{"course":{"productid":36407,"modality":1,"active":true,"language":"de","title":"Responsible AI in software development","productcode":"RAIISD","vendorcode":"CY","vendorname":"Cydrill","fullproductcode":"CY-RAIISD","courseware":{"has_ekit":false,"has_printkit":true,"language":""},"url":"https:\/\/portal.flane.ch\/course\/cydrill-raiisd","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><\/ul>","essentials":"<p>Allgemeine Entwicklung<\/p>","audience":"<p>Alle Personen, die an der Nutzung von GenAI oder der Entwicklung von maschinellem Lernen 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><li>Bedrohungen f&uuml;r ML-Systeme<\/li><\/ul>\n<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>G&uuml;ltigkeit und Zuverl&auml;ssigkeit - Nicht-Determinismus des Codes<\/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>\n<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>GenAI-Werkzeuge f&uuml;r die Kodierung: Copilot, Codeium und andere<\/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>Kann KI... dir beibringen, wie man (besser) programmiert?<\/li><li>Demonstration - Experimentieren mit einer unbekannten API in Copilot<\/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\n<li>Prompt-Muster und Prompt-Priming<\/li><li>Die 6 Kategorien von Aufforderungsmustern<\/li><li>Aufforderungsmuster: Meta-Sprache erstellen<\/li><li>Aufforderungsmuster: Persona<\/li><li>Aufforderungsmuster: Visualisierungs-Generator<\/li><li>Aufforderungsmuster: Faktencheck-Liste<\/li><li>Aufforderungsmuster: Alternative L&ouml;sungsans&auml;tze<\/li><li>Aufforderungsmuster: Verweigerungsbrecher<\/li><li>Aufforderungsmuster: Umgekehrte Interaktion<\/li><li>Aufforderungsmuster: Kontext-Manager<\/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>Prompt-Engineering-Techniken f&uuml;r Verfeinerung und Iteration<\/li><li>Einheitstests, TDD und GenAI<\/li><li>Demonstration - Testbasierte Codegenerierung mit Copilot<\/li><\/ul><\/li><\/ul><\/li><\/ul>\n<h4>Integration von generativer KI in den SDLC<\/h4><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>Softwareentwicklung und KI<\/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><li>Einsatz von AI bei der Wartung<\/li><li>Aufforderungsmuster f&uuml;r das Refactoring<\/li><li>Demonstration - Experimentieren mit Code-Refactoring in Copilot<\/li><li>Aufforderungsmuster f&uuml;r die Simulation von &Auml;nderungsantr&auml;gen<\/li><\/ul>\n<h4>Sicherheit von KI-generiertem Code<\/h4><ul>\n<li>Sicherheit von KI-generiertem Code<\/li><li>Praktische Angriffe auf Tools zur Codegenerierung<\/li><li>Abh&auml;ngigkeits-Halluzination durch generative KI<\/li><li>Fallstudie - Eine Geschichte der Schw&auml;chen von GitHub Copilot (bis Mitte 2024)<\/li><li>Ein Beispiel f&uuml;r eine Schwachstelle\n<ul>\n<li>Pfad&uuml;berquerung<\/li><li>Demonstration - Pfad&uuml;berquerung<\/li><li>Beispiele f&uuml;r die Pfad&uuml;berquerung<\/li><li>Bew&auml;hrte Verfahren zur Pfad&uuml;berquerung<\/li><li>Demonstration - Kanonisierung von Pfaden<\/li><li>Demonstration - Experimentieren mit der Pfadverfolgung in Copilot<\/li><\/ul><\/li><\/ul>\n<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>","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-raiisd\"><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 ver&auml;ndert unweigerlich die Softwarebranche. Tools wie ChatGPT oder GitHub Copilot erm&ouml;glichen es Entwicklern, effizienter als je zuvor zu programmieren. Dies weckt zwar Begeisterung, aber auch Bedenken, und so neigen viele Beteiligte dazu, diesen Optimismus durch Vorsicht auszugleichen. Obwohl diese Tools rasante Fortschritte machen, fehlt es ihnen bis heute an der n&ouml;tigen Raffinesse, um verschiedene subtile, aber wichtige Aspekte von Softwareprodukten zu ber&uuml;cksichtigen. Dieser Kurs betont, wie wichtig es ist, diese Entwicklung anhand der bew&auml;hrten Grunds&auml;tze der verantwortungsvollen KI zu verstehen.<\/p>\n<p>Der Kurs beleuchtet die M&ouml;glichkeiten und Grenzen von generativen KI-Tools (GenAI) - wie GitHub Copilot, Codeium oder anderen - und bietet Einblicke in ihre Rolle bei der Codegenerierung und dar&uuml;ber hinaus. Die Themen umfassen intelligentes Prompt-Engineering, nicht nur w&auml;hrend der Implementierungsphase, sondern auch w&auml;hrend der Anforderungserfassung, des Designs, der Tests und der Wartung. Die Teilnehmer lernen die besten Praktiken und die Fallstricke bei der Verwendung von KI-generiertem Code kennen. In praktischen &Uuml;bungen werden potenzielle Sicherheitsl&uuml;cken wie Halluzinationen von Abh&auml;ngigkeiten und Pfad&uuml;berquerungen demonstriert. Am Ende werden Software-Ingenieure und -Manager ein klares Verst&auml;ndnis daf&uuml;r haben, wie sie GenAI-Tools verantwortungsvoll in die verschiedenen Phasen des Software-Entwicklungszyklus integrieren k&ouml;nnen.