HACKANDHARVEST 2024: Wir waren dabei, als Partner und als Teilnehmer
Codify war als Partner beim HACKANDHARVEST 2024 dabei und entwickelte ein innovatives "Prompt to Product" MVP. Mithilfe generativer KI und Print-on-Demand-Services können Nutzer ihre Ideen durch einfache Textbeschreibungen in physische Produkte verwandeln.
Timo Weiser · Co-Founder Codify AG, Cloud Engineer
Einleitung
Zwei inspirierende Tage voller Innovation und Zusammenarbeit liegen hinter uns! Codify war stolz darauf, als Partner am HACKANDHARVEST 2024 teilzunehmen und mit fantastischen Menschen an zukunftsweisenden Ideen zu arbeiten. Erfahrt, wie unser Team ein MVP mit generativer KI entwickelt hat, um Nutzervorstellungen in greifbare Produkte zu verwandeln.
Was ist HACKANDHARVEST?
Der HACKANDHARVEST Hackathon ist ein Open-Innovation-Format, bei dem Teams innerhalb von zwei Tagen Ideen entwickeln, Lösungsansätze erarbeiten und Prototypen erstellen. Experten aus Wirtschaft und Wissenschaft stehen als Mentoren zur Seite. Die Teilnahme ist kostenfrei und bietet eine einzigartige Gelegenheit, kreative Prozesse zu erlernen, wertvolle Kontakte zu knüpfen und eigene Ideen einzubringen.
Warum ist Open Innovation wichtig?
Open Innovation ermöglicht es Unternehmen, über den eigenen Tellerrand hinauszuschauen und von externem Wissen und Kreativität zu profitieren. Hackathons wie HACKANDHARVEST fördern diesen Austausch und beschleunigen die Entwicklung innovativer Lösungen. Sie bieten eine Plattform, um neue Talente zu entdecken und Partnerschaften zu knüpfen.
Codify beim HACKANDHARVEST 2024: Unser “Prompt to Product” Projekt
Unser Team von Codify hat mit vollem Einsatz und Begeisterung an den Projekten mitgewirkt. Wir sind besonders stolz auf unser Projekt, bei dem wir ein MVP unter Verwendung eines generativen KI-Bildgenerators und eines Print-on-Demand-Services entwickelt haben, um die Ideen der Nutzer zum Leben zu erwecken. Unser Slogan für dieses innovative Vorhaben lautet “Prompt to Product.”
So funktioniert “Prompt to Product”
- Nutzer geben einen Prompt (eine Textbeschreibung) ein.
- Ein generativer KI-Bildgenerator erstellt ein Bild basierend auf dem Prompt.
- Das Bild wird über einen Print-on-Demand-Service auf ein Produkt (z.B. T-Shirt, Tasse) gedruckt.
- Das fertige Produkt ist direkt bereit zur Bestellung
Beispiel
Hier ein Exemplar, das am Hackathon bei der Abschlusspräsentation durch den Prompt generiert wurde: “A duck as farmer”
Farmer Duck in Comic Style
Die Technologie hinter “Prompt to Product”
- Generative KI - Midjourney, Gemini
- Print-on-Demand-Services - Printify
- Applikation - Angular/ Firebase
Fazit
Der HACKANDHARVEST 2024 war eine fantastische Erfahrung und hat uns gezeigt, wie generative KI und Print-on-Demand-Services die Produktentwicklung revolutionieren können. Wir sind stolz auf unser “Prompt to Product” Projekt und freuen uns darauf, diese Technologie weiterzuentwickeln.
Wir haben uns fest vorgenommen, auch im kommenden Jahr dabei zu sein und werden wieder tatkräftig die Ideengeber mit unseren Entwicklungsfähigkeiten unterstützen.
Für die besonders Interessierten geht’s hier zum finalen MVP: [Link zum MVP]
Danke für das tolle Event!
Ein herzliches Dankeschön an das Team von cyberLAGO e.V. - digital competence network und alle freiwilligen Helfer für die exzellente Planung und Durchführung. Es war eine fantastische Erfahrung, Teil dieser kreativen und dynamischen Gemeinschaft zu sein.
More posts
Lessons learned from a year of running Pydantic AI in production
A modular agentic system with more than 9,000 active users, one agent framework, and a year of provider changes. What held up: typed tool contracts, OpenTelemetry traces, a tiered context strategy — and the insight that the framework should not become the product.
Read post
Hyperscaler vs. Open Source: Can Docling Compete with Document AI?
For a RAG pipeline over technical documentation we benchmarked Google Cloud Document AI against IBM Docling: 87 pages, 26 tables, one LLM judge. Document AI held the edge on layout structure, Docling on tables — and at 10 USD per 1,000 pages, the cost profile decided the architecture.
Read post
Evaluating the Evaluator: What Research and Our Experience Taught Us About LLM-as-a-Judge
An LLM judge is a measurement instrument, not an oracle. Research shows that judges carry systematic bias, that the judge prompt is part of the instrument, and that confident verdicts can flip under pressure. Here is what we changed in our own evaluation approach as a result.
Read post
What We Learned from Hosting a Prompt-Injection Challenge
Codify AG and Lapiscode hosted a Prompt-Injection Challenge, analyzing over 1,600 attacks against AI agents to demonstrate real-world security risks. The results confirmed that relying on simple system prompts is insufficient, whereas a layered "Defense in Depth" architecture with technical Guardrails significantly reduces vulnerabilities.
Read post
Evaluating AI Agents with DeepEval and Arize Phoenix: Lessons from Our Integration Journey
Evaluating AI agents is a major challenge because traditional metrics are inadequate for measuring qualities like "helpfulness" or tracing complex reasoning. To tackle this, we chose DeepEval for its advanced "LLM-as-a-judge" evaluation capabilities and Arize Phoenix for its powerful observability and tracing features.
Read postGet in touch directly & without obligation
- ✓Non-binding initial consultation
- ✓Personal advice from our expert team
- ✓Response within 24 hours
