OpenCode: Softwareentwicklung mit KI-Agenten
Die Softwareentwicklung verändert sich grundlegend: von klassischen Autovervollständigungs-Werkzeugen hin zu agentengestützten und zunehmend autonomen KI-Systemen. Moderne Entwicklungsansätze kombinieren spezifikationsgetriebene Entwicklung mit KI-Agenten und ergänzen diese um strukturierte Verifikations- und Qualitätsprozesse.
In diesem praxisorientierten Seminar lernen die Teilnehmer, wie sie das providerneutrale Open-Source-Werkzeug OpenCode effektiv in ihren Entwicklungsalltag integrieren. Dabei steht nicht ein bestimmtes Modell oder ein einzelner Anbieter im Vordergrund. Die Konzepte sind auf unterschiedliche LLMs übertragbar, etwa auf Modelle von OpenAI, Anthropic, DeepSeek oder lokale Modelle über Ollama.
Der Fokus liegt auf kontrollierter, nachvollziehbarer KI-gestützter Entwicklung. Die Teilnehmer lernen, wie Architekturqualität, Wartbarkeit, Codekonsistenz und Sicherheit auch bei agentengestützten Entwicklungsprozessen langfristig gesichert werden. Die Übungen orientieren sich an den Projekten und der Technologie des Teams.
- Dauer
- 3 Tage
- Umfang
- 24 Unterrichtsstunden
- Ort
- Bei Ihnen oder online
Inhalte des Seminars
Das ist der Standardumfang. Wählen Sie ab, was Ihr Team schon kann, und schicken Sie uns Ihre Auswahl.
- Einführung in KI-Agenten und ihre Rolle in der Softwareentwicklung
- Abgrenzung klassischer Entwicklungsassistenten von agentengestützter Entwicklung
- Imperative und deskriptive Softwareentwicklungsprozesse
- Specification Driven Development: spezifikationsbasierte Entwicklung mit KI-Unterstützung
- Integration von KI-Agenten in moderne Entwicklungsprozesse
- Einordnung weiterer Werkzeuge: Claude Code, GitHub Copilot im Agent Mode, Cursor, OpenAI Codex CLI
- Installation und Konfiguration von OpenCode
- Nutzung von OpenCode über CLI und Paketmanager
- Providerneutrale Nutzung von Cloud-Modellen und lokalen Modellen
- Einsatz unterschiedlicher LLMs, zum Beispiel von OpenAI, Anthropic, DeepSeek oder über Ollama
- Bewertung von Modellunterschieden für Codegenerierung, Planung und Refactoring
- Austauschbarkeit von Modellen innerhalb kontrollierter Entwicklungsprozesse
- Strukturierter Entwicklungsprozess mit KI-Agenten
- Anforderungsanalyse für funktionale und nichtfunktionale Anforderungen
- Automatische Projektanalyse durch KI-Agenten
- Erstellung technischer Umsetzungspläne
- Einsatz eines Plan-Agenten für Analyse und Read-only-Aufgaben
- Einsatz eines Build-Agenten für Implementierung und Änderungsvorschläge
- Semantisches Codeverständnis durch Language Server Protocol
- Kontextmanagement: Kontextfenster, Komprimierung und Aufteilen langer Sessions
- Kosten und Token-Verbrauch im Blick behalten
- Projektregeln für Agenten mit
AGENTS.md - Coding-Konventionen und Architekturvorgaben verbindlich festhalten
- Architektur von Agenten in OpenCode
- Eigene Agenten und Commands konfigurieren
- Aufbau und Nutzung von Skills
- Berechtigungen: Welche Aktionen darf der Agent ohne Rückfrage ausführen?
- Projektregeln für Agenten mit
- Einführung in das Model Context Protocol
- MCP-Server in OpenCode einbinden
- Semantische Code-Intelligenz für bestehende Projekte
- Suche, Call Graphs und Impact-Analysen
- Datenbankintegration über Schema-Analysen
- Datenmodelle aus Datenbankschemas generieren
- Sicherheitskonzepte für MCP-Server
- Least-Privilege-Ansatz bei Systemzugriffen
- Isolierte Ausführungsumgebungen mit Docker
- Testgetriebene Arbeit mit Agenten: Tests als Leitplanke
- Automatisierte Unit-, Integrations- und API-Tests erzeugen lassen und prüfen
- Verifikation durch strukturierte Feedback-Schleifen
- Review von KI-Änderungen: Diffs prüfen, kleine Schritte
- Versionierung, Commit-Strategie und Pull Requests mit Git
- Kontrolle von Änderungen in bestehenden Codebasen
- Headless-Betrieb von OpenCode
- Agenten in GitHub- und GitLab-Workflows
- Automatisierte Code-Reviews und Issue-Bearbeitung
- Risiken KI-gestützter Entwicklung
- Architekturdrift in wachsenden Codebasen
- Inkonsistente Codegenerierung erkennen und vermeiden
- Strategien für Konsistenz und Qualität
- Vorteile statisch typisierter Sprachen und klarer Architekturen für KI-gestützte Codegenerierung
- Reduktion von Halluzinationen
- Sicherheit: Prompt Injection über Code, Abhängigkeiten und Dokumente
- Auswahl geeigneter Modelle für Stabilität, Konsistenz, Datenschutz und Kostenkontrolle
- Bewertung von Cloud-Modellen und lokalen Modellen für Enterprise-Szenarien
- Langfristige Wartbarkeit agentengestützter Softwareprojekte
- Auswirkungen von KI-Agenten auf das Berufsbild Softwareentwickler