Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in KI in der Softwaretests
- Überblick über KI-Funktionen im Testing und QA
- Arten von KI-Tools, die in modernen Test-Workflows eingesetzt werden
- Vorteile und Risiken KI-gesteuerten Quality Engineering
LLMs zur Testfallgenerierung
- Prompt-Engineering zur Generierung von Unit- und Funktionstests
- Erstellen von parametrisierten und datengesteuerten Testvorlagen
- Konvertieren von User Stories und Anforderungen in Testszenarien
KI im Explorativ- und Grenzfaltesting
- Identifizieren nicht getesteter Zweige oder Bedingungen mit KI
- Simulieren seltener oder abnormaler Nutzungsszenarien
- Risikobasierte Testgenerierungsstrategien
Automatisiertes UI- und Regressionstesting
- Einsatz von KI-Tools wie Testim oder mabl zur Erstellung von UI-Tests
- Wartung stabiler UI-Tests durch selbstheilende Selektoren
- KI-basierte Regressionsanalyse nach Codeänderungen
Fehleranalyse und Testoptimierung
- Clustern von Testfehlern mittels LLM- oder ML-Modellen
- Reduzieren instabiler Testläufe (Flaky Tests) und Alert-Fatigue
- Priorisieren der Testausführung basierend auf historischen Erkenntnissen
Integration in CI/CD-Pipelines
- Einbetten von KI-generierten Tests in Jenkins, GitHub Actions oder GitLab CI
- Validieren der Testqualität während Pull Requests
- Automatisierte Rollbacks und intelligente Test-Gating-Maßnahmen in Pipelines
Zukunftstrends und verantwortungsvoller Umgang mit KI im QA-Bereich
- Bewerten der Genauigkeit und Sicherheit von KI-generierten Tests
- Governance und Audit-Trails für KI-erweiterte Testprozesse
- Trends bei KI-QA-Plattformen und intelligenter Beobachtung (Observability)
Zusammenfassung und nächste Schritte
Voraussetzungen
- Erfahrung in Softwaretests, Testplanung oder QA-Automatisierung
- Vertrautheit mit Test-Frameworks wie JUnit, PyTest oder Selenium
- Grundlegendes Verständnis von CI/CD-Pipelines und DevOps-Umgebungen
Zielgruppe
- QA-Ingenieure
- Software Development Engineers in Test (SDETs)
- Softwaretester, die in agilen oder DevOps-Umgebungen arbeiten
14 Stunden
Erfahrungsberichte (1)
Ich habe Wissen über die Streamlit-Bibliothek von Python erworben und werde sie sicherlich verwenden, um Anwendungen in meinem Team zu verbessern, die mit R Shiny erstellt wurden.
Michal Maj - XL Catlin Services SE (AXA XL)
Kurs - GitHub Copilot for Developers
Maschinelle Übersetzung