Schulung · Cursor · Python-Entwicklung

Cursor für Python-Entwickler:innen

Produktiv entwickeln mit dem KI-Code-Editor Cursor: Agent-Modus, Rules, Codebase-Kontext, Tab-Completion, Background Agents und Review.

Dauer
2 Tage (14 Std.)
Format
Online oder vor Ort
Sprache
Deutsch oder Englisch
Teilnehmende
offene Termine oder exklusiv für Ihr Team
Abschluss
Teilnahmebescheinigung

Überblick

Das Training „Cursor für Python-Entwickler:innen“ richtet sich an Rollen wie Python-Backend-Entwickler:innen mit Django, Flask oder FastAPI, Automatisierungs- und Skripting-Spezialist:innen in IT und Fachbereichen und Data- und ML-Engineers, die produktiven Python-Code pflegen und zeigt Schritt für Schritt, wie Cursor im Bereich Python-Entwicklung produktiv, sicher und nachvollziehbar eingesetzt wird – von den Grundlagen bis zu fortgeschrittenen Workflows.

Cursor ist ein KI-Code-Editor auf Basis von VS Code, der Sprachmodelle tief in den Entwicklungsalltag integriert. Neben einer kontextbewussten Tab-Completion bietet Cursor einen Agent-Modus, der selbstständig Dateien durchsucht, Änderungen über das gesamte Projekt plant, Terminalbefehle ausführt und Fehler iterativ behebt. In diesem zweitägigen Training lernen Sie, Cursor gezielt einzusetzen: Sie wählen den passenden Interaktionsmodus, steuern den Kontext bewusst und kombinieren KI-Unterstützung mit Ihrem bestehenden Workflow aus Versionskontrolle, Tests und Code-Review.

Ein Schwerpunkt liegt auf der Teamtauglichkeit: Mit Projekt-Rules halten Sie Architekturvorgaben, Namenskonventionen und Teststrategien fest, damit der Agent konsistente Ergebnisse liefert. Sie lernen, die Codebase-Indizierung, gezielte Referenzen auf Dateien, Dokumentation und Symbole sowie MCP-Integrationen sinnvoll zu nutzen. Zudem delegieren Sie Aufgaben an Background Agents, prüfen deren Ergebnisse als Pull Requests und etablieren einen Review-Prozess, der Qualität, Sicherheit und Datenschutz im Unternehmen gleichermaßen berücksichtigt und auch für größere Teams mit mehreren Repositories tragfähig bleibt.

Python ist die Sprache, in der viele Teams Web-Backends, Automatisierung, Datenpipelines und KI-Anwendungen gleichzeitig betreiben – entsprechend heterogen sind die Codebasen. KI-Coding-Assistenten und Agenten verändern den Alltag hier besonders spürbar: Sie schreiben pytest-Suiten auf Basis vorhandener Fixtures, ergänzen Type Hints bis mypy sauber durchläuft, migrieren Legacy-Skripte auf moderne Packaging-Standards mit pyproject.toml und erklären fremde Django- oder FastAPI-Projekte in Minuten statt Tagen. Entscheidend ist, die Werkzeuge mit klarem Kontext zu führen: Projektkonventionen, Linter-Regeln von Ruff, Testbefehle und Architekturentscheidungen gehören in Anweisungsdateien und Prompts. Wer das beherrscht, delegiert Routinearbeit verlässlich und konzentriert sich auf Design, Review und fachliche Logik.

Das Training findet live statt – wahlweise online im virtuellen Klassenraum oder vor Ort in unseren Trainingsräumen in München, Salzburg, Berlin, Augsburg, Hannover, Bremen, Stuttgart und Kaiserslautern. Auf Wunsch kommen wir auch exklusiv für Ihr Team zusammen.

Für wen ist das Training?

