Agentic Coding Shift - aiMOOC
Agentic Coding Shift - aiMOOC
Agentic Coding Shift / From Vibe Coding to Agentic Coding
{{#ev:youtube| https://www.youtube.com/watch?v=hQGqafmvd-I |500|center}}
Einleitung
Der Agentic Coding Shift beschreibt den Wandel von eher spontaner, promptbasierter KI-gestützter Programmierung hin zu systematischer, zielorientierter Softwareentwicklung mit KI-Agenten. Im Mittelpunkt steht die Frage, wie Du mit Künstlicher Intelligenz nicht nur schnell Code erzeugst, sondern verlässlich Anforderungen klärst, Lösungen planst, Code prüfst, Tests ausführst, Fehler behebst und Ergebnisse verantwortungsvoll dokumentierst. Das Thema verbindet Informatik, Medienbildung, Software Engineering, Prompt Engineering, Datenschutz, IT-Sicherheit und Projektmanagement.
Der Ausdruck Vibe Coding wird für eine Arbeitsweise genutzt, bei der Menschen ihre Absicht in natürlicher Sprache beschreiben und ein Large Language Model daraus Code erzeugt. Das kann beim schnellen Prototyping hilfreich sein, birgt aber Risiken, wenn Code ohne ausreichendes Verständnis, ohne Code Review, ohne Tests oder ohne Sicherheitsprüfung übernommen wird. Agentic Coding geht einen Schritt weiter: Ein Software-Agent kann ein Ziel in Teilaufgaben zerlegen, Dateien analysieren, Änderungen vorschlagen, Tests ausführen, Fehlermeldungen auswerten und den Entwicklungsprozess iterativ verbessern. Die Rolle des Menschen verschiebt sich dadurch von der reinen Code-Eingabe hin zu Anforderungsanalyse, Steuerung, Bewertung, Qualitätssicherung und ethischer Verantwortung.
In diesem aiMOOC lernst Du, wie sich die Arbeitsweise beim Programmieren durch generative KI verändert. Du untersuchst die Unterschiede zwischen Vibe Coding und Agentic Coding, entwickelst Kriterien für gute Prompts und klare Aufgabenstellungen, erkennst Risiken wie Halluzinationen, unsicheren Code, Lizenzprobleme und Datenabfluss und entwirfst eigene Regeln für eine verantwortungsvolle Nutzung von KI-Coding-Werkzeugen in Schule, Ausbildung, Studium oder Beruf.
Lernziele
Nach diesem aiMOOC kannst Du den Unterschied zwischen Vibe Coding und Agentic Coding erklären, typische Phasen eines agentischen Entwicklungsprozesses beschreiben und beurteilen, wann eine schnelle KI-Idee ausreicht und wann ein strukturierter Softwareentwicklungsprozess notwendig ist. Du kannst Anforderungen präzise formulieren, Akzeptanzkriterien entwickeln, Risiken in KI-generiertem Code einschätzen, geeignete Prüfverfahren auswählen und Deine eigene Verantwortung in einem Mensch-Computer-System reflektieren.
- Begriffskompetenz: Du erklärst zentrale Begriffe wie Vibe Coding, Agentic Coding, KI-Agent, Prompt Engineering, Kontextfenster, Testautomatisierung, Code Review und Governance.
- Methodenkompetenz: Du planst einen KI-gestützten Entwicklungsprozess vom Ziel über die Umsetzung bis zur Prüfung.
- Urteilskompetenz: Du bewertest Chancen und Risiken von KI-Agenten in der Softwareentwicklung.
- Handlungskompetenz: Du formulierst sichere, überprüfbare Arbeitsaufträge und entwickelst eine eigene Agentic-Coding-Checkliste.
- Medienkompetenz: Du gehst reflektiert mit Quellen, Modellen, Daten, Lizenzen und automatisierten Vorschlägen um.
Grundbegriffe
Vibe Coding
Vibe Coding bezeichnet eine intuitive Form der KI-gestützten Programmierung. Du formulierst eine Idee, einen Wunsch oder eine gewünschte Wirkung in natürlicher Sprache, und ein KI-System erzeugt daraus Code, Oberflächen, Skripte oder Prototypen. Diese Arbeitsweise ist niedrigschwellig, kreativ und schnell. Sie eignet sich besonders, wenn Du eine Idee erkunden, eine Benutzeroberfläche ausprobieren, ein kleines Lernprojekt starten oder eine technische Möglichkeit testen möchtest.
