Produktiv mit Coding Agenten wie Copilot

• 1. Einführung & Produktivität 
  • Was sind Coding Agents? Definition und Abgrenzung. 
  • Kernkonzepte von Coding Agents (Überblick). 
  • Vorteile und Produktivitätspotenzial. 
  • Ziel der Schulung: Bessere Ergebnisse und Produktivitätssteigerung. 

• 2. Coding Agent Einstellungen 
  • Überblick populärer Coding Agents (Vorstellung, Einsatzgebiete). 
  • LLM-Grundlagen für Coding Agents (Architekturen, Auswahlkriterien, spezialisierte Modelle). 
  • Wichtige Settings und Konfigurationen der Agents (Leistung, Datenschutz, Sicherheit). 

• 3. Effektives Prompting 
  • Grundlagen: Klare, spezifische Prompts. 
  • Kontextbereitstellung: Code, Fehler, Umgebung. 
  • Beispielbasierte Aufgabenstellung (Few-Shot). 
  • Ausgabeformat und Stil spezifizieren. 
  • Strukturierte Prompts, Delimiter. 
  • Iteratives Prompting und Feedback. 
  • Setup: Systemnachrichten, Rollen, Personas. 
  • Fortgeschrittene Techniken: Zero/One/Few-Shot, Chain-of-Thought. 

• 4. Aufgabenaufbereitung & Kontext 
  • Aufgabenaufbereitung: Planung, Zerlegung, aktuelle Informationen einbringen. 
  • Code-Basis-Verständnis: Context Engines, automatisierte Kontextbereitstellung, 
  • Umgang mit großen Codebasen (ggf. kurze Erwähnung RAG). 
  • Kontextintegration: Dokumentation, Code-Ausschnitte, Verzeichnisstrukturen einbetten. 

• 5. Fortgeschrittene Interaktion 
  • Agenten "Sehen" beibringen (Browser-Steuerung mit Werkzeugen wie Playwright, Selenium, Puppeteer). 
  • Agenten helfen, Konsole zu "sehen" (Terminal-Interaktion, Lesen/Interpretieren von Ausgaben mit Werkzeugen wie PTY, ShellJS). 
  • Werkzeuge bereitstellen (Best Practices für Auswahl und Integration, kurze Erwähnung des Konzepts eigener MCPs). 
  • Agenten-Verhalten steuern: 
    • Nutzung von "Structured Outputs" für vorhersagbare, maschinenlesbare Antworten (z.B. JSON). 
    • "Function Calling" ermöglichen: Agenten rufen externe Funktionen/APIs auf, um Aktionen auszuführen oder Informationen zu beschaffen. 

  • Kurzer Exkurs: Anbindung interner Wissensdatenbanken (Konzepte wie RAG, Datenschutzaspekte). 
• 6. Praktische Anwendungsfälle 
  • Code-Generierung und -Vervollständigung. 
  • Refactoring und Code-Optimierung. 
  • Testfallgenerierung und Testautomatisierung. 
  • Bug-Analyse und -Behebung. 
  • Automatisierte Code-Dokumentation. 

• 7. Iterative Verbesserung 
  • Ergebnisverbesserung durch Agenten: 
    • Requirements-Dokumente als Soll-Vorgabe. 
    • Unit-Tests als Feedback-Quelle. 
    • Browser-Testing zur UI-Validierung. 
    • Automatisierte Feedback-Schleifen. 
    • Fehlerausgaben systematisch nutzen. 

• 8. Herausforderungen & Grenzen 
  • Ursachen für schlechte Agentenleistung. 
  • Strategien zur Leistungsverbesserung. 
  • Typische KI-Schwächen in der Softwareentwicklung. 
  • Grenzen der Automatisierung, menschliche Aufsicht. 
  • Umgang mit spezifischen LLM-Herausforderungen (Unzuverlässigkeit, Kontext, Aktualität, Closed-Source-Zugriff). 

• 9. Rechtliche Grundlagen 
  • DSGVO im Überblick 
  • EU AI Act im Überblick

LernzieleNach dieser Schulung setzen Sie diverse gängige Coding Agents zielgerichtet ein und beherrschen fortgeschrittene Techniken für effizientes Prompting und gutes Kontextmanagement. Sie integrieren smarte Agent-Unterstützung gezielt in alltägliche Entwicklungsaufgaben und verbessern iterativ Ihre Codequalität - für spürbar gesteigerte Produktivität in der täglichen Praxis. ZielgruppenDieser Kurs richtet sich an Softwareentwickler mit grundlegenden Programmierkenntnissen, Erfahrung mit IDEs und Entwicklungstools sowie einem Verständnis moderner Softwareentwicklungsprozesse; KI-Vorerfahrung ist nicht erforderlich.