Text extracted by SlideShare from the slide images — may contain OCR errors. 21 of 27 slides have text.
1Andreas Jung | info@zopyx.com | www.andreas-jung.com
@zopyx@mastodon.world | @andreas-jung.com (Bluesky)
A fool with a tool is still a fool
Wie uns AI bei der Software-Entwicklung aktuell hilft
(und wo nicht)
Plone-Tagung 2025 | Koblenz
43 Erfahrungsberichte aus den letzten neuen Monaten
52
W
T
Z
L
W
I
T
W
3
Unser AI Tooling in der Software-Entwicklung
(historisch, ohne Anspruch auf Vollständigkeit)
• Arbeit an einzelnen Dateien
• Arbeit an einzelnen Problemen
• komplexere Szenarien
• Fokus auf Repository/gesamte Codebase:
• Testsuites
• Gesamtdokumentation
• Refaktorierung
62
W
T
Z
L
W
I
T
W
3
Projekt: Herkunftsnachweise Green Energy (04/2024-03/2025)
FastAPI Applikation mit UI/Zerti
fi
katshandel Bescha
ff
ungen grüner Energie
• Situation in Q2/2024: zwei Junior Devs (1x FE, 1 BE)
• Junior-BE: Python Autodidakt mit Enterprise-Ambitionen (Java Patterns)
• FastAPI Applikation mit 10.000 LoC, 60 Tests, 60% Coverage
• Code weitestgehend problematisch: over-designed und under-engineered
• Einsatz von Enterprise Patterns ohne Sinn und Verstand
→ Code schwer verständlich, schlecht wertbar, schlecht testbar,
→ Mentoring des Juniors funktionierte nicht
→ Junior Dev Rauswurf Ende 2024
82
W
T
Z
L
W
I
T
W
3
Projekt: Herkunftsnachweise Green Energy (04/2024-03/2025)
Refactoring, Aufräumen…
• Github Copilot:
• Unittests für alle Data Classes und Pydantic Modelle
• Unittests für wesentliche Teile der Businesslogik
• automatische Dokumentation existierender Module
• Integrationstests für FastAPI Endpunkte
• händisch:
• Vereinfachung Software-Architektur, Eliminierung unnötiger Indirektionen und Invarianten im Code
• 🥰 punq als neues Modul für Dependency Injection
• Überarbeitung funktionale Tests
→ nach 2 Monaten (mit neuem BE Dev): 92% Tests Coverage, viele bessere Code Qualität
112
W
T
Z
L
W
I
T
W
3
Projekt: Simulation Wassersto
ff
verteilnetze
122
W
T
Z
L
W
I
T
W
3
Projekt: Simulation Wassersto
ff
verteilnetze (Q2/2025)
Simulation von Wassersto
ff
verteilnetzen in Deutschland
• Umstellung/Erweiterung bundesweiter Gasverteilnetze auf Wassersto
ff
• technische Herausforderungen:
• Wassersto
ff
hat 1/8 der Dichte von Erdgas
• dadurch arbeiten Pipelines mit höheren Drücken
• Erzeugung und Verbrauch sehr viel volatiler als bei Erdgas
• höhere Beanspruchung/Anforderungen an Pipelines durch Drucklastwechsel
• ALLES IST NEULAND
132
W
T
Z
L
W
I
T
W
3
Projekt: Simulation Wassersto
ff
verteilnetze
Simulation von Wassersto
ff
verteilnetzen in Deutschland
• 7.500 LoC
• verschiedene YAML Formate zur De
fi
nition von Verteilnetzen
• fast keine Tests
• zusammengewürfelt von Physikern, Data Scientists,
Studenten und ChatGPT
• Anforderungen:
• Code produktionsbereit machen
• Lösen aller Probleme bei denen die Köche aufgegeben haben
142
W
T
Z
L
W
I
T
W
3
Projekt: Simulation Wassersto
ff
verteilnetze
Simulation von Wassersto
ff
verteilnetzen in Deutschland
• Heftiger Einsatz von Claude Code von Anthropic:
• CLI Tool zur Interaktion mit der aktuellen Codebasis via Prompts
• Generierung von 280 Unit Tests, 95% Testcoverage
• automatische Erzeugung Dokumentation für Module und Methoden
