7. Verwendung von AI - Dxme98/Dokumentation GitHub Wiki

7. Einsatz von Künstlicher Intelligenz (AI)

Ein zentraler Punkt dieses Projekts war das Erlernen und Meistern wichtiger Kompetenzen im Backend-Engineering (Architektur, Performance, Testing).

Aus diesem Grund wurde KI sehr bewusst und diszipliniert eingesetzt. KI kam ausschließlich für Aufgaben zur Anwendung, die ich zuvor vollständig verstanden und mehrfach selbst manuell implementiert hatte.

Die KI diente daher nicht als "Wissens-Ersatz", sondern als "Co-Programmer" und Produktivitäts-Tool. Sie half, repetitive oder sekundäre Aufgaben zu beschleunigen, damit ich meinen Fokus voll auf die komplexen Design-Entscheidungen (wie das Rollen-System oder die Performance-Optimierung) legen konnte.

Die KI wurde in folgenden Bereichen als Assistent genutzt:

1. Frontend-Entwicklung (React & TypeScript)

Da der primäre Fokus dieses Projekts auf einer robusten und skalierbaren Backend-Architektur lag, wurde die Entwicklung des Frontends größtenteils von einer KI übernommen.

  • Was die KI tat: Das Design, die Erstellung der React-Komponenten und das Layout (CSS/HTML) wurden nach meinen Vorgaben KI-generiert.
  • Was ich tat: Meine Aufgabe bestand darin, die API-Schnittstelle zu definieren (DTOs) und das Frontend an das Backend anzubinden (z.B. die Axios-Requests für die Datenübertragung und das State-Management).

2. Generierung von Testfällen

Die KI wurde genutzt, um die Testabdeckung von ~80% effizient zu erreichen:

  • Boilerplate-Code: Das Setup von Mocks, die Erstellung von Test-DTOs und das Grundgerüst von z.B. ProjectControllerWebMvcTest wurden KI-gestützt generiert.
  • Identifikation von Edge Cases: Die KI wurde als Partner genutzt, um "Sad Path"-Szenarien und Edge Cases (z.B. für die ProjectInviteTests) zu identifizieren, die ich anschließend implementiert und validiert habe.

3. Dokumentation (Dieses Wiki)

Die KI diente als Redaktions-Assistent für diese Dokumentation:

  • Inhalt: Alle technischen Analysen (z.B. zur Architektur oder Performance) und die Code-Beispiele wurden von mir verfasst.
  • Form: Die KI half bei der Verbesserung von Formulierungen (um sie klarer zu fassen) und bei der sauberen Formatierung des GitHub-Markdowns (z.B. Tabellen und Code-Blöcke).

4. Repetitiver Backend-Code

Im Backend wurde die KI für klar definierte, repetitive Aufgaben eingesetzt, die wenig bis keine Business-Logik erfordern:

  • OpenAPI-Dokumentation: Die sehr schreiblastige OpenAPI-Doku wurde mit der Unterstützung von KI erstellt.
  • Einfache DTOs & Mapper: Simple DTOs wurden KI-generiert.
  • Einfache Controller: Das Grundgerüst für Controller, die nur simple CRUD-Operationen ausführen, wurde ebenfalls unterstützt.