KI im Softwaretest: Drei Weiterbildungen für KI-Testing, Generative AI und EU AI Act

Künstliche Intelligenz verändert die Arbeit in der Softwareentwicklung und damit auch die Anforderungen an Qualitätssicherung und Test. Wer KI-Systeme prüfen, generative Werkzeuge im Testprozess einsetzen oder regulatorische Pflichten bewerten soll, braucht dafür sehr unterschiedliche Kompetenzen. Die Knowledge Department GmbH bündelt diese drei Perspektiven in drei aufeinander abgestimmten Weiterbildungen – vom Testen KI-basierter Systeme über den methodischen Einsatz von ChatGPT und Copilot bis zur Einordnung des EU AI Act.

Drei Aufgabenstellungen, die sich nicht gegenseitig ersetzen

Künstliche Intelligenz ist längst kein Nischenthema der Softwareentwicklung mehr. Sie steckt in Klassifikatoren, Empfehlungssystemen, Sprachmodellen und in zahllosen Funktionen, die Anwender täglich nutzen, ohne darüber nachzudenken. Für die Qualitätssicherung entsteht daraus eine doppelte Herausforderung: Einerseits müssen Systeme geprüft werden, deren Verhalten sich nicht mehr vollständig deterministisch vorhersagen lässt. Andererseits stehen mit generativen Werkzeugen neue Hilfsmittel bereit, die Testarbeit beschleunigen können – vorausgesetzt, sie werden kontrolliert und nachvollziehbar eingesetzt. Hinzu kommt ein regulatorischer Rahmen, der Anforderungen an Transparenz, Aufsicht, Datenqualität und Dokumentation formuliert.

Diese drei Ebenen werden in der Praxis häufig vermischt. Wer KI im Test nur als zusätzliches Werkzeug betrachtet, greift nach Einschätzung von Robert Treffny, Geschäftsführer der Knowledge Department GmbH, zu kurz. Fachkräfte müssten unterscheiden können, ob sie KI-Systeme prüfen, generative KI im Testprozess einsetzen oder regulatorische Pflichten bewerten. Genau diese drei Perspektiven deckt das Weiterbildungsangebot ab. Die Unterscheidung ist nicht akademisch: Sie bestimmt, welche Methoden sinnvoll sind, welche Risiken relevant werden und welche Nachweise im Streitfall tragen. Wer ein Machine-Learning-Modell testet, arbeitet mit anderen Verfahren als jemand, der Testfälle per Sprachmodell generieren lässt oder für ein Unternehmen die Einstufung eines Systems nach dem EU AI Act vorbereitet.

KI-basierte Systeme prüfen: ISTQB Certified Tester – AI Testing v2.0

Der viertägige Kurs „ISTQB Certified Tester – AI Testing v2.0“ widmet sich dem Testen KI-basierter Systeme selbst. Behandelt werden unter anderem die Qualitätsmerkmale solcher Systeme, Grundlagen des maschinellen Lernens, Fragen der Datenqualität, das Thema Bias, die Funktionsweise neuronaler Netze sowie Leistungsmetriken für Machine-Learning-Modelle. Ein weiterer Schwerpunkt liegt auf dem Testen generativer KI und großer Sprachmodelle. Damit adressiert die Weiterbildung eine Lücke, die in vielen Projekten sichtbar wird: Klassische Testverfahren setzen stabile Erwartungswerte voraus, doch ein Modell liefert je nach Eingabe, Trainingsdaten und Kontext unterschiedliche Ergebnisse. Qualität muss deshalb anders definiert, gemessen und dokumentiert werden.

Für die Einordnung des Angebots ist ein formaler Aspekt relevant: Knowledge Department wurde im Mai 2026 nach eigenen Angaben als erstes Unternehmen weltweit nach dem neuen Lehrplan v2.0 akkreditiert. Der nächste Kurs findet vom 27. bis 30. Oktober 2026 mit Termingarantie als Präsenztraining in Nürnberg und parallel als Virtual Classroom statt. Ein weiterer Termin ist für den 15. bis 18. Dezember 2026 vorgesehen. Für Teams, die ihre Prüfstrategie für KI-Komponenten belastbar aufstellen wollen, ist dieser Kurs der inhaltlich tiefste der drei Bausteine.

Generative KI im Testprozess: Chancen methodisch nutzen, Risiken beherrschen

Der dreitägige Kurs „ISTQB Certified Tester – Testen mit Generative AI v1.1“ setzt einen anderen Akzent. Hier geht es nicht um das Prüfen von KI, sondern um den Einsatz generativer KI zur Unterstützung des Softwaretestens. Die Teilnehmenden lernen, wie sich Anforderungen analysieren, Testfälle und Testdaten erzeugen, Ergebnisse bewerten und typische Risiken beherrschen lassen. Zu diesen Risiken zählen Halluzinationen, also plausibel klingende, aber falsche Ausgaben, verzerrte Ergebnisse durch Bias, fehlende Reproduzierbarkeit sowie die Weitergabe vertraulicher Informationen an externe Dienste.

Diese Risikoliste ist für die Praxis entscheidend, weil generative Werkzeuge schnell produktiv wirken. Ein Sprachmodell formuliert in Sekunden eine Testfallbeschreibung, die brauchbar aussieht. Ob sie vollständig ist, ob sie Randfälle abdeckt und ob sie zum tatsächlichen Systemverhalten passt, bleibt eine Aufgabe für Menschen mit Fachkenntnis. Der Kurs vermittelt deshalb weniger eine Werkzeugbedienung als eine Arbeitsweise: klare Vorgaben, überprüfbare Zwischenschritte, nachvollziehbare Quellen und eine bewusste Entscheidung darüber, welche Daten überhaupt in ein externes System eingegeben werden dürfen. Der nächste garantierte Termin ist der 11. bis 13. November 2026, ebenfalls in Nürnberg und live online; für Dezember ist der 16. bis 18. Dezember 2026 vorgesehen.

