Diesen aiMOOC als Battle spielen: Deutsch, Klasse 11-13, G-Niveau

KI-Pair-Programming - Agentic Coding - aiMOOC

KI-Pair-Programming: Kompetenzen und Didaktik in der Softwareentwicklung / Agentic-Coding

Einleitung

KI-Pair-Programming beschreibt eine Form der Softwareentwicklung, bei der Du nicht nur mit einem Menschen, sondern auch mit einem KI-System, einem Large Language Model oder einem KI-Agenten an Quellcode, Architektur, Tests, Dokumentation und Fehleranalyse arbeitest. Klassisches Pair Programming besteht aus zwei Rollen: Eine Person schreibt als Driver aktiv Code, während die andere Person als Navigator mitdenkt, prüft, Rückfragen stellt und das Gesamtziel im Blick behält. Beim KI-gestützten Programmieren verändert sich dieses Rollenmodell: Die KI kann Code vorschlagen, Tests erzeugen, Fehler erklären, Dateien refaktorieren oder Agentenaufgaben in mehreren Schritten bearbeiten. Du bleibst jedoch verantwortlich für Problemdefinition, Qualitätssicherung, Ethik, Datenschutz, Urheberrecht, Sicherheit und fachliche Bewertung.

Dieser aiMOOC führt Dich vom schnellen Vibe-Coding zum reflektierten Agentic Coding. Beim Vibe-Coding formulierst Du häufig eine Idee in natürlicher Sprache und lässt Dir schnell funktionierenden Code erzeugen. Das eignet sich für Prototyping, Ideenfindung und erste Experimente. Agentic Coding geht weiter: Ein KI-Agent erhält ein Ziel, plant Teilschritte, nutzt Werkzeuge wie Editor, Terminal, Compiler, Debugger, Versionsverwaltung oder Testframework, verändert mehrere Dateien und reagiert auf Zwischenergebnisse. Dadurch entstehen neue Chancen, aber auch neue Anforderungen an Kompetenz, Didaktik und Lernkontrolle.

Lernziele

Nach diesem aiMOOC kannst Du erklären, wie sich klassisches Pair Programming von KI-Pair-Programming und Agentic Coding unterscheidet. Du kannst geeignete Aufgaben für KI-gestützte Softwareentwicklung formulieren, Prompts fachlich präzisieren, KI-Ausgaben kritisch prüfen, Tests einsetzen, Risiken erkennen und ein didaktisches Szenario für Unterricht, Ausbildung oder Studium planen. Außerdem kannst Du beurteilen, wann KI-Unterstützung Lernprozesse fördert und wann sie Lernen verdeckt.

Warum das Thema wichtig ist

Softwareentwicklung verändert sich durch Generative KI grundlegend. Viele Tätigkeiten, die früher ausschließlich manuell erledigt wurden, können heute teilweise automatisiert werden: Codevervollständigung, Codegenerierung, Refactoring, Dokumentation, Testgenerierung, Fehlerdiagnose und Code Review. Dadurch verschiebt sich die Kompetenz vom reinen Schreiben einzelner Codezeilen hin zu Systemdenken, Anforderungsanalyse, Prompt Engineering, Kontextmanagement, Qualitätssicherung und verantwortlicher Entscheidungskompetenz. Wer KI nur als Abkürzung nutzt, riskiert unverstandenen, unsicheren oder schlecht wartbaren Code. Wer KI dagegen didaktisch reflektiert einsetzt, kann Lernende stärker zu Analyse, Begründung, Prüfung und Transfer führen.

Grundbegriffe

Pair Programming

Pair Programming ist eine kollaborative Methode der agilen Softwareentwicklung. Zwei Personen arbeiten gemeinsam an einer Aufgabe. Der Driver bedient Tastatur und Maus, der Navigator denkt strategisch mit, erkennt Fehler, schlägt Alternativen vor und achtet auf Verständlichkeit, Tests und Architektur. Die Rollen werden regelmäßig gewechselt. Didaktisch ist Pair Programming besonders wertvoll, weil Denkprozesse sichtbar werden: Du hörst Begründungen, beobachtest Problemlösestrategien und lernst, Code nicht nur zu schreiben, sondern zu diskutieren.

