AI Code Generation im DevSecOps Lifecycle

  • Dauer: 2 Tage
  • Niveau: Fortgeschrittener
  • Sprache: Deutsch
  • Preis: 2.395 € zzgl. MwSt.
  • Bescheinigung und digitales Badge
  • 2 Garantietermine

Auf einen Blick

Kurs
Seminar, 2 Tage, Niveau Fortgeschrittener, Sprache Deutsch.
Preis
2.395 € netto pro Person (2.850,05 € inkl. 19 % MwSt.).
Termine
105 Termine bis August 2027, online im Virtual Classroom und vor Ort in 23 Städten, u. a. Berlin, Bremen, Darmstadt und Dresden. Nächster Termin: 19.–20.11.2026. 2 Garantietermine.
Nachweis
Teilnahmebescheinigung und digitales Badge für jede Teilnahme.

Worum es geht

In diesem 2-tägigen Seminar „AI Code Generation im DevSecOps Lifecycle“ lernen die Teilnehmenden, wie sich moderne Softwareentwicklungsprozesse durch den produktiven Einsatz von AI-Coding-Assistenten verändern und welche Sicherheitsmaßnahmen erforderlich sind, um diese neuen Entwicklungs-Workflows kontrolliert und verantwortungsvoll zu betreiben.

Sie erfahren, wie der gesamte Delivery-Pfad von der AI-gestützten Codegenerierung über IDE, Commit und Pull Request bis zur CI/CD-Pipeline und zum Deployment abgesichert werden kann. Dabei lernen sie, wie Security Controls, automatisierte Prüfungen und Governance-Mechanismen in AI-gestützte Entwicklungsprozesse integriert werden, um Geschwindigkeit, Qualität und Sicherheit miteinander zu verbinden.

Nach dem Training sind Sie in der Lage:

  • AI-Code-Generation-Workflows zu analysieren, Kontrolllücken zu identifizieren und geeignete Security Controls pro Prozessstufe abzuleiten
  • einen Generation Security Harness mit sicheren Vorgaben, Regeln, Hooks und MCP-Policies (Model Context Protocol) aufzubauen
  • DevSecOps-Loops für AI-gestützte Entwicklung zu implementieren: Generation Loop, Security Loop und Policy Loop
  • Security-Gates auf Basis von OWASP AISVS 1.0 (AI Security Verification Standard) und OWASP ASVS (Application Security Verification Standard) zu definieren und in CI/CD-Prozesse zu integrieren
  • SAST, SCA, Secret Detection und IaC-Scanning für AI-generierten Code sinnvoll zu priorisieren und zu optimieren
  • Governance- und Supply-Chain-Kontrollen für AI-gestützte Entwicklungsprozesse zu etablieren
  • den Einsatz automatisierter Review-Komponenten in DevSecOps-Pipelines fachlich einzuordnen

Mitnahme/Artefakte aus dem Training:

  • Generation Copilot Instructions (Secure Defaults, MCP-/Tool-Policies)
  • Hooks- und Pre-commit-Konfigurationen
  • Gate-Matrix auf Basis von AISVS und ASVS
  • Pipeline-Blueprint für Harness, Loops, Scans und Security Gates

Für wen

  • Platform Engineers
  • Security Champions in Engineering-Teams
  • Softwareentwickler und technische Team Leads mit Verantwortung für AI-gestützte Entwicklungsprozesse
  • Engineering Managers und Team Leads mit AI-Coding-Adoption
  • Teams in regulierten oder sicherheitskritischen Umgebungen (FinTech, Health, Enterprise SaaS)

Inhalte

Workflow verstehen, Harness bauen
1. Der neue DevSecOps-Lifecycle mit AI-generiertem Code
  • Auswirkungen von AI-Coding-Assistenten auf Velocity, Diff-Größe, Review-Tiefe und Ownership
  • Risikoprofile: unsichere Libraries, AuthZ-Probleme, Secrets, Copy-Paste-Anti-Patterns
  • Bedrohungsszenarien: Prompt Injection, Tool Abuse, Data Exfiltration über AI-Assistenten
  • AI-Workflow analysieren: Prompt → IDE → Pull Request → Deployment

