Kontakt aufnehmen
 Dauer 7 Stunden

Schulungsübersicht

Level 1: Die Entdeckungs-Dungeon – Geheimnisse der Anforderungen

Mission: Nutzen Sie LLMs (ChatGPT), um strukturierte Anforderungen aus vagen Eingaben zu extrahieren.

Kernaktivitäten:

  • Interpretation vager Produktideen oder Funktionsanfragen
  • Verwendung von KI, um:
    • User Stories und Akzeptanzkriterien zu generieren
    • Personas und Szenarien vorzuschlagen
    • Grafische Artefakte zu erzeugen (z. B. einfache Diagramme mit Mermaid oder draw.io)

      Ergebnis: Strukturiertes Backlog an User Stories + anfängliches Domänenmodell/Grafiken

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

Mission: Nutzen Sie KI, um Architekturpläne zu erstellen und zu validieren.

Kernaktivitäten:

  • Verwendung von KI, um:
    • Einen Architekturstil vorzuschlagen (Monolith, Microservices, Serverless)
    • Hochgradige Komponenten- und Interaktionsdiagramme zu generieren
    • Grundgerüste für Klassen- und Modulstrukturen zu erstellen
  • Einander in Peer-Design-Reviews bei der Entscheidungsfundierung herausfordern

    Ergebnis: Validierte Architektur + Code-Gerüst

Level 3: Der Code-Arena – Das Codex-Gauntlet

Mission: Nutzen Sie KI-Copilots, um Funktionalitäten zu implementieren und Code zu verbessern.

Kernaktivitäten:

  • Verwendung von GitHub Copilot oder ChatGPT zur Implementierung von Funktionalitäten
  • Refactorisierung von KI-generiertem Code hinsichtlich:
    • Performance
    • Security
    • Wartbarkeit
  • „Code Smells“ einschleusen und Peer-Bereinigungsaufgaben durchführen

    Ergebnis: Funktionierende, refaktorisierter, KI-generierter Codebase

Level 4: Das Bug-Sumpfgebiet – Teste die Dunkelheit

Mission: Generieren und verbessern Sie Tests mit KI und finden Sie Bugs in fremdem Code.

Kernaktivitäten:

  • Verwendung von KI, um zu generieren:
    • Unit Tests
    • Integrationstests
    • Edge-Case-Simulationen
  • Buggy-Code mit einem anderen Team tauschen für KI-gestütztes Debugging

    Ergebnis: Test-Suite + Bug-Bericht + Bug-Fixes

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

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

Kernaktivitäten:

  • Verwendung von KI, um:
    • Workflows zu definieren (z. B. GitHub Actions)
    • Bau-, Test- und Bereitstellungsschritte zu automatisieren
    • Anomalieerkennung/Rollback-Richtlinien vorzuschlagen
      Ergebnis: KI-gestützte, funktionierende CI/CD-Pipeline-Skripte oder Flows

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

Mission: Analysieren Sie Logs und nutzen Sie ML, um Anomalien zu erkennen und Wiederherstellungen zu simulieren.

Kernaktivitäten:

  • Analysieren von vorbefüllten oder generierten Logs
  • Verwendung von KI, um:
    • Anomalien oder Fehlertrends zu identifizieren
    • Automatisierte Reaktionen vorzuschlagen (z. B. Selbstheilungs-Skripte, Alerts)
    • Dashboards oder visuelle Zusammenfassungen zu erstellen
      Ergebnis: Monitoring-Plan oder simulierter intelligenter Alarmierungsmechanismus

Finale Stufe: Die Arena des Helden – Der ultimative KI-gestützte SDLC

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

Kernaktivitäten:

  • 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 Bewertung der effektivsten KI-gestützten Pipeline

Ergebnis: Ende-zu-Ende KI-verbesserter SDLC-Implementierung + Team-Präsentation

Am Ende dieses Seminars können die Teilnehmenden:

  • Generative KI-Tools anwenden, um Softwareanforderungen zu extrahieren und zu strukturieren
  • Architekturdiagramme zu generieren und Designentscheidungen mit KI zu validieren
  • KI-Copilots verwenden, um produktionsreifen Code zu implementieren und zu refactorn
  • Testgenerierung zu automatisieren und KI-gestütztes Debugging durchzuführen
  • Intelligente CI/CD-Pipelines zu gestalten, die Anomalien erkennen und darauf reagieren
  • Logs mit KI/ML-Tools zu analysieren, um Risiken zu identifizieren und Selbstheilung zu simulieren
  • Einen vollständig KI-verbesserten SDLC über ein Team-Mini-Projekt demonstrieren

Voraussetzungen

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

Die Teilnehmenden sollten Folgendes mitbringen:

  • Grundkenntnisse im Softwareentwicklungslebenszyklus (SDLC)
  • Praxiserfahrung in mindestens einer Programmiersprache (z. B. Python, Java, JavaScript, C# etc.)
  • Vertrautheit mit:
    • Schreiben und Lesen von User Stories oder Anforderungen
    • Grundlegenden Software-Designprinzipien
    • Versionierung (z. B. Git)
    • Schreiben und Ausführen von Unit Tests
    • Ausführen oder Interpretieren von CI/CD-Pipelines

Es handelt sich um ein Seminar für ein mittleres bis fortgeschrittenes Niveau. Es ist ideal für Fachleute, die bereits Teil von Softwareliefer-Teams sind (Entwickler, Tester, DevOps-Engineers, Architekten, Product Owner).

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (1)

Kommende Kurse

Verwandte Kategorien