KI & Automatisierung / KI-Coding / Einstieg / Programmieren mit KI

Aus Dokument
Zur Navigation springen Zur Suche springen

Programmieren mit KI

Hinweis zur Software-Auswahl:

Diese Dokumentation priorisiert Open-Source-Software, die lokal unter Ubuntu installiert und betrieben werden kann.
Bei proprietären Services wird stets eine Open-Source-Alternative mit gleichem Funktionsumfang gegenübergestellt.
LLM-Modelle und APIs werden unabhängig vom Preis gelistet, da sie die Grundlage für Code-Intelligenz darstellen.

Legende

Symbol Bedeutung
🟩 Open Source – kostenlos, lokal / Ubuntu-kompatibel
💰 Kostenpflichtig
🤖 LLM-Modell / API – bleibt immer gelistet
🐧 Linux / Ubuntu nativ
🌐 Nur Web-Browser


Lernpfad-Übersicht

Inhaltsverzeichnis


🟢 Phase 1 – Konzeption & Code-Generierung

Was lerne ich hier?

Wie du Anforderungen präzise an KIs übergibst, den Unterschied zwischen automatischer Vervollständigung und Chat-Generierung verstehst und deine lokale IDE aufrüstest.
Voraussetzungen: Grundlegende Programmierkenntnisse.

1.1 Konzept: KI-Unterstützung über den gesamten Software-Lebenszyklus

Die Phasen der Codeerstellung

KI-Unterstützung beschränkt sich nicht nur auf das Schreiben von Codezeilen. Sie erstreckt sich über alle Entwicklungsphasen:


1.2 Thema: Konzeption & API-Design mit KI

Konzept: Spezifikationen und JSON-Schemata generieren

Bevor eine Zeile Code geschrieben wird, hilft die KI, die Datenstruktur festzulegen. Ein OpenAPI-Dokument oder eine JSON-Spezifikation lässt sich präzise über einen System-Prompt entwerfen.


1.3 Thema: Code-Completion vs. Chat-basierte Code-Generierung

Zwei unterschiedliche Interaktionsmuster

  • Code-Completion (Inline): Arbeitet unauffällig im Hintergrund. Schlägt das nächste Wort oder die nächste Zeile vor, während du tippst (FIM-Prinzip: Fill-in-the-Middle).
  • Chat-basierte Generierung: Du stellst eine explizite Frage in einer Seitenleiste und bekommst einen vollständigen Codeblock inklusive Erklärung zurück.


1.4 Thema: Lokale Integration in VSCodium (Continue.dev)

Konzept: Datenschutzkonformer IDE-Copilot

Über das Open-Source-Plugin Continue.dev verbindest du deine IDE mit einem lokalen Ollama-Server auf deinem Ubuntu-Rechner. Dein Quellcode verlässt somit niemals deine eigene Hardware.

Software – Open Source zuerst:

Software Typ Funktion Ubuntu Link
🟩 VSCodium IDE Der quelloffene Code-Editor ohne Telemetrie 🐧 Ja vscodium.com
🟩 Continue.dev IDE-Plugin Verbindet VSCodium mit lokalen oder Cloud-LLMs 🐧 Ja continue.dev
🟩 🤖 Ollama LLM Server Lokaler Modell-Server (Modelle: DeepSeek-Coder, Qwen) 🐧 Ja ollama.com

Vergleich: Open Source vs. Kommerziell

Funktion Open Source 🟩 (Ubuntu / Lokal) Kommerziell 💰
Code-Assistent VSCodium + Continue.dev + Ollama VS Code + GitHub Copilot, Cursor


🟡 Phase 2 – Testing, Debugging & Refactoring

Was lerne ich hier?

Wie du automatische Tests schreibst, Fehler systematisch behebst und deinen Code so aufräumst, dass er wartbar bleibt.
Voraussetzungen: Phase 1 abgeschlossen.

2.1 Konzept: Der iterative Entwicklungs- und Testzyklus

Roter und grüner Code

2.2 Thema: Automatisches Generieren von Unit-Tests

Konzept: Testabdeckung und Edge-Cases

KI ist hervorragend darin, stupide Schreibarbeit zu übernehmen. Sie generiert Unit-Tests für deine Funktionen und findet dabei oft Randfälle (z. B. leere Listen, negative Zahlen, ungültige Zeichen), an die du selbst nicht gedacht hast.

Software – alle Open Source:

Software Typ Funktion Ubuntu Link
🟩 pytest Test-Framework Der Standard für Python-Testing 🐧 Ja pytest.org
🟩 Vitest Test-Framework Ultraschnelles Test-Framework für JavaScript/TypeScript 🐧 Ja vitest.dev


2.3 Thema: Systematisches Debugging mit Stack Traces

Der strukturierte Debug-Prompt

Anstatt Fehlermeldungen manuell zu suchen, kopierst du den kompletten Traceback in den Chat: 

Prompt: "Erkläre diese Fehlermeldung verständlich und schlage einen Bugfix vor.
         Traceback: [Fehler-Text]
         Code: [Code-Ausschnitt]"

2.4 Thema: Code-Refactoring & Verbesserung der Lesbarkeit

Refactoring-Paradigmen

  • DRY (Don't Repeat Yourself): Redundanzen entfernen.
  • KISS (Keep It Simple, Stupid): Code-Komplexität minimieren (keine tief verschachtelten If-Bedingungen).
  • PEP 8 / Clean Code: Einhaltung des offiziellen Python-Design-Guides.

