Effektive KI in der Softwareentwicklung

Seminarziel

Nach dieser Schulung bewegen Sie sich sicher in der vielfältigen Landschaft moderner KI-Tools. Sie verstehen nicht nur, wie LLMs funktionieren, sondern wissen auch, welche Probleme im Softwareentwicklungsalltag auftreten und wie Sie diese verhindern. 
Außerdem lernen Sie, KI effektiv in Ihre Software zu integrieren und zu programmieren, indem Sie KIs „bändigen“ und Fehler umgehen - für Lösungen genau nach Ihren Vorstellungen. 

Inhalt

• 1. Einführung in den Kurs
  • Einführung in die Schulung und organisatorische Hinweise
  • Worum geht es in diesem Kurs?
    • Die „Magie“ hinter KI-Tools verstehen
    • Prompt Engineering lernen
    • Die besonderen Herausforderungen von LLMs in der Softwareentwicklung meistern
    • Weniger bekannte Einsatzmöglichkeiten von KI-Tools entdecken
    • KI-Tools in eigener Software einbinden und verwenden
    • Die Herausforderungen bei der Verwendung von KI-Tools in der eigenen Software lösen
  • Was ist KI heute?
  • KI in der Softwareentwicklung - Herausforderungen, die wir lösen werden:
    • LLMs sind unzuverlässig
    • LLMs haben einen beschränkten Kontext
    • LLMs sind nicht auf dem neuesten Stand
    • LLMs haben keinen Zugriff auf Closed-Source-Code
    • LLMs können nur eingeschränkt „sehen“
    • LLMs können nur eingeschränkt selbst testen
    • LLMs und Datenschutz
  • Vorstellung des Playgrounds
• 2. Wie LLMs funktionieren
  • Grundlagen: Was sind Transformer-Modelle, die GPT-Architektur, Training vs. Fine-Tuning?
  • Verständnis für Limitierungen, mögliche Fehlerquellen und Bias
  • Exkurs: Was ist AGI (Artificial General Intelligence)?
• 3. Prompting Framework & Prompt Library
  • Strukturierter Ansatz zur Erstellung von Prompts
  • Aufbau eines wiederverwendbaren Prompt-Katalogs
• 4. Prompting-Grundlagen - Das „Setup“
  • Systemnachrichten, Rollen und Personas
  • Kontexteinbettung und Stilvorgaben
  • Einsatz kreativer Aufgaben (z. B. Drehbuch schreiben), um die Grenzen des LLM kennenzulernen
• 5. Prompting-Grundlagen - Die „Instruction“
  • Präzise Formulierung von Aufgaben an das LLM
  • Zero-/One-/Few-Shot Prompting und Chain-of-Thought Prompting
  • Verwendung von Delimitern zur klaren Strukturierung von Informationen
• 6. Prompting-Grundlagen - Der „Output“
  • Steuerung von Länge, Format und Struktur der Antworten
  • Generierung von Tabellen, Excel-Dateien und Flowcharts
• 7. Jailbreaking und Prompt Injection (Risiken & Grenzen)8. LLM-Hyperparameter & OpenAI Playground
  • Einstellung von „Temperature“, „Top P“, „Frequency Penalty“ und „Presence Penalty“
  • Verwendung von Stop Sequences
  • Feinjustierung des Verhaltens und der Kreativität der Modelle
• 9. Softwareentwickler-Prompt
  • Wie binde ich Dokumentation in meinen Prompt ein?
  • Wie binde ich meine Quelldateien in den Prompt ein?
  • Wie binde ich meinen Verzeichnisbaum in den Prompt ein?
• 10. Auswahl und Einrichtung eines Large Language Models (LLM)
  • Übersicht über führende LLMs (z. B. GPT, Claude, Llama, Gemini, Deepseek ...)
  • Kostenlose vs. kostenpflichtige Optionen
  • Wie man kostenpflichtige Systeme nutzt
  • Wie man Open-Source-Systeme nutzt (Ollama, LMStudio)
  • Wie gut sind Open-Source-Modelle?
  • Welche Hardwareanforderungen haben Open-Source-LLMs?
  • Wann lohnen sich Open-Source-Modelle?
• 11. Fähigkeiten von LLMs (multimodale Fähigkeiten)
  • „Sehen“ (Bilder erkennen/erzeugen)
  • „Hören“ (Stimme erzeugen)
  • Suchen: KI-Suchfunktionen in OpenAI, Perplexity etc.
  • Reasoning
  • Zuverlässigkeit
  • Wann verwende ich welches Modell?
• 12. KI-Toolbox
  • OpenAI-CustomGPTs
  • OpenAI-Projekte
  • Make.com und Co.
• 13. KI-Agenten
  • Vorstellung von KI-Agenten: BrowserUse, OpenAI DeepResearch, OpenAI Operator
• 14. KI-Modelle in die eigene Anwendung einbinden
  • Welche neuen Möglichkeiten entstehen durch LLMs?
  • API-Anbindung und Überblick über bestehende Bibliotheken
  • Structured Outputs
  • Function Calling
  • Multimodale Schnittstellen
  • Suche
• 15. KI-Modelle parallel nutzen
  • Welche Arten von Fehlern können auftreten?
  • Wie kann man diesen Fehlern begegnen?
  • Wie sieht ein Setup aus, das Backup-LLM-Systeme nutzt?
• 16. Weitere Möglichkeiten
  • Embeddings
  • Transcription
• 17. Prompt Builder App18. Strategien in der Softwareentwicklung (Praxistipps)
  • Wie gehe ich mit umfangreichen Anforderungen um?
  • Wie kann ich bei wachsenden oder sich ändernden Architekturen (Refactoring) vorgehen?
  • Prompting-Tipps
  • Wie gehe ich mit schwerwiegenden Bugs um, die die KI nicht lösen kann?
• 19. Der moderne Entwickler
  • Was kommt auf mich zu?
  • Wie muss ich mich als Entwickler karrieretechnisch positionieren, um relevant zu bleiben?
• 20. Abschluss
  • Zusammenfassung
  • Feedback