Seminar Code-Reviews und statische Analyse KI-generierten Codes

Seminarbeschreibung

Plausibel formulierter und sauber formatierter Code kann falsche Geschäftsregeln, ungeeignete Bibliotheksaufrufe oder verdeckte Seiteneffekte enthalten. Das Seminar vermittelt einen wiederholbaren Review-Prozess für KI-generierte Änderungen. Die Prüfung beginnt bei Anforderung, Änderungskontext und Architektur und führt über Kontroll- und Datenflüsse zu konkreten Fehlernachweisen.

Statische Werkzeuge unterstützen die Prüfung, ersetzen aber keine fachliche Entscheidung. Automatische Befunde werden auf Erreichbarkeit, Auswirkung und tatsächliche Relevanz untersucht. Auch Kommentare, generierte Erklärungen und vorgeschlagene Tests werden gegen den Code geprüft. Im gemeinsamen Review werden sachliche, reproduzierbare Beanstandungen und klar begründete Freigaben formuliert.

Lernziele

• KI-generierte Änderungen anhand einer risikobasierten Review-Checkliste untersuchen.
• Fehler in Datenflüssen, Ressourcenbehandlung und Schnittstellennutzung erkennen.
• Typprüfung, Linting und statische Analyse gezielt kombinieren.
• Review-Befunde mit reproduzierbaren Beispielen und geeigneten Regressionstests absichern.

Inhaltsübersicht

• Review-Vorbereitung und Änderungskontext
• Fachliche und technische Fehlerbilder
• Typprüfung und statische Analyse
• Architektur und Wartbarkeit
• Befund, Korrektur und erneuter Review

Seminarinhalte

Review-Vorbereitung und Änderungskontext

Anforderung, Diff und betroffene Komponenten werden zusammengeführt. Ein großer generierter Änderungssatz wird in prüfbare Einheiten zerlegt. Die tatsächliche Semantik hat Vorrang vor einer überzeugenden Erklärung des Assistenten.

• Akzeptanzkriterien und Annahmen explizit festhalten.
• Neue Abhängigkeiten, Konfigurationsänderungen und gelöschte Tests identifizieren.
• Prüftiefe anhand von Datenzugriff und Schadenswirkung wählen.

Fachliche und technische Fehlerbilder

Grenzwerte, leere Eingaben, Fehlerpfade und asynchrone Abläufe werden schrittweise verfolgt. Besprochen werden inkonsistente Rückgabewerte, verschluckte Ausnahmen und fälschlich angenommene Bibliotheksfunktionen. Nicht jeder auffällige Stil ist ein funktionaler Fehler.

• Rundung, Zeitbezug und Nullwerte prüfen.
• Fehlendes Await und unvollständige Fehlerbehandlung erkennen.
• Öffentliche Schnittstellen und tatsächliche Paketsignaturen abgleichen.

Typprüfung und statische Analyse

Compiler, Linter und regelbasierte Analyse werden am vorbereiteten Projekt ausgeführt. Die Befunde werden zusammengeführt und nach Schwere priorisiert. Eine erfolgreiche Typprüfung wird hinsichtlich ihrer Grenzen bei Laufzeitdaten und fachlichen Regeln bewertet.

• Unterdrückungen, unsichere Typumwandlungen und Ausschlussmuster untersuchen.
• Datenflussbezogene Befunde bis zur relevanten Eingabe verfolgen.
• Fehlalarme begründet dokumentieren und Regeln gezielt nachschärfen.

Architektur und Wartbarkeit

Generierte Abstraktionen, duplizierte Logik und versteckte Kopplung werden auf ihre Folgekosten geprüft. Die Testbarkeit von Zeit, Zufall, Dateizugriff und externen Diensten wird untersucht. Refactorings werden durch überprüfbare Verhaltenszusagen begrenzt.

• Verantwortlichkeiten und Abhängigkeitsrichtung kontrollieren.
• Unnötige Komplexität von erforderlicher Fachlogik unterscheiden.
• Öffentliche Verträge bei einer Korrektur erhalten.

Befund, Korrektur und erneuter Review

Eine Beanstandung enthält betroffene Stelle, erwartetes Verhalten, beobachtbaren Fehler und Auswirkung. Korrekturen werden unabhängig überprüft. Ein zweiter KI-Vorschlag gilt erst nach derselben Prüfung als belastbar.

• Minimale reproduzierbare Beispiele erstellen.
• Regressionsfälle aus bestätigten Defekten ableiten.
• Freigabe, Nacharbeit und offene Risiken sachlich begründen.

Praxisübungen

1. Anforderungen und Diff eines vorbereiteten KI-generierten Pull Requests lesen.
2. Prüfrisiken markieren und Typprüfung sowie statische Analyse ausführen.
3. Befunde manuell nachvollziehen und mindestens drei bestätigte Fehler dokumentieren.
4. Gezielte Korrekturen und Regressionstests prüfen.
5. Den überarbeiteten Änderungsstand in einem gemeinsamen Review bewerten.

Arbeitsweise und Schulungsumgebung

Git-Diffs, TypeScript-Compiler, ESLint und vorbereitete Semgrep-Regeln; Tests mit Vitest. Assistentenantworten liegen zusätzlich als feste Beispiele vor, sodass die Review-Aufgaben reproduzierbar bleiben.