Kontakt aufnehmen

Schulungsübersicht

Der Vier-Stufen-Personalisierung-Stack

Stufe 1 | Weiß – Rules und AGENTS.md

Inhalt:
• Festlegung von Projekt-Konventionen und Coding-Standards
• Dokumentation der Architektur und technischer Randbedingungen
• Erstellung tool-Neutraler Projekt-Richtlinien
• Sicherstellung der Konsistenz über Entwicklungsteams und KI-Tools hinweg

Stufe 2 | Kann – Skills

Inhalt:
• Erstellung wiederverwendbarer Einheiten spezialisierten Wissens
• Laden kontextbezogener Informationen nur bei Bedarf
• Reduzierung der Kontextgröße bei gleichzeitiger Verbesserung der Aufgabenleistung
• Aufbau von Bibliotheken mit wiederverwendbaren Workflows und Expertise

Stufe 3 | Greift – MCP

Inhalt:
• Anbindung von KI-Tools an externe Systeme und Dienste
• Zugriff auf Repositories, Datenbanken und Dokumentationsquellen
• Erweiterung der Fähigkeiten von KI-Coding-Assistenten
• Implementierung sicherer Integrationen und Governance-Maßnahmen

Stufe 4 | Handelt – Agents

Inhalt:
• Verständnis autonomer KI-Agenten und ihrer Fähigkeiten
• Autonomes Lesen, Schreiben, Testen und Überarbeiten von Code
• Verwaltung zielführiger Workflows und delegierter Aufgaben
• Einrichtung von Kontroll- und menschlichen Review-Mechanismen für agentic Systeme

Tag 1 | Delegation und Erweiterung der Tools

Modul 1 | Vom Assistenten zum Agenten

Inhalt:
• Unterscheidung zwischen KI-Assistenten und autonomen Agenten
• Inline-Code-Vervollständigung versus agentic Delegation
• Wie agentic Workflows die Struktur von Entwicklungsaufgaben verändern
• Identifikation von Aufgaben, die sich für die Delegation an Agenten eignen
• Best Practices für die Zusammenarbeit mit autonomen KI-Systemen

Modul 2 | Delegationen, die ohne ständige Aufsicht funktionieren

Inhalt:
• Schreiben effektiver Anweisungen für KI-Agenten
• Bereitstellung ausreichender Kontextinformationen und Geschäftsanforderungen
• Definition von Randbedingungen und Ausführungsgrenzen
• Festlegung klarer Akzeptanzkriterien und Erfolgsmessgrößen
• Minimierung menschlicher Eingriffe bei gleichzeitiger Aufrechterhaltung der Qualität

Modul 3 | Personalisierung-Stack und deren Anwendungsbereich

Inhalt:
• Verständnis des Vier-Stufen-Personalisierung-Stack
• Nutzung von Rules und AGENTS.md zur Definition von Projekt-Konventionen
• Ermittlung, welche Personalisierungsmechanismen in verschiedenen Szenarien anzuwenden sind
• Effizientes Kontextmanagement über Tools und Projekte hinweg
• Erstellung konsistenter KI-unterstützter Entwicklungsumgebungen

Modul 4 | Skills und Subagents

Inhalt:
• Erstellung wiederverwendbarer Skills für gängige Workflows und Aufgaben
• Verpackung spezialisierten Wissens zur wiederholten Nutzung
• Verständnis der Rolle von Subagents und isolierten Kontexten
‥ delegation begrenzter Aufgaben an spezialisierte Agenten
• Verbesserung der Effizienz durch modulare KI-Workflows

Tag 2 | Anbindung von Tools, Parallelität und Governance

Modul 5 | MCP: Verbinden und Erstellen

Inhalt:
• Verständnis der Prinzipien des Model Context Protocol (MCP)
• Anbindung von KI-Tools an externe Systeme und Dienste
• Integration von Browsern, Datenbanken, Repositories und Dokumentationsquellen
• Aufbau eines eigenen MCP-Servers
• Verwaltung von Zugriffssteuerung und Sicherheitsaspekten

Modul 6 | Der disziplinierte agentic Workflow

Inhalt:
• Etablierung eines wiederholbaren KI-unterstützten Entwicklungsprozesses
• Brainstorming und Planung mit KI-Agenten
• Gemeinsamer Aufbau und Implementierung von Lösungen
• Testen und Validieren generierter Outputs
• Überprüfung und Finalisierung der Ergebnisse mit geeigneten Verifizierungsschritten

Modul 7 | Parallele Entwicklung

Inhalt:
• Simultanes Ausführen mehrerer KI-Agenten
‥ Arbeit mit isolierten Branches und Git Worktrees
• Koordination der Entwicklungstätigkeiten über parallele Workflows hinweg
• Zusammenführung und Validierung der Outputs mehrerer Agenten
• Steigerung der Produktivität durch parallele Ausführungsstrategien

Modul 8 | Risiken, Reviews und Governance

Inhalt:
• Bewertung und Prüfung externer Skills und MCP-Server
• Verständnis von Sicherheits- und Governance-Risiken
• Verwaltung von Berechtigungen und Zugriffsrechten
• Schutz sensibler Daten und geistigen Eigentums
• Etablierung von Review-Prozessen und Qualitätsmanagement-Praktiken

Modul 9 | KI-Einführung in der Softwareentwicklung: Anwendungsfälle und nächste Schritte

Inhalt:
• Wie Organisationen KI in den Software Development Lifecycle (SDLC) integrieren
• Praxisnahe Anwendungsfälle und Implementierungsbeispiele aus verschiedenen Branchen
• Gängige Ansätze zur KI-Einführung: individuelle Einführung, teambasierte Einführung und organisationsweite Enablement-Maßnahmen
• Typische Anwendungsfälle über den SDLC hinweg:
• Anforderungsermittlung und Dokumentation
• Code-Generierung und Prototyping
• Testing und Qualitätssicherung
• Code-Review und Refactoring
• Dokumentation und Wissensmanagement
• DevOps und Incident Management
• Governance-Modelle, Richtlinien und Sicherheitsaspekte
• Messung der Produktivität und des ROI von KI-unterstützter Entwicklung
• Aufbau einer internen KI-Einführungsroadmap
• Definition praktischer nächster Schritte für Teilnehmer und ihre Teams

Interaktive Diskussionsworkshop

• Aktuelle Herausforderungen innerhalb der Entwicklungsteams der Teilnehmer
• Identifikation von Use Cases mit hohem Wert für die unmittelbare Einführung
• Risiken, Blockierer und organisatorische Aspekte
• Erstellung eines ersten Aktionsplans zur KI-Integration.

Voraussetzungen

Professionelle Entwicklungserfahrung, Sicherheit im Umgang mit der Kommandozeile und fundierte Git-Kenntnisse. Regelmäßige Nutzung eines KI-Coding-Tools oder Abschluss des Foundations-Kurses.

Zielgruppe

Entwickler, die bereits KI-Tools nutzen, technische Lead-Verantwortliche für die Team-Einführung sowie Platform- oder DevOps-Ingenieure, die Skills und MCP-Server aufbauen.

 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien