{"course":{"productid":36408,"modality":1,"active":true,"language":"de","title":"Responsible AI in agentic software development","productcode":"RAIASD","vendorcode":"CY","vendorname":"Cydrill","fullproductcode":"CY-RAIASD","courseware":{"has_ekit":false,"has_printkit":true,"language":""},"url":"https:\/\/portal.flane.ch\/course\/cydrill-raiasd","objective":"<ul>\n<li>Verschiedene Aspekte der verantwortungsvollen AI verstehen<\/li><li>Wie man generative KI verantwortungsvoll in der Softwareentwicklung einsetzt<\/li><li>Schnelles Engineering f&uuml;r optimale Ergebnisse<\/li><li>Wie man generative KI im gesamten SDLC einsetzt<\/li><li>Die Herausforderungen bei der Verwendung von agentischem GenaI<\/li><\/ul>","essentials":"<p>Allgemeine Entwicklung<\/p>","audience":"<p>Alle Personen, die an der Verwendung von agentenbasierten KI-Tools in der Softwareentwicklung beteiligt sind<\/p>","contents":"<h4>Eine kurze Geschichte der K&uuml;nstlichen Intelligenz<\/h4><ul>\n<li>Die Urspr&uuml;nge der KI<\/li><li>Neuronale Netze und &quot;Wahrscheinlichkeitsmaschinen&quot;<\/li><li>Fr&uuml;he ML-Codierungstools<\/li><li>Die KI-Codierrevolution der 2020er Jahre<\/li><\/ul><h4>Verantwortungsvolle AI<\/h4><ul>\n<li>Was ist verantwortungsvolle KI?<\/li><li>Rechenschaftspflicht und Transparenz<\/li><li>Verringerung sch&auml;dlicher Verzerrungen<\/li><li>G&uuml;ltigkeit und Zuverl&auml;ssigkeit<\/li><li>Demonstration - Experimentieren mit G&uuml;ltigkeit und Zuverl&auml;ssigkeit in Copilot<\/li><li>Erkl&auml;rbarkeit und Interpretierbarkeit<\/li><li>Sicherheit, Schutz, Privatsph&auml;re und Widerstandsf&auml;higkeit<\/li><li>Sicherheit und verantwortungsvolle KI in der Softwareentwicklung<\/li><\/ul><h4>GenAI verantwortungsvoll in der Softwareentwicklung einsetzen<\/h4><ul>\n<li>Grundlagen der LLM-Codeerzeugung<\/li><li>Grundlegende Bausteine und Konzepte<\/li><li>Eingabeaufforderung f&uuml;r Vorlagen<\/li><li>Systemaufforderungen zur KI-gesteuerten Codierung<\/li><li>Kann KI... Ihre Produktivit&auml;t steigern?<\/li><li>Kann KI... die &quot;langweiligen Teile&quot; &uuml;bernehmen?<\/li><li>Kann AI... gr&uuml;ndlicher sein?<\/li><li>&Uuml;berpr&uuml;fung des generierten Codes - der Blackbox-Blues<\/li><li>Die Gefahr von Halluzinationen<\/li><li>Die Auswirkungen von GenAI auf die Programmierkenntnisse<\/li><li>Einige weitere langfristige Auswirkungen der Nutzung von GenAI<\/li><li>Wo die KI-Codegenerierung nicht gut abschneidet<\/li><li>Schnelles Engineering\n<ul>\n<li>Warum ist ein guter Souffleur so wichtig?<\/li><li>Schaffung des Kontexts f&uuml;r generative KI<\/li><li>Null-Schuss-, Ein-Schuss- und Wenig-Schuss-Eingabeaufforderung<\/li><li>Vernunftbasiertes Prompt-Engineering, Gedankenkette<\/li><li>Demonstration - Experimentieren mit Eingabeaufforderungen in Copilot<\/li><li>Durchsetzung und Einhaltung von Token-Limits<\/li><li>Aufforderungsmuster\n<ul>\n<li>Prompt-Muster und Prompt-Priming<\/li><li>Die 6 Kategorien von Aufforderungsmustern<\/li><\/ul><\/li><li>Einige weitere Souffleur-Ans&auml;tze\n<ul>\n<li>Least-to-Most und Self-Planning: Zerlegung komplexer Aufgaben<\/li><li>Demonstration - Aufgabenzerlegung mit Copilot<\/li><li>Einheitstests, TDD und GenAI<\/li><li>Demonstration - Testbasierte Codegenerierung mit Copilot<\/li><\/ul><\/li><\/ul><\/li><li>Integration von generativer KI in den SDLC\n<ul>\n<li>Einsatz