Vom Coder zum AI Software Engineer - aiMOOC

Einleitung

Programmierung verändert sich grundlegend: Früher stand oft das manuelle Schreiben einzelner Codezeilen im Mittelpunkt. Heute verschiebt sich die Arbeit immer stärker hin zu Softwareentwicklung, Architektur, Anforderungsanalyse, Prompt Engineering, Qualitätssicherung, Code Review, Softwaretest, Cybersicherheit und zur Steuerung von KI-gestützten Werkzeugen. Aus dem klassischen Coder wird zunehmend ein AI Software Engineer: eine Person, die nicht nur programmiert, sondern Ziele präzise formuliert, KI-Agenten sinnvoll orchestriert, Ergebnisse kritisch prüft und Verantwortung für funktionierende, sichere und wartbare Software übernimmt.

Das Thema Vom Coder zum AI Software Engineer: Die Zukunft der Programmierung / Vibe-Coding & Agentic-Coding zeigt Dir, wie sich Rollen, Kompetenzen und Arbeitsweisen in der Softwareentwicklung durch Large Language Models, Generative Künstliche Intelligenz, Coding-Assistenten und Agentic AI verändern. Du lernst, warum Vibe-Coding für schnelle Ideen und Prototypen attraktiv ist, warum Agentic-Coding stärker auf Planung, Werkzeuge, Tests und autonome Arbeitsschritte setzt und weshalb menschliche Verantwortung weiterhin entscheidend bleibt.

{{#ev:youtube|https://www.youtube.com/watch?v=BVkTU9vB-lA%7C500%7Ccenter}}

Lernziele

Grundbegriffe: Du erklärst die Begriffe Coder, Software Engineer, AI Software Engineer, Vibe-Coding, Agentic-Coding, Prompt Engineering, Code Review und Softwaretest.
Vergleich: Du vergleichst klassische Programmierung, KI-gestütztes Programmieren, Vibe-Coding und Agentic-Coding.
Kompetenzentwicklung: Du beschreibst, welche Fähigkeiten für Softwareentwicklung mit KI wichtiger werden.
Qualitätssicherung: Du begründest, warum Tests, Reviews, Sicherheitsprüfungen und Dokumentation bei KI-generiertem Code besonders wichtig sind.
Praxisbezug: Du planst einen eigenen KI-gestützten Entwicklungsprozess für ein kleines Softwareprojekt.

Medien zur Orientierung

Die Grafik eines künstlichen neuronalen Netzes hilft Dir zu verstehen, dass moderne KI-Systeme nicht einfach feste Wenn-dann-Regeln ausführen. Sie erkennen Muster in Daten, erzeugen Wahrscheinlichkeiten für nächste sinnvolle Ausgaben und können dadurch Texte, Code, Tests, Dokumentationen oder Lösungsvorschläge generieren.

Die Softwareentwicklung verläuft nicht linear. Analyse, Planung, Entwicklung, Testen und Bewertung wechseln sich ab. KI kann in jeder Phase helfen, ersetzt aber nicht die Verantwortung für Entscheidungen.

Pair Programming zeigt ein wichtiges Prinzip, das sich auf KI übertragen lässt: Software entsteht besser, wenn Ideen geprüft, erklärt und hinterfragt werden. Beim KI-gestützten Programmieren wird die KI oft zu einer Art Gesprächspartnerin, während der Mensch Ziel, Kontext, Qualitätsmaßstäbe und Verantwortung vorgibt.

Versionsverwaltung mit Git bleibt auch im KI-Zeitalter zentral. Wer mit Coding-Agenten arbeitet, braucht Branches, Commits, Pull Requests, Tests und nachvollziehbare Änderungen, damit aus schnellen Vorschlägen verlässliche Software werden kann.

Grundbegriffe

Coder

Ein Coder schreibt Quellcode, setzt vorgegebene Anforderungen technisch um und arbeitet häufig direkt an einzelnen Funktionen, Skripten oder Fehlerkorrekturen. In einfachen Kontexten kann die Aufgabe darin bestehen, ein kleines Programm nach Anleitung zu erstellen. In professionellen Projekten reicht reines Codieren jedoch selten aus, weil Software langfristig wartbar, testbar, sicher, verständlich und anpassbar sein muss.

Software Engineer

Ein Software Engineer denkt über das reine Schreiben von Code hinaus. Dazu gehören Anforderungsanalyse, Softwarearchitektur, Datenmodell, Schnittstelle, Teststrategie, Deployment, Monitoring, Dokumentation, Teamarbeit und Qualitätssicherung. Software Engineering bedeutet, Software systematisch, nachvollziehbar und verantwortungsvoll zu entwickeln.

