PyCologne Treffen Juli 2026

Datum: Mi, 08.07.2026, 19:00 Uhr Ort: DVS AG, Schanzenstraße 30, 51063 Köln (Anfahrt)

Zusammenfassung

1. Einleitung und Rahmenbedingungen

Das Treffen wurde von Daniel Steinberger (DST, DVS AG) moderiert. Er begrüßte die Teilnehmer, stellte die organisatorischen Rahmenbedingungen vor (Pizza-Bestellung, Vorstellungsrunde) und leitete zu den technischen Diskussionen über.

2. Vorstellungsrunde der Teilnehmer

Die Teilnehmer stellten sich mit ihren Hintergründen und aktuellen Schwerpunkten vor:

  • Jörn (Speaker 03): Arbeitet an der Digitalisierung der Baubranche.
  • Ugur (Speaker 04): Mitglied der Ankara Python Community, neu in Köln, sucht nach beruflichen Möglichkeiten im Python-Bereich.
  • Kai (Speaker 04): Physiker am Forschungszentrum Jülich, arbeitet mit wissenschaftlichen Großrechnern und hat Erfahrung mit der Wartung von Legacy-Code.
  • Pauline (Speaker 07): Online-Programmierlehrerin und ehemalige Data Scientist/Data Engineer mit Fokus auf Machine Learning und Docker/Cloud-Deployments.
  • Andreas (Speaker 05): Python-Entwickler bei DVS, arbeitet auch mit Rust.
  • Johannes (Speaker 01): Lehrer, der Python über Blender kennengelernt hat.
  • Martin (Speaker 00): IT-Experte mit Erfahrung in der Datenanalyse, derzeit auf Stellensuche.

3. Technischer Deep Dive: Sicherheit in HPC-Umgebungen (Kai)

Ein wesentlicher Teil des Gesprächs drehte sich um ein Projekt von Kai zur Absicherung von High-Performance Computing (HPC) Systemen.

  • Die Problemstellung: Auf wissenschaftlichen Großrechnern wurden unerwartete Dateien mit dem SUID-Bit (Set User ID) gefunden. Dies stellt ein erhebliches Sicherheitsrisiko dar, da es Nutzern ermöglicht, Programme mit den Rechten anderer (potenziell privilegierter) Nutzer auszuführen.
  • Die technische Herausforderung: In HPC-Umgebungen ist es oft schwierig, externe Software oder Pakete zu installieren, da die Knoten häufig keinen direkten Internetzugang haben oder als Stateless/Diskless Nodes (ohne lokale Festplatte) arbeiten.
  • Der Lösungsansatz: Kai entwickelte ein Python-Skript, das via SSH auf entfernte Knoten geschickt wird. Um die Abhängigkeit von vorinstallierten Paketen zu umgehen, nutzt das Skript die Python-Standardbibliothek, speziell das Modul inspect. Damit kann das Skript seinen eigenen Quellcode zur Laufzeit "aus dem Boot zaubern" (als String extrahieren) und auf den Zielknoten ausführen. Dies ist besonders vorteilhaft in Umgebungen ohne Internetzugang.
  • Infrastruktur & Deployment: Die Diskussion umfasste auch die Komplexität durch Containerisierung (LXC/Docker), die das Scannen von Systemen erschwert, da man "von außen auf die innere Sicht des Containers" schauen muss. Das Deployment der Software erfolgt über Ansible und GitLab-Runner, wobei die Systeme oft über Netzwerk-Images (Images/RPMs) aktualisiert werden.

4. Hauptdiskussion: KI und die Evolution des Software Engineerings

Die Gruppe diskutierte intensiv darüber, wie Large Language Models (LLMs) und "Agentic Engineering" die Rolle von Entwicklern verändern.

  • Auswirkungen auf Junior-Entwickler: Es wurde die Sorge geäußert, ob KI-Unterstützung das tiefe Verständnis für Code bei Anfängern behindert. Die Konsensmeinung war, dass das Lernen von Syntax weniger wichtig wird, während das Verständnis für Strukturen, Datenobjekte und mentale Frameworks entscheidend bleibt.
  • Verschiebung der Kompetenzen: Die Arbeit verlagert sich von der "Zeile-für-Zeile"-Implementierung hin zu einer stärkeren Konzentration auf Architektur, Designentscheidungen und die präzise Spezifikation von Ergebnissen ("Agentic Engineering").
  • Lokale Modelle: Die Nutzung lokaler LLMs auf leistungsstarker Hardware (z. B. NVIDIA RTX 5090) wurde als praktischer Ansatz für die Entwicklung besprochen.
  • Refactoring: Es wurde erörtert, wie KI beim Refactoring hilft, aber auch die Theorie aufgestellt, dass exzellente KI-generierte Codequalität langfristig die Notwendigkeit für klassisches manuelles Refactoring reduzieren könnte.
  • Qualitätssicherung: In einer Welt, in der KI-Code sehr schnell generiert wird, wird das automatisierte Testen zum wichtigsten Sicherheitsnetz, um Regressionen sofort zu erkennen.

5. Über den Moderator & Projekte

Daniel Steinberger moderiert die Gruppe und teilt Einblicke in die Arbeit mit großen Code-Basen (ca. 1 Mio. Python-Zeilen).

Zusätzliche Informationen zu Daniel Steinbergers Projekten:

  • herdr: Ein tmux-ähnliches Programm (herdr.dev).
  • obsidian-herdr: Ein entsprechendes Plugin für Obsidian (GitHub).

Wir suchen Themen! Wenn Du einen Vortrag halten, eine Demo zeigen oder einen Programmpunkt anmelden möchtest, melde Dich gerne. Auch für spontane Buch- oder Tool-Vorstellungen, Fragen und Coding-Ankündigungen ist Platz, bring einfach mit, was Dich gerade beschäftigt.

Anmeldung läuft unverbindlich und kostenlos über Meetup.