25 Informatikkonzepte für Nicht-Ingenieure erklärt

Software steuert Gehaltsabrechnungen, leitet Rettungswagen, berechnet Flugpreise und entscheidet, welche Beiträge in Ihrem Feed erscheinen. Trotzdem bleibt das Vokabular derjenigen, die es entwickeln, für fast alle anderen undurchsichtig. Wenn ein Ingenieur sagt, ein Feature sei "auf eine API-Abhängigkeit blockiert" oder dass ein Fix "Latenz hinzufügen" wird, nicken die meisten Kollegen zustimmend, ohne ein klares Bild davon zu haben, was diese Worte bedeuten. Diese Lücke hat reale Kosten. Manager genehmigen Zeitpläne, die sie nicht bewerten können. Marketer schreiben Texte über Produkte, die sie nicht genau beschreiben können. Gesetzgeber regulieren Systeme, über die sie nicht nachdenken können.

Die gute Nachricht ist, dass die Kernideen der Informatik nicht mathematikintensiv oder unzugänglich sind. Sie sind im Kern Ideen über Organisation: wie man eine Aufgabe präzise beschreibt, wie man Informationen speichert, damit sie wiedergefunden werden können, wie man Arbeit unter vielen Händen aufteilt und wie man damit umgeht, wenn etwas schiefgeht. Ein Rezept ist ein Algorithmus. Ein Bibliothekskatalog ist ein Index. Eine Garderobe ist eine Hash-Tabelle mit einem menschlichen Betreuer. Die Mechanik ist unbekannt, aber die Logik nicht.

Diese Liste deckt 25 Konzepte ab, die ständig in Arbeitsplätzen, Nachrichten und Alltagsprodukten auftauchen. Einige erklären, wie Computer Informationen darstellen — Binär, Bits und Kompression. Einige erklären, wie Software erstellt und gewartet wird — Versionskontrolle, Debugging und technologische Schulden. Andere erklären das Internet selbst — IP-Adressen, DNS, Cookies und das Client-Server-Modell. Eine letzte Gruppe behandelt die Ideen hinter der modernen künstlichen Intelligenz, einschließlich maschinellem Lernen und neuronalen Netzen.

Jeder Eintrag steht für sich allein. Sie können sie der Reihe nach lesen oder zu dem Begriff springen, den Sie heute Morgen in einem Meeting gehört haben. Keines erfordert Vorwissen, und keines verlangt, dass Sie eine Zeile Code schreiben. Das Ziel ist nicht, Sie zu einem Programmierer zu machen. Es soll Ihnen ein funktionierendes mentales Modell der Systeme geben, auf die Sie bereits angewiesen sind, damit Sie das nächste Mal, wenn ein Ingenieur erklärt, warum etwas schwierig, langsam oder teuer ist, genau verstehen, was er meint.

Credit: Startup Stock Photos  /  Pexels

Ein Algorithmus ist eine präzise Abfolge von Schritten zur Erfüllung einer Aufgabe. Das ist die gesamte Definition. Ein Rezept für Bananenbrot ist ein Algorithmus. Ebenso die Anweisungen, die Ihre Navigations-App vorliest, und die Methode der schriftlichen Division, die Sie in der Schule gelernt haben. In der Datenverarbeitung sind Algorithmen wichtig, weil Computer nicht improvisieren können. Eine Person, der gesagt wird, "sortiere diese Dateien", wird es herausfinden. Ein Computer benötigt jeden Schritt erklärt: Vergleiche zwei Elemente, entscheide, welches zuerst kommt, tausche sie gegebenenfalls, wiederhole.

Das Wort trägt eine Aura des Geheimnisses in öffentlichen Diskussionen — "der Algorithmus", der entscheidet, was Sie in sozialen Medien sehen — aber es gibt keinen einzigen Algorithmus irgendwo. Jede App enthält Tausende davon, die jeweils eine enge Aufgabe erfüllen: einer bewertet Beiträge, einer komprimiert Bilder, einer überprüft Ihr Passwort, einer ermittelt die schnellste Route, um Daten über ein Netzwerk zu senden.

Was einen guten Algorithmus von einem schlechten unterscheidet, ist meist die Effizienz. Überlegen Sie, wie Sie einen Namen in einem gedruckten Telefonbuch nachschlagen. Sie könnten auf Seite eins beginnen und jeden Eintrag scannen, bis Sie ihn finden. Oder Sie könnten in die Mitte öffnen, sehen, ob Ihr Name alphabetisch früher oder später kommt, und die Hälfte des Buches in einem Zug verwerfen. Wiederholen, und Sie finden jeden Namen in einem Buch mit einer Million Einträgen in etwa 20 Schritten. Beide Methoden funktionieren. Eine ist dramatisch schneller.

Informatiker verbringen ihre Karrieren mit genau dieser Art von Vergleich, weil der Unterschied in großem Maßstab enorm ist. Ein ineffizienter Ansatz, der bei 100 Datensätzen gut funktioniert, kann bei 100 Millionen Stunden dauern. Wenn Ingenieure darüber diskutieren, welchen Algorithmus sie verwenden sollen, debattieren sie über Kompromisse: Geschwindigkeit versus Speicherverbrauch, Einfachheit versus Leistung, Durchschnittsverhalten versus schlechtestes Verhalten.

Der praktische Rat für Nicht-Ingenieure: Wenn jemand „den Algorithmus“ verantwortlich macht, fragen Sie, welcher es ist und was er optimieren soll. Diese eine Frage durchbricht den meisten Nebel.

Credit: Canva Images

Computer speichern und verarbeiten alles – Fotos, Tabellenkalkulationen, Filme, diesen Artikel – als Folgen von nur zwei Symbolen: 0 und 1. Jede einzelne 0 oder 1 wird als Bit bezeichnet, Abkürzung für Binärziffer. Acht zusammengefasste Bits ergeben ein Byte, die Grundeinheit, die Sie in Dateigrößen sehen: Kilobytes, Megabytes, Gigabytes.

Der Grund für zwei Symbole ist physikalisch, nicht mathematisch. Ein Computerchip enthält Milliarden mikroskopischer Schalter, die Transistoren genannt werden. Jeder Schalter ist entweder an oder aus, trägt elektrische Ladung oder nicht. Zwei Zustände lassen sich natürlich auf zwei Ziffern abbilden. Ingenieure könnten theoretisch Maschinen mit zehn Spannungsstufen bauen, um unser Dezimalsystem anzupassen, aber zehn Stufen zuverlässig zu unterscheiden ist viel schwieriger als zwischen an und aus zu unterscheiden. Binär ist robust: selbst ein abgebautes Signal ist eindeutig näher an einem Zustand oder dem anderen.

Das Zählen im Binärsystem funktioniert wie das Zählen im Dezimalsystem, nur mit weniger Ziffern. Im Dezimalsystem geht es nach neun weiter mit 10. Im Binärsystem geht es nach eins weiter: die Zahl zwei wird als 10 geschrieben, drei als 11, vier als 100. Jede ganze Zahl kann auf diese Weise ausgedrückt werden, und es gibt Regeln für Brüche, negative Zahlen und Text. Der Buchstabe A wird beispielsweise als 01000001 gemäß einem Standard namens ASCII gespeichert, der später zu Unicode erweitert wurde, um die Schriftsysteme der Welt abzudecken.

Alles über der Ebene der Bits sind Schichten von Interpretationen. Ein Foto sind Millionen von Zahlen, die die Farbe jedes Pixels beschreiben. Ein Lied sind tausende von Zahlen pro Sekunde, die die Form einer Schallwelle beschreiben. Die gleiche Bitfolge kann unterschiedliche Bedeutungen haben, je nachdem, welches Programm sie liest – weshalb das Öffnen einer Datei in der falschen Anwendung Kauderwelsch produziert.

Sobald Sie verinnerlichen, dass alles Digitale nur Zahlen sind, lösen sich mehrere Rätsel auf. Eine Datei zu kopieren bedeutet, Zahlen zu kopieren, weshalb digitale Kopien perfekt sind. Korruption bedeutet, dass sich einige Zahlen geändert haben. Verschlüsselung bedeutet, dass die Zahlen durch ein umkehrbares mathematisches Rezept durcheinandergebracht wurden.

Credit: Canva Images

Wenn Ingenieure sagen, ein Ansatz „skaliert nicht“, haben sie normalerweise einen bestimmten mathematischen Anspruch im Sinn, und die Big-O-Notation ist die Art und Weise, wie sie es ausdrücken. Big O beschreibt, wie die Arbeit, die ein Algorithmus leisten muss, wächst, wenn sein Input wächst. Es ignoriert die genaue Geschwindigkeit eines bestimmten Computers und konzentriert sich auf die Form der Wachstumskurve.

