Vertiefung 01 – NoCode / LowCode Programmierung mit Arek – 09.05.2025

Vertiefungscall 01 – Von der Idee zum ersten Python-Skript

In dieser Session wurde der Grundstein für das Programmieren mit Künstlicher Intelligenz gelegt – praxisnah, einsteigerfreundlich und mit viel Geduld für technische Herausforderungen. Arek führt die Teilnehmer:innen schrittweise an die ersten Coding-Erfahrungen mit Python und ChatGPT heran.

1. Einstieg & Zielsetzung

• Begrüßung und Motivation durch Torsten.
• Arek übernahm die Bühne mit dem Ziel, den Teilnehmenden erste Programmiererfahrungen mit Python zu ermöglichen – unterstützt durch KI wie ChatGPT als Coding-Copilot.
• Thematische Schwerpunkte: Installation der Tools, Arbeiten mit der Kommandozeile, erste eigene Python-Skripte und KI-gestützte Projektideen.

2. Tools & Voraussetzungen

Die folgenden Tools wurden im Call eingeführt und gemeinsam eingerichtet:

• Python (Programmiersprache)
• pip (Paketmanager für Python)
• Kommandozeile (Command Line Interface / Terminal)
• Visual Studio Code (Code-Editor)
• ChatGPT (als AI-Copilot)
• FFmpeg (für fortgeschrittenes Projekt: Audio-Transkription)

Teilnehmende wurden angeleitet, die Software zu installieren und einfache Prompts zu nutzen, um KI-gestützt bei Installationsfragen weiterzukommen.

3. Arbeiten mit der Kommandozeile

• Einführung in grundlegende Kommandozeilenbefehle:
  cd (Verzeichnis wechseln), ls (Inhalt anzeigen), mkdir (Verzeichnis erstellen), python (Skriptausführung)
• Erklärung der Kommandozeile als zentrales Steuerpult für den Computer – wichtig für automatisiertes Arbeiten und spätere KI-Anwendungen.
• Technische Stolpersteine wurden gemeinsam gelöst (Pfadstruktur, Dateiendungen, Terminalzugriff je nach Betriebssystem).

4. Erstes Python-Skript

Die Teilnehmenden erstellten gemeinsam ein erstes Python-Skript mit Hilfe von ChatGPT:

• Ziel: Ein Mini-Programm, das Nutzereingaben wie Name, Lieblingsfarbe, Geburtsjahr abfragt und daraus eine kurze Geschichte erstellt.
• Umsetzung in Visual Studio Code mit .py-Datei.
• Ausführung über das Terminal mit dem Befehl python story.py.

Dieses Projekt diente als „Hello World“-Erlebnis: Ein funktionierendes Programm vom Prompt bis zur Ausführung – und der Nachweis, dass KI-unterstütztes Programmieren auch für Einsteiger:innen möglich ist.

5. Reflexion & Lernkurve

• Wichtigste Erkenntnis: KI kann viele Grundlagen abnehmen, ersetzt aber nicht das Verständnis technischer Zusammenhänge.
• Vergleich mit Handwerk: Man baut nicht direkt einen Wolkenkratzer – sondern beginnt mit einem Vogelhäuschen und steigert sich.
• Erste Erfolgserlebnisse stärken das Vertrauen in das eigene Können – unabhängig vom Vorwissen.

6. Fortgeschrittene KI-Praxisprojekte (Ausblick & Hausaufgabe)

Am Ende stellte Arek zwei Praxisprojekte vor, die mithilfe eines sogenannten Umsetzungsplan-Prompts realisierbar sind:

1. PowerPoint to Text – Extrahieren von Textinhalten aus PowerPoint-Dateien.
2. Speech to Text – Lokale Transkription von Audiodateien (z. B. für Meetings) ohne Cloud-Dienste.

Hausaufgabe:
→ Mit dem Umsetzungsplan-Prompt im ChatGPT das Projekt “PowerPoint to Text” vorbereiten, das Skript generieren, ausführen und die Textdatei erzeugen.

Ziel: Den eigenen Workflow festigen und Erfahrungen im KI-gestützten Programmieren sammeln.

