Agentic Software Engineering Training

Generative KI verändert, wie wir Software entwickeln — von einzelnen Code-Snippets bis zu vollständigen, agentengesteuerten Entwicklungsprozessen. Im dreitägigen Hands-on-Training „Agentic Software Engineering” zeigen wir Dir und Deinem Team, wie Ihr mit KI-Agenten entlang des gesamten Engineering-Zyklus schneller arbeitet, ohne dabei Qualität, Kontrolle und Verantwortung aufzugeben.

Im Fokus: Agentic Engineering

Du lernst, KI-Assistenten und autonome Agenten gezielt im gesamten Engineering-Zyklus einzusetzen: von der intelligenten Anforderungs- und Produktarbeit über die automatisierte Architekturgestaltung bis hin zu selbstständig arbeitenden Code-Agenten, die komplexe Features implementieren, Tests schreiben und Pipelines pflegen. Dabei behältst Du die Kontrolle und verstehst, wo menschliche Expertise unverzichtbar bleibt.

Was Du mitnimmst

Nach dem Training:

• verstehst Du die technischen Grundlagen von LLMs, Kontext, Tool-Use, MCP und Agenten-Feedback-Schleifen.
• kannst Du KI-Agenten entlang typischer Softwareentwicklungsaufgaben einsetzen, ohne bewährte Engineering-Praktiken aufzugeben.
• weißt Du, wie Du Anforderungen, Architekturentscheidungen, Dokumentation, Implementierung, Tests und Pipelines mit Agentenunterstützung erstellst und validierst.
• hast Du ein realistisches Verständnis dafür, wo Agenten produktiv beschleunigen und wo Review, Guardrails und menschliche Entscheidungen unverzichtbar bleiben.
• nimmst Du eine gemeinsame Sprache und konkrete Ansatzpunkte für den Transfer in Deine eigenen Projekte mit.

An wen richtet sich das Training?

Das Training richtet sich an alle, die generative KI praktisch und strukturiert in der Softwareentwicklung einsetzen wollen:

• Softwareentwickler:innen, die KI-Agenten systematisch in ihren Entwicklungsalltag integrieren möchten.
• Tech Leads, Architekt:innen und Senior Engineers, die Agenten für Planung, Architektur, Review und Qualitätssicherung bewerten oder einführen wollen.
• DevOps- und Plattform-nahe Entwickler:innen, die KI-Unterstützung in CI/CD, Automatisierung, Infrastructure as Code und Betrieb nutzen möchten.
• Produkt- und Engineering-nahe Rollen, die verstehen wollen, wie KI-Agenten Anforderungen, Dokumentation und Umsetzungsplanung beeinflussen.

Sinnvoll sind praktische Entwicklungserfahrung, Grundkenntnisse in Git und die Bereitschaft, hands-on mit Entwicklungswerkzeugen zu arbeiten.

Hands-on: So läuft das Training ab

Das Training ist als durchgängiger Workshop angelegt – kein Frontalvortrag, sondern echtes Arbeiten an einem realistischen Softwareprojekt.

• Du arbeitest in einem vorbereiteten Übungsrepository mit reproduzierbaren Ausgangszuständen und aufeinander aufbauenden Schritten.
• Die Übungen führen Dich vom Produkt- und Anforderungsartefakt über Architektur und Implementierungsplanung bis zu Tests, CI/CD und agentengetriebenen Repository-Workflows.
• Ergebnisse entstehen als konkrete Projektartefakte, nicht nur als Chatverläufe: Dokumentation, Backlog-Einträge, Architekturentscheidungen (ADRs), Codeänderungen, Tests, Pull Requests, Pipeline-Konfigurationen und Issues.
• Wir trainieren bewusst Reviewbarkeit und Validierung: Agentenergebnisse werden geprüft, verbessert und in kleinere, nachvollziehbare Einheiten überführt.
• Du erlebst sowohl produktive Einsatzszenarien als auch bewusst risikoreiche Ansätze, um Grenzen und notwendige Guardrails einschätzen zu können.

Kurze Theorie-Inputs, Live-Demos und Hands-on-Übungen wechseln sich ab. Reflexions- und Diskussionsphasen helfen Dir, Nutzen, Risiken und organisatorische Implikationen einzuordnen.

