Darum lohnt sich der Kurs
In diesem Training erlernen Sie den effizienten Einsatz von IntelliJ und KI – von Autocompletion, Refactoring, AI-Coding-Tools, Prompt Engineering bis hin zu Codeanalyse und Spring AI Integration in Java. Optimal für Java-Entwickler*innen, die KI in ihren Coding-Workflow einbinden, produktiver coden und Innovation durch AI-Assistenten im Unternehmen nutzen wollen.Seminarinhalt
In diesem Training lernen Sie, die Unterschiede zwischen IntelliSense und echter AI-Unterstützung zu verstehen, IntelliJ-Grundlagen sowie Profi-Features anzuwenden und AI nahtlos in den Java-Coding-Workflow zu integrieren.
Programm
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
- 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
- AI-Aktivierung & Konfiguration
- Prompt-Typen im Coding-Kontext: Generate, Refactor, Explain, Test
- Sicherheit & Datenschutz bei AI-Tools
- 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
- 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
- AI als „Code-Dolmetscher“ für Fehlermeldungen & Stacktraces
- Vorschläge für Bugfixes generieren & testen
- Extract Method / Class / Interface
- Von imperativ zu funktional (Streams, Lambdas)
- Alte for-Schleifen in Stream-APIs umwandeln lassen
- Unit Tests generieren (JUnit 5)
- Testdaten & Mocks erstellen
- Automatische JavaDoc-Erstellung mit AI
- AI als Review-Partner für Lesbarkeit, Sicherheit, Effizienz
- Gemeinsame Refactoring-Runden
- AI-unterstützte Performance-Optimierungen
- Überblick über LLMs & Chat-Modelle
- Einstieg in Spring AI, Integration in Spring Boot
- Spring-AI-Setup (BOM, Starter, AutoConfig)
Zielgruppen
- Java Entwickler*innen
