AI Dev Accelerator · 8 Wochen Praxistraining für Entwickler

Werde der Entwickler, der KI beherrscht. Nicht der, der ersetzt wird.

Du lernst, Entwicklungsaufgaben verlässlich an KI zu delegieren, eigene Werkzeuge zu bauen und KI sicher mit Anwendungen und Systemen zu verbinden. Jede Woche löst du eine Praxisaufgabe und bekommst persönliches Feedback.

Platz sichern · 279 € Inhalte ansehen

Start 17.08. oder 14.09.2026 14 Tage Geld-zurück

Warum jetzt

KI-Tools nutzen kann jeder. Sie beherrschen fast niemand.

Autocomplete und Chat machen dich nicht wertvoller. Wertvoll wirst du, wenn du Agents Arbeit delegierst, ihre Ergebnisse beurteilen kannst und KI-Systeme baust, die andere nicht bauen können.

Du arbeitest mit Copilot oder Claude Code, aber gefühlt an der Oberfläche.

Du willst wissen, wie Agents, Skills und MCP wirklich funktionieren. Nicht nur Prompts kopieren.

Du willst der Entwickler im Team sein, den man beim Thema KI fragt.

✱ Claude Code

❯

Implementiere Team-Einladungen nach der Spec in docs/invitations.md.

Ich analysiere zuerst die Spec und den bestehenden Code, bevor ich Änderungen vornehme.

Searched for 3 patterns, read 8 files, listed 2 directories

●

Skill(feature-workflow)

└ Successfully loaded skill

Ran 2 shell commands

●

Read(docs/invitations.md)

●

Agent(explore-auth)

●

Edit(src/invitations.ts)

●

Bash(npm test)

●

Edit(src/invitations.ts)

└ Added 24 lines, removed 6 lines

- return invite.status === 'open'

+ return invite.status === 'pending'

+ && !invite.isExpired()

●

Bash(npm test -- invitations)

└ 18 tests passed · 0 failed · 1.8s

●

Preview(localhost:4321/invitations)

└ Open preview in browser ↗

●

Feature implementiert · 18 Tests grün · PR bereit

❯█

Model: Opus 4.8|Ctx: 28.4k

Für wen

Für Entwickler mit Grundlagen. Nicht für Prompt-Roulette.

Du musst kein AI-Spezialist sein. Du solltest aber selbstständig entwickeln, mit Git arbeiten und verstehen wollen, warum ein Ergebnis tragfähig ist.

Das passt zu dir

Du entwickelst bereits eigenständig Software.
Du nutzt AI-Tools, möchtest aber reproduzierbare Abläufe.
Du willst Output prüfen, Entscheidungen begründen und Verantwortung behalten.

Das ist nicht dieser Kurs

Kein Einstieg in Programmierung oder Git.
Kein passiver Videokurs ohne Abgaben und Review.
Kein ungeprüftes „Vibe Coding“, bei dem nur das Ergebnis zählt.

Was das für deine Karriere heißt

AI-Skills sind gerade der größte Gehalts-Hebel im Markt.

Das ist keine Vermutung, sondern gemessen. Vier Zahlen aus den großen Arbeitsmarkt-Studien 2025:

Gehalt: +56 %; zahlen Jobs, die AI-Skills verlangen, im Schnitt mehr. Ein Jahr zuvor waren es noch 25 %.; PwC Global AI Jobs Barometer 2025
Premium: +43 %; Gehalts-Premium, sobald du zwei oder mehr AI-Skills mitbringst, statt nur eines.; Lightcast 2025, 1,3 Mrd. Stellenanzeigen
Standard: 84 %; der Entwickler nutzen AI-Tools oder planen es. Wer sie nur oberflächlich bedient, hebt sich nicht mehr ab.; Stack Overflow Developer Survey 2025
Lücke: 70 %; der Arbeitgeber in Deutschland bieten keine gezielte KI-Weiterbildung an. Wer es kann, hat es sich selbst beigebracht.; Bitkom, IT-Fachkräfte 2025

Die Rechnung ist einfach: Der Markt zahlt zweistellige Aufschläge für Fähigkeiten, die dir kaum ein Arbeitgeber beibringt. 279 € und 8 Wochen sind die kleinste Investition mit diesem Hebel, die du dieses Jahr machen kannst.