  • Python-Backend-Entwickler:innen mit Django, Flask oder FastAPI
  • Automatisierungs- und Skripting-Spezialist:innen in IT und Fachbereichen
  • Data- und ML-Engineers, die produktiven Python-Code pflegen
  • Tech Leads, die Code-Qualität und Review-Prozesse verantworten
  • Entwickler:innen, die Legacy-Python-Code modernisieren

Typische Herausforderungen, die wir adressieren

  • Gewachsene Codebasen ohne Type Hints und mit lückenhafter Testabdeckung
  • Abhängigkeitschaos zwischen requirements.txt, Poetry, uv und virtuellen Umgebungen
  • Zeitaufwändige Reviews und uneinheitlicher Stil trotz Linter und Formatter
  • Einarbeitung in fremde Projekte mit implizitem Wissen und fehlender Dokumentation

Das können Sie nach dem Training

  • Sie wählen für jede Aufgabe den passenden Cursor-Modus und setzen ihn effizient ein.
  • Sie steuern den Codebase-Kontext gezielt und erhalten dadurch präzisere Vorschläge.
  • Sie formulieren Projekt-Rules, die Konventionen Ihres Teams zuverlässig durchsetzen.
  • Sie setzen den Agent-Modus und Background Agents für Features und Refactorings mit überprüfbaren Ergebnissen ein.
  • Sie lassen KI-Agenten pytest-Suiten, Type Hints und Refactorings in Ihrer Python-Codebasis zuverlässig umsetzen.
  • Sie hinterlegen Projektkonventionen, Tooling wie Ruff, mypy und uv sowie Testbefehle so, dass der Assistent sie konsequent einhält.
  • Sie prüfen generierten Python-Code systematisch auf Korrektheit, Sicherheit und Wartbarkeit, bevor er gemergt wird.

Inhalte & Ablauf

Tag 1

Modul 1 Cursor einrichten und die Arbeitsmodi verstehen
  • Installation, Migration von VS-Code-Einstellungen und Erweiterungen
  • Unterschiede zwischen Tab-Completion, Inline-Bearbeitung, Ask- und Agent-Modus
  • Modellauswahl je nach Aufgabe: Geschwindigkeit, Tiefe und Kosten abwägen
  • Datenschutzmodus und Unternehmenseinstellungen kennen
Modul 2 Codebase-Kontext gezielt steuern
  • Wie die Codebase-Indizierung funktioniert und wo ihre Grenzen liegen
  • Dateien, Ordner, Symbole, Dokumentation und Webquellen gezielt referenzieren
  • Ignore-Dateien nutzen, um sensible oder irrelevante Inhalte auszuschließen
  • Lange Chats vermeiden und Aufgaben mit frischem Kontext neu starten
Modul 3 Rules für konsistente Ergebnisse im Team
  • Projekt-Rules anlegen, versionieren und nach Dateimustern aktivieren
  • Architektur-, Stil- und Testkonventionen als wirksame Rules formulieren
  • Benutzer-Rules und Team-Rules sinnvoll voneinander abgrenzen
  • Rules anhand typischer Fehlgriffe des Agenten iterativ verbessern
Modul 4 Agent-Modus in der Praxis
  • Features schrittweise mit Plan, Umsetzung und Tests entwickeln
  • Refactorings über viele Dateien sicher durchführen und Checkpoints nutzen
  • Terminalbefehle kontrolliert freigeben und Fehlerausgaben zurückspielen
  • MCP-Server für Ticketsysteme, Datenbanken oder Browser-Tests anbinden

Tag 2

Modul 5 Background Agents, Review und Governance
  • Aufgaben an Background Agents delegieren und parallel bearbeiten lassen
  • Ergebnisse als Branch oder Pull Request prüfen und nachsteuern
  • KI-gestütztes Code-Review einsetzen und mit menschlichem Review kombinieren
  • Sicherheitsrisiken, Secrets und Lizenzfragen im Unternehmenseinsatz adressieren
Modul 6 Praxislabor: Python-Entwicklung
  • pytest-Tests generieren
  • Type Hints und mypy-Bereinigung
  • Django-Migrationen und ORM-Refactoring
  • FastAPI-Endpunkte mit Pydantic
  • Legacy-Skripte modernisieren
  • Codebasis verstehen und dokumentieren
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • Klären Sie, welcher Quellcode an Cloud-Modelle übertragen werden darf, schließen Sie Secrets aus .env-Dateien konsequent aus und prüfen Sie generierten Code auf Lizenzübernahmen sowie neu eingeführte PyPI-Abhängigkeiten (Typosquatting, Supply-Chain-Risiken). Für Produkte mit digitalen Elementen gewinnen zudem die Pflichten des Cyber Resilience Act an Bedeutung.
  • Spielregeln für den sicheren KI-Einsatz im Team
  • Ergebnisse prüfen: Fakten, Quellen, Tests und Vier-Augen-Prinzip
  • Persönlicher Umsetzungsplan für die nächsten 30 Tage
  • Offene Fragen, Ausblick und Ressourcen zum Weiterlernen

Praxisszenarien aus Ihrem Bereich

pytest-Tests generieren

Der Assistent analysiert Funktionen und vorhandene Fixtures, schreibt parametrisierte pytest-Tests inklusive Edge Cases und Mocks für externe Dienste und führt sie iterativ aus, bis sie grün sind und die gewünschte Abdeckung erreichen.

