AI Coding: Programmieren mit KI-Assistenten

Programmieren im KI-Zeitalter

KI-Assistenten revolutionieren das Programmieren. Lerne, wie du mit Copilot, Claude und lokalen LLMs effizienter programmierst – ohne die Kontrolle zu verlieren.

Was du lernst

Code-Assistenten verstehen

• Wie funktionieren Code-LLMs?
• Copilot vs. Claude vs. ChatGPT
• Lokale Alternativen: Ollama, CodeLlama
• Wann nutzen, wann nicht?

Prompt Engineering für Code

• Die richtige Frage stellen
• Kontext geben: Dateien, Projekt, Stil
• Iteratives Verfeinern
• Multi-Step Prompts für komplexe Aufgaben

Praktische Workflows

• Code generieren lassen
• Bugs finden und fixen
• Code erklären und dokumentieren
• Tests schreiben mit KI

Workshop-Ablauf

Teil 1: Überblick & Demo (45 Min)

• Landschaft: Welche Tools gibt es?
• Live-Demo: Copilot, Claude, Cursor
• Vergleich: Stärken und Schwächen
• Lokal vs. Cloud: Datenschutz!

Teil 2: Hands-on Coding (90 Min)

• Setup: Cursor oder VS Code + Extension
• Übung 1: Funktion beschreiben → Code generieren
• Übung 2: Bug finden und fixen lassen
• Übung 3: Code refactoren mit KI
• Übung 4: Tests automatisch generieren

Teil 3: Lokale LLMs (45 Min)

• Ollama installieren: Lokale KI ohne Cloud
• CodeLlama & DeepSeek: Spezialisierte Code-Modelle
• Integration: In IDE einbinden
• Performance: Was läuft auf welcher Hardware?

Teil 4: Best Practices & Gefahren (30 Min)

• Code-Qualität: KI-Code ist nicht perfekt!
• Sicherheit: Keine Secrets in Prompts!
• Lernen: KI nutzen ohne Lernen zu verhindern
• Zukunft: Wohin geht die Entwicklung?

Tools die wir nutzen

Cloud-basiert:

• GitHub Copilot (Studenten kostenlos!)
• Cursor IDE
• Claude.ai

Lokal (kein Internet nötig):

• Ollama mit CodeLlama
• Continue.dev Extension
• DeepSeek Coder

Beispiel-Projekte

Im Workshop:

# Du beschreibst was du willst:
"Erstelle eine Funktion die eine CSV-Datei
einliest und die Daten als Balkendiagramm
plottet. Nutze pandas und matplotlib."

# KI generiert funktionierenden Code!

Danach:

• Arduino-Projekte schneller umsetzen
• Webseiten programmieren lassen
• Datenanalyse automatisieren
• Scripts für Automatisierung

Für Schulen

Lehrplan-Bezüge

• MI.2.2: Algorithmen verstehen und anwenden
• MI.2.3: Programme entwickeln und testen
• Überfachlich: Kritisches Denken, Selbstständigkeit

Didaktische Hinweise

• KI als Lernhilfe, nicht als Abkürzung
• Code immer verstehen bevor verwenden
• Transparenz: KI-Nutzung deklarieren
• Balance zwischen KI und eigenem Lernen

Projekt-Ideen für Schulen

• Maturarbeit: KI-gestützte Datenanalyse
• Informatik-Projekt: App mit KI-Hilfe bauen
• Vergleichsstudie: Mit vs. ohne KI programmieren

Voraussetzungen

• Alter: Ab 14 Jahren
• Vorkenntnisse: Hilfreich aber nicht nötig
• Hardware: Wird gestellt
• Accounts: Wir nutzen primär lokale Tools

Preise

Perfekt als Ergänzung zu Arduino/Robotik-Kursen – programmiere deine Projekte mit KI-Unterstützung!