CAS AI-Augmented Software Engineering

AI erhöht die Geschwindigkeit der Softwareentwicklung massiv. Gleichzeitig verschieben sich die Engpässe von der Code-Erstellung hin zu Architektur, Qualitätssicherung, Governance und Human Oversight. Qualität entsteht dabei zunehmend durch mehrere aufeinander abgestimmte Ebenen von Spezifikation, Architektur, Guardrails, automatisierter Validierung und menschlicher Aufsicht. Dieses Konzept wird als «Layered Supervision» bezeichnet und bildet den fachlichen Bezugsrahmen für den CAS AI-Augmented Software Engineering.

In diesem Zertifikatskurs lernen Sie, AI-Coding-Tools fundiert zu evaluieren und eine begründete Tool-Strategie für Ihr Team zu entwickeln. Nach Abschluss verfügen Sie über erprobte Praktiken für AI-gestützte Softwareentwicklung, Code Reviews und strukturierte Planungs- und Entscheidungsprozesse. Zudem sind Sie in der Lage, Softwarearchitekturen mit AI-Unterstützung zu entwerfen, zu dokumentieren und im Team zu kommunizieren – inklusive geeigneter Guardrails, die sicherstellen, dass AI-generierter Code mit der bestehenden Architektur konform bleibt. So qualifizieren Sie sich für Rollen, in denen Sie die AI-Transformation in Entwicklungsteams aktiv mitgestalten können.

Die Studieninhalte sind entlang der drei Perspektiven Build, Validate und Scale aufgebaut. Gemeinsam decken sie die zentralen Ebenen von AI-Augmented Software Engineering ab – von der individuellen Entwicklung über Architektur und Qualitätssicherung bis hin zu Teampraktiken und Governance.

Build
AI-Augmented Software Development

In diesem Modul lernen Sie, AI-Coding-Tools produktiv und kontrolliert einzusetzen und deren Nutzung durch geeignete Artefakte, Spezifikationen und Arbeitsweisen steuerbar zu machen. Anhand von PRDs, Architekturentscheidungen und strukturiertem Kontext vergleichen Sie unterschiedliche Vorgehensweisen – vom wenig strukturierten «Vibe Coding» bis zu stärker kontrollierten, dokumentations- und architekturorientierten Ansätzen. Dabei lernen Sie erste Guardrails kennen, die die AI-Code-Generierung durch technische, organisatorische und menschliche Kontrollmechanismen steuerbar machen.

Validate
AI-Enhanced Architecture & Quality

Dieses Modul adressiert die Auswirkungen von AI auf die Architekturarbeit. Sie lernen, Softwarearchitekturen mit AI-Unterstützung zu entwerfen, Repositories so zu organisieren, dass AI-Systeme kontrolliert und konsistent damit arbeiten können, und Architekturen in Formaten zu dokumentieren, die sowohl für Menschen als auch für AI-Systeme verständlich sind. Auf Teamebene stehen die Kommunikation und Dokumentation von Architekturentscheidungen sowie die Definition gemeinsamer Architekturprinzipien im Zentrum. Die in diesem Modul vertieften Guardrails fokussieren auf Mechanismen, die sicherstellen, dass AI-generierter Code mit Architekturprinzipien, Repository-Strukturen und Systemgrenzen konform bleibt. Ein besonderer Fokus liegt auf automatisierter Qualitätssicherung durch Tests, CI/CD-Pipelines, Security-Checks und AI-gestützte Review-Verfahren.

Scale
Team Practices, Security & Governance

In diesem Modul lernen Sie, Entwicklungsprozesse, Review-Praktiken und gemeinsame Artefakte so zu gestalten, dass Teams AI-generierte Beiträge nachvollziehen, überprüfen und kontrolliert weiterentwickeln können. Dabei werden unterschiedliche organisatorische Kontexte berücksichtigt – von Greenfield-Teams bis zu sicherheitskritischen Legacy-Systemen mit heterogenen Erfahrungslevels. Auf Teamebene geht es darum, gemeinsame Praktiken, Artefakte und Verantwortlichkeiten zu entwickeln, die eine kontinuierliche AI-Adoption unterstützen. Dazu gehören beispielsweise gemeinsame Konventionen, strukturierte Dokumentation, Reviews, Visualisierungen und automatisierte Checks. Die in diesem Modul vertieften Guardrails fokussieren auf Mechanismen, die Human Oversight (menschliche Aufsicht und Kontrolle) sicherstellen, Verantwortlichkeiten klären und die AI-gestützte Entwicklung durch technische, organisatorische und menschliche Kontrollmechanismen steuerbar machen. Weitere Themen sind Security, Governance, Verantwortlichkeiten sowie die organisatorische Einführung und Skalierung von AI-gestützten Entwicklungspraktiken.

Abschlussprojekt

Das Abschlussprojekt wird als individuelle Arbeit innerhalb einer festen Peer-Gruppe durchgeführt. Sie setzen ein reales Vorhaben mit AI-Tools um und dokumentieren dabei systematisch die getroffenen Entscheidungen, die eingesetzten Guardrails sowie deren Wirksamkeit. Die Reflexion umfasst vier Dimensionen: Welchen Nutzen haben die AI-Tools im Projekt gestiftet, wo lagen ihre Grenzen, welche Guardrails haben sich bewährt, und wie beeinflussten Team- und Organisationskontext die gewählten Vorgehensweisen?

