Schulung · GitHub Copilot · Softwarearchitektur

GitHub Copilot für Softwarearchitekt:innen

GitHub Copilot professionell nutzen: Completion, Chat, Agent Mode, Coding Agent für Issues und PRs, Code Review und Enterprise-Policies.

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

„GitHub Copilot für Softwarearchitekt:innen“ ist ein praxisorientiertes Training für Rollen wie Softwarearchitekt:innen und Solution Architects, Enterprise-Architekt:innen mit Bezug zur Anwendungsentwicklung und Senior Developer und Tech Leads mit Architekturverantwortung. Sie lernen GitHub Copilot nicht abstrakt, sondern an Aufgaben aus Ihrem Arbeitsalltag kennen – mit Beispielen, Übungen und Vorlagen aus dem Bereich Softwarearchitektur.

GitHub Copilot hat sich von der reinen Code-Vervollständigung zu einer umfassenden KI-Plattform entwickelt, die den gesamten Entwicklungsprozess begleitet. Im Editor unterstützen Sie Inline-Vorschläge, Next Edit Suggestions und Copilot Chat; im Agent Mode bearbeitet Copilot Aufgaben über mehrere Dateien hinweg und führt Befehle aus. Auf GitHub selbst übernimmt der Coding Agent zugewiesene Issues und liefert Pull Requests. In diesem zweitägigen Training lernen Sie, diese Bausteine gezielt einzusetzen und in Ihren bestehenden Entwicklungsprozess sauber zu integrieren.

Neben der Praxis im Editor geht es um Steuerung und Qualität: Mit Custom Instructions und Prompt-Dateien geben Sie Copilot Projektwissen mit, über MCP binden Sie zusätzliche Werkzeuge an, und mit Copilot Code Review ergänzen Sie den menschlichen Review-Prozess. Für Verantwortliche in Teams und Organisationen behandeln wir Richtlinien auf Organisations- und Enterprise-Ebene, Content Exclusions, Modellfreigaben und Auswertungen der Nutzung. So schaffen Sie die Grundlage für einen sicheren, nachvollziehbaren und wirksamen Einsatz von Copilot im gesamten Unternehmen.

Wenn KI-Agenten große Teile des Codes schreiben, wird Architektur wichtiger, nicht unwichtiger: Klare Modulgrenzen, dokumentierte Entscheidungen und überprüfbare Qualitätsziele sind der Rahmen, in dem generierter Code konsistent bleibt. Gleichzeitig unterstützen KI-Assistenten Architekt:innen direkt, etwa beim Analysieren bestehender Codebasen, beim Erstellen von C4-Diagrammen, beim Formulieren von Architecture Decision Records und beim Abwägen von Alternativen anhand von Qualitätsattributen. Fitness Functions und Architekturtests lassen sich generieren und in Pipelines verankern. Im Kurs lernen Sie, KI als Sparringspartner für Architekturentscheidungen einzusetzen, Architekturwissen so aufzubereiten, dass Coding-Agenten es zuverlässig befolgen, und Erosion in schnell wachsenden Codebasen frühzeitig zu erkennen.

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?

  • Softwarearchitekt:innen und Solution Architects
  • Enterprise-Architekt:innen mit Bezug zur Anwendungsentwicklung
  • Senior Developer und Tech Leads mit Architekturverantwortung
  • Platform- und Cloud-Architekt:innen
  • Verantwortliche für Architektur-Governance und Review-Boards

Typische Herausforderungen, die wir adressieren

  • Architekturdokumentation veraltet schnell und weicht vom tatsächlichen Code ab
  • Entscheidungen werden mündlich getroffen und ihr Kontext geht verloren
  • Schleichende Architekturerosion durch zyklische Abhängigkeiten und verletzte Schichtgrenzen
  • KI-generierter Code ignoriert ohne klare Vorgaben etablierte Muster und Konventionen

Das können Sie nach dem Training

  • Sie nutzen Completion, Chat und Agent Mode von Copilot zielgerichtet für Ihre täglichen Entwicklungsaufgaben.
  • Sie hinterlegen Projektwissen in Custom Instructions und Prompt-Dateien und verbessern damit die Ergebnisqualität.
  • Sie delegieren geeignete Issues an den Coding Agent und prüfen dessen Pull Requests sachgerecht.
  • Sie integrieren Copilot Code Review sinnvoll in Ihren bestehenden Review-Prozess.
  • Sie nutzen KI zur Analyse bestehender Systeme, zur Bewertung von Architekturoptionen und zur Dokumentation von Entscheidungen als ADRs.
  • Sie verankern Architekturregeln als Fitness Functions in der Pipeline und erkennen Erosion frühzeitig.
  • Sie gestalten Kontext und Regeln so, dass KI-Coding-Agenten Ihre Architekturvorgaben zuverlässig einhalten.