AI Software Engineer

Ein AI Software Engineer nutzt KI nicht nur als Autovervollständigung, sondern als Teil eines erweiterten Entwicklungsprozesses. Er oder sie formuliert Ziele, erstellt Prompts, gibt Kontext, zerlegt Aufgaben, bewertet Vorschläge, verbessert Architekturentscheidungen, prüft Code, schreibt Tests, bewertet Sicherheitsrisiken und integriert KI-Agenten in bestehende Workflows. Die zentrale Kompetenz ist nicht, jede Codezeile selbst zu tippen, sondern ein gutes technisches Ergebnis zuverlässig zu erzeugen, zu verstehen und zu verantworten.

Large Language Model

Ein LLM ist ein großes Sprachmodell, das auf umfangreichen Daten trainiert wurde und Sprache sowie Code erzeugen kann. Ein LLM kann erklären, zusammenfassen, übersetzen, Code schreiben, Fehler suchen und technische Alternativen vorschlagen. Es versteht jedoch nicht wie ein Mensch, sondern arbeitet mit Wahrscheinlichkeiten, Kontextmustern und trainierten Zusammenhängen. Deshalb können LLMs auch plausible, aber falsche Ergebnisse liefern.

Prompt Engineering

Prompt Engineering bezeichnet das gezielte Formulieren von Aufgaben für KI-Systeme. Ein guter Prompt enthält Ziel, Kontext, Einschränkungen, gewünschtes Format, Qualitätskriterien und Beispiele. Beim Programmieren kann ein Prompt etwa beschreiben, welche Funktion gebaut werden soll, welche Programmiersprache verwendet wird, welche Tests bestehen müssen und welche Sicherheitsanforderungen gelten.

Vibe-Coding

Bedeutung

Vibe-Coding beschreibt eine Arbeitsweise, bei der eine Person der KI in natürlicher Sprache sagt, was entstehen soll, und die KI große Teile des Codes generiert. Die Person arbeitet stark über Ideen, Prompts, Rückmeldungen und Ausprobieren. Der Begriff wurde 2025 im Umfeld der Diskussion über KI-gestützte Programmierung populär. Besonders typisch ist, dass die gewünschte Wirkung oder das gewünschte Verhalten beschrieben wird, während die KI den konkreten Quellcode erstellt.

Beim Vibe-Coding steht oft der schnelle kreative Fluss im Vordergrund. Du beschreibst zum Beispiel: „Erstelle eine kleine Web-App, mit der Lernende ihre Hausaufgaben verwalten können.“ Die KI erzeugt daraufhin Dateien, Komponenten, Funktionen oder Designvorschläge. Danach testest Du das Ergebnis, gibst Feedback und lässt die KI weiter verbessern.

Chancen

Vibe-Coding kann den Einstieg in Softwareideen erleichtern. Menschen ohne tiefes Programmierwissen können Prototypen bauen, Abläufe ausprobieren und technische Ideen sichtbar machen. Für erfahrene Entwicklerinnen und Entwickler kann Vibe-Coding helfen, schnell Varianten zu erzeugen, Boilerplate-Code zu erstellen oder neue Bibliotheken kennenzulernen. Besonders nützlich ist es bei Prototyping, Design Thinking, Lernprojekten, kleinen Tools und frühen Konzeptphasen.

Grenzen

Vibe-Coding wird riskant, wenn KI-generierter Code ungeprüft übernommen wird. Ein Programm kann scheinbar funktionieren, aber Sicherheitslücken enthalten, falsche Annahmen treffen, schlechte Architektur verwenden, Abhängigkeiten erfinden oder Randfälle nicht berücksichtigen. Je wichtiger ein System ist, desto weniger genügt ein „funktioniert bei mir“-Eindruck. Für produktive Software brauchst Du Tests, Reviews, Dokumentation, Versionskontrolle und Sicherheitsprüfung.

Agentic-Coding

Bedeutung

Agentic-Coding bezeichnet KI-gestützte Softwareentwicklung, bei der ein KI-Agent nicht nur einzelne Antworten liefert, sondern Aufgaben plant, Dateien liest, Code ändert, Tests ausführt, Ergebnisse bewertet und weitere Schritte ableitet. Der Agent arbeitet zielorientierter als ein reiner Chatbot. Er kann zum Beispiel eine Aufgabe in Teilaufgaben zerlegen, eine Codebasis untersuchen, einen Plan erstellen, Änderungen in mehreren Dateien vornehmen und eine Zusammenfassung für ein Code Review liefern.

