Schulungsübersicht
Level 1: Das Discovery-Dungeon – Geheimnisse der Anforderungen
Mission: Verwenden Sie LLMs (ChatGPT), um strukturierte Anforderungen aus vagen Eingaben zu extrahieren.
Hauptaktivitäten:
- Interpretieren Sie mehrdeutige Produktideen oder Feature-Anfragen
-
Nutzen Sie KI, um:
- User Stories und Akzeptanzkriterien zu generieren
- Personas und Szenarien vorzuschlagen
-
Visuelle Artefakte zu generieren (z. B. einfache Diagramme mit Mermaid oder draw.io)
Ergebnis: Strukturierter Backlog an User Stories + erstes Domänenmodell / Visualisierungen
Level 2: Das Design-Forge – Das Scroll des Architekten
Mission: Nutzen Sie KI, um Architekturpläne zu erstellen und zu validieren.
Hauptaktivitäten:
-
Nutzen Sie KI, um:
- Architekturstil vorzuschlagen (Monolith, Microservices, serverlos)
- Hochrangige Komponenten- und Interaktionsdiagramme zu generieren
- Klassen-/Modulstrukturen aufzubauen
-
Hinterfragen Sie die Entscheidungen der anderen durch peer design reviews
Ergebnis: Validierte Architektur + Code-Gerüst
Level 3: Das Code-Arena – Codex-Hürdenlauf
Mission: Nutzen Sie AI Copilots, um Funktionen zu implementieren und den Code zu verbessern.
Hauptaktivitäten:
- Nutzen Sie GitHub Copilot oder ChatGPT, um Funktionalität zu implementieren
-
Refactorieren Sie KI-generierten Code in Bezug auf:
- Leistungsfähigkeit
- Sicherheit
- Wartbarkeit
-
Injectieren Sie „Code Smells“ und führen Sie Peer Clean-up-Herausforderungen durch
Ergebnis: Funktionierender, refaktorierter, KI-generierter Codebasis
Level 4: Das Bug-Sumpf – Testen der Dunkelheit
Mission: Generieren und verbessern Sie Tests mit KI, finden Sie anschließend Bugs im Code anderer.
Hauptaktivitäten:
-
Nutzen Sie KI, um zu generieren:
- Unit-Tests
- Integrationstests
- Simulation von Edge Cases
-
Tauschen Sie fehlerhaften Code mit einem anderen Team für KI-unterstütztes Debugging aus
Ergebnis: Testsuite + Bug Report + Bug Fixes
Level 5: Die Pipeline-Portale – Tor des Automaten
Mission: Richten Sie intelligente CI/CD-Pipelines mit KI-Hilfe ein.
Hauptaktivitäten:
-
Nutzen Sie KI, um:
- Workflows zu definieren (z. B. GitHub Actions)
- Build-, Test- und Deployment-Schritte zu automatisieren
-
Anomalie-Erkennung / Rollback-Policies vorzuschlagen
Ergebnis: KI-unterstütztes, funktionierendes CI/CD-Pipeline-Skript oder -Flow
Level 6: Die Monitoring-Festung – Wachturm der Logs
Mission: Analysieren Sie Logs und nutzen Sie ML, um Anomalien zu erkennen und Recovery zu simulieren.
Hauptaktivitäten:
- Analysieren Sie vorab gefüllte oder generierte Logs
-
Nutzen Sie KI, um:
- Anomalien oder Fehlertrends zu identifizieren
- Automatisierte Antworten vorzuschlagen (z. B. Self-Healing-Skripte, Alerts)
-
Dashboards oder visuelle Zusammenfassungen zu erstellen
Ergebnis: Überwachungsplan oder simulierter intelligenter Alerting-Mechanismus
Final Level: Die Arena des Helden – Erstellen des ultimativen KI-unterstützten SDLC
Mission: Teams wenden alles Gelernte an, um einen funktionierenden SDLC-Loop für ein Mini-Projekt zu bauen.
Hauptaktivitäten:
- Wählen Sie ein Team-Mini-Projekt (z. B. Bug Tracker, Chatbot, Microservice)
-
Wenden Sie KI in jeder SDLC-Phase an:
- Anforderungen, Design, Code, Test, Deployment, Monitoring
- Präsentieren Sie die Ergebnisse in einer kurzen Team-Demo
Peer-Voting oder Jurybewertung für die effektivste KI-unterstützte Pipeline
Ergebnis: End-to-End KI-verstärkte SDLC-Implementierung + Team-Showcase
Am Ende dieses Workshops können die Teilnehmer:
- Generative KI-Tools anwenden, um Softwareanforderungen zu extrahieren und zu strukturieren
- Architekturdiagramme generieren und Designentscheidungen mittels KI validieren
- AI Copilots nutzen, um produktionsreifen Code zu implementieren und zu refactorieren
- Testgeneration automatisieren und KI-unterstütztes Debugging durchführen
- Intelligente CI/CD-Pipelines entwerfen, die Anomalien erkennen und darauf reagieren
- Logs mit KI/ML-Tools analysieren, um Risiken zu identifizieren und Self-Healing zu simulieren
- Einen vollständig KI-verstärkten SDLC durch ein minimales Teamprojekt demonstrieren
Voraussetzungen
Zielgruppe: Software-Entwickler, Tester, Architekten, DevOps-Ingenieure, Product Owner
Teilnehmer sollten verfügen über:
- Ein funktionales Verständnis des Software Development Lifecycle (SDLC)
- Praktische Erfahrung in mindestens einer Programmiersprache (z. B. Python, Java, JavaScript, C# usw.)
-
Vertrautheit mit:
- Verfassen und Lesen von User Stories oder Anforderungen
- Grundlegenden Prinzipien der Softwarearchitektur
- Versionskontrolle (z. B. Git)
- Schreiben und Ausführen von Unit-Tests
- Ausführen oder Interpretieren von CI/CD-Pipelines
Dies ist ein Workshop für fortgeschrittene Kenntnisse. Er eignet sich ideal für Fachleute, die bereits Teil von Software-Delivery-Teams sind (Entwickler, Tester, DevOps-Ingenieure, Architekten, Product Owner).
Erfahrungsberichte (1)
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
