Kursüberblick
Dieser Kurs wird in Kooperation mit dem akkreditierten Partnerunternehmen Smartesting durchgeführt.
Das Seminar „ISTQB® Certified Tester – Testing with Generative AI“ zeigt, wie generative KI in allen Phasen des Softwaretestens zielführend eingesetzt werden kann. Die Teilnehmer lernen, mit aktuellen KI-Werkzeugen zu arbeiten, passende Prompts zu formulieren und generative Modelle verantwortungsvoll in Testprozesse zu integrieren.
Die Schulung orientiert sich am offiziellen ISTQB®-Lehrplan „Testing with Generative AI“ und verbindet fundierte Grundlagen mit vielen praktischen Übungen. So werden die Teilnehmer optimal darauf vorbereitet, KI gezielt zur Automatisierung, Optimierung und Beschleunigung ihrer Testaktivitäten einzusetzen – und auf Wunsch im Anschluss die ISTQB®-Zertifizierungsprüfung abzulegen.
Zielgruppe
Das Seminar richtet sich an:
- Softwaretester, Testautomatisierer, Testmanager und QA-Verantwortliche,
- Entwickler und DevOps-Teams, die Testaktivitäten mit GenAI unterstützen möchten,
- Produktverantwortliche, Projektleiter und Business-Analysten mit Fokus auf Qualitätssicherung,
- alle, die das Potenzial generativer KI im Testumfeld verstehen und verantwortungsvoll nutzen wollen.
Voraussetzungen
Grundkenntnisse im Softwaretesten sind empfehlenswert. Für die Teilnahme an der ISTQB®-Prüfung ist ein gültiges „ISTQB® Certified Tester Foundation Level“-Zertifikat erforderlich.
Kursziele
Nach dem Seminar können die Teilnehmer:
- die Grundlagen, Möglichkeiten und Grenzen generativer KI im Softwaretest sicher einordnen,
- effektive Prompts für verschiedene Testaufgaben entwickeln,
- KI-Ergebnisse kritisch bewerten und Risiken (Halluzinationen, Bias, Sicherheitsfragen) adressieren,
- generative KI in bestehende Testprozesse und Toolchains integrieren,
- aktiv an einer Strategie und Roadmap für den Einsatz von GenAI im Test in ihrer Organisation mitarbeiten.
Kursinhalt
Einführung in generative KI für den Softwaretest
- Zentrale Begriffe, Funktionsweise und Grenzen generativer KI
- Typische Anwendungsfälle von GenAI im Test (z. B. Testfallideen, Testdaten, Spezifikationsanalyse)
- Chancen und Herausforderungen im Vergleich zu klassischen Testansätzen
Prompt Engineering für effektives Testen
- Aufbau wirksamer Prompts für unterschiedliche Testaufgaben (Reviews, Testfallentwurf, exploratives Testen)
- Techniken zur Verfeinerung von Prompts und systematisches Iterieren
- Bewertung von KI-Antworten und Verbesserung der Ergebnisse für den Praxiseinsatz
Risikomanagement beim Einsatz von GenAI im Test
- Typische Fehlermuster: Halluzinationen, falsche Schlussfolgerungen, Verzerrungen
- Datenschutz, Vertraulichkeit und Sicherheitsaspekte beim Arbeiten mit KI-Modellen
- Ökologische Aspekte (Energieverbrauch) sowie relevante Normen, Standards und Leitlinien für verantwortungsvolle KI
LLM-basierte Lösungen für den Softwaretest
- Architekturen für testunterstützende Lösungen auf Basis von LLMs
- Einordnung von Fine-Tuning, RAG und LLMOps im Testkontext
- Beispiele für den Einsatz von KI-Assistenten in Testdesign, Testausführung und -analyse
Einführung und Skalierung von GenAI im Testteam
- Roadmap für die Einführung generativer KI im Test – von Pilotprojekten bis zum Roll-out
- Change Management: Rollen, Verantwortlichkeiten und Qualifizierung im Testteam
- Best Practices aus Projekten und aus der Community
Deutsch