Problematisch wird Vibe Coding, wenn der erzeugte Code wie eine fertige Lösung behandelt wird, obwohl er nicht verstanden, nicht geprüft und nicht abgesichert ist. Ein Programm kann auf den ersten Blick funktionieren und trotzdem versteckte Fehler, Sicherheitslücken, schlechte Architektur, unklare Abhängigkeiten oder unpassende Lizenzbestandteile enthalten. Deshalb ist Vibe Coding kein Ersatz für Software Engineering, sondern eher ein Einstieg in einen Prozess, der anschließend überprüft und professionalisiert werden muss.
Agentic Coding
Agentic Coding beschreibt eine stärker autonome und strukturierte Arbeitsweise mit KI-Agenten. Ein KI-Agent erhält nicht nur eine einzelne Bitte, sondern ein Ziel, Kontext, Dateien, Regeln, Werkzeuge und Prüfkriterien. Er kann Schritte planen, Code in mehreren Dateien ändern, Tests starten, Fehlermeldungen auswerten und neue Schritte ableiten. Dadurch entsteht ein Kreislauf aus Zielklärung, Planung, Umsetzung, Prüfung und Verbesserung.
Agentic Coding ist nicht gleichbedeutend mit blindem Vertrauen in KI. Gerade weil der Agent mehr tun kann, braucht er klare Grenzen. Dazu gehören Rollen, Zugriffsbeschränkungen, Datenschutzregeln, Testpflichten, menschliche Freigaben, Protokolle und nachvollziehbare Entscheidungen. In professionellen Umgebungen wird Agentic Coding deshalb mit DevOps, DevSecOps, Versionsverwaltung, Continuous Integration, Issue Tracking und Softwaretests verbunden.
Der Shift: Was verändert sich?
Der zentrale Wandel liegt nicht nur darin, dass Code schneller entsteht. Entscheidend ist, dass Programmierung stärker zu einer Aufgabe der Orchestrierung wird. Du musst Ziele formulieren, Kontext bereitstellen, Anforderungen prüfen, Ergebnisse bewerten und Verantwortung übernehmen. Der Computer führt mehr Zwischenschritte aus, aber Du entscheidest, ob die Lösung sinnvoll, sicher, nachvollziehbar und wartbar ist.
| Aspekt | Vibe Coding | Agentic Coding |
|---|---|---|
| Ausgangspunkt | Idee, Wunsch, Gespräch, schneller Prompt | Ziel, Kontext, Aufgabenplan, Akzeptanzkriterien |
| Rolle der KI | Vorschlagende Codegeneratorin | Handelnder Agent mit Werkzeugzugriff |
| Rolle des Menschen | Ideengeber, Tester, Nachfragender | Auftraggeber, Prüfer, Architekt, Verantwortlicher |
| Qualitätssicherung | Oft nachträglich oder informell | In den Prozess eingebaut durch Tests, Reviews und Freigaben |
| Geeignete Nutzung | Prototypen, Experimente, Lernprojekte | Refactoring, Tests, Fehlerbehebung, dokumentierte Entwicklungsaufgaben |
| Hauptrisiko | Unverstandener oder unsicherer Code | Zu viel Autonomie ohne klare Grenzen |
Technischer Hintergrund
Large Language Models als Grundlage
Viele KI-Coding-Werkzeuge basieren auf Large Language Models. Diese Modelle wurden mit großen Mengen an Text, Code und Dokumentation trainiert und können Muster in natürlicher Sprache und Programmiersprachen verarbeiten. Sie verstehen Code jedoch nicht wie ein Mensch mit Absichten, Verantwortung und Erfahrung. Sie berechnen wahrscheinliche Fortsetzungen und können dabei sehr hilfreiche, aber auch falsche oder gefährliche Ergebnisse erzeugen.
Für Dich bedeutet das: Gute Ergebnisse entstehen nicht allein durch ein leistungsfähiges Modell. Wichtig sind ein klarer Auftrag, relevanter Kontext, kleine überprüfbare Schritte und eine konsequente Prüfung. Je komplexer das Projekt ist, desto stärker brauchst Du Softwarearchitektur, Tests, Sicherheitsregeln und nachvollziehbare Entscheidungen.