7. Fazit

Die Session war intensiv, praxisnah und fordernd – besonders durch die Hürden im Umgang mit der Kommandozeile. Dennoch: Alle Teilnehmenden konnten am Ende ihr erstes Python-Programm erfolgreich ausführen. Die Session zeigte, dass mit Mut, Übung und KI-Unterstützung der Einstieg ins Programmieren auch ohne Vorkenntnisse gelingt.

Vertiefung 02 – NoCode / LowCode Programmierung mit Arek – 23.05.2025

1. Rückblick & Einstieg in die Session

Arek übernimmt das Training mit dem Schwerpunkt auf Low-Code/No-Code-Ansätze mit Python und KI. Es wird ein Rückblick auf die letzte Session gegeben:

• Installation der Entwicklungsumgebung (Editor, Kommandozeile)
• Erste Schritte mit Python & ChatGPT
• Erstellung eines ersten Programms mit ChatGPT
• Fehlersuche mit KI blieb offen
• Speech-to-Text-Praxisprojekt wurde als Hausaufgabe gestellt

Arek betont, dass die Kommandozeile essenziell für die Arbeit mit (No)Code ist, und kündigt praktische Übungen sowie vertiefende Tipps an.

2. Best Practices & Grundlagenarbeit

Ordnung & Struktur:

• Empfehlung, einen zentralen Ordner für alle Coding-Projekte zu erstellen
• Beispielpfade: C:\Coding, ~/Documents/Coding
• Einfache Navigation per Kommandozeile (cd Pfad) wird erläutert
• Drag & Drop von Pfaden ins Terminal als effizienter Shortcut erklärt

Test der Python-Installation:

• Unterschiedliche Befehle je nach System: python –version, python3 –version, py –version

3. Praxisprojekt 1: PowerPoint-to-Text

Ziel:
Automatisierter Export von Textinhalten aus PowerPoint-Dateien (inkl. Titel, Notizen, Kommentare) mittels Python-Skript und KI-gestützter Erstellung des Skripts.

Vorgehen:

• Nutzung eines „Umsetzungsplan-Prompts“, um die KI als IT-Berater einzusetzen
• Fachliche Interviewfragen der KI zu Struktur, Ausgabeformat, Dateiformaten etc. werden beantwortet
• Prompt erzeugt automatisch ein Python-Skript mit Kommentaren und Anleitung
• PowerPoint-Datei wird ins Projektverzeichnis gelegt und über die Kommandozeile verarbeitet
• Output: Klar strukturierte Textdatei, z. B. mit Folientrennern

Nutzen:
Inhalte aus Präsentationen können effizient für Webseiten, Content-Formate oder ChatGPT-Analysen weiterverwendet werden – ohne Copilot oder Drittanbieter.

4. Praxisprojekt 2: Speech-to-Text mit Whisper (lokal)

Ziel:
Audiodateien lokal transkribieren (ohne Internet, ohne API, keine Datenweitergabe).

Technische Basis:
OpenAI Whisper als lokales Python-Paket

Ablauf:

• Nutzung eines dedizierten Umsetzungsprompts
• KI stellt fachliche Rückfragen (z. B. Dateiformate, Sprachen, Ausgabeformate)
• Erstellung eines Python-Skripts zur Transkription mit Zeitstempeln
• Optional: Nutzung verschiedener Whisper-Modelle (Tiny, Base, Small, Medium, Large, Turbo)
• Wichtig: Installation von ffmpeg für Medienverarbeitung notwendig (über Support-Prompt unterstützt)

Highlights:

• Transkription erfolgt lokal → volle Datenhoheit
• Ergebnis: reine Textdatei + Text mit Zeitstempeln für Untertitelung

Fehlerbehandlung:

• Diverse Installationsprobleme (z. B. mit pip, Whisper-Modul, ffmpeg) wurden gemeinsam gelöst
• Alternative Installationsbefehle (python -m pip install) und Debugging-Tipps erläutert

5. Umgang mit Fehlern & Debugging mit KI

Arek präsentiert ein stufenbasiertes Fehlerbehebungsmodell für die Arbeit mit KI:

1. Fehlermeldung einfach an die KI weitergeben
2. Fehlermeldung explizit mit Kontext teilen
3. Log-Ausgaben einbauen lassen
4. Komplexe Features isoliert testen
5. Andere Lösungswege abfragen (A, B, C …)
6. Deep Research & Codeverständnis erweitern

Essenz: Fehler sind in der Programmierung normal. Mit KI lassen sich 80–90 % davon effizient lösen. Ziel ist nicht „Fehlerfreiheit“, sondern „Fehlerkompetenz“.

