Kontakt aufnehmen

Schulungsübersicht

Modul 1: Kontext, Umfang und Herausforderungen in der Entwicklung

  • Autovervollständigung versus autonome, mehrstufige Ausführung
  • Häufige Missverständnisse hinsichtlich KI im Softwareumfeld
  • Warum reine Verbesserungen beim Prompting nicht ausreichen
  • Ermittlung der eingesetzten Werkzeuge, Herausforderungen und Ziele der Teilnehmer
  • Auswahl des geeigneten KI-Betriebsmodells für Entwicklungsteams

Modul 2: Erfassung von Spezifikationen und strukturierte Aufgliederung

  • Erstellung eines systematischen Verzeichnisses von Stakeholder-Dokumenten
  • Methoden zur Extraktion von Anforderungen
  • Strategien der Aufteilung: strukturell, semantisch, Sliding-Window-Ansatz
  • Aufrechterhaltung von Abhängigkeiten und Verknüpfungen zwischen Inhalten
  • Umgang mit Tabellen, Diagrammen, Flussdiagrammen sowie gemischten Eingaben
  • Effiziente Handhabung der Kontextfenster-Grenzen von KI-Modellen

Modul 3: Grenzen menschlicher Urteilsfähigkeit

  • In welchen Bereichen bleiben menschliche Entscheidungen zentral
  • Erkennen von durch KI erfundenen Abhängigkeiten oder logischen Widersprüchen
  • Aufdeckung erfundener Einschränkungen und fehlerhafter Logikkonstruktionen
  • Vermeidung gefährlicher, übertriebener Hilfestellungen durch KI
  • Etablierung von Validierungsverfahren zur Überprüfung von Nachvollziehbarkeit, Einheitlichkeit und Vollständigkeit

Modul 4: Von Anforderungen zum Code mithilfe agentenbasierter Werkzeuge

  • Architektur-zentrierte Entwicklungsmodelle
  • Komponentenzuordnung und Abgrenzung von Diensten
  • API-Verträge als stabiler Bezugspunkt für die Implementierung
  • Permanente Regelwerke und Beschränkungen innerhalb KI-Werkzeugen
  • Anforderungsbezogene Aufgabeninstruktionen für Entwicklerinnen und Entwickler
  • Vergleich von minimalem Prompting mit eingeschränktem Prompting-Ansatz
  • Erstellung von Backend- und Frontend-Komponenten basierend auf Verträgen

Modul 5: Agent-basierte Iterationszyklen

  • Der selbstkorrigierende Verbesserungsprozess
  • Geplante, kontrollierte Entwicklungs-Iterationen
  • Analyse von Diffs und Codeänderungen durch menschliche Prüfer
  • Identifikation von unerwünschten Änderungen im Umfang oder Zielsetzung der Software
  • Verwaltung begrenzt verfügbaren Kontextgedächtnisses bei KI-Modellen
  • Nutzung der Iterationshistorie zur kontinuierlichen Verbesserung des Entwicklungsprozesses

Modul 6: Sicherstellung der Codequalität

  • Einsatz von Prompt-Beschränkungen zur Verhinderung von Fehlern bei Randfällen
  • Regelwerke als lebendige Governance-Dokumente für Softwareentwicklung
  • Automatisierte Sicherheitskontrollen mittels Linting und statischer Analyse
  • Sicherheitsprüfung von durch KI erzeugtem Code
  • Überprüfung auf Einhaltung architektonischer sowie abhängigkeitsbezogener Richtlinien
  • Verpflichtende menschliche Überprüfungsprotokolle für KI-Generierte Ergebnisse

Modul 7: Feedbackschleifen und kontinuierliche Optimierung

  • Rückführung strukturierter Fehlermuster in die KI-Arbeitsprozesse
  • Einschränkungen bezüglich Anzahl der Iterationen sowie Abbruchkriterien
  • Dokumentation von Zyklusabläufen und Ergebnissen der Entwicklungstätigkeit
  • Fortlaufende Aktualisierung der verwendeten Regelwerke im Verlauf des Projekts
  • Aufbau wiederverwendbarer ingenieurtechnischer Wissensmodelle durch KI-Anwendung

Modul 8: Sicherheitsprobleme bei KI-gestützter Entwicklung

  • Häufige Schwachstellen in von KI generiertem Code
  • Sicherheitsregeln spezifisch für bestimmte Technologiebereiche in beigefügten Dokumenten
  • Vorab-Scans vor dem Commit zur Erkennung von Sicherheitsrisiken
  • Einführung kontrollierter SDLC-Schritte speziell für KI-unterstützte Softwareentwicklung
  • Verantwortlichkeit des Personals in Bezug auf sichere Entwicklungsabläufe unter KI-Einfluss

Modul 9: Testgestaltung basierend auf Spezifikationen

  • Ableitung von Testanforderungen aus vorliegenden Beschreibungen des Systems
  • Entwurf von Tests unter Verwendung der fachsprachlichen Konzepte des jeweiligen Domänenbereichs
  • Sichere Erstellung entsprechender Testfälle durch KI-Modelle
  • Einführung von Grundgedanken zum Mutationstestverfahren in der Softwareentwicklung
  • Überprüfung der Einhaltung aller geforderten Spezifikationen im Testansatz
  • Evaluierung der Stärke und Zuverlässigkeit der verwendeten Assertionsmechanismen
  • Nutzung diagnostischer Fragemodelle zur weiteren Vertiefung von Problemstellungen

Modul 10: Langfristige Systemwartung und Aufrechterhaltung

  • Lebendiges Management aller Dokumentationsformate: Verträge, Karten, Regelwerke sowie Testbeschreibungen
  • Anpassungsprozesse für regulatorische und architektonische Einschränkungen im Lauf der Zeit
  • Etablierung einer nachhaltigen Governance-Struktur zur langfristigen Nutzung von KI in Entwicklungsteams
  • Vermeidung technischer Schulden durch klare Steuerungsmechanismen innerhalb der KI-Entwicklungsumgebung
  • Ausgestaltung eines funktionierenden Betriebsmodells für langfristig produktive, KI-unterstützte Entwicklungsteams

Voraussetzungen

Voraussetzungen für die Teilnahme sind:

  • Erfahrung in Softwareprojekten
  • Grundkenntnisse der Anwendungsarchitektur
  • Bekanntheit mit APIs, Backend-/Frontend-Systemen oder Full-Stack-Entwicklung
  • Grundverständnis für agile bzw. iterative Softwareentwicklungsprozesse
  • Auffassung von Konzepten des Softwaretestings
  • Erfahrung mit KI-basierten Entwicklungstools ist hilfreich, aber nicht zwingend erforderlich
  • Geeignet für technische Fachkräfte mittlerer bis hoher Erfahrungsstufe
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien