Einleitung: Das Konzept digitaler Helfer \u2013 KI-Assistenten \u2013 hat sich in den letzten Jahren in
verschiedenen Bereichen der Informationstechnologie deutlich etabliert. Diese intelligenten
Assistenten k\u00f6nnen basierend auf Benutzereingaben (sprachlich oder textuell) eine Vielzahl von
Aufgaben ausf\u00fchren \u2013 von der Informationssuche bis hin zu automatisierten Aktionen. Alltagsnutzer
begegnen ihnen vor allem als pers\u00f6nliche digitale Begleiter auf Smartphones und intelligenten
Lautsprechern (sogenannte pers\u00f6nliche KI-Assistenten, auf Tschechisch \u201eAI osobn\u00ed asistent\u201c). Es stellt
sich nat\u00fcrlich die Frage, welcher der \u201ebeste KI-Assistent\u201c f\u00fcr unterschiedliche Bed\u00fcrfnisse ist \u2013 eine
eindeutige Antwort gibt es jedoch nicht, da jedes Tool seine St\u00e4rken und Schw\u00e4chen hat. Im Bereich der
Softwaretests kommen KI-Assistenten in zweifacher Weise zum Einsatz: (1) als Werkzeuge, die Testern
helfen, ihre Arbeit effizienter zu gestalten, und (2) als komplexe Systeme, die selbst spezielles Testing
erfordern. In diesem Artikel betrachten wir beide Perspektiven \u2013 wir erkl\u00e4ren, was KI-Assistenten sind,
welche Typen es gibt (Sprachassistenten, virtuelle, pers\u00f6nliche, dom\u00e4nenspezifische), wie es um ihre
mehrsprachige Unterst\u00fctzung steht (z.\u202fB. ein kostenloser KI-Assistent auf Tschechisch), und wie sie
konkret zum Softwaretesten beitragen. Au\u00dferdem diskutieren wir die Vorteile und Herausforderungen,
die die Integration von KI-Assistenten in den Testprozess mit sich bringt.<\/p>\n\n\n\n
Ein KI-Assistent ist im Grunde eine intelligente Softwareanwendung, die Befehle in nat\u00fcrlicher Sprache
(gesprochen oder geschrieben) versteht und \u00fcber eine Konversationsschnittstelle verschiedene
Aufgaben f\u00fcr den Benutzer ausf\u00fchrt. Mit anderen Worten handelt es sich um einen virtuellen
Assistenten, der von k\u00fcnstlicher Intelligenz angetrieben wird und auf Anfrage reagiert und hilft \u2013 sei es
beim Programmieren einer Erinnerung, beim Suchen nach Informationen, beim Buchen eines Termins
oder bei komplexeren analytischen Aufgaben. Anfangs waren diese Assistenten noch recht einfach und
st\u00fctzten sich auf vordefinierte Regeln und Antworten. Ein moderner KI-Assistent nutzt hingegen in der
Regel maschinelles Lernen und insbesondere fortgeschrittene Modelle zur Verarbeitung nat\u00fcrlicher
Sprache, wodurch er frei formulierte Fragen besser verstehen und seine Antworten dem Kontext
anpassen kann.
KI-Assistenten kann man als reaktive Agenten verstehen \u2013 sie warten auf Anweisungen des Nutzers
(z.\u202fB. einen Sprachbefehl oder eine Textfrage) und f\u00fchren daraufhin eine Aktion aus oder geben eine
Empfehlung. Das unterscheidet sie von sogenannten KI-Agenten, die auch ohne direkten Befehl
autonom (proaktiv) handeln k\u00f6nnen, um ein bestimmtes Ziel zu erreichen. In der Praxis verschwimmt
die Grenze jedoch \u2013 fortgeschrittene Assistenten k\u00f6nnen von sich aus L\u00f6sungen vorschlagen, wenn der
Nutzer sie dazu erm\u00e4chtigt.<\/p>\n\n\n\n
Ein sprachgesteuerter KI-Assistent auf einem Smartphone kann Benutzerbefehle mittels
Spracherkennung ausf\u00fchren. Sprachassistenten (voice assistants) geh\u00f6ren zu den bekanntesten Typen
hierzu z\u00e4hlen beispielsweise Apple Siri, Amazon Alexa oder der Assistant von Google. Typische
Einsatzumgebungen sind Smartphones oder intelligente Lautsprecher, bei denen der Nutzer einen
\u201eBefehl\u201c \u00e4u\u00dfert (z.\u202fB. eine Frage oder Anweisung) und der KI-Sprachassistent daraufhin mit einer
sprachlichen Antwort reagiert oder eine Aktion ausf\u00fchrt. So kann der Google Assistant \u2013 ein beliebter
KI-Assistent auf Android-Ger\u00e4ten \u2013 auf das Kommando \u201eHey Google\u201c Informationen suchen, Musik
abspielen oder Smart-Home-Ger\u00e4te steuern.<\/p>\n\n\n\n
\u00c4hnlich hat Siri auf dem iPhone (eingef\u00fchrt 2011) der breiten \u00d6ffentlichkeit die Erfahrung der
sprachgesteuerten Bedienung des Telefons gebracht. Diese virtuellen Assistenten sind zu einem festen
Bestandteil des \u00d6kosystems moderner Ger\u00e4te geworden. Die Verbreitung von Sprachassistenten wird
durch Statistiken veranschaulicht: Im Jahr 2025 nutzen etwa 20,5\u202f% der Menschen weltweit die
Sprachsuche, und es sind bis zu 8,4\u202fMilliarden Sprachassistenten in Umlauf \u2013 mehr als die
Erdbev\u00f6lkerung. In den USA wird gesch\u00e4tzt, dass \u00fcber 153\u202fMillionen Menschen Sprachassistenten
verwenden, wobei Siri mit ungef\u00e4hr 86,5\u202fMillionen Nutzern am beliebtesten ist. Diese Zahlen deuten
darauf hin, dass die in Ger\u00e4te integrierte und kostenlos verf\u00fcgbare KI-Assistenten-Technologie nun
massenhaft verbreitet ist und die Nutzer sich daran gew\u00f6hnt haben. Sprachassistenten helfen bei
allt\u00e4glichen Aufgaben wie Wetterabfragen, dem Stellen des Weckers, Navigation oder dem Diktieren
von Nachrichten und sparen dadurch Zeit \u2013 im Consumer-Bereich sind sie nahezu ein unverzichtbarer
Teil des Alltags.<\/p>\n\n\n\n
Ein \u201evirtueller Assistent\u201c ist ein weiter gefasster Begriff, der nicht nur Sprachassistenten, sondern
generell alle KI-Assistenten in softwarebasierter Form umfasst. Mitunter werden die Begriffe
Sprachassistent und virtueller Assistent auch synonym verwendet. Ein virtueller Assistent kann \u00fcber
Sprache oder in Textform (Chatbot) kommunizieren. Im tschechischen Kontext wird der Begriff \u201eAI
virtu\u00e1ln\u00ed asistent\u201c (bzw. die Abk\u00fcrzung AI asistent) verwendet, im Rum\u00e4nischen der Ausdruck \u201easistent
virtual AI\u201c \u2013 beide bezeichnen einen digitalen Assistenten, der durch k\u00fcnstliche Intelligenz angetrieben
ist. Wichtig ist, dass \u2013 ob es nun um Sprachsteuerung oder Chat-Konversation geht \u2013 die nat\u00fcrliche
Interaktion der Schl\u00fcssel zum Erfolg dieser Tools ist. Der Nutzer hat nicht das Gef\u00fchl, komplizierte
Befehle wie an einen Computer eingeben zu m\u00fcssen \u2013 es gen\u00fcgt, seine Frage in normaler Sprache zu
stellen, und der Assistent bem\u00fcht sich, zu helfen.<\/p>\n\n\n\n
Aus Sicht der Softwaretester stellen Sprach- und virtuelle Assistenten eine interessante
Herausforderung dar. Das Testen eines solchen Systems bedeutet, nicht nur die funktionale Korrektheit
zu \u00fcberpr\u00fcfen (ob es die gew\u00fcnschte Aktion ausf\u00fchrt), sondern auch das Verst\u00e4ndnis verschieden
formulierter Eingaben, die Robustheit gegen\u00fcber Hintergrundger\u00e4uschen oder Akzenten in der
Sprache und die Sicherheit (damit z.\u202fB. keine unautorisierte Person per Sprachbefehl an sensible
Informationen gelangt). Qualit\u00e4tssicherungs-Experten (QA) m\u00fcssen Testf\u00e4lle entwerfen, die eine
Vielzahl von Szenarien abdecken \u2013 von verschiedenen Dialekten und Sprachen bis hin zu
ungew\u00f6hnlichen Fragen, auf die der Assistent nicht unangemessen reagieren darf.<\/p>\n\n\n\n
Einer der kritischen Faktoren f\u00fcr die Nutzbarkeit von KI-Assistenten ist die Unterst\u00fctzung mehrerer
Sprachen. Weltweite Marktf\u00fchrer wie der Google Assistant oder Amazon Alexa begannen mit Englisch,
f\u00fcgten jedoch nach und nach weitere Sprachen hinzu. Slowakische und tschechische Nutzer warteten
