Schulungsübersicht
Level 1: Die Entdeckungs-Höhle – Geheimnisse der Anforderungen
Mission: Nutze LLMs (ChatGPT), um strukturierte Anforderungen aus vagen Eingaben zu extrahieren.
Wesentliche Aktivitäten:
- Interpretation mehrdeutiger Produktideen oder Feature-Anfragen
- Nutzung von KI, um:
- User Stories und Akzeptanzkriterien zu generieren
- Personas und Szenarien vorzuschlagen
-
Sichtbare Artefakte zu erstellen (z. B. einfache Diagramme mit Mermaid oder draw.io)
Ergebnis: Strukturierter Backlog aus User Stories + initiales Domänenmodell/Skizzen
Level 2: Die Design-Schmiede – Der Architekten-Schriftsatz
Mission: Verwende KI, um Architekturpläne zu erstellen und zu validieren.
Wesentliche Aktivitäten:
- Nutzung von KI, um:
- einen Architekturstil vorzuschlagen (Monolith, Microservices, Serverless)
- hochauflösende Komponenten- und Interaktionsdiagramme zu generieren
- Klassen-/Modulstrukturen zu skizzieren
-
Wechselseitige Überprüfung der Designentscheidungen durch Peer-Reviews
Ergebnis: Validierte Architektur + Code-Gerüst
Level 3: Die Code-Arena – Codex-Rittertour
Mission: Setze KI-Copilots ein, um Features zu implementieren und Code zu verbessern.
Wesentliche Aktivitäten:
- Implementierung von Funktionalitäten mit GitHub Copilot oder ChatGPT
- Refactoring von KI-generiertem Code hinsichtlich:
- Leistung
- Sicherheit
- Wartbarkeit
-
Einfügen von „Code Smells“ und Durchführung gemeinsamer Aufräum-Aufgaben
Ergebnis: Funktionelle, refaktorierte, KI-generierte Codebasis
Level 4: Das Bug-Sumpfgebiet – Teste die Dunkelheit
Mission: Erstelle und verbessere Tests mit KI, finde dann Bugs im Code anderer Teams.
Wesentliche Aktivitäten:
- Generierung folgender Tests mithilfe von KI:
- Unit Tests
- Integrationstests
- Grenzfall-Simulationen
-
Austausch von fehlerhaftem Code mit einem anderen Team zur KI-gestützten Fehlersuche
Ergebnis: Test-Suite + Bug-Report + Bug-Fixes
Level 5: Die Pipeline-Pforten – Das Automaten-Tor
Mission: Richte intelligente CI/CD-Pipelines mit KI-Unterstützung ein.
Wesentliche Aktivitäten:
- Nutzung von KI, um:
- Workflows zu definieren (z. B. GitHub Actions)
- Schritte für Build, Test und Deployment zu automatisieren
- Anomalie-Erkennung/Rollback-Politiken vorzuschlagen
Ergebnis: KI-gestütztes, funktionierendes CI/CD-Pipeline-Skript oder -Flussdiagramm
Level 6: Die Überwachungsburg – Der Wachturm der Logs
Mission: Analysiere Logs und nutze ML, um Anomalien zu erkennen und Wiederherstellungen zu simulieren.
Wesentliche Aktivitäten:
- Analyse vorbefüllter oder generierter Logs
- Nutzung von KI, um:
- Anomalien oder Fehlermuster zu identifizieren
- automatisierte Reaktionen vorzuschlagen (z. B. Selbstheilungs-Skripte, Alarme)
- Dashboards oder visuelle Zusammenfassungen zu erstellen
Ergebnis: Monitoring-Plan oder simulierte intelligente Benachrichtigungsmechanismen
Finale Level: Die Helden-Arena – Baue den ultimativen KI-gestützten SDLC
Mission: Die Teams wenden alles Gelernte an, um einen funktionalen SDLC-Zyklus für ein Mini-Projekt zu bauen.
Wesentliche Aktivitäten:
- Auswahl eines Team-Mini-Projekts (z. B. Bug-Tracker, Chatbot, Microservice)
- Anwendung von KI in jeder SDLC-Phase:
- Anforderungen, Design, Code, Test, Deployment, Monitoring
- Präsentation der Ergebnisse in einer kurzen Team-Demo
Bewertung durch Peers oder Jury für die effektivste KI-gestützte Pipeline
Ergebnis: End-to-End-Implementierung des KI-verbesserten SDLC + Team-Präsentation
Bis zum Ende dieses Workshops werden die Teilnehmenden in der Lage sein:
- generative KI-Tools anzuwenden, um Software-Anforderungen zu extrahieren und zu strukturieren
- Architekturdiagramme zu generieren und Designentscheidungen mithilfe von KI zu validieren
- KI-Copilots zu nutzen, um produktionsreife Code zu implementieren und zu refaktorieren
- die Testgenerierung zu automatisieren und KI-gestützte Fehlersuche durchzuführen
- intelligente CI/CD-Pipelines zu gestalten, die Anomalien erkennen und darauf reagieren
- Logs mit KI/ML-Tools zu analysieren, um Risiken zu identifizieren und Selbstheilung zu simulieren
- einen vollständig KI-verbesserten SDLC durch ein Mini-Teamprojekt zu demonstrieren
Voraussetzungen
Zielgruppe: Softwareentwickler, Tester, Architekten, DevOps-Engineers, Product Owner
Die Teilnehmenden sollten über folgende Kenntnisse verfügen:
- Grundlegendes Verständnis des Software-Entwicklungslebenszyklus (SDLC)
- Praktische Erfahrung in mindestens einer Programmiersprache (z. B. Python, Java, JavaScript, C# usw.)
- Vertrautheit mit:
- dem Schreiben und Lesen von User Stories oder Anforderungen
- grundlegenden Prinzipien des Software-Designs
- versionskontrollierten Systemen (z. B. Git)
- dem Schreiben und Ausführen von Unit Tests
- dem Ausführen oder Interpretieren von CI/CD-Pipelines
Dieser Workshop richtet sich an ein fortgeschrittenes bis expertes Publikum. Er ist ideal für Professionals geeignet, die bereits Teil von Software-Delivery-Teams sind (Entwickler, Tester, DevOps-Engineers, Architekten, Product Owner).
Erfahrungsberichte (1)
Ich habe Wissen über die Streamlit-Bibliothek von Python erworben und werde sie sicherlich verwenden, um Anwendungen in meinem Team zu verbessern, die mit R Shiny erstellt wurden.
Michal Maj - XL Catlin Services SE (AXA XL)
Kurs - GitHub Copilot for Developers
Maschinelle Übersetzung