Agentic Software Engineering (INNOQ Schweiz) - Michael Krämer - Deutsch
Generative KI verändert, wie wir Software entwickeln – von einzelnen Code-Snippets bis zu vollständigen, agentengesteuerten Entwicklungsprozessen. In diesem dreitägigen Training lernst du, wie du diese Transformation für dein Team nutzbar machst.
Du lernst, KI-Assistenten und autonome Coding-Agenten gezielt einzusetzen: Von der intelligenten Anforderungsanalyse über die automatisierte Architekturgestaltung bis hin zu selbstständig arbeitenden Development-Agenten, die komplexe Features implementieren. Dabei behältst du stets die Kontrolle und verstehst, wo menschliche Expertise unverzichtbar bleibt.
Nach dem Training kannst du einschätzen, welche KI-Tools und -Ansätze für deine konkreten Herausforderungen passen. Du weißt, wie du schrittweise von einfacher Code-Completion zu fortgeschrittenen agentenbasierten Workflows übergehst.
Agenda
- Einführung & Kontext
- Warum generative KI die Zukunft der Softwareentwicklung prägt
- KI-Konzepte: Tokens, Autoregression, Temperatur, Prompts, Kontext, Tools, Model Context Protocol, Memory
- Agenten vs. Assistenten
- Einführung in das agentische Arbeiten
- Anforderungen
- KI-unterstützte Erstellung, Analyse und Verfeinerung von Anforderungen
- Kundenbedarfe automatisiert in strukturierte Anforderungen übersetzen
- Epics und User Stories aus natürlicher Sprache und multimodalen Inhalten generieren
- Einheitlich strukturierte Anforderungen mit Few-Shot-Prompts
- Prototypen mit Agenten ohne technischen Background erstellen
- Architektur
- Systemarchitekturen mithilfe von KI-Agenten entwerfen
- KI-unterstützte Entscheidungsfindung und Dokumentation
- Qualitätsanforderungen aus Anforderungen und Stakeholder-Interviews ermitteln
- Widersprüche in Architektur mit KI-Agenten aufdecken
- Technische Schulden mit KI identifizieren und dokumentieren
- Abweichungen von der Ubiquitous Language mit KI identifizieren
- Implementierung
- Effizienz von Code-Vervollständigung bis zur KI-gesteuerten Umsetzung kompletter Features steigern
- Kontext-Engineering zur Vergrößerung der von KI-Agenten umsetzbaren Aufgabenpakete
- Vibe Coding vs. Produktivcode mit KI-Agenten schreiben
- Anbindung von Dokumentation und Entwicklertools über MCP
- Feingranulare, erklärende Commits mit KI-Agenten erstellen
- Unterstützung bei API-Integration und Bibliotheksnutzung
- Testgetriebene agentische Entwicklung
- Codequalität erhöhen durch Refactorings und einheitliche Konzepte
- Legacy-Code schneller verstehen und modernisieren
- Multi-Agent-Workflows zur weiteren Effizienzsteigerung
- Testen & Qualitätssicherung
- Nachträglicher Aufbau einer Test-Suite mithilfe von KI-Agenten
- Automatisierte Tests generieren: Unit-, Integrations- und End-to-End
- Synthetische Testdaten erstellen und Edge-Cases identifizieren
- KI-gestützte Reviews zur Codequalität, Security und Erfüllung der Anforderungen
- Einsatz von autonomen KI-Agenten zur Verbesserung der Qualität
- CI/CD
- CI/CD-Pipelines mithilfe von KI-Agenten generieren
- Automatisierte Erstellung von Release Notes und Changelogs
- Generierung von Infrastructure as Code mit KI-Agenten
- Integration von KI-generierten Skripten in Pipelines
- Aufsetzen von Self-Healing-Pipelines und automatisierter Fehlerbehebung mithilfe von KI
- Betrieb & Monitoring
- Priorisierung und Einschätzung von von Alerts
- Automatisiertes Bugfixing und Ticketmanagement
- Incident Management beschleunigen durch KI-basierte Root Cause Analysen
- Integration von KI-Agenten mit Observability-Stacks
- Formulierung von Abfragen in Observability Tools
- Aufsetzen von Dashboards und Metriken mit KI-Agenten
Deine Trainer:innen
Michael Krämer
INNOQ
Nachhaltige Softwareentwicklung
- Green Software
Michael Krämer entwickelt seit über 20 Jahren Software und arbeitet als Softwarearchitekt bei INNOQ. Er setzt sich in seinen Projekte sehr dafür ein, Komponenten mit klaren Verantwortlichkeiten zu erarbeiten und technisch angemessene Lösungen für fachliche Anforderungen zu finden. Ausserdem beschäftigt er sich mit Machine Learning, der Integration von ML-Modellen in produktionstaugliche Softwareumgebungen und gibt Trainings für Softwarearchitektur.