Kursübersicht

KI-Coding-Tools machen Teams schneller. Sie machen Teams aber auch fragil. Wenn Entwickler aufhören, Code von Grund auf zu schreiben, Code kritisch zu lesen und KI-Vorschläge zu hinterfragen, kommen die Geschwindigkeitsgewinne mit Kosten, die erst Monate später sichtbar werden: Architektur, die niemand versteht, Bugs, die niemand ohne KI diagnostizieren kann, und Nachwuchskräfte, die nie die Grundlagen gelernt haben.

Dieser dreitägige Kurs richtet sich an Teams, die die Produktivitätsgewinne ohne die versteckten Kosten wollen. Er vermittelt einen disziplinierten Ansatz für KI-gestützte Entwicklung, der auf Extreme Programming und testgetriebener Entwicklung aufbaut – Praktiken, die genau für diese Situation konzipiert wurden: Hochgeschwindigkeitsumgebungen, in denen technische Sorgfalt den Unterschied zwischen nachhaltigem Tempo und angehäuftem Risiko ausmacht.

Sie lernen, die Antimuster zu erkennen, die frühe KI-Anwender plagen – magisches Denken, Fähigkeitsverlust, Qualitätsverschlechterung, “KI-Flüsterer”-Konzentration – und bauen konkrete Gegenmaßnahmen auf. In ausgedehnten praktischen Übungen üben Sie testgetriebene Entwicklung mit KI als Ihrem Implementierer, wenden strukturiertes Pair Programming mit definierten Mensch/KI-Rollen an und gestalten Teampraktiken, die Handwerkskunst neben Automatisierung bewahren.

Der Kurs geht über individuelle Technik hinaus zu teamweiten Fragen: Metriken, die echte Produktivität von Geschwindigkeitstheater unterscheiden, Risikoindikatoren, die Verschlechterung signalisieren bevor sie in der Produktion sichtbar wird, und Adoptionsstrategien mit expliziten Leitplanken. Sie gehen mit der Fähigkeit, die Entwicklung Ihres Teams zu beschleunigen, ohne dabei still die Ingenieurkultur zu erodieren, die Beschleunigung überhaupt erst nachhaltig macht.

Lernziele

  • Gefährliche Antimuster in KI-gestützter Entwicklung erkennen: magisches Denken, Fähigkeitsverlust, Qualitätsverschlechterung
  • Testgetriebene Entwicklung als Kontrollmechanismus für KI-generierten Code anwenden
  • Mensch-KI-Pair-Programming mit expliziten Rollendefinitionen und Red-Flag-Erkennung strukturieren
  • Teampraktiken gestalten, die technische Grundlagen neben KI-Adoption bewahren
  • Metriken etablieren, die Geschwindigkeitsgewinne gegen Qualitäts- und Resilienzrisiken abwägen
  • Stufenweise KI-Adoption mit Leitplanken für kritische Code-Pfade umsetzen
  • Team-Resilienz aufbauen: Programme zur Fähigkeitsbewahrung, Rotationspraktiken, Wissensverteilung

Behandelte Themen

  1. Die versteckten Kosten der KI-Geschwindigkeit – Warum frühe Anwender technische Disziplin verlieren, und die Antimuster, die das verursachen: magisches Denken, Fähigkeitsverlust, Frankenstein-Architekturen
  2. Testgetriebene Entwicklung mit KI – Rot-Grün-Refaktor mit KI als Implementierer; Qualitäts-Gates für KI-generierte Tests; Testantimuster spezifisch für KI-Zusammenarbeit
  3. Mensch-KI-Pair-Programming – Strukturierte Rollenmodelle (Navigator/Driver, Reviewer/Implementierer); wann KI-Vorschläge ablehnen; veraltete Muster und versteckte Komplexität erkennen
  4. Technische Handwerkskunst bewahren – KI-freie Übungssessions, Debugging ohne KI, Systemdesign aus ersten Prinzipien; die Erosion von Fähigkeiten verhindern, die Ihr Team sich nicht leisten kann zu verlieren
  5. KI-generierten Code testen – Vertrauensgrenzen, Property-basiertes Testen, kritische Validierungspunkte; der Unterschied zwischen “Tests bestehen” und “Code ist korrekt”
  6. Metriken und Risikoüberwachung – Geschwindigkeit vs. Qualitätsindikatoren, Signale der Verschlechterung (abnehmende Review-Tiefe, wachsende technische Schulden, reduzierte Architekturdiskussionen), Sichtbarkeit in die Gesundheit der KI-Adoption schaffen
  7. Belastbare Teams aufbauen – “KI-Flüsterer”-Konzentration verhindern, Karriereentwicklung im KI-Zeitalter, rotierende KI-freie Sprints, Wissensverteilungspraktiken
  8. Sichere Adoption im großen Maßstab – Stufenweise Einführung, KI-freie Zonen für sensiblen Code, verpflichtende menschliche Review für kritische Pfade, Incident-Analyse, kontinuierliche Antimuster-Review

Was Sie erhalten

  • Drei Tage intensive praktische Übungen mit realistischen Coding-Szenarien
  • Techniken zur Identifikation von KI-Adoptions-Antimustern in Ihrem eigenen Team
  • Praktische Teampraktiken, die Sie sofort nach dem Kurs umsetzen können
  • Ein Metriken-Framework zur Überwachung der KI-Adoptions-Gesundheit
  • Teilnahmezertifikat