von GenAI &uuml;ber die Codegenerierung hinaus<\/li><li>Einsatz von AI bei der Anforderungsspezifikation<\/li><li>Aufforderungsmuster f&uuml;r die Erfassung von Anforderungen<\/li><li>Prompt-Muster f&uuml;r den Softwareentwurf<\/li><li>Demonstration - Anforderungserfassung und API-Design mit Copilot<\/li><li>Einsatz von AI bei der Umsetzung<\/li><li>Prompt-Muster f&uuml;r die Umsetzung<\/li><li>Demonstration - Auffinden versteckter Annahmen mit Copilot<\/li><li>Einsatz von AI bei Tests und QA<\/li><\/ul><\/li><li>Agentische Software-Entwicklung\n<ul>\n<li>Intelligente Agenten und GenAI\n<ul>\n<li>Wie unterscheidet sich die agenturische Kodierung?<\/li><li>Das Modell-Kontext-Protokoll (MCP)<\/li><li>F&auml;higkeiten von MCP-Agenten<\/li><li>Agentische Integration in IDEs<\/li><\/ul><\/li><li>Agentischer Entwicklungsablauf\n<ul>\n<li>Code-to-Spec und Spec-to-Code mit GenAI<\/li><li>Automatisierter Ger&uuml;stbau<\/li><li>Demonstration - Agentisches Ger&uuml;st mit Copilot<\/li><li>Einrichten der Laufzeitumgebung<\/li><li>Demonstration - Einrichtung der Umgebung mit Copilot<\/li><li>Inkrementelle Entwicklung<\/li><li>Demonstration - Inkrementelle Entwicklung mit Copilot<\/li><li>Die Rolle von MCP in Dev(Sec)Ops<\/li><li>Demonstration - Einsatz von MCP in DevOps mit Copilot<\/li><\/ul><\/li><li>Fallstricke und bew&auml;hrte Verfahren\n<ul>\n<li>&quot;Vibe Coding&quot; und seine Auswirkungen<\/li><li>Technische Probleme mit MCP<\/li><li>Sicherheitsaspekte der agentengest&uuml;tzten Entwicklung<\/li><li>Die Auswirkungen von MCP auf die Angriffsfl&auml;che<\/li><li>MCP-spezifische Angriffsvektoren<\/li><li>Demonstration - Angriff auf agentischen Copiloten<\/li><li>Fallstudie - Datenbankleck &uuml;ber Supabase MCP<\/li><li>Halluzinationen und &quot;agentische Todesspiralen<\/li><li>Tokengrenzen und Kontext<\/li><li>Kontextverschlechterung bei sehr grosser Tokenanzahl<\/li><li>Prompt-Engineering vs. Kontext-Engineering<\/li><li>Context Engineering aus der Sicht eines Entwicklers<\/li><li>Beispiele f&uuml;r Kontextdokumente<\/li><\/ul><\/li><\/ul><\/li><\/ul><h4>Zusammenfassung und Schlussfolgerungen<\/h4><ul>\n<li>Verantwortungsvolle KI-Prinzipien in der Softwareentwicklung<\/li><li>Generative AI - Ressourcen und zus&auml;tzliche Anleitungen<\/li><\/ul>","outline":"<ul>\n<li>Eine kurze Geschichte der K&uuml;nstlichen Intelligenz<\/li><li>Verantwortungsvolle AI<\/li><li>GenAI verantwortungsvoll in der Softwareentwicklung einsetzen<\/li><li>Zusammenfassung und Schlussfolgerungen<\/li><\/ul><p>Eine unverzichtbare Grundlage f&uuml;r alle, die agentenbasierte generative KI verstehen und verantwortungsvoll in ihren Softwareentwicklungsprojekten einsetzen wollen. Aufbauend auf diesen Grundlagen und abh&auml;ngig vom Technologie-Stack empfehlen wir, mit einem der Generative AI-Kurse fortzufahren - siehe Agentische Softwareentwicklung mit generativer KI in C++\/Java\/C#\/Python. F&uuml;r diejenigen, die an L&ouml;sungen f&uuml;r maschinelles Lernen arbeiten, bietet der umfassende 4-t&auml;gige Kurs Sicherheit bei maschinellem Lernen einen nat&uuml;rlichen n&auml;chsten Schritt.