KI-Pair-Programming

Beim KI-Pair-Programming tritt ein KI-System als zusätzlicher Partner auf. Es kann die Rolle eines Ideengebers, Navigators, Testautors, Erklärers oder Refactoring-Assistenten übernehmen. Die KI ist jedoch kein gleichwertig verantwortliches Teammitglied. Sie versteht Ziele, Fachkontext und rechtliche Grenzen nur über die bereitgestellten Informationen. Deshalb musst Du Aufgaben klar formulieren, relevante Dateien auswählen, Rahmenbedingungen nennen, Ergebnisse prüfen und Fehlannahmen korrigieren. Gute KI-Nutzung bedeutet nicht, der KI blind zu folgen, sondern mit ihr in einen prüfenden Dialog zu treten.

Vibe-Coding

Vibe-Coding bezeichnet eine intuitive, stark promptbasierte Art des Programmierens. Du beschreibst eine gewünschte Funktion, lässt Code erzeugen und passt das Ergebnis durch weitere Prompts an. Der Vorteil liegt in Geschwindigkeit und niedriger Einstiegshürde. Der Nachteil liegt in der Gefahr, dass Du Code übernimmst, den Du nicht verstehst. Für Lernprozesse ist Vibe-Coding nur dann sinnvoll, wenn Du es mit Reflexion, Code-Lesen, Testen und Dokumentation verbindest.

Agentic Coding

Agentic Coding bezeichnet die Arbeit mit KI-Systemen, die nicht nur einzelne Antworten erzeugen, sondern Aufgaben planen, Werkzeuge nutzen und Zwischenergebnisse auswerten. Ein Agent kann beispielsweise ein Problem analysieren, Dateien durchsuchen, eine Änderung vorschlagen, Tests ausführen, Fehlermeldungen interpretieren und den Code erneut anpassen. Damit entsteht ein Arbeitsmodus, in dem Du stärker als Product Owner, Softwarearchitekt, Reviewer und Qualitätsmanager handelst. Die zentrale Frage lautet nicht mehr nur: „Wie schreibe ich diese Funktion?“, sondern: „Wie steuere, begrenze, prüfe und verantworte ich einen KI-gestützten Entwicklungsprozess?“

Kompetenzen für KI-Pair-Programming

Fachkompetenz

Du brauchst weiterhin solides Wissen über Algorithmen, Datenstrukturen, Programmiersprachen, Softwarearchitektur, Schnittstellen, Datenbanken, Testverfahren und IT-Sicherheit. KI kann Dir Vorschläge machen, aber sie ersetzt nicht das Verständnis. Besonders wichtig ist Code Literacy: Du musst Quellcode lesen, erklären, verändern und bewerten können. Wer Code nicht versteht, kann auch KI-generierten Code nicht verantwortungsvoll einsetzen.

Prompt- und Kontextkompetenz

Prompt Engineering bedeutet, Aufgaben so zu formulieren, dass die KI zielgerichtet arbeiten kann. Noch wichtiger ist Kontextmanagement: Die KI benötigt Informationen über Zielgruppe, Funktionsumfang, vorhandene Dateien, Programmiersprache, Framework, Architektur, Testumgebung, Stilregeln, Sicherheitsanforderungen und gewünschte Ausgabeform. Ein guter Prompt enthält daher nicht nur eine Bitte, sondern auch Kriterien für Erfolg und Grenzen der Bearbeitung.

Beispiel für einen lernförderlichen Agentic-Coding-Auftrag

Rolle: Du bist mein KI-Pair-Programming-Partner.
Ziel: Hilf mir, eine vorhandene Python-Funktion verständlicher zu refaktorieren.
Kontext: Die Funktion soll ihr Verhalten nicht ändern. Erkläre zuerst, was der Code tut.
Arbeitsweise: Mache kleine Änderungsvorschläge, begründe sie und schlage passende Tests vor.
Grenzen: Schreibe keinen komplett neuen Code, bevor ich die Analyse bestätigt habe.
Qualität: Achte auf Lesbarkeit, Randfälle, Fehlermeldungen und Wartbarkeit.

