dozent.net
Projekt anfragen
Info

Professionelle Softwareentwicklung mit KI-Agenten – vom VibeCoding zum verlässlichen Prozess

Ein KI-Agent erzeugt Code schneller, als ein Mensch tippen kann – deshalb entscheidet nicht mehr das Tippen über die Qualität, sondern der Prozess darum herum. In diesem dreitägigen Seminar lernen Entwicklerteams, KI-Agenten wie Claude Code so einzusetzen, dass das Ergebnis nachvollziehbar, geprüft und wartbar ist: Anforderungen und Pläne vor dem Code, Tests als Abnahme, Leitplanken, die mechanisch greifen, und Reviews, die nicht vom Zufall abhängen.

VibeCoding und professionelle Entwicklung im Vergleich Oben der kurze Weg des VibeCoding von der Idee über den Prompt direkt zum Code, der nach einigen Runden in Nacharbeit endet. Unten die professionelle Kette aus Anforderung, Plan, Etappe, Tests, Review und Merge. VibeCoding Idee Prompt Code „geht nicht" → nächster Prompt Professionelle Kette Anforderung Plan Etappe Tests Review Merge gleicher Agent, gleiches Modell – der Unterschied liegt im Prozess
Abbildung 1: VibeCoding führt schnell zu Code, die professionelle Kette führt über Plan, Tests und Review zu abgenommenem Code.

Für wen ist dieses Seminar

Softwareentwicklerinnen und -entwickler, Architektinnen und Architekten sowie technische Leitungen, die KI-Agenten bereits ausprobiert haben und sie nun verlässlich im Projektalltag und im Team einsetzen wollen. Die Programmiersprache spielt dabei eine Nebenrolle: Die Arbeitsweise gilt für PHP, Java, C# und andere Sprachen gleichermaßen.

Das Angebot richtet sich an Unternehmen, Behörden und Selbstständige.

Was du mitbringen solltest

Berufserfahrung in der Softwareentwicklung, sicherer Umgang mit Git und Erfahrung mit automatisierten Tests. Erste Schritte mit einem KI-Agenten oder einem KI-Assistenten im Editor sind hilfreich, aber keine Bedingung. Für die Übungen brauchst du Zugang zu einem KI-Agenten, etwa ein Claude-Abo; ob vorhandene Firmenzugänge genutzt werden, stimmen wir bei der Anfrage ab.

Wenn du KI beim Programmieren erst kennenlernen möchtest und in PHP arbeitest, beginnst du mit „KI & VibeCoding für PHP-Entwickler". Die Beispiele zeigen wir mit Claude Code; die Prinzipien gelten ebenso für GitHub Copilot im Agentenmodus, Cursor und vergleichbare Agenten.

Detaillierte Inhalte

Die drei Tage im Überblick Tag 1 Vom Wunsch zum Plan VibeCoding und Profi-Kette Spezifikation, Beispielwerte Plandateien, Plan-Modus Projektregeln, Kontext Tag 2 Absichern Tests als Abnahme Altcode charakterisieren Hooks und Guards Review-Agenten Tag 3 Team und Betrieb Rechte, Sandbox, Daten Git, Worktrees, CI Teamregeln, Kosten Praxis: Feature bis Merge
Abbildung 2: Der Aufbau – erst planen, dann absichern, dann im Team verankern.

VibeCoding und professionelle Entwicklung

  • VibeCoding: wo es trägt (Prototyp, Wegwerfcode, Erkundung) und wo es kippt (Regressionen, schleichende Abweichung von der Architektur, Sicherheitslücken, nicht nachvollziehbare Änderungen)
  • Die professionelle Kette: Anforderung, Spezifikation, Plan, Etappe, Abnahme, Review, Merge
  • Rollenverteilung: der Mensch als Auftraggeber, Architekt und Abnehmer, der Agent als Ausführender
  • Messgrößen statt Eindruck: Korrekturrunden, Umfang der Änderung, Nacharbeit, Fehler nach dem Merge