<\/p>","comments":"<p><em>Dieser Text wurde automatisiert &uuml;bersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <span class=\"cms-link-marked\"><a class=\"fl-href-prod\" href=\"\/swisscom\/en\/course\/cydrill-raiasd\"><svg role=\"img\" aria-hidden=\"true\" focusable=\"false\" data-nosnippet class=\"cms-linkmark\"><use xlink:href=\"\/css\/img\/icnset-linkmarks.svg#linkmark\"><\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"<p>Generative KI ist dabei, die Softwarebranche umzugestalten und &uuml;ber Code-Vorschl&auml;ge hinaus zu einer autonomen, agentengesteuerten Entwicklung &uuml;berzugehen. Tools wie GitHub Copilot und MCP-f&auml;hige Agenten k&ouml;nnen nun an der Anforderungserfassung, dem Design, den Tests und der Bereitstellung teilnehmen - nicht nur an der Codegenerierung. Diese Entwicklung l&ouml;st sowohl Begeisterung als auch Vorsicht aus: W&auml;hrend die Produktivit&auml;tsgewinne eindeutig sind, erfordern neue Risiken in Bezug auf Zuverl&auml;ssigkeit, Sicherheit und Verzerrungen einen verantwortungsvollen Einsatz.<\/p>\n<p>Dieser Kurs f&uuml;hrt die Teilnehmer zun&auml;chst in die Grundlagen der generativen KI und der verantwortlichen KI ein und erforscht dann, wie agentenbasierte KI den Lebenszyklus der Softwareentwicklung ver&auml;ndert. Die Teilnehmer befassen sich mit Prompting-Techniken, Context Engineering und der Integration von KI in Anforderungsspezifikation, Design und Test. Ein Schwerpunkt liegt auf agentenbasierten Arbeitsabl&auml;ufen, einschliesslich automatisiertem Scaffolding, Code-zu-Spec- und Spec-zu-Code-Transformationen und Dev(Sec)Ops-Integration &uuml;ber das Model Context Protocol.<\/p>\n<p>Anhand zahlreicher Demonstrationen und praktischer &Uuml;bungen werden die Teilnehmer praktische Erfahrungen mit Chancen und Fallstricken sammeln: von verbesserter Produktivit&auml;t und Testunterst&uuml;tzung bis hin zu Herausforderungen wie Halluzinationen, Gefahren des &quot;Vibe Coding&quot; und den erweiterten Angriffsfl&auml;chen in agentenbasierten Systemen.<\/p>\n<p>Am Ende des Kurses werden Software-Ingenieure und -Manager sowohl die M&ouml;glichkeiten als auch die Grenzen der generativen KI und insbesondere der agentenbasierten GenAI verstehen und mit den F&auml;higkeiten ausgestattet sein, diese Werkzeuge verantwortungsvoll in moderne Softwareentwicklungspraktiken zu integrieren.<\/p>","objective_plain":"- Verschiedene Aspekte der verantwortungsvollen AI verstehen\n- Wie man generative KI verantwortungsvoll in der Softwareentwicklung einsetzt\n- Schnelles Engineering f\u00fcr optimale Ergebnisse\n- Wie man generative KI im gesamten SDLC einsetzt\n- Die Herausforderungen bei der Verwendung von agentischem GenaI","essentials_plain":"Allgemeine Entwicklung","audience_plain":"Alle Personen, die an der Verwendung von agentenbasierten KI-Tools in der Softwareentwicklung beteiligt sind","contents_plain":"Eine kurze Geschichte der K\u00fcnstlichen Intelligenz\n\n\n- Die Urspr\u00fcnge der KI\n- Neuronale Netze und \"Wahrscheinlichkeitsmaschinen\"\n- Fr\u00fche ML-Codierungstools\n- Die KI-Codierrevolution der 2020er Jahre\nVerantwortungsvolle AI\n\n\n- Was ist verantwortungsvolle KI?\n- Rechenschaftspflicht und Transparenz\n- Verringerung sch\u00e4dlicher Verzerrungen\n- G\u00fcltigkeit und Zuverl\u00e4ssigkeit\n- Demonstration - Experimentieren mit G\u00fcltigkeit und Zuverl\u00e4ssigkeit in Copilot\n- Erkl\u00e4rbarkeit und Interpretierbarkeit\n- Sicherheit, Schutz, Privatsph\u00e4re und Widerstandsf\u00e4higkeit\n- Sicherheit und verantwortungsvolle KI in der Softwareentwicklung\nGenAI verantwortungsvoll in der Softwareentwicklung einsetzen\n\n\n- Grundlagen der LLM-Codeerzeugung\n- Grundlegende Bausteine und Konzepte\n- Eingabeaufforderung f\u00fcr Vorlagen\n- Systemaufforderungen zur KI-gesteuerten Codierung\n- Kann KI... Ihre Produktivit\u00e4t steigern?