Software – alle Open Source:

Software Typ Funktion Ubuntu Link
🟩 Ruff Linter / Formatter Extrem schneller Linter zur Einhaltung von Programmierstandards 🐧 Ja github.com/astral-sh
🟩 Black Formatter Formatierung des Python-Codes nach PEP 8 🐧 Ja github.com/psf/black


🔴 Phase 3 – Code-Review, Security & Automation

Was lerne ich hier?

Wie du automatische Sicherheitsprüfungen in deine Pipeline einbaust, Code-Reviewprozesse automatisierst und autonome Coding-Agenten nutzt.
Voraussetzungen: Phase 1 & 2 abgeschlossen. Git-Grundkenntnisse.

3.1 Konzept: Qualitätssicherung in der Team-Pipeline

3.2 Thema: Automatisches Code-Review vor dem Merge

Konzept: Automatisches Feedback für Entwickler

Über Open-Source-Tools (wie reviewdog) analysiert die KI die Differenz (git diff) einer Änderung und postet Verbesserungsvorschläge direkt als Review-Kommentar in den Pull Request.

Software – alle Open Source:

Software Typ Funktion Ubuntu Link
🟩 reviewdog Code-Review Postet automatisch Linter-Ergebnisse in Pull Requests 🐧 Ja github.com/reviewdog


3.3 Thema: Sicherheitsprüfung (Security Auditing) mit KI

Konzept: Statische Code-Analyse (SAST)

Sicherheits-Scanner suchen nach unsicheren Code-Mustern (z. B. hardcodierte API-Keys, SQL-Injections, unsichere Kryptografie), bevor der Code deployed wird.

Software – alle Open Source:

Software Typ Funktion Ubuntu Link
🟩 Semgrep SAST Findet Programmierfehler und Sicherheitslücken im Code 🐧 Ja semgrep.dev
🟩 Trivy Scanner Scant Programm-Bibliotheken auf bekannte Schwachstellen 🐧 Ja github.com/aquasecurity


3.4 Thema: Autonome Coding-Agenten im Terminal (Aider)

Konzept: Git-integriertes autonomes Coding

Ein Terminal-Agent (wie Aider) liest deine Aufgabe, sucht selbstständig die passenden Dateien im Repository, ändert den Code, führt Tests aus und erstellt bei Erfolg direkt einen Git-Commit mit passender Commit-Message. 

# Aider lokal mit Ollama starten
aider --model ollama/deepseek-coder-v2

Software – alle Open Source:

Software Typ Funktion Ubuntu Link
🟩 Aider KI-Agent Autonomer Coding-Agent auf Terminalebene 🐧 Ja aider.chat


📋 Praxisprojekte

🟢 Einsteiger: Erste Schritte mit VSCodium und Continue.dev

Wir richten die lokale IDE ein, laden ein kleines Python-Modell über Ollama und generieren eine Funktion zur Validierung von E-Mail-Adressen.

Software (alle Open Source): VSCodium · Continue.dev · Ollama


🟡 Fortgeschritten: Testgetriebene Entwicklung (TDD) eines API-Clients

Wir lassen uns von der KI Tests für eine Wetter-API generieren und schreiben anschließend die API-Implementierung, bis alle Tests erfolgreich durchlaufen.

Software (alle Open Source): Python · pytest · VSCodium · Continue.dev


🔴 Experte: Vollautomatisierte Code-Prüfung in Gitea

Wir bauen eine Gitea-Actions-Pipeline, die bei jedem Push automatisch Tests läuft, den Code mit Semgrep auf Sicherheitslücken prüft und eine Rückmeldung per Linter an den PR sendet.

Software (alle Open Source): Gitea · Gitea Actions · Semgrep · pytest · Docker


📦 Vollständige Softwareübersicht & Vergleich

Code-Generierung & IDEs

Funktion Open Source 🟩 (Ubuntu / Lokal) Kommerziell 💰
Editor & Code-Assistent VSCodium 🐧 + Continue.dev 🐧 VS Code + GitHub Copilot, Cursor
Terminal-Coding-Agent Aider 🐧 Devin, Cursor Composer

Testing & Code-Qualität

Funktion Open Source 🟩 (Ubuntu) Kommerziell 💰
Test-Framework (Python) pytest 🐧 —
Test-Framework (JS/TS) Vitest 🐧 —
Code-Formatierung Ruff 🐧, Black 🐧 —

Code-Review & Security-Scanning

Funktion Open Source 🟩 (Ubuntu) Kommerziell 💰
Static Security Analysis Semgrep 🐧, Trivy 🐧 Snyk Pro
Review-Automation reviewdog 🐧 —


Weiterführende Ressourcen


Letzte Aktualisierung: Juli 2026

Abgerufen von „https://mediawiki.wissen-ahrensburg.de/index.php?title=KI_%26_Automatisierung_/_KI-Coding_/_Einstieg_/_Programmieren_mit_KI&oldid=3420“