lange auf die Lokalisierung \u2013 so hat der Google Assistant offiziell erst um 2018\u20132019 die Unterst\u00fctzung
f\u00fcr Tschechisch und Slowakisch eingef\u00fchrt. Heute kommuniziert der Google Assistant bereits auf
Slowakisch und Tschechisch, was f\u00fcr viele entscheidend ist. Man kann also einen KI-Assistenten im
Telefon oder Lautsprecher auf Tschechisch nutzen \u2013 der Nutzer stellt seine Frage auf Tschechisch und
erh\u00e4lt die Antwort auf Tschechisch. Ebenso unterst\u00fctzt Apple Siri seit 2016 beispielsweise Mandarin
oder Spanisch, und Microsoft Cortana (die sich allerdings inzwischen vom Markt zur\u00fcckgezogen hat)
beherrschte mehrere Weltsprachen. Amazon Alexa sprach bis vor Kurzem weder Tschechisch noch
Slowakisch, was ihre Nutzung in der Slowakei und Tschechien einschr\u00e4nkte, doch es gibt inoffizielle
Wege und APIs, um die Sprachbarriere zu \u00fcberwinden.<\/p>\n\n\n\n
Wichtig ist, dass mit dem Aufkommen gro\u00dfer Sprachmodelle (LLM) die M\u00f6glichkeit entstanden ist,
praktisch jede beliebige Sprache zu unterst\u00fctzen. Modelle wie GPT-4 (eingesetzt in ChatGPT) bew\u00e4ltigen
in hohem Ma\u00dfe auch sogenannte ressourcenschwache Sprachen. Das bedeutet, selbst wenn ein
Sprachassistent eine bestimmte Sprache offiziell nicht unterst\u00fctzt, kann man einen textbasierten KI
Assistenten (Chatbot) als Vermittler nutzen. So kann heute beispielsweise ChatGPT als kostenloser KI
Assistent auf Tschechisch dienen \u2013 man muss ihm nur eine Frage auf Tschechisch stellen, und das
Modell antwortet flie\u00dfend auf Tschechisch, obwohl es keine Sprachausgabe bietet. \u00c4hnlich w\u00e4re es
m\u00f6glich, mit ihm auf Slowakisch oder Rum\u00e4nisch zu kommunizieren. In diesem Sinne sehen wir auch
das Entstehen lokaler Initiativen: Verschiedene Start-ups entwickeln Chatbots, die speziell f\u00fcr eine
bestimmte Sprache oder einen bestimmten Kulturkreis trainiert wurden. Zu nennen ist etwa das Projekt
\u201eAlquist\u201c der Technischen Universit\u00e4t Prag (\u010cVUT), das auf konversationelle KI in tschechischer Sprache
abzielte, oder rum\u00e4nische Projekte, die von der dortigen Regierung zur Entwicklung von KI-Assistenten
in Rum\u00e4nisch gef\u00f6rdert werden. Obwohl diese lokalen L\u00f6sungen nicht den Ruhm globaler Akteure
erreicht haben, zeigen sie das Bestreben, KI f\u00fcr jede Sprache bereitzubringen.<\/p>\n\n\n\n
Aus Marketingsicht begegnen uns sogar Keywords wie \u201eAI asistent \u010desky\u201c oder \u201easistent AI roman\u0103\u201c
Nutzer suchen gezielt nach Assistenten, die \u201eihre\u201c Sprache sprechen. Unternehmen reagieren darauf:
Der Google Assistant beherrscht heute Dutzende Sprachen und verbessert kontinuierlich das
Verst\u00e4ndnis lokaler Namen und Ausdr\u00fccke. F\u00fcr Testing-Fachleute bedeutet das die Notwendigkeit von
Lokalisierungstests f\u00fcr KI-Assistenten: zu \u00fcberpr\u00fcfen, ob S\u00e4tze, die ins Slowakische oder Tschechische
\u00fcbersetzt wurden, Sinn ergeben, ob der Assistent Ortsnamen korrekt ausspricht und ob er auch
umgangssprachliche Ausdr\u00fccke versteht. Zudem muss auch das Umschalten der Sprachen getestet
werden \u2013 viele Assistenten erm\u00f6glichen einen zweisprachigen Modus (z.\u202fB. Englisch und Slowakisch
gleichzeitig), was f\u00fcr Tester eine weitere Komplexit\u00e4tsdimension darstellt.<\/p>\n\n\n\n
Abschlie\u00dfend sei erw\u00e4hnt, dass die meisten g\u00e4ngigen KI-Assistenten f\u00fcr Endnutzer kostenlos sind. Sie
sind entweder Teil des Betriebssystems (Siri auf Apple-Ger\u00e4ten, Google Assistant auf Android-Ger\u00e4ten)