Agentische Arbeitsweise

Ein agentischer Entwicklungsprozess folgt häufig einer Schleife: Ziel verstehen, Kontext sammeln, Plan erstellen, Änderung umsetzen, testen, Fehler analysieren, nachbessern und Bericht geben. Diese Schleife ähnelt professioneller Softwareentwicklung, wird aber teilweise automatisiert. Der Mensch entscheidet, welche Ziele verfolgt werden, welche Werkzeuge erlaubt sind, wann ein Ergebnis akzeptiert wird und welche Risiken nicht eingegangen werden dürfen.

Beispiele für Agentenaufgaben

Repository-Analyse: Ein Agent untersucht eine bestehende Codebasis und erklärt Struktur, Abhängigkeiten und zentrale Module.
Feature-Entwicklung: Ein Agent erstellt eine neue Funktion, passt mehrere Dateien an und schlägt Tests vor.
Fehlerbehebung: Ein Agent liest Fehlermeldungen, reproduziert ein Problem und erstellt einen Korrekturvorschlag.
Refactoring: Ein Agent verbessert Struktur und Lesbarkeit, ohne das Verhalten des Programms zu verändern.
Dokumentation: Ein Agent erstellt README-Dateien, API-Beschreibungen oder technische Entscheidungsnotizen.
Code Review: Ein Agent sucht nach Logikfehlern, Sicherheitsrisiken, Randfällen und fehlenden Tests.

Vibe-Coding und Agentic-Coding im Vergleich

Aspekt	Vibe-Coding	Agentic-Coding
Rolle des Menschen	Formuliert Ideen, testet grob, gibt Feedback und folgt dem kreativen Fluss	Definiert Ziele, Grenzen, Akzeptanzkriterien, Prüfregeln und verantwortet Entscheidungen
Rolle der KI	Generiert Code aus Prompts und verbessert nach Rückmeldung	Plant, liest Kontext, ändert Dateien, nutzt Werkzeuge, testet und iteriert
Typische Stärke	Schnelle Prototypen, Experimente, kreative Varianten	Mehrschrittige Aufgaben, Codebasis-Arbeit, Testschleifen, Pull-Request-Vorbereitung
Typisches Risiko	Unverstandener Code, fehlende Tests, Sicherheitslücken, technische Schulden	Zu große Autonomie, falsche Annahmen, fehlerhafte Werkzeugnutzung, schwer nachvollziehbare Änderungen
Geeignete Projekte	Lernprojekte, Demos, Wegwerfprototypen, erste Ideen	Professionelle Workflows mit Reviews, Tests, Versionskontrolle und klaren Regeln

Vom Schreiben zum Steuern

Warum sich Programmieren verändert

KI kann heute Quellcode erzeugen, bestehende Programme erklären, Fehler diagnostizieren, Tests formulieren und technische Dokumentation schreiben. Dadurch sinkt die Bedeutung des reinen Tippens. Gleichzeitig steigt die Bedeutung von Aufgaben, die nicht einfach automatisiert werden sollten: Problemverständnis, Architektur, Priorisierung, Verantwortung, Datenschutz, Sicherheit, Kommunikation mit Stakeholdern und Bewertung der Ergebnisse.

Für Dich bedeutet das: Programmieren bleibt wichtig, aber es verändert seine Form. Wer Code lesen, prüfen und verbessern kann, nutzt KI deutlich sicherer als jemand, der nur Ergebnisse kopiert. Informatik-Grundlagen werden nicht unwichtig; sie werden wichtiger, weil Du KI-Vorschläge beurteilen musst.

Neue Kernkompetenzen

Problemformulierung: Du beschreibst ein Problem so klar, dass Mensch und KI es bearbeiten können.
Kontextmanagement: Du gibst der KI die richtigen Dateien, Anforderungen, Schnittstellen, Datenmodelle und Einschränkungen.
Architekturdenken: Du erkennst, ob eine Lösung langfristig wartbar ist.
Testkompetenz: Du formulierst Unit-Tests, Integrationstests, Akzeptanzkriterien und Randfälle.
Reviewkompetenz: Du prüfst KI-Code kritisch und findest Fehler, Sicherheitsprobleme und unnötige Komplexität.
Toolkompetenz: Du nutzt IDE, Terminal, Versionsverwaltung, CI/CD, Debugger und Agenten kontrolliert.
Kommunikation: Du erklärst technische Entscheidungen verständlich und dokumentierst nachvollziehbar.
Ethik: Du beachtest Datenschutz, Urheberrecht, Fairness, Transparenz und Verantwortung.

