Schulungsübersicht
Level 1: Die Entdeckungshöhle – Geheimnisse der Anforderungen
Mission: Verwenden Sie LLMs (ChatGPT), um strukturierte Anforderungen aus vagen Eingaben zu extrahieren.
Hauptaktivitäten:
- Ambigüe Produktideen oder Featureanforderungen interpretieren
-
Verwenden Sie KI, um:
- User Stories und Akzeptanzkriterien zu generieren
- Personas und Szenarien vorzuschlagen
-
Visuelle Artefakte (z.B. einfache Diagramme mit Mermaid oder draw.io) zu generieren
Ergebnis: Strukturierter Backlog von User Stories + anfängliches Domainmodell/Visuals
Level 2: Die Design-Schmiede – Architekturrolle
Mission: Verwenden Sie KI, um Architekturpläne zu erstellen und zu validieren.
Hauptaktivitäten:
-
Verwenden Sie KI, um:
- Architekturstil (Monolith, Microservices, Serverless) vorzuschlagen
- Hochrangige Komponenten- und Interaktionsdiagramme zu generieren
- Klassen-/Modulstrukturen aufzubauen
-
Die Entscheidungen durch Peer-Design-Reviews gegenseitig herausfordern
Ergebnis: Validierte Architektur + Code-Skelett
Level 3: Die Codierung-Arena – Codex Gauntlet
Mission: Verwenden Sie KI-Copiloten, um Features zu implementieren und den Code zu verbessern.
Hauptaktivitäten:
- Verwenden Sie GitHub Copilot oder ChatGPT zur Implementierung von Funktionalitäten
-
Refaktorisieren Sie den KI-generierten Code bezüglich:
- Leistung
- Sicherheit
- Wartbarkeit
-
„Code smells“ einfügen und Peer-Cleanup-Challenges durchführen
Ergebnis: Funktionaler, refaktorierter, KI-generierter Codebasis
Level 4: Der Fehler-Sumpf – Test the Darkness
Mission: Tests mit KI generieren und verbessern, dann Bugs im Code anderer finden.
Hauptaktivitäten:
-
Verwenden Sie KI, um:
- Unit-Tests zu generieren
- Integrationstests zu generieren
- Randfall-Simulationen durchzuführen
-
Buggy Code mit einem anderen Team austauschen, um KI-gestützte Debugging-Challenges zu lösen
Ergebnis: Test-Suite + Bug-Report + Bug-Fixes
Level 5: Die Pipeline-Pforten – Automaton Gate
Mission: Smarte CI/CD-Pipelines mit KI-Assistenz einrichten.
Hauptaktivitäten:
-
Verwenden Sie KI, um:
- Workflows zu definieren (z.B. GitHub Actions)
- Build-, Test- und Bereitstellungsschritte zu automatisieren
-
Anomalieerkennungs- und Rollback-Policys vorzuschlagen
Ergebnis: KI-gestütztes, funktionierendes CI/CD-Pipeline-Skript oder -Workflow
Level 6: Die Überwachungs-Zitadelle – Watchtower of Logs
Mission: Logs analysieren und ML verwenden, um Anomalien zu erkennen und Wiederherstellungen zu simulieren.
Hauptaktivitäten:
- Vorbevölkerte oder generierte Logs analysieren
-
Verwenden Sie KI, um:
- Anomalien oder Fehler-Trends zu identifizieren
- Automatisierte Reaktionen vorzuschlagen (z.B. Selbstheilungsskripte, Warnungen)
-
Dashboards oder visuelle Zusammenfassungen zu erstellen
Ergebnis: Überwachungsplan oder simulierter intelligentes Alerting-Mechanismus
Abschließendes Level: Die Heldenarena – Build the Ultimate AI-Supported SDLC
Mission: Teams wenden alles Gelernte an, um einen funktionierenden SDLC-Loop für ein Mini-Projekt zu bauen.
Hauptaktivitäten:
- Wahl eines Team-Mini-Projekts (z.B. Bug-Tracker, Chatbot, Microservice)
-
Anwendung von KI in jeder SDLC-Phase:
- Anforderungen, Design, Code, Test, Bereitstellung, Überwachung
- Präsentation der Ergebnisse in einer kurzen Team-Demo
Peer-Voting oder -Bewertung für die effektivste KI-gestützte Pipeline
Ergebnis: End-to-end AI-erweiterte SDLC-Implementierung + Team-Presentation
Bis zum Ende dieses Workshops werden die Teilnehmer in der Lage sein:
- Generative KI-Werkzeuge anwenden, um Softwareanforderungen zu extrahieren und zu strukturieren
- Architekturdiagramme generieren und Designentscheidungen mit KI validieren
- KI-Copiloten verwenden, um produktionsreifen Code zu implementieren und zu refaktorisieren
- Testgenerierung automatisieren und KI-gestütztes Debugging durchführen
- Intelligente CI/CD-Pipelines entwerfen, die Anomalien erkennen und darauf reagieren
- Logs mit KI/ML-Werkzeugen analysieren, um Risiken zu identifizieren und Selbstheilung zu simulieren
- Eine vollständig AI-erweiterte SDLC durch ein Mini-Teamprojekt demonstrieren
Voraussetzungen
Zielgruppe: Software-Entwickler, Tester, Architekten, DevOps-Ingenieure, Produktowner
Die Teilnehmer sollten über folgende Vorkenntnisse verfügen:
- Grundverständnis des Softwareentwicklungszyklus (SDLC)
- Praktische Erfahrung in mindestens einer Programmiersprache (z.B. Python, Java, JavaScript, C# etc.)
-
Kenntnisse in:
- Erstellen und Lesen von User Stories oder Anforderungen
- Grundprinzipien der Software-Designs
- Versionskontrolle (z.B. Git)
- Erstellen und Ausführen von Unit-Tests
- Betreiben oder Interpretieren von CI/CD-Pipelines
Dies ist ein Workshop für fortgeschrittene Teilnehmer. Er eignet sich ideal für Fachleute, die bereits Bestandteil von Software-Liefer-Teams sind (Entwickler, Tester, DevOps-Ingenieure, Architekten, Produktowner).
Erfahrungsberichte (2)
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
Der Trainer kann während des Trainings den Kursniveau anpassen, um unserem Verständnis der Thematik gerecht zu werden. Dadurch können wir nützlichere Kenntnisse erwerben, die uns helfen, die Tools in unserer täglichen Arbeit besser einzusetzen.
Tatt Juen - ViTrox Technologies Sdn Bhd
Kurs - Intermediate GitHub Copilot
Maschinelle Übersetzung
