GenAI & KI im Softwaretest – Die Zukunft der Qualitätssicherung

Kursziele

Angelehnt an die Inhalte des ISTQB®-Zertifikats „Certified Tester: AI Testing (CT-AI)” und ergänzt um modernste GenAI-Praxis aus mehreren Dutzend Qualitätssicherungsprojekten vermittelt dieser Workshop, wie Künstliche Intelligenz die Qualitätssicherung revolutioniert. Während das klassische Testen auf deterministischen Logiken basiert, führt KI neue Herausforderungen und enorme Effizienzpotenziale ein.

In dieser Schulung lernen Sie einerseits, wie Sie KI-basierte Systeme testen (Testing of AI), und andererseits, wie Sie KI als Werkzeug einsetzen (Testing with AI), um Testaktivitäten massiv zu beschleunigen. Sie erfahren, wie Sie Large Language Models (LLMs) nutzen, um User Stories zu verfeinern, Testfälle zu generieren und Testdaten automatisiert zu erstellen, ohne die Risiken von Halluzinationen und Datenschutz aus den Augen zu verlieren.

Ein Überblick über die aktuelle Tool-Landschaft, deren Infrastruktur (Agenten / MCPs) sowie praktische Übungen vervollständigen diesen Workshop und bieten Ihnen eine zukunftssichere Basis für die Qualitätssicherung der nächsten Generation.

Kursagenda

1. Grundlagen aus dem GenAI / KI

• Gemeinsames Verständnis & Erwartungsabgleich
• Begriffsabgrenzung: KI vs. GenAI vs. klassische Automatisierung
• Typische Missverständnisse: Schreibt KI perfekte Tests?
• Einordnung nach ISTQB: KI als Testobjekt vs. KI als Testwerkzeug
• Funktionsweise von LLMs, Prompts und Trainingsdaten
• Chancen, Risiken und Grenzen
• Ethische Aspekte und die Rolle des Menschen (Human-in-the-Loop)

2. KI-Einsatz sinnvoll planen

• Effizienzsteigerung vs. Qualitätssteigerung
• Typische Zielbilder: Schnellere Testfallerstellung & höhere Testabdeckung
• Was KI gut kann – und wo die Grenzen liegen

3. KI als Testwerkzeug: Konkrete Anwendungsfälle

• Automatisierte Testgenerierung: Testfälle, Gherkin-Szenarien, Unit- & API-Tests
• Optimierung: Erkennung der Redundanzen, Code Vereinfachung und Risiko-Priorisierung
• Qualitätskriterien und Fehlerbilder KI-generierter Tests

4. Testdaten & KI: Mehr als nur Fake-Namen

• Generierung strukturierter & unstrukturierter Daten
• Synthetische Daten vs. Produktivdaten
• Datenschutz, Compliance
• Randfälle und Negativszenarien gezielt erzeugen

5. KI testen: Wie testet man KI-Systeme selbst?

• Umgang mit Besonderheiten wie Nicht-Determinismus
• Differenzierung nach Testarten: Funktional, Robustheit, Fairness & Performance
• ISTQB-Sicht: Teststrategien für lernende Systeme

6. Nachvollziehbarkeit & Vertrauen

• Explainability, Transparency & Dokumentationspflichten
• Governance: Wer darf welche Daten für welche KI nutzen?
• Prompt-Versionierung und Reproduzierbarkeit von Ergebnissen

7. Praxisbeispiele aus dem Alltag & Diskussion

• Realitätscheck: Was in Teams gut funktioniert und was gescheitert ist
• Copilot in der Testautomatisierung
• Deep Dive: MCP (Model Context Protocol) + Playwright Integration

8. Best Praxis & Empfehlungen

• Quality-Gates für KI-Artefakte
• Kombination aus KI und klassischem Testdesign
• Schrittweise Einführung und Skillaufbau im Team

9. Nächste Schritte mit KI im Test

• Roadmap für Pilotprojekte und Tool-Auswahl

Zielpublikum

Dieser Kurs ist für folgende Rollen geeignet:

• Tester
• Testautomatisierer
• QA-Manager & Testleiter
• Softwareentwickler
• Product Owner & Business Analysten

Voraussetzungen für den Kurs

• Grundkenntnisse im Softwaretest (z. B. ISTQB® Foundation Level oder Praxiserfahrung)
• Interesse an Künstlicher Intelligenz und modernen QS-Methoden