Das lernst du

Acht Wochen vom Tool-Nutzer zum AI Engineer.

Für berufstätige Entwickler konzipiert: eine kompakte Theorieeinheit, eine vorbereitete Praxisaufgabe pro Woche und persönliches Feedback auf dein tatsächliches Vorgehen.

Das lernst du in acht Wochen

Von der sicheren Nutzung bis zum eigenen Abschlussprojekt.

Wochen 1–2: Kontrollieren

Agents verstehen und verlässlich steuern.

Du entwickelst Urteilskraft für Agenten, Modelle und Repository-Kontext. Aus Prompting wird ein kontrollierbarer Engineering-Prozess.

Woche 1 · berufsbegleitend Coding Agents & die Modell-Landschaft Du baust: Eine begründete Agent- und Modell-Matrix für deinen Arbeitsalltag 5–7 Std. pro Woche · davon 60–90 Min. Theorie · optionaler Live-Call

Das lernst du

Du vergleichst Agenten und Modelle nicht nach Hype, sondern nach Aufgabe, Kosten und Kontrollbedarf.

Claude Code, Codex, OpenCode und Pi im direkten Vergleich
Opus 4.8, Sonnet 5, Fable 5, GPT-5.6 Sol/Terra/Luna, Grok 4.5, Open-Source-Modelle: was wofür
Planen, delegieren, reviewen statt prompten und hoffen

Das baust du

Eine begründete Agent- und Modell-Matrix für deinen Arbeitsalltag

Danach kannst du: Du wählst Agent und Modell pro Aufgabe bewusst aus, statt beim Default zu bleiben.

Woche 2 · berufsbegleitend Kontext, Regeln, Specs Du baust: Ein agent-ready Repository mit Regeln, Spec und Review-Gates 5–7 Std. pro Woche · davon 60–90 Min. Theorie · optionaler Live-Call

Das lernst du

Du schreibst Regeln und Specs, an denen sich Agenten orientieren und Ergebnisse objektiv prüfen lassen.

AGENTS.md und Projekt-Regeln, die Agents wirklich befolgen
Specs schreiben, an denen sich KI-Code messen lässt
Review-Strategien: Wann darf KI-Code in den Main-Branch?

Das baust du

Ein agent-ready Repository mit Regeln, Spec und Review-Gates

Danach kannst du: Du machst jedes Repository agent-ready und behältst die Kontrolle über jede Zeile.

Das kannst du jetzt

Du kannst einen Agenten bewusst auswählen, mit belastbarem Kontext versorgen und seinen Output anhand klarer Regeln reviewen.

Wochen 3–4: Erweitern

Deinen eigenen Agent-Werkzeugkasten bauen.

Du hörst auf, dich an fremde Defaults anzupassen. Skills, CLIs und MCP machen aus einem Chat-Tool deine eigene Engineering-Infrastruktur.

Woche 3 · berufsbegleitend Eigene Skills, Commands & CLIs Du baust: Ein eigener Agent-Skill plus CLI für eine reale Projektaufgabe 5–7 Std. pro Woche · davon 60–90 Min. Theorie · optionaler Live-Call

Das lernst du

Du gießt wiederkehrende Arbeit in eigene Werkzeuge und lässt mehrere Agenten strukturiert zusammenarbeiten.