oder frei im Internet verf\u00fcgbar (ChatGPT hat eine kostenlose Version, Amazon Alexa erfordert kein
Abonnement etc.). Das tr\u00e4gt zu ihrer weiten Verbreitung bei \u2013 sobald ein Assistent Ihre Sprache
unterst\u00fctzt und kostenlos ist, ist die H\u00fcrde, ihn auszuprobieren, sehr niedrig. Aus Anbietersicht handelt
es sich oft um eine strategische Investition: Amazon verkaufte beispielsweise seine smarten Echo
Lautsprecher mit Verlust, nur um Alexa in die Haushalte zu bringen. Ein kostenloser KI-Assistent im
Zuhause erh\u00f6ht dann die Kundentreue und generiert Daten, die f\u00fcr Unternehmen wertvoll sind.<\/p>\n\n\n\n
W\u00e4hrend wir bisher haupts\u00e4chlich \u00fcber allgemeine pers\u00f6nliche Assistenten gesprochen haben, bildet
eine wichtige Kategorie die dom\u00e4nenspezifischen KI-Assistenten. Das sind Assistenten, die f\u00fcr eine
konkrete Branche oder Aufgabe entwickelt wurden. Ein Beispiel ist ein medizinischer KI-Assistent (in der
Terminologie mancher ausl\u00e4ndischer Artikel als asistent medical AI bezeichnet) \u2013 ein System, das \u00c4rzten
und medizinischem Personal hilft. Ein solcher Assistent kann beispielsweise per Spracheingabe
Patientendaten aufzeichnen und in Echtzeit in Krankenakten eintragen, dem Arzt w\u00e4hrend der
Untersuchung Behandlungsprotokolle in Erinnerung rufen oder sogar auf Basis von Symptomen einen
m\u00f6glichen Befund vorschlagen (nat\u00fcrlich hat der Mensch das letzte Wort). Statistiken deuten darauf
hin, dass bis zu 42\u202f% der Gesundheitsorganisationen Sprachassistenztechnologie im Patientenkontakt
einsetzen oder dies planen. In der Praxis kann ein Arzt also sagen: \u201eAssistent, dicte die Epikrise\u201c, und
der KI-Assistent transkribiert und formatiert den Arztbrief bzw. beantwortet dem Patienten h\u00e4ufig
gestellte Fragen. \u00c4hnliche Assistenten im Gesundheitswesen m\u00fcssen strengen Tests unterzogen
werden \u2013 hier geht es oft um Leben und Tod, daher sind Genauigkeit und Sicherheit kritisch.
Getestet werden Szenarien wie: Erkennt der Assistent Arzneimittelnamen korrekt (die sich sehr \u00e4hnlich
anh\u00f6ren)? Speichert er sensible Daten sicher? Reagiert er angemessen, wenn der Patient ihm eine
Frage zu Symptomen stellt? (\u00dcbrigens haben etwa 21\u202f% der Nutzer von Sprachassistenten bereits nach
Krankheitssymptomen oder \u00c4rzten gefragt, das hei\u00dft, die Nachfrage seitens der Patienten ist
vorhanden.)<\/p>\n\n\n\n
Abgesehen von der Medizin finden wir KI-Assistenten auch im Rechtswesen (z.\u202fB. als Hilfe beim
Durchsuchen von Tausenden Seiten juristischer Dokumente), im Finanzwesen (Finanzberater, die
M\u00e4rkte analysieren), im Personalwesen (ein KI-Assistent f\u00fcr HR, der Bewerber vorsortiert) oder im
Kundensupport. Viele Unternehmen setzen Chatbots auf ihren Websites und Kommunikationskan\u00e4len
ein \u2013 diese virtuellen Agenten erledigen oft Routineanfragen von Kunden. Obwohl man sie eher
Chatbots als Assistenten nennt, handelt es sich technisch um ein verwandtes Konzept. Der Unterschied
besteht darin, dass ein Chatbot eingeschr\u00e4nkter ist (auf die FAQ des Unternehmens programmiert),
w\u00e4hrend ein KI-Assistent ein breiteres Aufgabenspektrum hat. F\u00fcr Tester gilt jedoch auch hier die
Notwendigkeit gr\u00fcndlicher Tests: Versteht der Chatbot die umgangssprachlichen Ausdr\u00fccke der
Kunden? Kann er das Gespr\u00e4ch an einen Menschen \u00fcbergeben, wenn die Frage zu komplex ist? Und
verbreitet er keine unangemessenen oder rechtlich riskanten Antworten?<\/p>\n\n\n\n
Ein eigenes Kapitel bilden KI-Assistenten f\u00fcr Unternehmensanwendungen und die Teamproduktivit\u00e4t.
