Zum Inhalt

Coding mit KI-Agenten: OpenCode.ai für Java und Spring Boot

Die Softwareentwicklung verändert sich grundlegend: von klassischen Autovervollständigungs-Werkzeugen hin zu agentengestützten und zunehmend autonomen KI-Systemen. Moderne Entwicklungsansätze kombinieren spezifikationsgetriebene Entwicklung mit KI-Agenten und ergänzen diese um strukturierte Verifikations- und Qualitätsprozesse.

In diesem praxisorientierten Seminar lernen die Teilnehmer, wie sie das providerneutrale Tool OpenCode.ai effektiv in den Java- und Spring-Boot-Entwicklungsalltag integrieren. Dabei steht nicht ein bestimmtes Modell oder ein einzelner Anbieter im Vordergrund. Die Konzepte sind auf unterschiedliche LLMs übertragbar, etwa auf Modelle von OpenAI, Anthropic, DeepSeek oder lokale Modelle über Ollama.

Zusätzlich erfahren die Teilnehmer, wie KI-Funktionen mit dem Spring AI Framework direkt in Enterprise-Anwendungen eingebettet werden. Der Fokus liegt auf kontrollierter, nachvollziehbarer KI-gestützter Entwicklung. Die Teilnehmer lernen, wie Architekturqualität, Wartbarkeit, Codekonsistenz und Sicherheit auch bei agentengestützten Entwicklungsprozessen langfristig gesichert werden.

Dauer
3 Tage
Umfang
24 Unterrichtsstunden
Ort
Bei Ihnen oder online

Inhalte des Seminars

Das ist der Standardumfang. Wählen Sie ab, was Ihr Team schon kann, und schicken Sie uns Ihre Auswahl.

    • Einführung in KI-Agenten und ihre Rolle in der Softwareentwicklung
    • Abgrenzung klassischer Entwicklungsassistenten von agentengestützter Entwicklung
    • Imperative und deskriptive Softwareentwicklungsprozesse
    • Spezifikationsbasierte Entwicklung mit KI-Unterstützung
    • Specification Driven Development als strukturierter Entwicklungsansatz
    • Installation und Konfiguration von OpenCode.ai
    • Nutzung von OpenCode.ai über CLI und Paketmanager
    • Providerneutrale Nutzung von Cloud-Modellen und lokalen Modellen
    • Einsatz unterschiedlicher LLMs, zum Beispiel von OpenAI, Anthropic, DeepSeek oder über Ollama
    • Bewertung von Modellunterschieden für Codegenerierung, Planung und Refactoring
    • Integration von KI-Agenten in moderne Entwicklungsprozesse
    • Überblick über eigene KI-Agenten mit Java
    • Strukturierter Entwicklungsprozess mit KI-Agenten
    • Anforderungsanalyse für funktionale und nichtfunktionale Anforderungen
    • Automatische Projektanalyse durch KI-Agenten
    • Erstellung technischer Umsetzungspläne
    • Umsetzung von Implementierung, Testing und Betrieb
    • Einsatz eines Plan-Agenten für Analyse und Read-only-Aufgaben
    • Einsatz eines Build-Agenten für Implementierung und Änderungsvorschläge
    • Semantisches Codeverständnis durch Language Server Protocol
    • Versionierung und Fehlerbehandlung mit Git
    • Kontextmanagement in Enterprise-Umgebungen
    • Automatische Updates und kontrollierte Entwicklungs-Sessions
    • Austauschbarkeit von Modellen innerhalb kontrollierter Entwicklungsprozesse
    • Architektur von Agenten in OpenCode.ai
    • Aufbau und Nutzung von Skills
    • Strukturierte Steuerung von KI-Workflows
    • Nachvollziehbare Arbeitsabläufe für KI-gestützte Entwicklung
    • Einsatz von Java und Spring Boot in agentengestützten Entwicklungsprozessen
    • Vorteile typisierter Architekturen für KI-gestützte Codegenerierung
    • Kontrolle von Änderungen in bestehenden Codebasen
    • Modellunabhängige Gestaltung von Agentenabläufen
    • Einführung in das Model Context Protocol
    • Erweiterung von LLM-Kontexten durch MCP
    • Semantische Code-Intelligenz für bestehende Projekte
    • Suche, Call Graphs und Impact-Analysen
    • Datenbankintegration über Schema-Analysen
    • Generierung korrekter JPA-Modelle
    • Automatisierte API-Tests
    • Netzwerkinspektion mit Werkzeugen wie Proxyman MCP
    • Sicherheitskonzepte für MCP-Server
    • Least-Privilege-Ansatz bei Systemzugriffen
    • Isolierte Ausführungsumgebungen mit Docker Sandbox und NVIDIA OpenShell
    • Architektur und Setup von Spring AI
    • Providerneutrale Anbindung unterschiedlicher LLMs
    • Prompt Engineering in Enterprise-Anwendungen
    • System-, User- und Assistant-Prompts
    • Einsatz des Spring ChatClient in REST-Architekturen
    • Typisierte Verarbeitung von KI-Antworten
    • Nutzung von POJOs und Records für strukturierte Antworten
    • Function Calling mit Spring-Boot-Services
    • KI-gesteuerte Ausführung von Anwendungsfunktionen
    • Zusammenspiel von Spring AI und Embabel
    • Austausch von Modellen ohne grundlegende Änderung der Anwendungsarchitektur
    • Risiken KI-gestützter Entwicklung
    • Architekturdrift in wachsenden Codebasen
    • Inkonsistente Codegenerierung erkennen und vermeiden
    • Strategien für Konsistenz und Qualität
    • Verifikation durch strukturierte Feedback-Schleifen
    • Guardrails in Spring AI
    • Input-Validierung für KI-gestützte Funktionen
    • Schutz vor Prompt Injection
    • Reduktion von Halluzinationen
    • Auswahl geeigneter Modelle für Stabilität, Konsistenz, Datenschutz und Kostenkontrolle
    • Bewertung von Cloud-Modellen und lokalen Modellen für Enterprise-Szenarien
    • Langfristige Wartbarkeit agentengestützter Softwareprojekte
    • Auswirkungen von KI-Agenten auf das Berufsbild Softwareentwickler

Was Teilnehmer sagen

›Die Kursteilnehmer waren mit dem Kurs sehr zufrieden. In den vier abgehaltenen Seminarblöcken wurden die Kursanforderungen vollständig abgedeckt, die Kursinhalte konnten individuell abgesprochen werden.‹ Teilnehmer, Nö. Gebietskrankenkasse