(auch Fachlogik)
• Erzeugung Dokumentation (Installation, Verwendung inkl. Beispielen)
• punktuelle Refaktorierung
152
W
T
Z
L
W
I
T
W
3
Projekt: Simulation Wassersto
ff
verteilnetze
Simulation von Wassersto
ff
verteilnetzen in DE
• Erfahrungen mit Claude Code:
• verlässliche Hilfe zur Erzeugung von Dokumentation
• verlässliche Hilfe zur Analyse von fachfremden Formaten
• verlässliche Hilfe zur Erzeugung isolierter Funktionalitäten
• enorme Zeitersparnis, Sicherung der Codequalität
• man sollte präzise prompten können
• verantwortungsvoller und kritischer Umgang sind notwendig
• vergleichsweise „teuer“ 🤡 (ca. 30 € AI Kosten)
162
W
T
Z
L
W
I
T
W
3
Projekt: Webshop Universität des Saarlandes
Plone 4 → Plone 6 Migration
• Plone 4.3 Portal aus 2015 mit Webshop für
Chemikalien und Gefahrensto
ff
e
• Python 2.7, aber schon Dexterity
• Anforderungen
• Sanierung Frontend/Backend Code
• SAML2
• Migration in Azure (Terraform, Ansible)
• modernes, konsistentes Look & Feel
172
W
T
Z
L
W
I
T
W
3
Projekt: Webshop Universität des Saarlandes
Verwendung von Claude Code
• Dokumentation Backend-Code (Module, Methoden), Installation, Deployment
• Erzeugung Kon
fi
gurationen für Terraform Azure und Ansible
(ohne besondere Vorkenntnisse) in einem Tag
• Modernisierung des eigenen Javascript Codes, jQuery Entfernung, async etc.
• Modernisierung und Vereinheitlichung von ca. 30 Views bzgl. Verwendung von
Bootstrap 5 Klassen und Komponenten
• partielle Unterstützung bei der Migration von Code von Python 2 nach
Python 3 (Ablösung manueller Routinearbeit)
18Automatische Generierung eines Formulars
202
W
T
Z
L
W
I
T
W
3
Die problematischen Seiten der AI Tools
• u.U. Generierung von Code auf Basis älterer Trainingsdaten (veraltete Packages),
vor allem gemerkt bei ChatGPT
• gelegentlich Halluzinationen und Unsinn
• AI rennt schon mal in die falsche Richtung und kommt aus der Sackgasse nicht
mehr selber raus
• AI generiert falschen oder unvollständigen Code → iterative Vorgehensweise
• u.U. partielle Abgabe von Verantwortung und Zuständigkeit an die AI
212
W
T
Z
L
W
I
T
W
3
Die positiven Seiten der AI Tools
• automatische Dokumentation fachfremden Codes
(Erschliessung von fachfremdem Wissen)
• Bootstrapping von neuen Projekten mit vorde
fi
niertem Focus
• Generierung von Tests für fremden Code zur Qualitätssicherung (Refaktorierung)
• Abnahme von stupiden, repetitiven Refaktorierungsaufgaben
• Zugänglichkeit fachfremder Technologien (Terraform, Ansible, Frontend)
• Produktivitätssteigerung und Zeitersparnis, (Motivationssteigerung?)
• bessere und vollständigere Tests
222
W
T
Z
L
W
I
T
W
3
Aktuelle Grenzen und Anti-Patterns
❌ Software-Architektur in mittelgroßen/großen Projekten
❌ mittelgroße/große Refactorings
❌ umfangreiche Änderungen ohne Kontrolle
❌ eigene Fehler erkennen und korrigieren
(„Huch, ich habe da wohl was falsch gemacht…alles es mich das für dich
fi
xen“)
24Plüderhausen
Quelle: t3n.de, 04.06.2025
26•verantwortungsvoller und informierter Umgang
mit AI
•Schulungen und begleitender Umgang für
Nicht-Entwickler im Umgang mit AI
•Schulungen für Nicht-Entwickler im Bereich
Software-Engineering und Software-Architektur,
sonst 💩 Code