Tech-Giganten integrieren heute KI direkt in Office-Suiten \u2013 Microsofts Copilot in Office 365 hilft etwa, E
Mails zusammenzufassen oder eine Pr\u00e4sentation zu erstellen; Google hat seinen Assistenten in Google
Workspace, der Antworten vorschlagen und den Kalender organisieren kann. Diese Assistenten
brauchen nicht unbedingt eine \u201ePers\u00f6nlichkeit\u201c wie Alexa oder Siri; sie funktionieren eher im
Hintergrund als stille Helfer. F\u00fcr Softwaretester stellen sie eine neue Schicht von Funktionalit\u00e4t dar, die
getestet werden muss \u2013 etwa ob die KI im Texteditor keine unpassenden \u00c4nderungen am Dokument
vornimmt, oder ob der Assistent im E-Mail-Client nicht die Privatsph\u00e4re verletzt, indem er gesammelte
Daten aus dem Unternehmen sendet.<\/p>\n\n\n\n
Ein Meilenstein in der Welt der KI-Assistenten war das Aufkommen der sogenannten generativen
Modelle auf Basis gro\u00dfer Sprachmodelle. Systeme wie OpenAIs ChatGPT (basierend auf den Modellen
GPT-3.5 und GPT-4) haben gezeigt, dass ein KI-Assistent durchaus in der Lage ist, ein recht tiefgehendes
Gespr\u00e4ch zu f\u00fchren, umfangreiche Texte oder Programmcode zu generieren und sogar Gedichte oder
Bilder zu erstellen. ChatGPT, Ende 2022 gestartet, gewann rasch Hunderte Millionen Nutzer und wurde
de facto zum Standard f\u00fcr konversationelle KI-Assistenten. An diesem Erfolg sieht man, dass, sobald ein
Assistent ein gewisses F\u00e4higkeitsniveau \u00fcberschreitet, die Nutzer ihn f\u00fcr unglaublich vielf\u00e4ltige
Aufgaben einsetzen \u2013 von der Beantwortung allgemeiner Fragen, \u00fcber das Erstellen von Inhalten, bis
hin zur technischen Hilfe (z.\u202fB. Unterst\u00fctzung beim Programmieren oder bei mathematischen
Problemen).<\/p>\n\n\n\n
Auf dem Markt generativer KI-Assistenten stieg jedoch schnell die Konkurrenz. Das Unternehmen
Google hat ein eigenes fortgeschrittenes Modell namens Gemini entwickelt, das seinen Assistant auf
ein neues Niveau heben soll. Der Google Assistant (der, wie erw\u00e4hnt, seit 2016 in Betrieb ist) wurde
daher in den Jahren 2023\u20132024 von Grund auf auf die Gemini-Technologie umgestellt, damit er fl\u00fcssiger
und dialogorientierter auf komplexe Anfragen reagieren kann. Google bezeichnet Gemini als \u201eneuen
Typ eines pers\u00f6nlichen KI-Assistenten\u201c mit Fokus auf nat\u00fcrlicher Kommunikation und
fortgeschrittenem logischen Denken. Mit anderen Worten: Die Ambition ist, dass der KI-Assistent der
n\u00e4chsten Generation von Google nicht nur einfache Sprachbefehle (\u201eStell den Wecker\u201c) bew\u00e4ltigt,
sondern auch komplexere Aufgaben wie die Planung eines ganzen Tages, die L\u00f6sung mehrstufiger
Probleme oder kreative Zusammenarbeit mit dem Nutzer. Solche Ziele bringen nat\u00fcrlich auch
Leistungsherausforderungen mit sich \u2013 Google selbst r\u00e4umt ein, dass Gemini f\u00fcr einige Anfragen mehr
Zeit ben\u00f6tigt als die vorherige Generation, obwohl es auf ein viel breiteres Spektrum von Fragen
antworten kann.<\/p>\n\n\n\n
Ein weiterer interessanter Name ist der DeepSeek-KI-Assistent (h\u00e4ufig gesucht als \u201edeepseek ai
asistent\u201c). Dabei handelt es sich um einen relativ neuen Akteur, der durch Meldungen im Januar 2025
bekannt wurde. Laut Experten der Penn State University ist der DeepSeek-KI-Assistent ein System
\u00e4hnlich ChatGPT oder Google Gemini, das f\u00fcr ein breites Aufgabenspektrum entwickelt wurde, jedoch
mit deklarierter Spezialisierung auf formale logische und mathematische Probleme. Das ist
