Coding mit KI

Begrüßung

Keynote: KI-Tools im Entwickler­team – Was funktioniert, was nicht?

KI-gestütztes Coding verspricht schnellere Entwicklung, besseren Code und effizientere Workflows. Doch wie sieht die Realität aus, wenn ein ganzes Team mit Copilot, Cursor oder Claude arbeitet? Diese Keynote vom Entwickler-Team bei dmTECH berichtet aus erster Hand: Welche Produktivitätsgewinne ließen sich tatsächlich messen? Wo sind KI-Tools im Alltag gescheitert? Wie haben sich Code-Reviews, Onboarding und Zusammenarbeit verändert – und welche neuen Probleme sind entstanden, mit denen niemand gerechnet hat? Konkrete Zahlen, gescheiterte Experimente und Entscheidungen, die das Team im Nachhinein mit heutigem Wissen anders treffen würde. Ein Erfahrungsbericht für alle, die KI-Tools nicht ausprobieren, sondern dauerhaft einsetzen wollen.

Guter Code trotz KI – wie Qualitätssicherung sich verändern muss

KI-generierter Code sieht oft sauber aus. Er folgt Konventionen, ist gut formatiert, hat sogar Kommentare. Und genau das ist das Problem: Die üblichen Warnsignale für schlechten Code fallen weg. Stattdessen entstehen neue Qualitätsprobleme, die schwerer zu erkennen sind: stilistische Inkonsistenzen über Dateigrenzen hinweg, Architektur-Erosion durch kontextloses Generieren, schleichende Komplexität, die erst beim dritten Refactoring auffällt. Welche Qualitätsmetriken greifen noch, wenn ein relevanter Teil des Codes nicht mehr von Menschen geschrieben wird? Wie verändern sich Code-Reviews? Wie verhindert man, dass KI-Tools zwar schneller liefern, aber die langfristige Wartbarkeit erodiert? Und wo macht KI Code tatsächlich besser – weil sie Muster konsistenter umsetzt als ein Team aus zwölf Entwicklern mit zwölf verschiedenen Gewohnheiten?

The Trust Trap – Security von Coding Assistants

Coding Assistants wie Github Copilot, Cursor oder Claude Code versprechen einen Effizienzboost für die Softwareentwicklung. Doch welchen Einfluss hat die Nutzung dieser Tools auf die Software Security?

Dieser Vortrag analysiert die unterschiedlichen Varianten von Coding Assistants in Hinblick auf die Sicherheit des entstehenden Codes. Er gibt einen Überblick über die aktuelle Studienlage und die Benchmarks zu den verschiedenen Modellen und diskutiert die Ergebnisse. Neben der Bedeutung von eingebrachten Schwachstellen im Code selbst werden Risiken in der Nutzung der Tools diskutiert. Zuletzt gibt der Vortrag Empfehlungen zu Best Practices für die sichere Verwendung.

Lernziele: Sie lernen die Risiken bei der Nutzung von Code Assistants kennen: Themen wie Slopsquatting, Model Poisoning und Rules File Backdoors ebenso wie Sicherheitslücken im entstehenden Code. Sie erfahren außerdem, worauf bei der Nutzung zu achten ist, wie Reviews und Tests zu gestalten sind, und welche ergänzenden Maßnahmen im Entwicklungsprozess hilfreich sind.

Spec-Driven Development in der Praxis – vom Prompt zum Prozess

KI-Tools sind beeindruckend – aber im Unternehmenskontext war Code schreiben nie der Flaschenhals. Die Reibung steckt im Prozess: Tickets in Entwicklungs­pläne überführen, Tests schreiben und ausführen, Analysetools einbinden, deployen, Fehler debuggen. Bei eventim wurde der KI-gestützte Workflow wie ein neuer Entwickler eingearbeitet: mit Zugriff auf GitLab und Jira, mit Workflows als wiederverwendbare Skills und mit klaren Standards – vom Ticket bis zum verifizierten Ergebnis. Entwickler reviewen Ergebnisse, statt einzelne Schritte auszuführen. Fabian Meyer, Chapter Lead bei eventim Tech, zeigt den Weg vom rudimentären Einsatz von ChatGPT zu einem eigenen Spec-Driven-Development-Workflow: Welche Hürden gab es, was hat funktioniert – und was würde das Team heute anders machen?