KI-Agenten und Werkzeuge
Ein KI-Agent unterscheidet sich von einem einfachen Chatbot dadurch, dass er Ziele verfolgen und Werkzeuge nutzen kann. In der Softwareentwicklung können solche Werkzeuge zum Beispiel ein Repository, ein Editor, ein Terminal, ein Test Runner, ein Debugger, eine Dokumentation, ein Paketmanager oder ein CI-System sein. Der Agent liest Kontext, erstellt einen Plan, führt Aktionen aus und reagiert auf Rückmeldungen.
Der klassische Softwareentwicklungsprozess bleibt dabei wichtig. Agentic Coding ersetzt die Phasen Planung, Analyse, Entwurf, Implementierung, Test, Auslieferung und Wartung nicht. Es verändert vielmehr, wie diese Phasen ausgeführt werden. Manche Schritte werden automatisiert, andere werden wichtiger, weil Fehler durch Automatisierung schneller und weiter verbreitet werden können.
Kontext, Speicher und Grenzen
Ein KI-Coding-Agent ist nur so gut wie der Kontext, den er erhält und korrekt nutzen kann. Zum Kontext gehören Quellcode, Anforderungen, Architekturentscheidungen, Fehlermeldungen, Testberichte, Styleguides, Sicherheitsregeln und Domänenwissen. Wenn Kontext fehlt, kann der Agent plausible, aber unpassende Lösungen erzeugen. Wenn zu viel Kontext ungeordnet bereitgestellt wird, kann der Agent wichtige Details übersehen.
Grenzen sind deshalb ein zentrales Element von Agentic Coding. Ein Agent sollte nicht unbegrenzt Dateien verändern, Geheimnisse lesen, externe Pakete installieren oder produktive Systeme verändern dürfen. Sinnvoll sind getrennte Entwicklungsumgebungen, eingeschränkte Rechte, klare Freigabepunkte und Protokolle, die zeigen, welche Schritte der Agent durchgeführt hat.
Vom Prompt zur überprüfbaren Aufgabe
Gute Aufgabenstellungen
Ein schwacher Prompt lautet: „Mach die App besser.“ Ein stärkerer Auftrag lautet: „Analysiere die Login-Komponente, finde Gründe für die langsame Antwortzeit, ändere nur Dateien im Ordner auth, füge Tests für erfolgreiche und fehlerhafte Anmeldung hinzu und erkläre die Änderungen vor dem Commit.“ Der zweite Auftrag enthält Ziel, Bereich, Einschränkung, Qualitätsanforderung und Nachweispflicht.
Eine gute Agentic-Coding-Aufgabe enthält mindestens folgende Elemente:
- Ziel: Was soll erreicht werden?
- Kontext: Welche Dateien, Anforderungen und Regeln sind relevant?
- Grenze: Was darf der Agent nicht verändern?
- Akzeptanzkriterium: Woran erkennst Du, dass die Aufgabe erfüllt ist?
- Test: Wie wird die Lösung geprüft?
- Dokumentation: Was muss erklärt oder protokolliert werden?
- Freigabe: Wann entscheidet ein Mensch?
Beispiel: Von Vibe zu Agentic
Vibe-Coding-Auftrag: „Baue mir eine To-do-App mit Login.“
Agentic-Coding-Auftrag: „Erstelle einen Prototyp einer To-do-App mit lokaler Benutzerverwaltung. Nutze eine einfache Datenstruktur, speichere keine echten Passwörter im Klartext, trenne Oberfläche und Logik, erstelle Tests für Hinzufügen, Bearbeiten und Löschen von Aufgaben, dokumentiere Annahmen und markiere alle Stellen, die vor einer echten Veröffentlichung sicherheitstechnisch überarbeitet werden müssen.“
Der Unterschied liegt nicht darin, dass die zweite Aufgabe länger ist. Sie ist überprüfbarer. Sie fordert Sicherheit, Struktur, Tests und Dokumentation. Dadurch kann der Agent zielgerichteter arbeiten, und Du kannst das Ergebnis besser beurteilen.
Chancen
Agentic Coding kann Lernenden und Entwicklerinnen neue Möglichkeiten eröffnen. Es kann Routineaufgaben reduzieren, alternative Lösungen vorschlagen, beim Verstehen fremder Codebasen helfen, Tests erzeugen, Dokumentation verbessern und Barrieren beim Einstieg in Programmierung senken. Besonders wertvoll ist das, wenn der Agent als Lernpartner eingesetzt wird: Er erklärt Code, macht Annahmen sichtbar und bietet Varianten an, die Du vergleichen kannst.