Wiederkehrende Arbeit in eigene Skills und Slash-Commands gießen
Kleine CLI-Tools bauen, die Agents als Werkzeug nutzen
Subagents orchestrieren: Arbeit aufteilen und parallelisieren

Das baust du

Ein eigener Agent-Skill plus CLI für eine reale Projektaufgabe

Danach kannst du: Du baust dir einen Werkzeugkasten, den kein Tutorial-Gucker hat.

Woche 4 · berufsbegleitend MCP: Agents an Systeme anbinden Du baust: Ein abgesicherter MCP-Server mit Least-Privilege-Zugriff 5–7 Std. pro Woche · davon 60–90 Min. Theorie · optionaler Live-Call

Das lernst du

Du bindest Agents kontrolliert an Tickets, Datenbanken oder interne APIs an.

Eigene MCP-Server schreiben, Schritt für Schritt
Agents mit Tickets, Datenbanken und internen APIs verbinden
Least Privilege: nur die Rechte, die der Agent braucht

Das baust du

Ein abgesicherter MCP-Server mit Least-Privilege-Zugriff

Danach kannst du: Du verbindest Agents sicher mit echten Systemen. Die Fähigkeit, nach der Firmen gerade suchen.

Das kannst du jetzt

Du besitzt einen wiederverwendbaren Werkzeugkasten, der Agents sicher mit deinen Prozessen und Systemen verbindet.

Wochen 5–6: Produzieren

Mit KI produktionsreife Software liefern.

Du wechselst von Tool-Nutzung zu AI Engineering: eigene KI-Features, messbare Qualität und große Änderungen mit Sicherheitsnetz.

Woche 5 · berufsbegleitend KI in eigene Anwendungen einbetten Du baust: Ein produktionsnahes AI-Feature inklusive Eval-Suite 5–7 Std. pro Woche · davon 60–90 Min. Theorie · optionaler Live-Call

Das lernst du

Du baust ein echtes KI-Feature mit strukturierten Ausgaben, Tool Use, Streaming und messbarer Qualität.

LLM-APIs richtig nutzen: Structured Output, Tool Use, Streaming
Eigene Agent-Features in deine Anwendung bauen
Evals: Qualität messen statt hoffen, Kosten pro Request im Griff

Das baust du

Ein produktionsnahes AI-Feature inklusive Eval-Suite

Danach kannst du: Du baust KI-Features, die in Produktion taugen. Nicht nur Demos.

Woche 6 · berufsbegleitend Architektur & Refactoring mit KI Du baust: Ein nachvollziehbares Legacy-Refactoring mit Test-Sicherheitsnetz 5–7 Std. pro Woche · davon 60–90 Min. Theorie · optionaler Live-Call

Das lernst du

Du frierst Legacy-Verhalten mit Tests ein und delegierst große Umbauten in kontrollierbaren Schritten.

Die Patterns, die im Agent-Zeitalter zählen: Modulgrenzen, Kopplung, Testbarkeit
Legacy-Code: Verhalten mit Tests einfrieren, dann gezielt modernisieren
Große Refactorings sicher an Agents delegieren

Das baust du

Ein nachvollziehbares Legacy-Refactoring mit Test-Sicherheitsnetz

Danach kannst du: Du führst Agents durch großen Umbau, statt ihren Output nur abzusegnen.

Das kannst du jetzt

Du kannst KI-Funktionalität und umfangreiche Refactorings mit Evals, Tests und klaren Architekturgrenzen bis in Produktion führen.

Wochen 7–8: Führen

Risiken beurteilen und AI Engineering verantworten.

Du verbindest Security, Architektur und Urteilskraft zu einem Workflow, den du im Team vertreten und weitergeben kannst.

Woche 7 · berufsbegleitend AI Security Du baust: Ein Security-Review mit Threat Model und Red-Team-Bericht 5–7 Std. pro Woche · davon 60–90 Min. Theorie · optionaler Live-Call

Das lernst du

Du greifst dein eigenes Setup an, erkennst reale Angriffswege und härtest Berechtigungen und Sandboxing.