Hands-on Lab 1 — AI-Workflow und Risikoprofil analysieren

  • AI-Workflow visualisieren und Kontrolllücken identifizieren
  • Baseline-Metriken definieren: Diff-Größe, Review-Zeit, Finding-Rate, Cycle Time
2. Angriffsfläche, Kontrollpunkte & Gate-Matrix
  • Workflow-Stufen: Prompt/Context, IDE/Agent, Local Test, Commit, Pull Request, CI/CD, Runtime
  • OWASP AISVS 1.0 und OWASP ASVS als Basis für Security Gates
  • Verification Levels L1/L2/L3 für unterschiedliche Risikoprofile
  • Inline Completion vs. Agentic Coding vs. CLI Agents
  • Definition von Security Gates für automatisierte Prüfungen und kontrollierte Freigabeprozesse

Hands-on Lab 2 — Gate-Matrix aus AISVS und ASVS bauen

  • Requirements shortlisten
  • Block / Warn / Audit pro Workflow-Stufe zuordnen
  • Gate-Matrix als Blueprint für Tag 2 erstellen
3. Generation Security Harness
  • Tool Boundaries, Context Limits, Output Constraints und Approval Gates für AI-Codegenerierung
  • Generation Copilot Instructions, Rules, Hooks und MCP-Policies
  • Pre-commit Checks, Pull-Request-Gates und CI/CD-Gates
  • Secure Defaults für Repositories, Templates und Scaffolding

Hands-on Lab 3 — Generation Harness konfigurieren

  • Copilot Instructions und Hooks erstellen
  • MCP-/Tool-Policies definieren
  • Pre-commit Checks einrichten und AI-Codegenerierung testen
Loops, Scans, Pipeline-Rollout
4. DevSecOps-Loops für AI-gestützte Entwicklung
  • Generation Loop: Prompt → Agent → Diff → Local Validation
  • Security Loop: Scan → Triage → Fix → Re-Scan → Gate
  • Policy Loop: Findings → Generation Instructions → weniger Wiederholungsfehler
  • Loop-Design: synchron blockieren, asynchron nachziehen oder eskalieren
  • Metriken: Cycle Time, Fix Rate, Gate Pass Rate, Instruction Drift

Hands-on Lab 4 — DevSecOps-Loops implementieren

  • Generation Loop und Security Loop end-to-end durchspielen
  • Policy Loop: Findings in Generation Instructions zurückspielen
  • Engpässe und Metriken dokumentieren
5. Toolchain-Integration: Scans für AI-Velocity
  • Priorisierung: Secrets → Dependencies → SAST → IaC → DAST (Dynamic Application Security Testing)
  • Scan-Baselines für AI-generierte Code-Muster anpassen
  • Supply Chain: SBOM (Software Bill of Materials), Provenance, Dependency Pinning
  • Bewertung: Noise vs. Actionability: Scan, Gate oder Human Review?

Hands-on Lab 5 — Scan-Pipeline optimieren

  • Scans mit Gate-Matrix verbinden
  • Baselines für AI-Code-Muster anpassen
  • False-Positive-Rate reduzieren
  • Scan-Ergebnisse in Policy Loop zurückführen
6. Governance, Pipeline-Rollout & optionaler Judge-Gate
  • Rollen: Platform Engineering, AppSec, Product Engineering, AI/ML Platform
  • Policy-as-Code und Governance-Modelle
  • AISVS und ASVS als Audit-Basis für Gates
  • Optionales Judge-Gate:
  • Wo ein externer Review-Agent sinnvoll ist
  • Anbindung ohne Kalibrierung (Deep Dive in AIS-T01)

Hands-on Lab 6 — Pipeline finalisieren und Rollout-Paket erstellen

  • End-to-End: Harness → Loops → Scans → Gates in CI/CD zusammenführen
  • Optional: Judge-Gate-Slot in Pipeline markieren (Konfigurations-Stub, kein Kalibrierungs-Lab)
  • Pipeline-Rollout-Paket finalisieren:
  • Generation Copilot Instructions
  • Hooks & Pre-commit Config
  • Gate-Matrix (AISVS, ASVS)
  • Pipeline-Blueprint

Jeder Theorie-Block wird direkt von einem Hands-on-Lab vertieft. Fokus: Review-Produkt bauen — nicht Pipeline/Hooks/CI.