bemerkenswert, denn ausgerechnet formales logisches Denken gilt als Schwachstelle vieler gro\u00dfer
Sprachmodelle. DeepSeek erregte auch dadurch Aufsehen, dass behauptet wird, es erreiche eine
konkurrenzf\u00e4hige Leistung mit deutlich geringeren Anforderungen an Rechenressourcen \u2013 angeblich
gen\u00fcgen ihm etwa 2.000 Chips im Vergleich zu 16.000, die Konkurrenten ben\u00f6tigen, was ihn zehnmal
effizienter macht. Diese Meldungen ersch\u00fctterten sogar kurzzeitig den Aktienmarkt der Chiphersteller,
denn sollten sie sich best\u00e4tigen, w\u00fcrde das eine g\u00fcnstigere und zug\u00e4nglichere KI f\u00fcr die breite Masse
bedeuten. Bislang warten Experten jedoch auf unabh\u00e4ngige Tests, um zu sehen, ob DeepSeek die
hohen Erwartungen in der Praxis tats\u00e4chlich erf\u00fcllt. Auf jeden Fall signalisiert sein Aufkommen
zusammen mit weiteren Alternativen wie Claude von Anthropic, Open-Source-Modellen (LLaMA 2 von
Meta usw.) und spezialisierten KI-Systemen (wie AlphaCode von DeepMind f\u00fcr die Programmierung) \u2013,
dass die \u00c4ra der fortgeschrittenen KI-Assistenten angebrochen ist und sich schnell entwickelt.<\/p>\n\n\n\n
F\u00fcr Softwaretester bringen generative Assistenten zwei Herausforderungen mit sich: Sie m\u00fcssen
lernen, sie zu ihrem Vorteil zu nutzen, und zugleich deren Zuverl\u00e4ssigkeit zu testen. Einerseits kann ein
Tester ChatGPT eine Frage stellen wie: \u201eGeneriere Testf\u00e4lle f\u00fcr die Funktion XY\u201c und erh\u00e4lt so Inspiration
oder einen grunds\u00e4tzlichen Entwurf von Tests. Andererseits, wenn ein Unternehmen einen KI
Assistenten in sein Produkt integriert (z.\u202fB. einen Chatbot in eine mobile Banking-App f\u00fcr Kunden), muss
der Tester \u00fcberpr\u00fcfen, dass dieser Assistent korrekt funktioniert, die Datensicherheit nicht gef\u00e4hrdet
und die Kommunikationsrichtlinien des Unternehmens einh\u00e4lt. Und das ist keine leichte Aufgabe, da
die Antworten einer generativen KI nicht fest programmiert, sondern probabilistisch sind \u2013 sie k\u00f6nnen
sich bei kleinsten \u00c4nderungen der Eingabe unterscheiden. Darauf kommen wir in der Diskussion der KI
Testherausforderungen noch zur\u00fcck.<\/p>\n\n\n\n
KI-Assistenten sind nicht nur Objekte des Testens, sondern werden immer h\u00e4ufiger selbst zu
Werkzeugen in den H\u00e4nden von Testern und Entwicklern. Im Bereich der Softwareentwicklung haben in
den letzten zwei Jahren die sogenannten \u201eAI Coding Assistants\u201c \u2013 Assistenten f\u00fcr die Programmierung
f\u00fcr Furore gesorgt. Das bekannteste Beispiel ist GitHub Copilot, das auf Basis eines Kommentars oder
unvollst\u00e4ndigen Codes dem Entwickler die n\u00e4chsten Programmzeilen vorschl\u00e4gt. Copilot, das auf dem
Codex-Modell von OpenAI basiert, deb\u00fctierte 2021 und erlangte schnell Popularit\u00e4t als \u201eAI Pair
Programmer\u201c. Es kann die Produktivit\u00e4t von Entwicklern steigern, ihnen das Schreiben von Boilerplate
Code ersparen und sogar helfen, Unit-Tests zu generieren. Studien und Blogbeitr\u00e4ge zeigen, dass
Copilot beim Schreiben von Testf\u00e4llen n\u00fctzlich sein kann, Randf\u00e4lle vorschl\u00e4gt oder bestehende Tests
schnell erg\u00e4nzt. Aus Testersicht bedeutet das, dass man Routineaufgaben \u2013 zum Beispiel das Erstellen
eines grundlegenden Testger\u00fcsts \u2013 dem KI-Assistenten \u00fcberlassen kann und sich auf die Testlogik und
die Analyse der Ergebnisse konzentriert.<\/p>\n\n\n\n
