Schulungsübersicht
Level 1: The Discovery Dungeon – Secrets of Requirements
Mission: Nutzung von LLMs (ChatGPT) zur Extraktion strukturierter Anforderungen aus vagen Eingaben.
Wichtige Aktivitäten:
- Interpretation vager Produktideen oder Feature-Anfragen
-
Nutzung von KI zur:
- Generierung von User Stories und Acceptance Criteria
- Vorschlag von Personas und Szenarien
-
Generierung visueller Artefakte (z. B. einfache Diagramme mit Mermaid oder draw.io)
Ergebnis: Strukturiertes Backlog mit User Stories + initiales Domänenmodell / visuelle Darstellungen
Level 2: The Design Forge – Architect’s Scroll
Mission: Nutzung von KI zur Erstellung und Validierung von Architekturplänen.
Wichtige Aktivitäten:
-
Nutzung von KI zur:
- Vorschlag des Architekturstils (Monolith, Microservices, Serverless)
- Generierung von hochstufigen Komponenten- und Interaktionsdiagrammen
- Erstellen von Grundstrukturen für Klassen / Module
-
Hinterfragen der gegenseitigen Entscheidungen durch Peer-Design-Reviews
Ergebnis: Validierte Architektur + Code-Gerüst
Level 3: The Code Arena – Codex Gauntlet
Mission: Nutzung von AI-Copilots zur Implementierung von Features und zur Code-Verbesserung.
Wichtige Aktivitäten:
- Nutzung von GitHub Copilot oder ChatGPT zur Implementierung der Funktionalität
-
Refaktorieren des KI-generierten Codes bzgl.:
- Performance
- Sicherheit
- Wartbarkeit
-
Einspielen von „Code Smells“ und Durchführen von Peer-Cleanup-Challenges
Ergebnis: Funktionierender, refaktorierter, KI-generierter Codebase
Level 4: The Bug Swamp – Test the Darkness
Mission: Generieren und Verbessern von Tests mit KI, dann Finden von Bugs im Code anderer.
Wichtige Aktivitäten:
-
Nutzung von KI zur Generierung von:
- Unit-Tests
- Integrationstests
- Simulation von Randfällen
-
Austausch von fehlerhaftem Code mit einem anderen Team zur KI-gestützten Fehlersuche
Ergebnis: Testsuite + Fehlerbericht + Fehlerbehebungen
Level 5: The Pipeline Portals – Automaton Gate
Mission: Einrichten intelligenter CI/CD-Pipelines mit KI-Assistenz.
Wichtige Aktivitäten:
-
Nutzung von KI zur:
- Definition von Workflows (z. B. GitHub Actions)
- Automatisierung von Build-, Test- und Bereitstellungs-Schritten
-
Vorschlag von Anomalie-Erkennung / Rollback-Richtlinien
Ergebnis: KI-unterstütztes, funktionsfähiges CI/CD-Pipeline-Skript oder -Flow
Level 6: The Monitoring Citadel – Watchtower of Logs
Mission: Analyse von Logs und Nutzung von ML zur Erkennung von Anomalien und Simulation der Wiederherstellung.
Wichtige Aktivitäten:
- Analyse vorbefüllter oder generierter Logs
-
Nutzung von KI zur:
- Identifizierung von Anomalien oder Fehler-Trends
- Vorschlag automatisierter Reaktionen (z. B. selbstheilende Skripte, Alerts)
-
Erstellen von Dashboards oder visuellen Zusammenfassungen
Ergebnis: Überwachungsplan oder simulierter intelligenter Alerting-Mechanismus
Final Level: The Hero’s Arena – Build the Ultimate AI-Supported SDLC
Mission: Teams wenden alles Gelernte an, um einen funktionierenden SDLC-Loop für ein Mini-Projekt zu erstellen.
Wichtige Aktivitäten:
- Auswahl eines Team-Mini-Projekts (z. B. Bug-Tracker, Chatbot, Microservice)
-
Anwendung von KI in jeder SDLC-Phase:
- Anforderungen, Design, Code, Test, Bereitstellung, Monitoring
- Präsentation der Ergebnisse in einer kurzen Team-Demo
Peer-Voting oder Jury-Bewertung für die effektivste KI-gestützte Pipeline
Ergebnis: End-to-End, KI-ergänzte SDLC-Implementierung + Team-Showcase
Bis zum Ende dieses Workshops können die Teilnehmer:
- Generative KI-Tools zur Extraktion und Strukturierung von Software-Anforderungen anwenden
- Architekturdiagramme generieren und Design-Entscheidungen mit KI validieren
- AI-Copilots zur Implementierung und Refaktorierung von Produktionscode nutzen
- Test-Generierung automatisieren und KI-unterstütztes Debugging durchführen
- Intelligente CI/CD-Pipelines entwerfen, die Anomalien erkennen und darauf reagieren
- Logs mit KI/ML-Tools analysieren, Risiken identifizieren und selbstheilende Fähigkeiten simulieren
- einen vollständig KI-ergänzten SDLC durch ein kleines Team-Projekt demonstrieren
Voraussetzungen
Zielgruppe: Softwareentwickler, Tester, Architekten, DevOps-Ingenieure, Product Owner
Die Teilnehmer sollten verfügen über:
- Ein grundlegendes 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 Software-Design-Prinzipien
- Versionskontrolle (z. B. Git)
- Verfassen und Ausführen von Unit-Tests
- Ausführen oder Interpretieren von CI/CD-Pipelines
Dies ist ein Workshop für fortgeschrittene Mittelstufe bis fortgeschrittene Ebene. Er eignet sich ideal für Professionals, 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
