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 Testing
• Die sieben Testprinzipien (ISTQB CTFL v4.0)
• Testing im Vergleich zu Debugging und Qualitätskontrolle
• Die Psychologie des Testens
• Rollen und Verantwortlichkeiten in einem QA-Team

Modul 2: Softwareentwicklungslebenszyklus und Testing

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

Modul 3: Statische Testtechniken

• Reviews, Walkthroughs und Inspektionen
• Statische Analyse unter Verwendung automatisierter Tools
• Checklistenbasiertes und rollenbasiertes Reviewing
• Formelle und informelle Review-Techniken
• Integration statischer Tests in Agile-Workflows

Modul 4: Testtechniken

• Black-Box-Techniken: Äquivalenzklassenbildung, Grenzwertanalyse
• Entscheidungstabellentests und Zustandübergangstests
• Anwendungsfalltests und exploratives Testing
• White-Box-Techniken: Anweisungs- und Entscheidungsverzweigungsabdeckung
• Erfahrungsbasierte Techniken und Fehlerschätzung (Error Guessing)

Modul 5: Fehlermanagement

• Fehlerlebenszyklus: Erkennung, Meldung, Triage, Lösung, Abschluss
• Erstellung effektiver Fehlerberichte mit JIRA
• Klassifizierung der Fehlerschwere vs. Priorität
• Techniken zur Ursachenermittlung (Root Cause Analysis)
• Fehlerkennzahlen und Trendanalysen

Modul 6: Testmanagement und risikobasiertes Testing

• Testplanung und Schätzungsmethoden
• Feststellung, Bewertung und Minderung von Risiken
• Überwachung, Steuerung und Berichterstattung im Test
• Definition von Testabschlusskriterien und Exit-Bedingungen
• ISTQB-konforme Dokumente zur Teststrategie und Testpolitik

Modul 7: Testwerkzeuge und Grundlagen der Automatisierung

• Klassifizierung von Testwerkzeugen (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 Machine-Learning-Konzepte für Tester
• Taxonomie: KI zum Testen vs. Testing von KI-Systemen
• Aktuelle KI-Testlandschaft: Chancen und Grenzen
• Gütecharakteristika für KI-basierte Systeme
• Überblick über den ISTQB CT-AI-Lehrplan und dessen Relevanz

Modul 9: KI-unterstützte Testfallgenerierung

• Nutzung von LLMs (ChatGPT, Claude, Copilot) zum Entwurf von Testfällen
• Prompt-Engineering-Techniken zur Generierung von Testszenarien
• Umsetzung von User Stories und Akzeptanzkriterien in Testfälle
• Prüfung 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 Objektrecognization und Elementlokalisierung
• Visuelle Regressionstests mit Applitools Eyes
• Selenium mit KI-Plugins für robuste Automatisierung
• Reduzierung des Wartungsaufwands durch intelligente Lokalisatoren

Modul 11: KI zur Fehlervorhersage und -analyse

• Predictive Test Selection mit Launchable und Sealights
• Fehlerschauclustering und Anomalieerkennung mit ReportPortal
• KI-unterstützte Root Cause Analysis
• Qualitätsrisikobewertung und Testlückenanalysen
• Nutzung historischer Fehlerdaten zur Priorisierung von Tests

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

• Kriterien zur Bewertung von KI-Testwerkzeugen
• ROI-Analyse und Adoptierungsstrategie
• 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 mittels Kennzahlen

Modul 13: Ethische Aspekte im KI-gesteuerten Testen

• 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

• Aufbau, Dauer und Bewertung der CTFL v4.0-Prüfung
• Fragetypen und Antwortstrategien
• Verteilung der Themenanteile über die Kapitel des CTFL-Lehrplans
• Praxisprüfung mit Musterfragen im ISTQB-Stil
• Lernplan und empfohlene Ressourcen

Modul 15: Capstone: End-to-End KI-verstärkter Testarbeitsablauf

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