Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Grundlagen des agilen Denkens
- Das Agile Manifest und seine Relevanz über die Softwareentwicklung hinaus
- Vergleich von agilen mit traditionellen Wasserfall- und plangetriebenen Modellen
- Scrum-Rollen, -Ereignisse und -Artefakte abgebildet auf akademische Projektzyklen
- Kanban und flowbasiertes Management für Forschungs- und Lehrteams
- Auswahl agiler Hybride, die sich für Ingenieur- und Designumgebungen eignen
Agiles Planen und Zusammenarbeiten
- Verfassen von User Stories und Definieren von Akzeptanzkriterien für ingenieurwissenschaftliche Probleme
- Techniken zur Priorisierung des Backlogs: MoSCoW, Wert versus Aufwand, risikogesteuerte Reihenfolge
- Sprint-Planung und Schätzung mit Nicht-Software-Teams
- Retrospektiven und kontinuierliche Verbesserung im akademischen Umfeld
- Kollaborationstools und Boards für multidisziplinäre Teilnehmer
Einführung in die DevOps-Kultur
- Definition von DevOps: Überwindung der Silos zwischen Entwicklung und Betrieb
- Das CALMS-Modell: Kultur, Automatisierung, Lean, Messung, Teilen
- DevOps in Forschungslaboren, Bauingenieurteams und Architekturstudios
- Aufbau einer kulturfreundlichen Fehlerkultur (blameless culture) und Feedback-Schleifen in Bildungseinrichtungen
- Ethische, sicherheitstechnische und Compliance-Aspekte bei der Einführung von DevOps im akademischen Kontext
Versionierung und gemeinsames Code-Management
- Git-Grundlagen für reproduzierbare Ingenieur- und Designarbeiten
- Branching-Strategien: Trunk-based, Feature Branches und vereinfachtes GitFlow
- Pull Requests, Peer Reviews und Code-Eigentum in Lehrteams
- Verwaltung von Nicht-Code-Assets: CAD-Dateien, BIM-Modelle, Simulationsdatensätze
- Organisation von Repositories für Kursmaterial und Studentenprojekte
Continuous Integration und Build-Automatisierung
- Konzepte der CI und deren Anwendung auf compilierte und skriptbasierte Ingenieur-Tools
- Einrichtung automatisierter Builds für Software, Simulationen und Dokumentation
- Pipeline-Stufen: Kompilieren, Packen, Linting und Pre-Flight-Checks
- Überblick über gängige CI-Plattformen: GitHub Actions, GitLab CI, Jenkins
- Umgang mit grossen Artefakten, Abhängigkeits-Caching und paralleler Ausführung
Softwarequalität und statische Analyse
- Definition von Softwarequalität: Wartbarkeit, Zuverlässigkeit, Benutzerfreundlichkeit, Effizienz
- Code-Metriken: zyklomatische Komplexität, Kopplung, Kohäsion und Duplizierung
- Tools zur statischen Analyse für Python, Java, C++ und gängige Ingenieur-Skripte
- Dokumentation als Qualität: Docstrings, README-Standards und lebendige Dokumentation
- Integration von Qualitätskontrollen in CI-Pipelines ohne Blockierung des Studentenfortschritts
Teststrategien und Testdesign
- Die Testpyramide: Unit-, Integrations-, System- und Akzeptanztests
- Schreiben von Unit-Tests für ingenieurwissenschaftliche Berechnungen, Simulationen und Hilfsprogramme
- Grundlagen des testgetriebenen (TDD) und verhaltengesteuerten Developments (BDD)
- Mocking externer Systeme: Sensoren, APIs, Finite-Elemente-Solver
- Strukturierung von Testsuites für multidisziplinäre Teamprojekte
Testautomatisierung und Continuous Testing
- Automatisierung der Testausführung innerhalb von CI/CD-Pipelines
- Testberichte, Abdeckungsziele und Management unzuverlässiger Tests (flaky tests)
- Eigenschaftenbasiertes Testing und Fuzzing für Ingenieur-Algorithmen
- Regressionsteststrategien für sich entwickelnde Kurseaufträge