Spezifikation und Planung vor dem Code

  • Das Prompt-Schema: Ziel, Kontext, Grenzen, Abnahme
  • Anforderungen mit dem Agenten schärfen: Rückfragen einfordern, Beispielwerte als Abnahmekriterien festlegen
  • Plan-Modus: erst analysieren und planen lassen, dann ausdrücklich freigeben
  • Plandateien im Repository: Entscheidungen, Etappen, Status und offene Punkte, die jede neue Sitzung wieder aufnimmt
  • Aufgaben schneiden: Größenregeln für Kontextfenster und Änderungsumfang

Kontext und Projektregeln

  • Projektregeln-Dateien (CLAUDE.md, AGENTS.md, .cursorrules): was hineingehört, was nicht, und warum eine Regel mit Begründung besser befolgt wird
  • Regeln auf mehreren Ebenen: Organisation, Projekt, Modul; Verweise statt Kopien
  • Wiederkehrende Abläufe als eigene Befehle und Skills ablegen: Skills laden ihre Anleitung erst bei Bedarf und belasten den Kontext deshalb in der Regel weniger als eine lange Regeldatei
  • Spezialisierte Unteragenten mit eigener Rolle, eigenem Kontext und eng gefassten Rechten definieren, statt einen Agenten alles erledigen zu lassen
  • Kontext pflegen: eine Etappe pro Sitzung, Zusammenfassungen, Token sparen ohne Qualitätsverlust

Tests als Leitplanke

  • Tests zuerst: rote Tests aus den Beispielwerten, dann die Umsetzung
  • Gewachsenen Code mit Charakterisierungstests festschreiben, bevor der Agent ihn umbaut
  • Referenztests, die der Agent nicht lesen und nicht ändern darf: Sperrregeln und Prüfung des Diffs
  • Prüfen, ob die Tests überhaupt greifen: Fehlervarianten gezielt einbauen

Mechanische Leitplanken statt Ermahnungen

  • Grundregel: was sich eindeutig prüfen lässt, gehört in ein Werkzeug, nicht in den Prompt
  • Hooks: Prüfungen nach jedem Schreibvorgang und vor jedem Commit, mit Rückmeldung an den Agenten
  • Linter, statische Analyse und Formatierer als Rückkopplungsschleife
  • Architekturgrenzen als Tests festhalten, damit sie auch der Agent nicht still überschreitet

Review und Qualitätssicherung

  • Spezialisierte Review-Agenten für Sicherheit, SQL, Datenschutz und Doku-Abgleich, parallel gestartet, Befunde zusammengeführt
  • Ein zweites Modell als Gegenleser, Bewertung ohne Kenntnis der Herkunft
  • Checkliste für KI-Code: erfundene Schnittstellen, verschluckte Fehler, Abfragen in Schleifen, Race Conditions
  • Wo Review an seine Grenzen kommt und warum Tests unverzichtbar bleiben

Sicherheit, Rechte und Datenschutz

  • Berechtigungsmodi, Freigabelisten und Sandbox statt vollen Systemzugriffs
  • Zugangsdaten und vertrauliche Dateien aus dem Kontext heraushalten
  • Prompt Injection über Repository-Inhalte, Webseiten und Werkzeugausgaben erkennen
  • Werkzeuge, die der Agent über MCP nutzt, als eigene Angriffsfläche behandeln (Vertiefung im Abschnitt „Agenten mit Werkzeugen verbinden")
  • Cloud oder lokal: Vertragsbedingungen je Abo, Betriebsgeheimnis, lokale Modelle für sensible Teile

Agenten mit Werkzeugen verbinden (MCP)

  • Das Model Context Protocol (MCP): ein offener Standard, über den ein Agent Datenbanken, Browser, Ticketsysteme und Repositories als Werkzeuge nutzt – statt dass jedes Werkzeug eine eigene Sonderlösung braucht
  • Konnektoren in Claude.ai und Claude Desktop sind MCP-Server in der Chat-Oberfläche: fertig einrichtbare Anbindungen an Dienste wie E-Mail, Dateiablage oder Kalender; wer sich in Claude Code mit einem Claude.ai-Konto anmeldet, sieht sie dort ebenfalls als MCP-Server
  • Server einbinden und konfigurieren: lokal oder remote, mit Anmeldung, für das ganze Team im Repository oder nur für dich
  • Rechte begrenzen: schreibgeschützte Zugänge, Freigabe je Werkzeug, Zugangsdaten außerhalb des Kontexts, getrennte Konten für den Agenten
  • Prompt Injection über Werkzeugausgaben: was ein Server zurückliefert, ist Eingabe von außen und kein Auftrag
  • Kontext und Kosten: Werkzeugbeschreibungen und Ausgaben angebundener Server belegen Platz im Kontextfenster; nur einbinden, was die Aufgabe braucht
  • Plugins als Verteilweg: Skills, Unteragenten, Hooks und MCP-Server als ein Paket bündeln, das ein ganzes Team installiert – und vor der Installation prüfen, denn was ein Plugin ausführt, läuft mit deinen Rechten
  • Übung: einen schreibgeschützten Datenbank-Server anbinden, den Agenten damit eine Aufgabe lösen lassen und prüfen, was er dabei sieht und tut

