KI-Programmieren lernen: Workshops für Entwickler und Fachabteilungen

„Programmieren mit KI“ ist inzwischen ein Sammelbegriff für sehr unterschiedliche Tätigkeiten: Eine Entwicklerin delegiert ein Refactoring an einen Coding-Agenten, ein Vertriebsleiter baut mit einem Prompt-to-App-Builder ein internes Dashboard. Beides lässt sich lernen, aber nicht im selben Kurs mit denselben Übungen. Dieser Beitrag zeigt, wie Sie Lernpfade für beide Gruppen aufsetzen.

Zwei Zielgruppen, zwei Lernziele

Zwei Lernpfade in je vier Stufen

Lernpfad für Entwickler

1. Vom Vorschlag zur Aufgabe: Statt Code-Vervollständigung formulieren Teilnehmende vollständige Aufgaben mit Kontext, Abnahmekriterien und Testbefehl. Übung: ein bestehender Bug wird ausschließlich per Agent behoben.
2. Kontext dauerhaft machen: Das Team schreibt eine Instruktionsdatei (CLAUDE.md oder AGENTS.md) mit Build-Befehlen, Architekturregeln und Verboten. Hintergrund dazu in AGENTS.md und CLAUDE.md erklärt.
3. Verifikation als Gewohnheit: Jede Agenten-Änderung wird gegen Tests, Linter und ein Review geprüft. Teilnehmende lernen, typische Fehlermuster zu erkennen: erfundene APIs, übersprungene Randfälle, „grüne“ Tests, die nichts prüfen.
4. Parallelisieren und automatisieren: Mehrere Agenten arbeiten in getrennten Branches, Routineaufgaben laufen im CI. Erst hier lohnt sich die Frage nach Werkzeugen wie Hooks, Subagenten oder MCP-Servern.

Wer Stufe 3 überspringt, produziert schneller Code, aber nicht schneller funktionierende Software.

Lernpfad für Fachabteilungen

1. Problem vor Prompt: Bevor gebaut wird, beschreiben Teilnehmende Nutzer, Ziel und die drei wichtigsten Abläufe auf einer Seite. Diese Beschreibung ist später auch die Übergabe an die IT.
2. Prototyp in Iterationen: Mit einem Builder entsteht ein klickbarer Prototyp. Gelernt wird, in kleinen Schritten zu ändern, Versionen zu sichern und bei Fehlschlägen zurückzurollen statt immer neue Korrekturprompts zu schreiben.
3. Daten mit Vorsicht: Fachanwender arbeiten nur mit Testdaten. Echte Kunden- oder Personaldaten gehören nicht in ein Prototyp-Werkzeug ohne Freigabe von Datenschutz und IT.
4. Grenzen erkennen: Teilnehmende lernen die Warnsignale, ab denen ein Prototyp professionelle Hilfe braucht: echte Nutzerkonten, Zahlungen, Schnittstellen zu Kernsystemen, mehr als ein paar Dutzend Nutzer.

Ein ausführlicheres Format für diese Gruppe beschreibt der Beitrag zum Vibe-Coding-Workshop.

Übungsprojekte, die sich bewährt haben

• Für Entwickler: Testabdeckung für ein vernachlässigtes Modul erhöhen; eine veraltete Abhängigkeit migrieren; eine interne CLI um einen Befehl erweitern; eine Fehlermeldung aus dem Ticketsystem reproduzieren und beheben.
• Für Fachabteilungen: ein Formular mit Freigabestufen; ein Dashboard auf Basis einer exportierten CSV; ein interner FAQ-Assistent auf Testdaten; ein Rechner für Angebote oder Kapazitäten.
• Gemeinsam: Die Fachabteilung übergibt ihren Prototyp an Entwickler, die ihn mit einem Coding-Agenten bewerten und eine Härtungsliste erstellen. Diese Übung macht beiden Seiten die jeweils andere Perspektive klar.

Welche Vorkenntnisse sinnvoll sind

Entwickler sollten sicher mit Git, der Kommandozeile und dem Testwerkzeug ihres Projekts umgehen können; ohne diese Grundlagen lässt sich kein Agent sinnvoll prüfen. Fachanwender brauchen keine Programmierkenntnisse, profitieren aber davon, vorab ein konkretes Problem aus ihrem Arbeitsalltag mitzubringen. Wer mit einer echten Fragestellung kommt, lernt deutlich mehr als mit vorgegebenen Beispielaufgaben.