Nicht nur GitHub Copilot, auch weitere Tools betreten die Testing-B\u00fchne. So hat die Testplattform
PractiTest einen eigenen KI-Assistenten namens Smart Fox integriert, der Testern beim Generieren und
Pflegen von Testf\u00e4llen hilft. Smart Fox kann auf Basis der Funktionsbeschreibung einen Testfall
vorschlagen und nutzt interessanterweise maschinelles Lernen, um den Nutzen einzelner Tests zu
bewerten (den sogenannten Test Value Score). Das erm\u00f6glicht Teams, Szenarien zu priorisieren, die die
meisten Risiken abdecken. \u00c4hnlich hat das Unternehmen LambdaTest den KI-Agenten KaneAI
vorgestellt, der als erster generativer Assistent f\u00fcr End-to-End-Tests bezeichnet wird. KaneAI basiert auf
einem LLM (Large Language Model) und erm\u00f6glicht Testern, Tests in nat\u00fcrlicher Sprache zu planen und
zu schreiben \u2013 man muss nur beschreiben, was getestet werden soll, und das Tool generiert
selbstst\u00e4ndig Testscripte. Es kann sowohl UI- als auch API-Tests abdecken, lernt kontinuierlich aus
Testdurchl\u00e4ufen dazu und assistiert beim Debugging. Obwohl diese Funktionen fast futuristisch
klingen, sind sie bereits heute in fr\u00fchen Versionen verf\u00fcgbar.<\/p>\n\n\n\n
Neben kommerziellen Tools gibt es auch Open-Source-Projekte und experimentelle Assistenten f\u00fcr
Tester. So pr\u00e4sentiert sich etwa das Plugin Continue f\u00fcr Visual Studio Code als KI-Assistent, der beim
Schreiben von Code und Tests hilft (\u00e4hnlich wie Copilot). In Testlaboren von Unternehmen wiederum
werden interne Chatbots entwickelt, die Test-Logs analysieren und auf Anomalien hinweisen k\u00f6nnen,
oder die die Ergebnisse der CI\/CD-Pipeline \u00fcberwachen und in nat\u00fcrlicher Sprache melden, was
schiefgelaufen ist. Stellen Sie sich zum Beispiel einen Slack-Bot vor, dem Sie schreiben: \u201eBitte finde
heraus, warum die n\u00e4chtlichen Tests fehlgeschlagen sind\u201c \u2013 und er durchforstet die Logs und antwortet:
\u201eSie sind fehlgeschlagen, weil Dienst X einen 500er-Fehler zur\u00fcckgab, vermutlich aufgrund eines
falschen Datenformats.\u201c Solche Prototypen entstehen bereits, und es ist zu erwarten, dass sie in naher
Zukunft zum festen Bestandteil des Werkzeugkastens von QA-Teams geh\u00f6ren werden.<\/p>\n\n\n\n
F\u00fcr Tester und Entwickler bieten KI-Assistenten also die Chance, bestimmte Teile der Arbeit zu
automatisieren und zu beschleunigen. Nat\u00fcrlich handelt es sich bislang nicht um einen allm\u00e4chtigen
Ersatz \u2013 die Empfehlungen der KI m\u00fcssen \u00fcberpr\u00fcft werden. Zum Beispiel kann von Copilot generierter
Code Fehler oder suboptimale Strukturen enthalten, sodass ein Mensch ihn durchsehen muss (Copilot
selbst weist darauf hin, dass generierter Code nicht fehlerfrei sein muss). Ebenso k\u00f6nnen von der KI
vorgeschlagene Testszenarien etwas Wichtiges auslassen. Im Idealfall erleichtert die KI jedoch
langweilige und repetitive Aufgaben \u2013 sie generiert Boilerplate-Code, schl\u00e4gt Edge-Cases vor,
verarbeitet gro\u00dfe Datenmengen \u2013 und der Mensch steuert kritisches Denken und Kreativit\u00e4t bei.<\/p>\n\n\n\n
Der Einsatz von KI-Assistenten im Testprozess bringt mehrere Vorteile mit sich, die sowohl die Qualit\u00e4t
als auch die Geschwindigkeit der QA-Prozesse erh\u00f6hen:\u2022<\/p>\n\n\n\n
Trotz unbestreitbarer Vorteile d\u00fcrfen die Herausforderungen und Risiken, die KI-Assistenten im Bereich
Testing (und der Entwicklung allgemein) mit sich bringen, nicht \u00fcbersehen werden:
