Agentic Software Engineering
Generative KI verändert, wie wir Software entwickeln – von einzelnen Code-Snippets bis zu vollständigen, agentengesteuerten Entwicklungsprozessen. Im neuen dreitägigen Training „Agentic Software Engineering” zeigen wir, wie Du diese Transformation für Dein Team in die Tat umsetzen kannst.
Im Fokus: Agentic Engineering
Du lernst, KI-Assistenten und autonome Agenten gezielt im gesamten Engineering-Zyklus einzusetzen: Von der intelligenten Anforderungsanalyse über die automatisierte Architekturgestaltung bis hin zu selbstständig arbeitenden Code-Agenten, die komplexe Features implementieren. Dabei behältst Du stets die Kontrolle und verstehst, wo menschliche Expertise unverzichtbar bleibt.
Das Ziel
Nach dem Training kannst Du einschätzen, welche KI-Tools und -Ansätze für Deine konkreten Herausforderungen passen und Du weißt, wie Du schrittweise von einfacher Code-Completion zu fortgeschrittenen agentenbasierten Workflows übergehst.
Wir erleben in vielen Projekten: Der Nutzen von KI in der Softwareentwicklung hängt weniger vom Tooling ab – sondern auch davon, wie gut Teams verstehen, wann und wie sie diese Werkzeuge einsetzen. Genau das vermitteln wir im Training.
Roman StranghönerSenior Consultant und Trainer, INNOQ
An wen richtet sich das Training?
Das Training richtet sich an Entwickler:innen, Architekt:innen und techniknahe Rollen, die den praktischen Einsatz generativer KI entlang des gesamten Softwareentwicklungsprozesses systematisch erschließen möchten.
Die Agenda
-
Einführung und Kontext
- Warum Foundation Models und generative KI die Zukunft der Softwareentwicklung prägen
- Technologischer Wandel und seine konkreten Auswirkungen auf deinen Arbeitsalltag
- Begriffe klären: LLMs, multimodale Modelle, Foundation Models
-
Anforderungen mit generativer KI
- KI-unterstützte Erstellung, Analyse und Verfeinerung von Anforderungen
- User Stories aus natürlicher Sprache und multimodalen Inhalten generieren
- Kundenbedarfe automatisiert in strukturierte Anforderungen übersetzen
- KI-gestützte Klassifikation und Priorisierung von Anforderungen
- Prototypen schneller erstellen und nicht-technische Teammitglieder effektiv einbinden
-
Architektur effizient gestalten
- Automatisierte Ableitung von Systemarchitekturen aus Anforderungen
- Softwaredesign-Vorschläge mithilfe generativer KI erstellen
- Architektonische Trade-offs reflektieren und dokumentieren
- Agenten-basierte Simulation und Bewertung von Architekturvarianten
-
Implementierung beschleunigen
- Effizienz von Code-Vervollständigung bis zur KI-gesteuerten Umsetzung kompletter Features steigern
- Unterstützung bei API-Integration und Bibliotheksnutzung
- Codequalität erhöhen durch automatisierte Refactoring-Empfehlungen und Dokumentation
- Legacy-Code schneller verstehen und modernisieren
-
Testen & Qualitätssicherung optimieren
- Tests automatisch generieren: Unit-, Integrations- und End-to-End
- Synthetische Testdaten erstellen und Edge-Cases identifizieren
- KI-gestützte Reviews zur Testabdeckung und Qualität
-
CI/CD effizienter machen
- CI/CD-Konfiguration automatisiert generieren (GitHub Actions, GitLab Pipelines)
- Automatisierte Erstellung von Release Notes und Changelogs
- KI-basierte Sicherheitsscans und Compliance-Checks
- Self-Healing Pipelines und automatisierte Fehlerbehebung
-
Betrieb & Monitoring verbessern
- Incident Management beschleunigen durch KI-basierte Root Cause Analysen
- Automatisiertes Monitoring und Priorisierung von Alerts
- KI-basierte Log-Analyse und Integration mit Observability-Stacks
-
Wartung & Weiterentwicklung stärken
- Automatisiertes Bugfixing und Ticketmanagement
- KI-basierte Erklärungen von Code-Änderungen („Diff Explainern“)
- Automatische Erkennung von Regressionen und technischem Schuldenabbau
Interesse?
Für Fragen zu Agentic Software Engineering und zu unserem Angebot steht Dir Robert Glaser, Head of Data & AI bei INNOQ, zur Verfügung.
Links und Ressourcen
INNOQ-Bibliothek
-
RAG: Retrieval-Augmented Generation – Die Architektur zuverlässiger KI
In diesem Primer führen wir systematisch in die Konzepte und Architektur von RAG ein. Wir behandeln sowohl theoretische Grundlagen als auch praktische Implementierungsaspekte wie Chunking, Embedding und Vektordatenbanken. Außerdem teilen wir unsere Praxiserfahrung aus echten Projekten. Für Softwarearchitekt:innen und -entwickler:innen, die einen kompakten, aber fundierten Einstieg ins Thema suchen und den Einsatz von RAG in der eigenen Organisation bewerten wollen.
Wir begleiten auch Ihr Digitalisierungsvorhaben in Ihrer Branche über alle Phasen hinweg und freuen uns auf den Austausch mit Ihnen.
Schreiben Sie mir!