Agenten im Team und in der Pipeline

  • Git-Arbeitsweise: ein Branch je Aufgabe, Worktrees für parallel arbeitende Agenten, kleine Commits mit Begründung
  • Agenten in der CI: Zusammenfassungen von Pull Requests, automatisierte Reviews, Läufe ohne Bedienoberfläche
  • Gemeinsame Konfiguration im Repository, Teamregeln und Einarbeitung neuer Kolleginnen und Kollegen
  • Kosten im Griff: messen, wo Token entstehen, und das Modell nach Aufgabe wählen

Praxis: ein Feature von der Anforderung bis zum Merge

  • Durchgängige Übung am vorbereiteten Projekt oder an ausgewählten Stellen des eigenen Codes
  • Dieselbe Aufgabe einmal als VibeCoding und einmal über die professionelle Kette, beide Wege gemessen
  • Auswertung im Team: welche Leitplanken ihr in euer Projekt übernehmt

Fallbeispiele aus der Praxis

Je nach Zeit und Schwerpunkt besprechen wir Fallbeispiele aus dem eigenen Plattformprojekt. Jedes Beispiel beginnt mit einem Problem:

  • Ein Agent lernt aus Feedback die falsche Regel: Aus einer Korrektur wird eine Pauschalregel, aus der nächsten Kritik die Gegenregel
  • Projektregeln und KI-Gedächtnis veralten unbemerkt und widersprechen sich – mit stillen Folgen
  • Regeln, Gedächtnis und Prüfer im Team: Zwei Agenten-Sitzungen verhalten sich am selben Code unterschiedlich
  • Lange Aufgaben über viele Sitzungen: Der Agent verliert Details
  • Reviews prüfen den Code, aber nicht die Treue zum Plan – und Review-Schleifen enden nicht von selbst

Dauer: 3 Tage

Aus der Praxis: Leitplanken, die mechanisch greifen

Die Arbeitsweise in diesem Seminar stammt aus einem eigenen, laufenden Plattformprojekt in PHP und PostgreSQL, das mit Claude Code weiterentwickelt wird. Dort prüft ein Hook nach jedem Schreibvorgang eindeutig prüfbare Regeln, spezialisierte Review-Agenten laufen vor jedem Commit, Pläne liegen als Dateien im Repository, und Architekturgrenzen sind als Tests festgehalten. Das Tolle daran: Eine Regel, die ein Werkzeug durchsetzt, muss im Review seltener gesucht werden.

Leitplanken in Schichten Fünf Schichten von oben nach unten: Projektregeln, Hooks beim Schreiben, Tests, Review-Agenten, CI. Je weiter unten, desto weniger hängt das Ergebnis davon ab, ob der Agent eine Anweisung befolgt. Projektregeln – Anweisung, wird meistens befolgt Hooks beim Schreiben – sofortige Rückmeldung Tests – Abnahme des Verhaltens Review-Agenten – Sicherheit, SQL, Datenschutz, Doku CI – gilt für jeden Commit, egal wer ihn schreibt
Abbildung 3: Je tiefer die Schicht, desto weniger hängt die Qualität davon ab, ob der Agent eine Anweisung befolgt.

