programmier.bar – der Podcast für App- und Webentwicklung Folgen

Wie hat dir die Folge gefallen?Gut ?Schlecht ? (Keine Anmeldung erforderlich) Auphonic gehört für viele Podcast-Workflows längst zum Standard, aber wie baut man eigentlich ein Produkt, das Audio automatisch „gut“ klingen lässt? In dieser Deep-Dive-Folge sprechen wir mit Georg Holzmann über die Entstehungsgeschichte hinter Auphonic und warum die Idee ursprünglich aus einem ganz einfachen Problem kam: schlechte Audioqualität bei Podcasts.Aus einem Mix von Audio-Engineering, Informatik und Machine Learning entsteht ein Tool, das heute Millionen Nutzer:innen einsetzen. Wir schauen uns an, wie sich das Produkt von ersten Klassifikatoren hin zu komplexeren AI-Modellen entwickelt hat und warum Auphonic schon lange vor dem aktuellen AI-Boom auf diese Technologien gesetzt hat.Wir sprechen darüber, wie unterschiedliche Komponenten wie Noise Reduction, De-Essing, Equalizing und Loudness-Normalisierung zusammenspielen und warum gerade die Balance zwischen Sprache und Musik eine besondere Herausforderung ist. Dabei wird schnell klar: Viele Probleme lassen sich technisch objektiv lösen, andere bleiben zwangsläufig subjektiv – etwa beim „richtigen“ Klang einer Stimme. Genau hier wird spannend, wie Auphonic versucht, sinnvolle Defaults zu liefern und gleichzeitig genug Flexibilität für unterschiedliche Use Cases zu bieten.Ein großer Teil der Folge dreht sich um die technische Umsetzung: Statt eines großen „Alleskönner“-Modells setzt Auphonic auf viele spezialisierte Modelle und klassische Signalverarbeitung in Kombination. Wir klären, warum dieser modulare Ansatz im Audio-Bereich sinnvoll ist, welche Rolle unterschiedliche Modellarchitekturen spielen und wie Trainingsdaten überhaupt entstehen – inklusive der Herausforderung, gute Ziel-Daten zu finden und daraus künstlich „schlechte“ Beispiele zu generieren. Außerdem werfen wir einen Blick auf die Infrastruktur dahinter: von GPU-Servern bei Hetzner über eigene Trainingshardware auf einem Bio-Bauernhof bis hin zu Queue-basierten Processing-Pipelines.Zum Abschluss geht es um Produktentscheidungen und den Markt: Wie entwickelt man ein Pricing für ein AI-Produkt, das mit steigender Modellkomplexität immer teurer werden kann? Warum war es ein Vorteil, früh gestartet zu sein? Und welche Rolle spielt der aktuelle AI-Hype überhaupt in einem Bereich, der schon lange vorher stark von Machine Learning geprägt war? Wir sprechen außerdem darüber, warum vollautomatische, AI-generierte Podcasts bisher keine große Rolle spielen und warum Menschen am Ende vielleicht doch lieber anderen Menschen zuhören.Schreibt uns! Schickt uns eure Themenwünsche und euer Feedback: podcast@programmier.barFolgt uns! Bleibt auf dem Laufenden über zukünftige Folgen und virtuelle Meetups und beteiligt euch an Community-Diskussionen. BlueskyInstagramLinkedInMeetupYouTubeMusik: Hanimo

Wie hat dir die Folge gefallen?Gut ?Schlecht ? (Keine Anmeldung erforderlich) Google hat auf der Google I/O 2026 gefühlt im Minutentakt neue AI-Produkte vorgestellt. Neue Gemini-Modelle, Agent-Frameworks, Coding-Tools, persönliche AI-Agents und omnimodale Video-KI – und mittendrin versucht Dennis live im Podcast noch Omni zum Laufen zu bringen.Gemeinsam sprechen Dennis, Fabi und Philipp über die wichtigsten AI-Ankündigungen der Woche und ordnen ein, was davon echtes Potenzial für die tägliche Arbeit von Entwickler:innen hat und was aktuell noch eher nach ambitionierter Zukunftsvision klingt.Ein großes Thema der Folge ist Gemini 3.5 Flash. Google positioniert das Modell klar für agentische Workflows und hohe Geschwindigkeit. Die drei diskutieren, warum „Flash“ inzwischen eher auf Sonnet-Niveau spielt, weshalb das Modell gleichzeitig deutlich teurer geworden ist und warum Geschwindigkeit sich aktuell fast wichtiger anfühlt als die letzte Prozentzahl Modellqualität. Außerdem geht es um die Frage, ob ultraschnelle Agenten irgendwann so autonom agieren, dass ihre Entscheidungen kaum noch nachvollziehbar sind.Auch Googles neues Agent-Ökosystem rund um Anti-Gravity sorgt für Gesprächsstoff. Aus Gemini CLI wird Anti-Gravity CLI – ergänzt um Desktop-App, Remote-Sandboxes, gemeinsame Agent-Harnesses, Managed Agents und ein neues SDK. Die Folge beleuchtet, wie Google damit versucht, ein vollständiges AI-Coding-Ökosystem aufzubauen und warum der Konkurrenzdruck im Bereich agentischer Entwicklungsumgebungen weiter zunimmt.Mit Gemini Spark zeigt Google außerdem seine Vision eines persönlichen AI-Agents, der dauerhaft im Hintergrund läuft und auf Gmail, Kalender, Docs und künftig auch MCP-Integrationen zugreifen kann. Die drei diskutieren, warum Spark möglicherweise der erste massentaugliche AI-Agent werden könnte, wie nah das Konzept an Projekten wie OpenClaw liegt und ob Apple zur WWDC auf ähnliche Weise reagieren muss.Besonders beeindruckend ist außerdem Omni, Googles neuer Vorstoß im Bereich omnimodaler KI. Das System kombiniert Text, Bilder, Audio und Video und ermöglicht damit neue Video-Editing- und Generierungs-Workflows. Im Fokus stehen vor allem die Konsistenz von Szenen, physikalisches Verständnis und die Frage, warum gerade Werbung und Social Content massiv von solchen Modellen profitieren könnten.Und natürlich darf auch die Praxis nicht fehlen: Dennis versucht während der Aufnahme live ein Omni-Video zu generieren – mit wechselndem Erfolg.Zum Abschluss der Folge sprechen wir über die neuste Ankündigung von Andrej Karpathy und seinem Wechsel zu Anthropic.Schreibt uns! Schickt uns eure Themenwünsche und euer Feedback: podcast@programmier.barFolgt uns! Bleibt auf dem Laufenden über zukünftige Folgen und virtuelle Meetups und beteiligt euch an Community-Diskussionen. BlueskyInstagramLinkedInMeetupYouTube

