Wie beschleunigt man Entwicklung mit AI – endlich ist das Zeitalter des Sprach-Codings da [137 Google-Folien]
(drive.google.com)- Wie man als Programmierer AI nutzt
- Produktivität entsteht nicht nur beim Coding: "Coding ist nur ein Teil. AI muss in allen Bereichen eingesetzt werden, damit das ganze Unternehmen schneller wird"
- Recherche: Lagern wir das Grübeln doch aus.
- Bei Recherche und Nachdenken über komplexe Themen ist "ChatGPT Pro + Deep Research göttlich."
- Wie erstellt man riesige Prompts?
- Coding: Dann lasst uns jetzt coden.
- "Cursor war mein Hauptwerkzeug, aber in letzter Zeit mache ich 90 % mit Claude Code"
- Cursor: fühlt sich an, als bekäme man ein gutes Werkzeug in die Hand. Arbeiten muss immer noch ich selbst
- Claude Code: fühlt sich an, als bekäme man einen guten Junior an die Seite. Ich bin derjenige, der sie einsetzt
- Jetzt haben Agenten Hochsaison
- "Cursor war mein Hauptwerkzeug, aber in letzter Zeit mache ich 90 % mit Claude Code"
- Schauen wir uns Cursor trotzdem einmal an
- Beispiel erstellen: "Ein Programm bauen, das bei Einzelaktien-Investments in US-Aktien hilft"
- Vibe-Coding: eine „Welt der Umkehrung zwischen Autor und Ausführendem“
- Frühere Methode: Ich schreibe, AI hilft.
- Vibe-Coding: AI schreibt, ich helfe.
- Rule-Growing Development
- Der LMM wird beauftragt
- Dann beobachtet man merkwürdiges Verhalten und ergänzt neue Regeln in die gewünschte Richtung.
- Die Regeln enthalten auch das für jedes einzelne Projekt nötige Wissen.
- Code und Regelsammlung wachsen gemeinsam.
- Auch diese Regeln und dieses Wissen werden im Team-Repository versioniert.
- Tipps, die man bei der Arbeit gelernt hat
- Wenn es nicht um 0–1, sondern um die Verbesserung einer bestehenden Codebase geht
- Wenn man möchte, dass AI gut SQL schreibt
- Für Python-Programmierer
- Man muss die Lösungswege der AI im Blick behalten.
- MCP, das sogar den Kontext anderer Services mitbringt
- Jetzt zu Claude Code
- Am überraschendsten ist die Agenten-Performance. Selbst im gleichen Agent-Modus ist die Erfolgsquote beim Abschluss von Aufgaben bei Claude Code deutlich höher als bei Cursor.
- Die wahre Vollendung von „beauftragen und dann zusehen“
- Ein weiterer Pluspunkt ist, dass man es auch außerhalb der Entwicklung nutzen kann: Es kann mit meinem lokalen Rechner interagieren.
- Noch ein Vorteil: Es lässt sich leicht parallelisieren. Öffnet man mehrere Fenster, bekommt man N-fache Geschwindigkeit!
- Ein paar Tipps:
iterm+tmux - Wie dem auch sei, der Kern von Claude Code ist:
Claude.md - Kimi k2 + groq + claude
- Frontend-Coding mit playwright
- Am überraschendsten ist die Agenten-Performance. Selbst im gleichen Agent-Modus ist die Erfolgsquote beim Abschluss von Aufgaben bei Claude Code deutlich höher als bei Cursor.
- Datenanalyse mit Hilfe von AI
- Automatisierung der Analyse
- Noch coolere Automatisierung
- Mit Hilfe von AI lernen
- Entwickler zu sein heißt, ständig zu lernen = ständig Englisch lesen zu müssen
- Beim Lesen von Entwicklungsdokumentation in Fremdsprachen
- Aber wie spart man noch mehr Zeit? : Ist das überhaupt lesenswerter Content?
- Dia-Browser
- Die Vollendung des Sprach-Codings ist Voice Dictation
- Am häufigsten nutze ich in letzter Zeit spokenly
- Wenn AI jetzt alles macht, werden wir dann gefeuert?
- Haben wir dann nichts mehr zu tun?
- Aber tatsächlich kann LLM auch bei chaotischem Management helfen
- Erfolgsquoten von LLMs bei Aufgaben nach Arbeitsbereich
- Wann, glaubt man, kündigt ein Mensch?
- Wenn ich mich im AI-Zeitalter überhaupt nicht verändern will, wie viel Zeit bleibt mir dann noch?
- Was ist im AI-Zeitalter am Ende eigentlich die Aufgabe des Menschen?
In ein paar Jahren wird ein einzelner (Nicht-)Entwickler beim Coding Agenten im Umfang von 100 Personen einsetzen.
Ein topaktueller Lamborghini und eine robuste 10-Tonnen-Lkw-AI können uns Auswahlmöglichkeiten schaffen. Aber die Entscheidung müssen wir klug treffen.
Nicht die Wahl zwischen richtig und falsch, sondern die Wahl zwischen richtig und richtig
Derjenige, der Werte zwischen Trade-offs auswählt
12 Kommentare
LLMs erhöhen die Komplexität wirklich stark; wenn man sie nicht sauber und kontrolliert wie ein Skalpell einsetzt, hat man das Gefühl, dass sich Technical Debt sehr schnell anhäuft. Ich glaube, am Ende werden wohl auch die bei FAANG eingesetzten AI-Codes alle wieder zurückgerollt.
GPT-5 (Thinking/Pro) scheint es etwas besser zu können, aber egal wie man es dreht und wendet: Der Prozess, diese Komplexität zu vereinfachen, bleibt wohl Sache des Menschen. Vielleicht kann Diffusion das sogar besser als Auto-regressive.
Ich denke, wir haben noch etwas Zeit.
Das hat mir geholfen, meine Erfahrungen zu ordnen und nach vorn zu blicken. Vielen Dank.
Eigentlich lese ich solche Artikel normalerweise nicht, weil sie auf mich oft wie aufgeblasenes Blendwerk wirken, aber weil es so viele Kommentare gab, habe ich doch reingeschaut – und es ist wirklich ein sehr guter Beitrag!!
Ich habe es wirklich sehr gerne gelesen. Es regt zum Nachdenken an, und zugleich ist es beruhigend zu sehen, dass es durchaus Bereiche gibt, die man ausprobieren kann.
Dass mein Material auf GeekNews vorgestellt wird – eine Ehre für die ganze Familie.
Ich nehme Ihre positive Energie gern mit, Yongho.
Die Reaktionen auf das Seminar waren sicher überwältigend, vielen Dank.
Hat Spaß gemacht zu lesen. Lustig und nützlich.
Schon anhand der Unterlagen ist die Qualität wirklich sehr hoch. Vielen Dank fürs Teilen.
Vor Kurzem habe ich es ebenfalls gelesen. Es ist gut aufbereitet, sodass schon allein die Präsentationsunterlagen sehr hilfreich waren.
Eine Präsentation von Herrn Hayongho, auf die man sich verlassen kann. Unbedingt ansehen.
Wenn man Texte darüber liest, wie man AI nutzen sollte, kommt man am Ende oft zu einer ähnlichen Richtung. Erstaunlich ist dabei, dass sich das auch mit klassischer Softwaretechnik in Teilen deckt. Vielleicht liegt es daran, dass man AI letztlich mit Entwickler:innen gleichsetzen kann und die Frage dann zu „Wie kann man mit mehreren Entwickler:innen möglichst gut entwickeln?“ wird?