Ein Beispiel macht es konkret. Angenommen, Sie müssen die Nummer eines Freundes in einer unsortierten Kontaktliste finden. Im schlimmsten Fall überprüfen Sie jeden Eintrag. Verdoppeln Sie die Liste, verdoppeln Sie die Arbeit. Ingenieure nennen dies lineare Zeit und schreiben es als O(n), wobei n die Anzahl der Elemente ist. Angenommen, die Liste ist alphabetisch sortiert und Sie verwenden die Strategie „Teilen und Herrschen“: Mitte überprüfen, Hälfte verwerfen, wiederholen. Die Verdopplung der Liste fügt nur einen zusätzlichen Schritt hinzu. Das ist logarithmische Zeit, geschrieben als O(log n), und es ist der Grund, warum Suchmaschinen Milliarden von Seiten in einem Bruchteil einer Sekunde abfragen können.

Einige Algorithmen wachsen schneller als ihre Eingaben. Jedes Element in einer Liste mit jedem anderen Element zu vergleichen – zum Beispiel eine Gästeliste auf doppelte Einladungen mit roher Gewalt zu überprüfen – erfordert Arbeit proportional zum Quadrat der Listengröße oder O(n²). Bei 100 Gästen sind das 10.000 Vergleiche, für einen Computer trivial. Bei 10 Millionen Benutzern sind es 100 Billionen Vergleiche, was nicht der Fall ist.

Aus diesem Grund kann Software, die in einer Demo wunderschön funktionierte, unter realem Verkehr zusammenbrechen. Der Prototyp lief auf 1.000 Testdatensätzen; die Produktion hat 50 Millionen. Nichts ist im üblichen Sinne „kaputt“. Die Wachstumskurve hat einfach aufgeholt.

Für Nicht-Ingenieure erklärt Big O ein häufiges Muster in Produktgesprächen. Wenn ein Entwickler sagt, dass eine Funktion für kleine Konten einfach ist, aber für Unternehmenskunden neu gestaltet werden muss, beschreibt er oft eine Kurve und macht keine Ausreden. Skalierung ändert, was als praktikable Lösung zählt.

Credit: Maksym Kaharlytskyi / Unsplash

Wenn Algorithmen die Verben des Rechnens sind, sind Datenstrukturen die Substantive. Eine Datenstruktur ist eine Möglichkeit, Informationen im Speicher eines Computers so zu organisieren, dass sie effizient genutzt werden können. Die Wahl der Struktur bestimmt, welche Operationen schnell, welche langsam sind und manchmal, was überhaupt möglich ist.

Die einfachste Struktur ist das Array: Elemente, die in einer nummerierten Reihe gespeichert sind, wie Briefkästen in einer Apartmentlobby. Den Briefkasten Nummer 47 zu greifen ist sofort möglich, weil die Position genau angibt, wo man suchen muss. Aber einen neuen Briefkasten in der Mitte einzufügen bedeutet, jede Box danach zu verschieben, was langsam ist.

Eine verkettete Liste dreht diese Kompromisse um. Jedes Element enthält einen Zeiger auf das nächste, wie eine Schnitzeljagd, bei der jeder Hinweis zum nächsten führt. Ein Element in der Mitte der Liste einzufügen ist einfach – nur zwei Zeiger umleiten – aber um Element 47 zu finden, muss man durch die ersten 46 gehen.

Stacks und Queues fügen Regeln zur Reihenfolge hinzu. Ein Stack funktioniert wie ein Stapel von Tabletts in einer Cafeteria: das zuletzt hinzugefügte Element wird als erstes entfernt. Die Zurück-Taste Ihres Browsers ist ein Stapel von Seiten. Eine Queue funktioniert wie eine Warteschlange: zuerst rein, zuerst raus. Druckaufträge und Support-Tickets leben typischerweise in Queues.

Bäume organisieren Elemente hierarchisch, so wie Ordner Unterordner enthalten. Sie machen sortierte Daten schnell durchsuchbar. Graphen, die allgemeinste Struktur, stellen Netzwerke von Verbindungen dar: Freundschaften auf einer sozialen Plattform, Straßen zwischen Städten, Links zwischen Webseiten.

Keine dieser Strukturen ist die beste. Jede tauscht Geschwindigkeit bei einer Operation gegen Geschwindigkeit bei einer anderen oder Speicher gegen Zeit. Wenn Ingenieure schätzen, dass eine scheinbar kleine Funktionsanfrage größere Überarbeitung erfordert, liegt der Grund oft in der Struktur: Die Daten wurden für ein Nutzungsmuster organisiert, und das neue Feature erfordert ein anderes. Daten neu zu organisieren ist wie das Fundament zu renovieren – von außen unsichtbar und teuer.

Credit: Diana ✨ / Pexels

Rekursion ist eine Technik, bei der ein Verfahren ein Problem löst, indem es sich selbst auf ein kleineres Stück desselben Problems aufruft. Die Idee klingt kreisförmig, aber sie funktioniert, weil jede Selbstaufruf das Problem verkleinert und ein definiertes Stoppkriterium – der Basisfall – den Prozess beendet.

Russische Matrjoschkapuppen bieten eine physische Analogie. Um die Puppen zu zählen, öffnet man die äußerste und zählt die Puppen darin, dann fügt man eins hinzu. Wie zählt man die Puppen darin? Auf die gleiche Weise: die nächste Puppe öffnen, zählen, was darin ist, eins hinzufügen. Schließlich erreicht man die kleinste Puppe, die nichts enthält. Das ist der Basisfall. Die Antworten kaskadieren dann wieder nach oben: null, plus eins, plus eins, bis die vollständige Zählung erscheint.

Viele reale Probleme haben diese verschachtelte Form. Ein Aktenordner enthält Dateien und andere Ordner, die wiederum Dateien und andere Ordner enthalten. Um die Gesamtgröße eines Ordners zu berechnen, addiert man seine Dateien und berechnet dann rekursiv die Größe jedes Unterordners. Stammbäume, Unternehmensorganigramme, der Aufbau von Sätzen in einer Sprache und das Layout von Elementen auf einer Webseite sind von Natur aus rekursiv, und Software, die sie verarbeitet, wird normalerweise auch rekursiv geschrieben.

Rekursion liegt auch berühmten Algorithmen zugrunde. Merge Sort, eine der Standardmethoden zur Daten-Sortierung, teilt eine Liste in zwei Hälften, sortiert jede Hälfte nach derselben Methode und fügt die Ergebnisse zusammen. Die Strategie, ein Problem zu teilen, die Teile zu lösen und die Antworten zu kombinieren, wird als "Teile und Herrsche" bezeichnet und taucht in der gesamten Informatik auf.

Die Gefahr bei der Rekursion besteht in einem fehlenden oder unerreichbaren Basisfall. Eine Funktion, die sich ständig selbst aufruft, ohne das Problem zu verkleinern, läuft, bis der Computer den für die Überwachung der Aufrufe reservierten Speicher erschöpft hat – ein Fehler, der als Stack-Overflow bezeichnet wird und dem beliebten Programmier-Frage-und-Antwort-Portal seinen Namen gab. Für Nicht-Informatiker ist Rekursion vor allem als Denkweise wertvoll: Viele schwierige Probleme werden lösbar, sobald man die kleinere Kopie des Problems darin erkennt.

Credit: Canva Images

API steht für Application Programming Interface und ist der Grund, warum moderne Apps so viel leisten können, ohne alles selbst zu bauen. Eine API ist eine definierte Menge von Anfragen, die ein Programm an ein anderes stellen kann, zusammen mit dem Format der Antworten, die es zurückerhält.

Eine Restaurantkarte ist die Standardanalogie, und sie hält gut stand. Man geht nicht in die Küche und kocht. Man wählt aus einer festen Liste von Gerichten, bestellt über einen Kellner und erhält einen Teller. Die Karte ist die Schnittstelle: Sie sagt einem, was man verlangen kann und was man erhält, während sie verbirgt, wie die Küche funktioniert. Eine API macht das Gleiche zwischen Programmen. Eine Wetter-App betreibt keine eigenen Satelliten. Sie sendet eine Anfrage an die API eines Wetterdienstes – "Gib mir die Vorhersage für Manila" – und erhält strukturierte Daten zurück, die sie in die Bildschirmansichten formatiert, die man sieht.

APIs sind überall, wenn man genau hinschaut. Wenn eine Shopping-Seite eine Karte mit Filialstandorten anzeigt, ruft sie eine Karten-API auf. Wenn man online mit einer Karte bezahlt, ruft der Händler eine Zahlungs-API auf. Wenn man sich mit seinem Google $GOOGL-Konto bei einer neuen App anmeldet, erfolgt dieser Austausch über eine API. Ganze Unternehmen, wie der Zahlungsdienstleister Stripe und der Kommunikationsanbieter Twilio $TWLO, verkaufen ihre Produkte in erster Linie als APIs, auf denen andere Entwickler aufbauen können.