Typischer Workflow eines AI Software Engineers

Schrittweise Arbeitsweise

Zielklärung: Formuliere, was das Programm leisten soll und welche Grenzen gelten.
Akzeptanzkriterien: Schreibe prüfbare Kriterien, an denen Du erkennst, ob die Aufgabe erfüllt ist.
Kontextbereitstellung: Gib der KI relevante Dateien, bestehende Architektur, Datenformate und technische Regeln.
Planung: Lasse die KI einen Plan vorschlagen und prüfe ihn kritisch.
Umsetzung: Erzeuge oder ändere Code in kleinen, nachvollziehbaren Schritten.
Testen: Führe Tests aus und ergänze fehlende Tests.
Review: Prüfe Lesbarkeit, Sicherheit, Randfälle, Performance und Wartbarkeit.
Dokumentation: Halte fest, was geändert wurde, warum es geändert wurde und wie man es nutzt.
Deployment: Veröffentliche nur, wenn Tests, Reviews und Sicherheitsprüfungen bestanden sind.
Reflexion: Bewerte, was gut funktioniert hat und wo KI falsche Annahmen getroffen hat.

Beispielprompt für ein Lernprojekt

Aufgabe: Erstelle eine einfache Web-App, mit der Lernende Aufgaben eintragen, als erledigt markieren und nach Fälligkeitsdatum sortieren können. Verwende HTML, CSS und JavaScript ohne externe Bibliotheken. Erstelle zusätzlich mindestens fünf Tests für die Sortierlogik. Achte darauf, dass der Code verständlich kommentiert ist. Gib zuerst einen kurzen Umsetzungsplan aus und warte auf meine Freigabe, bevor Du Code schreibst.

Dieser Prompt ist besser als „Bau mir eine Aufgaben-App“, weil er Ziel, Technik, Einschränkungen, Qualitätsanforderung und Arbeitsprozess beschreibt.

Qualität, Tests und Sicherheit

Warum Tests unverzichtbar sind

KI-generierter Code kann überzeugend aussehen, aber trotzdem falsch sein. Tests helfen Dir, Verhalten systematisch zu prüfen. Ein Unit-Test prüft kleine Einheiten wie Funktionen. Ein Integrationstest prüft das Zusammenspiel mehrerer Teile. Ein End-to-End-Test prüft einen vollständigen Ablauf aus Sicht der Nutzenden. Ein guter AI Software Engineer denkt nicht nur: „Kann die KI das bauen?“, sondern auch: „Wie beweise ich, dass es zuverlässig funktioniert?“

Code Review bei KI-generiertem Code

Ein Code Review prüft nicht nur Stil, sondern auch Logik, Sicherheit und Wartbarkeit. Bei KI-Code solltest Du besonders auf folgende Fragen achten: Versteht man den Code? Gibt es unnötige Komplexität? Werden Eingaben validiert? Sind Fehlermeldungen sinnvoll? Werden personenbezogene Daten geschützt? Sind Abhängigkeiten echt, aktuell und vertrauenswürdig? Sind Tests vorhanden? Gibt es Randfälle, die nicht bedacht wurden?

Sicherheitsrisiken

KI-gestützte Entwicklung kann neue Risiken erzeugen. Dazu gehören Prompt Injection, unsichere Verarbeitung von KI-Ausgaben, unkontrollierte Werkzeugrechte, erfundene Paketnamen, unsichere Abhängigkeiten, Datenabfluss, fehlerhafte Authentifizierung und mangelnde Nachvollziehbarkeit. Agentic-Coding braucht deshalb klare Grenzen: minimale Berechtigungen, isolierte Testumgebungen, Versionskontrolle, Abhängigkeitsprüfung, Geheimnisschutz und menschliche Freigabe vor kritischen Aktionen.

Berufliche Perspektiven

Welche Rollen entstehen oder verändern sich?

Softwareentwicklerinnen und Softwareentwickler werden nicht automatisch überflüssig. Viele Aufgaben verschieben sich. Es entstehen Rollen wie AI Software Engineer, Prompt Engineer, AI Product Engineer, Agent Engineer, MLOps Engineer, AI Quality Engineer oder AI Security Engineer. Auch klassische Rollen wie Product Owner, UX Design, DevOps, Data Science und IT-Sicherheit verändern sich, weil KI-Werkzeuge stärker in den Entwicklungsprozess integriert werden.

Was bleibt menschliche Verantwortung?

