Kursbeschreibung
JetBrains Junie bringt agentenbasierte KI-Unterstützung direkt in die Entwicklungsumgebung. Damit entsteht ein neues Arbeitsmodell: Aufgaben werden beschrieben, der KI-Agent schlägt Änderungen vor, nutzt Projektkontext und unterstützt bei der Umsetzung. Diese Schulung zeigt, wie dieser Ansatz verantwortungsvoll eingesetzt wird. Zunächst werden Grundlagen, Architektur und Rolle von Junie im JetBrains-Ökosystem vermittelt. Die Teilnehmerinnen und Teilnehmer verstehen, worin sich Junie von klassischer Autocomplete-Unterstützung unterscheidet und welche Bedeutung Projektkontext, Prompts und IDE-Funktionen für die Ergebnisqualität haben. Danach folgt die Einrichtung in unterstützten JetBrains IDEs wie IntelliJ IDEA, Rider, WebStorm und PyCharm. Lizenzierung, Datenschutzoptionen, Telemetrieeinstellungen und teamweite Richtlinien werden dabei nicht ausgeklammert, sondern als Voraussetzung für professionellen Einsatz behandelt. Der praktische Teil konzentriert sich auf Code-Generierung für typische Aufgaben: neue Funktionen, Klassenstrukturen, Boilerplate-Automatisierung, API-Anbindungen und Anpassung an bestehende Coding-Standards. Ein weiterer Schwerpunkt liegt auf Validierung. KI-generierter Code wird analysiert, getestet, geprüft und verbessert. Dadurch entsteht ein Arbeitsprozess, der Junie als Werkzeug nutzt, aber technische Entscheidungen weiterhin bewusst im Entwicklungsteam hält. Das Seminar eignet sich für Organisationen, die KI-gestützte Entwicklung systematisch einführen und Risiken früh begrenzen möchten.
Zielgruppe
- Software-Entwicklerinnen und Software-Entwickler, die IntelliJ IDEA, Rider, WebStorm oder PyCharm im Projektalltag einsetzen
- Java-, .NET-, Python- und Web-Entwicklungsteams, die KI-gestützte Code-Generierung kontrolliert nutzen möchten
- Tech-Leads, Senior-Entwicklerinnen und Senior-Entwickler, die Junie fachlich bewerten und Teamregeln definieren
- IT-Teams mit Verantwortung für Entwicklungsstandards, Datenschutz, Code-Reviews und nachvollziehbare KI-Nutzung
Voraussetzung für die Schulung
- Grundkenntnisse in Software-Entwicklung und sicherer Umgang mit mindestens einer JetBrains IDE
- Erfahrung mit Git, Tests oder Code-Reviews für die Praxisübungen empfohlen
- Grundverständnis von Projektstrukturen, Abhängigkeiten und Entwicklungsworkflows
- Keine Vorerfahrung mit JetBrains Junie erforderlich
Kursinhalte
Einordnung von JetBrains Junie
- Rolle von Junie im JetBrains-Ökosystem
- Abgrenzung zu JetBrains AI Assistant, klassischer Code-Completion und Chat-Funktionen
- Grundprinzipien agentischer Software-Entwicklung in der IDE
- Typische Aufgabenbereiche für KI-gestützte Code-Generierung
- Nutzen und Grenzen von Junie in professionellen Entwicklungsprojekten
Installation, Aktivierung und IDE-Integration
- Aktivierung des Junie-Plugins in unterstützten JetBrains IDEs
- Einrichtung in IntelliJ IDEA, Rider, WebStorm und PyCharm
- Prüfung von IDE-Version, Plugin-Status und Berechtigungen
- Projektbezogene Grundkonfiguration für reproduzierbare Übungen
- Umgang mit Arbeitsbereichen, Projektstruktur und Kontextinformationen
Lizenzierung, Datenschutz und Governance
- Überblick über Lizenzmodell, Nutzungsrahmen und organisatorische Vorbereitungen
- Datenschutzoptionen, Telemetrieeinstellungen und verantwortlicher Umgang mit Projektdaten
- Bewertung sensibler Projektinformationen vor der Nutzung von KI-Funktionen
- Regeln für Team-Governance, Freigaben und dokumentierte Nutzung
- Abstimmung von Junie-Einsatz, Sicherheitsanforderungen und internen Entwicklungsrichtlinien
Prompts und Aufgabenformulierung
- Strukturierte Prompts für Funktionen, Klassen, Module und Refactorings
- Aufgaben mit fachlichem Kontext, technischen Randbedingungen und Akzeptanzkriterien beschreiben
- Unterschied zwischen offenen Aufgaben, präzisen Änderungswünschen und iterativer Nachsteuerung
- Prompts für Code-Erweiterungen, Fehleranalyse und Verbesserungsvorschläge
- Bewertung von Agenten-Plänen vor der Code-Übernahme
Code-Generierung im Entwickleralltag
- Erzeugung von Funktionen, Klassen, Boilerplate-Code und wiederkehrenden Strukturen
- Generierung und Anpassung von API-Anbindungen
- Unterstützung bei Refactorings unter Berücksichtigung bestehender Projektstrukturen
- Analyse von Inline-Vorschlägen und Agenten-Ergebnissen
- Nachbearbeitung generierter Inhalte anhand fachlicher und technischer Anforderungen
Qualitätssicherung für KI-generierten Code
- Systematischer Code-Review von Junie-Ergebnissen
- Einsatz von Tests, Inspections und IDE-Werkzeugen zur Validierung
- Erkennen typischer Fehlerbilder, unvollständiger Annahmen und inkonsistenter Implementierungen
- Prüfung auf Wartbarkeit, Lesbarkeit, Seiteneffekte und Coding-Standards
- Dokumentierte Nacharbeit vor Commit, Merge oder produktiver Verwendung
Teamfähigkeit und Entwicklungsprozesse
- Einbindung von Junie in bestehende Git-, Review- und Pull-Request-Prozesse
- Dokumentation KI-gestützter Änderungen im Team-Kontext
- Regeln für Verantwortlichkeiten, Freigaben und Review-Tiefe
- Abstimmung mit Coding-Guidelines und Architekturvorgaben
- Sinnvolle Einsatzbereiche für Einzelentwicklerinnen, Einzelentwickler und Entwicklungsteams