Die Agenda

1. Grundlagen von KI-Agenten
   • Foundation Models, Large Language Models und autoregressive Textgenerierung
   • Kontext, Memory und die Bedeutung hochwertiger Eingabedaten
   • Tool-Use, Model Context Protocol (MCP) und Agent Harness
   • Unterschiede zwischen Assistenten und Agenten: Agenten beobachten, handeln und verändern den Systemzustand
   • Einordnung der aktuellen Agentenlandschaft und typischer Werkzeugkategorien
2. Anforderungen und Produktentwicklung
   • KI-Unterstützung im Produktentwicklungszyklus
   • Erarbeitung und Pflege von Glossaren, Proto-Personas, User Journeys, User Story Maps, Epics und User Stories
   • Prompting-Techniken für strukturierte, wiederverwendbare Ergebnisse
   • Aufbau eines konsistenten Backlogs auf Basis vorhandener Produktdokumentation
   • Agentenunterstützte Prototypen zur schnellen Validierung von Produktideen
3. Architektur und technische Entscheidungen
   • Ableitung und Dokumentation von Qualitätsanforderungen mit Qualitätsszenarien
   • Nutzung bewährter Architekturmethoden und Qualitätsmodelle mit KI-Unterstützung
   • Strukturierte Architekturentscheidungen inklusive Optionen, Trade-offs und ADRs
   • Pflege von Architekturdokumentation, Systemkontexten, Bausteinsichten und technischen Schulden
   • Validierung von Agentenergebnissen als fester Bestandteil der Architekturarbeit
4. Implementierung mit Agenten
   • Kontextmanagement als Voraussetzung für größere, zuverlässigere Agentenaufgaben
   • Agenten-Setup mit Memory, Regeln, Commands, Skills, Subagents, IDE-Integrationen und Hooks
   • Abgrenzung von experimentellem Vibe Coding zu produktionsfähigem Software Engineering
   • Spec Driven Development, Planning Mode, Task Breakdown und reviewbare Umsetzungseinheiten
   • Agenten als Coding Buddy für Features, Refactorings, Debugging, Bibliotheksnutzung, Git-Workflows, Pull Requests und Reviews
   • Parallelisierung von Entwicklungsarbeit mit mehreren Agenten und getrennten Arbeitskontexten
5. Testing und Qualitätssicherung
   • Generierung und Verbesserung von Unit-, Integrations- und End-to-End-Tests
   • Identifikation ungetesteter Edge Cases und Lücken in bestehenden Testsuiten
   • UI-Interpretation und Browser-Automatisierung für realitätsnahe E2E-Szenarien
   • Review von Merge Requests, Iteration über Findings und Bewertung agentengenerierter Änderungen
   • Erkennung von Qualitäts- und Sicherheitsrisiken mit Agentenunterstützung
6. CI/CD und Automatisierung
   • KI-Agenten als Unterstützung bei CI/CD-Strategien und Pipeline-Design
   • Erstellung und Optimierung von Skripten, Workflows und wiederholbaren Automatisierungsschritten
   • Test- und Build-Automatisierung inklusive Reporting und Containerisierung
   • Agenten als Pipeline-Jobs für Release Notes, Reviews oder Hinweise auf ungetestete Randfälle
   • Unterstützung bei Infrastructure as Code und Migrationen zwischen IaC-Formaten
7. Operations und Monitoring
   • Einsatz von Agenten für Logging, Metriken, Dashboards, Alerts und proprietäre Query-Sprachen
   • Interaktion mit Operations- und Monitoring-Werkzeugen über geeignete Integrationen
   • Analyse von Logs, Alerts, Datenbankabfragen und Tracing-Daten zur Fehler- und Performance-Diagnose
   • Agentenunterstützte Vorschläge für Bugfixes und Performance-Optimierungen
   • Notwendige Guardrails für automatisierte Änderungen im Betrieb

Für Fragen zu Agentic Software Engineering und zu unserem Angebot sprich jederzeit gern mit Theo Pack, Principal Consultant bei INNOQ.