder frühe Exploration. In diesen Bereichen dominieren Python und zunehmend auch TypeScript. Neue Frameworks und APIs erscheinen dafür meist zuerst.
Weiterlesen nach der Anzeige
Für produktive GenAI-Systeme in Unternehmen hingegen ist .NET häufig die naheliegende Plattform, vorausgesetzt, geeignete SDKs stehen zur Verfügung. Niemand möchte auf Protokollebene mit HTTP-Requests, JSON-Parsing und asynchronen Event-Streams arbeiten, nur um ein LLM anzubinden.
Gut gepflegte .NET-SDKs sind deshalb kein Luxus, sondern ein Enablement-Faktor. Sie bestimmen, ob bestehende Entwicklungsteams GenAI schnell, sicher und wartbar integrieren können oder ob unnötige Reibungsverluste entstehen. Wie gut die aktuelle SDK-Landschaft diesen Anspruch heute erfüllt, zeigt der Blick auf die verfügbaren Anbieter und Abstraktionen.
Die SDK-Landschaft für Large Language Models aus .NET-Sicht
Wer ein LLM mit .NET nutzen möchte, trifft heute auf eine deutlich vielfältigere SDK-Landschaft als noch vor einem Jahr. Doch nicht alle verfügbaren SDKs sind gleichwertig und nicht jedes eignet sich für produktive Anwendungen.
Die folgende Abbildung stellt den Zusammenhang zwischen Basis-SDKs, LLM-Proxies, Agenten-Schicht, Präsentationsschicht und MCP dar. Auf diese Punkte gehen die folgenden Kapitel genauer ein. Dabei beschäftigt sich der Artikel insbesondere damit, wie gut die SDK-Landschaft aus .NET-Sicht aufgestellt ist.

Verortung von Basis-SDKs, LLM-Proxies, Agenten-Schicht, Präsentationsschicht und MCP.
Lange Zeit waren offizielle SDKs für Large Language Models fast ausschließlich für Python und TypeScript verfügbar. Das beginnt sich zu ändern. Inzwischen stellen mehrere große Modellanbieter .NET-SDKs bereit, die sich für produktive Anwendungen eignen.
Die ersten ernstzunehmenden C#-SDKs für die OpenAI-API entstanden nicht direkt bei OpenAI selbst, sondern bei Microsoft als Teil der engen strategischen Partnerschaft zwischen beiden Unternehmen. Sie wiesen jedoch noch Schwächen auf. Nach einer Übergangsphase übernahm OpenAI selbst die Verantwortung. Heute wird das offizielle C#-SDK direkt von OpenAI gepflegt und als reguläres NuGet-Paket veröffentlicht. Microsoft stellt ergänzend ein begleitendes Paket bereit. Es erleichtert unter anderem Authentifizierung, Konfiguration und Integration mit OpenAI in Azure Foundry, ist jedoch optional. Die Kernfunktionalität für den Zugriff auf OpenAI-Modelle liegt heute eindeutig im offiziellen OpenAI-SDK selbst.
Anthropic stellt ein offizielles C#-SDK bereit, das aktuell noch als Beta gekennzeichnet ist, jedoch bereits gut nutzbar ist. Google bietet mit seinem GenAI-SDK eine offizielle .NET-Anbindung für Gemini-Modelle, sowohl für Google AI als auch für Vertex AI. Auch für andere LLM-Anbieter existieren heute offizielle, vom Hersteller gepflegte .NET-SDKs.
Die größte Reife und Verbreitung besitzt aber das OpenAI-SDK. Das zugehörige GitHub-Repository verzeichnet mehrere Tausend Sterne und das NuGet-Paket kommt auf fast 35 Millionen Downloads.
Neben den offiziellen SDKs existiert eine Vielzahl an Community- und Open-Source-SDKs. Eine besondere Rolle spielt hier das Projekt tryAGI, das auf Basis von OpenAI-Spezifikationen systematisch C#-SDKs für eine Vielzahl von LLM-Anbietern generiert.
