Wenn du verstehen willst, wie Tech das Sport-Erlebnis verändert:

🎧 Hör rein in die neue bynd code Episode
Apple: byndco.de/13/ap
Spotify: byndco.de/13/sp
Youtube: byndco.de/13/yt

Und das ist nur ein Teil der Story.

In der Podcast Episode geht’s auch um:

Millionen gleichzeitige Nutzer
Near real-time Daten
Personalisierung im Fan-Erlebnis
„Glass-to-Glass“ Strategien

Was früher ein Ressourcenproblem war, ist jetzt skalierbar.

AI ersetzt nicht das Team —
sie verschiebt den Fokus:

weniger Schreiben
mehr Qualität, Timing & Relevanz

In der Bundesliga App bauen AI Agents heute aus Artikeln automatisch fertige Storys.

Redakteure greifen nur noch ein, kuratieren, passen Headlines an. Human-In-The-Loop #HITL

➡️ Ergebnis: Content ist in Minuten live.

„Wir wären niemals in der Lage gewesen, dieses Content-Format zusätzlich als Content Team zu etablieren.“ sagt Alexander Altenhofen, Director Product & Technology #DFL

Ein Satz, der ziemlich gut zeigt, was AI gerade im Sport verändert 👇

🎧🎙️ 1,7 Mio. Bewegungsdaten pro @bundesliga Spiel ⚽️ für mitreißende Fan-Erlebnisse! #podcast YouTube video by bynd code

🎧🎙️ 1,7 Mio. Bewegungsdaten pro Bundesliga Spiel ⚽️ für mitreißende Fan... youtu.be/qEpy1pUrgtI?... via @YouTube

Wie die Bundesliga mit AI und Daten Millionen Fans erreicht - Alexander Altenhofen (DFL) | bynd code podcast Der bynd code Podcast beleuchtet Geschichten aus der Tech-Industrie: Von Erfolgen und Rückschlägen bis hin zu wertvollen Einsichten und Tipps.

🎧🎙️New Episode Drop! 🔥
Millionen Menschen schauen jede Woche Fußball! ⚽️
In der Saison werden bis zu 1 Milliarde Datenpunkte gesammelt und pro Spiel sind das rund 1,7 Millionen Positionsdaten allein.
Mit Alexander Altenhofen von DFL
mehr: byndco.de/13
#Bundeliga #Fußball #Tech #Engineering #BigData

What Data‑Driven Engineering Looks Like at Scale!
Listen to the full episode:
🎧 Spotify: byndco.de/12/sp
🎧 Apple: byndco.de/12/ap
📺 Youtube: byndco.de/12

🎙️🎧 How Data Drives Engineering Decisions at Spotify 📉📈📊 YouTube video by bynd code

🎙️🎧 How Data Drives Engineering Decisions at Spotify 📉📈📊
youtube.com/shorts/v2Cp-...

How Spotify Builds at Scale in the Age of AI - Niklas Gustavsson VP Engineering Spotify
🎧 Spotify: byndco.de/12/sp
🎧 Apple: byndco.de/12/ap
📺 YouTube: byndco.de/12/yt

Link to episode:
-Spotify: byndco.de/12/sp
- Apple Podcasts: byndco.de/12/ap
- Youtube: byndco.de/12/yt

👉 Website: byndco.de/12

At the same time, Spotify continues to invest heavily in its internal platform:

Backstage as the central developer interface
Fleet management systems to maintain consistency at scale
A highly distributed yet synchronized organization to ship one experience to the user

This changes how engineers work.

Less time writing code.
More time supervising systems, reviewing output, and orchestrating changes across complex environments.

AI is no longer experimental. It’s part of the system.
- Code is generated instead of written.
- Large-scale migrations run across thousands of - repositories.
- Internal agents turn discussions into pull requests.
Prototypes replace static specs.

Spotify operates at massive scale: ~100 million concurrent users, 11–12 million requests per second, and continuous deployments across a highly distributed system.
But the more interesting shift is happening inside the engineering workflow itself.

🎧🎙️ New Episode drop🔥
I spoke with Spotify’s Chief Architect and VP of Engineering, Niklas Gustavsson, about how Spotify scales engineering across thousands of services, internal platforms, and increasingly AI-driven development.

Links zur Episode:
Spotify: byndco.de/11/sp
Apple Podcasts: byndco.de/11/ap
YouTube: byndco.de/yt

70 % der AI Use Cases floppen. So what?
Das ist kein Scheitern.Das ist Innovation.
Experimente scheitern.
Das ist der Preis für Fortschritt.
Das Problem sind nicht die 70 %, die floppen.
„Du musst dafür sorgen, dass die 30 %, die wirklich funktionieren, ein Kundenproblem lösen.“

Links zur Episode:
Spotify: byndco.de/11/sp
Apple Podcasts: bynco.de/11/ap
YouTube: byndco.de/11/yt

Was beobachtest du gerade?
Verstärkt AI bei euch Stärken – oder legt sie Schwächen offen?

Ich freue mich auf deine Erfahrungen! 👇

💎 Warum Effizienz keine relevante Kennzahl ist – sondern Throughput, Cycle Time & Business Value
💎 Warum die besten AI-Use-Cases nicht im Konferenzraum, sondern beim Kunden entstehen

Wir sprechen u. a. über:
💎 Warum gute Delivery durch AI besser wird – schlechte jedoch zum Engpass
💎 Warum „autonome AI-Agenten“ oft ein Mythos sind – Delegation wird zur Kernkompetenz
💎 Warum erfahrene Entwickler im Vorteil sind: „Es gibt keinen Kompressionsalgorithmus für Erfahrung.“

Eine lernende Organisation zu sein ist der Schlüssel zum Erfolg.
Das bedeutet: Als Tech-Organisation musst du zeigen können, warum es sinnvoll ist, in dich zu investieren.

👉 Hast du das nicht?
Dann werden strukturelle Schwächen sichtbar – AI macht nichts neutral, sie reflektiert den Status quo.

#AI ist mächtig – aber sie verstärkt das, was bereits da ist.

👉 Hast du in den letzten Jahren in deine Organisation, deine Leute und deine Technologien investiert?
Dann wirst du die nächste Innovationswelle schneller und besser adaptieren.

AI ist ein Amplifier! 🚀
Sie macht gute Organisationen besser – und macht bestehende Schwächen sichtbar.

Im bynd code Podcast mit Matthias Patzak (Executive in Residence, #AWS) sprechen wir darüber, wie #AI aktuell auf Organisationen wirkt.

Kein Tool-Hype. Kein Vibe Coding.
Sondern ein ehrlicher Blick auf Delivery & Führung im AI-Zeitalter.
🎧 Ganze Episode hier:
#Spotify: byndco.de/11/sp
#ApplePodcasts: byndco.de/11/ap
#YouTube: byndco.de/11/yt

Mehr Output ≠ mehr Wert.
Was wirklich zählt:
Throughput
Cycle Time
Business Value pro Release
Wenn du das nicht messen kannst, kannst du AI nicht steuern.

Warum erfahrene Entwickler jetzt im Vorteil sind:
„Es gibt keinen Kompressionsalgorithmus für Erfahrung.“

Großer Mythos: autonome AI-Agenten.
Reality Check:
Agenten sind wie gut ausgebildete Hochschulabsolventen.
Sehr leistungsfähig, aber ohne Kontext.
Sie brauchen Delegation, Grenzen und Reviews.