Software beeinflusst Menschen, Organisationen und Gesellschaft. Deshalb bleibt Verantwortung menschlich. Eine KI kann Vorschläge erzeugen, aber sie übernimmt keine moralische, rechtliche oder fachliche Verantwortung. Menschen müssen entscheiden, ob eine Anwendung sinnvoll, sicher, fair, datenschutzkonform und wartbar ist. Ein AI Software Engineer verbindet technische Kompetenz mit Urteilskraft.

Praxisprojekt: Mini-App mit KI-Unterstützung

In diesem Lernkurs kannst Du ein kleines Projekt planen: eine Mini-App für ein schulisches oder persönliches Problem. Beispiele sind ein Vokabeltrainer, ein Aufgabenplaner, ein CO2-Rechner, ein Quizgenerator, ein Budgetrechner oder ein Lernkarten-Tool.

Projektphasen

Idee: Beschreibe ein konkretes Problem aus Deinem Alltag.
Anforderung: Formuliere mindestens fünf Funktionen und drei Nicht-Ziele.
Prompt: Schreibe einen strukturierten Prompt mit Ziel, Technik, Einschränkungen und Tests.
Prototyp: Lasse Dir einen ersten Entwurf generieren.
Test: Prüfe den Prototyp mit echten Beispielen und Randfällen.
Review: Markiere unklare Stellen im Code und lasse sie erklären.
Verbesserung: Fordere kleine Änderungen an und dokumentiere sie.
Reflexion: Vergleiche, was KI gut konnte und wo Du selbst entscheiden musstest.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Was beschreibt Vibe-Coding am besten? (Eine KI-gestützte Arbeitsweise, bei der Ideen über natürliche Sprache in Code überführt werden) (!Eine Methode, bei der ausschließlich Maschinencode von Hand geschrieben wird) (!Ein Verfahren zur Verschlüsselung von Datenbanken) (!Eine Hardwaretechnik für schnellere Prozessoren)

Was ist ein zentrales Merkmal von Agentic-Coding? (Ein KI-Agent kann planen, Dateien bearbeiten, Tests ausführen und iterieren) (!Die KI darf nur einzelne Wörter im Code ergänzen) (!Der Mensch darf keine Ziele vorgeben) (!Software wird ohne Werkzeuge und ohne Tests erstellt)

Welche Aufgabe gehört besonders zur Rolle eines AI Software Engineers? (KI-Ergebnisse prüfen, testen, dokumentieren und verantworten) (!Alle Dateien ungeprüft aus dem Chat kopieren) (!Versionsverwaltung vermeiden) (!Sicherheitsfragen an die Nutzenden auslagern)

Warum bleiben Programmiergrundlagen im KI-Zeitalter wichtig? (Weil KI-generierten Code nur bewerten kann, wer grundlegende Konzepte versteht) (!Weil KI grundsätzlich keinen Code erzeugen kann) (!Weil Tests bei KI-Code verboten sind) (!Weil natürliche Sprache keine Rolle spielt)

Was gehört zu einem guten Prompt für Softwareentwicklung? (Ziel, Kontext, Einschränkungen, gewünschtes Format und Qualitätskriterien) (!Nur ein einzelnes ungenaues Wort) (!Ausschließlich die Lieblingsfarbe der Oberfläche) (!Ein absichtlich widersprüchlicher Auftrag)

Welche Praxis schützt besonders vor Fehlern in KI-generiertem Code? (Automatisierte Tests und kritisches Code Review) (!Blindes Vertrauen in die erste Antwort) (!Löschen der Dokumentation) (!Verzicht auf Versionskontrolle)

Was ist ein typisches Risiko beim Vibe-Coding? (Unverstandener oder ungeprüfter Code kann Fehler und Sicherheitslücken enthalten) (!Der Code wird immer langsamer, weil Menschen ihn lesen) (!Die KI kann keine Texte erzeugen) (!Prototypen sind grundsätzlich unmöglich)

Wofür wird Git in KI-gestützten Entwicklungsprozessen besonders gebraucht? (Um Änderungen nachvollziehbar zu versionieren und Reviews zu ermöglichen) (!Um Prompts automatisch zu verbieten) (!Um Computer ohne Betriebssystem zu starten) (!Um alle Tests zu löschen)

Welche Aussage zu KI-Agenten ist verantwortungsvoll? (KI-Agenten sollten mit klaren Grenzen, Tests und menschlicher Freigabe arbeiten) (!KI-Agenten sollten immer volle Rechte auf alle Systeme erhalten) (!KI-Agenten brauchen keine Aufgabenbeschreibung) (!KI-Agenten können niemals Fehler machen)

Was unterscheidet einen Software Engineer von einem reinen Coder? (Ein Software Engineer beachtet auch Architektur, Qualität, Wartbarkeit und Verantwortung) (!Ein Software Engineer schreibt niemals Code) (!Ein Software Engineer nutzt keine Werkzeuge) (!Ein Software Engineer ignoriert Anforderungen)

