AI350: Vibe Coding für Entwickler

Agenda:

• Einstieg & Mindset

  • Was „Vibe Coding“ ist – und was nicht (Speed vs. Sorgfalt)

  • Stärken/Schwächen von LLMs im Dev Alltag (Realität statt Hype)

  • Qualitätsdefinition: „Done“ heißt lauffähig, getestet, reviewt, sicher
    
    

• Prompt Patterns, die Entwickler wirklich brauchen

  • Spec First: Anforderungen, Akzeptanzkriterien, Edge Cases sauber formulieren

  • Plan First: Modell zuerst Architektur/Schritte vorschlagen lassen

  • Constraints & Guardrails: Tech Stack, Stil, Performance, Security, Kompatibilität festnageln

  • Diff /Patch Requests statt „Alles neu“: kontrollierte Änderungen am bestehenden Code

  • „Explain then Implement“ vs. „Implement then Explain“: wann welches Muster passt
    
    

• Von Null auf Feature: Scaffolding & Implementierung mit KI

  • Struktur erzeugen (Module, Klassen, Dateien, Schnittstellen)

  • API Design & Datenmodelle: schnelle Vorschläge, dann harte Reviews

  • Iterationsschleife: kleine Inkremente, häufiger Kompilieren/Starten/Checken
    
    

• Testen mit KI

  • Teststrategie: Unit/Integration, „Happy Path“ und Edge Cases

  • KI als Test-Ideengeber: bessere Abdeckung, gezielte Negativtests

  • Debug Loop: Fehlermeldungen/Logs sauber in Kontext geben, Hypothesen prüfen

  • Anti Pattern: Tests, die das Modell „grün promptet“ statt echte Qualität zu prüfen
    
    

• Refactoring, Code Review & Maintainability

  • Refactoring Prompts (Lesbarkeit, Entkopplung, Wiederverwendung, Naming)

  • Review Prompts (Bugs, Race Conditions, Fehlerfälle, API Misuse, Performance)

  • Dokumentation & Kommentare

  • Team Konventionen: wie man KI Änderungen nachvollziehbar macht (Commits, PR Beschreibung)
    
    

• Sicherheit, Datenschutz, IP – pragmatische Leitplanken

  • Was darf in Prompts (und was nicht): Secrets, Kundendaten, proprietärer Code

  • Umgang mit Abhängigkeiten: neue Libraries nur mit Begründung/Review

  • „Trust but verify“: Security Checks und Linting

  • Prompt Checkliste: Risiken erkennen (Injection Muster, unsichere Defaults, Input Validation)

Ziele:

• KI als produktiven Pair Programmer einsetzen – kontrolliert und reproduzierbar

• Anforderungen so formulieren, dass daraus korrekter Code entstehen kann (inkl. Edge Cases)

• Wiederverwendbare Prompt und Workflow Patterns anwenden

• Tests und Debugging mit KI beschleunigen, ohne Qualität zu verlieren

• Refactoring/Review mit KI nutzen, um Wartbarkeit zu erhöhen

• Sicherheits und Datenschutzrisiken in KI Workflows erkennen und vermeiden

Zielgruppe:

Das Training AI350 Vibe Coding for Developers richtet sich an:

• Entwickler (Backend, Frontend, Full Stack), Tech Leads, Senior Engineers

• Entwicklerteams, die KI Assistenz im Alltag standardisieren möchten

Voraussetzungen:

Für die Teilnahme am Kurs AI350 Vibe Coding for Developers sind folgende Vorkenntnisse erforderlich:

• Praktische Erfahrung in Softwareentwicklung

• Vertrautheit mit Git und grundlegenden Test /Build Workflows

• Kein KI Vorwissen notwendig (wird im Kurs aufgebaut)

Beschreibung:

Der Workshop AI350 Vibe Coding für Entwickler ist ein praxisorientierter Entwickler‑Workshop, der zeigt, wie man generative KI (LLMs) als „Coding‑Copilot“ so einsetzt, dass Tempo steigt, aber Codequalität, Sicherheit und Wartbarkeit nicht leiden. Unter „Vibe Coding“ verstehen wir dabei einen iterativen Arbeitsstil: Ideen schnell in lauffähigen Code überführen, gemeinsam mit dem Modell verfeinern, Tests/Checks konsequent nachziehen und das Ergebnis wie bei einem echten Review absichern.

Der Kurs AI350 Vibe Coding für Entwickler vermittelt ein belastbares Arbeitsmodell für KI‑gestütztes Programmieren: Wann KI besonders stark ist – und wo sie systematisch schwächelt. Die Teilnehmer lernen wiederverwendbare Prompt‑ und Workflow‑Patterns, mit denen aus „Generiere mir Code“ ein kontrollierter Engineering‑Prozess wird: Spec‑First, Plan‑First, Diff‑Requests, Constraint‑Prompts, Test‑First‑Schleifen, sowie Review‑ und Hardening‑Prompts.

Im Mittelpunkt steht ein durchgängiger Übungs‑Case: Die Gruppe baut oder erweitert eine kleine Komponente/Service/Feature und nutzt KI entlang des gesamten Zyklus – von Anforderung und Design über Implementierung bis zu Tests, Dokumentation, Code Review und Absicherung. Am Ende haben die Teilnehmenden einen persönlichen „Vibe Coding“-Werkzeugkasten, der direkt im Team-Alltag eingesetzt werden kann.