Die geschäftlichen Implikationen sind erheblich. APIs ermöglichen es Unternehmen, eine Fähigkeit offenzulegen, ohne ihren Code oder ihre Daten im Ganzen preiszugeben, und sie ermöglichen es kleinen Teams, anspruchsvolle Produkte aus gemieteten Teilen zusammenzustellen. Sie schaffen jedoch auch Abhängigkeiten: Wenn ein Anbieter eine API ändert oder einstellt, funktioniert jedes darauf aufbauende Produkt nicht mehr. Streitigkeiten über den API-Zugang – beispielsweise zwischen sozialen Plattformen und Drittanbieter-Apps – sind im Grunde Streitigkeiten darüber, wer die Kontrolle über das Menü hat.

Wenn Ingenieure sagen, zwei Systeme „integrieren nicht“, meinen sie oft, dass es keine API zwischen ihnen gibt oder die APIs inkompatible Formate verwenden.

Credit: Brett Sayles / Pexels

Eine Datenbank ist Software, die sich der zuverlässigen Speicherung und schnellen Abruf von Informationen widmet. Fast jede App, die Sie verwenden, basiert auf einer. Ihr Kontostand, Ihre Bestellhistorie, Ihre medizinischen Unterlagen und jeder Beitrag, den Sie jemals geliked haben, alles befindet sich in Datenbanken.

Das dominante Modell seit Jahrzehnten ist die relationale Datenbank, die Daten in Tabellen mit Zeilen und Spalten organisiert, ähnlich wie Tabellenkalkulationen. Ein Einzelhändler könnte eine Tabelle mit Kunden, eine mit Produkten und eine mit Bestellungen führen. Die Stärke liegt in den Beziehungen zwischen den Tabellen: jede Bestellzeile verweist auf einen Kunden und ein Produkt, sodass die Datenbank Fragen beantworten kann, die Tabellen überschreiten, wie „welche Kunden in Cebu haben letzten Monat Laufschuhe gekauft?“ Die Sprache, um solche Fragen zu stellen, ist SQL, kurz für Structured Query Language, und es ist eines der am weitesten verbreiteten Werkzeuge in der gesamten Technologie.

Datenbanken verdienen ihren Unterhalt in der unscheinbaren Arbeit der Korrektheit. Sie garantieren, dass eine Transaktion entweder vollständig abgeschlossen wird oder gar nicht – Geld verlässt ein Konto und trifft auf ein anderes, niemals die Hälfte von jedem. Sie bewältigen Tausende gleichzeitiger Benutzer, ohne dass ihre Änderungen sich gegenseitig verdrängen. Sie arbeiten weiter durch Stromausfälle, indem sie Änderungen in einem dauerhaften Speicher vor ihrer Bestätigung schreiben.

Eine neuere Familie, lose als NoSQL-Datenbanken bezeichnet, lockert das starre Tabellenformat, um Daten zu handhaben, die nicht in saubere Zeilen passen: Dokumente, Sensorströme, soziale Graphen. Diese Systeme tauschen oft einige Konsistenzgarantien gegen die Fähigkeit ein, Daten über viele Maschinen zu verteilen, ein Geschäft, das im Maßstab globaler Verbraucher-Apps sinnvoll ist.

Für Nicht-Ingenieure ist die nützliche Einsicht, dass die meiste Software eine dünne Schicht von Bildschirmen und Tasten über eine Datenbank ist. Wenn ein Produktmanager fragt, ob ein Bericht möglich ist, hängt die ehrliche Antwort normalerweise davon ab, ob die Daten in einer Weise gespeichert wurden, die die Frage unterstützt.

Credit: Franck / Unsplash

Die Verschlüsselung verwandelt lesbare Informationen in ein unlesbares Durcheinander mithilfe eines mathematischen Rezepts und eines geheimen Werts, der als Schlüssel bezeichnet wird. Jeder, der den richtigen Schlüssel besitzt, kann den Prozess umkehren und das Original wiederherstellen. Jeder ohne ihn sieht nur Lärm.

Die ältesten Systeme waren einfache Ersetzungen – Julius Caesar soll angeblich jeden Buchstaben militärischer Nachrichten drei Stellen im Alphabet $GOOGL verschoben haben. Moderne Verschlüsselung ist weitaus stärker. Standardalgorithmen wie AES verwenden Schlüssel, die so groß sind, dass das Ausprobieren aller Möglichkeiten selbst mit den schnellsten Computern länger dauern würde als das Alter des Universums. Die Sicherheit beruht nicht darauf, die Methode geheim zu halten – die Algorithmen werden weltweit veröffentlicht und untersucht –, sondern darauf, den Schlüssel geheim zu halten.

Es gibt zwei große Arten. Symmetrische Verschlüsselung verwendet denselben Schlüssel zum Sperren und Entsperren, was schnell ist, aber ein Problem aufwirft: Wie einigen sich zwei Fremde auf einen Schlüssel, ohne dass ein Lauscher ihn erfährt? Die in den 1970er Jahren entwickelte Public-Key-Verschlüsselung löst dies mit Schlüsselpaaren. Jede Person hat einen öffentlichen Schlüssel, der offen geteilt wird, und einen privaten Schlüssel, der geheim gehalten wird. Eine Nachricht, die mit Ihrem öffentlichen Schlüssel gesperrt ist, kann nur mit Ihrem privaten Schlüssel entsperrt werden. Es ist wie ein Briefkasten mit einem öffentlichen Schlitz, in den jeder Briefe werfen kann, aber nur Sie besitzen den Schlüssel zur Tür.

Diese Mechanik läuft ständig im Hintergrund des täglichen Lebens. Das Vorhängeschloss-Symbol in Ihrem Browser bedeutet, dass Ihre Verbindung TLS verwendet, ein Protokoll, das beide Arten der Verschlüsselung kombiniert, um zu schützen, was Sie senden und empfangen. Messaging-Apps, die Ende-zu-Ende-Verschlüsselung bewerben, bedeuten, dass die Schlüssel nur auf Ihrem Gerät und dem des Empfängers existieren, sodass selbst das Unternehmen, das die Nachrichten weiterleitet, sie nicht lesen kann.

Verschlüsselung steht auch im Mittelpunkt politischer Auseinandersetzungen. Strafverfolgungsbehörden in den USA, Großbritannien und anderswo haben auf speziellen Zugang zu verschlüsselten Daten gedrängt. Kryptografen antworten, dass eine Tür, die für die Polizei gebaut wurde, eine Tür ist, und Türen können von jedem aufgebrochen werden.

Credit: panumas nikhomkhai /  Pexels

Hashing sieht oberflächlich aus wie Verschlüsselung, dient aber einem anderen Zweck. Eine Hashfunktion nimmt jede Eingabe – ein Passwort, ein Dokument, einen Spielfilm – und erzeugt eine Zeichenfolge fester Größe, die als Hash oder Digest bezeichnet wird. Zwei Eigenschaften machen sie nützlich: Die gleiche Eingabe ergibt immer denselben Hash, und der Prozess kann nicht rückwärts ausgeführt werden. Allein aus dem Hash können Sie die Eingabe nicht wiederherstellen.

Stellen Sie sich das wie einen Fingerabdruck vor. Ein Fingerabdruck identifiziert eine Person eindeutig für praktische Zwecke, aber Sie können die Person nicht aus dem Abdruck rekonstruieren. Hashfunktionen wie SHA-256 erzeugen Fingerabdrücke für Daten. Ändern Sie auch nur einen Buchstaben der Eingabe, und der Hash ändert sich vollständig, ohne Ähnlichkeit mit dem Original.

Die bekannteste Anwendung ist die Passwortspeicherung. Eine verantwortungsbewusst erstellte Website speichert niemals Ihr tatsächliches Passwort. Sie speichert den Hash. Wenn Sie sich anmelden, wird das, was Sie eingegeben haben, gehasht und das Ergebnis mit dem gespeicherten Wert verglichen. Wenn Diebe die Datenbank stehlen, erhalten sie Fingerabdrücke, keine Passwörter. Deshalb können legitime Dienste Ihnen nie Ihr vergessenes Passwort per E-Mail senden – sie haben es wirklich nicht – und können nur einen Reset anbieten. Deshalb unterscheiden Sicherheitsverletzungsankündigungen zwischen gestohlenen Klartextpasswörtern, was eine Katastrophe ist, und gestohlenen gehashten Passwörtern, was ernst, aber überlebbar ist. Angreifer können immer noch häufige Passwörter erraten, die Vermutungen hashen und nach Übereinstimmungen suchen, weshalb einzigartige, lange Passwörter wichtig sind und warum Websites vor dem Hashing zufällige Daten namens Salt hinzufügen.