In Teams kann Agentic Coding bei wiederkehrenden Aufgaben helfen, zum Beispiel beim Aktualisieren von Abhängigkeiten, beim Erstellen von Tests, beim Refactoring kleiner Codebereiche oder beim Zusammenfassen von Pull Requests. Dadurch können Menschen mehr Zeit für Produktentscheidungen, Architektur, Nutzerbedürfnisse, Sicherheit und Qualität gewinnen.
Risiken und Verantwortung
Sicherheitsrisiken
KI-generierter Code kann Sicherheitslücken enthalten. Typische Risiken sind unsichere Eingabevalidierung, fehlerhafte Authentifizierung, schwache Verschlüsselung, unsichere Abhängigkeiten, ungeprüfte externe Pakete oder das versehentliche Einfügen von Zugangsdaten. Agentic Coding erhöht diese Risiken, wenn ein Agent selbstständig viele Dateien verändert oder Befehle ausführt, ohne dass ein Mensch die Wirkung versteht.
Darum sollte jeder KI-generierte Code wie nicht vertrauenswürdiger Code behandelt werden, bis er geprüft wurde. Du brauchst Code Review, Statische Codeanalyse, Tests, Sicherheitsregeln und klare Freigabeprozesse. In sensiblen Projekten gehören außerdem Datenschutzprüfung, Lizenzprüfung und getrennte Entwicklungsumgebungen dazu.
Datenschutz und Geheimnisse
Beim Arbeiten mit KI-Werkzeugen dürfen keine vertraulichen Daten, Passwörter, privaten Schlüssel, personenbezogenen Daten oder internen Geschäftsgeheimnisse unbedacht in externe Systeme eingegeben werden. Auch Dateinamen, Fehlermeldungen und Codeausschnitte können sensible Informationen enthalten. Verantwortungsvolles Agentic Coding bedeutet deshalb, Daten zu minimieren, Zugriffe zu beschränken und zu prüfen, welche Informationen an welches System übertragen werden.
Urheberrecht und Lizenzfragen
KI-Coding-Werkzeuge können Code erzeugen, der bekannten Mustern ähnelt. In offenen Projekten und Unternehmen muss geklärt werden, welche Lizenzregeln gelten, welche Abhängigkeiten eingebunden werden und ob die Nutzung des erzeugten Codes dokumentiert werden muss. Auch wenn viele Ausgaben neu kombiniert wirken, bleibt die Verantwortung für die rechtmäßige Nutzung beim Menschen oder bei der Organisation, die den Code einsetzt.
Lernrisiko: Können ohne Verstehen
Ein besonderes Bildungsrisiko besteht darin, dass Lernende scheinbar funktionierende Programme erzeugen, ohne die Konzepte dahinter zu verstehen. Kurzfristig kann das motivieren, langfristig aber zu Abhängigkeit führen. Deshalb solltest Du KI beim Lernen so nutzen, dass sie Dein Verständnis vertieft: Lass Dir Entscheidungen erklären, vergleiche Varianten, schreibe eigene Tests, verändere Code bewusst und dokumentiere, was Du gelernt hast.
Qualitätsmodell für Agentic Coding
Ein gutes Agentic-Coding-Projekt ist nicht dadurch erkennbar, dass möglichst viel Code automatisch entsteht. Entscheidend ist, ob das Ergebnis verständlich, testbar, sicher, wartbar und passend zum Ziel ist. Für die Bewertung kannst Du ein Qualitätsmodell nutzen:
| Kriterium | Leitfrage | Beispiel für Nachweis |
|---|---|---|
| Verständlichkeit | Kannst Du erklären, was der Code tut? | Kommentar, Architekturübersicht, mündliche Erklärung |
| Funktionalität | Erfüllt die Lösung die Anforderungen? | Akzeptanztests, Demo, Testprotokoll |
| Sicherheit | Wurden typische Angriffe bedacht? | Sicherheitscheck, Review, Eingabevalidierung |
| Wartbarkeit | Können andere den Code weiterentwickeln? | klare Struktur, sprechende Namen, geringe Kopplung |
| Nachvollziehbarkeit | Ist erkennbar, was der Agent verändert hat? | Commit-Verlauf, Änderungsprotokoll, Pull Request |
| Verantwortung | Hat ein Mensch die finale Entscheidung getroffen? | Freigabe, Reflexionsprotokoll, Lernnachweis |
Agentic Coding in Bildung und Beruf
Schule
In der Schule kann Agentic Coding helfen, Algorithmen, Datenstrukturen, Benutzeroberflächen und Fehlersuche anschaulich zu machen. Wichtig ist, dass nicht nur das fertige Programm bewertet wird. Bewertet werden sollten auch Zielklärung, Prompt-Qualität, Tests, Erklärungen, Reflexion und verantwortlicher Umgang mit Daten.