Dieser Auftrag ist lernförderlicher als ein allgemeiner Befehl wie „Mach den Code besser“, weil er Rolle, Ziel, Kontext, Grenzen und Qualitätskriterien sichtbar macht. Für Unterricht und Ausbildung ist diese Struktur besonders hilfreich, da sie den Denkprozess dokumentiert.

Prüf- und Bewertungskompetenz

KI-generierter Code muss geprüft werden. Dazu gehören Unit Tests, Integrationstests, manuelle Tests, Code Review, Statische Codeanalyse, Sicherheitsprüfung und Vergleich mit den ursprünglichen Anforderungen. Eine zentrale Kompetenz besteht darin, plausible Antworten nicht mit richtigen Antworten zu verwechseln. KI kann überzeugend formulieren und trotzdem Fehler, Sicherheitslücken oder unpassende Architekturentscheidungen produzieren.

Kollaborationskompetenz

KI-Pair-Programming ist nicht nur eine technische Praxis, sondern auch eine soziale Lernform. Du musst erklären, nachfragen, widersprechen, dokumentieren und Entscheidungen begründen. In Teams ist zusätzlich wichtig, transparent zu machen, welche Teile mit KI-Unterstützung entstanden sind. So bleiben Verantwortung, Nachvollziehbarkeit und Wissensaustausch erhalten.

Ethik, Recht und Sicherheit

Beim Einsatz von KI in der Softwareentwicklung entstehen Fragen zu Datenschutz, Urheberrecht, Lizenz, Bias, Informationssicherheit und Verantwortung. Du solltest keine vertraulichen Daten, Zugangsdaten, personenbezogenen Informationen oder geschützten Quellcode unbedacht in externe Systeme eingeben. Außerdem musst Du prüfen, ob KI-generierte Lösungen mit den geltenden Lizenzen, Sicherheitsstandards und organisatorischen Regeln vereinbar sind.

Didaktik in Schule, Ausbildung und Studium

Didaktisches Grundprinzip

Guter KI-Einsatz im Programmierunterricht bedeutet nicht, Lernende schneller zu fertigen Lösungen zu bringen. Ziel ist, Denkprozesse zu vertiefen. KI sollte als Lernpartner genutzt werden, der Fragen provoziert, Alternativen sichtbar macht und Reflexion ermöglicht. Dafür braucht es klare Aufgaben, sichtbare Zwischenschritte und Bewertungsformen, die nicht nur das Endprodukt, sondern auch den Prozess berücksichtigen.

Rollen im Lernsetting

In einer KI-Pair-Programming-Stunde können Rollen bewusst verteilt werden. Eine Person übernimmt die Rolle Driver und bedient die Entwicklungsumgebung. Eine zweite Person übernimmt die Rolle Navigator und prüft Anforderungen, Tests und Verständlichkeit. Die KI übernimmt eine begrenzte Assistenzrolle, zum Beispiel als Erklärer, Testgenerator oder Refactoring-Assistent. Eine vierte Beobachtungsrolle kann den Lernprozess dokumentieren: Welche Prompts wurden genutzt? Welche Vorschläge wurden übernommen? Welche Fehler wurden erkannt? Warum wurden Entscheidungen getroffen?

Vom Prompt zur Kompetenz

Ein häufiger Fehler besteht darin, Prompting nur als Tricktechnik zu behandeln. Didaktisch geht es jedoch um mehr: Ein guter Prompt zeigt, ob Du das Problem verstanden hast. Wenn Du Anforderungen, Randfälle, Datenformate und Qualitätskriterien benennen kannst, hast Du bereits zentrale Teile professioneller Softwareentwicklung geleistet. Deshalb kann Prompt Engineering als Brücke zwischen Anforderungsanalyse, Modellierung, algorithmischem Denken und Qualitätssicherung genutzt werden.

