Workshops: Agentic-Engineering-Praxis
Performance-Optimierung mit KI-Coding-Agenten: Workshop
Bitten Sie einen Agenten, Code schneller zu machen, schreibt er ihn bereitwillig um, oft ohne messbaren Effekt. Dieser Workshop dreht die Reihenfolge um: erst messen, dann den Agenten am echten Engpass arbeiten lassen, den Gewinn mit Benchmarks belegen und gegen Regressionen absichern. Ihr Team übt an eigenen langsamen Endpunkten, Abfragen und Seiten.
Für wen ist der Workshop?
- Backend-Teams mit langsamen Endpunkten, Batch-Jobs oder hohen Cloud-Kosten
- Frontend-Teams, die an Core Web Vitals, Bundle-Größe und Rendering arbeiten
- Performance- und Reliability-Engineers
- Datenbanklastige Teams mit trägen Abfragen und ORM-Problemen
- Tech Leads, die gute Performance dauerhaft halten wollen
Das nehmen Sie mit
- Sie geben dem Agenten Profiler-Ausgaben, Flame Graphs und Ausführungspläne statt vager Beschwerden.
- Sie schreiben mit dem Agenten reproduzierbare Benchmarks und Lasttests, bevor Produktionscode geändert wird.
- Sie bewerten Optimierungsvorschläge kritisch: echter Gewinn, Lesbarkeit, Korrektheitsrisiko.
- Sie optimieren Datenbankzugriffe, Caching, Algorithmen und Ladepfade im Frontend mit messbarem Ergebnis.
- Sie verankern Performance-Budgets und Benchmark-Vergleiche in der CI, damit Regressionen schon im Review auffallen.
Agenda
Modul 1
Messen, bevor man anfasst
- Warum Agenten Engpässe raten und wie Sie das verhindern
- Profiler je Stack: Flame Graphs, Sampling-Profiler, Browser-DevTools
- Übung: einen langsamen Pfad profilen und die Befunde an den Agenten übergeben
Modul 2
Benchmarks als Feedbackschleife
- Micro-Benchmarks etwa mit JMH, BenchmarkDotNet, pytest-benchmark oder Go-Benchmarks
- Lasttests mit k6, Gatling oder Locust, vom Agenten erstellt und gepflegt
- Stabil messen: Warm-up, Messrauschen, mehrere Läufe vergleichen
Modul 3
Typische Optimierungen
- N+1-Abfragen, fehlende Indizes und Ausführungspläne
- Caching, Batching und unnötige Serialisierung
- Algorithmen und Speicherallokationen
Modul 4
Frontend-Performance
- Bundle-Analyse, Code Splitting und Lazy Loading
- Rendering-Kosten und Core Web Vitals mit Lighthouse
- Bilder, Schriften und Skripte von Drittanbietern
Modul 5
Damit es schnell bleibt
- Performance-Budgets und Benchmark-Vergleiche in der CI
- Review-Checkliste für Optimierungs-Pull-Requests
- Entscheidungen dokumentieren, damit das nächste Refactoring sie nicht zunichtemacht
Warum „mach es schneller“ ein schlechter Prompt ist
Ohne Messwerte optimieren Coding-Agenten, was ineffizient aussieht, nicht was tatsächlich langsam ist. Heraus kommt cleverer, schwerer lesbarer Code ohne spürbaren Effekt, während die eigentliche Ursache in einer Datenbankabfrage oder einem Netzwerkaufruf steckt, den niemand angesehen hat.
Mit Messdaten im Kontext ändert sich das Bild. Bekommen Claude Code, OpenAI Codex, Cursor oder GitHub Copilot ein Profil, einen Benchmark und ein klares Ziel, schlagen sie mehrere Varianten vor, setzen sie auf Branches um und lassen den Benchmark für jede laufen. Ihr Team entscheidet dann anhand von Daten statt nach Bauchgefühl.
Leitplanken für Optimierungsarbeit
Performance-Änderungen haben eigene Risiken: subtile Nebenläufigkeitsfehler, veraltete Caches, abweichende Ergebnisse in Randfällen. Deshalb arbeitet der Agent unter festen Regeln:
- Bestehende Tests bleiben grün, Korrektheit geht vor Geschwindigkeit
- Jeder behauptete Gewinn wird vorher und nachher gemessen
- Keine Produktionsprofile mit personenbezogenen Daten im Agenten-Kontext (DSGVO)
- Änderungen an Caching und Nebenläufigkeit prüft immer ein Mensch
Bringen Sie Ihren langsamsten Codepfad mit
Am meisten bringt der Tag mit zwei oder drei konkreten Performance-Problemen aus Ihren Systemen: ein träger Report, eine teure Abfrage, eine langsame Seite. Den Messaufbau bereiten wir vorab mit Ihnen vor; sind Produktionsdaten im Spiel, nutzen wir anonymisierte oder synthetische Datensätze. Remote oder vor Ort, auf Deutsch oder Englisch.
Häufige Fragen
Welche Sprachen und Stacks decken Sie ab?
Java und Kotlin, .NET, Python, Node.js und TypeScript, Go sowie gängige Web-Frontends und SQL-Datenbanken. Die Prinzipien sind gleich, die Werkzeuge wählen wir passend zu Ihrem Stack.
Kann der Agent den Profiler selbst starten?
Ja, in Entwicklungs- und Testumgebungen führen Agenten Profiler, Benchmarks und Lasttests aus und werten die Ergebnisse aus. Zugriff auf Produktivsysteme empfehlen wir nur lesend und über freigegebene Observability-Werkzeuge.
Woran erkennen wir, dass der Gewinn echt ist?
An wiederholten Messungen unter vergleichbaren Bedingungen und einem Benchmark, der im Repository bleibt. Wir zeigen, wie Sie Messrauschen erkennen und warum ein einzelner Lauf nichts beweist.
Workshop
Kontakt aufnehmen
Welcher langsame Teil Ihres Systems soll nach einem Tag messbar schneller sein?
Wählen Sie die ungefähre Teilnehmerzahl und passende Termine – wir melden uns innerhalb von 24 Stunden mit einem Vorschlag für Inhalte, Format und Ablauf.
Lieber erst sprechen?
15 Minuten, kostenlos und unverbindlich – mit unseren AI Trainern und AI Code Engineers.
Kostenloses Gespräch buchen (öffnet in neuem Tab) +49 761 519 751 50 (rund um die Uhr)Schulung/Workshop anfragen
Workshop: Performance-Optimierung mit KI-Coding-Agenten: Workshop · 1 Tag
Weitere Workshops
- Workshops: Agentic-Engineering-PraxisAPI-First mit KI-Agenten: Workshop zu OpenAPI & GraphQL
- Workshops: Agentic-Engineering-PraxisCoding-Agenten in großen Codebasen & Monorepos: Workshop
- Workshops: Agentic-Engineering-PraxisGit-Workflows für KI-Coding-Agenten: Halbtägige Schulung
- Workshops: Agentic-Engineering-PraxisSelbstheilende CI mit KI-Agenten: Builds, Flaky Tests, Updates
- Workshops: Agentic-Engineering-PraxisVibe-Coding-Prototypen übernehmen: Workshop für Dev-Teams
- KI-EntwicklungFestgefahrenes Vibe-Coding-Projekt retten: Ein Praxisleitfaden
