Webanwendungen entwickeln mit Claude und anderen KI-Agenten

In diesem dreitägigen Praxisseminar lernst du, wie du Claude Code (Anthropic), GitHub Copilot, Cursor und andere KI-Agenten gezielt einsetzt, um Webanwendungen zu planen, zu entwickeln und zu warten. Du arbeitest von Anfang an hands-on an einer echten Anwendung — vom Projektkontext über Frontend, Backend und Datenbank bis zu Tests, Sicherheit und Teamarbeit. Statt VibeCoding steht eine Arbeitsweise im Mittelpunkt, die in Projekten trägt: Projektkontext, Plan vor Code, kleine Schritte und Tests als Abnahme. Am Ende weißt du, welches Werkzeug wann die beste Wahl ist und worauf du bei KI-generiertem Code achten musst.

Für wen ist dieses Seminar

Webentwickler:innen (Frontend, Backend oder Fullstack), die KI-Tools produktiv in ihren Workflow integrieren möchten
IT-Projektleiter:innen und technische Leads, die das Potenzial von KI-gestützter Entwicklung bewerten wollen
Quereinsteiger:innen mit Grundkenntnissen in HTML/CSS/JS, die ihre Produktivität durch KI-Agenten steigern möchten

Das Angebot richtet sich an Unternehmen, Behörden und Selbstständige.

Was du mitbringen solltest

Praktische Erfahrung in der Webentwicklung (Frontend oder Backend) und im Umgang mit Git. Vorkenntnisse im Prompt-Engineering oder in der KI-Programmierung sind nicht erforderlich — du wirst systematisch von den Grundlagen bis zur Automatisierung mit autonomen Coding-Agenten geführt.

Wer eher an KI als Werkzeug im PHP-spezifischen Entwicklungsalltag interessiert ist, findet das kompakter in „KI & VibeCoding für PHP-Entwickler". Wer stattdessen einen KI-Coding-Assistenten komplett lokal und ohne Cloud-Anbindung betreiben will, ist bei „Programmieren mit lokaler KI" richtig — dieses Seminar arbeitet dagegen mit Cloud-Agenten wie Claude Code.

Detaillierte Inhalte

Ziele und Einstieg

Klärung deiner Lernziele und Schwerpunkte
Wie Sprachmodelle Code erzeugen: Token, Kontext, Wahrscheinlichkeit — und was daraus für die Praxis folgt
Chat, Vervollständigung und Agent: wer Vorschläge macht und wer selbst handelt

Landscape und Setup

Claude Code, GitHub Copilot, Cursor und Chat-KI im Überblick
Das erste Projekt einrichten: Projektkontext mit AGENTS.md und CLAUDE.md, Berechtigungen, Sperrregeln
Gute Projektregeln formulieren: prüfbar und begründet — Regeln je Ordner und Dateityp
Rechte von Agenten: Freigaben gezielt erteilen, Zugangsdaten wie .env technisch sperren statt nur darum bitten
Datenschutz und Unternehmensrichtlinien: Training, Speicherdauer, Freigaben

Frontend mit KI

HTML-, CSS- und JavaScript-Scaffolding nach Vorgaben: BEM, Custom Properties, mobile-first
UI-Komponenten generieren — Logik testbar getrennt von der Darstellung
UI-spezifisches Prompting: Zustände, Breiten, Barrierefreiheit, Bildschirmfoto als Vorlage

Backend und Datenbank

APIs mit Statuscodes und Fehlerfällen entwerfen, SQL-Schemata und Migrationen
Sicherheit von KI-Code: SQL-Injection, XSS und CSRF finden, belegen und beheben

Praxisprojekt I: CRUD-Anwendung

Vom Aufgabenblatt bis zum Commit: Plan, Umsetzung in kleinen Schritten, Abnahmetests
Code-Reviews mit Prüfvorlagen

Fortgeschrittene Techniken

Bugfixing: Fehler erst als Test nachstellen, dann beheben
Tests generieren — und ihre Güte mit einem Mutationstest messen
Refactoring über mehrere Dateien und Git-Workflows mit Agenten
MCP-Server: dem Agenten Werkzeuge geben, z. B. Datenbankzugriff nur lesend; Konnektoren und Plugins
Skills und Hooks: wiederkehrende Abläufe als Skill ablegen, Prüfungen per Hook nach jedem Schreibvorgang erzwingen, Subagenten als Prüfer
Audits über Performance und Dopplungen — mit Messung vorher und nachher