\n- Kann KI... die \"langweiligen Teile\" \u00fcbernehmen?\n- Kann AI... gr\u00fcndlicher sein?\n- \u00dcberpr\u00fcfung des generierten Codes - der Blackbox-Blues\n- Die Gefahr von Halluzinationen\n- Die Auswirkungen von GenAI auf die Programmierkenntnisse\n- Einige weitere langfristige Auswirkungen der Nutzung von GenAI\n- Wo die KI-Codegenerierung nicht gut abschneidet\n- Schnelles Engineering\n\n- Warum ist ein guter Souffleur so wichtig?\n- Schaffung des Kontexts f\u00fcr generative KI\n- Null-Schuss-, Ein-Schuss- und Wenig-Schuss-Eingabeaufforderung\n- Vernunftbasiertes Prompt-Engineering, Gedankenkette\n- Demonstration - Experimentieren mit Eingabeaufforderungen in Copilot\n- Durchsetzung und Einhaltung von Token-Limits\n- Aufforderungsmuster\n\n- Prompt-Muster und Prompt-Priming\n- Die 6 Kategorien von Aufforderungsmustern\n- Einige weitere Souffleur-Ans\u00e4tze\n\n- Least-to-Most und Self-Planning: Zerlegung komplexer Aufgaben\n- Demonstration - Aufgabenzerlegung mit Copilot\n- Einheitstests, TDD und GenAI\n- Demonstration - Testbasierte Codegenerierung mit Copilot\n- Integration von generativer KI in den SDLC\n\n- Einsatz von GenAI \u00fcber die Codegenerierung hinaus\n- Einsatz von AI bei der Anforderungsspezifikation\n- Aufforderungsmuster f\u00fcr die Erfassung von Anforderungen\n- Prompt-Muster f\u00fcr den Softwareentwurf\n- Demonstration - Anforderungserfassung und API-Design mit Copilot\n- Einsatz von AI bei der Umsetzung\n- Prompt-Muster f\u00fcr die Umsetzung\n- Demonstration - Auffinden versteckter Annahmen mit Copilot\n- Einsatz von AI bei Tests und QA\n- Agentische Software-Entwicklung\n\n- Intelligente Agenten und GenAI\n\n- Wie unterscheidet sich die agenturische Kodierung?\n- Das Modell-Kontext-Protokoll (MCP)\n- F\u00e4higkeiten von MCP-Agenten\n- Agentische Integration in IDEs\n- Agentischer Entwicklungsablauf\n\n- Code-to-Spec und Spec-to-Code mit GenAI\n- Automatisierter Ger\u00fcstbau\n- Demonstration - Agentisches Ger\u00fcst mit Copilot\n- Einrichten der Laufzeitumgebung\n- Demonstration - Einrichtung der Umgebung mit Copilot\n- Inkrementelle Entwicklung\n- Demonstration - Inkrementelle Entwicklung mit Copilot\n- Die Rolle von MCP in Dev(Sec)Ops\n- Demonstration - Einsatz von MCP in DevOps mit Copilot\n- Fallstricke und bew\u00e4hrte Verfahren\n\n- \"Vibe Coding\" und seine Auswirkungen\n- Technische Probleme mit MCP\n- Sicherheitsaspekte der agentengest\u00fctzten Entwicklung\n- Die Auswirkungen von MCP auf die Angriffsfl\u00e4che\n- MCP-spezifische Angriffsvektoren\n- Demonstration - Angriff auf agentischen Copiloten\n- Fallstudie - Datenbankleck \u00fcber Supabase MCP\n- Halluzinationen und \"agentische Todesspiralen\n- Tokengrenzen und Kontext\n- Kontextverschlechterung bei sehr grosser Tokenanzahl\n- Prompt-Engineering vs. Kontext-Engineering\n- Context Engineering aus der Sicht eines Entwicklers\n- Beispiele f\u00fcr Kontextdokumente\nZusammenfassung und Schlussfolgerungen\n\n\n- Verantwortungsvolle KI-Prinzipien in der Softwareentwicklung\n- Generative AI - Ressourcen und