6. Bonus: Kommandozeilen-Übungen

Für mehr Sicherheit im Umgang mit der Kommandozeile werden zwei konkrete Übungen vorgeschlagen:

• Übung 1: Alle PDF-Dateien in einem Ordner finden mit ls *.pdf
• Übung 2: Alle Rechnungen kopieren mit cp Rechnung* Zielordner/

Zudem wird ein Trainer-Prompt vorgestellt, der beim Umgang mit Kommandozeile und Parametern unterstützt.

7. Vorschau & Weiteres Vorgehen

• Nächste Session am 06.06. mit N8n (NoCode-Automatisierungsplattform)
  • Ziel: Aufbau eines „News Agents“
  • Vorbereitung: Zugriff auf N8n (lokal oder gehostet)
• Letzte Session wird Cursor AI behandeln
• Hausaufgabe (optional):
  • Python-Skript zur automatisierten Bildumbenennung mit KI erstellen (z. B. Urlaubsbilder → Urlaub1.jpg, Urlaub2.jpg)
  • Erweiterungen: Bilder erkennen, skalieren, Wasserzeichen setzen, Inhalte mit KI analysieren

8. Abschluss & Feedback

• Erfolgreiche Durchführung beider Praxisprojekte bei fast allen Teilnehmer:innen
• Viel positive Resonanz zur didaktischen Aufbereitung, zur Fehlerbegleitung und zum echten Praxisbezug

Fazit:
Diese Session vertieft praxisnah den Umgang mit Python, ChatGPT und OpenAI Whisper – mit Fokus auf Datenhoheit, Automatisierung und dem souveränen Umgang mit technischen Hürden. Ein echter Meilenstein für alle, die (No)Code mit KI lernen und anwenden wollen.

Vertiefung 03 – NoCode / LowCode Programmierung mit Arek – 06.06.2025

Die Session diente der praktischen Einführung in das No-Code-Tool N8N. Im Mittelpunkt stand die Umsetzung zweier Automatisierungsprojekte:

• Automatisierter Versand von KI-generierten E-Mails
• Konzeption eines News-Agents zur täglichen E-Mail-Zusammenfassung

Zielgruppe waren sowohl Einsteigerinnen und Einsteiger als auch fortgeschrittene Nutzerinnen und Nutzer, die automatisierte Prozesse effizient aufbauen möchten.

Einführung in N8N

Zu Beginn stellte Arek die grundlegenden Funktionen von N8N vor. Es handelt sich um ein visuelles Automatisierungstool mit mehr als 400 verfügbaren Integrationen, darunter Dienste wie:

• E-Mail (SMTP, Gmail, Mailchimp)
• HTTP-Requests
• Google Drive
• API-Schnittstellen externer Tools

Workflows in N8N folgen dem EVA-Prinzip:

• Eingabe (z. B. Klick, Formular, Zeittrigger)
• Verarbeitung (API-Aufrufe, Logik, Zwischenspeicher)
• Ausgabe (z. B. E-Mail, Dateiablage, Webhook)

Es wurde außerdem der Unterschied zwischen der gehosteten und der selbstgehosteten Version von N8N erläutert, inklusive Kostenstruktur, Installationsoptionen und Sicherheitsaspekten.

Praxisprojekt 1: Automatisierter KI-Mailversand

Im ersten Projekt wurde ein vollständiger Workflow aufgebaut, der auf Knopfdruck eine motivierende Nachricht mit KI generiert und automatisch per E-Mail versendet.