- Performance- und Lasttests für Simulations- und Rendering-Arbeitslasten
Konzepte der Continuous Delivery und Bereitstellung
- CD-Grundlagen: Lieferung versus Bereitstellung, Umgebungen und Promotion
- Bereitstellungsmuster: Blue-Green, Canary und Feature-Toggles
- Anwendung von CD-Prinzipien zur Veröffentlichung von Forschungsergebnissen, Kurswebseiten und Anwendungen
- Docker-Grundlagen für reproduzierbare Ingenieurumgebungen
- Einführung in Infrastruktur als Code: deklarative Verwaltung von Labor- und Cloud-Einrichtungen
Beobachtbarkeit, Überwachung und Feedback
- Logging, Metriken und Tracing für akademische Software und Simulationen
- Aufbau einer leichtgewichtigen Überwachung für Studentenprojekte und Forschungstools
- Nutzung von Feedbackdaten zur Iteration von Lehrmaterial und Laboraufträgen
- Dashboards und Alarmierung, die für Bildungskontexte geeignet sind
- Verifikation nach der Bereitstellung und Verfahren zum Rollback
Sicherheits- und Qualitäts-Best Practices
- Grundlagen sicherer Programmierung: Eingabevalidierung, Authentifizierung und Management von Geheimnissen (Secrets)
- Scanning von Abhängigkeiten und Schwachstellenmanagement in Open-Source-Stapeln
- Lizenzkonformität für in Lehre und Publikation verwendete Software
- Datenschutzaspekte beim Umgang mit Studenten- und Forschungsdaten
- Aufbau einer sicherheitsbewussten Kultur in Ingenieur- und Designprogrammen
Übersetzung von Praktiken in Lehrmodule
- Entwurf agiler Projekt assignments für Studenten der Systeme, des Bauwesens, des Designs und der Architektur
- Erstellung von Bewertungsraster (Rubrics), die Prozess- und Produktqualität bewerten
- Einrichtung von Vorlagen-Repositorien mit vor konfigurierter CI zur Nutzung durch Studierende
- Stufenweise Einführung von DevOps-Konzepten über ein Semester hinweg
- Bewertung von Studententeams anhand von praxisnahen Qualitäts- und Automatisierungsmetriken
Auswahl der Toolchain und akademische Einschränkungen
- Bewertung kostenloser und Open-Source-Tools für budgetbewusste Abteilungen
- Integration in bestehende LMS, Dateispeicher und Laborinfrastruktur
- Umgang mit technischer Schuld in lang laufenden Forschungscodebasen
- Onboarding von Studierenden und Dozenten mit unterschiedlichen technischen Hintergründen
- Aufrechterhaltung der Nachhaltigkeit, wenn wichtige Mitwirkende abschliessen oder rotieren
Voraussetzungen
- Grundlegendes Verständnis von Konzepten der Softwareentwicklung
- Bekanntschaft mit allgemeinen Arbeitsabläufen im Ingenieurwesen oder Design
- Erfahrung in der Nutzung von Computern für akademische oder projektbasierte Arbeiten
Zielgruppe
- Professoren und Dozenten aus den Studiengängen Systemtechnik, Bauingenieurwesen, Design und Architektur
- Akademisches Personal, das seine Lehre mit praxisrelevanten Methoden modernisieren möchte
- Forschungsleiter und Labor koordinatoren, die Technologie in den Lehrplan integrieren
42 Stunden
Erfahrungsberichte (2)
Craig war extrem engagiert im Training und hat stets darauf geachtet, dass wir aufmerksam sind. Er passte die Beispiele an unsere täglichen Aktivitäten an und gab immer eine Antwort, wenn danach gefragt wurde, auch wenn die Information nicht im Präsentationsmaterial enthalten war.
Ecaterina Ioana Nicoale - BOOKING HOLDINGS ROMANIA SRL
Kurs - DevOps Foundation®
Maschinelle Übersetzung
Hoher Einsatz und Fachwissen des Trainers
Jacek - Softsystem
Kurs - DevOps Engineering Foundation (DOEF)®
Maschinelle Übersetzung
