Programmieren mit KI

KI-unterstütztes Programmieren in der Praxis

Aufbaukurs für Entwickler:innen mit ersten KI-Erfahrungen

vhs Worms Dozent: Michael Wegener

- Begrüßung, kurze Einordnung: heute geht es um KI als Coding-Partner - Fokus: Cline als AI Coding Agent in VS Code - Zielgruppe: Menschen, die bereits programmieren (mind. Grundkenntnisse)

Ihr Dozent: Michael Wegener

🎯 Rollen & Erfahrung

👨‍💻 KI-Ingenieur & Entwickler bei der satware AG

🧩 Schwerpunkt: Webanwendungen, KI-Integration, Developer-Workflows

🏗️ Mitgründer des U.10 Makerspace an der vhs Worms

👨‍🏫 Dozent für KI & digitale Themen an der vhs

⚡ 30 Jahre Entwicklungserfahrung

- Eigene Praxis mit KI-gestütztem Programmieren kurz skizzieren - Betonen: kein „Magic Button“, sondern Werkzeug für Profis

Vorstellungsrunde: Ihr Vibe beim Programmieren

👥 Wer sitzt im Raum?

💻 Programmiererfahrung – Sprachen / Frameworks (z.B. Python, JavaScript, C#, …)

🧰 Tools – Nutzen Sie bereits VS Code, Git, Tests?

🤖 KI-Erfahrung – ChatGPT, Copilot, andere Assistenten?

🎯 Erwartungen – Was soll KI Ihnen beim Coden abnehmen?

- Kurzhalten, aber gezielt nach Sprachen & Projekten fragen - Notieren, welche Ökosysteme (Web, Daten, Scripting) vertreten sind

Warum KI beim Programmieren?

🧠 Motivation

⚡ Geschwindigkeit – Boilerplate, Routinecode, Umbauten

🧪 Qualität – Tests, Refactorings, Erklärungen zu fremdem Code

📚 Lernen – neue Frameworks & Patterns im Kontext des eigenen Projekts

🧱 Fokus – mehr Zeit für Architektur & Fachlogik, weniger Fleißarbeit

- Beispiele aus eigener Praxis nennen (z.B. Migrations, Tests, Docs) - Klarstellen: KI ergänzt, ersetzt aber kein grundlegendes Verständnis

Was ist Cline?

🤖 Cline als AI Coding Agent

🧩 VS-Code-Erweiterung – läuft direkt im Editor

🔍 Plan & Act – erst verstehen, dann (auf Wunsch) Dateien ändern

📂 Projekt-Bewusstsein – liest & bearbeitet mehrere Dateien im Kontext

🌐 Bring your own LLM – nutzt Ihre API-Keys (z.B. Claude, GPT, Gemini, lokale Modelle)

- Unterschied zu „nur ChatGPT im Browser“: Dateizugriff, Terminal, Tests - Abgrenzung zu Cursor/Copilot: Open Source, volle Kontrolle, kein Abo-Zwang

LLMs kurz erklärt

🧠 Sprachmodelle im Hintergrund

📚 Large Language Models – Musterlernen aus vielen Code- & Textbeispielen

🎯 Cline als Orchestrator – schickt Aufgaben an das gewählte Modell

🔑 Provider – z.B. Anthropic (Claude), OpenAI (GPT), OpenRouter, lokale Modelle

🧱 Kosten & Latenz – abhängig von Modellwahl & Prompt-Größe

- Nur so tief einsteigen, wie für Verständnis nötig - Hinweis: Im Kurs nutzen wir ein vorbereitetes Setup / Test-Keys

Architektur: Plan & Act

🔄 Arbeitsweise von Cline

📝 Plan-Modus (Read-only) – Codebasis analysieren, Konzept ausarbeiten

🛠️ Act-Modus (Write) – nach Freigabe Dateien anlegen/ändern

💻 Terminal & Browser – Tests ausführen, App starten, Verhalten prüfen

📌 Checkpoints & Git – Änderungen nachvollbar & rücksetzbar

- Plan/Act an einem Mini-Beispiel erklären - Betonen: Kein automatischer Write-Zugriff, immer mit Approval

Voraussetzungen & Setup

🧰 Was wir im Kurs nutzen

🧱 VS Code mit Cline-Extension

🔑 API-Zugänge – vorbereitete Keys / Demo-Konfiguration

📂 Beispielprojekt – kleines Repo (z.B. Web- oder CLI-App)

🐧 Terminal & Git – grundlegende Bedienung im Kurs gezeigt

- Prüfen, ob bei allen VS Code & Cline laufen - Kurz auf .clinerules (Projektregeln) hinweisen - Optional: Hinweis auf lokale Modelle (Ollama/LM Studio) als Ausblick

