Vom Entwickler zum Orchestrator
Entlang eines klaren Reifegradmodells führen wir Ihr Team Stufe für Stufe: vom konversationellen Arbeiten mit einem Coding-Agent (Basisworkshop) über orchestrierte Subagents (Advanced) bis zum Bau eigener Harnesses und Factories (Professional) — praxisnah an echten Aufgaben, abgesichert durch eine produktionsreife Pipeline.
Warum dieser Workshop?
Claude Code und vergleichbare Werkzeuge machen KI zum steuerbaren Bestandteil des gesamten Entwicklungsprozesses — von der Projektinitialisierung über autonome Entwicklung bis zum agentischen Regressions-Test. Die neue Kernkompetenz: KI-Agenten präzise steuern, absichern und in bestehende Prozesse einbetten. Genau das trainieren wir in zwei Tagen — praxisnah, an echten Aufgaben, und mit einem Plan für den Montag danach.
Wo Sie ankommen — das Reifegradmodell
Wir verorten Ihr Team auf einer Reifegrad-Skala und definieren vorab gemeinsam das realistische Ziel. Entscheidend: Stufen werden nicht übersprungen — man wächst nur dahin, was man von der eigenen Position aus sehen kann. Jede unserer drei Workshop-Stufen hebt Ihr Team genau eine Etappe weiter.
Keine KI
Klassische IDE-Arbeit, keine KI-Assistenz im Loop.
Chat / IDE-Completion
ChatGPT im Browser, agentische Autocompletion, ein Coding-Agent im Chat-Window. Eine 1:1-Beziehung Mensch ↔ Agent. ~70 % deutscher Unternehmen sind auf Stufe 1–2.
Ein Coding-Agent
Prompt-basierte Konversation mit einem Agenten. Code wird im Diff
reviewed, nicht mehr selbst editiert.
→ Ziel des Basisworkshops.
Mehrere Agents · Orchestrierung
Spezialisierte Subagents für verschiedene Tätigkeiten, in Workflows
orchestriert: ein Workflow ruft mehrere Agenten auf, die ihrerseits
Tools nutzen — im Rahmen eines übergreifenden Intent.
→ Ziel des Advanced Workshops.
Eigene Agenten bauen
Der Sprung von „Ich entwickle ein System mit Agenten" zu „Ich entwickle Agenten, die ein System entwickeln". Sie programmieren Ihre Mitarbeiter — ein eigener Engineering-Skill.
Build Your Own Harness
Build the system that builds systems: ein Framework, das Agenten
baut, ihre Tool-Rechte begrenzt und über Metriken nachweist, dass
Tokens + Gehalt < Outcome. Die Software-Factory.
→ Professional Workshop, Track A.
Enhance Your Product Harness
Agenten nicht für die Entwicklung, sondern im Produkt selbst — damit
Ihre Software von Agenten statt von Menschen bedient wird. In die
Tiefe Ihrer Produkt-Domäne, inkl. Hardware-Steuerung und Validierung.
→ Professional Workshop, Track B.
Drei Workshop-Stufen
Aus dem Reifegradmodell ergeben sich drei aufeinander aufbauende Formate. Für die höchste Stufe empfehlen wir bewusst, ein Team nicht geschlossen zu schicken, sondern Personen auf die passenden Stufen zu verteilen — sonst wird aus dem Training ein Coaching-Auftrag (eigenes Format, 3–4 Personen, „Coach the Coach").
Basisworkshop
Stufe 1 → 2. Vom Chat-Agenten zum konversationellen Arbeiten mit einem Coding-Agent. Die 8 Bausteine + Scaffolding-Pipeline.
Advanced Workshop
Stufe 2 → 3. Mehrere spezialisierte Subagents, orchestriert in Workflows. Mindset und Technik der Agenten-Orchestrierung.
Professional Workshop
Stufe 4 → 5. Zwei Tracks: „Build Your Own Harness" (die Factory) und „Enhance Your Product Harness" (Agenten im Produkt).
Basisworkshop · Die 8 Bausteine
Das ist das Curriculum des Basisworkshops (Stufe 1 → 2): zwei Tage Hands-on, an deren Ende Ihr Team konversationell mit einem Coding-Agent arbeitet und die Scaffolding-Pipeline auf einer echten Aufgabe durchlaufen hat.
