Seminar Agentic AI Engineering – Coding Agents und Software-Engineering-Automatisierung

Dieses Seminar zeigt, wie Coding Agents Aufgaben in realen Repositories analysieren, Änderungen planen, Werkzeuge ausführen und Resultate anhand von Tests überprüfen. Der Schwerpunkt liegt auf kontrollierbaren Entwicklungsabläufen statt auf unüberwachter Codeerzeugung. Die Teilnehmenden bauen Agenten, die Issues zerlegen, Codebasen navigieren, Patches erzeugen und Qualitätsprüfungen ausführen, ohne Repository-Schutz, Freigaben oder Nachvollziehbarkeit zu umgehen.

Einordnung und Nutzen

Agentische Systeme verbinden probabilistische Modellentscheidungen mit deterministischen Softwarekomponenten. Deshalb behandelt das Seminar Architektur, Implementierung, Sicherheitsgrenzen und überprüfbare Qualität gemeinsam. Technische Entscheidungen werden an realistischen Fehlerszenarien und nicht nur am erfolgreichen Idealablauf bewertet.

Zielgruppe

Softwareentwickler, DevOps Engineers, Plattformteams, Engineering Leads und Verantwortliche für Developer Experience.

Voraussetzungen

Sichere Beherrschung einer Programmiersprache, Git, Tests und Kommandozeile; Grundverständnis von LLM-Anwendungen.

Seminarinhalte

• Aufgabenmodelle für Issue-to-Patch-, Review- und Wartungsagenten
• Repository-Kontext effizient suchen, auswählen und verdichten
• Planung, Werkzeugausführung und Verifikation als kontrollierte Schleife
• Shell-, Datei-, Test- und Versionskontrollwerkzeuge sicher kapseln
• Strukturierte Patches, kleine Änderungen und nachvollziehbare Commits
• Tests, Linter, statische Analyse und Build-Ergebnisse als Feedback
• Sandboxing, Geheimnisschutz, Branch-Regeln und menschliche Freigaben
• Fehlschläge klassifizieren, Wiederholungen begrenzen und eskalieren
• Produktivitäts-, Qualitäts- und Risikometriken für Coding Agents

Praxisprojekt

Im Praxisprojekt implementieren die Teilnehmenden einen Coding Agent für ein Beispiel-Repository: vom strukturierten Ticket über die Änderung bis zu Tests, Review-Zusammenfassung und einer expliziten Freigabeschranke.

Lernziele

Die Teilnehmenden bauen Agenten, die Issues zerlegen, Codebasen navigieren, Patches erzeugen und Qualitätsprüfungen ausführen, ohne Repository-Schutz, Freigaben oder Nachvollziehbarkeit zu umgehen. Außerdem können die Teilnehmenden Architekturentscheidungen begründen, typische Fehlerbilder diagnostizieren und geeignete Tests sowie Kontrollpunkte für den eigenen Einsatzkontext festlegen.

Arbeitsweise

Kurze Theorieblöcke wechseln mit Demonstrationen, Entwurfsaufgaben und Übungen am System. Zwischenergebnisse werden gemeinsam überprüft; Alternativen, Grenzen und betriebliche Auswirkungen werden transparent diskutiert. Das Praxisprojekt verbindet die Einzelthemen zu einer konsistenten Lösung.