// HEISE ONLINE — INTELLIGENZA ARTIFICIALE
Agil und strukturiert: eine Umgebung für KI-gestütztes Lernen
KI hilft beim Einstieg in fremde Fachgebiete, irrt dabei aber unbemerkt. Wie sieht ein agiler Lernprozess aus, der davor schützt?
Entwicklerinnen und Entwickler, die Testfälle für Systeme schreiben, die sie nur oberflächlich verstehen, produzieren Testfälle, die nur die Oberfläche treffen. Sich in eine Fachdomäne einzuarbeiten ist daher ebenso erforderlich wie Kenntnisse von Äquivalenzklassen, Grenzwertanalyse und risikobasierter Priorisierung. Einarbeitung in neue Themen steht auch an, wenn etwa ein neues Testautomatisierungstool eingeführt wird, für das Bestehen einer Zertifikatsprüfung oder die Vorbereitung für eine neue Rolle, beispielsweise wenn eine Testerin Testmanagerin werden möchte.
Eine KI-gestützte Lernumgebung kann bei all diesen Themen helfen, aber nur mit dem richtigen Prozess und einem technischen Rahmen. Dieser Artikel zeigt den Lernprozess sowie den Aufbau der Lernumgebung mit Claude Code, Zettelkasten und Skills. Am Ende beschreibt er drei Lernprojekte aus der Praxis. Der gezeigte Aufbau ist eine Idee des Autors und wird in dessen Firma bereits von Kolleginnen und Kollegen genutzt. Die vorgestellte Umgebung kann in regulierten Umgebungen laufen, dient aber nicht dazu, Lernthemen zu bearbeiten, die interne Dokumente erfordern.
Der klassische Lernweg ist, ein Buch von der ersten bis zur letzten Seite zu lesen oder einen Onlinekurs Lektion für Lektion durchzuarbeiten. Das kostet aber viel Zeit und liefert oft breites Wissen, von dem für das konkrete Projekt nur ein kleiner Teil benötigt wird. Entwicklerinnen und Entwickler, die ein 100-seitiges Anforderungsdokument in zwei Wochen so weit verstehen müssen, um sinnvolle Testfälle erstellen zu können, können sich diesen Weg nicht leisten.
Nils Röttger hat mehr als 15 Jahre Erfahrung im Bereich Ausbildung und Coaching. Seit 2008 arbeitet er bei der imbus AG in Möhrendorf, aktuell als Senior Consultant, Projektleiter und KI-Experte in Kundenprojekten. Er ist mitverantwortlich für den Bereich Künstliche Intelligenz. Außerdem ist er Lernarchitekt und Product Owner für das Agile Lernen. In seinen vielen Vorträgen auf Konferenzen und als Autor von Büchern oder Fachartikeln beschäftigt er sich immer wieder mit aktuellen Themen rund um KI, Lernen und Testen.
Agiles Lernen geht anders vor und stellt dazu sechs Fragen. Am Anfang steht folgende: Was muss der Testende am Ende können, und bis wann? Ein Ziel wie „Ich möchte die Domäne Wetter besser verstehen“ ist zu beliebig, um damit zu arbeiten. Ein Ziel wie „einzelne Wetter-Begriffe wie Hoch und Tief einordnen“ gibt dem Lernpfad eine Richtung. Daraus entsteht ein Lernpfad aus kurzen Sprints, kein fertiger Lernplan. Nach jedem Sprint folgt ein Review. Dort klären die Lernenden, ob das Gelernte schon für den nächsten Schritt reicht oder ob eine weitere Runde benötigt wird. Am Ende benutzt die Lernende das Wissen direkt in ihrer täglichen Arbeit.
Die zweite Frage ist die nach der Zeit. Ein Zeithorizont zwingt zur Priorität. Wer drei Wochen Zeit zum Lernen hat, lernt anders als der, dem dafür drei Monate zur Verfügung stehen.
Die dritte Frage betrifft die Länge eines Sprints. Eine Woche ist ein guter Standardwert. Zwei Wochen können sinnvoll sein, wenn sich der Stoff schwer portionieren lässt. Dazu kommt die Zeit, die pro Sprint wirklich zur Verfügung steht, in jedem Sprint zum Beispiel zwei Stunden. Diese Stunden addieren sich nicht wie auf einem Konto. Acht Wochen mit je einer Stunde ergeben eben keinen Achtstundentag, und das ist ein Vorteil. In den Pausen zwischen den Einheiten arbeitet der Kopf am Stoff weiter, ganz nebenbei, sodass er beim nächsten Sprint fester sitzt als nach einem einzigen langen Block.
Die vierte Frage ist die nach Ort und Zeitpunkt. Gelernt wird im Zug, am Schreibtisch, in Blöcken von einer Stunde oder in kurzen Einheiten am Morgen. Dazu gehört auch, ob es feste Termine gibt oder ob die Sprints nach Bedarf laufen.
Die fünfte Frage betrifft die Lernform. Manche Themen erschließen sich über eine