Hashes überprüfen auch die Integrität. Software-Downloads veröffentlichen oft einen Hash, damit Sie bestätigen können, dass Ihre Kopie auf dem Transportweg nicht manipuliert wurde. Versionskontrollsysteme identifizieren jede Änderung durch ihren Hash. Blockchains verketten Transaktionsblöcke, indem sie den Hash jedes Blocks in den nächsten aufnehmen, wodurch vergangene Aufzeichnungen praktisch unveränderlich werden.

Verschlüsselung verbirgt Daten, die Sie wiederherstellen möchten. Hashing fingiert Daten, die Sie nur verifizieren müssen.

Credit: Canva Images

Traditionelle Programmierung funktioniert nach Regeln. Ein Entwickler schreibt explizite Anweisungen: Wenn die E-Mail diesen Satz enthält, markieren Sie sie als Spam. Maschinelles Lernen kehrt den Ansatz um. Statt Regeln zu schreiben, füttern Ingenieure ein System mit Tausenden oder Millionen von Beispielen – diese 100.000 E-Mails sind Spam, diese 500.000 nicht – und das System erarbeitet selbst unterscheidende Muster. Das Ergebnis ist ein Modell: eine mathematische Funktion, die neue Eingaben auf Vorhersagen abbildet.

Der Wandel ist wichtig, weil viele Aufgaben expliziten Regeln widerstehen. Niemand kann die vollständige Regelmenge aufschreiben, die ein Foto einer Katze von einem Foto eines Hundes unterscheidet, oder eine betrügerische Kreditkartentransaktion von einer legitimen. Menschen erkennen diese Dinge durch gesammelte Erfahrung, und maschinelles Lernen gibt Software eine analoge Fähigkeit: statistische Erfahrung, destilliert aus Daten.

Ein Modell zu trainieren bedeutet, seine internen Zahlen, die als Parameter bezeichnet werden, so lange anzupassen, bis seine Vorhersagen über die Beispieldaten so genau wie möglich sind. Der Prozess ist im Wesentlichen Trial-and-Error mit enormer Geschwindigkeit – eine Vorhersage machen, den Fehler messen, die Parameter anpassen, um den Fehler zu verkleinern, Millionen Mal wiederholen. Sobald das Modell trainiert ist, wird es eingesetzt, um Vorhersagen über Daten zu machen, die es noch nie gesehen hat.

Die Abhängigkeit des maschinellen Lernens von Daten ist auch seine zentrale Schwäche. Ein Modell lernt, welche Muster seine Trainingsdaten enthalten, einschließlich eingebetteter menschlicher Vorurteile. Einstellungsmodelle, die auf vergangenen Entscheidungen trainiert wurden, haben Frauen benachteiligt, weil es die historische Einstellungspolitik tat. Modelle scheitern auch an Situationen, die sich von ihren Trainingsdaten unterscheiden, und sie bieten Vorhersagen, keine Erklärungen – ein Modell kann einen Kreditbewerber als riskant einstufen, ohne dass jemand genau sagen kann, warum.

Wenn Sie hören, dass ein Produkt "KI verwendet", bedeutet das fast immer, dass irgendwo in der Pipeline ein maschinelles Lernmodell sitzt, das auf Beispielen trainiert wurde, um etwas zu bewerten, zu klassifizieren oder zu generieren. Die interessanten Fragen sind immer die gleichen: Auf welchen Daten wurde trainiert, für welches Ergebnis optimiert und wie überprüft?

Credit: Canva Images

Ein neuronales Netzwerk ist eine spezielle Art von maschinellem Lernmodell, lose inspiriert vom Gehirn, und es treibt die meisten der KI-Systeme in den Nachrichten an: Bilderkennungsprogramme, Sprachassistenten, Übersetzungstools und große Sprachmodelle wie das hinter ChatGPT.

Die Struktur besteht aus Schichten einfacher Einheiten. Jede Einheit oder Neuron erhält Zahlen aus der vorherigen Schicht, multipliziert jede mit einem Gewicht, addiert sie und gibt das Ergebnis – durch eine einfache Funktion gequetscht – an die nächste Schicht weiter. Einzeln tut ein Neuron fast nichts. In Schichten gestapelt, mit Millionen oder Milliarden von Gewichten, kann das Netzwerk außergewöhnlich komplexe Beziehungen zwischen Eingaben und Ausgaben darstellen. Netzwerke mit vielen Schichten werden als tief bezeichnet, daher stammt der Begriff tiefes Lernen.

Das Training funktioniert durch eine Methode namens Rückpropagation. Das Netzwerk macht eine Vorhersage, der Fehler wird gemessen, und die Infinitesimalrechnung bestimmt, wie viel jedes Gewicht zum Fehler beigetragen hat. Jedes Gewicht wird dann leicht in die Richtung verschoben, die den Fehler verringert. Wiederholen Sie dies über Millionen von Beispielen, und die Gewichte setzen sich allmählich in Werte, die nützliche Muster kodieren: Kanten und Texturen in den frühen Schichten eines Vision-Netzwerks, ganze Objekte in späteren Schichten.

Was selbst Forscher überrascht hat, ist, wie weit der Maßstab reicht. Größere Netzwerke, die mit mehr Daten und mehr Rechenleistung trainiert wurden, verbessern sich weiter und gewinnen oft Fähigkeiten, die niemand explizit entworfen hat. Große Sprachmodelle werden auf eine täuschend einfache Aufgabe trainiert – das nächste Wort in einem Textabschnitt vorherzusagen –, doch bei ausreichendem Maßstab erwerben sie Grammatik, faktisches Wissen und die Fähigkeit, Anweisungen zu befolgen.

Der Preis für diese Macht ist die Undurchsichtigkeit. Das Wissen eines Netzwerks ist über Milliarden von Zahlen verteilt, und niemand kann auf das Gewicht zeigen, das eine bestimmte Tatsache speichert. Zu verstehen, warum ein Netzwerk eine bestimmte Antwort produziert hat, ist ein offenes Forschungsfeld, genannt Interpretierbarkeit, mit direkten Auswirkungen auf Medizin, Kreditvergabe und Recht.

Credit: Christina Morillo / Pexels

Die Cloud ist kein Ort oder eine Technologie. Sie ist ein Geschäftsmodell: Anstatt eigene Server zu kaufen und zu betreiben, mietet man Rechenleistung, Speicher und Dienste aus den Rechenzentren eines Anbieters und zahlt für das, was man nutzt. Amazon $AMZN Web Services, Microsoft $MSFT Azure und Google $GOOGL Cloud dominieren den Markt und betreiben lagerhausgroße Einrichtungen mit Hunderttausenden von Maschinen.

Vor der Cloud bedeutete der Start eines Online-Produkts den Kauf physischer Server, deren Installation in einem Rechenzentrum und das Raten, wie viel Kapazität man benötigen würde. Tippt man zu niedrig, stürzt die Seite bei Erfolg ab. Tippt man zu hoch, liegen ungenutzte Gelder in den Racks. Cloud-Anbieter verwandelten diese Investitionskosten in Betriebskosten. Ein Startup kann eine kleine virtuelle Maschine für ein paar Dollar im Monat mieten, dann bei einem Anstieg auf Tausende von Maschinen skalieren und sie danach wieder freigeben. Diese Elastizität, mehr als die Kosten, ist das bestimmende Merkmal der Cloud.

Eine Schlüsseltechnologie ist die Virtualisierung: Software, die eine physische Maschine in viele isolierte virtuelle Maschinen aufteilt, von denen jede wie ein unabhängiger Computer agiert. Anbieter schichten Dienste darauf — verwaltete Datenbanken, Dateispeicher, Werkzeuge für maschinelles Lernen — sodass Kunden Infrastrukturen zusammenstellen können, wie sie es bei einer Katalogbestellung tun würden.

Bekannte Verbraucherprodukte sind ebenfalls Cloud-Dienste. Wenn Ihr Telefon Fotos sichert, einen Film streamt oder Dokumente synchronisiert, leben die Dateien in einem Rechenzentrum des Anbieters, nicht in der Luft. "Die Cloud" ist immer ein bestimmtes Gebäude mit einer Adresse, Kühlsystemen und einer Stromrechnung.

Das Modell hat Kompromisse. Unternehmen gewinnen Zuverlässigkeit und Geschwindigkeit, geben aber die physische Kontrolle auf; und das Verlassen eines Anbieters wird schwierig, sobald Systeme mit den proprietären Diensten verflochten sind — eine Klemme, die als Anbieterbindung bekannt ist. Regulierungsbehörden in der EU und anderswo überprüfen auch, wo Daten physisch gespeichert sind, da der Standort eines Servers bestimmt, wessen Gesetze darauf anwendbar sind.

