AI in Testing · KI im Softwaretest
KI im Softwaretest sinnvoll einsetzen und KI-Systeme professionell testen.
AI in Testing umfasst zwei unterschiedliche Aufgaben: Generative KI kann Testaktivitäten unterstützen. Gleichzeitig müssen KI-basierte Systeme mit ihren datenabhängigen, probabilistischen und nichtdeterministischen Eigenschaften gezielt getestet werden. Hier erfahren Sie, was beides bedeutet und welche ISTQB® Weiterbildung zu Ihrem Ziel passt.
Akkreditierte Weiterbildung
Nachvollziehbare Qualifizierung für AI in Testing.
Knowledge Department ist ISTQB Platinum Partner und akkreditierter Trainingsanbieter. Die beiden Kursseiten zeigen Ihnen die konkreten Inhalte, Lernformate und verfügbaren Angebote für CT-GenAI und CT-AI.
Begriffe klar unterscheiden
AI für das Testen und das Testen von AI sind nicht dasselbe.
Diese Trennung ist entscheidend für die Kurswahl. ISTQB® behandelt beide Aufgaben in eigenständigen Specialist-Zertifizierungen.
Generative KI unterstützt Testaktivitäten.
Generative KI kann unter anderem bei Anforderungsanalyse, Testentwurf, Testautomatisierung, Reporting und kontinuierlicher Verbesserung eingesetzt werden. Der Mensch prüft dabei, ob Eingaben, Ergebnisse und Schlussfolgerungen fachlich richtig und für den jeweiligen Kontext geeignet sind.
- Prompts für Testaufgaben entwickeln und verbessern
- GenAI-Ergebnisse bewerten und Risiken kontrollieren
- GenAI-Lösungen in Testorganisationen einführen
KI-basierte Systeme erfordern eigene Testansätze.
CT-AI v2.0 betrachtet KI-basierte Systeme einschließlich Machine Learning, generativer KI und Large Language Models. Dazu gehören AI-spezifische Qualitätsmerkmale, datenabhängiges Verhalten, ML-Metriken sowie das Testen von Eingabedaten, Modellen und der ML-Entwicklung.
- Probabilistisches und nichtdeterministisches Verhalten einordnen
- Daten, Modelle und AI-spezifische Qualitätsmerkmale testen
- Teststrategien für KI-basierte Systeme entwickeln
Einsatzfelder
Wo generative KI den Softwaretest unterstützen kann.
Generative KI erzeugt Vorschläge und Zusammenfassungen. Sie liefert keine automatisch richtige Testbasis. Nutzen entsteht, wenn Testziele, Kontext, Eingabedaten und Bewertungskriterien klar sind.
Anforderungen analysieren
Unklare Formulierungen, Widersprüche, fehlende Akzeptanzkriterien und testrelevante Lücken können als Hinweise für ein fachliches Review aufbereitet werden.
Testideen und Testfälle entwerfen
GenAI kann positive, negative und randwertbezogene Testideen vorschlagen. Testabdeckung, Ausführbarkeit und Redundanz müssen anschließend geprüft werden.
Testdaten vorbereiten
Datenklassen, Randfälle und synthetische Beispieldaten lassen sich vorbereiten. Datenschutz, fachliche Plausibilität und Datenkonsistenz bleiben verbindliche Prüfpunkte.
Testautomatisierung unterstützen
KI kann bei Entwürfen für Testcode, Assertions, Mocks und Refactoring helfen. Generierter Code benötigt technische Reviews, stabile Erwartungen und Sicherheitsprüfungen.
Fehler und Testergebnisse auswerten
Fehlerberichte, Logs und Testresultate können strukturiert, zusammengefasst oder gruppiert werden. Ursache, Schweregrad und Priorität dürfen nicht ungeprüft übernommen werden.
Testberichte vorbereiten
Vorhandene Testnachweise können für unterschiedliche Zielgruppen zusammengefasst werden. Aussagen zu Qualität, Risiken und Freigaben müssen auf nachprüfbaren Daten beruhen.
Verantwortungsvoller Einsatz
Vier Schritte für belastbare AI-Unterstützung im Testprozess.
Ein sinnvoller Einstieg beginnt nicht mit einem beliebigen Tool, sondern mit einem klar abgegrenzten Problem und überprüfbaren Qualitätskriterien.
Use Case festlegen
Welche konkrete Testaktivität soll unterstützt werden und welches Ergebnis wird tatsächlich benötigt?
Daten schützen
Nur zulässige, ausreichend hochwertige und bei Bedarf anonymisierte Informationen verwenden.
Ergebnisse prüfen
Halluzinationen, Fehler, Verzerrungen, Lücken und ungeeignete Schlussfolgerungen systematisch kontrollieren.
Nutzen messen
Qualität, Abdeckung, Fehlalarme, Redundanz und Zeitaufwand vor und nach dem Einsatz vergleichen.
World Quality Report 2025–26
Zwischen Experiment und unternehmensweitem Einsatz besteht eine deutliche Lücke.
Die folgenden Werte stammen aus dem World Quality Report 2025–26 beziehungsweise der offiziellen Veröffentlichung der beteiligten Unternehmen. Sie beschreiben die befragten Organisationen und sind keine Aussage über ein einzelnes Unternehmen.
Ein erheblicher Anteil der Befragten erprobte GenAI in Quality Engineering noch ohne breiten Rollout.
Die offizielle Veröffentlichung zeigt damit eine klare Lücke zwischen Erprobung und Skalierung.
