Kursübersicht

Sie beherrschen ein KI-Coding-Tool. Sie kennen TDD. Sie kennen Specification-Driven Development. Aber wenn Sie sich am Montagmorgen an die Arbeit setzen, fügen sich diese drei Fähigkeiten nicht von selbst zu einem Workflow zusammen. Unter Zeitdruck fallen Sie auf Prompting und Hoffen zurück. Sie überspezifizieren triviale Änderungen und unterspezifizieren komplexe. Ihre Spezifikationen driften von der Realität ab, und niemand bemerkt es.

Dieser zweitägige Workshop schließt die Integrationslücke. Durch ausgedehnte Praxisübungen – bewusst unübersichtlich, nichtlinear und realistisch – üben Sie, KI-Tool-Kompetenz, Test-Driven Development und Specification-Driven Development zu einer durchgängigen Arbeitsweise zu verbinden. Keine Reinraum-Demos: Anforderungen ändern sich mitten in der Umsetzung, Abhängigkeiten verhalten sich anders als dokumentiert, Spezifikationslücken werden von der KI stillschweigend gefüllt.

Der Workshop basiert auf hart erarbeiteter Erfahrung aus über hundert Iterationen eines realen Specification-Driven AI Workflows. Jeder Fehlermodus, den wir entdeckt haben – Spezifikationslücken, horizontale Zerlegungsfallen, getesteter-aber-nicht-eingebundener Code, unbemerkte Abweichungen – wird zu einem Lernmoment, den Sie selbst erleben und navigieren lernen.

Sie nehmen mehr mit als Wissen: eine individuell konfigurierte Tool-Umgebung (CLAUDE.md, Skills, Hooks), die Sie während der Übungen selbst aufgebaut haben, und die Fähigkeit einzuschätzen, wann eine vollständige Spezifikation nötig ist, wann Tests genügen und wann Sie einfach loslegen können.

Lernziele

  • Nichtlineare Entwicklungsprojekte mit dem integrierten TDD+SDD+AI-Zyklus navigieren, einschließlich kurzfristiger Änderungen und Sackgassen
  • Erkennen, wenn die KI stillschweigend eine Spezifikationslücke gefüllt hat, und die Entscheidung zur menschlichen Beurteilung zurückbringen
  • Das erforderliche Spezifikationsniveau für jede Änderung kalibrieren (von “einfach coden” bis “vollständiger Spec-Stack”)
  • Feedback-Schleifen zwischen Spezifikationsebenen anwenden: Specs aktualisieren wenn Tests Probleme aufdecken, Pläne überarbeiten wenn die Implementierung Überraschungen bringt
  • Verifizieren, dass KI-generierter Code tatsächlich in Produktionspfade eingebunden ist – nicht nur isoliert getestet
  • Wiederverwendbare Tool-Konfigurationen aufbauen, die Ihren Workflow in Ihre Entwicklungsumgebung einbetten

Behandelte Themen

  1. Scale Calibration - Wann eine vollständige Spezifikation, wann nur Tests, wann einfach Code. Urteilsvermögen, keine Formel.
  2. Vertikale Slices statt horizontaler Schichten - Warum “erst alle Specs, dann alle Tests, dann implementieren” scheitert – und wie KI-Tools diese Falle aktiv verstärken
  3. Das Spezifikationslücken-Problem - Wie KI stillschweigend Lücken mit plausiblen Defaults füllt, und systematische Erkennungstechniken
  4. Feedback-Schleifen und Drift-Erkennung - Den bidirektionalen Fluss zwischen Spezifikationen, Tests und Implementierung navigieren. Erkennen, wenn Specs und Realität auseinanderdriften – auch wenn die KI den Drift initiiert.
  5. Die Brownfield-Realität - Arbeiten mit bestehendem Code, unvollständigen Specs und undokumentiertem Verhalten. Reverse Specification zur Baseline-Erstellung.
  6. Review-Muster und der Trust Gradient - Was vertrauen, was verifizieren, was erschöpfend testen – kalibriert nach den Konsequenzen eines Fehlers
  7. Context Persistence - Warum Spezifikationen und Tests mit KI wichtiger werden, nicht weniger: Sie sind Ihr persistentes Interface zu einem zustandslosen Tool
  8. Tool-Anpassung als Workflow-Kodierung - CLAUDE.md-Konfigurationen, Skills und Hooks bei Bedarf aufbauen, nicht spekulativ

Was Sie erhalten

  • Intensive Praxisübungen mit erweiterten Szenarien, die reale Integrations-Herausforderungen aufdecken
  • Eine individuell konfigurierte Tool-Umgebung (CLAUDE.md, Skills, Hooks), die Sie im Workshop aufgebaut haben und direkt in Ihren Projekten einsetzen können
  • Praktische Techniken zur Erkennung von Spezifikationslücken in KI-generiertem Code
  • Ein persönliches Kalibrierungs-Framework zur Entscheidung über das richtige Spezifikationsniveau
  • Teilnahmezertifikat