ModuleGeplante Inhalte
Module des Trainings
Sechs Module, die je nach Team kombiniert und gewichtet werden sollen. Jedes Modul hätte Lernziele, eine Übung am eigenen Repository und ein Ergebnis, das im Code bleibt.
Planen, Umsetzen, Testen mit Agenten
Das Modul soll einen gemeinsamen Ablauf etablieren, den alle im Team gleich verstehen: erst planen lassen, dann in kleinen Schritten umsetzen, dann prüfen.
Lernziele
- Tickets so schneiden, dass ein Agent sie in überprüfbaren Schritten bearbeiten kann
- Den Plan des Agenten lesen, korrigieren und erst dann umsetzen lassen
- Tests zuerst schreiben (lassen) und den Agenten gegen die Testsuite arbeiten lassen
- Erkennen, wann man den Agenten stoppt und selbst übernimmt
Übung am eigenen Repo
Ein echtes Ticket aus Ihrem Backlog würde in Kleingruppen mit Claude Code, Cursor oder Codex bearbeitet, inklusive Plan, Tests und Pull Request. Danach würden die Gruppen ihre Wege vergleichen.
Ergebnis-Artefakt
docs/team-workflow.md mit dem abgestimmten Ablauf von Ticket bis Pull Request
Regeln & Kontextdateien im Team
Hier soll aus vielen persönlichen Prompts eine gemeinsame, versionierte Regelbasis werden, die alle eingesetzten Tools lesen.
Lernziele
- AGENTS.md als gemeinsamen Nenner aufsetzen und toolspezifische Dateien nur ergänzend nutzen
- Regeln formulieren, die der Agent tatsächlich befolgt, und solche erkennen, die er ignoriert
- Bestehende Coding-Konventionen und Architekturentscheidungen für Agenten erschließen
- Festlegen, wer die Regeln pflegt und wann sie überprüft werden
Übung am eigenen Repo
Das Team würde aus vorhandener Doku und persönlichen Prompts eine erste AGENTS.md ableiten und sie an einer Aufgabe gegen echtes Agentenverhalten testen.
Ergebnis-Artefakt
AGENTS.md plus nötige Ergänzungen wie .cursor/rules/ oder .github/copilot-instructions.md, mit Owner
KI-Code reviewen, PR-Größe, Tests
Das Modul soll das Review vom Engpass zur verlässlichen Qualitätsgrenze machen, auch wenn Agenten deutlich mehr Code produzieren.
Lernziele
- Typische Fehlerbilder in KI-Code kennen: plausible, aber falsche Logik, stille Annahmen, überflüssige Abstraktionen
- Regeln für die Größe und den Zuschnitt von KI-Pull-Requests festlegen
- Tests prüfen, die der Agent selbst geschrieben hat, statt ihnen blind zu vertrauen
- Automatische Reviews als Vorfilter einordnen, ohne menschliches Review zu ersetzen
Übung am eigenen Repo
Reale, vom Agenten erzeugte Diffs aus Ihrem Repository würden gemeinsam reviewt. Daraus würde die Checkliste entstehen, nicht aus einer Vorlage.
Ergebnis-Artefakt
docs/ki-review-checkliste.md und abgestimmte Regeln zur PR-Größe
Secrets, Prompt Injection, Datenschutz, Tool-Freigabe
Das Modul soll klären, was ein Agent im Team sehen und tun darf, und wie man das prüfbar festhält.
Lernziele
- Wege erkennen, auf denen Secrets in den Kontext eines Agenten geraten, und sie schließen
- Prompt Injection über Issues, READMEs, Abhängigkeiten und Webinhalte verstehen
- Halluzinierte Pakete (Slopsquatting) und unsichere Abhängigkeiten abfangen
- Einen Freigabeprozess für neue Tools und MCP-Server definieren
Übung am eigenen Repo
Das eigene Repository würde auf Secret-Leck-Pfade untersucht, und an präparierten Beispielen würde gezeigt, wie Prompt Injection im Entwickleralltag aussieht.
Ergebnis-Artefakt
Eingecheckte Regeln für Dateizugriffe und Befehle, Pre-Commit- bzw. Secret-Scanning-Setup, kurze Team-Richtlinie
Agenten in Pull Requests und CI (Grundlagen)
Für Teams, die Agenten nicht nur lokal nutzen, soll das Modul die Grundlagen klären: wo automatisierte Agenten sinnvoll sind und welche Regeln dafür gelten.
Lernziele
- Einordnen, welche Aufgaben sich für Agenten in Pull Requests oder der CI eignen und welche nicht
- Verantwortung klären: Wer prüft und merged, was ein Agent vorgeschlagen hat?
- Berechtigungen für automatisierte Agenten möglichst eng halten
Übung am eigenen Repo
Am eigenen Repository würde ein einfacher, risikoarmer Anwendungsfall durchgespielt, zum Beispiel ein automatischer Review-Kommentar, der nur Hinweise gibt.
Ergebnis-Artefakt
Dokumentierte Regeln, wofür das Team automatisierte Agenten einsetzt und wofür nicht
Pilotteam, Einführung in Stufen, Onboarding, Skepsis
Das Modul soll helfen, die Ergebnisse über das Trainingsteam hinaus zu tragen, ohne Zwang und ohne Hype.
Lernziele
- Ein Pilotteam auswählen und die Einführung in Stufen planen
- Skeptische Kolleginnen und Kollegen ernst nehmen: Grenzen offen benennen statt überreden
- Neue Teammitglieder mit den dokumentierten Workflows onboarden
- Regeln festlegen, wann Juniors bewusst ohne Agent arbeiten, damit Lernen weiter funktioniert
Übung am eigenen Repo
Das Team würde einen Einführungsplan für die nächsten Teams skizzieren und ein erstes Retro-Format für Erfahrungen mit Agenten ausprobieren.
Ergebnis-Artefakt
Einführungsplan und Onboarding-Abschnitt in der Team-Doku
WARNDies ist ein Entwurf. Welche Module in welcher Tiefe vorkommen, soll sich nach Ihrem Team, Ihrem Stack und Ihren Tools richten. Inhouse-Training anfragen und Schwerpunkte nennen.
Inhouse-Training anfragen
Beschreiben Sie kurz Ihr Team, Ihren Stack und was sich ändern soll. Wir melden uns mit Rückfragen und einem Vorschlag für Format und Schwerpunkte, in der Regel innerhalb eines Werktags.
- 01 Sie beschreiben Team, Stack und Ziel.
- 02 Wir melden uns mit Rückfragen und einem Vorschlag.
- 03 Repo-Zugang, Lizenzen und Datenschutz klären wir vorab.