ISTQB: Generative KI im Softwaretest wirksam und verantwortungsvoll einsetzen
Ab sofort verfügbar: Der neue ISTQB-Kurs mit offizieller Prüfung! Knowledge Department ist offiziell akkreditiert und bringt Ihnen diesen greade erst verabschiedeten Kurs mit Prüfung! ISTQB Certified Tester - Specialist - Testen mit GenAI (und ChatGPT).
Generative KI-Systeme wie ChatGPT, Stable Diffusion oder Copilot stellen klassische Testansätze vor neue Herausforderungen. In diesem vom ISTQB akkreditierten, intensiven Training lernen Teilnehmer, wie sich generative KI gezielt und methodisch einsetzen lässt und wie man mit generativer KI den Testprozess unterstützen kann – mit einem Fokus auf Qualitätssicherung, Risiken und realitätsnahen Teststrategien. Der Kurs orientiert sich an den zentralen Prinzipien und Konzepten des ISTQB-AI-Testing Kurses und setzt auf generative KI, ist jedoch bewusst praxisnah konzipiert. Die Praxisbeispiele im Kurs werden mit ChatGPT erstellt - daher ist das Mitbringen eines eigenen Notebooks mit Zugriff auf ChatGPT notwendig. Der Kurs schließt mit einer optionalen ISTQB-Prüfung ab.
Ihre Mehrwerte auf einen Blick:
- Verständnis generativer KI: Architekturprinzipien hinter LLMs, Bildgeneratoren und anderen GenAI-Systemen
- Typische Testherausforderungen erkennen: Prompt-Variabilität, Zufälligkeit, Bias, Halluzinationen und Nichtdeterminismus
- Ziele und Methoden des KI-gestützten Testens: Von der automatisierten Testfallgenerierung bis zur Integration in CI/CD
- Souveräner Umgang mit Unsicherheiten: Strategien für Testszenarien ohne Orakel und mit stochastischem Antwortverhalten
- Werkzeuge, Metriken und Good Practices: Erprobte Methoden aus Testprojekten mit generativer KI
- Überblick über ethische, regulatorische und qualitätsbezogene Anforderungen (inkl. AI Act, ISO-Normen, NIST-Rahmenwerke)
- Generative KI-Modelle zur automatisierten Erzeugung von strukturierten Testfällen und Testdaten einsetzen
- Regressionstests mithilfe generativer KI analysieren, priorisieren und bewerten
- Prompt-Strategien nutzen, um Testszenarien und Daten zielgerichtet zu generieren
- Bias- und Fairness-Risiken identifizieren und testseitig behandeln
- Explainability-Aspekte gezielt in die Teststrategie integrieren
- Bestehende Testautomatisierung um KI-basierte Generierungsmechanismen erweitern
- Metamorphe Testverfahren zur Absicherung nicht-deterministischer Systemreaktionen anwenden
- Qualitätssicherung im AI-Lifecycle ganzheitlich unterstützen – von Datenmanagement über Modellintegration bis Betrieb
- Generative KI-Werkzeuge strategisch in bestehende Testprozesse einbinden – unabhängig von spezifischen Plattformen