Das Projekt wird über die gesamte Dauer des CAS kontinuierlich weiterentwickelt und in einer festen Peer-Gruppe reflektiert.

Diese Weiterbildung kombiniert kompakte Theorieinputs, angeleitete Praxisphasen und den systematischen Austausch zwischen den Teilnehmenden. Zu Beginn des CAS werden zentrale Tools, Arbeitsweisen und Guardrails im Rahmen eines gemeinsamen Kickoffs praktisch eingeführt und erprobt. 

Jeder weitere Modulblock besteht aus einem Online-Theorieinput, einer anschliessenden Selbstarbeits- und Experimentierphase im eigenen Arbeitskontext sowie einem darauf aufbauenden Präsenztag. Die Präsenzzeit wird genutzt, um Erfahrungen auszutauschen, unterschiedliche Lösungsansätze zu vergleichen und Erkenntnisse gemeinsam zu reflektieren.

Das didaktische Grundprinzip des CAS lautet:
Theorie-Input → Anwendung im eigenen Kontext → Austausch und Reflexion
Die Teilnehmenden übertragen die Inhalte kontinuierlich auf ihre eigenen Projekte, Teams und Organisationen.

Drei didaktische Prinzipien strukturieren das Lernen: 

• Sie arbeiten an realen Problemen aus Ihrem eigenen beruflichen Kontext und bringen konkrete Fragestellungen aus Ihren Teams und Organisationen mit, an denen die Modulinhalte unmittelbar angewendet werden.
• Sie lernen systematisch voneinander in festen Gruppen, die zu Beginn des CAS gebildet werden. Diese Gruppen dienen als Sparringpartner in den Selbstarbeitsphasen, als kritische Instanz an den Präsenztagen und als Netzwerk über den CAS hinaus. Die bewusste Mischung von Engineers, Architektinnen und Team Leads stellt sicher, dass Probleme aus unterschiedlichen Perspektiven beleuchtet werden.
• Die Ergebnisse aus den Selbstarbeitsphasen werden an den Präsenztagen in moderierten Diskussionen ausgewertet, bewährte Praktiken identifiziert und Erkenntnisse gesichert. Ergänzt wird dies durch den Austausch mit Expertinnen und Experten anhand von Praxisberichten, um Erfahrungen, Stolpersteine und Erfolgsfaktoren zu verstehen.

Zielgruppe

Dieser Zertifikatskurs richtet sich an:

• Erfahrene Software-Engineers
• Software-Architektinnen und Software-Architekten
• Team Leads / Tech Leads
• Verantwortliche für Software Quality Assurance

Zulassung

Zugelassen sind Personen

• mit einem anerkannten Tertiärabschluss (Universität, Fachhochschule, Höhere Fachschule oder Berufs-/Höhere Fachprüfungen);
• mit qualifizierter Berufserfahrung;
• mit einer Tätigkeit in einem Arbeitsfeld, in dem sie das Gelernte umsetzen können (Prinzip Transferorientierung);
• mit guter Lesekompetenz in englischer Sprache

Bewerberinnen und Bewerber, die über vergleichbare Abschlüsse und entsprechende Berufserfahrung verfügen, können auf Basis einer individuellen Prüfung des Dossiers aufgenommen werden. 

AI-Augmented Software Engineering erfordert Kompetenzen, die über die reine Nutzung von AI-Coding-Tools hinausgehen. Im Zentrum steht die Fähigkeit, AI-gestützte Entwicklungsprozesse zu gestalten, Qualität durch geeignete Guardrails und Validierungsmechanismen sicherzustellen sowie Architektur-, Security- und Governance-Anforderungen in die tägliche Entwicklungspraxis zu integrieren.

Nach Abschluss dieses Kurses

• können Sie AI-Coding-Tools anhand definierter Kriterien (z.B. Governance, Kosten, Datenhoheit, Fähigkeitsprofile) systematisch bewerten, für Ihren Teamkontext auswählen und gemeinsame Konventionen und Nutzungsrichtlinien entwickeln;
• sind Sie in der Lage, Softwarearchitekturen mit AI-Unterstützung zu entwerfen, in für Menschen und AI-Systeme verständlichen Formaten zu dokumentieren und Guardrails zu konzipieren, die sicherstellen, dass AI-generierte Artefakte architekturkonform bleiben;
• können Sie bestehende Teampraktiken (z.B. Code Reviews, Definitions of Done und Aufwandschätzung) im Hinblick auf AI-gestützte Entwicklung weiterentwickeln und gezielt an unterschiedliche Team- und Systemkontexte anpassen;
• können Sie Verantwortlichkeiten für AI-generierte Beiträge im Team definieren und Human-Oversight-Prozesse gestalten, die sowohl organisatorische als auch regulatorische Anforderungen erfüllen und in der Praxis umsetzbar sind;
• können Sie die für Softwareentwicklung relevanten Anforderungen des EU AI Act beurteilen und in konkrete Governance-Frameworks sowie Engineering-Praktiken für Ihre Organisation übersetzen;
• können Sie AI-gestützte Entwicklungspraktiken in unterschiedlichen Team- und Organisationskontexten schrittweise einführen und weiterentwickeln.