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).
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