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 den Einsatz von KI im Software-Testing
- Überblick über die Fähigkeiten von KI bei Testprozessen und Qualitätssicherung
- Arten von KI-Werkzeugen, die in modernen Testabläufen genutzt werden
- Vorteile sowie Risiken der durch KI unterstützten Qualitätskontrolle
LLMs zur Generierung von Testfällen
- Prompt-Engineering zur Erstellung von Unit- und Funktions-Tests
- Entwicklung parametrisierter sowie datengesteuerter Testvorlagen
- Umwandlung von User Stories und Anforderungen in konkrete Testskripte
KI in der explorativen sowie randfallsbasierten Testung
- Identifikation bislang ungetesteter Programmwege oder Situationen mithilfe von KI
- Simulation seltener oder atypischer Nutzungskonstellationen
- Risikobasierte Strategien zur Testplanung
Automatisierte UI- und Regressions-Tests
- Nutzung von KI-Werkzeugen wie Testim oder mabl zur Erstellung von UI-Tests
- Sicherstellung stabiler UI-Tests durch selbstreparierende Selektoren
- Analyse der Auswirkungen von Codeänderungen auf die Regressionsabdeckung mittels KI
Fehleranalyse und Optimierung von Tests
- Gruppierung fehlerhafter Testläufe durch LLM- oder ML-Modelle
- Minimierung instabiler Tests sowie unnötiger Alarmierungen im Testumfeld
- Priorisierung von Tests auf Basis vergangener Ergebnisse und Trends
Integration in CI/CD-Pipelines
- Einbindung KI-gestützter Testgenerierung in Jenkins, GitHub Actions oder GitLab CI
- Qualitätsprüfung von Tests unmittelbar bei Pull Requests
- Automatisierte Rollbacks sowie intelligente Sperrmechanismen für Testläufe in Pipelines
Zukünftige Entwicklungen und verantwortungsvoller Einsatz von KI im QA-Bereich
- Bewertung der Genauigkeit sowie Sicherheit künstlich generierter Tests
- Governance und Nachvollziehbarkeit bei Prozessen, die durch KI unterstützt werden
- Neuentwicklungen in Bereich der KI-basierten Qualitätsprüfung sowie intelligenten Überwachungssystemen
Zusammenfassung und weitere Vorgehensweisen
Voraussetzungen
- Erfahrung in Software-Testing, Testplanung oder der Automatisierung von Qualitätssicherungsprozessen
- Grundkenntnisse gängiger Test-Frameworks wie JUnit, PyTest oder Selenium
- Basiswissen über CI/CD-Pipelines sowie DevOps-Umgebungen
Zielgruppe
- QA-Ingenieure
- Software Development Engineers in Test (SDETs)
- Software-Tester, die in agilen oder DevOps-Umgebungen tätig sind
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