Scaffolding: Hilfen schrittweise abbauen

Beim Scaffolding erhalten Lernende zunächst starke Unterstützung. Am Anfang können Prompts teilweise vorgegeben sein. Später müssen Lernende selbst Kontextinformationen auswählen, Testfälle formulieren, KI-Antworten bewerten und Verbesserungen begründen. Am Ende sollen sie eine eigene Strategie für KI-gestützte Entwicklung entwickeln. Entscheidend ist, dass die Hilfen nicht dauerhaft die eigentliche Lernleistung ersetzen.

Leistungsbewertung

Eine faire Bewertung sollte nicht nur fragen, ob ein Programm funktioniert. Bewertet werden können auch Anforderungsklärung, Promptqualität, Testabdeckung, Begründungen, Fehleranalyse, Reflexion, Dokumentation und verantwortlicher Umgang mit KI. Besonders geeignet sind Portfolios, Lerntagebücher, mündliche Code-Erklärungen, Vergleichsanalysen und Projektberichte. So wird sichtbar, ob Lernende den Code verstanden haben.

Ablaufmodell für eine Unterrichtseinheit

Phase 1: Problem verstehen

Du analysierst die Aufgabe, formulierst Anforderungen und bestimmst Erfolgskriterien. In dieser Phase sollte die KI noch nicht sofort Code schreiben. Besser ist es, sie zunächst um Rückfragen, Randfälle oder mögliche Missverständnisse zu bitten.

Phase 2: Kontext bereitstellen

Du gibst der KI relevante Informationen: Programmiersprache, vorhandene Dateien, Schnittstellen, Datenformate, Tests, Zielgruppe und Einschränkungen. Je klarer der Kontext, desto besser können die Vorschläge werden. Gleichzeitig musst Du entscheiden, welche Informationen aus Datenschutz- oder Sicherheitsgründen nicht geteilt werden dürfen.

Phase 3: Lösung planen

Du lässt Dir mögliche Lösungswege erklären und vergleichst sie. Dabei achtest Du auf Verständlichkeit, Aufwand, Wartbarkeit und Risiken. In dieser Phase ist es sinnvoll, die KI nicht nur nach einer Lösung, sondern nach Alternativen und Bewertungskriterien zu fragen.

Phase 4: Code erzeugen oder ändern

Die KI kann nun kleine, überprüfbare Änderungen vorschlagen. Im Unterricht ist es sinnvoll, nicht sofort große Mengen Code übernehmen zu lassen. Besser sind kurze Iterationen: Änderung, Erklärung, Test, Review, Reflexion.

Phase 5: Testen und prüfen

Du prüfst, ob die Lösung die Anforderungen erfüllt. Tests sind dabei nicht nur technische Werkzeuge, sondern Lerninstrumente. Sie zeigen, ob Du erwartetes Verhalten, Randfälle und Fehlersituationen verstanden hast.

Phase 6: Reflektieren und dokumentieren

Am Ende dokumentierst Du, welche Prompts verwendet wurden, welche Vorschläge hilfreich waren, welche Fehler auftraten und was Du gelernt hast. Diese Reflexion macht aus KI-Nutzung einen nachvollziehbaren Lernprozess.

Typische Risiken und Gegenstrategien

Risiko: Scheinverständnis

KI kann eine Lösung liefern, bevor Du das Problem verstanden hast. Dadurch entsteht Scheinverständnis: Das Programm läuft vielleicht, aber Du kannst es nicht erklären. Die Gegenstrategie lautet: Erst Analyse, dann Code. Erkläre jede Funktion, jeden wichtigen Test und jede übernommene KI-Änderung mit eigenen Worten.

Risiko: Unsichere oder falsche Lösungen

KI kann veraltete Bibliotheken, unsichere Muster oder logisch falsche Lösungen vorschlagen. Die Gegenstrategie besteht aus Tests, Code Review, Dokumentation und Sicherheitsprüfung. Besonders bei Authentifizierung, Verschlüsselung, Datenverarbeitung und Netzwerkkommunikation darf KI-Code nicht ungeprüft übernommen werden.