Prompt Injection, Datenabfluss, OWASP LLM Top 10
Berechtigungen und Sandboxing für Agents
Red-Teaming: dein eigenes Setup angreifen und härten

Das baust du

Ein Security-Review mit Threat Model und Red-Team-Bericht

Danach kannst du: Du findest die Lücken in KI-Setups, bevor es jemand anderes tut.

Woche 8 · berufsbegleitend Urteilskraft & Abschlussprojekt Du baust: Dein Abschlussprojekt: vom Ticket bis zum geprüften und gemergten PR 5–7 Std. pro Woche · davon 60–90 Min. Theorie · optionaler Live-Call

Das lernst du

Du bringst alles in einem vollständigen Arbeitsablauf zusammen und begründest deine Entscheidungen vor der Gruppe.

Wann KI, wann selbst, wann gar nicht: Entscheidungshilfe für den Alltag
Dein vollständiger Arbeitsablauf: von der Anforderung zum gemergten PR
Du stellst dein Abschlussprojekt der Gruppe vor

Das baust du

Dein Abschlussprojekt: vom Ticket bis zum geprüften und gemergten PR

Danach kannst du: Du bist der Entwickler im Team, den man beim Thema KI fragt.

Das kannst du jetzt

Du kannst AI-Workflows technisch und organisatorisch verantworten und wirst zur kompetenten Ansprechperson im Team.

Deine Umgebung

Vier Agents und aktuelle Modelle. Fertig eingerichtet.

Du bekommst eine isolierte Lernumgebung mit vorinstallierten Werkzeugen, Demo-Repositories und einem enthaltenen Nutzungskontingent. Private Abos, API-Keys und Firmen-Code bleiben außen vor.

Claude Code

Anthropic

Der Agent, mit dem wir am tiefsten arbeiten: Skills, Subagents, Hooks.

Codex

OpenAI

Der GPT-Agent im Terminal. Stärken, Grenzen, wann er die bessere Wahl ist.

OpenCode

Open Source

Der offene Agent, frei in der Modellwahl. Ideal für Open-Source-Modelle.

Pi

Minimal Agent

Radikal reduziert. Perfekt, um zu verstehen, wie Agents wirklich arbeiten.

Die Modelle, mit denen du arbeitest und die du einschätzen lernst

Anthropic: Opus 4.8 · Sonnet 5 · Fable 5

OpenAI: GPT-5.6 Sol · Terra · Luna

xAI: Grok 4.5

Open Source: Qwen · DeepSeek · Llama

Grok 4.5, sofern in der EU verfügbar. Zum Start arbeitest du mit den dann aktuellen und relevanten Modellen.

Willst du schon mal reinschauen?

So sieht dein persönlicher Accelerator-Workspace aus.

Terminal, Linux-Desktop, Übungsprojekte und Coding Agents: Wir zeigen dir, was dich nach dem ersten Login erwartet.

Umgebung entdecken

Wir sehen nur die Lernarbeit

Für dein Review werden Prompt-History, Tool Calls, verwendete Skills und Agents sowie Commits im Demo-Repository sichtbar.

Keine privaten Zugänge nötig

Die benötigten Toolzugänge und ein angemessenes Kontingent sind enthalten. Du lernst außerdem, Modelle bewusst und sparsam einzusetzen.

Keine Produktivdaten

Alle bewerteten Aufgaben laufen in vorbereiteten Demo-Repositories. Firmen-, Kunden- und private Daten gehören nicht in die Lernumgebung.

So läuft eine Woche

Passt neben den Job, ohne acht Wochen Dauerstress.

Insgesamt planst du etwa 5–7 Stunden pro Woche ein: 60–90 Minuten Theorie plus Praxisaufgabe. Die Praxis kannst du in täglichen 30–60-Minuten-Blöcken, nach der Arbeit oder gebündelt am Wochenende bearbeiten.

Theorie

60–90 Min.

