KI als Programmier-Assistent – Fehler verstehen, Lösungen finden, Boilerplate sparen

Abschnitt 1 – Einstieg: So hilft KI beim Programmieren

Was KI tun kann:

• Fehler analysieren und verständlich erklären
• Code kommentieren oder umschreiben
• Beispiele und Testfälle generieren
• Projektideen vorschlagen
• Dokumentation und Readme-Texte formulieren

Was KI nicht tun sollte:

• Entscheidungen für dich treffen
• Sicherheitskritischen Code ungeprüft übernehmen
• Geschäftsgeheimnisse oder Zugangsdaten enthalten

❗Merke: KI ist dein Assistent, nicht dein Chef.

Abschnitt 2 – Fehler verstehen (Debugging mit KI)

1. Führe deinen Code aus, bis ein Fehler auftritt.
2. Kopiere nur die Fehlermeldung und einen relevanten Code-Ausschnitt.
3. Bitte die KI:
   „Erkläre diesen Fehler in einfachen Worten. Warum passiert er, und wie kann ich ihn beheben?“
4. Lies die Antwort und stelle Rückfragen – z. B.:
   „Was bedeutet ‘NoneType object is not subscriptable’? Bitte mit Beispiel.“
5. Teste den Vorschlag schrittweise, nicht alles auf einmal.

💡Tipp: Lass dir Varianten zeigen („Gibt es auch eine elegantere Lösung?“).
So lernst du alternative Wege kennen, statt nur den schnellsten Fix zu kopieren.

Abschnitt 3 – Lösungen finden und verstehen

Ein guter KI-Dialog geht über „Gib mir Code“ hinaus.
Formuliere wie ein Mentor-Gespräch:

• „Ich bekomme diesen Fehler in Zeile 23. Was passiert im Hintergrund?“
• „Kannst du mir den Unterschied zwischen einer Liste und einem Generator erklären?“
• „Schreibe mir denselben Code noch einmal, aber kommentiere jede Zeile kurz.“

So nutzt du KI nicht nur als Werkzeug, sondern als Lehrerin.

Beispiel-Ablauf:

1. Problem beschreiben
2. Hintergrund erklären lassen
3. Beispielcode generieren lassen
4. Verständnis mit Rückfragen vertiefen
5. Lösung umsetzen, testen, dokumentieren

Abschnitt 4 – Boilerplate-Code sparen

Boilerplate bedeutet: Code, der sich ständig wiederholt (z. B. Setup-Funktionen, Models, Tests, Formulare).
KI kann hier enorm helfen, wenn du klare Anweisungen gibst:

Beispiele:

• „Erstelle eine Python-Klasse für ein Blog-Post-Modell mit Titel, Inhalt und Veröffentlichungsdatum.“
• „Schreibe in Django ein Model, eine Serializer-Klasse und eine Viewset-Vorlage.“
• „Erzeuge in JavaScript eine React-Komponente mit Props-Validierung.“

Danach:

• Prüfe den Code auf Plausibilität.
• Passe Namen, Imports und Pfade an.
• Füge Kommentare und Docstrings hinzu.

Zeitersparnis: 40–60 % bei Setup- und Routinecode.

Abschnitt 5 – Qualität und Sicherheit

Checkliste für sauberen KI-Code:

• Verstehe jede Zeile, bevor du sie übernimmst.
• Teste kleine Code-Blöcke separat.
• Prüfe, ob externe Libraries sicher und aktuell sind.
• Entferne vertrauliche Daten (Keys, Passwörter, Pfade).
• Dokumentiere: „Erstellt mit Hilfe einer KI (Datum, Toolname)“.

Abschnitt 6 – Typische Stolpersteine

Abschnitt 7 – Gute Prompts (Vorlagen)

1. Fehlermeldung erklären:
„Ich bekomme diese Fehlermeldung in Python: [Fehlertext]. Erkläre mir in einfachen Worten, was sie bedeutet, und gib ein Beispiel, wie man sie behebt.“

2. Code kommentieren:
„Kommentiere diesen Code Zeile für Zeile, damit ich verstehe, was passiert.“

3. Tests schreiben:
„Erstelle zu dieser Funktion passende Unit-Tests.“

4. Refactoring:
„Vereinfache diesen Code, ohne die Logik zu ändern. Achte auf Lesbarkeit und PEP8.“

5. Vergleich zweier Lösungen:
„Zeige mir zwei Möglichkeiten, dieses Problem zu lösen – eine einfache, eine performantere – und erkläre den Unterschied.“

Abschnitt 8 – Lernstrategie mit KI

1. Fange mit kleinen Fragen an („Was bedeutet dieser Fehler?“).
2. Baue Verständnis auf („Kannst du mir das Prinzip zeigen?“).
3. Lass dir Varianten erklären („Was wäre die eleganteste Lösung?“).
4. Wende dein Wissen selbst an und prüfe, was du verstanden hast.

So wird KI zu deiner Lehrerin – nicht nur zu deiner Tippgeberin.

Abschnitt 9 – Datenschutz und geistiges Eigentum

• Teile keine Quellcodes mit vertraulichen Algorithmen oder Kundendaten.
• Nutze KI-Tools mit klarer Datenschutzpolitik (z. B. Unternehmens- oder On-Prem-Lösungen).
• Beachte Lizenzfragen, wenn KI fremden Code vorschlägt.
• Dokumentiere, wenn KI bei der Erstellung mitgewirkt hat.

Abschnitt 10 – Mini-Selbsttest

1. Habe ich den KI-Code verstanden?
2. Habe ich ihn getestet und kommentiert?
3. Ist er sicher und frei von sensiblen Daten?
4. Habe ich Quellen oder Libraries geprüft?
5. Habe ich etwas Neues gelernt?

Wenn du vier Fragen mit „Ja“ beantworten kannst – super, weiter so!

Checklisten & Beispiele

Checkliste vor dem Commit:

• Tests laufen erfolgreich
• Keine sensiblen Daten enthalten
• Kommentare vorhanden
• Stil konsistent (PEP8, ESLint, etc.)
• Code reproduzierbar

Beispiel-Workflows:

• Debugging mit ChatGPT
• Copilot-Vervollständigung in VS Code
• Code-Review mit KI-Kommentarhilfe
• Boilerplate-Erstellung für REST-API oder Frontend-Komponenten