Risiko: Abhängigkeit von Werkzeugen

Wenn Lernende jede Fehlermeldung sofort an die KI weitergeben, trainieren sie ihre eigene Diagnosefähigkeit zu wenig. Die Gegenstrategie lautet: Erst selbst Hypothesen bilden, dann KI zur Überprüfung oder Erweiterung nutzen. So bleibt Debugging eine aktive Kompetenz.

Risiko: Intransparente Leistung

Bei Projekten kann unklar werden, was Lernende selbst geleistet haben. Die Gegenstrategie ist ein KI-Nutzungsprotokoll. Darin steht, welche Werkzeuge genutzt wurden, welche Prompts wichtig waren, welche Vorschläge übernommen oder verworfen wurden und welche Entscheidungen selbst getroffen wurden.

Kompetenzraster

Kompetenzbereich	Grundlegend	Fortgeschritten	Vertieft
Problemdefinition	Du beschreibst die Aufgabe in eigenen Worten.	Du formulierst Anforderungen, Randfälle und Akzeptanzkriterien.	Du zerlegst komplexe Ziele in überprüfbare Teilaufgaben für Mensch und KI.
Prompt Engineering	Du stellst einfache Fragen an die KI.	Du gibst Rolle, Ziel, Kontext und Ausgabeformat an.	Du steuerst iterative Agentenprozesse mit Grenzen, Prüfregeln und Reflexionsschritten.
Code-Verständnis	Du erkennst die Hauptfunktion eines Codes.	Du erklärst Ablauf, Datenstrukturen und wichtige Entscheidungen.	Du bewertest Architektur, Wartbarkeit, Sicherheit und Alternativen.
Testen	Du führst vorhandene Tests aus.	Du entwickelst passende Testfälle für Normalfälle und Randfälle.	Du nutzt Tests zur Steuerung von Refactoring, Agentenarbeit und Qualitätssicherung.
Ethik	Du nennst Datenschutz- und Urheberrechtsrisiken.	Du wendest Regeln für sensible Daten und Lizenzen an.	Du entwickelst transparente KI-Nutzungsrichtlinien für Team oder Lernprojekt.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Was beschreibt KI-Pair-Programming am besten? (Eine Zusammenarbeit von Mensch und KI bei Analyse, Code, Tests und Reflexion) (!Das vollständige Ersetzen aller Entwicklerinnen und Entwickler durch KI) (!Das zufällige Kopieren von Code aus dem Internet) (!Das reine Auswendiglernen von Programmiersprachen)

Welche Rolle hat der Navigator im klassischen Pair Programming? (Er prüft, denkt strategisch mit und achtet auf das Gesamtziel) (!Er schreibt allein den gesamten Code ohne Rücksprache) (!Er verwaltet ausschließlich die Hardware) (!Er verhindert jeden Rollenwechsel)

Worin liegt ein zentrales Risiko von Vibe-Coding? (Code kann übernommen werden, ohne wirklich verstanden zu sein) (!Es dürfen keine Prototypen entstehen) (!Es erzeugt grundsätzlich nur fehlerfreien Code) (!Es verbietet natürliche Sprache)

Was kennzeichnet Agentic Coding besonders? (Ein KI-Agent plant Teilschritte, nutzt Werkzeuge und reagiert auf Ergebnisse) (!Ein Mensch darf keine Anforderungen mehr formulieren) (!Der Code wird ausschließlich per Zufall erzeugt) (!Tests werden grundsätzlich unnötig)

Welche Information verbessert einen Prompt für Softwareentwicklung besonders? (Klare Anforderungen, Kontext, Grenzen und Qualitätskriterien) (!Möglichst wenig Beschreibung des Problems) (!Nur eine vage Stimmung zum gewünschten Ergebnis) (!Ausschließlich der Name der Programmiersprache)

Warum bleiben Tests beim KI-gestützten Programmieren wichtig? (Sie prüfen, ob die Lösung erwartetes Verhalten und Randfälle erfüllt) (!Sie ersetzen jedes Verständnis des Codes) (!Sie verhindern jede Zusammenarbeit) (!Sie machen Anforderungen überflüssig)

