KI Programmieren Kurs

Lektion 1 • Was KI-Programmierwerkzeuge tatsächlich tun

Erklärt die Mechanismen hinter großen Sprachmodellen, die für die Codegenerierung verwendet werden. Legt den Grundstein für ein genaues konzeptionelles Verständnis aller späteren Werkzeugnutzung.

Lektion 2 • KI-generierten Code lesen und ihm vertrauen

Lehrt die kritische Bewertung von KI-Ausgaben, bevor Vorschläge akzeptiert werden. Etabliert eine Gewohnheit der Überprüfung, die die Anhäufung von Fehlern verhindert.

Lektion 3 • Landschaft der KI-Programmierassistenten

Gibt einen Überblick über die wichtigsten Kategorien von KI-Programmierwerkzeugen, die heute verfügbar sind. Hilft den Kursteilnehmern, das richtige Werkzeug für jeden Aufgabentyp auszuwählen.

Lektion 1 • Häufige Fehler bei Prompts vermeiden

Identifiziert die häufigsten Prompt-Fehler, die fehlerhaften oder unsicheren Code erzeugen. Verhindert, dass sich schlechte Gewohnheiten verfestigen.

Lektion 2 • Iteratives Prompting und Verfeinerung

Behandelt Multi-Turn-Konversationen, um generierten Code schrittweise zu verbessern. Baut die Gewohnheit auf, KI als kollaborativen Partner zu behandeln, nicht als ein Orakel für Einzelabfragen.

Lektion 3 • Kontextmanagement in langen Sitzungen

Erklärt, wie sich die Grenzen von Kontextfenstern auf die Codequalität in längeren Sitzungen auswirken. Vermittelt Strategien, um die KI-Ausgabe über große Codebasen hinweg kohärent zu halten.

Lektion 4 • Prompt-Muster für häufige Programmieraufgaben

Bietet wiederverwendbare Prompt-Vorlagen für häufige Entwicklungsszenarien. Beschleunigt den täglichen Arbeitsablauf, indem die Zeit zum Schreiben von Prompts reduziert wird.

Lektion 1 • Erzeugen von Boilerplate-Code für APIs und Dienste

Konzentriert sich auf das Erstellen von REST- und Service-Layer-Code mithilfe von KI-Prompts. Bereitet die Kursteilnehmer auf die Beschleunigung der Backend-Entwicklung vor.

Lektion 2 • Erstellen von Klassen und Datenmodellen

Lehrt die KI-gestützte Erstellung von objektorientierten Strukturen und Datenschemata. Erweitert die Generierungsfähigkeiten auf größere Code-Einheiten.

Lektion 3 • Validieren und Integrieren von generiertem Code

Etabliert einen Arbeitsablauf für das sichere Einfügen KI-generierten Codes in eine bestehende Codebasis. Verhindert die Anhäufung von Integrationsfehlern.

Lektion 4 • Projektgerüste und Boilerplate-Code

Verwendet KI, um vollständige Projektverzeichnisstrukturen und Konfigurationsdateien zu generieren. Macht wiederholte Einrichtungsarbeit zu Beginn jedes Projekts überflüssig.

Lektion 1 • Diagnose von Leistungs- und Speicherproblemen

Verwendet KI, um langsame Codepfade und Speicherineffizienzen zu identifizieren. Ergänzt das KI-gestützte Toolkit um die Leistungsfehlersuche.

Lektion 2 • Verstehen von KI-Fehlermeldungen

Behandelt, wie man KI-Erklärungen von Fehlern interpretiert und validiert. Baut neben der KI-Unterstützung auch eine Intuition für das Debugging auf.

Lektion 3 • Debuggen von Logikfehlern mit KI

Behandelt Fehler ohne Ausnahmen, bei denen die Ausgabe falsch ist, aber kein Fehler ausgelöst wird. Erweitert das KI-Debugging über einfache Fehlermeldungen hinaus.

Lektion 4 • Effektives Übergeben von Fehlern an die KI

Lehrt, wie man Fehlermeldungen und Stack-Traces für die KI-Analyse formatiert. Maximiert die Genauigkeit von KI-generierten Korrekturen.