Ausbildung und Studium
In Ausbildung und Studium kann Agentic Coding anspruchsvolle Lernprozesse unterstützen. Lernende können fremde Codebasen analysieren, Testfälle entwickeln, Refactoring-Strategien vergleichen oder Sicherheitsrisiken untersuchen. Dabei sollte die KI nicht die fachliche Begründung ersetzen. Entscheidend ist, ob Du Entscheidungen erklären, Alternativen bewerten und Fehler erkennen kannst.
Berufliche Softwareentwicklung
In professionellen Teams kann Agentic Coding produktiv sein, wenn es in bestehende Prozesse eingebettet wird. Dazu gehören Versionsverwaltung, Branches, Pull Requests, automatisierte Tests, Sicherheitsprüfungen, Architekturentscheidungen und klare Verantwortlichkeiten. Ein Agent kann Arbeit vorbereiten, aber die Verantwortung für produktive Software bleibt bei Menschen und Organisationen.
Praktische Leitlinien
- Kleine Schritte: Gib dem Agenten überschaubare Aufgaben statt riesiger Gesamtaufträge.
- Klare Grenzen: Lege fest, welche Dateien, Daten und Befehle erlaubt sind.
- Akzeptanzkriterien: Formuliere vor der Umsetzung, woran Erfolg erkannt wird.
- Testpflicht: Übernimm keinen Code ohne passende Tests oder manuelle Prüfung.
- Sicherheitsdenken: Nenne Sicherheitsanforderungen ausdrücklich im Auftrag.
- Dokumentation: Lass Annahmen, Änderungen und offene Risiken festhalten.
- Menschliche Freigabe: Triff die finale Entscheidung selbst oder im Team.
- Lernreflexion: Erkläre nach jeder Aufgabe, was Du verstanden hast und was unklar bleibt.
Interaktive Aufgaben
Quiz: Teste Dein Wissen
Was beschreibt Agentic Coding am treffendsten? (Ein zielorientierter KI-gestützter Entwicklungsprozess mit Planen, Ausführen, Testen und Iterieren) (!Ein reines Abschreiben von Quellcode aus einem Lehrbuch) (!Ein Verfahren ohne menschliche Verantwortung) (!Eine Programmiersprache für Roboter)
Was ist ein typisches Merkmal von Vibe Coding? (Eine Idee wird in natürlicher Sprache beschrieben und KI erzeugt daraus Code) (!Code wird ausschließlich von Hand ohne Werkzeuge geschrieben) (!Programme werden nur mit Lochkarten erstellt) (!Tests ersetzen vollständig die Anforderungen)
Warum sind Akzeptanzkriterien beim Agentic Coding wichtig? (Sie machen überprüfbar, ob eine Aufgabe erfüllt ist) (!Sie verhindern jede Form von Kreativität) (!Sie ersetzen alle Sicherheitsprüfungen) (!Sie machen Quellcode überflüssig)
Welche Rolle übernimmt der Mensch beim Agentic Coding besonders stark? (Auftraggeber, Prüfer und verantwortlicher Entscheider) (!Unbeteiligter Zuschauer ohne Einfluss) (!Compiler für Maschinencode) (!Automatischer Paketmanager)
Was ist ein zentrales Risiko bei ungeprüftem KI-generiertem Code? (Er kann Fehler oder Sicherheitslücken enthalten) (!Er kann niemals ausgeführt werden) (!Er ist grundsätzlich lizenzfrei) (!Er ist immer langsamer als handgeschriebener Code)
Was gehört zu einem guten Agentic-Coding-Auftrag? (Ziel, Kontext, Grenzen, Tests und Akzeptanzkriterien) (!Nur ein einzelnes Emoji) (!Nur der Satz mach es besser) (!Nur ein Dateiname ohne Erklärung)
Warum bleibt der klassische Softwareentwicklungsprozess wichtig? (Planung, Analyse, Test und Wartung sichern Qualität) (!Weil KI-Agenten keine Dateien lesen können) (!Weil Tests bei KI-Code verboten sind) (!Weil Software nie verändert wird)
