Testen mit Generativer KI

Introduction to GenAI
Grundlagen von LLMs, Tokenisierung, Kontextfenster, Multimodalität.

Prompt Engineering
Strukturierte Prompts, Prompt-Verkettung, Few‑Shot- und Meta‑Prompting für Testaufgaben.

Risk & Governance
Halluzinationen, Bias, Datenschutz/Sicherheit, Nicht‑Determinismus, Regularien.

LLM‑Powered Infrastructure
RAG, Feintuning, LLMOps und KI‑Agenten fürs Testen.

Responsible Integration
Adoptions‑Roadmap, Skills & Change Management für Testorganisationen.

1. Einführung in generative KI für den Softwaretest
KI-Spektrum (symbolische KI, klassisches maschinelles Lernen, Deep Learning, generative KI), Grundlagen von generativer KI und Large Language-Modellen (LLMs), multimodale LLMs und Vision-Language-Modelle, Interaktionsmodelle bei der Verwendung von GenAI im Softwaretest.

2. Prompt-Engineering für effektives Softwaretesten
Strukturierte Prompts mit den Komponenten Rolle, Kontext, Instruktion, Eingabedaten, Einschränkungen und Ausgabeformat; Kern-Verfahren des Promptings (Prompt-Verkettung, Few-Shot-Prompting, Meta-Prompting).

3. Management von Risiken bei generativer KI im Softwaretest
Halluzinationen, Reasoning-Fehler und Verzerrungen, Datenschutz- und Sicherheitsrisiken, nicht-deterministisches LLM-Verhalten, Energieverbrauch und Umweltauswirkungen von GenAI, KI-Regularien, Standards und Best-Practice-Rahmenwerke.

4. LLM-gestützte Testinfrastruktur für den Softwaretest
Retrieval-augmentierte Generierung (RAG), Fein-Tuning von LLMs, LLMOps bei der Bereitstellung und Verwaltung von LLMs für den Softwaretest, LLM-gestützte Agenten; Architekturkonzepte und Betrieb einer LLM-gestützten Testinfrastruktur.

5. Bereitstellung und Integration generativer KI in Testorganisationen
Roadmap für die Einführung von GenAI im Softwaretest, wesentliche Fähigkeiten und Kenntnisse für das Testen mit generativer KI, Aufbau generativer KI-Fähigkeiten in Testteams, Weiterentwicklung von Testprozessen in KI-gestützten Testorganisationen.