Auf diese Weise stehen für viele Modelle SDKs zur Verfügung, für die es keine offiziellen .NET-Bibliotheken gibt, darunter auch Anbieter wie Mistral und Plattformen wie Ollama. Der Ansatz ist pragmatisch: Die SDKs sind konsistent aufgebaut, schnell verfügbar und decken in der Regel die grundlegenden API-Funktionen zuverlässig ab. Allerdings haben sie Grenzen: Generierte SDKs folgen relativ streng der jeweiligen API-Spezifikation mit keinen oder begrenzten manuellen Anpassungen, weshalb fortgeschrittene API-Funktionen manchmal nur holprig oder gar nicht verfügbar sind. Auch die langfristige Wartung hängt nicht vom Modellanbieter selbst ab, sondern vom Engagement der Community.
Für einfache Anwendungsfälle sind solche SDKs oft vollkommen ausreichend. Für komplexere, interaktive oder langfristig betriebene Systeme sollte man jedoch genau prüfen, ob ein Community-SDK den eigenen Anforderungen genügt.
Proxies und Kompatibilitätsschichten: Abstraktion statt Anbieterbindung
Eine weitere Kategorie bilden Proxies und Kompatibilitätsschichten, die versuchen, unterschiedliche Modellanbieter hinter einer einheitlichen API zu bündeln. Ein prominentes Beispiel dafür ist LiteLLM, das eine OpenAI-kompatible API bereitstellt und Anfragen an eine Vielzahl von Modellen weiterleitet.
Für .NET-Entwicklerinnen und -Entwickler kann dieser Ansatz attraktiv sein, da sie OpenAI-SDKs verwenden können. Oft genügt es, die Base-URL zu ändern und andere Modellnamen zu konfigurieren. Ähnlich verhält es sich bei lokal betriebenen Modellen über Ollama, das ebenfalls OpenAI-kompatible Endpoints bereitstellt.
Diese Abstraktion erleichtert den Wechsel zwischen Modellen und Anbietern, hat jedoch ihren Preis. Kompatibilitätsschichten orientieren sich in der Regel am kleinsten gemeinsamen Nenner der unterstützten APIs. Neuere oder anbieterspezifische Features werden häufig nur eingeschränkt unterstützt oder fehlen ganz. Besonders bei neueren API-Varianten oder fortgeschrittenen Funktionen kann es hier zu spürbaren Einschränkungen kommen.
Künstliche Intelligenz
NASA-Chef Isaacman kündigt Mondbasis und Marsraumschiff mit Atomantrieb an
Eine Präsenz auf dem Mond statt in seinem Orbit: Jared Isaacman, Chef der US-Raumfahrtbehörde National Aeronautics And Space Administration (NASA), hat neue Pläne für das US-Mondprogramm vorgestellt. Die NASA will demnach eine dauerhafte Kolonie auf dem Mond errichten.
Weiterlesen nach der Anzeige
„Die NASA hat das Ziel gesetzt, wieder das fast Unmögliche zu erreichen: noch vor Ablauf der Amtszeit von Präsident Trump zum Mond zurückzukehren, eine Mondbasis zu errichten, eine dauerhafte Präsenz aufzubauen und alles andere zu tun, was nötig ist, um die amerikanische Führungsrolle im Weltraum zu sichern“, sagte Isaacman. Sieben Jahre soll der Bau der Mondkolonie dauern und 20 Milliarden US-Dollar kosten.
Der Bau der Mondbasis soll in drei Phasen erfolgen: In der ersten will die NASA Fahrzeuge und andere Technik zur Erprobung auf den Mond bringen. Im nächsten Schritt soll auf dem Mond eine teilweise bewohnbare Infrastruktur entstehen, die regelmäßige Astronautenmissionen ermöglichen soll. Im letzten Schritt schließlich soll eine Basis entstehen, die dauerhaft bewohnt sein soll. Bei dem Projekt will die NASA auch Technik der Raumfahrtagenturen Italiens, Japans und Kanadas einsetzen.
Für die Mondkolonie will die NASA auf den Bau der Raumstation Gateway verzichten. Die Raumstation sollte in einer Mondumlaufbahn errichtet werden und als Zwischenstation für Missionen zum Mond und später zum Mars dienen. Für die Europäische Raumfahrtagentur (European Space Agency, ESA) ist das eine schlechte Nachricht: Sie sollte am Bau der Station beteiligt sein.