Der Report ordnet verfügbare und geschützte Testdaten als wesentliche Hürde für Automatisierungsreife ein.
In der Rangfolge des Reports lag GenAI damit vor den grundlegenden Quality-Engineering-Kompetenzen mit 60 Prozent.
ISTQB® Qualifizierungswege
CT-GenAI v1.1 oder CT-AI v2.0: Welcher Kurs passt?
Beide Zertifizierungen gehören zum Specialist-Bereich. Die Wahl richtet sich danach, ob Sie GenAI für Testaktivitäten einsetzen oder KI-basierte Systeme testen möchten.
ISTQB® CT-GenAI v1.1
Für Tester, Test Analysts, Testautomatisierer, Testmanager, Abnahmetester, Softwareentwickler und weitere Rollen, die generative KI im Softwaretest fundiert anwenden möchten.
- Grundlagen und Grenzen generativer KI
- Prompt Engineering für Softwaretests
- Bewertung und Verbesserung von GenAI-Ergebnissen
- Halluzinationen, Bias, Datenschutz und Sicherheit
- Einführung und Integration in Testorganisationen
ISTQB® CT-AI v2.0
Für Tester, Test Analysts, Test Engineers, Testmanager, Data Analysts, Data Scientists, Entwickler und weitere Rollen, die KI-basierte Systeme professionell prüfen möchten.
- AI-spezifische Qualitätsmerkmale und Akzeptanzkriterien
- Machine Learning, Daten und Leistungsmetriken
- Neuronale Netze sowie GenAI- und LLM-Tests
- Testen von Eingabedaten, Modellen und ML-Entwicklung
- Teststrategie und Testfälle für ML-Systeme
Häufige Fragen
Antworten zu AI in Testing und den beiden ISTQB® Kursen.
Was bedeutet AI in Testing?
AI in Testing wird als Sammelbegriff für zwei Aufgaben verwendet: KI kann Testaktivitäten unterstützen, und KI-basierte Systeme müssen gezielt getestet werden. Für die Kurswahl sollte deshalb zuerst geklärt werden, welches dieser beiden Ziele im Mittelpunkt steht.
Was ist der Unterschied zwischen CT-GenAI und CT-AI?
CT-GenAI v1.1 behandelt die Anwendung generativer KI im Softwaretest, beispielsweise Prompt Engineering, Bewertung von Ausgaben, Risiken und organisatorische Einführung. CT-AI v2.0 behandelt das Testen KI-basierter Systeme einschließlich Machine Learning, generativer KI und Large Language Models.
Kann generative KI Softwaretester ersetzen?
Generative KI kann Vorschläge, Entwürfe und Zusammenfassungen liefern. Ob Ergebnisse fachlich richtig, vollständig, sicher und für den jeweiligen Kontext geeignet sind, muss weiterhin geprüft werden. Verantwortung für Teststrategie, Risikobewertung und Qualitätsentscheidungen bleibt bei den zuständigen Personen.
Welche Testaktivitäten kann GenAI unterstützen?
Typische Einsatzfelder sind Anforderungsanalyse, Testideen und Testentwurf, Vorbereitung synthetischer Beispieldaten, Unterstützung der Testautomatisierung, Auswertung von Fehlern und Testergebnissen sowie die Vorbereitung von Testberichten.
Welche Risiken sind beim Einsatz von GenAI im Testen wichtig?
Zu den wichtigen Risiken zählen Halluzinationen, logische Fehler, Verzerrungen, Datenschutz- und Sicherheitsprobleme sowie eine scheinbar hohe Testabdeckung durch viele ungeprüfte Ergebnisse. Deshalb sind klare Eingaberegeln, Reviews und messbare Qualitätskriterien erforderlich.
Welche Voraussetzung gilt für CT-GenAI und CT-AI?
Laut den aktuellen offiziellen ISTQB® Seiten ist für beide Zertifizierungsprüfungen ein ISTQB® Certified Tester Foundation Level Zertifikat erforderlich.
Wie unterscheiden sich die Prüfungen?
Beide Prüfungen umfassen 40 Fragen und dauern regulär 60 Minuten. Bei CT-GenAI v1.1 sind 46 Punkte erreichbar und 30 Punkte zum Bestehen erforderlich. Bei CT-AI v2.0 sind 44 Punkte erreichbar und 29 Punkte zum Bestehen erforderlich. ISTQB® nennt zusätzlich 25 Prozent Zeitverlängerung für Prüfungen in einer Nicht-Muttersprache.
Welcher Kurs ist für meinen Arbeitsalltag geeigneter?
Wenn Sie generative KI für Testanalyse, Testdesign, Automatisierung oder Reporting einsetzen möchten, passt CT-GenAI. Wenn Sie ML-, GenAI-, LLM- oder andere KI-basierte Systeme testen müssen, passt CT-AI. Bei Überschneidungen ergänzen sich beide Qualifizierungen.
Geprüfte Primärquellen
Fachliche Grundlage dieser Seite.
Die Zertifizierungsangaben, Zielgruppen, Inhalte, Voraussetzungen und Prüfungsdaten wurden mit den aktuellen offiziellen ISTQB® Seiten abgeglichen. Die vier Marktkennzahlen stammen aus dem World Quality Report 2025–26 und der offiziellen Veröffentlichung der beteiligten Unternehmen.
Direktaustausch
Möchten Sie mehr erfahren?
Sprechen Sie uns an, wenn Sie mehr über Knowledge Department erfahren möchten oder individuelle Fragen zu unseren Schulungen und Beratungsleistungen haben.