Generative KI-Werkzeuge wie ChatGPT, GitHub Copilot oder KI-gestützte Entwicklungsumgebungen gewinnen in der Softwareentwicklung zunehmend an Bedeutung. Für die Lehre von Programmiersprachen stellt sich daher die Frage, wie diese Werkzeuge sinnvoll in Lehr- und Prüfungsformate integriert werden können. Viele klassische Aufgaben in Einführungskursen zielen darauf ab, syntaktisch korrekten Code für gegebene Problemstellungen zu schreiben. Da generative KI solche Aufgaben inzwischen häufig zuverlässig löst, wird reine Codeproduktion als alleiniger Nachweis praktisch relevanter Programmierkompetenz weniger aussagekräftig.

Dieser Beitrag zeigt, wie Programmieraufgaben im ersten Studienjahr didaktisch neu gestaltet werden können. Grundlage ist die revidierte Bloom’sche Taxonomie mit den Stufen Erinnern, Verstehen, Anwenden, Analysieren, Bewerten und Erschaffen. Anhand von Aufgaben zu Kontrollstrukturen und objektorientierter Programmierung wird gezeigt, wie sich der Schwerpunkt von Erinnern, Verstehen und Anwenden hin zu Analysieren, Bewerten und Erschaffen verschieben lässt. Damit steht nicht mehr allein das Schreiben von Code im Mittelpunkt, sondern die Analyse, Bewertung und bewusste Überarbeitung KI-generierter Lösungen. Gefördert werden Kompetenzen, die für KI-unterstützte Softwareentwicklung zentral sind: Code verstehen, Anforderungen prüfen, Qualität beurteilen, Alternativen abwägen und generierte Artefakte verbessern.

Der Vortrag stellt konkrete KI-basierte Aufgabenformate vor und diskutiert deren Integration in die Lehre der Programmierung und in Prüfungen. KI wird nicht als Abkürzung oder Störfaktor verstanden, sondern als professionelles Werkzeug, dessen reflektierter Einsatz Teil der Kompetenzentwicklung ist.

Ziel ist eine Programmierausbildung, die Grundlagen sichert und auf eine Arbeitswelt vorbereitet, in der Code nicht nur geschrieben, sondern kritisch beurteilt und weiterentwickelt wird.