Getting Started
Ab Stunde eins arbeiten Teams mit der Claude Code bzw. OpenCode CLI: Projekte initialisieren, den Planungs-Modus für strukturiertes Vorgehen nutzen und die Grundkonzepte agentischer Entwicklung direkt am eigenen Code verinnerlichen.
4-Layer-Architecture
KI ohne Kontext halluziniert. Die 4-Layer-Architektur löst das: persistenter Kontext via CLAUDE.md, Custom Commands, wiederverwendbare Skills und deterministische Hooks für durchgängige Qualitätssicherung.
MCP-Integration
Über das offene Model Context Protocol binden Teams Claude direkt an ihren bestehenden Stack an — PostgreSQL, GitHub, Jira oder was auch immer im Einsatz ist. Kein Copy-Paste, keine Kontextwechsel: Der Agent liest, schreibt und agiert dort, wo das Team arbeitet.
Enterprise Governance
Geschwindigkeit ohne Kontrolle ist ein Risiko. Wir implementieren das Human-in-the-Loop-Pattern, agentisches Testing mit Playwright, die Orchestrierung autonomer Sub-Agenten und verankern Governance-Regeln direkt im Projektverzeichnis.
Codebase-Analyse
Den Agent auf ein bestehendes Repository loslassen: Architektur-Maps generieren, Abhängigkeiten kartieren, fehlende Dokumentation erzeugen. Hier zeigt sich die volle Wirkung eines Agenten mit MCP-Zugang auf realen Systemen.
Vom Programmierer zum Manager
KI-Agenten schreiben den Code — Entwickler steuern, reviewen, entscheiden. Dieser Paradigmenwechsel erfordert neue Kompetenzen: Delegation, Qualitätssicherung auf Architektur-Ebene und den Mut, gewohnte Arbeitsweisen loszulassen.
KI-gestütztes Refactoring
Auf Basis der Analyse konkret modernisieren: Tests nachziehen, Tech Debt systematisch abbauen, Migrationspfade Schritt für Schritt umsetzen — abgesichert durch die Governance-Hooks von Tag 1.
Monday-Morning-Action
Kein Workshop ohne nächste Schritte. Jedes Team verlässt den Raum mit einem konkreten Plan für die Umsetzung der gelernten Inhalte — und mit vereinbarten Metriken für ihre Wirksamkeit.
Die Scaffolding-Pipeline
Das Herzstück von Tag 2: eine reproduzierbare, dokumentenbasierte Pipeline, mit der das Team einen einheitlichen Workflow erhält — ohne den einzelnen Entwickler in eine Zwangsjacke zu stecken. Mensch-Gates und Auto-Commit-Verbot sind explizit eingebaut.
Context Gather
Aus Ticket, Code und Domain-Wissen entsteht ein präzises Briefing-Dokument für genau diese Aufgabe.
Plan
Fachlich-technischer Plan mit Vorgehen, betroffenen Dateien, Risiken und Out-of-Scope. Wichtigstes Mensch-Review-Gate.
Test-Plan
Akzeptanztests aus menschlicher Beobachtersicht — kein Test-Code, sondern was Erfolg konkret heißt.
Implement
Plan und Test-Plan werden zu Code und Tests. Klein gehalten, Tests müssen grün sein vor Stufe ⑤.
Review + MR
Diff-Check, Commit-Message, MR-Body. Auto-Commit ist verboten — Mensch gibt frei.
Retro
Nach jedem Lauf eine Lernschleife, die das Kontext-Bündel in
ai_docs/ verbessert.
Was Ihr Team mitnimmt
- OpenCode bzw. Claude Code lauffähig, Code wird im Diff reviewed statt selbst getippt.Konversationelles Arbeiten
- Drei eigene Commands erstellt, in Git versioniert und mit dem Team teilbar.Eigene Custom Commands
- 2–3 Pipeline-Stufen für eine reale Aufgabe aus dem Backlog durchlaufen.Pipeline auf eigener Aufgabe
- Konkretes Team-Commitment plus Metriken für die Wirksamkeit in den ersten Wochen.Action-Plan für Montag
Advanced Workshop · Mehrere Agenten orchestrieren
Aufbauend auf dem Basisworkshop (Stufe 2 → 3): weg von „ein Agent, mit dem ich chatte" hin zu mehreren spezialisierten Agenten für verschiedene Tätigkeiten — und zur Fähigkeit, sie in einem Workflow orchestriert durchlaufen zu lassen. Noch immer auf das eigene Produkt fokussiert, aber mit deutlich reduzierter Human-Attention-Time.
