Ercan Ermis

Ich bin Ercan Ermis. Senior Cloud Platform Engineer mit Sitz in den Niederlanden. Ich schreibe hier uber KI, LLMs, Agenten und die Ingenieursarbeit, die es braucht, um sie in Produktion zu bringen.

Wie ich hier gelandet bin

Der erste Computer in meinem Leben war ein Amstrad mit zwei 5,25-Zoll-Diskettenlaufwerken, den mein Vater 1986 fur sein Geschaft gekauft hat. Der eigentliche Schalter wurde 1998 umgelegt, in der vierten Klasse, als mein Lehrer Linux auf einem der Windows-95-Rechner im Schulcomputerraum installierte und sagte: “Das ist Linux, das ist freie Software.” Dann erschien Pac-Man auf diesem schwarzen Bildschirm und es war um mich geschehen. Warum funktioniert dieses Ding, wie funktioniert es, was kann ich sonst noch damit machen. Mehr als dreissig Jahre spater stelle ich immer noch dieselben Fragen und sitze immer noch an der Tastatur. Stunden vor einem Computer sind immer noch der Ort, an dem ich mich am wohlsten fuhle. Die KI-Arbeit auf dieser Seite ist eine Fortsetzung derselben Neugier, nur mit einem neuen Satz von Primitiven.

Die Beitrage auf dieser Seite stammen aus echten Produktionssystemen und Nebenprojekten, nicht aus Foliensatzen. Bedrock Knowledge Base Kosten um 90 Prozent senken durch Umstieg von OpenSearch Serverless. Die agentenbasierten Primitive, die auf der re:Invent vorgestellt wurden. Was Kiro fur den Entwicklungszyklus andert. Das Muster hinter S3 Vectors. Jeder Beitrag zeigt, wie die Arbeit tatsachlich aussah, mit den Zahlen und den Fehlermodi.

Wie das hier zusammenpasst

KI bewegt sich schnell. Die Hype-Schicht bewegt sich schneller. Ich schreibe fur Ingenieure, die bereits wissen, was ein Embedding ist, die einen LLM-Aufruf in Produktion gebracht haben und die den Kompromiss, die Kostenzahl oder den Fehlermodus kennen wollen, der es nicht in die Launch-Keynote geschafft hat.

Die Ausrichtung:

  • Echte Zahlen aus echten Workloads, nicht synthetische Benchmarks.
  • Kostenbewusste Muster. Token-Verbrauch, Vektor-Speicherung, Inferenz-Latenz zahlen alle.
  • Ehrliche Fehlermodus-Analyse. Was bei Skalierung bricht. Was einen Montag nicht uberlebt.
  • Engineering-Hygiene angewandt auf KI. Gleiches Review, gleiche Observability, gleiches Blast-Radius-Denken.

Qualifikationen und Community

  • Senior Cloud Platform Engineer mit uber 7 Jahren AWS-Erfahrung.
  • AWS Certified Solutions Architect, Associate.
  • AWS Community Builder seit 2022.
  • Rotterdam Chapter Organizer fur Claude Community NL. Folgen Sie dem Rotterdam Meetup auf meetup.com/claude-rotterdam, erste Veranstaltung in Kurze.
  • Grunder des Izmir Yazilim Agi (1.239 Mitglieder, 57 Veranstaltungen).

Schwesterseite

Fur kuratierte KI-Nachrichten, Links und kommentierte Bulletins siehe news.ercan.ai. Diese Seite (ercan.ai) ist fur ausfuhrliche Feldnotizen; news.ercan.ai ist der Kurzformat-Feed.

Weitere Texte

Beratung und Advisory

Ich nehme eine kleine Anzahl von KI- und angewandte-ML-Beratungsauftragen an. Ich mag diese Arbeit. Sie halt mich in echten Produktionsumgebungen, und genau dort entstehen die nutzlichen Muster.

Wie ich mit Teams arbeite:

  • KI/ML-Plattform-Advisory. Ihr Team bewegt sich uber die Prototypenphase hinaus und braucht eine kostenbewusste, sichere Grundlage fur LLM-Workloads. Bedrock, SageMaker, Vektor-Speicher, Inferenz-Routing, Guardrails. Ich helfe bei der Architektur und dem Betriebsmodell.
  • Projektbasierte Umsetzung. Sie haben eine spezifische KI-Funktion oder Pipeline, die ausgeliefert werden muss. Ich baue sie mit Ihrem Team, ubergebe die Verantwortung und dokumentiere die Fehlermodi, damit Sie sie nachstes Quartal nicht neu entdecken mussen.
  • AWS-Kostenoptimierung fur KI-Workloads. Bedrock Knowledge Base, OpenSearch Serverless, bereitgestellter Durchsatz. Die meisten Teams zahlen 60-90% zu viel, weil das Preismodell nicht offensichtlich ist. Ich finde die Verschwendung, strukturiere den Stack um und ubergebe Ihnen das Kosten-Dashboard.

Die breitere Bandbreite, zu der ich berate, falls die Form Ihres Problems weiter geht als KI: AWS, Cloud-Architektur, CI/CD-Pipelines, Linux, GitHub- und GitLab-Tooling, Terraform, Kubernetes und EKS, Observability, Kostenoptimierung und Migration. Die KI-Workloads sitzen oben auf diesem Stack; in der Praxis sind die zwei ein Engagement, nicht zwei.

Kleine, fokussierte Engagements. Wenn das, woran Sie bauen, sich mit den Themen auf dieser Seite uberschneidet, erreichen Sie mich auf LinkedIn. Sagen Sie mir, was Sie ausliefern wollen und wo der Flaschenhals sitzt.

Weiterlesen