Mittagspause

FOMO, Hype und Alltag – KI-Engineering bei der REWE Group

LLMs und agentische Systeme versprechen Produktivitätsgewinne, Automati­sierung, »10x Engineers« und neue Formen der Softwareentwicklung. Gleich­zeitig entwickeln sich Ansätze und Methoden für agentisches Program­mieren sehr dynamisch und uneinheitlich weiter. In kurzer Taktung erscheinen neue Modelle, die Benchmarks schlagen und bestehende Annahmen infrage stellen. Häufig bestimmt dabei FOMO statt klarer Orientierung den Entwicklungs­alltag.

In diesem Vortrag teilt Nils Klüwer Erfahrungen aus dem Analytics Umfeld der REWE Group – konkret aus dem Bereich AI Strategy & Enablement. Dabei zeigt er auf, wie Agentic Engineering aktiv eingesetzt und auf dieser Basis schrittweise in die Organisation getragen und enabled wird. Der Fokus liegt bewusst auf Learnings aus realen Projekten: was im Alltag hilft, wo Grenzen sichtbar werden und warum Agentic Engineering aktuell nicht über starre Regeln, sondern als Lern- und Adoptionsprozess verstanden wird – mit dem Ziel produktiver Softwareentwicklung.

Legacy-Systeme modernisieren mit KI: Dokumentation, Refactoring, Migration

Undokumentierter Code aus den Vorjahren, drei Framework-Versionen im Rückstand, niemand im Team war damals dabei – das ist kein Sonderfall, das ist für viele Softwareentwickler*innen Alltag. Und genau hier sind KI-Tools überraschend nützlich. Sie lesen und verstehen Altcode, erzeugen fehlende Dokumentation oder unterstützen bei systematischem Refactoring und bei der Migration zwischen Sprachversionen.

Der Vortrag zeigt konkrete Workflows: Wie setzt man KI auf eine bestehende Codebasis an, ohne Chaos zu erzeugen? Wie lässt sich Retrieval Augmented Generation nutzen, um dem Modell projektspezifisches Wissen beizubringen? Und wo halluziniert das Modell Zusammenhänge, die nie existiert haben?

Mit Coding Agents arbeiten: Was im Projektalltag funktioniert und was nicht

Coding Agents können im Alltag sehr hilfreich sein, aber selten so, wie es die Demos versprechen. In echten Projekten sind es oft nicht die großen Automatisierungen, die den Unterschied machen, sondern viele kleine Entscheidungen: Welche Regeln bekommt ein Agent mit? Wann helfen Skills wirklich weiter? Welche MCP-Server bringen echten Mehrwert? Und wie schneidet man Aufgaben so zu, dass das Kontextfenster nicht zum Engpass wird?

In diesem Vortrag zeigt Sebastian Springer, wie man mit Rule-Files, Skills und MCP-Integrationen arbeitet, welche Aufgaben er einem Agenten guten Gewissens überlassen kann und an welchen Stellen er bewusst enger führt oder selbst das Heft übernimmt. Dabei geht es nicht um ein ideales Zielbild, sondern um konkrete Arbeitsweisen für Features, Refactorings und Bugfixes, inklusive der Dinge, die im Entwickleralltag eher nicht funktioniert haben.

Sie bekommen keinen allgemeinen Hype-Vortrag, sondern einen ehrlichen Einblick in einen Entwicklungsprozess mit Coding Agents: pragmatisch, technisch und direkt aus der Praxis. Am Ende ist klarer, welche Bausteine wirklich helfen und wie ein eigener, funktionierender Workflow aussehen kann.

Schlussworte