Live-Demo: Von Aufgabe zu Code

🚀 Cline in Aktion

1️⃣ User Story formulieren – z.B. „kleiner Datei-Importer mit Log-Ausgabe“

2️⃣ Plan-Modus – Cline analysiert Projekt, schlägt Vorgehen vor

3️⃣ Act-Modus – nach Freigabe: Dateien anlegen/ändern, Tests laufen lassen

4️⃣ Review – gemeinsam Code & Testausgaben prüfen

- Nur ein überschaubares Beispiel wählen, Fokus auf Ablauf - Zeigen, wie Cline mit Fehlermeldungen umgeht

Praktische Übung 1: Ihr erstes Vibe Coding

✋ Hands-on: Kleine Funktion mit Tests

🧾 Aufgabe: einfache Funktion (z.B. Daten filtern, Formatierung, kleine API-Abfrage)

🧪 Tests: Cline bitten, passende Unit-Tests zu erzeugen und auszuführen

🔁 Iterationen: Fehlschläge analysieren, zusammen mit Cline verbessern

📌 Checkpoint: Zwischenstand sichern, Unterschiede ansehen

- Teilnehmer:innen wählen Sprache nach Komfort (Python/JS/…) - Bei Bedarf Vorlagen für Projekte/Struktur bereitstellen

Praktische Übung 2: Refactoring & Debugging

🧰 Bestehenden Code verbessern

📂 Ausgangspunkt: bewusst „unschöner“ Beispielcode

🧠 Analyse: Cline im Plan-Modus nach Problemen / Verbesserungen fragen

🛠️ Refactoring: gezielte Umbauten durch Cline vorschlagen & umsetzen lassen

🐞 Debugging: Fehler provozieren, Logs/Stacktraces gemeinsam mit Cline auswerten

- Ziel: Vertrauen in den Debug-/Refactor-Workflow mit KI aufbauen - Wichtig: Nicht „blind übernehmen“, sondern Entscheidungen verstehen

Sicherheit, Datenschutz & EU AI Act

⚖️ Verantwortungsvoll mit KI coden

🔑 API-Keys schützen – nie im Code-Repo speichern

📤 Daten, die gesendet werden – Code, Prompts, ggf. Logs → Provider-Richtlinien prüfen

🏢 Firmen-Policies – Compliance, Geheimhaltung, ggf. On-Prem/Local-Modelle

🇪🇺 EU AI Act & Transparenz – Einsatz von KI im Entwicklungsprozess dokumentieren

- Offen über Risiken sprechen (geistiges Eigentum, sensible Daten) - Konkrete Pragmatiktipps geben (Redlines, Projektarten, Modellwahl)

Typische Stolpersteine & Best Practices

🧭 Aus der Praxis

🧩 Zu große Aufgaben – lieber in kleine, klar formulierte Schritte aufteilen

🔍 Vertrauen, aber prüfen – Tests, Code-Review, Sicherheitsaspekte

💸 Kosten im Blick – Modellwahl & Kontextgröße steuern

🎯 Cline „erziehen“ – .clinerules & Projektkonventionen nutzen

- Eigene „Fails“ und Learnings teilen - Teilnehmer:innen ermutigen, Guidelines für ihr Team zu definieren

Fragen & Diskussion

❓ Ihre Erfahrungen & Ideen

💭 Fragen zu Workflow, Setup, Modellen

🧩 Use Cases aus Ihrem Alltag – was würden Sie gern automatisieren?

🤝 Erfahrungsaustausch – Tipps, die sich in der Praxis bewährt haben

🚀 Nächste Schritte – wie es nach dem Kurs weitergehen kann

- Raum für konkrete Projektideen geben - Optional: Kurz über weiterführende Ressourcen sprechen (Docs, Repos, Communities)

Vielen Dank!

🎓 Sie sind jetzt bereit für KI-gestütztes Programmieren:

✅ Verstanden, wie Cline & LLMs im Hintergrund arbeiten

🛠️ Eigenständig genutzt, um Code zu schreiben, zu testen & zu verbessern

⚖️ Bewusstsein für Sicherheit & Verantwortung beim KI-Einsatz

🚀 Impulse für eigene Projekte & Team-Workflows gewonnen

📧 Kontakt: mw@satware.com | 🌐 U.10 Makerspace

- Zur weiteren Vertiefung ermutigen - Hinweis auf mögliche Folgekurse / Makerspace-Angebote

Daten

https://opencode.ai/zen/go/v1

Model: kimi-k2.7-code