Anbei ein Beispiel aus meiner Praxis wie man Agenten und Automatisierungswerkzeuge benutzen kann um wiederkehrende Aufgaben ohne manuellen Aufwand zu erledigen.
KI-Werkzeuge ersetzen in der Testautomatisierung keine Testerinnen und Tester. Richtig eingesetzt nehmen sie aber viel Routinearbeit ab. Zwei Projekte aus meinem Alltag zeigen, wie das aussehen kann.
Beispiel 1: „AI first“: Tests direkt aus User Stories
Bei einem großen IT-Dienstleister im öffentlichen Umfeld haben wir die Testerstellung umgedreht. Früher kam zuerst die Story, dann die Entwicklung und ganz am Ende der Test. Jetzt steht die KI am Anfang.
Sobald eine User Story mit ihren Akzeptanzkriterien fertig ist, erzeugt ein KI-Agent daraus einen ersten Satz Testfälle: Positivfälle, Grenzwerte, Fehlerfälle und Hinweise auf Lücken in der Story selbst. Wir als Testteam prüfen, schärfen und priorisieren diese Vorschläge. Anschließend werden sie in automatisierte Tests überführt.
Das bringt vor allem drei Dinge:
- Frühere Fehlerfindung: Unklare oder widersprüchliche Akzeptanzkriterien fallen schon beim Generieren auf, nicht erst im Test.
- Schnellerer Start: Niemand beginnt mehr mit einem leeren Blatt. Die Grundabdeckung steht deutlich schneller als bei rein manueller Erstellung.
- Mehr Zeit fürs Wesentliche: Wir konzentrieren uns auf explorative Tests und fachlich knifflige Fälle.
Wichtig ist dabei: Die KI liefert Vorschläge, die fachliche Verantwortung bleibt beim Menschen.
Beispiel 2: Desktop-Client-Automatisierung mit FlaUI und Inspektor
Ganz anders lag der Fall bei einem Softwarehersteller mit einem klassischen Windows-Desktop-Client. Webtests sind gut erforscht, Desktop-Anwendungen werden in der Automatisierung oft vernachlässigt.
Wir setzen hier auf FlaUI, eine .NET-Bibliothek, die über Microsoft UI Automation auf die Oberflächenelemente einer Windows-Anwendung zugreift. Der Ablauf:
- Mit dem Inspektor (FlaUInspect) wird die Elementstruktur des Clients ausgelesen: Fenster, Buttons, Eingabefelder und ihre AutomationIds.
- Diese Struktur dient der KI zusammen mit dem gewünschten Testablauf als Grundlage.
- Die KI erzeugt daraus lauffähigen Testcode, inklusive Element-Locators und Prüfungen.
- Wir reviewen den Code, ergänzen stabile Wartestrategien und binden ihn in die Testsuite ein.
So entstehen Desktop-Tests deutlich schneller als von Hand. Gleichzeitig zeigt der Inspektor sofort, wo der Client nicht gut testbar ist, zum Beispiel bei fehlenden AutomationIds. Diese Rückmeldung geht direkt an die Entwicklung und verbessert die Testbarkeit dauerhaft.
Fazit
Beide Beispiele zeigen dasselbe Muster: Die KI übernimmt das Erzeugen, der Mensch das Bewerten. Ob Testfälle aus User Stories oder Testcode für eine Desktop-Anwendung, der größte Gewinn liegt nicht nur in der Geschwindigkeit. Fragen zur Qualität kommen deutlich früher auf den Tisch.