KI Softwaretest Schulung

Large Language Models verändern, wie Testfälle entstehen, wie Testdaten abgeleitet werden und wie Fehlerberichte dokumentiert werden. Dieses Seminar zeigt Dir, wie Du generative KI konkret in Deinen Testalltag einbaust – von der ersten Idee bis zum fertigen Testartefakt.

Du lernst Prompt Engineering speziell für Testaufgaben kennen: strukturierte Prompts, Few-shot-Beispiele und passende Output-Formate, mit denen Du reproduzierbare und verwertbare Ergebnisse erzielst. Darauf aufbauend arbeitest Du mit LLMs an Testdesign und Testautomatisierung – Du erstellst Testfälle aus Anforderungen, optimierst bestehende Testfälle und leitest Testdaten sowie Automatisierungsentwürfe ab.

Ein eigener Schwerpunkt liegt auf dem verantwortungsvollen Einsatz von KI im Testprozess: Du lernst, Halluzinationen und Fehler in KI-Ergebnissen zu erkennen, Ergebnisse zu verifizieren und Risiken wie Bias, Datenschutz- und Cybersecurity-Fragen sowie regulatorische Vorgaben wie den EU AI Act einzuordnen.

Abgerundet wird das Seminar durch einen Blick auf weiterführende Techniken wie Retrieval Augmented Generation (RAG) für Unternehmensdaten, Grundlagen des Fine-Tunings sowie LLMOps und KI-Agenten im Testumfeld. Am Ende steht der Transfer: Du wählst geeignete Modelle aus, definierst Leitplanken für Testaktivitäten und priorisierst Use Cases für Deinen eigenen Arbeitskontext.

Generative KI im Softwaretest

• Grundlagen generativer KI

• Large Language Models im Testing

• Nutzen für Testprozesse

• Qualitätskriterien für KI-Ergebnisse

• Übung mit der LLM-Workbench

Prompt Engineering für Testaufgaben

• Strukturierte Prompts für Testartefakte

• Rollen, Kontext und Constraints

• Few-shot-Prompting im Softwaretest

• Output-Formate für Testdokumente

• Best Practices für reproduzierbare Ergebnisse

Testdesign und Testautomatisierung

• Testfälle aus Anforderungen erstellen

• Vorhandene Testfälle optimieren

• Testdaten und Varianten ableiten

• Automatisierungsentwürfe mit LLMs

• Fehlerberichte analysieren und erstellen

Risiken und verantwortungsvoller KI-Einsatz

• Halluzinationen und Fehler erkennen

• Verifikation von KI-Ergebnissen

• Bias und fachliche Verzerrungen

• Datenschutz und Cybersecurity-Risiken

• Energieverbrauch generativer KI

• Einordnung des EU AI Act

KI-basierte Anwendungen im Testprozess

• Testwerkzeuge mit GenAI-Funktionen

• RAG für Unternehmensdaten

• Dokumentanalyse mit Retrieval Augmented Generation

• Integration in bestehende Testprozesse

• Grundlagen von Fine-Tuning

• LLMOps und KI-Agenten im Testing

Transfer und Modellwahl

• Geeignete KI-Modelle auswählen

• Leitplanken für Testaktivitäten definieren

• Use Cases priorisieren

• Erkenntnisse reflektieren und übertragen

Das Seminar richtet sich an Software-Tester und Software-Testerinnen, Testmanager und Testmanagerinnen sowie QA-Verantwortliche, die generative KI gezielt in ihre Testarbeit integrieren möchten.

Ebenso angesprochen sind Testautomatisierungs-Ingenieure und -Ingenieurinnen mit Bedarf an KI-gestützten Testabläufen sowie Software-Entwickler und Software-Entwicklerinnen, die LLMs für Testfälle, Bug-Reports und Automatisierung nutzen möchten.

Auch Product Owner, Business-Analystinnen und Business-Analysten sowie Projektleitungen mit Verantwortung für Softwarequalität finden hier praxisnahe Ansatzpunkte für den KI-Einsatz im Testprozess.

Du solltest Erfahrung in der Software-Entwicklung oder im Softwaretest mitbringen sowie ein Grundverständnis von Testprozessen, Testfällen und Fehlerberichten haben. Spezifische Vorkenntnisse zu generativer KI oder Prompt Engineering sind nicht erforderlich – diese werden im Seminar vermittelt.