Memory

Vibe-Coding	Schneller Prototyp
Agentic-Coding	Zielorientierter KI-Agent
Prompt Engineering	Präzise Aufgabenformulierung
Code Review	Kritische Qualitätsprüfung
Unit-Test	Prüfung einer Funktion
Git	Versionsverwaltung
Kontextfenster	Relevante Informationen für die KI
Akzeptanzkriterium	Prüfbare Erfolgsbedingung

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Vibe-Coding	Ideen schnell in Prototypen verwandeln
Agentic-Coding	KI-Agent plant und bearbeitet mehrere Schritte
Code Review	Änderungen kritisch prüfen
Unit-Test	Einzelne Funktion automatisch prüfen
Prompt Engineering	Aufgabe klar und kontextreich formulieren
Git	Änderungen nachvollziehbar versionieren
Akzeptanzkriterien	Erfolg einer Aufgabe überprüfbar machen

|}

Kreuzworträtsel

Prompt	Wie nennt man eine formulierte Eingabe an ein KI-System?
Agent	Wie nennt man ein KI-System, das zielgerichtet Schritte planen und ausführen kann?
Testen	Was prüft systematisch, ob Software wie erwartet funktioniert?
Review	Wie heißt die kritische Prüfung von Code durch Menschen oder Werkzeuge?
Kontext	Was braucht eine KI, um eine Aufgabe passend zur Codebasis zu bearbeiten?
Pipeline	Wie nennt man eine automatisierte Abfolge von Build, Test und Deployment?

LearningApps

Lückentext

Ein AI Software Engineer schreibt nicht nur Code, sondern steuert einen gesamten Entwicklungsprozess mit

. Vibe-Coding eignet sich besonders für schnelle Ideen und frühe

. Agentic-Coding geht weiter, weil ein KI-Agent Aufgaben planen, Dateien ändern und Tests

kann. Ein guter Prompt enthält Ziel, Kontext, Einschränkungen und

. KI-generierter Code muss geprüft werden, weil er plausibel wirken und trotzdem

sein kann. Git hilft dabei, Änderungen nachvollziehbar zu speichern und über Reviews

. Tests sind wichtig, weil sie gewünschtes Verhalten anhand konkreter Beispiele

. Menschliche Verantwortung bleibt zentral, weil Software Auswirkungen auf Sicherheit, Datenschutz und

hat.

Offene Aufgaben

Leicht

Begriffsplakat: Erstelle ein digitales Plakat mit den Begriffen Coder, Software Engineer, AI Software Engineer, Vibe-Coding und Agentic-Coding und erkläre jeden Begriff in einem eigenen Beispiel.
Prompt-Vergleich: Schreibe einen schlechten und einen guten Prompt für eine einfache To-do-App und markiere, warum der bessere Prompt klarer ist.
Mini-Recherche: Suche drei Beispiele, in denen KI beim Programmieren helfen kann, und ordne sie den Phasen Planung, Umsetzung und Prüfung zu.
Alltagsproblem: Beschreibe ein kleines Problem aus Deinem Alltag, das sich mit einer App lösen ließe, und formuliere drei Funktionen dafür.

Standard

Prototyp planen: Plane eine kleine Web-App mit Zielgruppe, Funktionen, Nicht-Zielen, Daten und Akzeptanzkriterien.
KI-Code prüfen: Lasse Dir für eine einfache Funktion Code erzeugen, lies ihn Zeile für Zeile und schreibe auf, welche Stellen Du verstehst und welche Du nachfragen musst.
Testfälle entwickeln: Entwickle mindestens acht Testfälle für eine Funktion, die Aufgaben nach Fälligkeitsdatum sortiert.
Rollenvergleich: Vergleiche in einer Tabelle die Aufgaben von Coder, Software Engineer und AI Software Engineer.