Inhalte & Ablauf

Tag 1

Modul 1 Copilot im Editor: Completion und Chat
  • Inline-Vorschläge und Next Edit Suggestions effizient annehmen, ablehnen und steuern
  • Copilot Chat für Erklärungen, Fehlersuche und Testgenerierung nutzen
  • Kontext gezielt über Dateien, Auswahl, Workspace und Chat-Variablen setzen
  • Modellauswahl und Unterschiede zwischen IDEs wie VS Code, Visual Studio und JetBrains
Modul 2 Agent Mode und Erweiterungen
  • Mehrstufige Aufgaben im Agent Mode planen und kontrolliert ausführen lassen
  • Terminalbefehle, Testläufe und Fehlerrückmeldungen in den Agenten-Loop einbinden
  • MCP-Server für zusätzliche Werkzeuge und Datenquellen anbinden
  • Änderungen prüfen, teilweise übernehmen oder zurücksetzen
Modul 3 Projektwissen mit Custom Instructions
  • Repository-weite Instructions für Architektur, Stil und Tests formulieren
  • Pfadspezifische Instructions und wiederverwendbare Prompt-Dateien anlegen
  • Persönliche und organisationsweite Vorgaben sinnvoll kombinieren
  • Instructions anhand der Ergebnisqualität laufend verbessern
Modul 4 Coding Agent und Code Review auf GitHub
  • Issues so formulieren, dass der Coding Agent sie zuverlässig umsetzen kann
  • Pull Requests des Agenten prüfen, kommentieren und iterieren lassen
  • Copilot Code Review als ergänzende Prüfinstanz im PR-Prozess einsetzen
  • Entwicklungsumgebung des Agenten über Setup-Schritte und Actions konfigurieren

Tag 2

Modul 5 Administration, Policies und Sicherheit
  • Lizenzzuweisung und Richtlinien auf Organisations- und Enterprise-Ebene
  • Content Exclusions, Modellfreigaben und Filter für öffentlichen Code
  • Audit-Logs und Nutzungsmetriken für Steuerung und Einführung auswerten
  • Sicherheitsrisiken, Secrets und Verantwortlichkeiten für KI-generierten Code klären
Modul 6 Praxislabor: Softwarearchitektur
  • Architektur-Entscheidungen dokumentieren
  • Bestandsarchitektur rekonstruieren
  • Alternativen bewerten
  • Fitness Functions generieren
  • Leitplanken für Coding-Agenten
  • Domänen schneiden
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • Architekturunterlagen beschreiben oft sicherheitsrelevante Details wie Netzwerkzonen und Datenflüsse: Sie lernen, welche Informationen an KI-Dienste gegeben werden dürfen, wie Sie Lizenzrisiken eingesetzter Komponenten bewerten und wie Architekturentscheidungen Anforderungen aus DSGVO, NIS2 und Cyber Resilience Act nachvollziehbar abbilden.
  • 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

Architektur-Entscheidungen dokumentieren

Diskussionen, Meeting-Notizen und Pull Requests in strukturierte Architecture Decision Records mit Kontext, betrachteten Optionen, Entscheidung und Konsequenzen überführen und konsistent im Repository ablegen. Verwandte Entscheidungen werden automatisch verlinkt.

Bestandsarchitektur rekonstruieren

Bestehende Codebasen analysieren, Module, Abhängigkeiten und Schnittstellen herausarbeiten und daraus aktuelle C4-Diagramme als Diagrams-as-Code mit PlantUML, Mermaid oder Structurizr erzeugen. Die Diagramme lassen sich bei jedem Build automatisch aktualisieren.

Alternativen bewerten

Architekturoptionen wie modularer Monolith, Microservices oder ereignisgetriebene Integration anhand von Qualitätsszenarien, Kosten und Teamstruktur gegenüberstellen und Trade-offs nach ATAM-Prinzipien sichtbar machen. Das Ergebnis dient als fundierte Entscheidungsvorlage.

Fitness Functions generieren

Architekturregeln wie Schichtzugriffe, verbotene Abhängigkeiten oder Namenskonventionen als automatisierte Tests mit ArchUnit, dependency-cruiser oder ähnlichen Werkzeugen formulieren und in die CI-Pipeline integrieren. Verstöße brechen den Build mit klarer Meldung ab.

Leitplanken für Coding-Agenten

Architekturprinzipien, Modulgrenzen und Muster in Regeldateien und Kontextdokumenten so beschreiben, dass KI-Agenten sie bei der Codegenerierung zuverlässig befolgen, und Abweichungen im Review erkennen. So bleibt generierter Code strukturell konsistent.

Domänen schneiden

Aus Event-Storming-Ergebnissen und Fachbeschreibungen Bounded Contexts, Aggregate und Context Maps nach Domain-Driven Design ableiten und als Grundlage für Team- und Service-Zuschnitte nutzen. Offene Fragen werden dabei explizit markiert.

Mögliche Praxisprojekte im Kurs

ADR-Assistent

Ein Kommandozeilenwerkzeug, das aus Stichpunkten einen vollständigen ADR nach Vorlage erstellt, verwandte Entscheidungen verlinkt und einen Index im Repository aktualisiert.

Abhängigkeitsvisualisierung

Ein Skript, das Importbeziehungen einer Codebasis auswertet, Zyklen und Schichtverletzungen markiert und ein interaktives Diagramm im Browser erzeugt. Kritische Hotspots werden farblich hervorgehoben.