Agenten im Vergleich

Dieselbe Aufgabe mit mehreren Werkzeugen, bewertet nach festen Kriterien
Stärken und Schwächen im Praxiseinsatz, Datenschutz und Unternehmensrichtlinien
Mehrere KI-Werkzeuge an einem Projekt: eine Regelquelle, gemeinsame Durchsetzung über Git, Vor- und Nachteile

Praxisprojekt II: Fullstack-Modul im Team

Schnittstellen festlegen, parallel arbeiten, über ein gemeinsames Repository zusammenführen
Troubleshooting: wenn die KI nicht das liefert, was du willst

Best Practices und Abschluss

Prompt-Muster und Checkliste für die Qualitätssicherung von KI-generiertem Code
Die Rolle der Entwicklerin und des Entwicklers: festlegen, prüfen, verantworten
Fallbeispiele aus dem eigenen Plattformprojekt des Dozenten: wie aus einer Korrektur eine falsche Regel wird, wie Regeln und KI-Gedächtnis unbemerkt veralten und warum lange Aufgaben Details verlieren
Vertiefungen: lange Aufgaben beherrschen, Regeln im Team gleich halten, Projektregeln nach Geltungsbereich aufteilen

Dauer: 3 Tage — auf Wunsch als kompakte 2-Tages-Fassung mit Schwerpunkten nach Wahl

Was du danach kannst

KI-Agenten gezielt einsetzen — Prompts formulieren, die präzise und verwertbare Ergebnisse für Frontend, Backend und Datenbank liefern
Projektkontext effektiv bereitstellen — mit AGENTS.md, CLAUDE.md und ähnlichen Konfigurationen die Codequalität der KI-Ausgabe steuern
Tools bewerten und auswählen — Stärken und Schwächen von Claude Code, Copilot, Cursor und weiterer Agenten wie Google Antigravity kennen und situationsgerecht einsetzen
KI-generierten Code kritisch prüfen — Sicherheitslücken, Architekturprobleme, typische Fehler und die Barrierefreiheit generierter Oberflächen erkennen
Rechte und Sicherheit von Agenten einordnen — Freigaben, Sperren für Zugangsdaten und Abnahmetests, technische Schranken statt Bitten im Prompt
Vollständige Webanwendungen mit KI-Unterstützung bauen — vom Datenbankschema über die API bis zur fertigen Oberfläche
Agenten mit eigenen Werkzeugen erweitern — MCP-Server, Skills und Hooks einordnen und typische Rechte-Einstellungen kennen

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.

Häufige Fragen (FAQ)

Welche Programmiersprachen und Frameworks werden im Kurs unterstützt?

Die Übungsanwendung nutzt PHP, JavaScript, CSS und SQL ohne Framework – so bleibt jede Zeile nachvollziehbar. Die Methoden sind technologieoffen und lassen sich auf andere Stacks übertragen, z. B. Python, TypeScript oder React; auf den Stack deines Teams gehen wir in Beispielen und Diskussionen ein.

Wie bleibt mein Quellcode und mein Betriebsgeheimnis beim Einsatz von KI-Tools geschützt?

Datenschutz und IP-Schutz sind zentrale Themen des Kurses. Wir behandeln den datenschutzbewussten Einsatz von API-Schnittstellen (Zero-Data-Retention-Policies), ordnen ein, wann lokale Modelle (z. B. über Ollama) für sensible Daten die bessere Wahl sind — praktisch vertieft im Seminar „Programmieren mit lokaler KI" — und konfigurieren Ignore- und Freigaberegeln, die Betriebsgeheimnisse und .env-Dateien vom Versand an externe LLMs ausschließen sollen — inklusive ihrer Grenzen und wie du sie prüfst.

Welche Vorkenntnisse solltest du mitbringen?

Du solltest praktische Erfahrung in der Webentwicklung (Frontend oder Backend) und im Umgang mit Git mitbringen. Vorkenntnisse im Prompt-Engineering oder in der KI-Programmierung sind nicht erforderlich – der Kurs führt dich systematisch von den Grundlagen bis zur Automatisierung mit autonomen Coding-Agenten.