Django-Entwicklung mit KI

Tag 1: Django-Grundlagen und KI-gestützte Softwareentwicklung

• Überblick über Django und typische Einsatzgebiete
• Aufbau und Architektur einer Django-Anwendung
• Installation und Einrichtung der Entwicklungsumgebung
• Django-Projekt und erste Anwendung erstellen
• URLs, Views, Requests und Responses
• Templates und dynamische Inhalte
• Grundlagen des HTTP-Protokolls
• ChatGPT, GitHub Copilot und weitere KI-Assistenten im Vergleich
• Stärken und Grenzen KI-generierten Codes
• Aufgaben präzise beschreiben statt nur Code anzufordern
• Merkmale eines guten Entwicklungs-Prompts
• Rolle, Ziel, Kontext, Anforderungen und Ausgabeformat definieren
• Unklare Anforderungen erkennen und konkretisieren
• Erste Anwendung anhand einer kurzen Spezifikation planen

Tag 2: Anforderungen, Spezifikationen und Datenmodelle

• Von der fachlichen Idee zur technischen Spezifikation
• Funktionale und nichtfunktionale Anforderungen unterscheiden
• User Stories und Akzeptanzkriterien formulieren
• Geschäftsregeln eindeutig und testbar beschreiben
• Eine strukturierte Projektspezifikation mit KI-Unterstützung erstellen
• Fehlende Anforderungen durch gezielte Rückfragen identifizieren
• Datenmodell der Beispielanwendung entwickeln
• Django-Modelle, Felder und Beziehungen
• Constraints, Validierungen und Standardwerte
• Datenbankmigrationen erstellen und anwenden
• Model API, Manager und QuerySets verwenden
• Django-Admin konfigurieren und erweitern
• Prompts für Datenmodelle und Architekturentscheidungen schreiben
• KI-Vorschläge vergleichen und technische Entscheidungen begründen
• Typische Modellierungsfehler in KI-generiertem Code erkennen

Tag 3: Views, Templates, Formulare und iterative Prompts

• Übersichts-, Detail-, Erstellungs- und Bearbeitungsseiten umsetzen
• Funktionsbasierte und klassenbasierte Views vergleichen
• Generische Views sinnvoll einsetzen
• Django Template Language und Template-Vererbung
• Django-Formulare und ModelForms
• Formular- und Modellvalidierung
• Suchfunktionen, Filter und Pagination
• Große Entwicklungsaufgaben in kleine Schritte zerlegen
• Prompts für einzelne Implementierungsschritte formulieren
• Bestehenden Projektkontext korrekt an die KI übergeben
• Dateipfade, vorhandene Architektur und Konventionen beschreiben
• Änderungen statt vollständiger Neuentwicklungen anfordern
• KI-Antworten durch Folgeprompts gezielt verbessern
• Code erklären, überprüfen und refaktorieren lassen
• Ungeeignete oder überkomplexe KI-Lösungen erkennen

Tag 4: Authentifizierung, Sicherheit und Qualitätssicherung

• Login, Logout und Registrierung implementieren
• Benutzer, Gruppen und Berechtigungen
• Views für bestimmte Benutzergruppen schützen
• Grundlagen sicherer Django-Anwendungen
• CSRF, XSS und SQL-Injection
• Secrets und Umgebungsvariablen verwalten
• Sicherheitsanforderungen in Spezifikationen festhalten
• Prompts für sichere Implementierungen formulieren
• Sicherheitsrisiken in KI-generiertem Code erkennen
• Unit-Tests für Modelle, Services und Hilfsfunktionen
• Integrationstests für Views und Formulare
• Akzeptanzkriterien in automatisierte Tests überführen
• Testfälle mit KI-Unterstützung entwickeln
• KI-generierte Tests auf Aussagekraft und Vollständigkeit prüfen
• Debugging-Prompts mit Fehlermeldung, Kontext und Erwartung schreiben

Tag 5: REST-API, Projektumsetzung und professioneller KI-Workflow

• Einführung in Django REST Framework
• Serializer, APIViews, ViewSets und Router
• REST-Endpunkte für die Beispielanwendung erstellen
• Authentifizierung und Berechtigungen für APIs
• API-Anforderungen und Antwortformate spezifizieren
• API-Dokumentation mit OpenAPI und Swagger UI
• Eine vollständige Funktion anhand einer Spezifikation umsetzen
• Spezifikation, Implementierung und Tests miteinander abgleichen
• KI als Planungs-, Entwicklungs- und Review-Assistent einsetzen
• Prompts für Code-Reviews und Architekturprüfungen schreiben
• Änderungsanforderungen präzise formulieren
• Halluzinationen und falsche Annahmen erkennen
• KI-generierten Code fachlich und technisch validieren
• Datenschutz und vertrauliche Informationen beim KI-Einsatz
• Abschlussprojekt präsentieren und gemeinsam analysieren

Seminarübergreifende Inhalte

• Vom fachlichen Wunsch zur umsetzbaren Spezifikation
• Prompts mit eindeutigem Ziel und überprüfbarem Ergebnis schreiben
• Relevanten Kontext bereitstellen, ohne die KI zu überladen
• Anforderungen, Einschränkungen und Ausschlüsse ausdrücklich benennen
• Gewünschtes Ausgabeformat für Code und Dokumentation festlegen
• KI-Vorschläge kritisch prüfen und nicht ungeprüft übernehmen
• Bestehende Projektarchitektur und Coding-Standards berücksichtigen
• Fehler systematisch analysieren und reproduzierbar beschreiben
• Prompts iterativ verbessern und Ergebnisse vergleichen
• Verantwortung für Architektur, Sicherheit und Codequalität behalten