Future Lab: AI Coding

• Dein Lernlogbuch eigenständig weiterentwickeln
• Vergleiche, wie unterschiedlich Agenten auf einen allgemeinen Wunsch und einen präzisen Arbeitsauftrag reagieren

Du wählst methodisch einen überschaubaren B2B-Anwendungsfall und schärfst deine Idee, u. a.

• durch die Wahl und Beschreibung deiner Nutzergruppe
• Definition von Auslösern und Ergebnissen
• Untersuchung von drei vergleichbare Lösungen
• Validierung deiner Idee im Peer-Austausch

Deine in der 2. Lab-Session geschärfte & validierte Use Case-Idee arbeitest du eigenständig weiter aus.  

Dazu gehören: 

• dein One-Pager 
• das Moodboard (designs) 
• ggf. Wireframes oder Mocks 
• die Architekturskizze/md. 

Ein strukturiertes Interview mit einem Sprachmodell hilft dir, offene Annahmen sichtbar zu machen. 

Die Hands-On-Phase schließt damit ab, dass du 

• deinen Produktkontext konkretisierst
• deinen bisherigen Prototyp exportierst
• den technischen Stand anhand von ”Dokument 0” prüfst.

Das vollständige technische Kontextpaket (Agents.md, architecture plan.md etc.) entsteht in der nächsten, 3. Hands-On-Phase.

Du lernst das Vorgehen für dein Projekt kennen:

• Überführen in die Arbeitsumgebung, in der Coding-Agenten mit deinem Repository arbeiten
• Den Projektstand mit Git sichern und strukturiert weiterentwickeln 
• Arbeitspakete in einer PLAN.md ordnen, einzelne Features mit klaren Grenzen und Akzeptanzkriterien beschreiben  
• AGENTS.md oder CLAUDE.md: gezielt die Arbeitsregeln für deinen Coding-Agenten festhalten
• Skills, Hooks und MCP einsetzen, wo sie eine konkrete Aufgabe vereinfachen

Darüber hinaus steigst du in die Grundlagen für kontrollierte Loops und Tests ein. 

Du erstellst die Arbeitspakete (Kontextpaket) für deinen eigenen Use Case:

• PLAN.md  
• Einzelne Features mit klaren Grenzen und Akzeptanzkriterien
• AGENTS.md oder CLAUDE.md: Arbeitsregeln für deinen Agent
• Skills, Hooks und MCP, wo sie eine konkrete Aufgabe vereinfachen

Dabei wendest du in die Grundlagen für kontrollierte Loops und Tests an.

In der 1. Challenge reichst du dein Kontextpaket (aus der Hands-On-Phase 3) ein und erhältst schriftliches Feedback zu Problemverständnis, Umfang, Annahmen und Prüfbarkeit.  

Erst nach diesem Feedback beginnt die Implementierung mit neu generiertem Repository-Code. 

Vor der nächsten Lab-Session:  

Loop und Graph Engineering: Coding-Agenten kontrolliert arbeiten lassen 

• Du baust in einem ca. dreitägigen Ausführungsfenster die erste funktionsfähige Version deines Projekts, deinen MVP. 
• Dabei wendest du in die Grundlagen für kontrollierte Loops und Tests an.

• Iteration deines MVPs: Anforderungen spezifizieren, Aufgaben delegieren, Ergebnisse prüfen und daraus lernen. 
• Akzeptanzkriterien mit passenden Tests verknüpfen
• Test-Driven Development als Grundlage für überprüfbare Delegation.
• Builds, Linting und Tests: Änderungen und Verhalten kontrollieren, bevor du sie akzeptierst.
• Erkennen, wann du einen Loop stoppst und zunächst Anforderungen, Kontext oder Agentenregeln korrigieren solltest. 
• Peer-Review: Kernablauf zeigen, die zugehörigen Anforderungen und einen fehlgeschlagenen Loop beschreiben, Fallstricke identifizieren und brauchbare Arbeitsmuster für die nächste Projektphase definieren.

• MVP entlang kleiner Anforderungen weiterentwickeln und Änderungen systematisch überprüfen.
• Blick auf Hosting, Deployment und der Trennung von Entwicklungs-, Test- und Produktionsumgebung. 
• HTTPS, Authentifizierung, Rollen und eine sichere Verwaltung von Zugangsdaten umsetzen
• Bedeutung von Backups, Protokollierung, CI/CD und Monitoring für das eigene Prpjekt prüfen.
• Datenverarbeitung deiner Anwendung beschreiben, ein Löschkonzept entwickeln und dessen Umsetzung mit synthetischen oder freigegebenen, nicht sensiblen Daten testen. 
• Kostenkontrolle: Tokenlimits setzen, Kosten im Blick behalten und prüfen, welche Inhalte an Modellanbieter übermittelt werden.
• Offene Maßnahmen im priorisierten Production-Readiness-Plan festhalten. 

& 

Ergebnisse belegen, präsentieren und nächste Schritte entscheiden

Erarbeitung deines Product Evidence Package

• es enthält deinen lauffähigen Prototyp
• das Repository oder einen vollständigen Export
• eine verständliche Startanleitung
• umgesetzte Anforderungen
• Testnachweise
• einen Security- und Kostencheck

Dieses Paket gibst du als Challenge II ab.

In der 2. Challenge stellst du dein Product Evidence Package zusammen und gibst es ab.

• Es enthält deinen lauffähigen Prototyp
• das Repository oder einen vollständigen Export
• eine verständliche Startanleitung
• umgesetzte Anforderungen
• Testnachweise
• Security- und Kostencheck

Nach dem schriftlichen Trainer:innenfeedback und vor der abschließenden Lab-Session: 

• Gezieltes Überarbeiten der Punkte, die den größten Nutzen bringen. 
• Vorbereitung auf deinen strukturierten Use Case-Pitch in der letzten Lab-Session:
  • Pitch und reproduzierbarer Demo 
  • Wichtige Entscheidungen erläutern
  • Einen korrigierten Loop und bekannte Grenzen erklären
  • Benennen sinnvoller nächster Schritt für dein Projekt — beispielsweise einen Nutzertest, eine Integration oder technische Härtung

Use Case-Pitch: 

• Strukturierte Projektvorstellung 
• Reproduzierbare Demo 
• Erläutern wichtiger Entscheidungen, eines korrigierten Loops, bekannter Grenzen 
• Benennen sinnvoller nächster Schritt für dein Projekt — beispielsweise einen Nutzertest, eine Integration oder technische Härtung.

Investing Game: 

Im Investing Game verteilt ihr fiktive Budgets auf die Projekte der anderen. Im Mittelpunkt stehen nachvollziehbarer Nutzen, belastbare Nachweise und eine plausible Weiterentwicklung.