EU AI Act: Regulatorik verstehen und in Testprozesse übersetzen

Der eintägige Kurs „Certified EU AI Act für Softwaretester“ richtet den Blick auf die rechtlichen und organisatorischen Rahmenbedingungen. Im Mittelpunkt stehen die Bedeutung von Risikoklassen, Transparenzanforderungen, menschlicher Aufsicht, Datenqualität, Dokumentation und KI-Kompetenz. Erklärt wird, was diese Vorgaben für Softwaretest, Qualitätssicherung und Entwicklung konkret bedeuten. Angesprochen sind damit Softwaretester, Testverantwortliche, Entwickler und Unternehmen, die KI-Systeme einsetzen oder entwickeln und ihre Prozesse entsprechend ausrichten müssen.

Regulatorische Anforderungen wirken zunächst abstrakt, landen aber früher oder später in konkreten Arbeitspaketen. Wer ein System als risikoreich einstuft, muss nachvollziehbar dokumentieren, wie es geprüft wurde, welche Daten verwendet wurden und wie ein Mensch eingreifen kann. Daraus entstehen Prüfschritte, die klassische Testpläne nicht automatisch enthalten. Der Kurs hilft, diese Anforderungen nicht als nachgelagertes Rechtsproblem zu behandeln, sondern in die Qualitätssicherung einzuplanen. Der nächste Termin findet am 17. November 2026 statt; für den Virtual Classroom besteht eine Termingarantie.

Lernformate, Zertifizierung und organisatorische Einordnung

Alle drei Weiterbildungen lassen sich auch als E-Learning zeitlich und örtlich flexibel absolvieren. Das ist für verteilte Teams und für Unternehmen interessant, die Weiterbildung nicht an Reisetage binden wollen. Die Präsenz- und Virtual-Classroom-Varianten bieten dagegen den Austausch über konkrete Projektfragen, der sich in aufgezeichneten Lernmodulen nur begrenzt abbilden lässt. Die beiden ISTQB-Kurse bereiten auf die jeweilige offizielle Zertifizierungsprüfung vor. Die Prüfung kann optional hinzugebucht werden; für die Zulassung gelten die jeweiligen Zertifizierungsvoraussetzungen. Wer die Prüfung anstrebt, sollte diese Voraussetzungen daher vor der Buchung prüfen und nicht erst am Ende des Kurses.

Für Unternehmen lohnt sich eine Rollenbetrachtung. Entwicklungsteams, die Modelle trainieren oder integrieren, profitieren vom Kurs zum Testen KI-basierter Systeme. Teams, die bereits generative Werkzeuge in der täglichen Arbeit nutzen, gewinnen durch die methodische Einordnung und die Risikobetrachtung. Verantwortliche, die Projekte steuern oder Freigaben erteilen, benötigen vor allem die regulatorische Perspektive. Die Kombination ist kein Selbstzweck: Sie verhindert, dass Werkzeuge unkontrolliert eingesetzt werden, während die eigentliche Systemqualität ungeprüft bleibt.

Wo die Grenzen der Weiterbildung liegen

Ein Kurs ersetzt keine Werkzeuge, keine Testumgebung und keine klaren Prozesse im Unternehmen. Er vermittelt Begriffe, Verfahren und Entscheidungskriterien. Ob ein Modell ausreichend geprüft ist, hängt von den konkreten Daten, der Nutzungsumgebung und dem Schadenspotenzial ab – Einschätzungen, die nur im jeweiligen Projekt möglich sind. Auch ein Zertifikat ist kein Nachweis dafür, dass ein Produkt fehlerfrei oder regelkonform ist. Es belegt Fachkenntnis einer Person, nicht die Qualität eines Systems.

Ebenso bleibt die Regulierung in Bewegung. Anforderungen können sich durch Auslegung, Leitlinien und Praxis ändern. Wer heute eine Schulung besucht, hat deshalb keinen dauerhaften Wissensstand, sondern eine Grundlage, auf der sich Weiterentwicklung aufbauen lässt. Sinnvoll ist es, das Gelernte an ein konkretes Vorhaben zu binden: ein Pilotprojekt, eine anstehende Freigabe oder die Einführung eines generativen Werkzeugs im Team.

Ihre nächsten Schritte

Prüfen Sie zunächst, welche der drei Fragestellungen in Ihrem Umfeld tatsächlich drängt. Geht es um die Qualität eines KI-basierten Systems, um den Einsatz generativer Werkzeuge im Test oder um regulatorische Nachweise? Aus dieser Antwort ergibt sich der passende Einstieg, häufig gefolgt von einem zweiten Baustein. Klären Sie anschließend, ob Ihr Team Präsenz, Virtual Classroom oder E-Learning bevorzugt, und ob eine Zertifizierungsprüfung angestrebt wird. Mit dem garantierten Termin vom 27. bis 30. Oktober 2026 für AI Testing v2.0, dem 11. bis 13. November 2026 für Generative AI und dem 17. November 2026 für den EU AI Act stehen kurzfristig planbare Optionen bereit, ergänzt durch die Dezembertermine.