Voraussetzungen

  • Praktische Erfahrungen moderner Softwareentwicklungsprozesse
  • Praktische Erfahrungen mit AI-Coding-Tools im Alltag — mindestens eines von: Claude Code,Cursor, GitHub Copilot, Codex oder vergleichbare Assistenten
  • Eigenes Tool mitbringen: AI-Coding-Tool der Wahl — inkl. ausreichend Tokens/Credits für Hands-on-Labs (z. B. mindestens Cursor Pro, vergleichbares Paid-Tier oder equivalentes API-Budget)
  • Erfahrung mit CI/CD und mindestens einem Security-Scanning-Tool (SAST, SCA oder SecretScanning)
  • Typische Entwicklungs-Workflows (Branch, PR, Merge) aus dem eigenen Team-Alltag

Hilfreich aber nicht zwingend:

  • Die vorherige Teilnahme am Seminar „Building Agentic Security Reviewers for Scaling — Proaktives Security Engineering in AI-gestützte Entwicklungs Workflows“. Das Seminar behandelt ergänzend die automatisierte Sicherheitsbewertung AI-generierter Software durch agentische Security Reviewer.

Methode

Die Schulung bietet Ihnen eine konsequent praxisorientierte und erstklassigen Lernumgebung mit einem hohen Hands-on-Anteil. Sie tauschen sich direkt mit projekterfahrenen Trainerinnen und Trainern und den anderen Teilnehmenden aus.

Warum DigitalHealthExperts

  • Trainer mit Projekterfahrung: Sie lernen bei Expertinnen und Experten, die nicht nur schulen, sondern selbst Projekte umsetzen – etwa Softwareentwicklungs- und DevOps-Projekte. So erfahren Sie, worauf es in der Praxis ankommt.
  • Seminarunterlage
  • Schulungsumgebung (LAB)
  • Teilnahmebescheinigung und digitales Badge

Häufige Fragen zu AI Code Generation im DevSecOps Lifecycle

Was kostet das Seminar AI Code Generation im DevSecOps Lifecycle?

Die Teilnahme kostet 2.395 € netto pro Person, das sind 2.850,05 € inklusive 19 % Mehrwertsteuer. Im Preis enthalten: Seminarunterlage und Schulungsumgebung (LAB).

Wann und wo findet AI Code Generation im DevSecOps Lifecycle statt?

Das Seminar dauert 2 Tage. Bis August 2027 gibt es 105 Termine, online im Virtual Classroom und vor Ort in 23 Städten, u. a. Berlin, Bremen, Darmstadt, Dresden, Düsseldorf und Essen. Der nächste Termin ist am 19.–20.11.2026. 2 Termine finden garantiert statt (Garantietermine).

Erhalte ich nach AI Code Generation im DevSecOps Lifecycle einen Nachweis?

Ja. Jede Teilnahme erhält eine Teilnahmebescheinigung und ein digitales Badge.

Kann ich AI Code Generation im DevSecOps Lifecycle als Firmenseminar für mein Team buchen?

Ja. Als Firmenseminar findet AI Code Generation im DevSecOps Lifecycle nur für Ihre Einrichtung statt – bei Ihnen vor Ort oder online, zu einem Termin Ihrer Wahl, auch für einzelne Personen.

Termine & Orte

Offener Kurs · 2.395 € pro Person zzgl. MwSt. Klicken Sie auf einen Ort, um genau diesen Termin anzufragen. Grün mit Häkchen: Garantietermine – sie finden sicher statt.

Termine und Orte werden täglich aus dem Seminarkatalog aktualisiert, zuletzt am 19.11.2026.

Lassen Sie uns über Ihr Projekt sprechen.

Unverbindliches Erstgespräch zu Beratung, Projekt oder Schulung.