Schulung · OpenAI Codex · API-Entwicklung

OpenAI Codex für API-Entwickler:innen

Mit OpenAI Codex Entwicklungsaufgaben delegieren: CLI und Cloud-Agent, AGENTS.md, Sandboxing, Freigaben und PR-Workflows im Team.

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

„OpenAI Codex für API-Entwickler:innen“ ist ein praxisorientiertes Training für Rollen wie Backend-Entwickler:innen, die REST-, GraphQL- oder gRPC-Schnittstellen bauen, API-Architekt:innen und Verantwortliche für API-Governance und Integrationsentwickler:innen für Partner- und Plattformanbindungen. Sie lernen OpenAI Codex nicht abstrakt, sondern an Aufgaben aus Ihrem Arbeitsalltag kennen – mit Beispielen, Übungen und Vorlagen aus dem Bereich API-Entwicklung.

OpenAI Codex ist ein Coding-Agent, der sowohl lokal als Kommandozeilenwerkzeug und IDE-Erweiterung als auch als Cloud-Agent arbeitet. Lokal liest Codex Ihr Repository, schlägt Änderungen vor und führt Befehle in einer abgesicherten Umgebung aus. In der Cloud bearbeitet Codex delegierte Aufgaben parallel in isolierten Containern und liefert die Ergebnisse als nachvollziehbare Diffs oder Pull Requests. In diesem zweitägigen Training lernen Sie, beide Arbeitsweisen sinnvoll zu kombinieren und Aufgaben so zu schneiden, dass der Agent sie zuverlässig erledigt.

Zentrale Themen sind Steuerung und Sicherheit: Mit AGENTS.md geben Sie Codex Projektwissen, Build- und Testbefehle sowie Konventionen mit. Sie konfigurieren Freigabemodi und Sandboxing, damit der Agent nur das tut, was Sie erlauben, und richten Cloud-Umgebungen mit passenden Setup-Skripten ein. Außerdem binden Sie Codex in Ihre Pull-Request-Workflows ein, nutzen automatisierte Code-Reviews und entwickeln Regeln dafür, welche Aufgaben im Team delegiert werden und wie die Ergebnisse vor dem Merge geprüft werden.

APIs sind das Rückgrat moderner Softwarelandschaften und zunehmend auch die Schnittstelle, über die KI-Agenten mit Systemen interagieren. KI-Coding-Assistenten beschleunigen den gesamten API-Lebenszyklus: vom Entwurf einer OpenAPI- oder AsyncAPI-Spezifikation über die Generierung von Server-Stubs, Clients und Contract-Tests bis zur Dokumentation und Versionierung. Gleichzeitig steigen die Anforderungen an Konsistenz, Sicherheit und Abwärtskompatibilität, denn APIs werden von vielen Teams, Partnern und automatisierten Agenten genutzt. Im Kurs lernen Sie, API-first-Entwicklung mit KI-Unterstützung umzusetzen, Design-Richtlinien automatisiert durchzusetzen, Breaking Changes früh zu erkennen und bestehende Schnittstellen über das Model Context Protocol oder Tool-Definitionen für KI-Agenten nutzbar zu machen.

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?

  • Backend-Entwickler:innen, die REST-, GraphQL- oder gRPC-Schnittstellen bauen
  • API-Architekt:innen und Verantwortliche für API-Governance
  • Integrationsentwickler:innen für Partner- und Plattformanbindungen
  • Platform-Engineering-Teams mit API-Gateways und Developer-Portalen
  • Entwickler:innen, die Unternehmensdaten für KI-Agenten zugänglich machen

Typische Herausforderungen, die wir adressieren

  • Uneinheitliches API-Design über Teams hinweg mit unterschiedlichen Konventionen für Fehler, Paginierung und Versionierung
  • Spezifikation, Implementierung und Dokumentation laufen auseinander
  • Breaking Changes werden erst bei Konsumenten bemerkt
  • Absicherung von Authentifizierung, Autorisierung und Rate Limiting für wachsende Nutzerzahlen und Agenten-Zugriffe

Das können Sie nach dem Training

  • Sie setzen Codex lokal und in der Cloud gezielt für passende Entwicklungsaufgaben ein.
  • Sie schreiben eine AGENTS.md, die den Agenten zuverlässig durch Ihr Projekt führt.
  • Sie konfigurieren Freigabemodi und Sandboxing passend zu Ihren Sicherheitsanforderungen.
  • Sie delegieren Aufgaben an den Cloud-Agenten und prüfen die Ergebnisse systematisch.
  • Sie setzen API-first-Entwicklung mit KI-Unterstützung um, von der Spezifikation bis zu Clients, Tests und Dokumentation.
  • Sie automatisieren Design-Governance, Contract-Tests und die Erkennung von Breaking Changes in Ihrer Pipeline.
  • Sie machen bestehende APIs sicher und kontrolliert für KI-Agenten nutzbar, etwa über das Model Context Protocol.