Konkurrenzkampf der Weltraummächte
Die NASA sieht sich in Konkurrenz mit anderen Weltraummächten, allen voran China, das ebenfalls bemannte Mondmissionen sowie die Errichtung einer Mondbasis plant. „Die Uhr tickt in diesem Wettstreit der Großmächte“, sagte Isaacman. „Erfolg oder Scheitern werden in Monaten und nicht in Jahren gemessen.“
Isaacmans neuer Zeitplan ist ehrgeizig: Die Amtszeit von US-Präsident Donald Trump endet mit der Amtsübernahme seines Nachfolgers im Januar 2029. Im Februar verkündete die NASA, erst bei der übernächsten Artemis-Mission auf dem Mond landen zu wollen. Artemis-3 soll demnach 2027 starten und verschiedene Tests als Vorbereitung auf die Mondlandung der Artemis-4-Mission durchführen. Diese hat Trump für 2028 festgesetzt.
Weiterlesen nach der Anzeige
Laut Isaacman soll in den Folgejahren jeweils „mindestens eine Mondlandung pro Jahr“ stattfinden. Im Februar sprach die NASA sogar von der Möglichkeit einer zweiten Mondlandung im Jahr 2028. Aktuell hat die NASA jedoch Probleme, die Artemis-2-Mission auf den Weg zu bringen, die mit einer vierköpfigen Crew an Bord den Mond umrunden soll. Nach mehreren Startverschiebungen soll Artemis-2 am 1. April starten.
Neben der Mondbasis kündigte Isaacman weitere Projekte an: So will die NASA ein Raumschiff mit Nuklearantrieb auf dem Weg zum Mars bringen. Space Reactor-1 Freedom soll spätestens Ende 2028 starten. Es soll mehrere Hubschrauber wie den überaus erfolgreichen Ingenuity auf dem Mars absetzen.
Daneben will die NASA die auch nach dem Ende der Internationalen Raumstation (International Space Station, ISS) eine menschliche Präsenz im niedrigen Erdorbit sicherstellen. Der ISS-Nachfolger soll zumindest in Teilen von Privatunternehmen gebaut und betrieben werden.
(wpl)
Künstliche Intelligenz
Spotify führt SongDNA als Beta ein: Neue Wege zur Musikentdeckung
Die neue Beta-Funktion SongDNA steht Premium-Nutzerinnen und -Nutzern ab sofort weltweit in den mobilen Spotify-Apps zum Ausprobieren zur Verfügung. Mit dem Feature sollen sie das „komplexe Netzwerk aus Menschen und kreativen Verbindungen hinter der Musik, die sie lieben“, erkunden können.
Weiterlesen nach der Anzeige
Wer mit wem?
Spotifys neue SongDNA-Funktion liefert tiefergehende Informationen darüber, wer an der Entstehung eines Songs beteiligt war – einschließlich der Songwriter, Produzenten, Samples und Interpolationen (Abwandlungen in Samples). Die Funktion soll auch dazu in der Lage sein, Coverversionen, zu denen ein Song inspiriert hat, anzuzeigen.
Zudem können sich Nutzer jeden Künstler in der interaktiven Ansicht ansehen, um herauszufinden, mit welchen anderen Künstlern sie zusammengearbeitet haben. So könne man Spotify zufolge etwa „Verbindungen zwischen den Titeln nachgehen und sehen, wie sich Künstler, Epochen und Genres überschneiden – so bekommst du ein tieferes Verständnis dafür, wie das, was du gerade hörst, entstanden ist“. SongDNA ergänzt die bestehende Funktion „Über den Song“.
Informationen von Künstlern und der Community
Um sich die Funktion anzeigen zu lassen, muss man in der mobilen App die „Now Playing“-Ansicht öffnen und anschließend von unten nach oben wischen. Unterhalb der Songtextanzeige ist SongDNA zu finden. Ein Tap darauf öffnet eine neue Ansicht, in der man nun horizontal durch die Mitwirkenden scrollen kann. Unterhalb dieser Übersicht zeigt die App außerdem noch, in welchen Songs Samples des Liedes genutzt wurden und welche Künstler es gecovert haben.
Weiterlesen nach der Anzeige

(Bild: Spotify)
Für Spotify-Nutzer könnte die neue Funktion möglicherweise dazu beitragen, den eigenen Musikhorizont abseits der üblichen Algorithmen zu erweitern und zu erfahren, in welchen anderen Projekten die Musiker und Produzenten der Lieblingsbands noch mitgewirkt haben.
