Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
⚔️ Level 1: Das Entdeckungsverlies – Die Geheimnisse der Anforderungen
Mission: Verwenden Sie LLMs (ChatGPT), um strukturierte Anforderungen aus vagen Eingaben zu extrahieren.
SchlüsselActivities:
- Ambigue Produktideen oder Featureanfragen interpretieren
- Verwenden Sie KI, um:
- Nutzerstories und Akzeptanzkriterien zu generieren
- Persönlichkeiten und Szenarien vorzuschlagen
- Visuelle Artefakte zu erzeugen (z.B. einfache Diagramme mit Mermaid oder draw.io)
🔥 Level 2: Die Gestaltungsschmiede – Architektenrolle
Mission: Verwenden Sie KI, um Architekturpläne zu erstellen und zu validieren.
SchlüsselActivities:
- Verwenden Sie KI, um:
- Einen Architekturstil vorzuschlagen (Monolithen, Microservices, serverlos)
- Höherstufige Komponentendiagramme und Interaktionsdiagramme zu erzeugen
- Klassen- oder Modulkonstruktionen aufzubauen
- Überprüfen Sie durch gegenseitige Designreviews die Entscheidungen der Kollegen
Ausgang: Validierte Architektur + Codeskelett
🧙♂️ Level 3: Der Code-Arena – Codex-Gauntlet
Mission: Verwenden Sie AI-Copiloten zur Implementierung von Funktionen und Verbesserung des Codes.
SchlüsselActivities:
- Verwenden Sie GitHub Copilot oder ChatGPT, um Funktionalität zu implementieren
- Faktorisieren Sie KI-generierten Code für:
- Leistung
- Sicherheit
- Nachhaltsamkeit
- Einführen von „Codegerüchen“ und Durchführen gegenseitiger Bereinigungsaufgaben
Ausgang: Funktionaler, faktorierter, KI-generierter Codebasis
🐛 Level 4: Der Fehler-Sumpf – Testen der Dunkelheit
Mission: Erstellen und Verbesserung von Tests mit KI, dann finden Sie Fehler in anderen Codes.
SchlüsselActivities:
- Verwenden Sie KI, um:
- Unit-Tests zu erzeugen
- Integrationstests zu erzeugen
- Randfallsimulationen zu erstellen
- Tauschen Sie fehlerhaften Code mit einem anderen Team für KI-assistiertes Debuggen aus
Ausgang: Testsuite + Fehlerbericht + Fehlerschließung
⚙️ Level 5: Die Pipeline-Portale – Automatontor
Mission: Setzen Sie intelligente CI/CD-Pipelines mit KI-Assistenz ein.
SchlüsselActivities:
- Verwenden Sie KI, um:
- Workflow definieren (z.B. GitHub Actions)
- Build-, Test- und Deploy-Schritte automatisieren
- Anomaliedetektion/Rollback-Politiken vorschlagen
Ausgang: KI-assistierter, funktionierender CI/CD-Pipeline-Skript oder -Flow
🏰 Level 6: Die Überwachungsburg – Wachturm der Protokolle
Mission: Analysieren Sie Protokolle und verwenden Sie ML, um Anomalien zu erkennen und die Wiederherstellung zu simulieren.
SchlüsselActivities:
- Analysieren Sie vorbevölkerte oder erzeugte Protokolle
- Verwenden Sie KI, um:
- Anomalien oder Fehlerstrategien zu erkennen
- Automatisierte Reaktionen vorschlagen (z.B. selbstheilende Skripte, Warnungen)
- Dashboards oder visuelle Zusammenfassungen erstellen
Ausgang: Überwachungsplan oder simulierter intelligenter Warnmechanismus
🧙♀️ Endlevel: Die Heldenebene – Baue die ultimative AI-Unterstützte SDLC
Mission: Teams wenden alles Gelernte auf ein Mini-Projekt an, um einen funktionalen SDLC-Schleifenprozess zu erstellen.
SchlüsselActivities:
- Wählen Sie ein Team-Mini-Projekt (z.B. Fehlertracker, Chatbot, Microservice)
- Verwenden Sie KI in jedem SDLC-Phase:
- Anforderungen, Gestaltung, Code, Testen, Bereitstellung, Überwachung
- Vorstellen der Ergebnisse in einer kurzen Team-Demo
Gegenseitige Bewertung oder Jury für die effektivste AI-gestützte Pipeline
Ausgang: End-to-end-AI-verstärkte SDLC-Implementierung + Team-Vorschau
Zu Schluss des Workshops können die Teilnehmer:
- Generative AI-Werkzeuge zur Extraktion und Strukturierung von Softwareanforderungen anwenden
- Architekturdiagramme generieren und Designentscheidungen mit KI validieren
- AICopiloten verwenden, um Produktionscode zu implementieren und zu refaktorisieren
- Testgenerierung automatisieren und KI-assistiertes Debuggen durchführen
- Intelligente CI/CD-Pipelines konzipieren, die Anomalien erkennen und darauf reagieren können
- Mit AI/ML-Werkzeugen Protokolle analysieren, um Risiken zu identifizieren und die Selbstheilung zu simulieren
- Eine vollständig AI-verstärkte SDLC durch ein Mini-Projekt vorführen
Voraussetzungen
Audience: Softwareentwickler, Testerg, Architekten, DevOps Ingenieure, Produktinhaber
Teilnehmer sollten folgende Voraussetzungen erfüllen:
- Eine fundierte Kenntnis des Softwareentwicklungslebenszyklus (SDLC)
- Praktische Erfahrung in mindestens einer Programmiersprache (z. B., Python, Java, JavaScript, C# usw.)
- Bekanntschaft mit:
- Schreiben und Lesen von User Stories oder Anforderungen
- Grundlegenden Software-Designprinzipien
- Versionskontrolle (z. B., Git)
- Schreiben und Ausführen von Unit-Tests
- Ausführen oder Interpretieren von CI/CD-Pipelines
💡 Dies ist ein Workshop für Fortgeschrittene. Er eignet sich ideal für Profis, die bereits Teil von Softwareliefermannschaften sind (Entwickler, Testerg, DevOps Ingenieure, Architekten, Produktinhaber).
7 Stunden