Wie hat dir die Folge gefallen?Gut ?Schlecht ? (Keine Anmeldung erforderlich) Die Google Cloud Next ist eines der größten Cloud-Events weltweit – und 2026 merkt man das mehr denn je. Über 32.000 Teilnehmende, ein nahezu komplett auf AI ausgelegtes Programm und mittendrin Jan Gregor von der programmier.bar, der uns seine Eindrücke direkt aus Las Vegas mitbringt. Was sofort auffällt: Der Shift hin zu AI ist nicht zu übersehen. Kaum eine Session kommt noch ohne aus, oft geht es um Agents, Tooling und die Integration von Modellen in bestehende Systeme. Gleichzeitig zeigt sich aber auch ein Reifegrad: Viele Inhalte richten sich nicht mehr nur an Early Adopters, sondern an Teams, die AI jetzt produktiv in ihre Prozesse bringen müssen. Themen wie Identity, Policies oder Enterprise-Integration sind deutlich präsenter als noch vor ein paar Jahren.Für erfahrene Entwickler:innen fühlt sich das teilweise weniger nach „Next Big Thing“ und mehr nach Evolution an. Die großen Durchbrüche bleiben aus, stattdessen wird iteriert, integriert und operationalisiert. Genau da wird es spannend: Wie bringen Unternehmen AI wirklich in ihre Produkte? Und wo stehen wir gerade zwischen Model-Fortschritt und tatsächlicher Produktentwicklung?Ein Highlight sind deshalb vor allem die Sessions mit Leuten aus der Praxis – etwa von Anthropic, Replit oder Factory AI. Hier geht es weniger um Feature-Announcements und mehr um echte Learnings. Zum Beispiel die These vom „Model Overhang“: Modelle sind aktuell weiter als die Produkte, die wir darauf bauen. Noch. Denn dieser Vorsprung scheint zu schrumpfen – ein möglicher Wendepunkt für die nächsten Jahre.Auch beim Thema Pricing zeichnet sich ein Wandel ab. Weg von tokenbasierten Modellen hin zu festeren Preisen pro Feature oder Ergebnis. Für Nutzer:innen nachvollziehbarer, für Anbieter:innen aber auch riskanter, zumindest solange die Modelle noch nicht stabil genug kalkulierbar sind.Abseits der Inhalte bleibt die Konferenz selbst ein Erlebnis: riesig, aufwendig produziert und mit einem klaren Fokus auf Austausch. Gleichzeitig stößt die Organisation bei der Größe an ihre Grenzen mit überfüllten Keynotes und langen Wegen. Las Vegas als Location trägt seinen Teil bei und ist beeindruckend, aber auch ein Stück weit losgelöst vom eigentlichen „Google-Gefühl“.Unterm Strich ist die Google Cloud Next 2026 vor allem eins: ein Spiegel dessen, wo die Branche gerade steht. AI ist angekommen und das nicht mehr als Experiment, sondern als Pflichtprogramm. Die großen Sprünge bleiben (vorerst) aus, dafür wird es konkret. Und genau das macht die Konferenz für viele Unternehmen aktuell so relevant.Schreibt uns! Schickt uns eure Themenwünsche und euer Feedback: podcast@programmier.barFolgt uns! Bleibt auf dem Laufenden über zukünftige Folgen und virtuelle Meetups und beteiligt euch an Community-Diskussionen. BlueskyInstagramLinkedInMeetupYouTube