CGS IT Solutions GmbH — Claude Code Training · Kursprogramm · v0.1.0

Kursprogramm im Detail

Die zehn Module mit allen Inhalten

Zu diesem Deck

Hier steht der vollständige Inhalt des Kurses — zehn Module, jedes mit seinem Lernziel und allen Unterpunkten, in der Reihenfolge des Curriculums.

Die Aufteilung auf die drei Kurstage findet ihr in der Kursübersicht. Dieses Deck ist die genaue Inhaltsreferenz.

01 Grundlagen von LLMs & AI Agents

LernzielDer Teilnehmer versteht, warum LLMs stateless sind, nicht-deterministisch antworten und in einer Agent-Schleife arbeiten – und kann daraus die typischen Einstiegsfehler ableiten.
  • Tokens & Tokenizer
  • Thinking Models & Reasoning
  • Understanding Stateless AI
  • Warum AI unterschiedliche Antworten gibt
  • AI Agents & Agent Mindset
  • Möglichkeiten, Grenzen & typische Einstiegsfehler
  • Modellwahl in Claude Code: Opus, Sonnet, Haiku
  • Benchmarks vs. Realität
  • Reinforcement Learning & Cut-off Dates

02 Der Claude-Code-Baukasten

LernzielDer Teilnehmer kann jedes Claude-Code-Primitiv benennen, sein Einsatzgebiet erklären und weiß, welches Werkzeug für welchen Zweck gedacht ist.
  • CLAUDE.md
  • Rules
  • Skills
  • Commands vs. Skills
  • Subagents
  • Hooks
  • Output Styles
  • MCP
  • Plugins

03 Prompting & Context Engineering

LernzielDer Teilnehmer kann Prompts strukturieren, den Context bewusst kuratieren und Qualitätsverfall bei vollem Context-Window erkennen und vermeiden.
  • Prompt-Strukturierung
  • Context Engineering & Context Gathering
  • Context Window & Context Degradation
    • Lost in the Middle / „Context Rot"
  • LLM Knowledge Gaps & Hallucinations
  • Autoregressive Generierung verstehen
    • „Make the Next Token Obvious"
  • Instruktions-Überladung vermeiden
    • „Overshooting Prompts"
  • QRSPI-Prinzipien als Prompting-Haltung

04 Praktische Arbeit mit Claude Code

LernzielDer Teilnehmer beherrscht den täglichen iterativen Arbeitszyklus inkl. Review-Loops, Approvals und Session-Management.
  • Iterative Workflows
  • AI Self-Check & Review Loops
  • Human in the Loop
  • Approvals & Approval Fatigue
  • Long-running & Recurring Tasks
  • Verifiable Outputs
  • Session & Context-Lebenszyklus
    • Session-Management: --continue, --resume, Context-Resets, /compact, /clear
    • Session-Größe & Token-Budget
    • Prompt Caching & Kostenwirkung
  • Daily AI Usage

05 Agentic Software Development: Der End-to-End-Phasen-Workflow

LernzielDer Teilnehmer kann den kompletten Phasen-Workflow von Analyse bis Deploy mit Gates und Artefakten aufsetzen und durchführen.
  • Der Kern-Workflow: Analyse → Review → Planung → Umsetzung → Test → Deploy
  • Jede Phase mit Gate und reviewbarem Artefakt
  • Projektwahl & Plan Mode
  • Spec-driven Development
  • Brainstorming, Planning & Alignment
  • Vertical Slicing
  • Refactoring & Atomic PRs
  • Parallel Agent Development
  • Agentic SDLC vs. Agentic Programs
  • Auto Research

06 Workflow-Frameworks im Vergleich

LernzielDer Teilnehmer kann QRSPI, BMAD und OpenSpec nach Philosophie einordnen und begründet ein Framework für einen gegebenen Projekttyp wählen.
  • Gemeinsame DNA: Alignment, Artefakte, isolierter Context
  • Phasen – QRSPI / RPI
  • Rollen – BMAD
  • Artefakte – OpenSpec
  • GitHub Spec Kit
  • Vergleichsmatrix
  • Der eigene 16–20-Schritte-Workflow
  • Prozess-Overhead & Adoptionsrisiko
    • „Zeremonie-Falle"

07 Codebase & Projektorganisation

LernzielDer Teilnehmer kann eine Codebase „agent-ready" machen – navigierbar, verifizierbar, mit sauberen Handoff-Artefakten.
  • Agent-ready Codebases
  • Clean Codebase & Project
  • CLAUDE.md & Pitfalls
  • RFCs als Planungsartefakt
  • Integration mit GitHub Issues / Tickets
  • Context Resets & Markdown Handoffs
  • Agent-ready CI/CD
  • Verifiable Codebase

08 Skills, Tools & Infrastruktur

LernzielDer Teilnehmer kann Skills, Rules, Commands und Hooks pro Workflow-Phase bauen und das Git-Handling weitgehend autonom gestalten.
  • Skills pro Phase: Analyse, Architecture-Review, Planung, Implementierung
  • Rules & Hooks / PostToolUse
  • Autonomes Git-Handling: Commit & Push in eigenem Session-Context
  • Skills / Rules / Commands für die Delivery-Phase
  • MCP: Clients, Server, Tools, Resources, Prompts, Connectors
  • MCP vs. CLI: Token Overhead & Context Hygiene
  • Open Source & Vendor Lock-in

09 Testing & AI Security im Workflow

LernzielDer Teilnehmer kann Tests und Security-Checks als Gates in den Workflow und die CI einbauen und agentische Review-Loops aufsetzen.
  • AI-assisted Testing & Custom Testing Tooling
  • Closing the Loop
  • Risky Code Pattern Discovery
  • Abuse Cases & Security Tests
  • Input Validation
  • Authentication & Authorization Checks
  • Dependency & Configuration Risks
  • Agent-based Security Reviews & Red-Team Prompts
  • Multi-Agent Review Loops
  • Recurring Checks & CI Integration
  • Wirkungs- & Schadensradius begrenzen
    • „Blast Radius"

10 Team-Workflows & Konsolidierung

LernzielDer Teilnehmer kann Skills, Commands und Rules im Team versionieren, per PR weiterentwickeln und über mehrere Teams konsolidieren.
  • Skills, Commands, Rules & Workflow-Definitionen im Repo
  • Plugins als teilbares Bündel
  • Reusable Prompt- & Workflow-Bibliotheken
  • Weiterentwicklung als Team-Asset
  • Konsolidierung über mehrere Teams
  • cgsit-claude-scaffold als Beispiel
  • CLAUDE.md Pitfalls im Team
  • Qualitätsverfall durch AI-Output
    • „Slop Creep"
  • Kompetenzverlust durch Delegation
    • „Cognitive Debt"
  • Respectful PRs & Context Switching

© 2026 CGS IT Solutions GmbH

Alle Rechte vorbehalten

Diese Schulungsunterlagen sind urheberrechtlich geschützt. Vervielfältigung, Weitergabe oder kommerzielle Nutzung — auch in Auszügen — nur mit ausdrücklicher schriftlicher Genehmigung der CGS IT Solutions GmbH.

cgsit-claude-training · Kursprogramm · v0.1.0