<\/p>\n\n\n\n
KI-Assistenten haben sich von einer Science-Fiction-Idee zu einem allt\u00e4glichen und n\u00fctzlichen Werkzeug
im t\u00e4glichen Leben und in der professionellen Sph\u00e4re entwickelt. F\u00fcr die Softwaretest-Community
stellen sie eine doppelte Chance dar: Einerseits k\u00f6nnen sie das Testing selbst effizienter machen (die
Testvorbereitung beschleunigen, die Analyse automatisieren, die Abdeckung erweitern), und
andererseits er\u00f6ffnen sie ein neues Bet\u00e4tigungsfeld f\u00fcr QA-Ingenieure \u2013 das Testen von KI-Systemen
erfordert Kreativit\u00e4t, Gr\u00fcndlichkeit und st\u00e4ndiges Lernen.<\/p>\n\n\n\n
Die heutigen KI-Assistenten (sei es der virtuelle Assistent im Smartphone, ein KI-Assistent auf
Tschechisch in einem \u00dcbersetzer, oder ein spezialisierter personal AI assistant, der einem Entwicklerteam
hilft) sind erst der Anfang. Ihre F\u00e4higkeiten werden voraussichtlich weiter wachsen und immer st\u00e4rker
in die Werkzeuge integriert werden, die wir nutzen. F\u00fcr Tester bedeutet das, dass Wandel die einzige
Konstante ist \u2013 so wie einst der \u00dcbergang vom manuellen zum automatisierten Testen Anpassung
erforderte, m\u00fcssen wir jetzt KI in unser Skillset aufnehmen.<\/p>\n\n\n\n
Abschlie\u00dfend l\u00e4sst sich sagen, dass der Schl\u00fcssel zum erfolgreichen Zusammenleben mit KI-Assistenten
Balance ist: ihre Vorteile nutzen, aber gegen\u00fcber ihren Unzul\u00e4nglichkeiten wachsam bleiben. KI sollte
unser \u201eKollege\u201c sein, der einen Teil der Arbeit erledigt, doch die Verantwortung f\u00fcr die Qualit\u00e4t bleibt
bei uns. In der Testing-Fachgemeinschaft bildet sich schon jetzt ein Konsens, dass die Kombination aus
menschlichem kritischem Denken und der Schnelligkeit von KI-Tools die besten Ergebnisse bringt. KI
Assistenten sind somit ein willkommener Zuwachs zur Familie der Testwerkzeuge \u2013 wenn wir sie richtig
z\u00e4hmen und einsetzen, k\u00f6nnen sie wesentlich zu einer h\u00f6heren Qualit\u00e4t der von uns gelieferten
Software beitragen.<\/p>\n","protected":false},"excerpt":{"rendered":"
Einleitung: Das Konzept digitaler Helfer \u2013 KI-Assistenten \u2013 hat sich in den letzten Jahren inverschiedenen […]<\/p>\n","protected":false},"author":6,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[9],"tags":[],"class_list":["post-4039","post","type-post","status-publish","format-standard","hentry","category-automatisiertes-testen"],"acf":[],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/ittester.sk\/de\/wp-json\/wp\/v2\/posts\/4039","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ittester.sk\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ittester.sk\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ittester.sk\/de\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/ittester.sk\/de\/wp-json\/wp\/v2\/comments?post=4039"}],"version-history":[{"count":2,"href":"https:\/\/ittester.sk\/de\/wp-json\/wp\/v2\/posts\/4039\/revisions"}],"predecessor-version":[{"id":4044,"href":"https:\/\/ittester.sk\/de\/wp-json\/wp\/v2\/posts\/4039\/revisions\/4044"}],"wp:attachment":[{"href":"https:\/\/ittester.sk\/de\/wp-json\/wp\/v2\/media?parent=4039"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ittester.sk\/de\/wp-json\/wp\/v2\/categories?post=4039"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ittester.sk\/de\/wp-json\/wp\/v2\/tags?post=4039"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}