Kontakt aufnehmen

Schulungsübersicht

Der vierstufige Personalisierungs-Stack

Level 1 | Weiß – Rules und AGENTS.md

Abgedeckte Themen:
• Festlegung von Projekt-Konventionen und Coding-Standards
• Dokumentation der Architektur und technischen Einschränkungen
• Erstellen einer toolneutralen Projektführung
• Sicherstellung der Konsistenz über Entwicklungsteams und KI-Tools hinweg

Level 2 | Kann – Skills

Abgedeckte Themen:
• Erzeugung wiederverwendbarer Einheiten fachspezifischen Wissens
• Laden kontextueller Informationen nur bei Bedarf
• Reduzierung der Kontextgröße bei gleichzeitig verbesserter Aufgabenerfüllung
• Aufbau von Bibliotheken wiederverwendbarer Workflows und Expertise

Level 3 | Reicht – MCP

Abgedeckte Themen:
• 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-Kontrollen

Level 4 | Handelt – Agents

Abgedeckte Themen:
• Verständnis autonomer KI-Agents und ihrer Fähigkeiten
• Automatisches Lesen, Schreiben, Testen und Überarbeiten von Code
• Verwaltung zielorientierter Workflows und delegierter Aufgaben
• Etablierung von Überwachungs- und Human-in-the-Loop-Mechanismen für agentic Systeme

Tag 1 | Delegation und Erweiterung der Tools

Modul 1 | Vom Assistent zum Agent

Abgedeckte Themen:
• Unterschied zwischen KI-Assistenten und autonomen Agents verstehen
• Inline-Codevervollständigung gegenüber agentic Delegation
• Wie agentic Workflows die Strukturierung von Entwicklungsaufgaben verändern
• Identifikation von Aufgaben, die für die Delegation an Agents geeignet sind
• Best Practices für die Zusammenarbeit mit autonomen KI-Systemen

Modul 2 | Delegationsarbeit ohne ständige Kontrolle & Loops

Abgedeckte Themen:
• Effektive Anweisungen für KI-Agents formulieren
• Ausreichenden Kontext und Geschäftsanforderungen bereitstellen
• Randbedingungen und Ausführungsgrenzen definieren
• Klare Annahme-Kriterien und Erfolgsmaßnahmen festlegen
• Minimierung menschlicher Eingriffe bei gleichzeitigem Erhalt der Qualität
• Aufbau von Loops

Modul 3 | Personalisierungs-Stack und wo er jeweils angewendet wird

Abgedeckte Themen:
• Das vierstufige Personalisierungskonzept verstehen
• Nutzung von Rules und AGENTS.md zur Definition von Projekt-Konventionen
• Bestimmung, welche Personalisierungsmechanismen in welchen Szenarien gelten
• Effizientes Kontextmanagement über Tools und Projekte hinweg
• Erstellung konsistenter KI-unterstützter Entwicklungsumgebungen

Modul 4 | Skills und Subagents

Abgedeckte Themen:
• Wiederverwendbare Skills für häufige Workflows und Aufgaben erstellen
• Fachspezifisches Wissen für wiederkehrende Nutzungen verpacken
• Die Rolle von Subagents und isolierten Kontexten verstehen
• Abgegrenzte Aufgaben an spezialisierte Agents delegieren
• Effizienzsteigerung durch modulare AI-Workflows

Tag 2 | Verbindung von Tools, Parallelität und Governance

Modul 5 | MCP: Anbindung und Aufbau

Abgedeckte Themen:
• Die Prinzipien des Model Context Protocol (MCP) verstehen
• Verbindung von KI-Tools mit externen Systemen und Diensten
• Integration von Browsern, Datenbanken, Repositories und Dokumentationsquellen
• Aufbau eines eigenen MCP-Servers
• Verwaltung der Zugriffssteuerung und Sicherheitsaspekte

Modul 6 | Der disziplinierte agentic Workflow

Abgedeckte Themen:
• Etablierung eines wiederholbaren, KI-unterstützten Entwicklungsprozesses
• Brainstorming und Planung mit KI-Agents
• Kollaborativer Aufbau und Implementierung von Lösungen
• Testen und Validieren der generierten Outputs
• Überprüfung und Finalisierung der Ergebnisse mit angemessenen Verifikationsschritten
• Festlegung von Zielen

Modul 7 | Parallele Entwicklung

Abgedeckte Themen:
• Gleichzeitiges Ausführen mehrerer KI-Agents
• Arbeit mit isolierten Branches und Git Worktrees
• Koordination der Entwicklungsaktivitäten über parallele Workflows hinweg
• Zusammenführung und Validierung der Outputs mehrerer Agents
• Produktivitätssteigerung durch parallele Ausführungsstrategien

Modul 8 | Risiken, Überprüfung und Governance

Abgedeckte Themen:
• Bewertung und Prüfung externer Skills und MCP-SERVERS
• Verständnis der 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-Adoption in der Softwareentwicklung: Use Cases und Nächste Schritte

Abgedeckte Themen:
• Wie Organisationen KI in den Software Development Lifecycle (SDLC) integrieren
• Praxisnahe Use Cases und Implementierungsbeispiele aus verschiedenen Branchen
• Häufige Ansätze zur KI-Adoption: individuelle Adoption, teambasierte Adoption und organisationsweite Enablement
• Typische Use Cases im SDLC:
• Anforderungsammlung und Dokumentation
• Codegenerierung 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 ROI KI-unterstützter Entwicklung
• Aufbau einer eigenen internen KI-Adoption Roadmap
• Definition praktischer nächster Schritte für Teilnehmer und ihre Teams

Interaktive Diskussionsworkshop

• Aktuelle Herausforderungen innerhalb der Entwicklungsteams der Teilnehmer
• Identifikation hochwirksamer Use Cases zur unmittelbaren Implementierung
• Risiken, Blockaden und organisationsbezogene Überlegungen
• Erstellung eines ersten Aktionsplans für die KI-Integration.<

Voraussetzungen

Professionelle Entwicklungserfahrung, Vertrautheit mit dem Terminal und fundierte Git-Kenntnisse. Regelmäßige Nutzung eines AI-Coding-Tools oder Abschluss des Grundlagenkurses.

Zielgruppe

Entwickler, die bereits KI-Tools nutzen, technische Teamleiter, die für die Einführung verantwortlich sind 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