Type Hints und mypy-Bereinigung

Untypisierter Code wird modulweise mit Type Hints, TypedDict und Protocols versehen. Der Agent startet mypy oder Pyright, interpretiert die Meldungen und behebt sie schrittweise, ohne das Laufzeitverhalten zu verändern.

Django-Migrationen und ORM-Refactoring

Modelländerungen werden samt Datenmigrationen geplant, makemigrations-Konflikte aufgelöst und N+1-Abfragen mit select_related oder prefetch_related optimiert. Die KI erklärt Risiken für bestehende Produktionsdaten vor dem Deployment. Auch Rückwärtsmigrationen werden mitgedacht.

FastAPI-Endpunkte mit Pydantic

Aus einer fachlichen Beschreibung oder einem OpenAPI-Entwurf entstehen Pydantic-Modelle, Router, Dependency Injection und Validierungslogik inklusive Fehlerbehandlung und passender Tests mit dem TestClient. Die Endpunkte folgen Ihren bestehenden Projektkonventionen.

Legacy-Skripte modernisieren

Alte Skripte werden in Pakete mit pyproject.toml überführt, globale Zustände entfernt, argparse- oder Click-CLIs ergänzt und Ruff-Regeln angewendet. Der Agent dokumentiert jede Änderung nachvollziehbar im Commit.

Codebasis verstehen und dokumentieren

Der Assistent erkundet ein unbekanntes Repository, erstellt Architekturübersichten, erklärt Datenflüsse zwischen Modulen und ergänzt fehlende Docstrings im Google- oder NumPy-Stil, sodass neue Teammitglieder schneller produktiv werden.

Mögliche Praxisprojekte im Kurs

CLI für Log-Analyse

Ein Typer-basiertes Kommandozeilentool, das Anwendungslogs einliest, Fehlermuster gruppiert und eine kompakte Zusammenfassung als Markdown oder JSON ausgibt – inklusive Tests und Packaging.

FastAPI-Microservice mit Datenbank

Ein kleiner REST-Service mit SQLAlchemy, Alembic-Migrationen, Pydantic-Validierung und Docker-Setup, der vollständig per KI-Agent geplant, implementiert und getestet wird. Ideal, um den kompletten Agenten-Workflow zu üben.

Dependency-Audit-Skript

Ein Skript, das alle Projektabhängigkeiten ausliest, veraltete oder verwundbare Pakete über öffentliche Advisory-Datenbanken prüft und einen priorisierten Update-Bericht erstellt. Der Bericht lässt sich in die CI-Pipeline einbinden.

Voraussetzungen

Sie programmieren regelmäßig in mindestens einer Sprache und sind mit Git sowie einer IDE wie VS Code vertraut. Solide Python-Kenntnisse, Erfahrung mit Git, virtuellen Umgebungen und mindestens einem Framework wie Django, Flask oder FastAPI.

Technische Voraussetzungen

Eigener Laptop mit installiertem Cursor, Git und Ihrer gewohnten Entwicklungsumgebung; ein Cursor-Konto mit Zugriff auf Agent-Funktionen wird empfohlen.

Datenschutz & Compliance

Klären Sie, welcher Quellcode an Cloud-Modelle übertragen werden darf, schließen Sie Secrets aus .env-Dateien konsequent aus und prüfen Sie generierten Code auf Lizenzübernahmen sowie neu eingeführte PyPI-Abhängigkeiten (Typosquatting, Supply-Chain-Risiken). Für Produkte mit digitalen Elementen gewinnen zudem die Pflichten des Cyber Resilience Act an Bedeutung.

Terminvorschläge

Alle Termine sind Vorschläge – Ihr Wunschtermin ist jederzeit möglich.