Was gehört zu verantwortlicher KI-Nutzung in der Softwareentwicklung? (Sensible Daten schützen und KI-Ergebnisse kritisch prüfen) (!Passwörter in Prompts einfügen) (!Alle Vorschläge ungeprüft übernehmen) (!Fehlermeldungen ignorieren)

Welche Bewertungsform passt gut zu KI-Pair-Programming im Unterricht? (Ein Portfolio mit Prompts, Entscheidungen, Tests und Reflexion) (!Nur die Anzahl der erzeugten Codezeilen) (!Ausschließlich ein nicht erklärtes Endprodukt) (!Ein Test ohne Bezug zum Entwicklungsprozess)

Was bedeutet Scaffolding in diesem Zusammenhang? (Lernhilfen werden zunächst gegeben und später schrittweise reduziert) (!Alle Hilfen werden dauerhaft maximiert) (!Lernende arbeiten ohne jede Rückmeldung) (!KI wird grundsätzlich verboten)

Welche Kompetenz wird durch Agentic Coding besonders wichtig? (Die Fähigkeit, Ziele, Grenzen, Prüfregeln und Verantwortung zu steuern) (!Die Fähigkeit, nie wieder Code zu lesen) (!Die Fähigkeit, Tests zu vermeiden) (!Die Fähigkeit, Anforderungen geheim zu halten)

Memory

Driver	Schreibt aktiv Code
Navigator	Prüft Strategie und Verständlichkeit
Prompt	Formuliert den Auftrag an die KI
Kontext	Liefert relevante Projektinformationen
Unit Test	Prüft eine kleine Funktionseinheit
Refactoring	Verbessert Struktur ohne Verhaltensänderung
Review	Bewertet Codequalität und Risiken
Agent	Plant und bearbeitet Teilschritte mit Werkzeugen

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Zielklärung	Problem und Akzeptanzkriterien
Kontextaufbau	Dateien und Rahmenbedingungen
Agentenauftrag	Aufgabe in natürlicher Sprache
Validierung	Tests und Reviews
Reflexion	Lernprozess und Verantwortung

Kreuzworträtsel

Navigator	Welche Pair-Programming-Rolle achtet besonders auf Strategie und Überblick?
Prompt	Wie nennt man eine formulierte Eingabe an ein KI-System?
Kontext	Was braucht eine KI neben der Aufgabe, um passend reagieren zu können?
Testen	Welche Praxis prüft, ob Software wie erwartet funktioniert?
Review	Wie heißt die kritische Begutachtung von Quellcode?
Debugging	Wie nennt man das systematische Suchen und Beheben von Fehlern?

LearningApps

Lückentext

Beim klassischen Pair Programming arbeitet der Driver direkt am

. Der Navigator behält vor allem Strategie und

im Blick. Beim KI-Pair-Programming kann ein KI-System Vorschläge für Code, Tests und

machen. Vibe-Coding eignet sich besonders für schnelle

. Agentic Coding nutzt KI-Agenten, die Ziele planen und Werkzeuge

. Ein guter Prompt enthält Ziel, Kontext, Grenzen und

. KI-generierter Code muss durch Reviews und

geprüft werden. Für die Bewertung im Unterricht ist ein Portfolio mit Prompts, Entscheidungen und

besonders geeignet.

Offene Aufgaben

Leicht

Begriffsklärung: Erstelle eine eigene Erklärung der Begriffe Pair Programming, KI-Pair-Programming, Vibe-Coding und Agentic Coding in jeweils drei Sätzen.
Prompt-Vergleich: Schreibe zwei Prompts zur gleichen Programmieraufgabe, einen ungenauen und einen präzisen, und erkläre, welcher Prompt lernförderlicher ist.
Code-Erklärung: Lass Dir von einer KI eine kurze Funktion erklären und formuliere anschließend ohne KI eine eigene Erklärung in Alltagssprache.
KI-Nutzungsprotokoll: Dokumentiere bei einer kleinen Programmieraufgabe alle KI-Anfragen, übernommenen Vorschläge und verworfenen Ideen.