Was bedeutet Kontext beim Arbeiten mit einem KI-Coding-Agenten? (Relevante Informationen wie Anforderungen, Dateien, Regeln und Fehlermeldungen) (!Die Farbe des Computergehäuses) (!Eine zufällige Sammlung nicht verwandter Texte) (!Ein Ersatz für alle menschlichen Entscheidungen)
Welche Aussage zu Datenschutz beim KI-Coding ist richtig? (Vertrauliche Daten und Zugangsdaten dürfen nicht unbedacht an KI-Systeme gegeben werden) (!Passwörter sind gute Beispieleingaben für Prompts) (!Personenbezogene Daten müssen immer in Trainingsprompts stehen) (!Datenschutz gilt nur für gedruckte Dokumente)
Wann ist Vibe Coding besonders geeignet? (Für frühe Ideen, Experimente und schnelle Prototypen) (!Für ungeprüfte Änderungen an sicherheitskritischen Produktivsystemen) (!Für das Veröffentlichen von Passwörtern) (!Für das Abschalten aller Tests)
Memory
| Vibe Coding | Schnelles Prototyping mit natürlicher Sprache |
| Agentic Coding | Zielorientierte Arbeit mit planenden KI-Agenten |
| Akzeptanzkriterium | Prüfkriterium für erfolgreiche Umsetzung |
| Code Review | Menschliche Prüfung von Quellcode |
| Kontext | Relevante Informationen für den Agenten |
| Testautomatisierung | Wiederholbare Prüfung von Programmverhalten |
Drag and Drop
| Ordne die richtigen Begriffe zu. | Thema |
|---|---|
| Idee | Ausgangspunkt beim Vibe Coding |
| Aufgabenplan | Strukturierung beim Agentic Coding |
| Testlauf | Prüfung der Funktion |
| Review | Menschliche Qualitätskontrolle |
| Freigabe | Verantwortliche Entscheidung vor der Übernahme |
Kreuzworträtsel
| Agent | Wie nennt man ein KI-System, das Ziele verfolgt und Werkzeuge nutzen kann? |
| Prompt | Wie heißt eine Eingabe in natürlicher Sprache an ein KI-System? |
| Kontext | Was braucht ein Coding-Agent, um passende Entscheidungen zu treffen? |
| Review | Wie heißt die prüfende Durchsicht von Quellcode? |
| Test | Was prüft, ob Programmverhalten den Erwartungen entspricht? |
| Iteration | Wie heißt eine wiederholte Verbesserungsschleife? |
LearningApps
Lückentext
Offene Aufgaben
Leicht
- Begriffe erklären: Erstelle eine eigene Begriffskarte zu Vibe Coding, Agentic Coding, KI-Agent, Prompt Engineering und Code Review. Schreibe zu jedem Begriff ein Beispiel aus Deinem Alltag oder Unterricht.
- Prompt verbessern: Formuliere aus dem schwachen Auftrag „Baue mir eine App“ einen besseren Auftrag mit Ziel, Kontext, Grenzen und Prüfkriterien.
- Risiken sammeln: Notiere fünf Risiken, die entstehen können, wenn KI-generierter Code ungeprüft übernommen wird. Ergänze zu jedem Risiko eine Schutzmaßnahme.
- Lernplakat gestalten: Gestalte ein Plakat oder eine digitale Infografik mit dem Titel „Vom schnellen Prompt zur geprüften Software“.
Standard
- Mini-Projekt planen: Entwickle einen Agentic-Coding-Plan für eine kleine Anwendung, zum Beispiel einen Vokabeltrainer, einen Haushaltsrechner oder eine To-do-Liste. Beschreibe Ziel, Funktionen, Tests und Grenzen.
- Code kritisch prüfen: Lass Dir von einem KI-Werkzeug eine kleine Funktion erzeugen und prüfe sie systematisch. Untersuche Verständlichkeit, Fehlerfälle, Sicherheit und Testbarkeit.
- Testfälle entwickeln: Schreibe zu einer einfachen Anwendung mindestens sechs Testfälle. Unterscheide normale Eingaben, Grenzfälle und fehlerhafte Eingaben.
- Rolleninterview: Befrage eine Person aus Informatik, Ausbildung oder Studium dazu, wie KI das Programmieren verändert. Fasse die Aussagen zusammen und ordne sie den Begriffen Vibe Coding oder Agentic Coding zu.