Credit: Heather McKean / Unsplash

Caching ist einer der am häufigsten genutzten Leistungstricks in der Informatik: eine Kopie häufig benötigter Daten an einem schnellen Ort speichern, damit das System die teure Arbeit nicht wiederholen muss. Es ist das digitale Äquivalent dazu, Salz auf der Arbeitsplatte zu halten, anstatt jedes Mal zur Speisekammer zu gehen, wenn man kocht.

Das Prinzip erscheint auf jeder Ebene des Stapels. Ein Prozessor hält winzige, ultraschnelle Caches auf dem Chip selbst, weil das Abrufen von Daten aus dem Hauptspeicher hundertmal länger dauert als das Lesen aus dem Cache. Ihr Webbrowser speichert Bilder und Skripte von besuchten Websites im Cache, weshalb eine Seite beim zweiten Mal schneller lädt. Apps cachen die Ergebnisse von Datenbankabfragen, damit dieselbe Frage nicht für jeden Benutzer neu berechnet wird. Content Delivery Networks, oder CDNs, sind Caching im planetaren Maßstab: Unternehmen wie Cloudflare und Akamai $AKAM halten Kopien beliebter Inhalte in Rechenzentren nahe bei den Nutzern, sodass ein Video, das in Jakarta angesehen wird, aus Singapur und nicht aus Virginia gestreamt wird.

Caching funktioniert, weil Zugriffsmuster unausgewogen sind. Ein kleiner Bruchteil der Daten macht die meisten Anfragen aus – die heutige Titelseite, das trendige Video, dein eigenes Posteingang. Wenn man diesen heißen Bruchteil in der Nähe hält, ergibt das überproportionale Gewinne.

Der Haken ist die Staleheit. Eine zwischengespeicherte Kopie kann veraltet sein, sobald sich das Original ändert, und zu entscheiden, wann man Kopien aktualisieren oder verwerfen soll, ist wirklich schwierig. Eine berühmte Zeile unter Programmierern, die dem Netscape-Ingenieur Phil Karlton zugeschrieben wird, besagt, dass es in der Informatik nur zwei schwierige Dinge gibt: Cache-Invalidierung und das Benennen von Dingen. Stale Caches erklären alltägliche Merkwürdigkeiten: eine Website, die dein altes Profilfoto anzeigt, nachdem du es geändert hast, oder ein Preis, der sich zwischen deinem Telefon und deinem Laptop unterscheidet.

Wenn Support-Artikel dir sagen, du sollst deinen Cache leeren, bitten sie dich, möglicherweise beschädigte lokale Kopien zu verwerfen und neue abzurufen. Es funktioniert häufiger, als es sollte.

Credit: Timur Weber / Pexels

Komprimierung verkleinert Daten, sodass sie weniger Platz zum Speichern und weniger Zeit für die Übertragung benötigen. Ohne sie wären moderne Medien unpraktisch: Ein unkomprimierter zweistündiger Film in hoher Auflösung würde Terabytes beanspruchen, und das Streaming über eine Heimverbindung wäre unmöglich.

Es gibt zwei Familien. Verlustfreie Komprimierung verkleinert Daten auf eine Weise, die perfekt umgekehrt werden kann. Sie funktioniert, indem sie Redundanz findet und nutzt. Text ist voller wiederholter Muster – häufige Wörter, Leerzeichen, wiederkehrende Phrasen – und ein verlustfreier Algorithmus ersetzt Wiederholungen durch kurze Verweise, ähnlich wie wenn man "dito" schreibt, anstatt eine Zeile zu kopieren. ZIP-Dateien und PNG-Bilder verwenden verlustfreie Methoden. Entpacke sie und du erhältst jedes ursprüngliche Bit zurück, was für Dokumente, Tabellen und Code, wo ein einzelnes geändertes Zeichen wichtig ist, unerlässlich ist.

Verlustbehaftete Komprimierung geht weiter, indem sie dauerhaft Informationen verwirft, die Menschen wahrscheinlich nicht bemerken. JPEG-Bilder werfen feine Farbdetails weg, die das Auge kaum registriert. MP3- und AAC-Audio verwirft Töne, die von lauteren Tönen in der Nähe überdeckt werden. Videoformate wie H.264 speichern nur die Unterschiede zwischen aufeinanderfolgenden Frames, da der größte Teil einer Szene von einem Frame zum nächsten stillsteht. Die Einsparungen sind drastisch – oft 10 bis 100 Mal kleiner – auf Kosten einiger Treue. Komprimiere ein JPEG wiederholt und die Artefakte häufen sich, weshalb Memes, die seit Jahren weiterverbreitet werden, zunehmend matschig aussehen.

Der Kompromiss zwischen Größe und Qualität ist anpassbar, und Unternehmen stimmen ihn ständig ab. Streaming-Dienste kodieren jeden Titel in mehreren Qualitätsstufen und wechseln zwischen ihnen, wenn deine Verbindung schwankt, weshalb das Video manchmal mitten in einer Szene unscharf wird und Momente später schärfer.

Es gibt auch ein hartes Limit. Die Informationstheorie, die 1948 von Claude Shannon begründet wurde, beweist, dass wirklich zufällige Daten überhaupt nicht komprimiert werden können. Kompression ist nur möglich, weil reale Daten vorhersehbar sind, und sie funktioniert, indem genau diese Vorhersehbarkeit entfernt wird.

Credit: Mikhail Nilov / Pexels

Open-Source-Software ist Software, deren Quellcode – die für Menschen lesbaren Anweisungen, die Programmierer schreiben – veröffentlicht wird, damit jeder sie lesen, ändern und unter einer Lizenz weiterverbreiten kann, die diese Freiheiten garantiert. Es ist das Gegenteil von proprietärer Software, bei der der Code ein Geschäftsgeheimnis ist und die Benutzer nur das fertige Produkt erhalten.

Das Modell klingt nach Wohltätigkeit, funktioniert aber eher wie gemeinsame Infrastruktur. Das Linux-Betriebssystem läuft auf den meisten Servern weltweit, auf der Mehrheit der Smartphones über Android und auf jedem der Top 500 Supercomputer. Die Webserver Apache und Nginx liefern einen Großteil des Webs. Programmiersprachen wie Python, Datenbanken wie PostgreSQL und die Verschlüsselungsbibliotheken, die den Online-Handel sichern, sind alle Open Source. Eine typische kommerzielle App ist heute eine dünne Schicht proprietären Codes über einem tiefen Stapel von Open-Source-Komponenten.

Unternehmen nehmen aus knallharten Gründen teil. Die gemeinsame Wartung der allgemeinen Infrastruktur ist günstiger, als wenn jedes Unternehmen seine eigene baut. Offener Code zieht viele Blicke auf sich, was dazu neigt, Fehler und Sicherheitsmängel aufzudecken. Ingenieure arbeiten lieber mit Werkzeugen, die sie inspizieren können, daher hilft Open Source bei der Rekrutierung. Google $GOOGL, Microsoft $MSFT, Meta $META und IBM $IBM gehören heute zu den größten Beitragszahlern, und Microsoft – dessen ehemaliger CEO Steve Ballmer Linux einst als Krebsgeschwür bezeichnete – kaufte 2018 GitHub, die Hauptplattform, auf der Open-Source-Code lebt.

Das Modell hat Spannungen. Kritische Projekte werden manchmal von einer Handvoll unbezahlter Freiwilliger gepflegt, eine Fragilität, die 2021 aufgedeckt wurde, als ein Fehler in Log4j, einer kleinen Protokollierungsbibliothek, die in Millionen von Systemen eingebettet ist, einen globalen Sicherheitsnotstand auslöste. Lizenzstreitigkeiten haben ebenfalls zugenommen, da Cloud-Anbieter gehostete Versionen von Open-Source-Projekten verkaufen, ohne sie zu finanzieren.

Für Nicht-Ingenieure erklärt Open Source, warum so viele Softwarekomponenten kostenlos sind, warum die Sicherheit von der Gesundheit obskurer Freiwilligenprojekte abhängt und warum "wir haben es gebaut" in einer Produktpräsentation normalerweise bedeutet "wir haben es aus Teilen zusammengebaut, die die gesamte Branche teilt."

Credit: Arnold Francisca / Unsplash

Versionskontrolle ist das System, das es vielen Programmierern ermöglicht, denselben Code gleichzeitig zu ändern, ohne die Arbeit des anderen zu überschreiben, und das es ermöglicht, jeden vergangenen Zustand des Projekts genau wiederherzustellen. Das dominierende Werkzeug ist Git, das 2005 von Linus Torvalds zur Verwaltung der Entwicklung von Linux erstellt wurde und Plattformen wie GitHub und GitLab zugrunde liegt.