<\/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","essentials_plain":"Allgemeine Entwicklung","audience_plain":"Alle Personen, die an der Nutzung von GenAI oder der Entwicklung von maschinellem Lernen 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\n- Bedrohungen f\u00fcr ML-Systeme\n\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- G\u00fcltigkeit und Zuverl\u00e4ssigkeit - Nicht-Determinismus des Codes\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\n\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- GenAI-Werkzeuge f\u00fcr die Kodierung: Copilot, Codeium und andere\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- Kann KI... dir beibringen, wie man (besser) programmiert?\n- Demonstration - Experimentieren mit einer unbekannten API in Copilot\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\n- Prompt-Muster und Prompt-Priming\n- Die 6 Kategorien von Aufforderungsmustern\n- Aufforderungsmuster: Meta-Sprache erstellen\n- Aufforderungsmuster: Persona\n- Aufforderungsmuster: Visualisierungs-Generator\n- Aufforderungsmuster: Faktencheck-Liste\n- Aufforderungsmuster: Alternative L\u00f6sungsans\u00e4tze\n- Aufforderungsmuster: Verweigerungsbrecher\n- Aufforderungsmuster: Umgekehrte Interaktion\n- Aufforderungsmuster: Kontext-Manager\n- Einige weitere Souffleur-Ans\u00e4tze\n\n- Least-to-Most und Self-Planning: Zerlegung komplexer Aufgaben\n- Demonstration - Aufgabenzerlegung mit Copilot\n- Prompt-Engineering-Techniken f\u00fcr Verfeinerung und Iteration\n- Einheitstests, TDD und GenAI\n- Demonstration - Testbasierte Codegenerierung mit Copilot\n\nIntegration von generativer KI in den SDLC\n\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- Softwareentwicklung und KI\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- Einsatz von AI bei der Wartung\n- Aufforderungsmuster f\u00fcr das Refactoring\n- Demonstration - Experimentieren mit Code-Refactoring in Copilot\n- Aufforderungsmuster f\u00fcr die Simulation von \u00c4nderungsantr\u00e4gen\n\nSicherheit von KI-generiertem Code\n\n\n- Sicherheit von KI-generiertem Code\n- Praktische Angriffe auf Tools zur Codegenerierung\n- Abh\u00e4ngigkeits-Halluzination durch generative KI\n- Fallstudie - Eine Geschichte der Schw\u00e4chen von GitHub Copilot (bis Mitte 2024)\n- Ein Beispiel f\u00fcr eine Schwachstelle\n\n- Pfad\u00fcberquerung\n- Demonstration - Pfad\u00fcberquerung\n- Beispiele f\u00fcr die Pfad\u00fcberquerung\n- Bew\u00e4hrte Verfahren zur Pfad\u00fcberquerung\n- Demonstration - Kanonisierung von Pfaden\n- Demonstration - Experimentieren mit der Pfadverfolgung in Copilot\n\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","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"Generative KI ver\u00e4ndert unweigerlich die Softwarebranche. Tools wie ChatGPT oder GitHub Copilot erm\u00f6glichen es Entwicklern, effizienter als je zuvor zu programmieren. Dies weckt zwar Begeisterung, aber auch Bedenken, und so neigen viele Beteiligte dazu, diesen Optimismus durch Vorsicht auszugleichen. Obwohl diese Tools rasante Fortschritte machen, fehlt es ihnen bis heute an der n\u00f6tigen Raffinesse, um verschiedene subtile, aber wichtige Aspekte von Softwareprodukten zu ber\u00fccksichtigen. Dieser Kurs betont, wie wichtig es ist, diese Entwicklung anhand der bew\u00e4hrten Grunds\u00e4tze der verantwortungsvollen KI zu verstehen.\n\nDer Kurs beleuchtet die M\u00f6glichkeiten und Grenzen von generativen KI-Tools (GenAI) - wie GitHub Copilot, Codeium oder anderen - und bietet Einblicke in ihre Rolle bei der Codegenerierung und dar\u00fcber hinaus. Die Themen umfassen intelligentes Prompt-Engineering, nicht nur w\u00e4hrend der Implementierungsphase, sondern auch w\u00e4hrend der Anforderungserfassung, des Designs, der Tests und der Wartung. Die Teilnehmer lernen die besten Praktiken und die Fallstricke bei der Verwendung von KI-generiertem Code kennen. In praktischen \u00dcbungen werden potenzielle Sicherheitsl\u00fccken wie Halluzinationen von Abh\u00e4ngigkeiten und Pfad\u00fcberquerungen demonstriert. Am Ende werden Software-Ingenieure und -Manager ein klares Verst\u00e4ndnis daf\u00fcr haben, wie sie GenAI-Tools verantwortungsvoll in die verschiedenen Phasen des Software-Entwicklungszyklus integrieren k\u00f6nnen.","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":"2025-10-29T08:35:37+01:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/36407","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/cydrill-raiisd"}}