Inhalt
1. Einstieg: IntelliJ + AI im Coding-Alltag
AI-Themen: AI, ML, LLM, NLP, Generative AI, GPTs;
Prompts & Modelle (OpenAI, lokale LLMs)
Unterschied: IntelliSense vs. echte AI-Unterstützung
ChatGPT-Plugin für IntelliJ: AI Assistant Panel & Inline Mode
ChatGPT-Webversion vs. Plugin: Schreibrechte, Dateioperationen, Integration
2. IntelliJ IntelliSense & Productivity-Features
Erweiterte Autovervollständigung, Basic Completion (Ctrl+Space)
Smart Completion (Ctrl+Shift+Space), Chain Completion (zweimal Ctrl+Shift+Space)
Statement Completion (Shift+Ctrl+Enter), Postfix Completion (.var, .if, .for …)
Live Templates & eigene Templates (z. B. sout, psvm), Code Inspections & Quick Fixes (gelbe Glühbirne)
Scratch Files (temporäre Code-Dateien), Code left to right vs right to left
Help while typing (Inline-Dokumentation), Multi-Caret Editing (mehrere Cursor)
Structural Search & Replace (SSR) – Code-Muster statt Text suchen/ersetzen
3. AI-Integration verstehen
AI-Aktivierung & Konfiguration
Prompt-Typen im Coding-Kontext: Generate, Refactor, Explain, Test
Sicherheit & Datenschutz bei AI-Tools
4. AI-gestützte Code-Generierung
Klassen, Methoden, Testfälle mit KI erzeugen
Prompts richtig formulieren ("Write a method that…")
AI-Refactoring im Kontext (Cursor-Position, Auswahl, Umbau)
Code kommentieren, erklären & verbessern lassen
Umgang mit unvollständigem oder fehlerhaftem AI-Code
5. Prompt Engineering für Entwickler:innen
Was ist ein Prompt?
Best Practices für Coding-Prompts
Strukturierte Antworten (z. B. JSON) analysieren & umsetzen
Strategien:
Q&A Prompt Strategy
Pros & Cons Prompt Strategy
Stepwise Chain of Thought
Role Prompt Strategy
6. AI-gestützte Fehleranalyse
AI als „Code-Dolmetscher“ für Fehlermeldungen & Stacktraces
Vorschläge für Bugfixes generieren & testen
7. Refactoring-Patterns mit AI & IntelliJ
Extract Method / Class / Interface
Von imperativ zu funktional (Streams, Lambdas)
Alte for-Schleifen in Stream-APIs umwandeln lassen
8. AI-unterstützte Tests & Dokumentation
Unit Tests generieren (JUnit 5)
Testdaten & Mocks erstellen
Automatische JavaDoc-Erstellung mit AI
9. Code Review mit AI & IntelliSense
AI als Review-Partner für Lesbarkeit, Sicherheit, Effizienz
Gemeinsame Refactoring-Runden
AI-unterstützte Performance-Optimierungen
10. LLM-Grundlagen & Spring AI Einstieg
- Überblick über LLMs & Chat-Modelle
- Einstieg in Spring AI, Integration in Spring Boot
- Spring-AI-Setup (BOM, Starter, AutoConfig)