Seminar KI-gestützte Testautomatisierung und Qualitätssicherung

Viele generierte Tests führen Code aus, ohne entscheidende Fehler zuverlässig zu erkennen. Das Seminar beginnt daher bei der Frage, welches Verhalten unabhängig von der Implementierung erwartet wird. Daraus entstehen gezielte Prüffälle, verständliche Assertions und geeignete Testdaten. KI wird für die Ausarbeitung und Pflege eingesetzt, während der fachliche Maßstab außerhalb des generierten Codes festgelegt wird.

An einer bestehenden Anwendung werden Unit-, API- und Browserprüfungen ergänzt. Absichtlich eingebaute Fehler machen sichtbar, ob Tests tatsächlich schützen. Themen wie flüchtige Fehler, übermäßiges Mocking und wenig aussagekräftige Abdeckungszahlen werden an praktischen Beispielen untersucht. Die Übungen verbinden Testentwurf mit Ausführung und Auswertung im vorbereiteten Buildprozess.

Seminarinhalte

Prüfkriterien aus Anforderungen

• Erwartetes Verhalten vor dem Blick auf die Implementierung aus fachlichen Beispielen ableiten.
• Normalfälle, Grenzen, unzulässige Eingaben und Berechtigungsfälle systematisch erfassen.
• Generierte Testideen auf Annahmen, fehlende Geschäftsregeln und doppelte Prüfungen untersuchen.

Wirksame Unit-Tests

• KI-Vorschläge in klar strukturierte Tests mit verständlichen Assertions überführen.
• Mocks gezielt einsetzen und vermeiden, dass lediglich das Verhalten der Testattrappen bestätigt wird.
• Zeit, Zufall und externe Abhängigkeiten so behandeln, dass Tests nachvollziehbar wiederholbar bleiben.

API- und Integrationstests

• Schnittstellen anhand ihres Vertrags einschließlich Statuscodes und Fehlerantworten prüfen.
• Synthetische Datenbestände aufbauen und zwischen Testfällen kontrolliert zurücksetzen.
• Fehlende Zugriffsprüfung, ungültige Zustandsübergänge und partielle Änderungen gezielt testen.

Browserprüfungen

• Zentrale Benutzerabläufe mit Playwright als überschaubare End-to-End-Prüfungen abbilden.
• Stabile Elemente und belastbare Wartebedingungen verwenden und generierte Selektoren prüfen.
• Ladezustände, Fehlermeldungen und Tastaturbedienung als Bestandteil fachlicher Abnahme einbeziehen.

Aussagekraft und Fehlerempfindlichkeit

• Gezielt Fehler einbauen und kontrollieren, welche Tests tatsächlich fehlschlagen.
• Abdeckungswerte und Mutationstestergebnisse als Hinweise einordnen, nicht als alleinigen Qualitätsbeweis.
• Schwache Assertions, fragile Momentaufnahmen und an die aktuelle Implementierung angepasste Erwartungen verbessern.

Testpflege und CI-Auswertung

• Fehlgeschlagene Läufe mit einem minimalen Reproduktionsfall analysieren und KI-Vorschläge verifizieren.
• Instabile Tests von Produktfehlern unterscheiden und automatische Wiederholungen begrenzen.
• Prüfberichte für ein Review aufbereiten und neue Tests in die bestehende Pipeline einordnen.

Praxisaufgabe

1. Aus einer fachlichen Beschreibung eine kleine Testmatrix entwickeln, bevor Implementierungsvorschläge erzeugt werden.
2. Mit KI Unit- und API-Tests ergänzen und jede zentrale Assertion fachlich begründen.
3. Einen Browserablauf einschließlich eines negativen Falls automatisieren.
4. Vorbereitete Fehler und Mutationen einspielen und die tatsächliche Erkennungsleistung der Tests untersuchen.
5. Schwache Tests überarbeiten und einen instabilen Test auf eine nachvollziehbare Ursache zurückführen.
6. Die Tests im CI-Lauf ausführen und einen Bericht mit klaren Befunden für das Review vorbereiten.

Zielgruppe

QA Engineers, Softwaretester mit Programmierpraxis, Entwickler und technische Verantwortliche für automatisierte Qualitätssicherung.

Voraussetzungen

Programmiererfahrung, Git und Grundlagen automatisierter Tests; vorhandene Tests lesen und selbstständig ausführen können.

Schulungsumgebung

Vorbereitete TypeScript-Anwendung mit Unit-Testframework, API-Tests und Playwright für Browserprüfungen sowie ein freigegebener KI-Assistent. Eine kleine Mutationstest-Konfiguration ist vorbereitet. Der Kunde stellt die Schulungsumgebung.