Eine kompakte Lerneinheit

Du arbeitest einmal pro Woche die neuen Inhalte durch und bereitest dich damit gezielt auf die anschließende Praxisaufgabe vor.

Anwenden

Teil von 5–7 Std.

Eine vorbereitete Praxisaufgabe

Du setzt das Gelernte im Demo-Repository um. Daran kannst du täglich 30–60 Minuten, nach der Arbeit oder gebündelt am Wochenende arbeiten.

Feedback

≤ 24 Std.

Review deines Vorgehens

Ich prüfe Prompt-History, Tool Calls, Skills, Agent-Nutzung und Commits. An Werktagen erhältst du innerhalb von 24 Stunden konkretes Feedback.

Vertiefen

Di. 18–19 Uhr

Gemeinsamer Live-Call

Wir besprechen Lösungen, Fehlversuche und bessere Wege. Die Teilnahme ist optional und jeder Termin wird aufgezeichnet.

Beispiel: Aufgabe aus Woche 2

Mache ein Repository agent-ready.

Erstelle Repository-Regeln, zerlege ein Ticket in prüfbare Schritte und lasse den Agenten einen Pull Request mit Tests umsetzen.

Abgabe: Branch, Prompt-Verlauf, Pull Request
Bewertet: Kontext, Delegation, Tests, Review

So kann dein persönliches Review aussehen

Zum Prompt: Du gibst das Ziel vor, aber noch keine Stop-Kriterien. Ergänze, wann der Agent abbrechen und nachfragen soll.

Zum Pull Request: Die Tests decken den Happy Path ab. Lass vor dem Merge noch den bestehenden Fehlerfall einfrieren.

Du bist nicht auf eine Musterlösung oder das Urteil der KI angewiesen. Ich beurteile, wie du gearbeitet hast, und zeige dir den nächsten besseren Schritt.

Bonus

Agent-Starter-Kit

Meine Templates, Skills, Prompts und AGENTS.md-Vorlagen aus echten Projekten. Sofort einsetzbar, auch nach dem Kurs.

Bonus

Zertifikat & Portfolio

Du erhältst ein Abschlusszertifikat und acht nachvollziehbare Arbeitsergebnisse. Damit zeigst du nicht nur, was du gelernt, sondern was du gebaut hast.

Bonus

Auch danach verbunden

Der gemeinsame Austausch bleibt nach den acht Wochen offen. So kannst du neue Entwicklungen weiterverfolgen und Fragen stellen.

Anmeldung

Ein Preis. Alles drin.

279 € einmalig, inkl. MwSt.

Eigene virtuelle Umgebung: Claude Code, Codex, OpenCode und Pi vorinstalliert
Demo-Repositories zum direkten Loslegen, ohne Setup
Inhalte und Aufzeichnungen: ein Jahr Zugriff nach der Kohorte
Persönliches Feedback auf jede Praxisaufgabe innerhalb von 24 Werktagsstunden
Acht optionale Live-Calls, dienstags von 18–19 Uhr
Agent-Starter-Kit, Zertifikat und dauerhafter Community-Zugang

Bis zum Kursstart kannst du jederzeit zurücktreten. Ab dem ersten Kurstag hast du zusätzlich 14 Tage Geld-zurück-Garantie. Eine E-Mail genügt, ohne Begründung.

Wähle deinen Starttermin

Nächster Start 17. August 2026 Live-Calls dienstags, 18–19 Uhr 8 Wochen Weiterer Termin 14. September 2026 Live-Calls dienstags, 18–19 Uhr 8 Wochen

Termine der gewählten Kohorte

18.08. · 25.08. · 01.09. · 08.09. · 15.09. · 22.09. · 29.09. · 06.10. · jeweils 18–19 Uhr

Teilnahme freiwillig. Alle Calls werden aufgezeichnet; auf Inhalte und Aufzeichnungen hast du nach der Kohorte ein Jahr Zugriff.