Schwer

Agentenworkflow: Entwirf einen Agentic-Coding-Workflow für ein reales Schulprojekt mit Planung, Branch, Tests, Review, Dokumentation und Freigabe.
Sicherheitsanalyse: Untersuche ein KI-generiertes Codebeispiel auf mögliche Risiken wie fehlende Eingabeprüfung, unsichere Abhängigkeiten oder Datenabfluss.
Refactoring-Projekt: Nimm ein unübersichtliches Programm, lasse Verbesserungsvorschläge erstellen und entscheide begründet, welche Änderungen Du übernimmst.
Ethik-Debatte: Organisiere eine Diskussion zur Frage, ob KI-Tools Programmieren demokratisieren oder neue Abhängigkeiten schaffen, und dokumentiere die wichtigsten Argumente.

type=create break=no preload=CHAT GPT TEXT HIER EINFÜGEN default= width=30 placeholder= Dein MOOC Titel buttonlabel=MOOC erstellen </inputbox>

Lernkontrolle

Transferaufgabe Workflow: Du erhältst die Aufgabe, eine Lernkarten-App mit KI-Unterstützung zu entwickeln. Entwirf einen vollständigen Arbeitsprozess vom ersten Prompt bis zum überprüften Ergebnis und begründe jeden Schritt.
Fehleranalyse: Ein KI-Agent erzeugt Code, der in einfachen Fällen funktioniert, aber bei leeren Eingaben abstürzt. Erkläre, welche Tests gefehlt haben und wie Du den Entwicklungsprozess verbessern würdest.
Rollenentscheidung: Ein Team möchte KI-generierten Code ohne Review direkt veröffentlichen. Beurteile die Entscheidung aus Sicht von Qualität, Sicherheit, Verantwortung und Wartbarkeit.
Vergleichsargumentation: Erkläre an einem eigenen Beispiel, wann Vibe-Coding sinnvoll ist und wann Agentic-Coding besser geeignet wäre.
Architekturentscheidung: Eine KI schlägt eine sehr komplexe Lösung für ein kleines Problem vor. Entwickle Kriterien, mit denen Du entscheidest, ob die Lösung vereinfacht werden sollte.
Sicherheitskonzept: Formuliere Regeln für den Einsatz eines Coding-Agenten in einer Schule oder einem kleinen Unternehmen, damit Datenschutz, Rechte, Tests und Freigaben beachtet werden.

Lernnachweis

Für den Lernnachweis erstellst Du ein kurzes Portfolio mit einem eigenen KI-gestützten Softwareprojekt. Das Portfolio enthält eine Problemdefinition, einen strukturierten Prompt, einen Umsetzungsplan, mindestens fünf Testfälle, eine Reflexion über KI-Fehler oder Verbesserungen, einen Screenshot oder eine Beschreibung des Prototyps sowie eine begründete Einschätzung, ob Dein Vorgehen eher Vibe-Coding, Agentic-Coding oder eine Mischform war. Entscheidend ist nicht, dass Dein Programm perfekt ist, sondern dass Du Deinen Entwicklungsprozess nachvollziehbar, kritisch und verantwortungsvoll dokumentierst.

OERs zum Thema

Links

Vom Coder zum AI Software Engineer

Zusammenfassung

Die Zukunft der Programmierung besteht nicht darin, dass Menschen nur noch zuschauen. Sie besteht darin, dass Menschen präziser Ziele formulieren, KI-Systeme wirkungsvoll einsetzen, Ergebnisse kritisch prüfen und Verantwortung übernehmen. Vibe-Coding macht schnelle Prototypen möglich und senkt Einstiegshürden. Agentic-Coding erweitert diese Idee um planende, ausführende und testende KI-Agenten. Entscheidend bleibt, dass Software nicht nur erzeugt, sondern verstanden, getestet, dokumentiert, abgesichert und sinnvoll eingesetzt wird. Ein AI Software Engineer verbindet Kreativität, technische Grundlagen, Systemdenken, Sicherheitsbewusstsein und menschliche Urteilskraft.