Die Kernidee ist das Commit: ein Schnappschuss des Projekts zu einem bestimmten Zeitpunkt, versehen mit dem Autor, dem Datum und einer Nachricht, die beschreibt, was sich geändert hat und warum. Die Geschichte eines Projekts ist eine Kette von Commits, die bis zur ersten Codezeile zurückreicht. Nichts wird je wirklich gelöscht. Wenn die Veränderung am Dienstag etwas kaputt gemacht hat, kann das Team Schnappschüsse vergleichen, die genauen geänderten Zeilen identifizieren und zurückrollen.

Die zweite Idee ist das Branching. Ein Entwickler, der eine riskante Funktion beginnt, erstellt einen Branch – eine parallele Kopie des Projekts – und arbeitet dort, ohne die Hauptversion zu stören, die Kunden verwenden. Wenn die Funktion fertig und überprüft ist, wird der Branch zurückgeführt. Dutzende von Branches können gleichzeitig fortschreiten. Wenn zwei Personen dieselben Zeilen ändern, markiert das Tool einen Merge-Konflikt, und ein Mensch entscheidet, welche Version gewinnt.

Um diese Mechanik herum haben Teams eine Überprüfungskultur aufgebaut. Auf GitHub kommen vorgeschlagene Änderungen als Pull-Requests an, die Teamkollegen lesen, kommentieren und vor dem Mergen genehmigen. Das Ergebnis ist ein permanentes, durchsuchbares Protokoll, nicht nur dessen, was der Code sagt, sondern warum jede Zeile existiert – oft die beste Dokumentation, die ein Unternehmen hat.

Das Konzept hat sich über den Code hinaus verbreitet. Juristische Teams, Schriftsteller und Wissenschaftler verfolgen zunehmend Dokumente und Daten auf die gleiche Weise. Jeder, der jemals eine Datei namens report_final_v3_REALLY_FINAL.docx per E-Mail versendet hat, hat das Problem gespürt, das die Versionskontrolle löst. Die Lernkurve des Tools ist real, aber der Nutzen ist ein Team, das frei experimentieren kann, weil kein Fehler dauerhaft ist und kein früherer Zustand je verloren geht.

Credit: Tom Fisk /  Pexels

Ein Betriebssystem ist das Hauptprogramm, das die Hardware eines Computers verwaltet und eine stabile Plattform für jedes andere Programm bietet. Windows, macOS und Linux laufen auf Desktops und Servern; iOS und Android laufen auf Handys. Ohne eines müsste jede App ihren eigenen Code für die Kommunikation mit Festplatten, Bildschirmen, Tastaturen und Netzwerkkarten haben – eine unmögliche Duplikation.

Die erste Aufgabe des Betriebssystems ist das Ressourcenmanagement. Ihr Laptop zeigt möglicherweise 40 offene Programme an, aber der Prozessor kann nur einige wenige Instruktionsströme gleichzeitig ausführen. Der OS-Scheduler wechselt tausende Male pro Sekunde zwischen Programmen und gibt jedem einen Teil der Prozessorzeit, sodass alles scheinbar gleichzeitig abläuft. Er führt einen ähnlichen Balanceakt mit dem Speicher durch, gewährt jedem Programm seinen eigenen geschützten Raum und verschiebt weniger verwendete Daten auf die Festplatte, wenn der Speicher knapp wird.

Die zweite Aufgabe ist der Schutz. Das Betriebssystem schottet Programme voneinander und von der Hardware ab, sodass ein abstürzendes Spiel Ihre Tabelle nicht beschädigen kann und eine bösartige App nicht den Speicher Ihrer Banking-App auslesen kann. Berechtigungssysteme – die Aufforderungen, ob eine App Ihre Kamera oder Ihren Standort verwenden darf – sind das Betriebssystem, das Grenzen durchsetzt. Sicherheitsupdates sind so wichtig, weil ein Fehler im Betriebssystem jedes darüber liegende Programm untergräbt.

Die dritte Aufgabe ist die Abstraktion. Das Betriebssystem präsentiert chaotische Hardware als saubere, einfache Konzepte. Physischer Speicher ist ein Labyrinth aus rotierenden Platten oder Flash-Speicherzellen; das Betriebssystem präsentiert es als Dateien und Ordner. Netzwerke sind elektrische Impulse und Radiowellen; das Betriebssystem präsentiert sie als Verbindungen, die Sie öffnen und schließen.

Die Kontrolle über ein Betriebssystem verleiht enorme Marktmacht, da es bestimmt, welche Software existieren kann und zu welchen Bedingungen. Kartellverfahren gegen Microsoft $MSFT in den 1990er Jahren und gegen Apple $AAPL und Google $GOOGL heute drehen sich alle um die gleiche Frage: Was darf der Eigentümer der Plattform von denen verlangen, die darauf aufbauen?

Credit: Canva Images

Programmierer schreiben Code in Sprachen wie Python, Java und C++, die für das menschliche Verständnis konzipiert sind und voller englischer Wörter und mathematischer Notationen sind. Prozessoren verstehen nichts davon. Sie führen nur Maschinencode aus – rohe binäre Anweisungen, die spezifisch für den Chip sind. Etwas muss diese Lücke überbrücken, und die beiden Hauptbrücken sind Compiler und Interpreter.

Ein Compiler übersetzt ein ganzes Programm im Voraus in Maschinencode und erzeugt eine ausführbare Datei. Die Übersetzung erfolgt einmalig auf dem Computer des Entwicklers, und die Benutzer führen die fertige Binärdatei aus. Sprachen wie C, C++, Rust und Go funktionieren so. Die Vorteile sind Geschwindigkeit – die Übersetzungskosten werden im Voraus bezahlt, und Compiler optimieren aggressiv – und frühe Fehlererkennung, da der Compiler das gesamte Programm überprüft, bevor etwas ausgeführt wird. Die .exe-Dateien auf Windows sind kompilierte Ausgaben.

Ein Interpreter übersetzt und führt Code sofort aus, Zeile für Zeile, jedes Mal, wenn das Programm ausgeführt wird. Python und JavaScript funktionieren traditionell so. Die Entwicklung fühlt sich schneller an – eine Zeile ändern, sofort ausführen, kein Build-Schritt – und derselbe Code läuft auf jedem Computer, auf dem der Interpreter installiert ist. Der Nachteil ist die Ausführungsgeschwindigkeit, da die Übersetzung bei jedem Lauf erfolgt.

Moderne Systeme verwischen die Grenze. Java kompiliert in einen Zwischencode, den eine virtuelle Maschine dann ausführt, oft durch Just-in-Time-Compilation Hotspots in Maschinencode umwandelnd. Die heutigen JavaScript-Engines in Browsern tun dasselbe, wodurch Web-Apps schnell genug wurden, um Desktop-Software zu konkurrieren.

Die praktische Relevanz für Nicht-Ingenieure besteht hauptsächlich in den Kompromissen, die Sie jetzt entschlüsseln können. Wenn Ingenieure sagen, eine Sprache sei schnell oder langsam, meinen sie in der Regel kompiliert versus interpretiert. Wenn sie eine Build-Pipeline erwähnen, meinen sie die Schritte der Kompilierung und Verpackung zwischen dem Schreiben von Code und dem Versand. Und wenn ein Build fehlschlägt, bedeutet das, dass der Übersetzungsschritt Fehler gefunden hat - besser dort als auf dem Bildschirm eines Kunden.

Credit: Canva Images

Ein Bug ist ein Fehler in der Software, der sie anders verhalten lässt als beabsichtigt. Der Begriff existierte bereits vor Computern - Ingenieure verwendeten ihn im 19. Jahrhundert, und Thomas Edison beschwerte sich über Bugs in seinen Erfindungen - aber er blieb in der Informatik nach 1947 hängen, als Grace Hoppers Team in Harvard eine echte Motte in einem Relais des Mark-II-Computers fand und sie in das Logbuch klebte.

Bugs sind keine Anomalien. Sie sind eine statistische Gewissheit. Große Anwendungen enthalten Millionen von Codezeilen, die über Jahre hinweg von Hunderten von Menschen geschrieben wurden, und jede Zeile kodiert Annahmen, die sich als falsch herausstellen können. Häufige Arten sind Off-by-One-Fehler, bei denen eine Schleife einmal zu viel oder zu wenig läuft; Null-Referenzen, bei denen Code versucht, Daten zu verwenden, die nicht existieren; Race-Conditions, bei denen zwei gleichzeitige Operationen in seltenen Zeitfenstern kollidieren; und Randfälle, Eingaben, die die Entwickler nie erwartet haben, wie ein Benutzer, dessen legaler Name aus einem Buchstaben besteht oder ein Datum vom 29. Februar hat.