Lektion 1 • KI-gestütztes Code-Review

Verwendet KI, um Fehler, Stilverstöße und Designprobleme in vorhandenem Code aufzudecken. Ergänzt das menschliche Review um eine automatisierte Tiefe.

Lektion 2 • Durchsetzen von Codierungsstandards mit KI

Lehrt die KI-gestützte Durchsetzung von Team-Styleguides und Best Practices. Reduziert den Review-Aufwand und erhält die Konsistenz.

Lektion 3 • Refactoring von Code mit KI-Anleitung

Behandelt die Verwendung von KI zum Umstrukturieren von Code, ohne das Verhalten zu ändern. Baut Vertrauen in umfangreiche Refactoring-Aufgaben auf.

Lektion 1 • Strategische Verbesserung der Testabdeckung

Verwendet KI, um Abdeckungslücken zu analysieren und zu priorisieren, welche Tests hinzugefügt werden sollen. Verbindet die Testgenerierung mit messbaren Qualitätsergebnissen.

Lektion 2 • Generieren von Unit-Tests mit KI

Behandelt das Prompting von KI zur Erstellung von Unit-Tests für vorhandene Funktionen und Klassen. Beschleunigt direkt die häufigste Testaufgabe.

Lektion 3 • Validieren und Warten von KI-generierten Tests

Lehrt, wie man überprüft, ob generierte Tests korrekt und wartbar sind. Verhindert ein falsches Sicherheitsgefühl durch qualitativ minderwertige Tests.

Lektion 4 • Gerüste für Integrationstests und End-to-End-Tests

Erweitert die KI-Testgenerierung auf Mehrkomponenten- und Gesamtablaufszenarien. Bereitet die Kursteilnehmer auf das Testen realistischer Systeminteraktionen vor.

Lektion 1 • Konfigurieren und Ausführen von Programmieragenten

Behandelt die praktische Einrichtung und Ausführung agentenbasierter Programmierwerkzeuge. Gibt den Kursteilnehmern praktische Kontrolle über das Verhalten der Agenten.

Lektion 2 • Entwerfen effektiver Task-Prompts für Agenten

Lehrt, wie man hochrangige Aufgabenbeschreibungen schreibt, die Agenten zuverlässig ausführen können. Erweitert die Prompt-Engineering-Fähigkeiten auf autonome Kontexte.

Lektion 3 • Verstehen von KI-Programmieragenten

Erklärt, wie agentenbasierte Systeme mehrstufige Programmieraufgaben planen und ausführen. Unterscheidet Agenten von einfachen Chat-basierten Assistenten.

Lektion 4 • Automatisieren wiederkehrender Entwicklungsaufgaben mit Agenten

Wendet Agenten auf wiederkehrende Aufgaben wie Migrationen, Refactorings und Boilerplate-Updates an. Demonstriert die steigenden Produktivitätsgewinne durch Automatisierung.

Lektion 1 • Evaluieren und Einführen neuer KI-Werkzeuge

Bietet einen Rahmen für die Bewertung neuer KI-Programmierwerkzeuge, während sich der Markt weiterentwickelt. Hält die Kursteilnehmer anpassungsfähig, da sich die Werkzeuglandschaft schnell verändert.

Lektion 2 • Integration von KI in den Entwicklungslebenszyklus

Ordnet die KI-Werkzeugnutzung jeder Phase eines Standard-Entwicklungslebenszyklus zu. Stellt sicher, dass KI bestehende Teamprozesse ergänzt und nicht stört.

Lektion 3 • Aufbau eines persönlichen KI-Programmier-Workflows

Führt die Kursteilnehmer an, eine wiederholbare, personalisierte KI-gestützte Programmierroutine zu entwerfen. Wandelt einzelne Techniken in ein kohärentes tägliches System um.

Lektion 4 • Verwalten von KI-Werkzeugkosten und Ratenbegrenzungen

Behandelt Strategien zur Kontrolle der API-Nutzungskosten und zur Vermeidung von Unterbrechungen durch Ratenbegrenzungen. Stellt sicher, dass KI-Werkzeuge in der Produktion wirtschaftlich tragfähig bleiben.