Grundlagen der Qualitätssicherung und modernes Testen mit KI (ISTQB Foundation Vorbereitung) Schulung

Modul 1: Grundlagen der Qualitätssicherung und des Testens

• Definition von Qualität, Qualitätssicherung und Testen
• Die sieben Testprinzipien (ISTQB CTFL v4.0)
• Testen vs. Debugging vs. Qualitätskontrolle
• Die Psychologie des Testens
• Rollen und Verantwortlichkeiten im QA-Team

Modul 2: Softwareentwicklungslebenszyklus und Testing

• Phasen des Softwaretest-Lebenszyklus (STLC)
• Wasserfall-, Agile-, DevOps- und CI/CD-Testansätze
• Teststufen: Unit, Integration, System, Abnahme
• Shift-Left- und Shift-Right-Teststrategien
• Nachverfolgbarkeit zwischen Anforderungen und Testfällen

Modul 3: Statische Testtechniken

• Besprechungen, Walkthroughs und Inspektionen
• Statische Analyse mit automatisierten Werkzeugen
• Checklistenbasierte und rollenbasierte Überprüfung
• Formale und informelle Review-Techniken
• Integration statischer Tests in Agile-Workflows

Modul 4: Testtechniken

• Black-Box-Techniken: Äquivalenzklassenbildung, Grenzwertanalyse
• Entscheidungs-tabellen-Tests und Zustandsübergangstests
• Anwendungsfalltests und exploratives Testen
• White-Box-Techniken: Statements- und Decision-Coverage
• Erfahrungsbasierte Techniken und Fehler-Raten

Modul 5: Defektmanagement

• Defektlebenszyklus: Erkennung, Meldung, Priorisierung, Lösung, Schliessung
• Effektive Defektberichte mit JIRA verfassen
• Klassifizierung der Defektschwere vs. Priorität
• Techniken zur Root-Cause-Analyse
• Defektmetriken und Trendanalysen

Modul 6: Testmanagement und risikobasiertes Testen

• Testplanung und Schätzungsmethoden
• Identifizierung, Bewertung und Abschwächung von Risiken
• Testüberwachung, Steuerung und Berichterstattung
• Festlegung von Testabschlusskriterien und Exit-Bedingungen
• An ISTQB angepasste Teststrategie- und Testrichtliniendokumente

Modul 7: Testtools und Automatisierungsfundamente

• Klassifikation von Testtools (ISTQB-Tool-Kategorien)
• Vorteile und Risiken der Testautomatisierung
• Auswahl von Tools: Open-Source vs. kommerzielle Lösungen
• Einführung in Selenium, Playwright und Cypress
• Erstellung einer grundlegenden automatisierten Testsuite

Modul 8: Einführung in KI in der Qualitätssicherung

• KI- und ML-Konzepte (Maschinelles Lernen) für Tester
• Taxonomie: KI für Tests vs. Testen von KI-Systemen
• Aktuelle KI-Testlandschaft: Möglichkeiten und Einschränkungen
• Qualitätsmerkmale für KI-basierte Systeme
• ISTQB CT-AI Lehrplanüberblick und Relevanz

Modul 9: KI-unterstützte Testfallgenerierung

• Nutzung von LLMs (ChatGPT, Claude, Copilot) zum Entwerfen von Testfällen
• Prompt-Engineering-Techniken zur Generierung von Testszenarien
• Umsetzung von User Stories und Akzeptanzkriterien in Testfälle
• Überprüfung und Validierung KI-generierter Testfälle
• Plattformen: Testim, Mabl und KI-native Testgenerierungstools

Modul 10: KI-unterstützte Testautomatisierung

• Selbstheilende Testautomatisierung mit Katalon Studio AI
• KI-gesteuerte Objekterkennung und Elementlokalisierung
• Visuelle Regressionstests mit Applitools Eyes
• Selenium mit KI-Plugins für robuste Automatisierung
• Reduzierung des Wartungsaufwands durch intelligente Locator-Elemente

Modul 11: KI zur Defektvorhersage und -analyse

• Predictive Testauswahl mit Launchable und Sealights
• Fehlerclustering und Anomalieerkennung mit ReportPortal
• KI-unterstützte Root-Cause-Analyse
• Bewertung von Qualitätsrisiken und Analyse von Testlücken
• Nutzung historischer Defektdaten zur Priorisierung des Testens

Modul 12: Bewertung von KI-Tools und CI/CD-Integration

• Kriterien zur Bewertung von KI-Testtools
• ROI-Analyse und Adoptionsstrategie
• Integration von KI-Testtools in Jenkins, GitHub Actions, GitLab CI
• Pipeline-Design: wann und wo KI-gestützte Tests ausgeführt werden sollen
• Messung der Wirksamkeit von KI-Tests anhand von Metriken

Modul 13: Ethische Aspekte im KI-gestützten Testing

• Voreingenommenheit und Fairness in KI-generierten Testdaten
• Datenschutzbedenken bei der Nutzung cloudbasierter KI-Tools
• Transparenz und Erklärbarkeit von KI-Testentscheidungen
• Governance- und Compliance-Aspekte
• Verantwortungsvolle KI-Praktiken für QA-Teams

Modul 14: Vorbereitung auf die ISTQB CTFL Prüfung

• CTFL v4.0 Prüfungsformat, Dauer und Bewertung
• Fragetypen und Antwortstrategien
• Gewichtung der Themen in den CTFL-Lehrplan-Kapiteln
• Prüfungssimulation mit Beispielen im ISTQB-Stil
• Lernpfad und empfohlene Ressourcen

Modul 15: Abschlussprojekt: End-to-End KI-gestärkter Testworkflow

• Entwurf von Testfällen aus einem Musteranforderungsdokument
• Nutzung von KI zur Generierung und Verfeinerung von Testszenarien
• Automatisierung ausgewählter Tests mit selbstheilenden Tools
• Meldung von Defekten und Durchführung einer KI-unterstützten Root-Cause-Analyse
• Rückblick: Integration von KI in die tägliche QA-Praxis