Workflow-Aufbau:

1. Manueller Start-Trigger
2. HTTP-Request an Google Gemini API
   • POST-Methode
   • Übergabe eines Prompts im JSON-Body
   • Einbindung des API-Keys per Parameter oder URL
   • Header-Eintrag: Content-Type als application/json
3. E-Mail-Versand über SMTP-Knoten
   • Einbindung von Zugangsdaten (z. B. All-Inkl oder Bluehost)
   • Dynamische Einbindung des KI-Outputs in die E-Mail

Die Umsetzung erfolgte schrittweise gemeinsam mit der Gruppe. Besonderes Augenmerk lag auf der Fehlersuche und den Stolperfallen:

• Unterschiede in Groß- und Kleinschreibung bei JSON und Headern
• Umgang mit API-Keys und deren richtiger Platzierung
• Fehleranalyse über ChatGPT, unter anderem durch Screenshots und Workflow-Export

Zum Test wurde ein Motivationsprompt verwendet. Teilnehmer konnten eigene Prompts in den Workflow integrieren, zum Beispiel zur Generierung von Rezepten oder News-Inhalten.

Zusatzfunktionen: Zeitsteuerung und Formatierung

Der manuelle Start-Trigger wurde optional durch einen zeitgesteuerten Trigger ersetzt. Damit kann der Workflow zum Beispiel täglich um 7 Uhr automatisch ausgeführt werden.

Die formatierte Ausgabe der E-Mail (HTML vs. Text) wurde ebenfalls behandelt. Inhalte können mithilfe des Prompts direkt in HTML erzeugt und in N8N als HTML-E-Mail versendet werden.

Diskussion: Grenzen und Möglichkeiten von N8N

Es wurde ausführlich diskutiert, an welchen Stellen N8N an seine Grenzen stößt:

• Komplexere Logiken führen zu unübersichtlichen Workflows
• Fehlende Möglichkeit, mehrere E-Mails gebündelt zu verarbeiten
• Kein vollständiger Zugriff auf externe Bibliotheken
• Eingeschränkte Wiederverwendbarkeit und Modularität
• Fehlerdiagnose bei komplexen Workflows wird schnell aufwendig

Trotzdem eignet sich N8N hervorragend für:

• Standardisierte, kompakte Automatisierungen
• Einstieg in das Thema Prozessautomatisierung
• Integration verschiedenster Dienste ohne Programmierkenntnisse

Praxisprojekt 2 (Konzeption): News-Agent mit E-Mail-Zusammenfassungen

Das zweite Projekt wurde in der Session konzeptionell vorgestellt. Ziel war es, einen Agenten zu bauen, der eingehende Newsletter-E-Mails sammelt, durch KI analysieren lässt und einmal täglich zusammengefasst per E-Mail versendet.

Die Umsetzung in N8N scheiterte an folgenden Punkten:

• E-Mails werden einzeln verarbeitet, nicht als Batch
• Zusammenfassungen müssten manuell gespeichert und zusammengeführt werden
• Erweiterbarkeit des Workflows stark eingeschränkt

Arek demonstrierte deshalb einen alternativen Weg:

• Export des bestehenden N8N-Workflows
• Transformation in ein Python-Skript mithilfe von ChatGPT
• Aufbau eines funktionierenden News-Agenten innerhalb weniger Minuten

Methodik: Prompts zur Unterstützung in der Entwicklung

Zwei zentrale Prompts wurden vorgestellt:

1. Umsetzungsprompt für neue Workflows
   Anleitung zur strukturierten Entwicklung eines N8N-Workflows aus einer Idee heraus, Schritt für Schritt mit Angabe der Knoten, Einstellungen und Logik.
2. Migrationsprompt zur Umwandlung in Python
   Mit diesem Prompt lässt sich ein bestehender N8N-Workflow in ein funktionierendes Python-Skript übersetzen, inklusive Erläuterung und Ausführungsanleitung.

Beide Prompts wurden von den Teilnehmenden direkt ausprobiert.