Laut Spotify basieren die Informationen von SongDNA auf einer Kombination aus Informationen, die das Unternehmen von Künstlern und ihren Teams erhalten hat und aus Daten aus der Community – auch Daten der von Spotify Ende 2025 übernommenen Musikdatenbank WhoSampled werden einbezogen. Spotify plant, die Funktion in der Beta-Phase weiterzuentwickeln. Im Zuge dessen können „berechtigte Künstler- und Label-Teams die Bestandteile von SongDNA in der Funktion Spotify for Artists einsehen und verwalten, um sicherzustellen, dass sie direkten Einfluss darauf haben, wie ihre musikalische Geschichte erzählt wird“, heißt es weiter.
Lesen Sie auch
(afl)
Künstliche Intelligenz
Verbesserte Produktion in China: Apple spart Wasser beim MacBook Neo
Im Rahmen der Einführung des MacBook Neo hat Apple auch an seinen Produktionsverfahren gearbeitet. So wird das Gehäuse in einem neuartigen „materialeffizienten Umformverfahren“ hergestellt, wie Apple angibt. Dabei wird laut dem Konzern nur noch die Hälfte an Alu als Ausgangsmaterial „gegenüber herkömmlichen Zerspanungsmethoden“ benötigt. Gänzlich recycelt ist der Stoff allerdings nicht: Hier erreicht Apple aktuell aber einen Faktor von 90 Prozent. Was bislang noch nicht bekannt war: Das Neo soll auch beim Wasserverbrauch in der Herstellung deutlich umweltfreundlicher sein.
Weiterlesen nach der Anzeige
Viermal Wasser des Westsees
Angaben dazu macht Apple auf seiner chinesischsprachigen Presse-Website. Man habe einen neuen „Closed Loop“-Prozess für den Eloxierprozess entwickelt, schreibt der Konzern dort. Er wird bei den verwendeten Fertigern – Apple erwähnt Foxconn – in China verwendet. „Closed Loop“ heißt, dass weniger Wasser verloren gehen soll. Allerdings ist auch das nicht perfekt: Die Wasserrecyclingrate liegt derzeit bei 70 Prozent im Produktionsprozess für das Neo.
Insgesamt soll Apple bei seinen Fertigern mit dieser und anderen Maßnahmen 55 Milliarden Liter Trinkwasser eingespart haben. Das entspricht rund dem vierfachen Wasservolumen des bekannten Westsees in Zhejiang. Laut Aussagen von Operations-Chef (COO) Sabih Khan arbeitet mit allen chinesischen Lieferanten zusammen, um „die wertvollste Ressource der Welt“ zu schützen. Der neue Alu-Prozess sei hier ein nächster Schritt, der ein 100 Jahre altes, traditionell wasserintensives Industrieverfahren verändere.
Sauberes Trinkwasser fehlt
Apple hatte vor 13 Jahren das sogenannte Clean Water Project für China gestartet. Dabei soll möglichst wenig Trinkwasser in die Prozesse des Konzerns gelangen, stattdessen Wasser recycelt werden. Zudem werden Lieferanten in den Bereichen Wassermanagement und Ökodesign trainiert. Bei Foxconn entstand so auf dem Campus in Longshua ein Gartenprojekt, bei dem Regenwasser gereinigt und wiederverwendet wird.
Das Thema Trinkwasser ist in China besonders wichtig. So wird auch in Großstädten wie Peking immer noch davon abgeraten, Leitungswasser direkt zu trinken, da dieses belastet sein kann.
Weiterlesen nach der Anzeige
(bsc)
-
Künstliche Intelligenzvor 3 MonatenSchnelles Boot statt Bus und Bahn: Was sich von London und New York lernen lässt
-
Social Mediavor 3 WochenCommunity Management und Zielgruppen-Analyse: Die besten Insights aus Blog und Podcast
-
Social Mediavor 1 MonatCommunity Management zwischen Reichweite und Verantwortung
-
Künstliche Intelligenzvor 1 Monat
Top 10: Die beste kabellose Überwachungskamera im Test – Akku, WLAN, LTE & Solar
-
UX/UI & Webdesignvor 2 MonatenEindrucksvolle neue Identity für White Ribbon › PAGE online
-
Künstliche Intelligenzvor 3 MonatenAumovio: neue Displaykonzepte und Zentralrechner mit NXP‑Prozessor
-
Künstliche Intelligenzvor 3 MonatenÜber 220 m³ Fläche: Neuer Satellit von AST SpaceMobile ist noch größer
-
Künstliche Intelligenzvor 2 MonateneHealth: iOS‑App zeigt Störungen in der Telematikinfrastruktur