Vier Missverständnisse, die Lernfortschritt bremsen

„Die KI programmiert, also muss ich nichts mehr verstehen.“

Wer Ergebnisse nicht beurteilen kann, kann sie auch nicht verantworten. Entwickler brauchen weiterhin Architektur- und Sicherheitswissen, Fachanwender ein Grundverständnis davon, was eine Datenbank, ein Login und eine Schnittstelle sind. Ein guter Workshop vermittelt dieses Minimum ausdrücklich.

„Der beste Prompt löst alles.“

Prompt-Formulierungen sind weniger wichtig als Kontext: Welche Dateien sind relevant, welche Regeln gelten, wie wird getestet? Ein mittelmäßiger Prompt mit gutem Kontext schlägt einen perfekten Prompt ohne Kontext fast immer.

„Wenn der Agent hängt, schreibe ich einfach weiter.“

Lange Korrekturschleifen verschlechtern Ergebnisse oft, weil sich Fehlannahmen im Verlauf ansammeln. Besser: abbrechen, die Aufgabe kleiner schneiden, mit frischem Kontext neu starten.

„Ein Prototyp, der läuft, ist fast fertig.“

Zwischen einer Demo und einem betreibbaren System liegen Berechtigungen, Fehlerbehandlung, Backups, Monitoring, Datenschutz und Wartung. Diese Lücke realistisch einzuschätzen, ist eines der wertvollsten Lernziele für Fachabteilungen.

Woran Sie einen passenden Workshop erkennen

• Die Zielgruppen werden getrennt geschult oder zumindest in getrennten Übungsblöcken betreut.
• Mindestens die Hälfte der Zeit ist praktische Arbeit an eigenen oder realistischen Aufgaben.
• Qualitätssicherung und Datenschutz sind eigene Blöcke, keine Fußnoten.
• Es gibt einen klaren Weg vom Prototyp in die Produktion – inklusive der Frage, wer dafür verantwortlich ist (siehe Vom Vibe-Coding-Prototyp zur produktiven Anwendung).
• Die Methode ist auf andere Werkzeuge übertragbar, weil sich Produkte schnell ändern.

Den Lernerfolg nach dem Workshop sichern

Die meisten Schulungen scheitern nicht am Inhalt, sondern an den Wochen danach. Drei einfache Maßnahmen helfen:

• Pilotvorhaben festlegen: Jede Gruppe verlässt den Workshop mit einer konkreten Aufgabe, die sie in den folgenden vier Wochen mit KI-Unterstützung umsetzt.
• Feste Sprechstunde: Eine wöchentliche halbe Stunde, in der Teilnehmende Fehlschläge und gelungene Lösungen zeigen, verbreitet Wissen schneller als jedes Handbuch.
• Gemeinsame Regeln dokumentieren: Welche Werkzeuge sind freigegeben, welche Daten dürfen verwendet werden, wer prüft Ergebnisse? Eine Seite im Intranet genügt, solange sie gepflegt wird.

Messen Sie nach etwa sechs Wochen nach, ob sich Durchlaufzeiten, Qualität der Anforderungen oder Anzahl gelöster Aufgaben verändert haben.

Lernen im Team statt allein

Selbststudium mit Videos funktioniert für einzelne Tool-Funktionen. Was es nicht liefert, sind gemeinsame Regeln: Welche Aufgaben dürfen Agenten übernehmen? Wer prüft? Welche Daten sind tabu? Diese Fragen klärt ein Team am besten gemeinsam, an eigenen Aufgaben. neooutput bietet dafür Teamtrainings nach dem Ansatz „build-as-you-learn“, Live-Workshops und 1:1-Beratung zu KI, Agentic Coding, No-Code und Automatisierung an. Für Fachabteilungen, die aus einem Prototyp eine echte App machen wollen, kann zusätzlich eine Plattform wie apprat.io sinnvoll sein, die KI-gestützte Entwicklung mit einem Budget an Entwicklerstunden kombiniert.