KI-Workshops / Programm 03
Ein Programm für Software- und Produktteams. Wir arbeiten in Ihrem Repository: Kontext- und Effort-Steuerung, Verifikations-Loops, KI-gestützter Entwurf komplexer Systeme, Deployment und Infrastruktur – und die Frage, wie Review und Verantwortung funktionieren, wenn ein Grossteil des Codes generiert wird.
KI-gestützte Entwicklung ist in den meisten Teams längst Alltag – nur sehr unterschiedlich gut. Typische Muster: Prompts, die für ältere Modelle geschrieben wurden und heute zu Über-Verifikation und aufgeblähten Diffs führen. Sessions, in denen der Kontext so voll ist, dass die Qualität kippt. Generierter Code, der plausibel aussieht, Edge Cases verfehlt und im Review die Zeit kostet, die vorne eingespart wurde. Dazu Kosten, die niemand pro Aufgabe kennt. Die Unterschiede zwischen einem Team, das damit gut arbeitet, und einem, das damit kämpft, sind erlernbar und überraschend konkret: Kontextdisziplin, das richtige Effort-Level und eine Prüfung, die das Modell selbst ausführen kann.
Modell- und Effort-Wahl pro Aufgabentyp, Kontext-Management über lange Sessions, Prompt-Muster, die heute noch wirken – und welche Sie aus Ihren Projektdateien streichen sollten. Dazu Kostentransparenz: was eine Aufgabe verbraucht und welche Stellschrauben das um ein Vielfaches senken.
Der grösste Qualitätshebel: dem Modell eine Prüfung geben, die es selbst ausführen kann – Testsuite, Build-Exitcode, Linter, Vergleichsskript. Wir bauen diese Loops in Ihrem Repository und definieren, worauf sich das menschliche Review danach konzentriert.
Von der Anforderung zum belastbaren Entwurf: Spezifikationen, die ein Modell tatsächlich umsetzen kann, Planungsschritt vor der Implementierung, Varianten gegeneinander prüfen, Migrationen und Refactorings in überprüfbare Schritte zerlegen – statt einen grossen Diff zu hoffen.
Infrastructure as Code, CI/CD-Pipelines, Logs und Monitoring KI-gestützt: Konfigurationen erzeugen und prüfen, Incidents triagieren, Postmortems vorbereiten. Inklusive der Leitplanken, die zwingend sind – Secrets, Berechtigungen, Umgebungen und was ein Agent niemals ohne Bestätigung tun darf.
Wiederkehrende Arbeit als Automatisierung festhalten: Skills, Hooks, Subagenten und MCP-Anbindungen an Ihre Systeme – plus die Sicherheitsfragen, die dabei entstehen: Prompt Injection aus Fremdinhalten, Umgang mit Secrets und Kundendaten, Abhängigkeiten und Lizenzen in generiertem Code.
Wir schauen uns Stack, Tests, CI und die bestehenden Projekt- und Prompt-Dateien an und sammeln die Reibungspunkte im Team.
Ein Tag an echten Tickets aus Ihrem Backlog: Kontext-Setup, Effort-Wahl, Planungsschritt, Implementierung und Verifikation im Wechsel.
Projektregeln, Verifikations-Skripte, Automatisierungen und Sicherheitsleitplanken landen im Repository – nicht in einem Dokument.
Wir schauen auf reale Diffs, Review-Zeit und Kosten pro Aufgabe und justieren das Setup an den Stellen, die sich im Alltag gezeigt haben.
Ein gemeinsames Setup im Repository statt sieben persönlicher Arbeitsweisen.
Verifikations-Loops, die Fehler finden, bevor ein Mensch das Review beginnt.
Nachvollziehbare Kosten pro Aufgabe – und bewusste Wahl von Modell und Effort.
Kleinere, überprüfbare Diffs statt grosser Änderungen ohne klaren Scope.
Klare Regeln für Secrets, Kundendaten und das, was ein Agent nie allein tut.
Für Software-, Plattform- und Produktteams – von Entwicklerinnen und Entwicklern über Tech Leads bis zu DevOps und Data Engineering. Wir arbeiten in Ihrer Sprache und Ihrem Stack. Sinnvoll ist eine Gruppe von vier bis zehn Personen; grössere Teams teilen wir, damit alle am eigenen Rechner mitarbeiten können.
Mit dem, was Sie einsetzen oder evaluieren – typischerweise Claude Code, GitHub Copilot, Cursor oder Codex, dazu Ihre IDE, CI und Cloud-Umgebung. Die Prinzipien sind weitgehend werkzeugunabhängig: Kontext, Verifikation, Scope-Kontrolle und Kosten. Wir ordnen ausserdem ein, wo sich die Werkzeuge tatsächlich unterscheiden und wo Marketing draufsteht.
Ja, das ist Teil des Programms. Wir arbeiten mit Ihren Vorgaben – Enterprise-Zugänge ohne Training auf Ihrem Code, Umgang mit Secrets und Kundendaten, Ausschluss sensibler Repositories, Freigabepflichten für Agenten mit Schreib- oder Deploy-Rechten. Auf Wunsch gehen wir auch die Prompt-Injection-Risiken durch, die entstehen, wenn ein Agent fremde Inhalte liest.
Nicht automatisch, und die Studienlage ist uneinheitlich – in einer viel zitierten Untersuchung an grossen Open-Source-Repositories waren erfahrene Entwickler mit KI-Unterstützung sogar langsamer, obwohl sie sich schneller fühlten. Genau deshalb ist dieses Programm auf Messbarkeit ausgelegt: Wir schauen auf Review-Zeit, Fehlerquote und Kosten pro Aufgabe statt auf Gefühl, und arbeiten die Aufgabentypen heraus, bei denen der Gewinn in Ihrem Kontext real ist.
Tief genug für erfahrene Entwickler. Wir arbeiten an echten Tickets aus Ihrem Backlog, gehen auf Architektur, Migrationen und Infrastruktur ein und diskutieren Grenzfälle statt Hello-World-Beispiele. Für gemischte Erfahrungsstufen gibt es abgestufte Aufgaben, damit niemand wartet.