  • Do, 26. November 2026 – Fr, 27. November 2026 Online Anfragen
  • Mo, 7. Dezember 2026 – Di, 8. Dezember 2026 Berlin Anfragen
  • Mi, 16. Dezember 2026 – Do, 17. Dezember 2026 Online Anfragen
  • Do, 14. Januar 2027 – Fr, 15. Januar 2027 Online Anfragen
  • Mo, 18. Januar 2027 – Di, 19. Januar 2027 Stuttgart Anfragen
  • Do, 28. Januar 2027 – Fr, 29. Januar 2027 Online Anfragen

Häufige Fragen

Brauche ich Vorkenntnisse in VS Code, um Cursor zu nutzen?

Hilfreich, aber nicht zwingend. Cursor basiert auf VS Code, daher fühlen sich Bedienung, Tastenkürzel und Erweiterungen vertraut an, und bestehende Einstellungen lassen sich übernehmen. Wer bisher mit JetBrains-IDEs oder anderen Editoren arbeitet, findet sich nach einer kurzen Einführung im Kurs schnell zurecht und kann sich auf die KI-Funktionen konzentrieren.

Wie verhindere ich, dass vertraulicher Code an Dritte gelangt?

Cursor bietet einen Datenschutzmodus und Unternehmenseinstellungen, die die Speicherung von Code beim Anbieter einschränken. Zusätzlich schließen Sie über Ignore-Dateien sensible Bereiche von Indizierung und Kontext aus. Im Kurs besprechen wir, wie Sie diese Optionen mit internen Richtlinien, Datenschutzanforderungen und dem Umgang mit Secrets in Einklang bringen.

Was bringen Rules im Vergleich zu guten Prompts?

Prompts gelten nur für eine einzelne Anfrage, Rules dagegen dauerhaft und für das ganze Team. Sie halten darin Architekturentscheidungen, bevorzugte Bibliotheken, Teststrategien und Stilvorgaben fest. Dadurch muss niemand diese Informationen wiederholen, und der Agent erzeugt Code, der zu Ihrer Codebasis passt. Rules werden mit dem Projekt versioniert und gemeinsam weiterentwickelt.

Funktioniert KI-gestütztes Coding auch in großen Django-Monolithen?

Ja, sofern der Agent den richtigen Kontext erhält. Im Kurs lernen Sie, Anweisungsdateien mit Architekturregeln, App-Struktur und Testbefehlen anzulegen und Aufgaben so zu schneiden, dass der Assistent gezielt einzelne Apps oder Module bearbeitet. So bleiben Änderungen überschaubar und reviewbar, auch wenn das Gesamtprojekt sehr umfangreich ist.

Ersetzt die KI meine Code-Reviews?

Nein. KI-Assistenten beschleunigen das Schreiben von Code und können Reviews vorbereiten, etwa durch Hinweise auf fehlende Tests oder riskante Stellen. Die fachliche und sicherheitsrelevante Verantwortung bleibt beim Team. Wir zeigen, wie Sie Review-Checklisten, statische Analyse und Tests kombinieren, damit generierter Code denselben Qualitätsmaßstäben genügt wie handgeschriebener.

Was kostet die Schulung „Cursor für Python-Entwickler:innen“?

Die Schulung kostet pauschal 949 € zzgl. gesetzl. MwSt. pro Teilnehmer:in – unabhängig davon, ob sie online oder vor Ort stattfindet. Enthalten sind 2 Trainingstag(e) mit Live-Trainer:in, Kursunterlagen, Übungsumgebung und Teilnahmebescheinigung.

Kann ich einen eigenen Wunschtermin angeben?

Ja. Unsere Terminvorschläge sind eine Orientierung. Im Anfrageformular können Sie jederzeit einen Wunschtermin oder Zeitraum im Freitext angeben – wir prüfen die Verfügbarkeit und bestätigen innerhalb eines Werktags.

Findet der Kurs online oder vor Ort statt?

Beides ist möglich: live online im virtuellen Klassenraum oder vor Ort in München, Salzburg, Berlin, Augsburg, Hannover, Bremen, Stuttgart oder Kaiserslautern. Auf Wunsch führen wir das Training auch exklusiv für Ihr Team durch.

Weitere Kurse für Python-Entwickler:innen

Weitere Kurse zu Cursor

Alle 32 Kurse zu Cursor

Cursor · MünchenCursor · SalzburgCursor · BerlinCursor · AugsburgCursor · HannoverCursor · BremenCursor · StuttgartCursor · KaiserslauternCursor · Online