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.
Dauer 21 Stunden
Schulungsübersicht
Grundlagen der Qualitätssicherung und des Testens
- Definition von Qualität, Qualitätssicherung und Testen
- Die sieben Prinzipien des Testens (ISTQB CTFL v4.0)
- Testen vs. Debugging vs. Qualitätskontrolle
- Die Psychologie des Testens
- Rollen und Verantwortlichkeiten in einem QA-Team
Softwareentwicklungslebenszyklus und Testen
- Phasen des Software Testing Life Cycle (STLC)
- Testansätze in Waterfall, Agile, DevOps und CI/CD
- Testebenen: Unit, Integration, System, Akzeptanz
- Shift-Left- und Shift-Right-Teststrategien
- Verfolgbarkeit (Traceability) zwischen Anforderungen und Testfällen
Statische Testtechniken
- Reviews, Walkthroughs und Inspektionen
- Statische Analyse mit automatisierten Werkzeugen
- Checklistenbasiertes und rollenbasiertes Review
- Formelle und informelle Review-Techniken
- Integration statischer Tests in Agile-Workflows
Testtechniken
- Black-Box-Techniken: Äquivalenzpartitionierung, Grenzwertanalyse
- Entscheidungstabellentests und Zustandsübergangstests
- Use-Case-Testing und Exploratives Testen
- White-Box-Techniken: Satz- und Entscheidungsabdeckung
- Erfahrungsbasierte Techniken und Fehlerschätzung (Error Guessing)
Fehlerverwaltung (Defect Management)
- Fehlerlebenszyklus: Erkennung, Meldung, Triagierung, Lösung, Abschluss
- Schreiben effektiver Fehlerberichte mit JIRA
- Einstufung von Fehler Schweregrad vs. Priorität
- Techniken zur Analyse der Ursache (Root Cause Analysis)
- Fehlermetriken und Trendanalyse
Testmanagement und risikobasiertes Testen
- Testplanung und Schätzmethoden
- Risikoidentifikation, -bewertung und -minderung
- Testüberwachung, -steuerung und -berichterstattung
- Definition von Testabschlusskriterien und Exit-Bedingungen
- ISTQB-konforme Teststrategie- und Testrichtlinien-Dokumente
Testwerkzeuge und Grundlagen der Automatisierung
- Klassifizierung von Testwerkzeugen (ISTQB-Werkzeugkategorien)
- Vorteile und Risiken der Testautomatisierung
- Werkzeugauswahl: Open-Source vs. kommerzielle Lösungen
- Einführung in Selenium, Playwright und Cypress
- Aufbau einer grundlegenden automatisierten Test-Suite
Einführung in KI in der Qualitätssicherung
- KI- und Machine-Learning-Konzepte für Tester
- Klassifikation: KI für das Testen vs. Testen von KI-Systemen
- Der aktuelle Stand des KI-Testens: Chancen und Grenzen
- Qualitätsmerkmale für KI-basierte Systeme
- Überblick über den ISTQB CT-AI-Syllabus und seine Relevanz
KI-gestützte Erzeugung von Testfällen
- Einsatz von LLMs (ChatGPT, Claude, Copilot) zur Erstellung von Testfällen
- Prompt-Engineering-Techniken zur Generierung von Testszenarien
- Umwandlung von User Stories und Akzeptanzkriterien in Testfälle
- Prüfung und Validierung KI-generierter Testfälle
- Plattformen: Testim, Mabl und KI-native Testgenerierungswerkzeuge
KI-gestützte Testautomatisierung
- Self-Healing Testautomatisierung mit Katalon Studio AI
- KI-gestützte Objekterkennung und Elementidentifikation
- Visuelle Regressionstests mit Applitools Eyes
- Selenium mit KI-Plugins für robuste Automatisierung
- Reduzierung des Wartungsaufwands durch intelligente Locator-Varianten
KI für Fehlersvorhersage und -analyse
- Predictive Test Selection mit Launchable und Sealights
- Failur-Clustering und Anomalieerkennung mit ReportPortal
- KI-gestützte Analyse der Ursache (Root Cause Analysis)
- Qualitäts-Risiko-Bewertung und Test-Lücken-Analyse
- Nutzung historischer Fehlerdaten zur Priorisierung des Testens
Evaluierung von KI-Werkzeugen und CI/CD-Integration
- Kriterien für die Bewertung von KI-Testwerkzeugen
- ROI-Analyse und Einführungsstrategie
- Integration von KI-Testwerkzeugen in Jenkins, GitHub Actions, GitLab CI
- Pipeline-Design: Wann und wo KI-gestützte Tests ausgeführt werden
- Messung der Wirksamkeit von KI-Tests mittels Metriken
Ethische Überlegungen im KI-gestützten Testen
- Verzerrungen (Bias) und Fairness in KI-generierten Testdaten
- Datenschutzbedenken bei der Nutzung cloudbasierter KI-Werkzeuge
- Transparenz und Erläutbarkeit von KI-Testentscheidungen
- Governance- und Compliance-Aspekte
- Verantwortungsvolle KI-Praktiken für QA-Teams
Vorbereitung auf die ISTQB CTFL Prüfung
- Prüfungsstruktur, Dauer und Bewertung der CTFL v4.0
- Fragetypen und Antwortstrategien
- Themengewichtung über die Kapitel des CTFL-Syllabus
- Übungsprüfung mit ISTQB-typischen Musteraufgaben
- Lernpfad und empfohlene Ressourcen
Capstone: End-to-End KI-gestützter Test-Workflow
- Entwurf von Testfällen aus einem Musterverwendungsdokument
- Nutzung von KI zur Generierung und Verfeinerung von Testszenarien
- Automatisierung ausgewählter Tests mit Self-Healing-Werkzeugen
- Meldung von Fehlern und Durchführung einer KI-gestützten Ursachenanalyse
- Retrospektive: Integration von KI in die tägliche QA-Praxis
Voraussetzungen
- Grundlegendes Verständnis von Konzepten und Terminologie der Softwareentwicklung
- Grunderfahrung im Bereich Softwaretesting
- Keine vorherige ISTQB-Zertifizierung oder formelle QA-Ausbildung erforderlich
Zielgruppe
- QA-Professionals und Software-Tester, die sich auf die ISTQB Foundation Level Zertifizierung vorbereiten
- Testingenieure, die KI-Werkzeuge in ihre Testworkflows integrieren möchten
- Teams, die von ad-hoc-Tests zu strukturierten QA-Frameworks wechseln