zus\u00e4tzliche Anleitungen","outline_plain":"- Eine kurze Geschichte der K\u00fcnstlichen Intelligenz\n- Verantwortungsvolle AI\n- GenAI verantwortungsvoll in der Softwareentwicklung einsetzen\n- Zusammenfassung und Schlussfolgerungen\nEine unverzichtbare Grundlage f\u00fcr alle, die agentenbasierte generative KI verstehen und verantwortungsvoll in ihren Softwareentwicklungsprojekten einsetzen wollen. Aufbauend auf diesen Grundlagen und abh\u00e4ngig vom Technologie-Stack empfehlen wir, mit einem der Generative AI-Kurse fortzufahren - siehe Agentische Softwareentwicklung mit generativer KI in C++\/Java\/C#\/Python. F\u00fcr diejenigen, die an L\u00f6sungen f\u00fcr maschinelles Lernen arbeiten, bietet der umfassende 4-t\u00e4gige Kurs Sicherheit bei maschinellem Lernen einen nat\u00fcrlichen n\u00e4chsten Schritt.","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"Generative KI ist dabei, die Softwarebranche umzugestalten und \u00fcber Code-Vorschl\u00e4ge hinaus zu einer autonomen, agentengesteuerten Entwicklung \u00fcberzugehen. Tools wie GitHub Copilot und MCP-f\u00e4hige Agenten k\u00f6nnen nun an der Anforderungserfassung, dem Design, den Tests und der Bereitstellung teilnehmen - nicht nur an der Codegenerierung. Diese Entwicklung l\u00f6st sowohl Begeisterung als auch Vorsicht aus: W\u00e4hrend die Produktivit\u00e4tsgewinne eindeutig sind, erfordern neue Risiken in Bezug auf Zuverl\u00e4ssigkeit, Sicherheit und Verzerrungen einen verantwortungsvollen Einsatz.\n\nDieser Kurs f\u00fchrt die Teilnehmer zun\u00e4chst in die Grundlagen der generativen KI und der verantwortlichen KI ein und erforscht dann, wie agentenbasierte KI den Lebenszyklus der Softwareentwicklung ver\u00e4ndert. Die Teilnehmer befassen sich mit Prompting-Techniken, Context Engineering und der Integration von KI in Anforderungsspezifikation, Design und Test. Ein Schwerpunkt liegt auf agentenbasierten Arbeitsabl\u00e4ufen, einschliesslich automatisiertem Scaffolding, Code-zu-Spec- und Spec-zu-Code-Transformationen und Dev(Sec)Ops-Integration \u00fcber das Model Context Protocol.\n\nAnhand zahlreicher Demonstrationen und praktischer \u00dcbungen werden die Teilnehmer praktische Erfahrungen mit Chancen und Fallstricken sammeln: von verbesserter Produktivit\u00e4t und Testunterst\u00fctzung bis hin zu Herausforderungen wie Halluzinationen, Gefahren des \"Vibe Coding\" und den erweiterten Angriffsfl\u00e4chen in agentenbasierten Systemen.\n\nAm Ende des Kurses werden Software-Ingenieure und -Manager sowohl die M\u00f6glichkeiten als auch die Grenzen der generativen KI und insbesondere der agentenbasierten GenAI verstehen und mit den F\u00e4higkeiten ausgestattet sein, diese Werkzeuge verantwortungsvoll in moderne Softwareentwicklungspraktiken zu integrieren.","version":"1.0","duration":{"unit":"d","value":1,"formatted":"1 Tag"},"pricelist":{"List Price":{"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":750},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":750},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":750},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":750},"CH":{"country":"CH","currency":"CHF","taxrate":8.1,"price":750}}},"lastchanged":"2025-10-29T08:37:09+01:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/36408","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/cydrill-raiasd"}}