Debugging - das Finden und Beheben des Fehlers - ist Detektivarbeit. Die erste Aufgabe ist die Reproduktion: das Auftreten des Fehlers auf Abruf, denn ein Bug, den man nicht reproduzieren kann, ist fast unmöglich zu beheben. Dann kommt die Isolierung, die Eingrenzung, welcher Bestandteil fehlerhaft ist, oft durch Hinzufügen von Protokollen oder das Durchgehen des Programms Schritt für Schritt mit einem Debugger. Die eigentliche Korrektur ist oft eine einzige Zeile. Das Finden dieser Zeile kann Tage dauern.

Die Hauptverteidigung der Branche ist Prävention: automatisierte Tests, die bei jeder Änderung laufen, Codeüberprüfung durch eine zweite Person und Sprachen, die ganze Fehlerkategorien unmöglich machen sollen. Keine dieser Maßnahmen erreicht null. Deshalb wird Software mit bekannten kleineren Bugs ausgeliefert, Patches kommen kontinuierlich an, und die Frage „Haben Sie versucht, es aus- und wieder einzuschalten?“ bleibt bestehen – ein Neustart beseitigt den angesammelten schlechten Zustand, den ein unentdeckter Bug hinterlassen hat.

Credit: Emre Ateşoğlu /  Pexels

Menschen beschreiben Internetverbindungen mit einem Wort - schnell oder langsam - aber Ingenieure messen zwei unabhängige Eigenschaften, und ihre Verwechslung führt zu schlechten Kaufentscheidungen und noch schlechteren Produktentscheidungen.

Bandbreite ist die Kapazität: wie viele Daten pro Sekunde bewegt werden können, gemessen in Megabit oder Gigabit. Latenz ist die Verzögerung: wie lange ein einzelnes Datenstück für die Hin- und Rückfahrt zwischen Ihnen und einem Server benötigt, gemessen in Millisekunden. Die klassische Analogie ist eine Autobahn. Bandbreite ist die Anzahl der Fahrspuren. Latenz ist die Länge der Straße. Mehr Fahrspuren lassen mehr Autos pro Stunde durch, aber sie verkürzen niemandes Reise.

Verschiedene Aktivitäten belasten unterschiedliche Eigenschaften. Streaming von Videos ist ein Bandbreitenproblem: Der Dienst muss einen gleichmäßigen, großen Datenfluss liefern, und einige hundert Millisekunden Verzögerung sind unsichtbar, da der Player voraus puffert. Videoanrufe und Online-Spiele sind Latenzprobleme: Jeder Moment muss fast augenblicklich ankommen, und keine Bandbreite kann eine Verzögerung von 300 Millisekunden ausgleichen. Das ist der Grund, warum ein Spieler mit bescheidener Bandbreite und niedriger Latenz eine bessere Erfahrung hat als jemand mit einer Gigabit-Verbindung, die um die halbe Welt geroutet wird.

Die Physik setzt eine Untergrenze für die Latenz. Daten reisen durch Glasfasern mit etwa zwei Dritteln der Lichtgeschwindigkeit, sodass eine Hin- und Rückfahrt von New York nach Singapur nicht unter etwa 150 Millisekunden fallen kann, egal wie viel jemand ausgibt. Entfernung ist der Grund, warum globale Dienste Daten in regionalen Zentren replizieren, warum Finanzunternehmen Prämien für geradere Glasfaserwege zwischen Börsen zahlen und warum Satelliteninternet von niedrigen Orbits wie Starlink ältere Satelliten übertrifft, die 22.000 Meilen höher geparkt sind – die kürzere Entfernung reduziert die Verzögerung von über einer halben Sekunde auf wenige Millisekunden.

Wenn sich etwas langsam anfühlt, ist die diagnostische Frage, welche Art von Langsamkeit vorliegt: ein dünnes Rohr oder ein langes. Die Abhilfemaßnahmen sind völlig unterschiedlich.

Credit: Leandro Barreto / Unsplash

Jedes Gerät, das mit dem Internet verbunden ist, hat eine IP-Adresse, ein Zahlenetikett wie 172.217.4.46, das angibt, wohin Daten geliefert werden sollen. IP steht für Internet Protocol, die gemeinsame Regelmenge, die regelt, wie Daten zwischen Netzwerken bewegt werden. Wenn Ihr Laptop eine Webseite anfordert, wird die Anfrage in kleine Stücke namens Pakete zerlegt, die jeweils mit der Zieladresse versehen sind, und Router auf dem Weg geben jedes Paket Hop für Hop weiter – ähnlich wie Postsysteme Briefe leiten, indem sie den Umschlag lesen, nicht den Inhalt.

Menschen sind schlecht darin, sich Zahlen zu merken, daher hat das Internet ein Telefonbuch: das Domain Name System oder DNS. Wenn Sie einen Website-Namen eingeben, fragt Ihr Gerät zuerst einen DNS-Server, um den Namen in eine IP-Adresse zu übersetzen, und verbindet sich dann mit dieser Adresse. Die Suche dauert Millisekunden und geschieht unsichtbar Milliarden von Malen am Tag. DNS ist als globale Hierarchie organisiert – Root-Server verweisen auf Server für .com oder .org, die auf Server für einzelne Domains verweisen – und kein einzelner Computer hält das ganze Buch.

Diese Übersetzungsebene ist ein Punkt sowohl der Flexibilität als auch der Fragilität. Unternehmen können Dienste auf neue Server verschieben, indem sie einen DNS-Eintrag aktualisieren, ohne dass Benutzer es bemerken. Aber wenn große DNS-Anbieter ausfallen, wie es bei einem Angriff auf den Anbieter Dyn im Jahr 2016 geschah, werden große Teile des Webs unerreichbar, obwohl die Seiten selbst einwandfrei laufen – die Adressen existieren, aber niemand kann sie nachschlagen. Regierungen zensieren auch auf dieser Ebene, indem sie ISPs anweisen, falsche Antworten für verbotene Seiten zurückzugeben.

Ein weiteres Problem: Das ursprüngliche Adressierungsschema, IPv4, erlaubt etwa 4,3 Milliarden Adressen, viel zu wenig für eine Welt voller Telefone, Autos und Thermostate. Sein Nachfolger, IPv6, bietet eine praktisch unerschöpfliche Versorgung, und die beiden Systeme laufen nun während eines Jahrzehnte dauernden Übergangs nebeneinander.

Credit: Sarah Blocksidge / Pexels

Das zugrunde liegende Protokoll des Webs, HTTP, ist zustandslos: Jede Anfrage eines Browsers steht für sich allein, und der Server behält kein eingebautes Gedächtnis darüber, wer gefragt hat. Unkorrigiert würde dieses Design Sie auf jeder Seite erneut einloggen lassen und Ihren Warenkorb mit jedem Klick leeren. Cookies sind die Lösung. Ein Cookie ist ein kleines Textstück, das eine Website Ihren Browser bittet, zu speichern und bei jeder zukünftigen Anfrage an diese Website zurückzusenden.

Die Mechanik ist alltäglich. Wenn Sie sich einloggen, generiert der Server eine zufällige Sitzungskennung, speichert sie neben Ihrem Konto und übergibt sie Ihrem Browser als Cookie. Bei jeder nachfolgenden Anfrage präsentiert der Browser das Cookie, und der Server erkennt Sie. Der gleiche Mechanismus merkt sich Spracheinstellungen, hält Einkaufswagen gefüllt und lässt "Remember me"-Checkboxen funktionieren. Diese Erstanbieter-Cookies — von der Seite gesetzt, die Sie tatsächlich besuchen — sind weitgehend unkontrovers.

Die Kontroverse entsteht durch Drittanbieter-Cookies. Seiten betten routinemäßig Inhalte von anderen Unternehmen ein: Werbeplätze, Analyseskripte, Social-Media-Buttons. Jede eingebettete Partei kann ihr eigenes Cookie setzen, und da die gleichen Werbenetzwerke auf Tausenden von Websites erscheinen, können sie denselben Browser überall erkennen, wohin er geht, und ein detailliertes Profil des Surfverhaltens erstellen. Dies ist die Maschinerie hinter Anzeigen, die Ihnen im Web folgen, nachdem Sie einmal einen Blick auf ein Produkt geworfen haben.