Platz sichern

Sichere Zahlung über Stripe. Du wirst zum Stripe Checkout weitergeleitet. Die Zahl der Plätze ist begrenzt.

Im Checkout bestätigst du die AGB. Bitte beachte auch die Widerrufsbelehrung und Datenschutzerklärung.

FAQ

Kurz beantwortet.

Noch etwas offen? Schreib mir an kontakt@noel-lang.de, ich antworte persönlich.

Wie viel Zeit brauche ich pro Woche?

Rechne insgesamt mit etwa 5–7 Stunden. Davon sind 60–90 Minuten eine kompakte Theorieeinheit; den restlichen Aufwand investierst du vor allem in die Praxisaufgabe. Du kannst daran täglich 30–60 Minuten, nach der Arbeit oder gebündelt am Wochenende arbeiten.

Für wen ist das Programm gedacht?

Für Entwickler, die bereits selbstständig programmieren und Git nutzen, aber noch keine AI-Spezialisten sind. Es ist kein Programmier-Grundkurs und kein Vibe-Coding-Kurs: Du lernst, Ergebnisse zu prüfen und technische Entscheidungen zu begründen.

Wie funktionieren Live-Calls und Zugriff?

Die Live-Calls finden dienstags von 18–19 Uhr statt, sind freiwillig und werden aufgezeichnet. Nach Ende deiner Kohorte hast du ein Jahr Zugriff auf Inhalte und Aufzeichnungen; in der Community bleibst du dauerhaft.

Was genau wird bei einer Aufgabe bewertet?

Ich prüfe nicht nur das Ergebnis, sondern deinen Prompt-Verlauf, Tool Calls, Skills, Agent-Nutzung, Commits und Reviews im Demo-Repository. Auf Fragen und Abgaben antworte ich an Werktagen innerhalb von 24 Stunden.

Brauche ich eigene KI-Abos oder API-Keys?

Nein. Die Entwicklungsumgebung, Demo-Repositories, Toolzugänge und ein passendes Nutzungskontingent sind enthalten. So brauchst du keine privaten Zugänge und lädst keinen Firmen-Code hoch.

Was, wenn ich eine Woche keine Zeit habe?

Du kannst Inhalte und Aufgaben nachholen. Falls du in den acht Wochen nicht fertig wirst, kannst du beim nächsten Start kostenlos weitermachen.

Kann mein Arbeitgeber die Weiterbildung übernehmen?

Ja, das Programm ist ausdrücklich berufsbegleitend konzipiert. Für eine Kursbeschreibung oder eine Rechnung mit Firmenanschrift schreib mir an kontakt@noel-lang.de.

Was, wenn es nichts für mich ist?

Bis zum Kursstart kannst du jederzeit zurücktreten. Ab dem ersten Kurstag hast du zusätzlich 14 Tage Zeit, den Accelerator zu testen. Eine kurze E-Mail genügt, ohne Begründung.

Dein Trainer

Ich baue, lehre und arbeite selbst AI-first.

Ich bin Noel, Software Engineer, Gründer und AI-Consultant. Ich entwickle mit Coding Agents, vermittle Softwareentwicklung auf YouTube und betreibe eigene Lernplattformen für mehr als 20.000 Nutzer.

20.000+: Nutzer auf eigenen Lernplattformen
2: Mitarbeiter im AI-first-Team
Seit 2023: Vorträge und Inhalte zu produktiver KI-Nutzung

YouTube: Technik verständlich machen

Videos zu Softwareentwicklung, Coding Agents und produktiver KI-Nutzung.

Kanal ansehen

Noel Lang als Speaker auf der Bühne der Data Unplugged 2026

Praxis zeigen und weitergeben

Vorträge zur produktiven KI-Nutzung, Austausch mit Gründern im Silicon Valley und Teilnahme am OpenAI DevDay.

Platz sichern · 279 € Nächster Start: 17.08.2026