Architektur-Q&A über Repos

Eine kleine Anwendung, die ADRs, Diagramme und Code indexiert und Fragen zur Architektur mit Verweis auf die jeweiligen Quellen beantwortet.

Voraussetzungen

Sie entwickeln regelmäßig Software, arbeiten mit Git und GitHub (Issues, Pull Requests) und nutzen eine moderne IDE. Sie verfügen über mehrjährige Entwicklungserfahrung und haben bereits Architekturentscheidungen in größeren Softwaresystemen getroffen oder begleitet.

Technische Voraussetzungen

Eigener Laptop mit VS Code oder einer JetBrains-IDE, installierter Copilot-Erweiterung und einem GitHub-Konto mit aktiver Copilot-Lizenz; für den Coding Agent wird ein passender Plan benötigt.

Datenschutz & Compliance

Architekturunterlagen beschreiben oft sicherheitsrelevante Details wie Netzwerkzonen und Datenflüsse: Sie lernen, welche Informationen an KI-Dienste gegeben werden dürfen, wie Sie Lizenzrisiken eingesetzter Komponenten bewerten und wie Architekturentscheidungen Anforderungen aus DSGVO, NIS2 und Cyber Resilience Act nachvollziehbar abbilden.

Terminvorschläge

Alle Termine sind Vorschläge – Ihr Wunschtermin ist jederzeit möglich.

  • Di, 24. November 2026 – Mi, 25. November 2026 Online Anfragen
  • Mo, 30. November 2026 – Di, 1. Dezember 2026 München Anfragen
  • Mo, 7. Dezember 2026 – Di, 8. Dezember 2026 Online Anfragen
  • Di, 19. Januar 2027 – Mi, 20. Januar 2027 Hannover Anfragen
  • Mi, 27. Januar 2027 – Do, 28. Januar 2027 Online Anfragen
  • Mo, 8. Februar 2027 – Di, 9. Februar 2027 Berlin Anfragen

Häufige Fragen

Was ist der Unterschied zwischen Agent Mode und Coding Agent?

Der Agent Mode läuft in Ihrer IDE: Sie arbeiten interaktiv mit Copilot, sehen jeden Schritt und geben Befehle frei. Der Coding Agent arbeitet dagegen eigenständig auf GitHub, sobald Sie ihm ein Issue zuweisen, nutzt eine eigene Ausführungsumgebung und legt einen Pull Request an, den Sie anschließend wie den Beitrag eines Teammitglieds prüfen.

Wie stellen wir sicher, dass Copilot unsere Unternehmensrichtlinien einhält?

Auf Organisations- und Enterprise-Ebene lassen sich Funktionen, Modelle und Erweiterungen gezielt freigeben oder sperren. Content Exclusions halten sensible Dateien aus dem Kontext heraus, und Audit-Logs machen die Nutzung nachvollziehbar. Im Kurs zeigen wir, wie Sie diese Hebel mit Datenschutz, Informationssicherheit und internen Coding-Standards zusammenbringen.

Lohnt sich der Kurs, wenn wir Copilot schon länger nutzen?

Ja, gerade dann. Viele Teams nutzen nur die Vervollständigung und lassen Chat, Agent Mode, Custom Instructions und den Coding Agent weitgehend ungenutzt. Der Kurs zeigt, wie Sie diese Funktionen strukturiert einsetzen, Ergebnisse durch Projektwissen verbessern und typische Fehlerquellen vermeiden. Erfahrene Nutzer profitieren besonders von den Abschnitten zu Review und Governance.

Kann KI Architekturentscheidungen treffen?

KI ist ein starker Sparringspartner: Sie liefert Optionen, benennt Trade-offs, findet Lücken in der Argumentation und dokumentiert Entscheidungen strukturiert. Die Verantwortung bleibt jedoch bei Menschen, weil Architektur von Unternehmenskontext, Teamfähigkeiten, Budget und Risikobereitschaft abhängt. Im Kurs lernen Sie, KI so einzusetzen, dass Entscheidungen besser begründet und schneller getroffen werden.

Wie verhindern wir, dass KI-Agenten die Architektur aufweichen?

Durch ein Zusammenspiel aus klarem Kontext und automatischer Prüfung: Regeldateien und ADRs beschreiben Modulgrenzen und Muster, Fitness Functions und Architekturtests in der CI verhindern Verstöße, und Reviews achten gezielt auf strukturelle Änderungen. So wird Architektur von einer Dokumentation zu einer überprüfbaren Leitplanke für Menschen und Agenten gleichermaßen.

Was kostet die Schulung „GitHub Copilot für Softwarearchitekt: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 Softwarearchitekt:innen

Weitere Kurse zu GitHub Copilot

Alle 32 Kurse zu GitHub Copilot

GitHub Copilot · MünchenGitHub Copilot · SalzburgGitHub Copilot · BerlinGitHub Copilot · AugsburgGitHub Copilot · HannoverGitHub Copilot · BremenGitHub Copilot · StuttgartGitHub Copilot · KaiserslauternGitHub Copilot · Online