aiMOOC-Projekte

Schulfach+

Prüfungsliteratur 2026
Bundesland	Bücher	Kurzbeschreibung
Baden-Württemberg	Abitur Der zerbrochne Krug - Heinrich von Kleist Heimsuchung - Jenny Erpenbeck Mittlere Reife Der Markisenmann - Jan Weiler oder Als die Welt uns gehörte - Liz Kessler Ein Schatten wie ein Leopard - Myron Levoy oder Pampa Blues - Rolf Lappert	Abitur Dorfrichter-Komödie über Wahrheit/Schuld; Roman über einen Ort und deutsche Geschichte. Mittlere Reife Wahllektüren (Roadtrip-Vater-Sohn / Jugendroman im NS-Kontext / Coming-of-age / Provinzroman).
Bayern	Abitur Der zerbrochne Krug - Heinrich von Kleist Heimsuchung - Jenny Erpenbeck	Abitur Lustspiel über Machtmissbrauch und Recht; Roman als Zeitschnitt deutscher Geschichte an einem Haus/Grundstück.
Berlin/Brandenburg	Abitur Der zerbrochne Krug - Heinrich von Kleist Woyzeck - Georg Büchner Der Biberpelz - Gerhart Hauptmann Heimsuchung - Jenny Erpenbeck	Abitur Gerichtskomödie; soziales Drama um Ausbeutung/Armut; Komödie/Satire um Diebstahl und Obrigkeit; Roman über Erinnerungsräume und Umbrüche.
Bremen	Abitur Nach Mitternacht - Irmgard Keun Mario und der Zauberer - Thomas Mann Emilia Galotti - Gotthold Ephraim Lessing oder Miss Sara Sampson - Gotthold Ephraim Lessing	Abitur Roman in der NS-Zeit (Alltag, Anpassung, Angst); Novelle über Verführung/Massenpsychologie; bürgerliche Trauerspiele (Moral, Macht, Stand).
Hamburg	Abitur Der zerbrochne Krug - Heinrich von Kleist Das kunstseidene Mädchen - Irmgard Keun	Abitur Justiz-/Machtkritik als Komödie; Großstadtroman der Weimarer Zeit (Rollenbilder, Aufstiegsträume, soziale Realität).
Hessen	Abitur Der zerbrochne Krug - Heinrich von Kleist Woyzeck - Georg Büchner Heimsuchung - Jenny Erpenbeck Der Prozess - Franz Kafka	Abitur Gerichtskomödie; Fragmentdrama über Gewalt/Entmenschlichung; Erinnerungsroman über deutsche Brüche; moderner Roman über Schuld, Macht und Bürokratie.
Niedersachsen	Abitur Der zerbrochene Krug - Heinrich von Kleist Das kunstseidene Mädchen - Irmgard Keun Die Marquise von O. - Heinrich von Kleist Über das Marionettentheater - Heinrich von Kleist	Abitur Schwerpunkt auf Drama/Roman sowie Kleist-Prosatext und Essay (Ehre, Gewalt, Unschuld; Ästhetik/„Anmut“).
Nordrhein-Westfalen	Abitur Der zerbrochne Krug - Heinrich von Kleist Heimsuchung - Jenny Erpenbeck	Abitur Komödie über Wahrheit und Autorität; Roman als literarische „Geschichtsschichtung“ an einem Ort.
Saarland	Abitur Heimsuchung - Jenny Erpenbeck Furor - Lutz Hübner und Sarah Nemitz Bahnwärter Thiel - Gerhart Hauptmann	Abitur Erinnerungsroman an einem Ort; zeitgenössisches Drama über Eskalation/Populismus; naturalistische Novelle (Pflicht/Überforderung/Abgrund).
Sachsen (berufliches Gymnasium)	Abitur Der zerbrochne Krug - Heinrich von Kleist Woyzeck - Georg Büchner Irrungen, Wirrungen - Theodor Fontane Der gute Mensch von Sezuan - Bertolt Brecht Heimsuchung - Jenny Erpenbeck Der Trafikant - Robert Seethaler	Abitur Mischung aus Klassiker-Drama, sozialem Drama, realistischem Roman, epischem Theater und Gegenwarts-/Erinnerungsroman; zusätzlich Coming-of-age im historischen Kontext.
Sachsen-Anhalt	Abitur (keine fest benannte landesweite Pflichtlektüre veröffentlicht; Themenfelder)	Abitur Schwerpunktsetzung über Themenfelder (u. a. Literatur um 1900; Sprache in politisch-gesellschaftlichen Kontexten), ohne feste Einzeltitel.
Schleswig-Holstein	Abitur Der zerbrochne Krug - Heinrich von Kleist Heimsuchung - Jenny Erpenbeck	Abitur Recht/Gerechtigkeit und historische Tiefenschichten eines Ortes – umgesetzt über Drama und Gegenwartsroman.
Thüringen	Abitur (keine fest benannte landesweite Pflichtlektüre veröffentlicht; Orientierung am gemeinsamen Aufgabenpool)	Abitur In der Praxis häufig Orientierung am gemeinsamen Aufgabenpool; landesweite Einzeltitel je nach Vorgabe/Handreichung nicht einheitlich ausgewiesen.
Mecklenburg-Vorpommern	Abitur (Quelle aktuell technisch nicht abrufbar; Beteiligung am gemeinsamen Aufgabenpool bekannt)	Abitur Land beteiligt sich am länderübergreifenden Aufgabenpool; konkrete, veröffentlichte Einzeltitel konnten hier nicht ausgelesen werden.
Rheinland-Pfalz	Abitur (keine landesweit einheitliche Pflichtlektüre; schulische Auswahl)	Abitur Keine landesweite Einheitsliste; Auswahl kann schul-/kursbezogen erfolgen.