Theoretischer Vergleich: No-Code vs. Vibe-Coding

Arek stellte abschließend einen fundierten Vergleich zwischen den beiden Ansätzen auf:

No-Code mit N8N

• Schnell bei einfachen Automatisierungen
• Ideal für visuelle Darstellung und Standard-APIs
• Gute Einstiegsmöglichkeit
• Begrenzte Erweiterbarkeit und höhere Wartungskosten bei komplexen Prozessen

Vibe-Coding mit KI-Unterstützung (z. B. Python)

• Höhere Einstiegshürde, aber maximale Flexibilität
• Individuelle Anpassung und Nutzung externer Bibliotheken
• Bessere Testbarkeit und gezieltere Fehlerbehebung
• Ideal für komplexe oder dynamisch wachsende Automationen

Ausblick: Nächste Session am 27. Juni

In der Folgesession wird eine eigene Chrome Extension entwickelt – vollständig mit KI-Unterstützung in Visual Studio Code oder Cursor. Geplante Anwendungsszenarien sind unter anderem:

• Automatisches Confetti auf Webseiten
• Zusammenfassung geöffneter Tabs im Browser

Ziel ist es, den Brückenschlag von No-Code zu eigenständigem Vibe-Coding weiter zu vertiefen.

Fragen und Impulse aus der Gruppe

Abschließend gab es eine offene Fragerunde. Themen waren unter anderem:

• Sicherheit von API-Keys und deren Verwaltung
• Datenschutzfragen beim Hosten von N8N (lokal, Cloud, eigener Server)
• Nutzung von Docker zur lokalen Installation von N8N
• Einsatz von lokalen KI-Modellen wie LLaMA auf leistungsstarker Hardware
• Kombination aus ChatGPT-Unterstützung und manuellem Debugging
• Export und Import von Workflows zur Weiterverarbeitung oder Fehlersuche

Fazit der Session

Diese Trainingsrunde kombinierte praktische Umsetzung, technische Tiefe und strategische Einordnung von Tools. Die Teilnehmenden konnten selbstständig Automatisierungs-Workflows aufbauen, Fehler analysieren und reflektieren, wann welches Tool – N8N oder Vibe-Coding – für den eigenen Anwendungsfall besser geeignet ist.

Vertiefung 04 – NoCode / LowCode Programmierung mit Arek – 27.06.2025

Zusammenfassung: Coding mit GitHub Copilot – Chrome Extensions & KI-Automatisierung

In dieser letzten Session der Trainingsreihe ging es praxisnah um das agentische Programmieren mit GitHub Copilot – einem KI-gestützten Coding-Tool, das nahtlos in Visual Studio Code integriert ist. Die Teilnehmenden wurden Schritt für Schritt durch zwei konkrete Projekte geführt: eine spielerische Confetti-Webseite sowie eine nützliche Chrome Extension zur Übersicht und Zusammenfassung geöffneter Browser-Tabs.

1. Einstieg: Setup & Zielsetzung

• Einführung in GitHub Copilot (kostenlose Variante)
• Abgrenzung zu früheren Tools wie ChatGPT & N8N
• Ziel: Agentisches Programmieren kennenlernen, bei dem die KI mehr tut als nur Code generieren – etwa ganze Projektstrukturen bauen und Dateien verwalten

2. Einrichtung & Funktionsweise von GitHub Copilot

• Visual Studio Code als Entwicklungsumgebung
• Copilot ist bereits in neueren VS Code Versionen vorinstalliert
• Vorstellung des Copilot-Chats und seiner Modi:
  • Ask: reine Fragestellungen
  • Edit: gezielte Dateibearbeitung
  • Agent: komplexe Aufgaben in mehreren Schritten
• Möglichkeit, Dateien direkt in den Chat einzubinden (Add Context)
• Nutzung per Text oder Spracheingabe

3. Projekt 1: Confetti-Webseite

• Erstellung einer einfachen HTML-Seite mit Button, der bei Klick Konfetti regnen lässt
• Prompt: „Erstelle eine HTML-Webseite, die einen Knopf hat. Wenn ich auf den Knopf drücke, soll es Konfetti regnen.“
• Copilot generiert automatisch die nötige Projektstruktur und HTML-Datei
• Datei wird lokal im Browser geöffnet und getestet

Lernpunkt:
GitHub Copilot ermöglicht automatisches Erstellen, Bearbeiten und Abspeichern von Code-Dateien innerhalb von VS Code – ohne manuelles Copy & Paste wie bei ChatGPT.

