Grundlagen der Qualitätssicherung und modernes Testen mit KI (Vorbereitung auf die ISTQB Foundation-Zertifizierung) Schulung

Modul 1: Grundlagen der Qualitätssicherung und des Testens

• Begriffserklärungen: Qualität, Qualitätssicherung und Testen
• Die sieben Testprinzipien gemäß ISTQB CTFL v4.0
• Unterschiede zwischen Testen, Debugging und Qualitätskontrolle
• Psychologische Aspekte des Testens
• Rollen und Aufgaben im QA-Team

Modul 2: Softwareentwicklungszyklus und Testen

• Phasen des Software Testing Life Cycles (STLC)
• Testansätze in klassischen, agilen sowie DevOps- und CI/CD-Umgebungen
• Arten von Tests: Einheitstests, Integrationstests, Systemtests, Abnahmetests
• Strategien wie Shift-Left-Testing und Shift-Right-Testing
• Nachverfolgbarkeit zwischen Anforderungen und Testfällen

Modul 3: Statische Testmethoden

• Reviews, Walkthroughs sowie Inspektionen
• Statische Analyse mithilfe automatisierter Werkzeuge
• Checklisten- und rollenbasiertes Überprüfen von Dokumentationen
• Formale und informelle Bewertungsverfahren
• Eingliederung statischer Tests in agile Arbeitsprozesse

Modul 4: Testtechniken

• Techniken zur schwarzen Box: Äquivalenzklassenbildung, Grenzwertanalyse
• Entscheidungstabellentests und Zustandsübergangstests
• Nutzfallbasierte Tests sowie exploratives Testen
• Weiße-Box-Techniken: Anweisungs- und Entscheidungsabdeckung
• Erfahrungsbasierte Methoden sowie Fehlerprognose durch bewusste Einschätzung

Modul 5: Fehlermanagement

• Lebenszyklus von Fehlern: Erkennung, Dokumentation, Klassifizierung, Behebung und Abschlussbestätigung
• Erstellung präziser Fehlerberichte mithilfe von JIRA
• Unterscheidung zwischen Fehlerschweregrad und Priorität
• Techniken zur Ursachenanalyse von Fehlern
• Evaluierung von Fehlerkennzahlen sowie Trends im Fehlerverhalten

Modul 6: Testmanagement und risikobasiertes Testen

• Methode der Testplanung und Schätzungen
• Identifikation, Bewertung und Minimierung potenzieller Risiken
• Überwachung, Steuerung sowie Dokumentation des Testsverlaufs
• Festlegung von Abgeschlossenheitskriterien sowie Bedingungen für den Testabschluss
• Erstellung einer teststrategischen Richtlinie nach ISTQB-Vorgaben

Modul 7: Testwerkzeuge und Grundlagen der Automatisierung

• Einordnung von Testwerkzeugen gemäß ISTQB-Klassifizierung
• Vorteile und Risiken bei der Einführung von Automatisierungslösungen
• Auswahlentscheidung: Open-Source- oder kommerzielle Werkzeuge?
• Einführung in Selenium, Playwright sowie Cypress als gängige Testautomatisierungs-Tools
• Erstellung einer einfachen automatisierten Testsuite anhand praktischer Beispiele

Modul 8: Einführung in KI im Bereich der Qualitätssicherung

• Grundlagen der künstlichen Intelligenz und des maschinellen Lernens aus Sicht von Testern
• Unterscheidung: KI zur Unterstützung beim Testen vs. Testen von KI-Systemen selbst
• Überblick über aktuelle Möglichkeiten und Grenzen des Einsatzes von KI im Testingbereich
• Eigenschaften, die qualitativ hochwertige KI-basierte Systeme auszeichnen<
• Präsentation des ISTQB CT-AI-Lehrplans sowie dessen Bedeutung für Praxis und Zertifizierung

