AI Native Engineering · Developer Course

Vom Prompt-Schreiber zum AI-System-Builder.

Von Dominic Hückmann · zuletzt geprüft Mai 2026 · 45–60 Minuten

Ein selbstgeführter Lernpfad für Softwareentwickler:innen, die AI-Features nicht nur demoen, sondern betreiben wollen — mit Kontextbudgets, Task Contracts, Dekomposition, Evals, Rollout, Observability und Fallbacks.

Für wen ist das?

Für Softwareentwickler:innen, Tech Leads und AI-Feature-Teams. Nicht für generische Business-Prompting-Tipps, sondern für Teams, die LLMs, Coding Agents oder AI-gestützte Produktfeatures verantwortbar in Software einbauen.

Key takeaways

Prompting ist nicht tot; prompt-only Denken ist zu klein.
Wichtige AI-Arbeit beginnt mit Kontextgrenzen, nicht mit cleveren Formulierungen.
Jede riskante AI-Ausgabe braucht Evidence, Eval und eine Stop-/Fallback-Regel.
Coding Agents brauchen ein Repo-Betriebssystem: AGENTS.md, Skills, Tool-Gates und Reviews.
Production AI ist Produktarbeit: Kosten, Latenz, UX-Vertrauen, Rollout und Incident Response zählen mit.

Interactive slide mode

Becoming LLM-Native

Das interaktive Reveal.js Deck läuft hier als statisches Asset in einem Sandbox-iframe. Die Seite erklärt die Lernkurve; der Slide-Modus enthält die vollständigen Details und Referenz-Tabellen.

Pfeiltasten nutzen · Mobile besser quer

Deck direkt öffnen

Sources covered

Lost in the MiddleReActTree of ThoughtsDSPyOWASP LLM Top 10NIST AI RMFAnthropic / OpenAI / Google prompting docs

Willst du daraus ein Team-Betriebsmodell machen?

Der Kurs führt zu einem praktischen Operating Model: Task Contracts, Eval-Sets, Tool-Gates, Rollout-Regeln, Incident Playbooks und Agent Buildprints.

Projekt oder Workshop anfragen