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 14 Stunden
Schulungsübersicht
Einführung in KI in der Softwaretests
- Überblick über die Fähigkeiten der KI im Testing und in der QA
- Arten von KI-Tools, die in modernen Test-Workflows verwendet werden
- Vorteile und Risiken des KI-gestützten Qualitäts Engineerings
LLMs für die Testfallgenerierung
- Prompt-Engineering zur Erzeugung von Unit- und Funktionstests
- Erstellung von parametrisierten und datengetriebenen Test-Vorlagen
- Umwandlung von User Stories und Anforderungen in Testskripte
KI im Explorativen und Edge-Case-Testing
- Identifizierung ungetester Zweige oder Bedingungen mittels KI
- Simulation seltener oder abnormer Nutzungszenarien
- Risiko-basierte Strategien für die Testgenerierung
Automatisiertes UI- und Regressionstesting
- Verwendung von KI-Tools wie Testim oder mabl für die Erstellung von UI-Tests
- Aufrechterhaltung stabiler UI-Tests durch selbstheilende Selektoren
- KI-basierte Analyse der Regressionsauswirkung nach Codeänderungen
Fehleranalyse und Testoptimierung
- Clustering von Testfehlern unter Verwendung von LLM- oder ML-Modellen
- Reduzierung instabiler Testläufe und Alert-Müdigkeit
- Priorisierung der Testausführung basierend auf historischen Erkenntnissen
Integration in CI/CD-Pipelines
- Einbettung der KI-gestützten Testgenerierung in Jenkins, GitHub Actions oder GitLab CI
- Validierung der Testqualität während Pull Requests
- Automatisierte Rollbacks und intelligentes Test-Gating in Pipelines
Zukunftstrends und verantwortungsvoller Einsatz von KI in der QA
- Bewertung der Genauigkeit und Sicherheit von KI-generierten Tests
- Governance und Prüfpfade für KI-gestützte Testprozesse
- Trends in KI-QA-Plattformen und intelligenter Observability
Zusammenfassung und nächste Schritte
Voraussetzungen
- Erfahrung in der 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
- Softwareentwicklungsingenieure im Bereich Test (SDETs)
- Softwaretester, die in agilen oder DevOps-Umgebungen arbeiten
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