AI-Augmented Development für produktiveres Programmieren

• 1. Grundlagen KI-gestützter Softwareentwicklung
  • Funktionsweise großer Sprachmodelle und deren Anwendung im Programmierkontext
  • Überblick über die aktuelle Landschaft der KI-Assistenten für Entwicklungsaufgaben
  • Realistische Einschätzung von Leistungsfähigkeit, Grenzen und typischen Fehlermustern
• 2. Code-Generierung im Entwickleralltag
  • Effektive Nutzung von Autovervollständigung und kontextbezogener Code-Vorschläge
  • Strategien zur Formulierung präziser Prompts für komplexere Codeanforderungen
  • Umgang mit generierten Vorschlägen: Bewertung, Anpassung und kritische Prüfung
• 3. Refactoring und Code-Verbesserung
  • Einsatz von KI-Werkzeugen zur Identifikation von Verbesserungspotenzialen in bestehendem Code
  • Automatisierte Vorschläge für Strukturoptimierung, Lesbarkeit und Wartbarkeit
  • Gezielte Modernisierung von Legacy-Code mit KI-Unterstützung
• 4. Testgenerierung und Qualitätssicherung
  • Automatische Erstellung von Unit-Tests, Integrationstests und Testdaten
  • KI-gestützte Analyse von Testabdeckung und Identifikation ungetesteter Pfade
  • Grenzen der automatisierten Testgenerierung und notwendige manuelle Ergänzungen
• 5. Dokumentation und Wissenstransfer
  • Automatische Generierung von Code-Kommentaren, Docstrings und API-Dokumentation
  • Erstellung verständlicher Erklärungen für komplexe Codeabschnitte
  • Unterstützung beim Onboarding neuer Teammitglieder durch KI-basierte Code-Erläuterungen
• 6. Debugging und Fehleranalyse
  • Nutzung von KI-Assistenten zur schnelleren Eingrenzung und Behebung von Fehlern
  • Analyse von Fehlermeldungen, Stack Traces und unerwartetem Verhalten
  • Systematische Vorgehensweise bei der KI-gestützten Problemlösung
• 7. Integration in Entwicklungsumgebungen
  • Einrichtung und Konfiguration gängiger KI-Plugins für IDEs und Editoren
  • Anpassung an projektspezifische Coding-Standards und Konventionen
  • Zusammenspiel mit bestehenden Werkzeugen wie Linter, Formatter und Build-Systemen
• 8. Sicherheit und Codequalität
  • Erkennung potenzieller Sicherheitslücken und unsicherer Programmierpraktiken
  • Kritische Bewertung generierter Vorschläge hinsichtlich Sicherheit und Best Practices
  • Vermeidung versehentlicher Übernahme von fehlerhaftem oder unsicherem Code
• 9. Produktive Arbeitsweisen und Workflow-Optimierung
  • Entwicklung effizienter Routinen für die Zusammenarbeit mit KI-Assistenten
  • Balance zwischen KI-Unterstützung und eigenständigem Problemlösen
  • Vermeidung von Abhängigkeit und Erhalt fundamentaler Programmierfähigkeiten
• 10. Rechtliche Aspekte und Unternehmensrichtlinien
  • Urheberrechtliche Fragen bei der Nutzung von KI-generiertem Code
  • Datenschutz und Vertraulichkeit beim Einsatz cloudbasierter Dienste
  • Gestaltung unternehmensinterner Richtlinien für den verantwortungsvollen Einsatz
• Praxisübung
  • KI-gestützter Entwicklungszyklus
  • Die Teilnehmer durchlaufen in Einzelarbeit oder Paaren einen vollständigen Entwicklungszyklus mit KI-Unterstützung. Ausgehend von einer funktionalen Anforderung generieren sie Code, lassen diesen durch den KI-Assistenten refaktorieren und erstellen automatisch Tests. Anschließend dokumentieren sie die Lösung mit KI-Hilfe und führen eine sicherheitsorientierte Überprüfung durch. Die Übung schließt mit einer Reflexion über Zeitersparnis, Qualität der Ergebnisse und notwendige manuelle Eingriffe im Vergleich zur Arbeit ohne KI-Unterstützung.

LernzieleNach Abschluss des Seminars können die Teilnehmer KI-Assistenten gezielt und effektiv in ihren Entwicklungsalltag einbinden. Sie beherrschen die wichtigsten Anwendungsfälle von der Code-Generierung über Testing bis zur Dokumentation und wissen, wie sie die Qualität der KI-Vorschläge kritisch bewerten.ZielgruppenDas Seminar richtet sich an Softwareentwickler, Programmierer und technische Leads, die ihre Produktivität durch moderne KI-Werkzeuge steigern möchten. Ebenso angesprochen sind DevOps-Ingenieure, Architekten und technische Projektverantwortliche, die den Einsatz solcher Tools in ihren Teams evaluieren oder einführen wollen. Auch erfahrene Entwickler, die bisher skeptisch gegenüber KI-Assistenten waren, gewinnen hier eine fundierte Grundlage für eine differenzierte Einschätzung.