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

Grundlagen der Qualitätssicherung und des Testens

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

Software-Entwicklungslebenszyklus und Testing

• Phasen des Software-Test-Lebenszyklus (STLC)
• Testansätze bei Waterfall, Agile, DevOps und CI/CD
• Testebenen: Unit, Integration, System, Acceptance
• Strategien für Shift-Left- und Shift-Right-Testing
• Verfolgbarkeit zwischen Anforderungen und Testfällen

Statische Testtechniken

• Reviews, Walkthroughs und Inspektionen
• Statische Analyse mit automatisierten Werkzeugen
• Prüfung anhand von Checklisten und rollenbasierte Reviews
• Formale und informelle Review-Techniken
• Integration statischer Tests in Agile-Workflows

Testtechniken

• Black-Box-Techniken: Äquivalenzklassenbildung, Randwertanalyse
• Testen mit Entscheidungstabellen und Zustandsübergangstesten
• Use-Case-Testing und Exploratives Testing
• White-Box-Techniken: Anweisungs- und Entscheidungsausdeckung
• Erfahrungsbasierte Techniken und Fehlervermutung (Error Guessing)

Defektmanagement

• Defektlebenszyklus: Erkennung, Meldung, Triage, Behebung, Schliessung
• Schreiben effektiver Defektberichte mit JIRA
• Klassifizierung von Defektschweregrad vs. Priorität
• Techniken der Ursache-Analyse (Root Cause Analysis)
• Defekt-Kennzahlen und Trendanalyse

Testmanagement und Risiko-basiertes Testing

• Testplanung und Schätzmethoden
• Risiko-Erkennung, -Bewertung und -Abschwächung
• Testüberwachung, -steuerung und -berichterstattung
• Definition von Abschlusskriterien und Exit Conditions
• ISTQB-konforme Dokumente für Teststrategie und Testpolitik

Grundlagen zu Testwerkzeugen und Automatisierung

• Klassifizierung von Testwerkzeugen (ISTQB-Kategorien)
• Vorteile und Risiken der Testautomatisierung
• Werkzeugauswahl: Open-Source- vs. kommerzielle Lösungen
• Einführung in Selenium, Playwright und Cypress
• Aufbau einer grundlegenden automatisierten Testsuite

Einführung in KI in der Qualitätssicherung

• KI- und Machine-Learning-Konzepte für Tester
• Systematik: KI für das Testing vs. Testing von KI-Systemen
• Aktuelles Umfeld des KI-Testens: Chancen und Grenzen
• Qualitätsmerkmale für KI-basierte Systeme
• Überblick über den ISTQB CT-AI-Lehrplan und seine Relevanz

KI-gestützte Erzeugung von Testfällen

• Einsatz von LLMs (ChatGPT, Claude, Copilot) für das Entwerfen von Testfällen
• Techniken des Prompt Engineerings zur Generierung von Testszenarien
• Umsetzung von User Stories und Abnahmekriterien 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-gesteuerte Objekterkennung und Elementidentifikation
• Visuelles Regressionstesting mit Applitools Eyes
• Selenium mit KI-Plugins für robuste Automatisierung
• Reduzierung der Wartungs­last mit intelligenten Locator-Mechanismen

KI für Defektprediktion und Analyse

• Prediktive Testauswahl mit Launchable und Sealights
• Clusterung von Fehlern und Anomalie-Erkennung mit ReportPortal
• KI-gestützte Ursache-Analyse (Root Cause Analysis)
• Bewertung des Qualitätsrisikos und Analyse von Testlücken
• Nutzung historischer Defektdaten zur Priorisierung des Testens

Evaluierung von KI-Werkzeugen und CI/CD-Integration

• Kriterien zur Bewertung von KI-Testwerkzeugen
• ROI-Analyse und Adoptionsstrategie
• Integration von KI-Testwerkzeugen in Jenkins, GitHub Actions, GitLab CI
• Pipeline-Design: Wann und wo KI-gestützte Tests ausgeführt werden
• Messung der Wirksamkeit des KI-Testens mittels Kennzahlen

Ethische Überlegungen im KI-gestützten Testing

• Voreingenommenheit (Bias) und Fairness in KI-generierten Testdaten
• Datenschutzbedenken bei der Nutzung cloudbasierter KI-Werkzeuge
• Transparenz und Erklärbarekeit von KI-Entscheidungen im Testing
• Governance und Compliance-Betrachtungen
• Verantwortungsvolle KI-Praktiken für QA-Teams

Vorbereitung auf die ISTQB CTFL Prüfung

• Prüfungsstruktur, Dauer und Bewertung der CTFL v4.0
• Fragetypen und Antwortstrategien
• Gewichtung der Themen über die Kapitel des CTFL-Lehrplans
• Prüfungssimulation mit Musterfragen im ISTQB-Stil
• Lernweg und empfohlene Ressourcen

Capstone: End-to-End KI-verbesserter Testworkflow

• Konzipierung von Testfällen anhand eines Anforderungsdokuments
• Nutzung von KI zur Generierung und Verfeinerung von Testszenarien
• Automatisierung ausgewählter Tests mit Self-Healing-Tools
• Meldung von Defekten und Durchführung einer KI-gestützten Ursache-Analyse
• Rückblick: Integration von KI in die tägliche QA-Praxis