Modul 9: KI-gestützte Erstellung von Testfällen

• Nutzung großer Sprachmodelle wie ChatGPT, Claude oder Copilot zur Generierung von Testszenarien<
• Techniken des Prompt Engineerings zur effektiven Steuerung der KI-Ausgaben<
• Ableitung konkreter Testfälle aus Nutzergeschichten und Akzeptanzkriterien<
• Überprüfung sowie Validierung von durch die KI generierter Testdokumentation<
• Einsatz spezialisierter Plattformen wie Testim, Mabl sowie weiterer KI-optimierter Werkzeuge<

Modul 10: KI-unterstützte Automatisierung des Testsprozesses

• Einsatz selbstreparierender Testautomationswerkzeuge wie z. B. Katalon Studio AI<
• KI-gesteuerte Objekterkennung bei der Element-Lokalisierung<
• Visuelle Regressionsprüfungen mittels Applitools Eyes<
• Integration von KI-Plugins in Selenium zur Stabilisierung automatisierter Tests<
• Minderung des Aufwands bei Wartungsaktivitäten durch intelligentes Lokalisieren von Elementen<

Modul 11: KI-Anwendungen zur Vorhersage und Analyse von Fehlern<

• Vorhersagende Auswahl von Tests durch Werkzeuge wie Launchable oder Sealights<
• Gruppierung fehlerhafter Elemente sowie Detektion ungewöhnlicher Abweichungen mit ReportPortal<
• Nutzung KI-gestützter Algorithmen bei der Ursachenanalysen<
• Berechnung von Qualitätsrisiken und Identifizierung potenzieller Testlücken<
• Einsatz historischer Fehlerdaten zur strategischen Priorisierung zukünftiger Tests<

Modul 12: Bewertung von KI-Werkzeugen und Integration in CI/CD-Infrastrukturen<

• Auswahlkriterien für KI-basierte Testlösungen<
• Analyse des Return on Investments (ROI) sowie strategischer Einführungsplanung<
• Integration von KI-Tools in etablierte CI/CD-Plattformen wie Jenkins, GitHub Actions oder GitLab CI<
• Gestaltung automatisierter Testprozesse: Wann und wo KI-basierte Verfahren sinnvoll eingesetzt werden können<
• Messung der Effektivität von KI-gestütztem Testen durch entsprechende Kennzahlen<

Modul 13: Ethikaspekte bei der Anwendung KI im Testingbereich<

• Bias-Effekte sowie Fairness-Aspekte beim Umgang mit durch KI generierten Testdaten<
• Datenschutzrisiken im Zusammenhang mit Nutzung externer Cloud-KI-Werkzeuge<
• Transparenzanforderungen sowie Erklärbarkeit von KI-entscheidungsprozessen<
• Rechtskonformitätsaspekte und verantwortungsvolles Governance-Management<
• Praktische Leitlinien für ein ethisch verantwortliches Handeln von QA-Teams mit KI-Unterstützung<

Modul 14: Vorbereitung auf die ISTQB CTFL-Zertifizierungsprüfung<

• Aufbau der Prüfung gemäß CTFL v4.0: Dauer, Bewertungskriterien und Punkteverteilung<
• Arten von Fragestellungen sowie Strategie für die Beantwortung<
• Aufteilung der Inhalte im Lehrplan nach Gewichtungsgraden<
• Durchführung einer Probesimulation mit Musterfragen gemäß ISTQB-Format<
• Empfehlungen für Lernpläne sowie Ressourcenvorschläge zur Zertifizierungsvorbereitung<

Modul 15: Abschlussprojekt – Vollständiger KI-optimierter Testprozess<

• Erstellung von Testfällen anhand eines beispielhaften Anforderungsdokuments<
• Nutzung von KI zur Generierung sowie Weiterentwicklung sinnvoller Testszenarien<
• Automatisierung gezielt ausgewählter Tests mithilfe selbstreparierender Automatisierungswerkzeuge<
• Dokumentation von entdeckten Fehlern und Auswertung der durch KI geleisteten Ursachenanalyse<
• Abschlussreflexion: Möglichkeiten der alltäglichen Implementierung KI-unterstützter Qualitätssicherungsprozesse<