Kursüberblick
Generative KI ist dabei, die Softwarebranche umzugestalten und über Code-Vorschläge hinaus zu einer autonomen, agentengesteuerten Entwicklung überzugehen. Tools wie GitHub Copilot und MCP-fähige Agenten können nun an der Anforderungserfassung, dem Design, den Tests und der Bereitstellung teilnehmen - nicht nur an der Codegenerierung. Diese Entwicklung löst sowohl Begeisterung als auch Vorsicht aus: Während die Produktivitätsgewinne eindeutig sind, erfordern neue Risiken in Bezug auf Zuverlässigkeit, Sicherheit und Verzerrungen einen verantwortungsvollen Einsatz.
Dieser Kurs führt die Teilnehmer zunächst in die Grundlagen der generativen KI und der verantwortlichen KI ein und erforscht dann, wie agentenbasierte KI den Lebenszyklus der Softwareentwicklung verändert. Die Teilnehmer befassen sich mit Prompting-Techniken, Context Engineering und der Integration von KI in Anforderungsspezifikation, Design und Test. Ein Schwerpunkt liegt auf agentenbasierten Arbeitsabläufen, einschließlich automatisiertem Scaffolding, Code-zu-Spec- und Spec-zu-Code-Transformationen und Dev(Sec)Ops-Integration über das Model Context Protocol.
Anhand zahlreicher Demonstrationen und praktischer Übungen werden die Teilnehmer praktische Erfahrungen mit Chancen und Fallstricken sammeln: von verbesserter Produktivität und Testunterstützung bis hin zu Herausforderungen wie Halluzinationen, Gefahren des "Vibe Coding" und den erweiterten Angriffsflächen in agentenbasierten Systemen.
Am Ende des Kurses werden Software-Ingenieure und -Manager sowohl die Möglichkeiten als auch die Grenzen der generativen KI und insbesondere der agentenbasierten GenAI verstehen und mit den Fähigkeiten ausgestattet sein, diese Werkzeuge verantwortungsvoll in moderne Softwareentwicklungspraktiken zu integrieren.
Zielgruppe
Alle Personen, die an der Verwendung von agentenbasierten KI-Tools in der Softwareentwicklung beteiligt sind
Voraussetzungen
Allgemeine Entwicklung
Kursziele
- Verschiedene Aspekte der verantwortungsvollen AI verstehen
- Wie man generative KI verantwortungsvoll in der Softwareentwicklung einsetzt
- Schnelles Engineering für optimale Ergebnisse
- Wie man generative KI im gesamten SDLC einsetzt
- Die Herausforderungen bei der Verwendung von agentischem GenaI
Kursinhalt
Eine kurze Geschichte der Künstlichen Intelligenz
- Die Ursprünge der KI
- Neuronale Netze und "Wahrscheinlichkeitsmaschinen"
- Frühe ML-Codierungstools
- Die KI-Codierrevolution der 2020er Jahre
Verantwortungsvolle AI
- Was ist verantwortungsvolle KI?
- Rechenschaftspflicht und Transparenz
- Verringerung schädlicher Verzerrungen
- Gültigkeit und Zuverlässigkeit
- Demonstration - Experimentieren mit Gültigkeit und Zuverlässigkeit in Copilot
- Erklärbarkeit und Interpretierbarkeit
- Sicherheit, Schutz, Privatsphäre und Widerstandsfähigkeit
- Sicherheit und verantwortungsvolle KI in der Softwareentwicklung
GenAI verantwortungsvoll in der Softwareentwicklung einsetzen
- Grundlagen der LLM-Codeerzeugung
- Grundlegende Bausteine und Konzepte
- Eingabeaufforderung für Vorlagen
- Systemaufforderungen zur KI-gesteuerten Codierung
- Kann KI... Ihre Produktivität steigern?
- Kann KI... die "langweiligen Teile" übernehmen?
- Kann AI... gründlicher sein?
- Überprüfung des generierten Codes - der Blackbox-Blues
- Die Gefahr von Halluzinationen
- Die Auswirkungen von GenAI auf die Programmierkenntnisse
- Einige weitere langfristige Auswirkungen der Nutzung von GenAI
- Wo die KI-Codegenerierung nicht gut abschneidet
- Schnelles Engineering
- Warum ist ein guter Souffleur so wichtig?
- Schaffung des Kontexts für generative KI
- Null-Schuss-, Ein-Schuss- und Wenig-Schuss-Eingabeaufforderung
- Vernunftbasiertes Prompt-Engineering, Gedankenkette
- Demonstration - Experimentieren mit Eingabeaufforderungen in Copilot
- Durchsetzung und Einhaltung von Token-Limits
- Aufforderungsmuster
- Prompt-Muster und Prompt-Priming
- Die 6 Kategorien von Aufforderungsmustern
- Einige weitere Souffleur-Ansätze
- Least-to-Most und Self-Planning: Zerlegung komplexer Aufgaben
- Demonstration - Aufgabenzerlegung mit Copilot
- Einheitstests, TDD und GenAI
- Demonstration - Testbasierte Codegenerierung mit Copilot
- Integration von generativer KI in den SDLC
- Einsatz von GenAI über die Codegenerierung hinaus
- Einsatz von AI bei der Anforderungsspezifikation
- Aufforderungsmuster für die Erfassung von Anforderungen
- Prompt-Muster für den Softwareentwurf
- Demonstration - Anforderungserfassung und API-Design mit Copilot
- Einsatz von AI bei der Umsetzung
- Prompt-Muster für die Umsetzung
- Demonstration - Auffinden versteckter Annahmen mit Copilot
- Einsatz von AI bei Tests und QA
- Agentische Software-Entwicklung
- Intelligente Agenten und GenAI
- Wie unterscheidet sich die agenturische Kodierung?
- Das Modell-Kontext-Protokoll (MCP)
- Fähigkeiten von MCP-Agenten
- Agentische Integration in IDEs
- Agentischer Entwicklungsablauf
- Code-to-Spec und Spec-to-Code mit GenAI
- Automatisierter Gerüstbau
- Demonstration - Agentisches Gerüst mit Copilot
- Einrichten der Laufzeitumgebung
- Demonstration - Einrichtung der Umgebung mit Copilot
- Inkrementelle Entwicklung
- Demonstration - Inkrementelle Entwicklung mit Copilot
- Die Rolle von MCP in Dev(Sec)Ops
- Demonstration - Einsatz von MCP in DevOps mit Copilot
- Fallstricke und bewährte Verfahren
- "Vibe Coding" und seine Auswirkungen
- Technische Probleme mit MCP
- Sicherheitsaspekte der agentengestützten Entwicklung
- Die Auswirkungen von MCP auf die Angriffsfläche
- MCP-spezifische Angriffsvektoren
- Demonstration - Angriff auf agentischen Copiloten
- Fallstudie - Datenbankleck über Supabase MCP
- Halluzinationen und "agentische Todesspiralen
- Tokengrenzen und Kontext
- Kontextverschlechterung bei sehr großer Tokenanzahl
- Prompt-Engineering vs. Kontext-Engineering
- Context Engineering aus der Sicht eines Entwicklers
- Beispiele für Kontextdokumente
- Intelligente Agenten und GenAI
Zusammenfassung und Schlussfolgerungen
- Verantwortungsvolle KI-Prinzipien in der Softwareentwicklung
- Generative AI - Ressourcen und zusätzliche Anleitungen
Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.