Technologien, mit denen wir arbeiten

Wie wählen wir Technologie aus?

Wir wählen das Werkzeug, das ein kompetentes Team auch in fünf Jahren noch warten kann, und prüfen es dann an den Daten, der Last und dem Budget des Projekts. Für die meisten Geschäftssysteme heisst das: ein verbreitetes Framework, eine typisierte Sprache, PostgreSQL und automatisierte Tests. Neue Technologie bekommt nur dort einen Platz, wo sie ein Problem löst, das die bewährten Optionen nicht lösen.

In der Praxis beruhen die meisten Entscheide auf ein paar Regeln:

• Langweilig, wo es sein muss. Authentifizierung, Zahlungen, Datenspeicherung und Backups setzen auf bewährte Bibliotheken und gut dokumentierte Dienste. Dort ist kein Platz für Experimente.
• Frameworks mit langer Erfolgsgeschichte. React, Next.js, FastAPI, Laravel und PostgreSQL haben grosse Communities, regelmässige Sicherheitsreleases und viele Entwicklerinnen und Entwickler, die sie kennen. Ihr System hängt nicht allein von uns ab.
• Typisierter Code und validierte Schnittstellen. Wir schreiben TypeScript und typisiertes Python und validieren jede Eingabe, die eine Systemgrenze überschreitet (Formulare, APIs, Webhooks, importierte Dateien), gegen ein Schema mit Zod oder JSON Schema. Das verhindert eine ganze Klasse von Fehlern, bevor sie die Produktion erreichen.
• Tests bei jeder Änderung. Unit- und Integrationstests mit Vitest und pytest, End-to-End-Tests mit Playwright und CI-Pipelines, die ein Release blockieren, wenn etwas fehlschlägt.
• Hosting nach den Daten gewählt. Öffentliche Websites können auf einer globalen Plattform laufen. Systeme, die Personendaten oder sensible Daten bearbeiten, können in der Schweiz oder in der EU laufen, im Einklang mit DSG und DSGVO. Docker hält diesen Entscheid umkehrbar.
• Passend zu Ihrem Team. Wenn Ihre Entwickler bereits PHP und Laravel kennen, drängen wir Sie nicht zu Python. Der beste Stack ist oft der, den Ihre Leute betreuen können.

Und neue Technologien?

Wir setzen neue Werkzeuge ein, wenn sie einen konkreten Bedarf decken. Das Model Context Protocol (MCP) ist ein aktuelles Beispiel: Als KI-Agenten strukturierte Daten direkt lesen mussten, haben wir neben der öffentlichen REST-API eines Verzeichnisses von Kommunikations-APIs einen Read-only-MCP-Server gebaut, statt darauf zu setzen, dass Agenten Webseiten auslesen. Sprachmodelle von Anthropic, OpenAI und Google sind ein weiteres Beispiel: Wir setzen sie innerhalb von Prozessen ein, mit Output-Validierung und Kostenlimiten, wie unter KI & Automatisierung beschrieben.

Warum ist diese Liste kürzer als eine typische Logo-Wand?

Weil jeder Eintrag auf dieser Seite in Code vorkommt, den wir geschrieben haben und betreiben: in eigenen Produkten, in Kundenplattformen oder in Integrationen, die wir gebaut haben. Tools, über die wir nur gelesen haben, führen wir nicht auf. Braucht Ihr Projekt etwas, das hier fehlt, sagen wir das offen und erklären, wie wir es angehen würden.