Schulung: JetBrains Junie
KI-gestützte Java-Entwicklung in IntelliJ IDEA
- Praxisnahe Junie-Schulung speziell für Java-Entwickler:innen mit Hands-on-Übungen
- KI-gestützte Java-Entwicklung in IntelliJ IDEA: Codegenerierung, Testing und Refactoring mit Junie
- Framework-unabhängige Workflows, MCP-Integration und eigene Prompt-Bibliothek für den direkten Projekteinsatz
JetBrains Junie ist der KI-Coding-Agent direkt in IntelliJ IDEA – kein externes Tool, kein Kontextwechsel, sondern KI als integrierter Bestandteil des täglichen Java-Workflows.
Diese Junie-Schulung vermittelt Java-Entwickler:innen, wie sie den KI-Coding-Agenten von JetBrains gezielt und produktiv einsetzen: für die Generierung von Boilerplate-Code, das Schreiben von Unit- und Integrationstests, das Refactoring bestehender Codebasen und die Anbindung externer Kontextquellen über MCP-Server. Der Fokus liegt auf praktischen Techniken, nicht auf Spielereien – Ziel ist ein messbarer Produktivitätsgewinn im realen Projektalltag.
Der zweitägige Workshop ist framework-agnostisch konzipiert: Die vermittelten Prompting-Strategien, Workflows und MCP-Patterns funktionieren unabhängig davon, ob das Team mit Spring Boot, Jakarta EE oder einem anderen Java-Framework arbeitet. Bei Firmenseminaren wird das eingesetzte Framework vorab abgestimmt, sodass alle Hands-on-Übungen und Beispiele direkt auf den Projektalltag der Teilnehmenden zugeschnitten sind.
Hands-on-Anteile dominieren beide Tage: Die Teilnehmenden arbeiten an eigenen oder vorbereiteten Projekten und entwickeln eine persönliche Prompt-Bibliothek, die sie direkt in ihre Projekte mitnehmen.
Das ist anders an der Schulung
Viele Junie-Schulungen am Markt sind eintägige Überblickskurse für alle JetBrains-Nutzer – von Python bis PHP, von Prompting-Grundlagen bis DSGVO-Theorie.
Dieses Training nicht.
Zwei Tage, gezielt für Java-Entwickler:innen mit echten Java-Schichten, realem Teststack und MCP-Integration – einem Thema, das in keinem anderen Junie-Seminar im DACH-Markt vorkommt. Das eingesetzte Framework wird vorab abgestimmt. Am Ende nehmt ihr eine einsatzbereite Prompt-Bibliothek mit – kein Folienwissen, sondern direkt in den nächsten Sprint.
Tag 1 – Junie Setup & Java-Entwicklung in IntelliJ IDEA
Einstieg & Orientierung
- Junie in IntelliJ einrichten und optimal konfigurieren
- AI Chat vs. Inline Completion vs. Agentic Mode: Wann was?
- Wie Junie denkt: Kontext, Dateistruktur und Grenzen verstehen
Prompting-Strategien für Java
- Effektives Prompting für typische Java-Schichten: Services, Repositories, DTOs, API-Schnittstellen
- Rollenbasierte Prompts: Junie als Reviewer, als Junior-Dev, als Architekt
- Iteratives Verfeinern: Vom Rohcode zum produktionsreifen Ergebnis
Code-Generierung im Projektalltag
- Geschäftslogik und Service-Layer aus Anforderungen generieren
- Junie + OpenAPI: Java-Client-Code und DTOs aus einer Spec erzeugen
- Mapper, Converter und Boilerplate automatisieren
- Refactoring: Legacy-Code mit Junie modernisieren (Java 17+ Features, Records, Streams)
Hands-on Block
- Feature-Entwicklung mit Junie im eigenen oder Übungsprojekt
- Prompt-Protokoll führen: Was funktioniert, was nicht?
Tag 2 – Testing, MCP & Workflows
Testing mit Junie
- JUnit-5-Tests generieren: Unit-Tests für Services, Repositories und fachliche Logik
- Mockito-Mocks: Junie schreibt Mocking-Setups aus Methodensignaturen
- Integrationstests: Junie generiert Tests passend zum eingesetzten Framework und Teststack
- Testfälle aus Anforderungen und Akzeptanzkriterien ableiten
- Testqualität beurteilen: Junie als Test-Reviewer einsetzen
MCP-Server: Projektwissen als KI-Kontext
- MCP-Grundkonzept: Warum Kontext entscheidend ist
- Filesystem-MCP-Server einrichten: Projektdokumentation und API-Specs als Wissensquelle
- Junie auf eigene Architektur-Entscheidungen und Coding-Guidelines trainieren
- Praxisbeispiel: Issue-Beschreibung → MCP-Kontext → Junie implementiert Feature
Workflow-Design & Toolvergleich
- Junie vs. GitHub Copilot vs. Claude Code: Stärken, Schwächen, Einsatzszenarien
- KI-Workflow in den Team-Alltag integrieren: Pull Requests, Code Reviews, Dokumentation
- Prompt-Bibliothek aufbauen: Wiederverwendbare Prompts für häufige Java-Patterns
- Grenzen kennen: Wann KI hilft und wann sie verlangsamt
Abschluss & Transfer
- Persönlicher Aktionsplan: Drei konkrete Maßnahmen für den nächsten Sprint
- Q&A und offene Diskussion
- Ressourcen und Weiterführendes
Das Seminar richtet sich an Java-Entwickler:innen, die:
- mit IntelliJ IDEA als primärer IDE arbeiten,
- Java-Anwendungen entwickeln oder warten — unabhängig vom eingesetzten Framework,
- Junie bisher kaum oder gar nicht eingesetzt haben und einen strukturierten Einstieg suchen,
- sowie erfahrene Entwickler:innen, die ihren KI-Einsatz systematisieren und vertiefen wollen.
Teamleads und Architekt:innen, die KI-Workflows im Team etablieren möchten, profitieren ebenfalls von den Inhalten zu Prompt-Strategien und MCP-Integration.
Voraussetzungen
- Fundierte Java-Kenntnisse (mind. 2 Jahre Praxiserfahrung)
- Vertrautheit mit dem im Unternehmen eingesetzten Java-Framework (z. B. Spring Boot, Jakarta EE)
- IntelliJ IDEA ab Version 2025.1 mit aktiver JetBrains AI Pro Lizenz (oder Ultimate-Subscription)
- Junie-Plugin installiert und aktiviert (Anleitung wird vorab bereitgestellt)
- Grundverständnis von Maven oder Gradle
- Kenntnisse in JUnit 5 von Vorteil, aber nicht zwingend erforderlich
Mindestanzahl Teilnehmende: 2 Personen