Inhalte & Ablauf

Tag 1

Modul 1 Codex im Überblick: CLI, IDE und Cloud
  • Arbeitsweisen von Codex lokal und in der Cloud vergleichen
  • Codex CLI installieren, anmelden und im Repository starten
  • Interaktive Sitzungen, nicht-interaktive Ausführung und Modellwahl
  • Geeignete und ungeeignete Aufgaben für einen Coding-Agenten unterscheiden
Modul 2 Projektwissen mit AGENTS.md
  • AGENTS.md mit Build-, Test- und Lint-Befehlen aufbauen
  • Konventionen, Architekturhinweise und Verbote präzise formulieren
  • Verschachtelte AGENTS.md-Dateien für Monorepos und Teilprojekte nutzen
  • Wirksamkeit prüfen und Anweisungen iterativ verbessern
Modul 3 Sandboxing, Freigaben und Sicherheit
  • Freigabemodi von nur lesend bis weitgehend autonom bewusst wählen
  • Sandbox-Grenzen für Dateisystem und Netzwerkzugriff verstehen
  • Umgang mit Secrets, Abhängigkeiten aus dem Internet und Prompt Injection
  • Konfigurationsdateien für Team-Standards und sichere Voreinstellungen
Modul 4 Aufgaben an den Cloud-Agenten delegieren
  • Cloud-Umgebungen mit Setup-Skripten und Abhängigkeiten konfigurieren
  • Aufgaben mit klarem Ziel, Kontext und Abnahmekriterien formulieren
  • Mehrere Aufgaben parallel starten und Ergebnisse vergleichen
  • Logs und Testausgaben nutzen, um Lösungen nachzuvollziehen

Tag 2

Modul 5 PR-Workflows und Code-Review im Team
  • Ergebnisse als Pull Request übernehmen und nachbessern lassen
  • Automatisierte Code-Reviews durch Codex in GitHub einsetzen
  • Codex in Skripte und CI-Pipelines einbinden
  • Teamregeln für Delegation, Review-Pflichten und Verantwortlichkeiten festlegen
Modul 6 Praxislabor: API-Entwicklung
  • OpenAPI-Specs generieren
  • Server und Clients erzeugen
  • Contract-Tests aufbauen
  • Breaking Changes erkennen
  • API-Sicherheit prüfen
  • APIs für KI-Agenten öffnen
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • APIs transportieren häufig personenbezogene und vertrauliche Daten: Sie lernen, Spezifikationen und Beispieldaten ohne echte Kundendaten zu erstellen, API-Schlüssel und Tokens aus dem KI-Kontext fernzuhalten und Datenschutz durch Technikgestaltung nach DSGVO sowie Anforderungen aus NIS2 umzusetzen.
  • 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

OpenAPI-Specs generieren

Aus fachlichen Anforderungen, Domänenmodellen oder bestehendem Code vollständige OpenAPI-Spezifikationen mit Schemas, Beispielen, Fehlerobjekten und Sicherheitsschemata entwerfen und gegen Ihre Styleguide-Regeln prüfen. Inkonsistenzen fallen so vor der Implementierung auf.

Server und Clients erzeugen

Aus einer Spezifikation Controller-Gerüste, Validierungslogik und typsichere Client-SDKs für mehrere Sprachen ableiten und die generierten Teile sauber von handgeschriebener Geschäftslogik trennen. Bei Spec-Änderungen wird einfach neu generiert.

Contract-Tests aufbauen

Consumer-Driven Contracts definieren, Testfälle für Grenzwerte, Fehlerpfade und Authentifizierung generieren und in der CI-Pipeline automatisch gegen Spezifikation und laufende Implementierung ausführen. Abweichungen blockieren das Deployment frühzeitig.

Breaking Changes erkennen

Zwei Versionen einer Spezifikation vergleichen, inkompatible Änderungen identifizieren, Migrationshinweise für Konsumenten formulieren und Deprecation-Strategien mit Versionierung und Sunset-Headern planen. Die Prüfung läuft automatisch bei jedem Pull Request mit.

API-Sicherheit prüfen

Endpunkte auf typische Schwachstellen aus den OWASP API Security Top 10 analysieren, etwa fehlerhafte Objekt-Autorisierung, Mass Assignment oder fehlendes Rate Limiting, und Korrekturen vorschlagen. Jede Empfehlung wird begründet.

APIs für KI-Agenten öffnen

Bestehende Schnittstellen als MCP-Server oder Tool-Definitionen bereitstellen, Beschreibungen und Parameter agententauglich formulieren und Berechtigungen so zuschneiden, dass Agenten nur freigegebene Aktionen ausführen. Alle Aufrufe werden protokolliert.

Mögliche Praxisprojekte im Kurs

API-Linter mit Hausregeln

Ein Kommandozeilenwerkzeug, das OpenAPI-Dateien gegen Ihre Design-Richtlinien prüft und verständliche Verbesserungsvorschläge direkt im Pull Request ausgibt. So wird API-Governance Teil des normalen Entwicklungsalltags.

Mock-Server aus Spec

Ein kleiner Dienst, der aus einer Spezifikation realistische Beispielantworten erzeugt, damit Frontend-Teams parallel zur Backend-Entwicklung arbeiten können. Er lässt sich lokal oder in der CI starten.

