KI-unterstütztes Sofwaredesign und -engineering (KDE)

Wie weit kommt ein Team, wenn KI von der ersten Idee an mitentwickelt? Du durchläufst den gesamten Weg von der Konzeption über den Prototyp bis zum Deployment — mit lokalen Sprachmodellen, einem eigenen Coding-Harness und dem direkten Vergleich zu kommerziellen Systemen.

Inhalte

• Durchgängiger Workflow der KI-unterstützten Softwareentwicklung auf aktuellem technischen Stand: von der Ideenfindung über Entwurf, Implementierung und Test bis zum Deployment.
• Methoden der Konzeption und Ideenfindung unter KI-Einsatz, erarbeitet in ganztägigen Workshops.
• Funktionsweise, Fähigkeiten und Grenzen großer Sprachmodelle als Grundlage für ihren Einsatz in der Entwicklung.
• Aufbau eines Coding-Harness: wie ein Assistenzsystem Werkzeuge, Kontext und Testschleifen organisiert, und wie es sich an eigene Anforderungen anpassen lässt.
• Vergleich der Ausführungsumgebungen: lokal betriebene Modelle, wissenschaftliche Cloud-Infrastruktur und kommerzielle Anbieter.
• Bearbeitung einer bewusst anspruchsvollen Projektaufgabe von der Lösungsfindung bis zum Cloud-Deployment.
• Dokumentation, Präsentation und kritische Reflexion des eigenen Entwicklungsprozesses mit KI.

Lernziele/Kompetenzen

• ein Softwareprojekt von der Idee bis zum Deployment KI-unterstützt zu bearbeiten,
• KI-Werkzeuge gezielt in Konzeption, Entwurf, Implementierung und Qualitätssicherung einzusetzen,
• die Funktionsweise großer Sprachmodelle zu erklären und daraus deren Möglichkeiten und Grenzen abzuleiten,
• ein Coding-Harness zu betreiben, zu bewerten und an eigene Anforderungen anzupassen,
• lokal betriebene und cloudbasierte Modelle hinsichtlich Leistungsfähigkeit, Kosten, Datenschutz und Praxistauglichkeit zu vergleichen,
• Arbeitsstände und Ergebnisse vor Publikum zu präsentieren und ihre Entwurfsentscheidungen zu begründen,
• den eigenen Einsatz von KI im Entwicklungsprozess nachvollziehbar zu dokumentieren und kritisch zu bewerten.

Literatur

• M. Kofler, B. Öggl, and S. Springer, AI-Assisted Coding: The Practical Guide for Software Development. Bonn, Germany: Rheinwerk Verlag, 2025.
• I. Sommerville, Modernes Software-Engineering: Entwurf und Entwicklung von Softwareprodukten. Hallbergmoos, Germany: Pearson Deutschland, 2020.
• D. Jurafsky and J. H. Martin, Speech and Language Processing, 3rd ed. draft, 2025. [Online]. Available: https://web.stanford.edu/~jurafsky/slp3/
• C. Huyen, AI Engineering: Building Applications with Foundation Models. Sebastopol, CA, USA: O'Reilly Media, 2025.

Dozentinnen / Dozenten

• Prof. Dr. Sebastian Steger
• Adrian Lehmann
• Prof. Dr. Kai Eckert
• Prof. Dr. Anuja Hariharan

Empfohlene Vorkenntnisse 

• Sichere Programmierkenntnisse in mindestens einer Sprache, idealerweise Python.
• Software Engineering 1 und 2 oder vergleichbare Kenntnisse über den Softwareentwicklungsprozess.
• Sicherer Umgang mit Git und der Kommandozeile.
• Bereitschaft, sich in eine Cloud-Umgebung und in den Betrieb lokaler Modelle einzuarbeiten.
• Bereitschaft zu eigenständiger, kontinuierlicher Projektarbeit über das gesamte Semester.

Daten zum Modul

Semesterwochenstunden (SWS) 

Arbeitsaufwand (Workload)