Software Testing & Qualität - Testautomatisierung, KI & Agilität

GenAI in der Testautomatisierung - Matthias Zax

Listen Later
Praktische Anwendungen generativer KI im Testing

📌 Konferenz-Tipp: TACON 2026 in Leipzig (16.–17. September). Ich war letztes Jahr als Keynote dort und fand den Austausch richtig gut 👉 https://swt.fm/tacon

“Ich glaube, die meisten bei uns haben gemeint, jetzt kann ich endlich meine Unit Tests generieren lassen. Das ist das Schlimmste, was man machen kann.” - Matthias Zax

In dieser Episode habe ich mit Matthias Zax über die spannende Welt der Testautomatisierung und den Einsatz von KI gesprochen. Matthias erklärte, wie er generative KI verwendet, um Testfälle zu erstellen und Code zu generieren, und teilte seine Erfahrungen und die damit verbundenen Herausforderungen. Ein Highlight war seine Geschichte über das Umwandeln einer gezeichneten Skizze in funktionierenden HTML-Code. Wir sprachen über die Wichtigkeit von Dokumentation und die Risiken technischer Schulden. Matthias gab auch wertvolle Tipps, wie Unternehmen KI-Tools sicher und effizient einsetzen können. Es war ein faszinierendes Gespräch, das viele Einblicke in die Zukunft der Testautomatisierung bot.

Matthias Zax ist ein engagierter Agile Engineering Coach bei der Raiffeisen Bank International AG (RBI), wo er erfolgreiche digitale Transformationen durch agile Methoden vorantreibt. Mit einer tief verwurzelten Leidenschaft für Softwareentwicklung ist Matthias ein developerByHeart, der seine Fähigkeiten im Bereich Softwaretest und Testautomatisierung im DevOps-Umfeld seit 2018 verfeinert hat. Matthias ist eine treibende Kraft hinter der RBI Test Automation Community of Practice, sowie auch für kontinuierliches Lernen und Innovation.

Highlights:

  • KI-generierte Unit-Tests, die auf bestehendem Code basieren, decken Bugs nicht auf, sie zementieren sie, weil das Modell den fehlerhaften Code als Wahrheit behandelt.
  • Generative KI für Testautomatisierung wirkt am stärksten als Einstiegshilfe: Sie senkt die Hemmschwelle für Tester ohne tiefe Coding-Erfahrung, indem sie Boilerplate-Code und Glue-Code übernimmt.
  • Code-Completion-Tools wie Codium kennen den Repository-Kontext und schlagen Code vor, der auf den eigenen Page Objects und Helperklassen basiert, nicht auf fremden Trainingsdaten.
  • Dokumentation, die nur für eine KI-Abfrage generiert wird und von keinem Menschen gelesen wird, produziert eine wachsende Schicht ungeprüften Datenmülls ohne Mehrwert.
  • Der größte erhoffte Beitrag von GenAI für die Softwareentwicklung liegt nicht in Geschwindigkeitsgewinnen, sondern im nachhaltigen Abbau technischer Schulden durch bessere Code-Entscheidungen.

    • Danke an die Community-Partner des Podcasts:Alliance for Qualification | ASQF | Austrian Testing Board | dpunkt.verlag | German Testing Board | German Testing Day | GI Fachgruppe TAV | Heise | HANSER Verlag | ISTQB | iSQI GmbH | oop | QS-TAG | SIGS-DATACOM | skillsclub | Swiss Testing Board | TACON Credits: Sound | Grafik

    ...more
    View all episodesView all episodes
    Download on the App Store
    Software Testing & Qualität - Testautomatisierung, KI & AgilitätBy Richard Seidl - Experte für Software-Entwicklung und Testautomatisierung