4. Projekt 2: Chrome Extension (Teil 1) – „Confetti-Button“

• Erstellung einer Chrome Extension, die beim Klick Konfetti auf der aktuellen Webseite anzeigt
• Wichtig: neues Projektverzeichnis anlegen, um Code-Sauberkeit zu bewahren
• Prompt: „Erstelle eine Chrome Extension, die beim Anklicken einen Text zur geöffneten Webseite hinzufügt.“
• Copilot erzeugt Manifest, Hintergrundskript, HTML-Ansicht & JavaScript automatisch
• Installation der Extension im Entwicklermodus von Chrome
• Unterstützung bei individuellen Fehlern & Debugging mit Hilfe von Copilot

Lernpunkt:
Chrome Extensions können mit Copilot zügig umgesetzt werden, inklusive Fehlerbehandlung und direktem Testing im Browser.

5. Projekt 2: Chrome Extension (Teil 2) – Webseiten-Zusammenfassung aller geöffneten Tabs

• Erweiterung: Tabs im aktiven Chrome-Fenster auslesen und als Tabelle darstellen
• Prompt: „Erstelle eine Chrome Extension, die beim Anklicken alle geöffneten Tabs aus dem aktiven Fenster sammelt und als Tabelle mit Titel & URL auflistet.“
• Copilot erstellt alle relevanten Dateien und zeigt die Tabelle im neuen Tab
• Erweiterung des Codes, um zusätzlich die ersten 100–800 Wörter der geöffneten Webseiten anzuzeigen

6. Integration von KI (Google Gemini) zur automatisierten Zusammenfassung

• Ziel: Webseiteninhalte nicht nur anzeigen, sondern auch zusammenfassen lassen
• Nutzung von Google Gemini (via AI Studio API) zur Textanalyse
• Erstellung eines API-Schlüssels und Integration in den Code
• Prompt an Copilot inklusive API-Dokumentation
• Ergebnis: Eine Extension, die Webseiten-Titel, URL und KI-basierte Zusammenfassungen der Inhalte liefert

7. Fehlerbehandlung & Debugging mit Copilot

• Vorgehen bei Fehlern:
  1. Fehlermeldung in der Chrome-Erweiterung kopieren
  2. In Copilot-Chat einfügen
  3. Auffordern zur Fehlerkorrektur
• Copilot nimmt die nötigen Anpassungen automatisch vor

Lernpunkt:
Fehlersuche wird effizient durch Copilot unterstützt – inklusive detaillierter Hinweise zur Problemlösung im Code.

8. Versionskontrolle & Best Practices

• Hinweis auf Git zur Versionssicherung in VS Code
• Nutzen: Rücksprung zu funktionierenden Projektständen möglich
• Empfehlung: Git für jedes KI-Projekt aktivieren, um ungewollte Änderungen abfangen zu können

9. Ausblick & Reflexion

• Teilnehmerfragen zu:
  • Weiterführenden Kursen (z. B. Git, WordPress-Plugins, Python)
  • Sicherheit beim KI-Coding
  • Programmiersprachenwahl je nach Projekt (Python, JavaScript, PHP)
• Empfehlung: KI als Assistenz nutzen – nicht nur zur Codeerstellung, sondern auch zur Prüfung (z. B. Security Checks)

10. Fazit

• Alle Teilnehmenden konnten live eigene Extensions bauen
• Copilot zeigt eindrucksvoll, wie weit agentisches Programmieren bereits heute gehen kann
• Der Trainingsblock führte von einfachen Webseiten bis zu komplexen, KI-gestützten Chrome Extensions – alles ohne eigene Codekenntnisse

Abschließender Hinweis:
Die Chrome Extensions und Workflows sind wiederverwendbar und lassen sich mit Copilot oder auch Tools wie N8N weiter automatisieren. Wer vertiefen möchte, kann auf Lernplattformen wie lerneprogrammieren.de weitere Selbstlernkurse absolvieren oder sich direkt an Arek wenden.