Sprint 1
Sprint 1
Planning
- Research Story
Als toekomstige software engineer, wil ik onderzoeken wat de impact is van AI op software development, zodat ik gericht relevante AI-vaardigheden kan ontwikkelen voor mijn toekomstige beroepspraktijk.
Acceptatiecriteria
- 1Er is een onderzoeksverslag met een vergelijkende analyse van minimaal 3 AI-tools die relevant zijn voor software engineering.
- 2Het eindproduct bevat een concreet overzicht van specifieke programmeer- en engineeringtaken die door deze tools geautomatiseerd of versneld worden.
- 3Het eindproduct bevat een overzicht van de benodigde vaardigheden om effectief met deze tools te werken.
Kwaliteitscriteria
- 1Bronnen & Triangulatie: Minimaal 3 betrouwbare vakbronnen zijn geraadpleegd, beoordeeld op recentheid, en via triangulatie met elkaar vergeleken om conclusies te onderbouwen.
- 2Prompt structuur: De gebruikte prompts voor het AI-onderzoek zijn gedocumenteerd (bijv. in een bijlage) en tonen duidelijk een iteratief proces.
- 3LLM Keuze: Er is een beargumenteerde verantwoording opgenomen voor de keuze van de specifieke LLM('s) die tijdens het onderzoek zijn ingezet.
- User Story
Als smart home automatiseerder, wil ik een AI toevoegen aan home assistant middels een MCP server die advies kan geven over nieuwe automatiseringen, zodat ik mijn smart home kan verbeteren.
Acceptatiecriteria
- 1Een werkende interface (bijv. chat of dashboard panel) in Home Assistant voor het opvragen van advies.
- 2Een succesvolle integratie via het Model Context Protocol (MCP) met toegang tot de actuele entiteitsstatus.
- 3Een korte demo-video waarin een succesvol, bruikbaar advies voor een nieuwe automatisering wordt getoond.
Kwaliteitscriteria
- 1Gebruik gemaakt van een bewezen integratie zoals Open-AI Responses of Google AI Studio.
- 2Prompt structuur: De system-prompt is gedocumenteerd en bevat dynamische context (zoals welke apparaten beschikbaar zijn).
- 3Veiligheid: De toegangsrechten van de AI kunnen worden beheerd.
- Learning Story
Als nieuwsgierige student, wil ik leren hoe ik een Gem kan maken voor gemini, zodat ik deze vaardigheid tijdens de rest van deze minor kan gebruiken.
Acceptatiecriteria
- 1Een functionele, geteste Gem in Gemini met een specifiek afgebakend doel (bijv. een gespecialiseerde prompt-generator/refiner).
- 2Een duidelijke handleiding of invoerinstructie voor de gebruiker.
- 3Een korte demo of screencast waarin je de specifieke werking laat zien.
Kwaliteitscriteria
- 1Prompt-logboek: Documentatie van de instructies (system prompt) en hoe je deze in stappen hebt verbeterd.
- 2Test-cases: Minimaal 3 gedocumenteerde test-vragen om aan te tonen dat de Gem het juiste gedrag vertoont.
- 3Reflectie: Een korte beschrijving van wat deze Gem goed kan en wat nog de beperkingen zijn.
- User Story
Als student in de minor Toegepaste AI, wil ik een interactief web-portfolio en assessment-dashboard bouwen met behulp van AI-gestuurde ontwikkeltools (Google AI Studio & Antigravity) en cloud-persistentie (Supabase), zodat ik mijn sprintvoortgang, bewijslast, feedback en leeruitkomsten gestructureerd, realtime en conform het HU-toetsmodel kan aantonen aan assessoren en coaches.
Acceptatiecriteria
- 1Werkend interactief dashboard: Er is een werkende, responsive webapplicatie gerealiseerd waarin alle 8 sprints, inclusief User Stories, Learning Stories, Research Stories, bewijslast (screenshots/video's) en feedback cycli per sprint traceerbaar zijn.
- 2Automatische toetsmatrix (HU-toetsmodel): De applicatie bevat een dynamische matrix die realtime inzicht geeft in de behaalde en in-behandeling zijnde leeruitkomsten (LU 1 t/m LU 5) over alle sprints heen, met doorklikbare detailmodals per beoordelingsmoment.
