1 Einführung

17

1.1 Coding per Chat

17

1.2 Codeassistenten

27

1.3 Die Kunst des Prompting

40

1.4 Grundlagen von Large Language Models (LLMs)

48

1.5 LLM-Interna und -Optimierung

63

2 Pair Programming

75

2.1 Die richtigen KI-Tools zum Lernen

76

2.2 Code in Funktionen strukturieren

78

2.3 Beispiel: IBAN-Validierung

88

2.4 Objektorientiert programmieren

95

2.5 Beispiel: Quiz

103

2.6 Beispiel: Sudoku lösen

108

3 Agentic Coding

117

3.1 Agentic Coding in der Software-Entwicklung

117

3.2 Agentic Coding mit Cursor

120

3.3 Die Kernfeatures von Cursor

124

3.4 Der Agentic Coding Workflow

135

3.5 Fazit

146

4 Debugging

151

4.1 Webapplikationen

152

4.2 App-Entwicklung

162

4.3 Entwicklung am Raspberry Pi

167

4.4 Visual Studio und VSunhbox voidb@x protect penalty @M Code

171

4.5 Fazit

173

5 Refactoring

175

5.1 Einführung ins Refactoring

176

5.2 Refactoring mit KI-Werkzeugen

176

5.3 Best Practices

190

5.4 Wann Sie KI nicht zum Refactoring einsetzen sollten

192

5.5 Fazit

193

6 Software testen

195

6.1 Erzeugen von Testdaten

196

6.2 KI-gestützte Testautomatisierung

200

6.3 Testgetriebene Entwicklung mit KI

207

6.4 Arbeiten mit Abhängigkeiten

213

6.5 Optimieren von Tests

220

6.6 E2E-Tests

226

6.7 Fazit

231

7 Software dokumentieren

233

7.1 Inline-Dokumentation

235

7.2 Funktions- und Klassendokumentation

239

7.3 API-Dokumentation

243

7.4 Veraltete Dokumentation

247

7.5 Fazit

250

8 Datenbanken

253

8.1 Datenbankdesign

254

8.2 SQL-Kommandos

261

8.3 Administration

268

8.4 Datenbank-Handling mit MCP

273

9 Scripting und Systemadministration

279

9.1 Scripting

279

9.2 Reguläre Muster

284

9.3 KI-Hilfe im Terminal mit llm

289

9.4 Systemadministration

292

9.5 Linux-Administration per SSH und KI

297

10 Sprachmodelle lokal ausführen

307

10.1 Die Qual der LLM-Wahl

308

10.2 Vorteile der lokalen Ausführung von Modellen

314

10.3 GPT4All

315

10.4 Ollama

318

10.5 Die Ollama Cloud

324

10.6 Open WebUI für Ollama

325

10.7 Continue

333

10.8 Ollama-API

336

10.9 Tabby

339

10.10 Fazit

341

11 Der eigene LLM-Server

343

11.1 Hardware

345

11.2 GPU-Bibliotheken, Treiber und Kernel-Einstellungen

346

11.3 LM Studio

354

11.4 Agentic Coding mit Roo Code

368

11.5 llama-server

371

11.6 Fazit

377

12 Agentic-Coding-CLIs

379

12.1 Einführung

379

12.2 Claude Code

382

12.3 Codex CLI

396

12.4 goose

400

13 MCP und Skills

407

13.1 Tool Calling

408

13.2 Model Context Protocol (MCP)

409

13.3 Skills

428

14 Retrieval Augmented Generation (RAG) und Text-to-SQL

439

14.1 Schnellstart RAG

440

14.2 Das viel-falter-Projekt

445

14.3 Dokumente laden

446

14.4 Index erzeugen

448

14.5 Vector-Store-Datenbanken

452

14.6 RAG-Abfragen

455

14.7 Text-to-SQL

461

15 KI-APIs nutzen

473

15.1 Die API von OpenAI

473

15.2 Die API von Claude

482

15.3 Die API von Gemini

484

15.4 APIs lokaler Modelle

485

15.5 Beispiel: Alt-Texte für eine WordPress-Site generieren

490

15.6 Docker Model Runner

496

16 Risiken und Ausblick

513

16.1 Probleme und Einschränkungen beim Einsatz von KI-Tools

513

16.2 Beispielhaftes KI-Versagen

520

16.3 Ethische Fragen

529

16.4 AI Slop, Vibe Coding und die Zukunft der Software-Entwicklung

535