Beschreibung des Seminars Wie testet man KI, die Inhalte erzeugt und wie nutzt man KI zum Testen?
Generative KI-Systeme wie ChatGPT, Stable Diffusion oder Copilot stellen klassische Testansätze vor neue Herausforderungen. In diesem intensiven Training lernen Teilnehmer, wie sich generative KI gezielt und methodisch testen lässt und wie man mit generativer KI den Testprozess unterstützen kann – mit einem Fokus auf Qualitätssicherung, Risiken und realitätsnahen Teststrategien. Der Kurs orientiert sich an den zentralen Prinzipien und Konzepten des ISTQB-AI-Testing Kurses und setzt auf generative KI, ist jedoch bewusst praxisnah und unabhängig von einer Prüfung konzipiert. Die Praxisbeispiele im Kurs werden mit ChatGPT erstellt - daher ist das Mitbringen eines eigenen Notebooks mit Zugriff auf ChatGPT notwendig.
Ihre Mehrwerte auf einen Blick:
Verständnis generativer KI: Was steckt hinter LLMs, Bildgeneratoren & Co.? Testherausforderungen erkennen: Zufälligkeit, Prompt-Variabilität, Bias, Halluzinationen Testziele und Ansätze für generative Systeme Umgang mit Unsicherheiten und fehlenden Orakeln Werkzeuge, Metriken und Beispiele aus realen Projekten Ethische, regulatorische und qualitative Anforderungen im Überblick Der Kurs findet auf Deutsch mit deutschsprachigen Folien statt.
Überblick:
Funktionsweise generativer KI-Systeme, wie z. B. Transformer, Diffusion, etc. Typische Fehlermuster und Risiken Testarten und Evaluationsmethoden im GenAI-Kontext Nutzen von generativen KI-Systemen zur Erstellung von Testfällen, Testdaten, Automatisierungscode, Rand-Testfällen, metamorphes Testen, usw. Umgang mit Prompt-Variabilität und stochastischem Verhalten Validierung ohne Referenzlösung: Ansätze für Orakel und Vergleich Dokumentation, Transparenz und Reproduzierbarkeit Werkzeuge, Frameworks und Best Practices aus der Testpraxis Praktische Übungen mit aktuellen GenAI-Anwendungen
Während der Schulung werden Praxisbeispiele bearbeitet.
Nach erfolgreichem Abschluss des Kurses können Teilnehmer:
Testfälle mit GenAI erstellen – nachvollziehbar, risikoorientiert und skalierbar Regressionstests durch generative KI analysieren, priorisieren und optimieren Prompt-Engineering gezielt einsetzen, um relevante Testdaten und Szenarien automatisiert zu generieren Kritische Bias- und Fairness-Risiken identifizieren und testseitig abdecken Explainability-Prinzipien in die Teststrategie integrieren – für prüfbare und erklärbare Testergebnisse Testautomatisierung mit KI-Technologie verbinden und auf das nächste Level heben Künstliche Intelligenz als Testobjekt verstehen – inklusive ML-Modellen, Trainingsdaten und Feedbackloops Metamorphe Testansätze praktisch anwenden, um nicht-deterministisches Verhalten zuverlässig abzusichern Qualitätssicherung in AI-Lifecycles ganzheitlich begleiten – von der Datenbasis bis zur Modellintegration AI-gestützte Werkzeuge sinnvoll in bestehende Testprozesse integrieren – hands-on und strategisch
Zielgruppe des Seminars Der Kurs richtet sich an:
Softwaretester und Testanalysten QA-Engineers und Testautomatisierer Testmanager und Qualitätsverantwortliche Entwickler mit Fokus auf Testbarkeit von KI-Systemen Verantwortliche in KI-Projekten und Produktentwicklungsteams
Voraussetzungen Um am Kurs teilnehmen zu können sind keine Voraussetzungen notwendig.
Anreise zum Seminar Virtual Classroom - Knowledge Department
Äußere Sulzbacher Str. 159-161
90491 Virtual Classroom
Wir bleiben zuhause. Runter vom Sofa, rein in den virtual Classroom.
Hotelempfehlung Daheim ist es doch am schönsten. Sie benötigen kein Hotel.
Weitere Termine des Seminars
Alle Preise verstehen sich zuzüglich der jeweils gültigen gesetzlichen Mehrwertsteuer.
Virtual Classroom