KI-Agenten in der Qualitätssicherung

Report: Welchen Stellenwert hat KI heute bereits in der Qualitätssicherung?

Roman Zednik: Künstliche Intelligenz gehört in der Qualitätssicherung (QA) längst zum Arbeitsalltag. Sie hilft dabei, Abläufe zu beschleunigen und Mitarbeiter von Routinetätigkeiten zu entlasten. Dadurch gewinnen QA-Teams Zeit für anspruchsvollere Aufgaben, etwa für strategische Testplanung oder die Bewertung komplexer Risiken. Ein beliebter Anwendungsfall ist zum Beispiel das Erstellen von Testfällen: Was früher manuell und zeitaufwendig war, lässt sich heute weitgehend automatisieren. Generative KI kann innerhalb von Sekunden Vorschläge für Test Cases entwerfen und gleichzeitig dokumentieren, welche Ergebnisse erwartet werden. Dafür reicht es aus, eine Anweisung in natürlicher Sprache einzugeben oder ein Jira-Ticket einzusteuern. Menschliche Mitarbeiter müssen die KI-Vorschläge zwar noch validieren oder anpassen, sparen aber viel Zeit.

Report: Viel Aufwand verursacht ja auch das Testing von Software-Änderungen, gerade in komplexen Umgebungen wie in integrierten SAP-Systemen. Wie unterstützt KI dabei?

Roman Zednik: Auch hier kann künstliche Intelligenz Zeit und Kosten sparen. Bei Änderungen der Software ist es oftmals schwer, die notwendigen Testfälle schnell zu identifizieren. Die geänderte Funktionalität muss umfangreich qualitätsgesichert werden, um das Risiko einer fehlerhaften Änderung auszuschließen. KI kann dazu beitragen, eine Change-Impact-Analyse durchzuführen: Intelligente Algorithmen ermitteln, wie sich Software-Änderungen auswirken, wo die größten Risiken liegen und welche Tests erforderlich sind. Diese risikobasierte Qualitätssicherung ist auch bei größeren SAP S/4HANA-Transformationen essenziell. Hier zahlt sich die Fokussierung auf das Wesentliche gleich doppelt aus, da Unternehmen Änderungen während der Übergangsphase sowohl im Alt- als auch im Neusystem testen und somit qualitätssichern müssen.

Report: Können KI-Agenten auch ganze Workflows im Software-Testing automatisieren?

Roman Zednik: Ja, das ist möglich. KI-Agenten sind der nächste Schritt in der Automatisierung. Sie können nicht nur Assistenzfunktionen übernehmen, sondern eigenständig Entscheidungen treffen und Aufgaben Schritt für Schritt ausführen. Ihr volles Potenzial entfaltet KI-Agenten dann, wenn sie koordiniert zusammenarbeiten, denn so lassen sich Prozesse Ende-zu-Ende automatisieren. In der Praxis beginnt ein solcher Workflow zum Beispiel damit, dass ein Agent eine fachliche Anforderung in natürlicher Sprache interpretiert und daraus strukturierte Testfälle ableitet. Ein nachgelagerter Agent erzeugt passende Testdaten, ein weiterer führt die Tests in der vorgesehenen Umgebung aus. Abschließend kann ein Analyse-Agent die Ergebnisse bewerten, Risiken priorisieren und die Resultate in aufbereiteter Form zusammenfassen. Möglich wird dieses Zusammenspiel durch den neuen offenen Standard MCP (Model Context Protocol). Dieser stellt eine einheitliche Sprache für die Kommunikation der KI-Agenten untereinander bereit. Dadurch funktioniert die Integration schnell und einfach, ohne dass man individuelle Schnittstellen programmieren muss.

Report: Jetzt haben wir viel darüber gesprochen, wie KI die Qualitätssicherung unterstützt. Sie bringt aber auch neue Herausforderungen. Wie lassen sich KI-Ergebnisse verifizieren?

Roman Zednik: Das ist eine wichtige Frage, mit der sich QA-Teams künftig verstärkt auseinandersetzen müssen. Denn viele Entwickler nutzen mittlerweile generative KI, um Code zu schreiben. Doch wir alle wissen: KI kann halluzinieren. Und: Wenn man ihr fünfmal dieselbe Frage stellt, erhält man bis zu fünf verschiedene Antwort-Varianten. Daher brauchen wir neue Strategien, um KI-generierten Code zu testen. Ein Ansatz ist zum Beispiel das probabilistische Testing, bei dem derselbe Testfall zehnmal hintereinander ausgeführt wird. Wenn das Ergebnis in acht von zehn Fällen korrekt ist, gilt der Test als bestanden. Außerdem müssen wir darüber nachdenken, wie wir KI-gesteuerte Nutzeroberflächen testen. Denn neben der technischen Funktionalität muss geprüft werden, ob die KI eine unstrukturierte Eingabe korrekt interpretiert und ob diese Interpretation in die richtige Systemaktion übersetzt wird.

Report: Warum bleibt menschliche Kontrolle unverzichtbar?

Roman Zednik: KI kann zwar Prozesse beschleunigt, aber auch Fehler machen. Man darf ihr daher nicht blind vertrauen, wenn es um geschäftskritische Prozesse geht. Außerdem hat sie kein Verständnis für unternehmensspezifische Prioritäten oder regulatorische Anforderungen. Diese Faktoren fließen erst durch menschliche Erfahrung in die Teststrategie ein. Eine klare Governance ist entscheidend, um die Technologie erfolgreich zu nutzen. KI kann QA-Experten nicht ersetzen, sondern wird zum unterstützenden Team-Mitglied, das Routineaufgaben und Vorarbeiten übernimmt. Der Mensch bleibt aber weiterhin die wichtigste Instanz und muss die Kontrolle über die Qualitätssicherung behalten.