Regulierung und Marktkräfte haben die Praxis eingeengt. Die Datenschutzbestimmungen der EU führten zu den Einwilligungsbannern, die das Web jetzt bedecken. Apples Safari und Mozillas Firefox blockieren standardmäßig Drittanbieter-Cookies, und Google $GOOGL verbrachte Jahre mit einem abgebrochenen Plan, sie in Chrome einzuschränken, während Werbetreibende, Verleger und die britische Wettbewerbsbehörde über den Ersatz stritten. Inzwischen hat sich das Tracking teilweise auf heimlichere Techniken wie Fingerprinting verlagert, das Browser anhand ihrer einzigartigen Konfigurationsdetails identifiziert, ohne dass eine gespeicherte Datei erforderlich ist.

Credit: Peggy Anke / Pexels

Nebenläufigkeit bedeutet, dass ein Programm mehrere Aufgaben in sich überschneidenden Zeiträumen verwaltet — gleichzeitig Tausende von Website-Besuchern bedient, eine Datei herunterlädt, während Sie weiter scrollen, oder eine Berechnung auf die vielen Kerne eines modernen Prozessors verteilt wird. Sie ist für nahezu alle ernsthaften Softwareprojekte unerlässlich und eine der schwierigsten Aufgaben beim Programmieren.

Jahrzehntelang wurde Software automatisch schneller, weil Chips schneller wurden. Um die Mitte der 2000er Jahre griff die Physik ein: Weitere Takterhöhungen erzeugten unbeherrschbare Hitze. Die Hersteller schwenkten darauf um, mehrere Verarbeitungskerne auf jedem Chip unterzubringen. Ein Laptop heute kann acht oder mehr Kerne haben, aber ein Programm, das als eine einzige Abfolge von Schritten geschrieben ist, nutzt nur einen. Moderne Hardware auszunutzen erfordert die Aufteilung der Arbeit in parallel laufende Teile.

Die Probleme beginnen, wenn gleichzeitige Aufgaben Daten teilen. Angenommen, zwei Threads eines Bankprogramms versuchen gleichzeitig, Geld auf dasselbe Konto einzuzahlen. Jeder liest den Kontostand, addiert seine Einzahlung und schreibt das Ergebnis zurück. Wenn sich ihre Schritte unglücklich überlappen, überschreibt der zweite Schreibvorgang den ersten und eine Einzahlung verschwindet stillschweigend. Dies ist ein Race-Condition — ein Fehler, der von präzisem Timing abhängt, was bedeutet, dass er selten auftritt, verschwindet, wenn man nach ihm sucht, und möglicherweise nur unter hoher Produktionslast auftritt.

Die Standardverteidigung ist das Sperren: Eine Aufgabe beansprucht exklusiven Zugriff auf gemeinsam genutzte Daten, arbeitet und gibt sie frei, was andere zwingt zu warten. Sperren bringen ihre eigene Gefahr mit sich, das Deadlock, bei dem zwei Aufgaben jeweils eine Sperre halten, die die andere benötigt, und beide ewig warten, wie zwei Personen, die in einer Türöffnung pausieren und darauf bestehen, dass die andere zuerst geht.

Wenn Ingenieure ein System als thread-sicher beschreiben oder erklären, dass ein Fehler "nur unter Last auftritt", oder um Zeit bitten, um etwas für Parallelität neu zu entwerfen, ist dies das Gebiet. Nebenläufigkeitsfehler gehören zu den teuersten in der Software, weil sie sich verstecken, bis der Maßstab sie findet.

Credit: Matheus Bertelli / Pexels

Fast alles, was Sie online tun, folgt einem Muster: Ein Client fragt, ein Server antwortet. Der Client ist die Software in Ihrer Nähe — ein Browser, eine mobile App — verantwortlich für die Anzeige von Informationen und das Sammeln Ihrer Eingaben. Der Server ist ein Programm auf einer entfernten Maschine, verantwortlich für die Speicherung von Daten, die Durchsetzung von Regeln und die schwere Berechnung. Jeder Seitenaufruf, jede Nachrichtensendung und jeder Videostream ist eine Runde dieses Anfrage-und-Antwort-Spiels.

Die Arbeitsteilung ist bewusst. Server halten die autoritativen Daten und die Geschäftslogik, weil Clients nicht vertrauenswürdig sind — jeder kann eine App auf seinem eigenen Gerät ändern. Wenn Sie etwas online kaufen, sendet Ihr Browser lediglich Ihre Absicht; der Server überprüft den Preis, validiert die Zahlung und zeichnet die Bestellung auf. Deshalb können Preise, die in Ihrer App angezeigt werden, nicht einfach in Rabatte umgewandelt werden, und warum Sicherheitslücken, die als serverseitig beschrieben werden, schwerwiegender sind als kosmetische Client-Fehler.

Die Aufteilung erklärt auch das alltägliche Verhalten. Wenn eine App offline funktioniert, sehen Sie zwischengespeicherte clientseitige Daten; alles, was frische Informationen oder eine dauerhafte Änderung erfordert, benötigt den Server. Wenn ein Dienst ausfällt, sind seine Clients in Ordnung — Millionen funktionierender Apps, die auf einen nicht reagierenden Gegenpart starren. Wenn Ihre Telefon-App ständig aktualisiert wird, sind einige Änderungen kosmetische Anpassungen am Client, während andere Änderungen in den Erwartungen des Servers nachverfolgen.

Ingenieure teilen sich weiter innerhalb jeder Seite auf. Frontend-Entwickler bauen die Benutzererfahrung auf; Backend-Entwickler bauen die Serversysteme; Full-Stack-Entwickler decken beides ab. Hinter einem großen Dienst ist der Server nicht eine Maschine, sondern Flotten von ihnen, mit Lastverteilern, die eingehende Anfragen über die Flotte verteilen, so wie ein Gastgeber Ankömmlinge über offene Tische verteilt.

Ein alternatives Muster, Peer-to-Peer, lässt Geräte direkt miteinander kommunizieren — BitTorrent und einige Videoanrufpfade funktionieren auf diese Weise — aber das Client-Server-Modell dominiert, weil die Zentralisierung von Daten und Kontrolle einfacher zu sichern, abzurechnen und zu aktualisieren ist.

Credit: barış erkin / Pexels

Technische Schulden sind die zukünftigen Kosten, die entstehen, wenn Software auf die schnelle Art und Weise statt auf die solide Art und Weise gebaut wird. Die Metapher, die 1992 von Programmierer Ward Cunningham geprägt wurde, ist absichtlich: Wie bei finanziellen Schulden ermöglichen Abkürzungen, dass Sie früher versenden können, und wie bei finanziellen Schulden berechnen sie Zinsen. Jede zukünftige Änderung an unordentlichem Code dauert länger, bricht leichter und erfordert mehr Tests. Wenn sie lange genug unbezahlt bleibt, können die Zinsen den größten Teil der Kapazität eines Teams verbrauchen.

Schulden häufen sich auf gewöhnliche, nachvollziehbare Weisen an. Ein Startup, das sich beeilt, eine Demo zu zeigen, codiert Annahmen hart, die es später beheben will. Ein Team fügt ein Feature zu einer Struktur hinzu, die nie dafür ausgelegt wurde, weil die Neugestaltung ein Quartal dauern würde. Ein Entwickler kopiert einen Codeblock, anstatt ihn neu zu strukturieren, und hinterlässt zwei Versionen, die nun gleichzeitig aktualisiert werden müssen. Jede Entscheidung ist lokal vernünftig. Die Anhäufung ist es, die weh tut — und im Gegensatz zu finanziellen Schulden zeigt kein Hauptbuch den Saldo an. Es zeigt sich als Symptome: Schätzungen, die in die Höhe schießen, einfache Änderungen, die unzusammenhängende Brüche verursachen, Systeme, die nur ein erfahrener Mitarbeiter versteht, und Ingenieure, die kündigen, anstatt weiter Flickarbeit zu leisten.

Das Abzahlen von Schulden wird als Refactoring bezeichnet: den Code umstrukturieren, um sauberer zu sein, ohne zu ändern, was er tut. Es ist echte Arbeit, die für Kunden nichts Sichtbares produziert, weshalb sie Budgetkämpfe gegen neue Features verliert — und warum einige Unternehmen schließlich einem umfassenden Neuaufbau gegenüberstehen, einem der riskantesten Projekte in der Software. Der Equifax-Datenbruch 2017 veranschaulicht das Extrem der aufgeschobenen Wartung: Angreifer drangen durch eine bekannte Schwachstelle in eine veraltete Komponente ein, die das Unternehmen nicht gepatcht hatte.

Technische Schulden sind oft die ehrliche Antwort auf eine häufig gestellte Frage von Führungskräften: Warum dauert es sechs Wochen, einen Knopf hinzuzufügen? Der Knopf ist einfach. Der Knopf wird in eine Struktur eingebaut, die durch zehn Jahre Abkürzungen zusammengehalten wird, und jeder Nagel gefährdet die Wand.