Standard

Testfälle entwickeln: Entwickle zu einer KI-generierten Funktion mindestens fünf Testfälle, darunter zwei Randfälle, und begründe ihre Auswahl.
Rollenmodell: Plane eine 30-minütige Pair-Programming-Übung mit Driver, Navigator und KI-Assistent und beschreibe die Rollenwechsel.
Fehleranalyse: Gib einer KI einen fehlerhaften Code, sammle ihre Diagnose und überprüfe selbst, ob die Erklärung stimmt.
Refactoring-Projekt: Verbessere mit KI-Unterstützung die Lesbarkeit eines kleinen Programms, ohne das Verhalten zu ändern, und dokumentiere jeden Schritt.

Schwer

Agentic-Coding-Szenario: Entwirf einen Agentenauftrag für eine mehrdateilige Softwareänderung mit Ziel, Kontext, Grenzen, Tests und Abbruchkriterien.
Didaktisches Konzept: Entwickle eine Unterrichtsstunde zu KI-Pair-Programming für eine konkrete Lerngruppe und begründe Lernziele, Methoden und Bewertung.
Ethik-Leitlinie: Formuliere eine Teamregel für den Umgang mit Datenschutz, Lizenzen, Transparenz und Verantwortung beim Einsatz von KI-Coding-Tools.
Vergleichsstudie: Vergleiche die Ergebnisse einer Aufgabe ohne KI, mit Vibe-Coding und mit Agentic Coding anhand von Verständlichkeit, Qualität, Zeitaufwand und Lernzuwachs.

Lernkontrolle

Transferaufgabe: Erkläre an einem selbst gewählten Beispiel, warum KI-generierter Code trotz korrekter Syntax fachlich falsch sein kann.
Didaktische Analyse: Beurteile, ob eine Aufgabe eher zum Lernen von Programmierkonzepten oder nur zur schnellen Produkterstellung geeignet ist.
Qualitätssicherung: Entwickle ein Prüfverfahren für ein KI-generiertes Programm, das Tests, Review, Sicherheitsaspekte und Dokumentation kombiniert.
Rollenreflexion: Beschreibe, wie sich die Rolle einer Entwicklerin oder eines Entwicklers verändert, wenn ein KI-Agent Teilschritte selbstständig ausführt.
Prompt-Diagnose: Analysiere einen schlechten Prompt, verbessere ihn und begründe, welche Informationen für die KI entscheidend sind.
Ethiktransfer: Entscheide in einem Fallbeispiel, ob bestimmte Projektdaten an ein KI-System übergeben werden dürfen, und begründe Deine Entscheidung.

Lernnachweis

Für den Lernnachweis erstellst Du ein kleines Portfolio zum Thema KI-Pair-Programming und Agentic Coding. Es enthält eine Aufgabenbeschreibung, mindestens drei eigene Prompts, eine Erklärung des entstandenen Codes, passende Tests, eine kritische Bewertung der KI-Vorschläge und eine Reflexion über Deinen Lernprozess. Entscheidend ist nicht, ob die KI besonders viel Code erzeugt hat, sondern ob Du Anforderungen, Lösungsweg, Qualität und Verantwortung nachvollziehbar darstellen kannst.

Kriterium	Erwartung
Verständnis	Du erklärst den Code und die wichtigsten Entscheidungen mit eigenen Worten.
Promptqualität	Du formulierst Ziel, Kontext, Grenzen und Qualitätskriterien nachvollziehbar.
Qualitätssicherung	Du nutzt Tests und Reviews zur Prüfung der Lösung.
Reflexion	Du beschreibst, was die KI gut konnte, wo sie Fehler machte und was Du gelernt hast.
Verantwortung	Du beachtest Datenschutz, Lizenzen, Transparenz und Sicherheit.

OERs zum Thema

Links

KI-Pair-Programming

aiMOOC-Projekte

Inhalte werden geladen ...

Mediathek wird aus dem Wiki geladen ...

Frag mich zum aktuellen Lerninhalt oder wähle eine kurze Hilfe.

Textmodus bereit

Sprache