Was du danach kannst

  • Einen Auftrag nach dem Prompt-Schema formulieren, mit Beispielwerten als Abnahme versehen und in prüfbare Etappen schneiden
  • Plandateien und Projektregeln so anlegen, dass jede neue Sitzung des Agenten an der richtigen Stelle weiterarbeiten kann
  • Gewachsenen Code mit Charakterisierungstests absichern und Referenztests vor dem Agenten schützen
  • Eindeutig prüfbare Regeln als Hooks und Tests umsetzen, statt sie nur zu notieren
  • Review-Agenten und ein zweites Modell gezielt einsetzen und ihre Grenzen benennen
  • Rechte, Sandbox und Datenschutz für den Agenten festlegen und gemeinsame Regeln für das Team und die CI aufstellen
  • MCP-Server einbinden, ihre Rechte begrenzen und Skills, Hooks und Server als gemeinsame Konfiguration für das Team bereitstellen

Verwandte Seminare

Zum Weiterlesen: warum Unternehmen lokal arbeiten, erklärt Lokale KI im Unternehmen; wie man Modelle an eigenen Aufgaben vergleicht, statt dem ersten Eindruck zu folgen, zeigt Lokale KI-Modelle für Deutsch im Praxistest; dass sich Messen vor dem Optimieren lohnt, belegt PHP-Performance: die acht teuersten Fehler. Alle KI-Seminare findest du unter KI-Programmierung.

Dein Dozent

Frank Glück schult seit mehr als 30 Jahren und programmiert seit 1986. Seit 1999 ist er auch als Dozent für die GFU tätig. Hooks nach jedem Schreibvorgang, Review-Agenten vor jedem Commit, Plandateien und Architektur-Tests setzt er im eigenen Plattformprojekt in PHP und PostgreSQL ein, das er mit Claude Code weiterentwickelt.

Häufige Fragen (FAQ)

Wie lange dauert das Seminar?

Das Seminar dauert drei Tage. Inhouse lässt sich ein Teil des dritten Tages für die Arbeit an ausgewählten Stellen eures eigenen Codes nutzen.

Worin unterscheidet sich das Seminar vom VibeCoding?

Beim VibeCoding steuerst du den Agenten über kurze Wünsche und das Gefühl, ob das Ergebnis passt. Hier lernst du, ihn über Spezifikation, Plan, Tests und Leitplanken zu führen, damit das Ergebnis nachvollziehbar und abgenommen ist. VibeCoding kommt im Seminar trotzdem vor: als Vergleich, an derselben Aufgabe gemessen.

Welche Werkzeuge und Programmiersprachen werden verwendet?

Die Beispiele zeigen wir mit Claude Code in VS Code; die Prinzipien gelten ebenso für GitHub Copilot im Agentenmodus, Cursor und vergleichbare Agenten. Das Übungsprojekt gibt es derzeit für Java und PHP; weitere Sprachen auf Anfrage.

Was ist MCP, und brauche ich es?

MCP (Model Context Protocol) ist ein offener Standard, mit dem ein KI-Agent externe Werkzeuge nutzt, etwa eine Datenbank, einen Browser oder ein Ticketsystem. Du brauchst es nicht für jede Aufgabe, aber sobald der Agent über den Quellcode hinaus arbeiten soll, bestimmt die Anbindung, was er sehen und verändern darf. Im Seminar bindest du einen Server schreibgeschützt an und legst fest, welche Rechte er bekommt.

Welche Voraussetzungen gelten für die Teilnahme?

Berufserfahrung in der Softwareentwicklung, Git und automatisierte Tests. Für die Übungen brauchst du Zugang zu einem KI-Agenten, zum Beispiel ein Claude-Abo; für Firmencode empfehlen sich Abos, deren Bedingungen ein Training mit eurem Code ausschließen.

Findet das Seminar remote oder vor Ort statt?

Beides ist möglich. Remote arbeiten alle am eigenen Arbeitsplatz; inhouse findet das Seminar in euren Räumen statt, im Raum Köln/Leverkusen und bundesweit.

Können die Inhalte an unser Team angepasst werden?

Ja. Schwerpunkte, Sprache des Übungsprojekts, eingesetzte Agenten und der Anteil am eigenen Code werden vorab abgestimmt.

Individuell anfragen

Nach deiner Anfrage klären wir Teamgröße, Programmiersprache, eingesetzte Agenten und Format; danach bekommst du einen Termin- und Inhaltsvorschlag. Die Anfrage ist unverbindlich und kostenlos.

Individuell anfragen