Spezialisierte Subagents
Nicht ein Allrounder, sondern Agenten mit klarem Auftrag und Tool-Set — und das Wissen, wann welcher abgerufen wird.
Workflows & Orchestrierung
Ein Workflow ruft mehrere Agenten auf, die wiederum Tools nutzen, um im Rahmen des übergreifenden Intent das Outcome zu erzielen.
Review-Stufen & Lernschleifen
Mehrere Reviewer mit unterschiedlichem Blick; gefundene Patterns fließen zurück in die Briefings der Implementer.
Token- & Zeit-Ökonomie
Arbeit in Skripte auslagern, Agenten so instruieren, dass keine Tokens verbrannt werden — jedes gesparte Token ist gesparte Zeit.
Curriculum im Detail in Abstimmung — die Struktur steht.
Professional Workshop · Harness Engineering
Ab hier überschreiten wir die Linie von Softwareentwicklung zu Produktentwicklung (Stufe 4 → 5). Zwei legitime Streams — als zwei Tracks geführt:
Agenten-Framework
Ein System, das Agenten baut: definierte Rollen, begrenzte Tool-Rechte, reproduzierbare Erzeugung.
Metriken & Wirtschaftlichkeit
Nachweisen, dass Tokens + Gehalt < Outcome. Die Grundfrage jeder Factory.
Intent → Pipeline → Outcome
Der Product Owner macht seinen Intent klar; die opinionated Pipeline setzt um — bis hin zur Bewertung der Value Proposition einer Idee.
Agenten als Bedienoberfläche
Software, die von Agenten statt von Menschen bedient wird — gerade für Mittelständler mit Software auf eigener Hardware.
Domänen-Tiefe
Product Management & Design im agentischen Kontext: die gesamte Domäne des Produkts besser verstehen und abbilden.
Hardware-Validierung
Agenten, die Hardware steuern — und Validierung per Sensorik oder Kamera-Agent, der prüft, ob die gewünschte Aktion ausgelöst wurde.
Für die höchste Stufe raten wir vom geschlossenen Team-Buchen ab — sonst wird es ein Coaching-Auftrag (3–4 Personen, „Coach the Coach"), idealerweise nach einem Public-Training-Nukleus.
Setting & Voraussetzungen
Teamgröße
Idealerweise 8–12 Teilnehmende. Bei größeren Gruppen Splitten oder zweiter Trainer.
Dauer & Setting
1,5 oder 2 Tage, inhouse oder remote. Wir empfehlen vor-Ort, weil Hands-on stark vom Raum profitiert.
Tooling
Claude Code, OpenCode CLI, oder kundenseitiger LLM-Stack (LiteLLM / Bedrock / Azure OpenAI). Wir richten uns nach Ihrer IT.
Pre-Flight
Eine Setup-Checkliste vor dem Workshop sorgt dafür, dass keine Zeit auf SDK-Installationen, Test-Frameworks oder fehlende Plugins verloren geht.
Trainer
Malte Süßdorf
Malte begleitet die KI-gestützte Softwareentwicklung von Anfang an Hands-on. Sein Fokus: robuste, agentische Systeme mit hohem Qualitätsanspruch — auch im regulierten Umfeld.
Michael Cramer
Michael verankert den Wandel zum „Agent Manager" in der Teamkultur. Mit gezielter Moderation löst er mentale Blockaden und ermöglicht nachhaltigen Transfer in den Entwicklungsalltag.
Aus echten Workshops
Verständnis, dass der Agent den alten Code besser verstehen wird als man selber. Das es sich nicht lohnt, den Code nochmal nachzuerzählen.
Workshop anfragen
Unverbindliches Vorgespräch · Inhouse · Termine nach Absprache
training@cognovis.de