Häufig gestellte Fragen: Individuelle Softwareentwicklung
(01)Welchen Tech-Stack nutzen Sie für Webanwendungen?
Wir setzen auf Next.js 16 mit React Server Components, TypeScript, Tailwind CSS, und je nach Anforderung PostgreSQL, Convex oder Supabase als Datenbank. Für Hosting nutzen wir Vercel oder AWS/GCP mit Edge-Deployment.
(02)Wie werden Scope-Änderungen während des Projekts gehandhabt?
Wir arbeiten in klar abgegrenzten Etappen: zuerst ein Sprint von rund vier Wochen mit dem Ziel einer lauffähigen Beta, danach die Ausbau-Etappen im Format Build & Begleitung. Scope-Änderungen sind willkommen und werden über ein strukturiertes Change-Request-Verfahren bewertet. Jede Änderung wird hinsichtlich Aufwand, Timeline und Budget transparent kommuniziert, bevor sie in den Backlog aufgenommen wird.
(03)Wie regeln Sie den laufenden Betrieb?
Im Format Build & Begleitung übernehmen wir Monitoring, Fehlerbehebung und Updates. Pauschale Verfügbarkeitszusagen geben wir nicht; wie schnell wir reagieren und woran wir den Betrieb messen, legen wir gemeinsam im Vertrag fest – abgestimmt auf die Bedingungen der eingesetzten Cloud-Dienste.
(04)Wie wird die Security der Anwendung gewährleistet?
Security ist von Anfang an integriert: OWASP-konforme Entwicklung, rollenbasierte Zugriffskontrolle (RBAC), Secrets Management, verschlüsselte Kommunikation (TLS 1.3), Audit-Logging und regelmäßige Security-Reviews. Bei sensiblen Daten implementieren wir zusätzlich PII-Handling nach DSGVO.
(05)Wie funktioniert die Wartung nach dem Go-Live?
Fehler, die Sie innerhalb von 30 Tagen ab der finalen Lieferung melden, beheben wir kostenlos. Danach übernehmen wir im Format Build & Begleitung Bugfixes, Security-Updates, Performance-Optimierung und Feature-Entwicklung – mit Ticket-System, regelmäßigen Status-Reports und einem festen Ansprechpartner.
(06)Wie wird KI verantwortungsvoll integriert?
Wir setzen auf AI Governance: Modelwahl basierend auf Ihren Anforderungen (Claude, GPT, Gemini, Open Source), Guardrails gegen Halluzinationen und unerwünschte Outputs, Cost Caps für Token-Verbrauch, und Fallback-Strategien bei API-Ausfällen. RAG-Systeme trainieren kein Modell mit Ihren Daten: Die Daten werden zur Laufzeit aus einem Vektorindex abgerufen, der unter Ihrer Kontrolle bleibt, und nicht an Dritte weitergegeben.