- 3Data-integratie & beheer: Het portfolio beschikt over een veilige persistentielaag (Supabase database en veilige client-side state) en een afgeschermd beheerderspaneel waarin evaluaties, bewijslast en statussen live kunnen worden bijgewerkt.
Kwaliteitscriteria
- 1AI-gestuurde Ontwikkeling & Tooling: Er is aantoonbaar gebruikgemaakt van geavanceerde agentic AI-ontwikkeltools (Google AI Studio / Antigravity). Het ontwikkelproces en de prompts zijn traceerbaar en laten zien hoe AI is ingezet voor architectuur, UI-componenten en datakoppelingen.
- 2Codekwaliteit, Usability & Toegankelijkheid: De applicatie is modulair opgezet in TypeScript en Tailwind CSS, responsive op zowel mobiel als desktop, en voldoet aan webstandaarden (duidelijke visuele hiërarchie, semantische elementen en foutafhandeling bij netwerk- of databaseverzoeken).
- 3Traceerbaarheid & Verantwoord Data-gebruik: Gevoelige configuratiegegevens (zoals API-keys en databasetokens) worden veilig beheerd en gescheiden gehouden. Er is een duidelijke scheiding tussen openbare weergave (voor assessoren/coaches) en mutatiebevoegdheden (beheerdersmodus).
Feedback
Nog geen feedback ontvangen.
Zelfevaluatie
LU5 · Zelfstandig en zelfsturend werken
Tijdens deze eerste sprint heb ik zelfstandig de regie gepakt over mijn leerproces door mijn eigen Research, User- en Learning Stories op te stellen, inclusief scherp gedefinieerde acceptatie- en kwaliteitscriteria. Ik heb hierbij direct aangesloten op de kernthema's van Sprint 1: prompting, diepgaand onderzoek en vibe-coding.
Reflectie
16 september 2026Wat heb ik geleerd?
Tijdens deze sprint heb ik mijn praktische vaardigheden met AI-tools aanzienlijk uitgebreid door actief te werken met Gemini Gems, Google AI Studio en het Model Context Protocol (MCP). Door zelf een werkende MCP-server te bouwen, heb ik in de praktijk ervaren hoe je een AI-agent veilig toegang kunt geven tot lokale data en systemen om processen te automatiseren. Daarnaast heb ik ervaren hoe AI-ondersteund programmeren in zijn werk gaat door een IDE te combineren met GitHub Copilot. Een cruciaal inzicht dat ik hierbij heb opgedaan, is dat de kwaliteit van de output direct afhankelijk is van een goed gestructureerde prompt. Tot slot heb ik onderzoek gedaan naar de impact van AI op de beroepspraktijk van software engineering, wat mij waardevolle inzichten heeft gegeven in hoe mijn toekomstige werk aan het veranderen is.
Wat behoud ik?
Ik blijf veel tijd steken in het schrijven van goede en gestructureerde prompts, omdat ik heb gemerkt dat dit de kwaliteit van de AI-output enorm verbetert. Ook blijf ik bewust de keuze maken welke AI-tool ik waarvoor inzet, zoals Google AI Studio voor het coderen en specifieke taalmodellen voor mijn onderzoek. Wat ik absoluut wil behouden is mijn hands-on aanpak met lokale AI-integraties, zoals de Model Context Protocol (MCP) server die ik succesvol voor Home Assistant heb gebouwd. Het direct koppelen van AI aan een fysieke, live omgeving gaf mij enorm veel inzicht in hoe theorie en praktijk samenkomen. Daarnaast blijf ik vasthouden aan het vooraf opstellen van heldere User, Learning en Research Stories, aangezien dit me enorm helpt om het overzicht te bewaren in wat ik precies moet opleveren en onderzoeken.
Wat ga ik anders doen?
Omdat we in de tweede sprint aan de slag gaan met het inzetten van AI binnen codeeromgevingen (IDE's) en clouddiensten zoals Supabase en GitHub, ga ik proberen de AI nog directer in mijn eigen programmeerwerk te integreren. Daarnaast ga ik bij het opstellen van mijn kwaliteitscriteria niet meer zelf eisen bedenken, maar ga ik echte, bestaande professionele standaarden uit het vakgebied gebruiken om mijn werk aan te toetsen. Tot slot ga ik de tips en feedback die ik tijdens de wekelijkse Show & Tell momenten ontvang, directer vastleggen zodat ik deze meteen als startpunt kan gebruiken voor de planning van mijn nieuwe sprint.