Kontakt aufnehmen
 Dauer 7 Stunden

Schulungsübersicht

Level 1: Das Entdeckungs-Dungeon – Die Geheimnisse der Anforderungen

Mission: Verwende LLMs (ChatGPT), um strukturierte Anforderungen aus unklaren Eingaben zu extrahieren.

Schwerpunktaktivitäten:

  • Interpretation mehrdeutiger Produktideen oder Feature-Anfragen
  • Einsatz von KI zur:
    • Generierung von User Stories und Akzeptanzkriterien
    • Vorschlag von Personas und Szenarien
    • Generierung visueller Artefakte (z. B. einfache Diagramme mit Mermaid oder draw.io)

      Ergebnis: Strukturierter Backlog von User Stories + anfängliches Domänenmodell/Visualisierung

Level 2: Die Design-Schmiede – Die Schriftrolle des Architekten

Mission: Verwende KI, um Architekturpläne zu erstellen und zu validieren.

Schwerpunktaktivitäten:

  • Einsatz von KI zur:
    • Vorschlag von Architekturstilen (Monolith, Microservices, Serverless)
    • Generierung von hochauflösenden Komponenten- und Interaktionsdiagrammen
    • Erstellung von Skeletten für Klassen-/Modulstrukturen
  • Austausch von Argumenten über peer-basierte Design-Reviews

    Ergebnis: Validierte Architektur + Code-Skelett

Level 3: Der Code-Arena – Die Codex-Kampfhalle

Mission: Verwende KI-Copilots, um Funktionen zu implementieren und Code zu verbessern.

Schwerpunktaktivitäten:

  • Verwendung von GitHub Copilot oder ChatGPT zur Funktionsimplementierung
  • Refactoring von KI-generiertem Code für:
    • Performance
    • Sicherheit
    • Wartbarkeit
  • Einfügen von „Code Smells“ und Durchführung von Peer-Clean-up-Herausforderungen

    Ergebnis: Funktionelle, refaktorierte, KI-generierte Codebasis

Level 4: Das Bug-Sumpfgebiet – Teste die Dunkelheit

Mission: Erzeuge und verbessere Tests mit KI, finde dann Bugs im Code anderer Teams.

Schwerpunktaktivitäten:

  • Generierung von Folgendem mit KI:
    • Unit Tests
    • Integrationstests
    • Edge-Case-Simulationen
  • Austausch von buggy Code mit einem anderen Team für KI-gestütztes Debugging

    Ergebnis: Testsuite + Bug-Report + Bug-Fixes

Level 5: Die Pipeline-Pforten – Das Automaten-Tor

Mission: Richte intelligente CI/CD-Pipelines mit KI-Unterstützung ein.

Schwerpunktaktivitäten:

  • Einsatz von KI zur:
    • Definition von Workflows (z. B. GitHub Actions)
    • Automatisierung der Schritte für Build, Test und Deployment
    • Vorschlag von Anomalie-Erkennungs-/Rollback-Richtlinien
      Ergebnis: KI-gestützter, funktionsfähiger CI/CD-Pipeline-Script oder -Flow

Level 6: Die Monitoring-Zitadelle – Der Wachturm der Logs

Mission: Analysiere Logs und verwende ML, um Anomalien zu erkennen und Erholungen zu simulieren.

Schwerpunktaktivitäten:

  • Analysieren von vorbestellten oder generierten Logs
  • Einsatz von KI zur:
    • Identifizierung von Anomalien oder Fehler Trends
    • Vorschlag automatisierter Reaktionen (z. B. Selbstheilungs-Skripte, Alerts)
    • Erstellung von Dashboards oder visuellen Zusammenfassungen
      Ergebnis: Monitoring-Plan oder simulierter intelligenter Alarmmechanismus

Finale Level: Die Arena des Helden – Baue die ultimative KI-gestützte SDLC

Mission: Teams wenden alles Gelernte an, um eine funktionierende SDLC-Schleife für ein Mini-Projekt zu erstellen.

Schwerpunktaktivitäten:

  • Auswahl eines Team-Mini-Projekts (z. B. Bug-Tracker, Chatbot, Microservice)
  • Anwendung von KI in jeder SDLC-Phase:
    • Anforderungen, Design, Code, Test, Deployment, Monitoring
  • Präsentation der Ergebnisse in einer kurzen Team-Demo

Peer-Voting oder Jury-Entscheidung für die effektivste KI-gestützte Pipeline

Ergebnis: End-to-End-KI-verbesserte SDLC-Implementierung + Team-Präsentation

Bis zum Ende dieses Workshops sind die Teilnehmenden in der Lage:

  • Anwendung generativer KI-Tools zur Extraktion und Strukturierung von Softwareanforderungen
  • Generierung von Architekturdiagrammen und Validierung von Designentscheidungen mit KI
  • Nutzung von KI-Copilots zur Implementierung und Refactoring von Code in Produktionsqualität
  • Automatisierung der Testgenerierung und Durchführung von KI-gestütztem Debugging
  • Design intelligenter CI/CD-Pipelines, die Anomalien erkennen und darauf reagieren
  • Analysieren von Logs mit KI/ML-Tools zur Risikoidentifikation und Simulation von Selbstheilung
  • Demonstration einer vollständig KI-verbesserten SDLC durch ein Mini-Team-Projekt

Voraussetzungen

Zielgruppe: Softwareentwickler, Tester, Architekten, DevOps-Ingenieure, Product Owner

Die Teilnehmenden sollten über Folgendes verfügen:

  • Ein funktionsfähiges Verständnis des Software-Lebenszyklus (SDLC)
  • Praktische Erfahrung in mindestens einer Programmiersprache (z. B. Python, Java, JavaScript, C#, usw.)
  • Vertrautheit mit:
    • Schreiben und Lesen von User Stories oder Anforderungen
    • Grundlegenden Prinzipien des Software-Designs
    • Versionierung (z. B. Git)
    • Schreiben und Ausführen von Unit Tests
    • Ausführen oder Interpretieren von CI/CD-Pipelines

Dies ist ein Workshop von mittlerem bis fortgeschrittenem Niveau. Er eignet sich ideal für Fachleute, die bereits Teil von Software-Auslieferungsteams sind (Entwickler, Tester, DevOps-Ingenieure, Architekten, Product Owner).

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (1)

Kommende Kurse

Verwandte Kategorien