MCP-Server für interne API

Ein MCP-Server, der ausgewählte Endpunkte einer internen REST-API als Werkzeuge für KI-Assistenten bereitstellt, mit Authentifizierung und Protokollierung. Schreibende Aktionen erfordern eine explizite Freigabe.

Voraussetzungen

Sie haben praktische Programmiererfahrung, arbeiten sicher mit Git und der Kommandozeile und kennen Pull-Request-basierte Workflows. Sie entwickeln Backend-Anwendungen in einer gängigen Sprache wie Java, C#, TypeScript, Python oder Go und kennen HTTP, JSON und REST-Grundlagen.

Technische Voraussetzungen

Eigener Laptop mit Terminal, Git und Node.js-Laufzeit; ein ChatGPT-Plan mit Codex-Zugang oder ein OpenAI-API-Schlüssel sowie ein GitHub-Konto für die Cloud-Übungen.

Datenschutz & Compliance

APIs transportieren häufig personenbezogene und vertrauliche Daten: Sie lernen, Spezifikationen und Beispieldaten ohne echte Kundendaten zu erstellen, API-Schlüssel und Tokens aus dem KI-Kontext fernzuhalten und Datenschutz durch Technikgestaltung nach DSGVO sowie Anforderungen aus NIS2 umzusetzen.

Terminvorschläge

Alle Termine sind Vorschläge – Ihr Wunschtermin ist jederzeit möglich.

  • Mi, 25. November 2026 – Do, 26. November 2026 Online Anfragen
  • Mi, 9. Dezember 2026 – Do, 10. Dezember 2026 Bremen Anfragen
  • Di, 12. Januar 2027 – Mi, 13. Januar 2027 Online Anfragen
  • Mi, 27. Januar 2027 – Do, 28. Januar 2027 Salzburg Anfragen
  • Di, 9. Februar 2027 – Mi, 10. Februar 2027 Online Anfragen
  • Mo, 22. Februar 2027 – Di, 23. Februar 2027 Kaiserslautern Anfragen

Häufige Fragen

Wann nutze ich Codex lokal und wann in der Cloud?

Lokal arbeiten Sie interaktiv und eng am Code, etwa beim Debugging oder bei explorativen Änderungen, bei denen Sie jeden Schritt verfolgen möchten. Der Cloud-Agent eignet sich für klar umrissene Aufgaben, die unabhängig ablaufen können, beispielsweise Tests ergänzen oder kleinere Fehler beheben. Mehrere solcher Aufgaben lassen sich parallel starten und anschließend als Pull Request prüfen.

Was gehört in eine gute AGENTS.md?

Eine gute AGENTS.md beschreibt, wie das Projekt gebaut, getestet und geprüft wird, welche Konventionen gelten und welche Bereiche nicht angefasst werden sollen. Sie ist knapp, konkret und aktuell. Hilfreich sind außerdem Hinweise zur Architektur und zu typischen Stolperfallen. Im Kurs entwickeln Sie eine AGENTS.md für ein eigenes Projekt und testen deren Wirkung.

Wie sicher ist es, Codex Befehle ausführen zu lassen?

Codex arbeitet standardmäßig in einer Sandbox mit eingeschränktem Datei- und Netzwerkzugriff und fragt vor riskanten Schritten nach Freigabe. Wie viel Autonomie Sie gewähren, legen Sie über Freigabemodi und Konfiguration fest. Im Kurs lernen Sie, diese Einstellungen bewusst zu wählen und Risiken wie Prompt Injection oder das Ausführen unbekannter Abhängigkeiten zu begrenzen.

Lohnt sich Spec-first, wenn KI ohnehin schnell Code schreibt?

Gerade dann. Eine präzise Spezifikation ist der beste Kontext für einen KI-Assistenten: Sie legt Datenstrukturen, Fehlerfälle und Sicherheitsanforderungen eindeutig fest und dient zugleich als Vertrag für Konsumenten und als Grundlage für Tests. Ohne Spezifikation erzeugt KI schnell inkonsistente Endpunkte. Im Kurs nutzen Sie die Spec als zentrale Quelle für Generierung und Prüfung.

Was ist der Unterschied zwischen einer REST-API und einem MCP-Server?

Eine REST-API richtet sich an Entwickler:innen und Anwendungen, ein MCP-Server stellt Funktionen in einem standardisierten Format für KI-Assistenten und Agenten bereit, inklusive Beschreibungen, die das Modell versteht. Häufig ist der MCP-Server eine schlanke Schicht über bestehenden APIs. Sie lernen, wann sich dieser Schritt lohnt und wie Sie ihn sicher umsetzen.

Was kostet die Schulung „OpenAI Codex für API-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 API-Entwickler:innen

Weitere Kurse zu OpenAI Codex

Alle 32 Kurse zu OpenAI Codex

OpenAI Codex · MünchenOpenAI Codex · SalzburgOpenAI Codex · BerlinOpenAI Codex · AugsburgOpenAI Codex · HannoverOpenAI Codex · BremenOpenAI Codex · StuttgartOpenAI Codex · KaiserslauternOpenAI Codex · Online