Schwer
- Agentic-Coding-Richtlinie: Entwirf eine Richtlinie für eine Schule, ein Ausbildungsteam oder ein Softwareprojekt. Lege fest, welche KI-Nutzung erlaubt ist, welche Daten geschützt werden müssen und wann menschliche Freigabe nötig ist.
- Sicherheitsanalyse: Analysiere ein KI-generiertes Programm auf mögliche Sicherheitsprobleme. Beschreibe Bedrohungen, Eintrittswahrscheinlichkeit, Auswirkungen und Gegenmaßnahmen.
- Vergleichsstudie: Bearbeite dieselbe kleine Programmieraufgabe einmal im Vibe-Coding-Stil und einmal mit einem strukturierten Agentic-Coding-Auftrag. Vergleiche Ergebnisqualität, Verständlichkeit, Zeitaufwand und Fehler.
- Reflexionsvideo: Produziere ein kurzes Erklärvideo, in dem Du den Rollenwechsel vom Codierenden zum steuernden und prüfenden Menschen erklärst. Nutze ein eigenes Beispiel und nenne mindestens drei Qualitätskriterien.
| <inputbox>
type=create break=no preload=CHAT GPT TEXT HIER EINFÜGEN default= width=30 placeholder= Dein MOOC Titel buttonlabel=MOOC erstellen </inputbox> |
|
|
Lernkontrolle
- Transferaufgabe Qualität: Du erhältst ein scheinbar funktionierendes KI-generiertes Programm. Entwickle einen Prüfplan, mit dem Du entscheidest, ob es in einem Schulprojekt veröffentlicht werden darf.
- Fallanalyse Datenschutz: Ein Team kopiert interne Fehlermeldungen, Datenbankauszüge und Quellcode in ein externes KI-Tool. Analysiere die Situation und formuliere verantwortliche Alternativen.
- Entscheidung begründen: Begründe, ob für ein Projekt „Vokabeltrainer für Klasse 7“ eher Vibe Coding, Agentic Coding oder eine Mischform sinnvoll ist.
- Prozess entwerfen: Entwickle einen Ablauf für einen Pull Request, der von einem KI-Agenten vorbereitet wurde. Lege fest, welche Prüfungen automatisch und welche menschlich erfolgen müssen.
- Ethik und Verantwortung: Diskutiere, ob ein KI-Agent als Mitautor eines Programms gelten sollte. Beziehe technische, rechtliche und pädagogische Argumente ein.
- Fehlerkultur: Erkläre, warum ein fehlerhafter KI-Vorschlag nicht nur ein technisches Problem, sondern auch ein Lernanlass sein kann.
Lernnachweis
Erstelle als Lernnachweis ein kurzes Portfolio mit drei Teilen. Erstens dokumentierst Du einen eigenen verbesserten Agentic-Coding-Auftrag. Zweitens beschreibst Du die erwarteten Tests und Akzeptanzkriterien. Drittens reflektierst Du, welche Verantwortung Du bei der Nutzung von KI-Coding-Werkzeugen übernimmst. Das Portfolio soll ohne externe Einbettungen auskommen und nachvollziehbar zeigen, was Du selbst verstanden, geprüft und entschieden hast.
- Auftrag: Formuliere eine präzise Entwicklungsaufgabe mit Ziel, Kontext, Grenzen und Sicherheitsanforderungen.
- Prüfung: Erstelle eine Tabelle mit mindestens fünf Testideen und begründe, warum diese Tests wichtig sind.
- Reflexion: Schreibe eine persönliche Einschätzung dazu, wo KI Dir geholfen hat und wo Du selbst kritisch eingreifen musstest.
OERs zum Thema
Links
aiMOOC-Projekte
Schulfach+
|
|
aiMOOCs
aiMOOC Projekte
|
|
THE MONKEY DANCE
{{#ev:youtube | https://youtu.be/rFhZlg38Zf8?si=9KdMNZYRkRD81YTo%7C 500 | center}}
|
{{#ev:youtube | https://youtu.be/Ob7etf9QuBo?si=t_NBA71bWg3Rq3LI%7C 500 | center}}
|
|
| <inputbox>
type=create break=no preload=MOOCit Vorlage default= width=30 placeholder= Dein MOOC Titel buttonlabel=MOOC erstellen </inputbox> |