+49 (0) 30 5201 4923
Ein fortgeschrittener, praxisorientierter Kurs für Entwicklerinnen und Entwickler, die bereits mit KI-Coding-Tools arbeiten. Fokus ist das effiziente und sichere Arbeiten mit GitHub Copilot durch wirksame Prompt-Muster, Kontextstrategien und die Integration in reale Repositories, Tests und CI.
Sie verfeinern, wie Sie Entwicklungsaufgaben zuschneiden, Prompts gestalten und Copilot so steuern, dass verlässliche Codeänderungen entstehen. Sie verknüpfen Prompts mit Ihren Repos und Workflows, setzen Guardrails über Tests und Richtlinien und führen leichte Evaluation ein, damit die Qualität über die Zeit steigt.
Nach diesem Training können Sie sicher:
• Engineering-Aufgaben für Copilot formulieren und wirksame Prompting-Strategien wählen
• Generierungen mit Repository-Kontext, Symbolen und Dokumentation fundieren
• Code Edits, Erklärungen und Diffs in mehrteiligen Projekten steuern
• Feedback-Schleifen mit Tests und Akzeptanzkriterien straffen
• Prompts in Git, Code Review und CI integrieren
• Datenschutz, Sicherheit und IP-Risiken managen und Nachvollziehbarkeit wahren
• Souveräner Umgang mit Git und Code-Review-Praktiken
• Vertrautheit mit einem CI-System und Paketmanagern in mindestens einer Sprache
• Zugriff auf ein nicht sensibles Repository für das Training
• GitHub Copilot im IDE und GitHub-Konto aktiviert
*Wir passen den Kursaufbau und die Inhalte an Ihre spezifischen Anforderungen und relevanten Anwendungsfälle an.
Modul 1: Copilot im Software Lifecycle
• Wo Copilot in Planung, Coding, Test und Review unterstützt
• Grenzen von KI-Assistenz und klare Übergaben an Menschen
• Aufgabenzerlegung, Constraints und Akzeptanzkriterien als Prompteingaben
• Modellantworten kritisch lesen und entscheiden, wann iterieren oder neu starten
Modul 2: Hochwertige Prompts für realistische Codebasen
• Muster für Feature-Erweiterungen, Bugfixes, Migrationen und Dokumentation
• Fokussierte Diffs, Patch-Stil-Ausgaben und Commit Messages anfordern
• Stil-, Lint- und Formatregeln als Constraints formulieren
• Invarianten und nicht funktionale Anforderungen im Prompt verankern
Modul 3: Kontext vorbereiten und steuern
• Die richtigen Dateien, Symbole, Logs und Konfigurationen bereitstellen ohne Überfrachtung
• Große Bereiche zusammenfassen und Schutzzonen definieren
• Designdokumente, ADRs und API-Referenzen verlinken
• Prompts prägnant halten und dennoch kritische Constraints sichern
Modul 4: Tests als Guardrails und Debugging mit Copilot
• Tests vor Edits schreiben oder schärfen, um Verhalten zu begrenzen
• Fehlgeschlagene Tests und Stacktraces gezielt zur nächsten Iteration nutzen
• Reviewer-freundliche Erklärungen und Change Notes erzeugen
• Einfache Strategien gegen Regressionen über Module und Services
Modul 5: Prompt-Vorlagen und Team-Wiederverwendung
• Wiederverwendbare Gerüste für häufige Workflows in Ihrem Stack
• Kodierte Standards, Security Checks und Performance-Erwartungen einbetten
• Aufbau einer versionierten Prompt-Bibliothek
• Muster teamweit teilen, ohne sensible Kontexte preiszugeben
Modul 6: Git- und CI-Integration
• Branching-Ansätze, die KI-gestützte Änderungen begünstigen
• Pull-Request-Beschreibungen, Risikohinweise und Review-Checklisten
• Prompts mit automatisierten Tests und Quality Gates verbinden
• Prompt-Eingaben und -Ausgaben für Nachvollziehbarkeit erfassen
Modul 7: Retrieval und Hilfstools
• Wann Tickets, Changelogs und Docs beigefügt werden sollten
• Hilfstools definieren, auf die Copilot sich stützen darf: Linter, Formatter, Test Runner
• Lang laufende Aufgaben und in Teilziele zerlegte Objectives sicher steuern
Modul 8: Sicherheit, Datenschutz, IP und Evaluation
• Geheimnisse entfernen und sensible Daten minimieren
• Lizenzlage und Provenienz für generierten Code beachten
• Decision Logs, Audit Trails und leichte Metriken für kontinuierliche Verbesserung
• Team Playbook für rolloutfähige, verantwortungsvolle Nutzung
Praxisnahes Lernen mit erfahrenen Trainern an Ihrem Standort für Organisationen.
Neue Fähigkeiten erlernen, angeleitet von erfahrenen Trainern von überall.
