Das hat unser letzter Beitrag an einem klassischen Testbeispiel gezeigt.
Bei KI erzeugten Tests wird diese Frage noch wichtiger.
Viele IT Teams hoffen bei KI im Testing auf Entlastung. Verständlich. Wenn aus manuellen Testideen schneller automatisierte Tests werden, spart das Zeit.
Aber Entlastung entsteht nicht dadurch, dass mehr Tests grün sind.
Entlastung entsteht, wenn die richtigen Risiken sichtbar werden.
Ein Beispiel:
Ein manueller Testfall lautet:
„Projektleiter kann Bericht öffnen.“
Die KI erzeugt daraus einen automatisierten Test. Der Test meldet den Projektleiter an, öffnet den Bericht und prüft, ob die erwartete Seite angezeigt wird.
Alles grün.
Für sich genommen ist das hilfreich.
Aber für die Projektverantwortung reicht es noch nicht.
Denn die eigentlichen Fragen lauten:
Kann ein normaler Benutzer den Bericht auch öffnen?
Kann ein Nutzer aus einem anderen Team über einen direkten Link zugreifen?
Werden alte Sitzungen wirklich abgewiesen?
Sind Rollenwechsel und Sonderrechte sauber berücksichtigt?
Das sind keine technischen Spitzfindigkeiten.
Das sind genau die Fälle, die später Aufwand erzeugen, wenn sie durchrutschen.
Deshalb ist KI im Testing nicht nur eine Automatisierungsfrage.
Sie ist auch eine Steuerungsfrage.
Wer KI erzeugte Tests sinnvoll nutzen will, kommt nicht mit weniger fachlichem Urteil aus.
Teams brauchen klarere Erwartungen:
Welche Regel soll abgesichert werden?
Welche Gegenbeispiele müssen scheitern?
Welche Prüfbedingungen im Testcode schaffen Vertrauen?
Wer prüft, ob der Test fachlich etwas aussagt?
Bei AVABIS schauen wir auf solche Fragen nicht als Tool Projekt, sondern als fachliche Bewertung: Was sagt ein Test wirklich aus, und welche Risiken bleiben trotz grünem Ergebnis offen?
Die entscheidende Frage lautet daher nicht:
„Wie schnell bekommen wir Tests automatisiert?“
Sondern:
„Würden diese Tests auch dann rot werden, wenn ein relevanter fachlicher Fehler im System steckt?“
