Aus Anforderungen werden prüfbare Fälle
Aus einer Preisregel lassen sich positive Beispiele, Grenzwerte und ungültige Eingaben ableiten. Ein Modell kann dabei helfen, vergessene Kombinationen zu finden. Die Soll-Ergebnisse müssen Fachleute oder eine unabhängige Referenz bestimmen. Werden Implementierung und Tests aus derselben fehlerhaften Annahme erzeugt, können beide zusammenpassen und dennoch falsch sein.
Wartung erleichtern, ohne Fehler zu verstecken
Bei Oberflächentests kann KI geänderte Beschriftungen oder mögliche Ersatzselektoren erkennen. Eine automatische Reparatur darf aber nicht still einen anderen Button anklicken. Sinnvoll ist ein Vorschlag mit sichtbarer Änderung und anschließender Prüfung. Fachliche Assertions, etwa korrekte Zahlungsempfänger oder Kontostände, dürfen nicht zugunsten eines grünen Testlaufs abgeschwächt werden.
KI-Funktionen brauchen andere Testfälle
Ein Sprachmodell liefert nicht immer denselben Wortlaut. Deshalb sind Eigenschaften wichtiger als ein exakter Textvergleich: Wird eine Quelle genannt, bleibt die Antwort innerhalb der Berechtigung, werden unsichere Aussagen kenntlich gemacht? Wiederholte Läufe zeigen Schwankungen. Kritische deterministische Geschäftsregeln sollten weiterhin durch klassische Software und entsprechende Tests abgesichert werden.
Beispiel: Schadenmeldungen klassifizieren
KI schlägt Testfälle für unvollständige Meldungen, widersprüchliche Datumsangaben und fehlende Belege vor. Fachleute ergänzen die richtigen Bearbeitungsregeln. Die Klassifikation wird anschließend gegen einen kuratierten Datensatz geprüft. So verbessert KI die Fallbreite, ohne selbst zu entscheiden, wann das Ergebnis fachlich richtig ist.
Womit Sie sinnvoll beginnen können
- Einen vorhandenen Testbereich mit hoher manueller Pflege auswählen.
- Vorschläge, übernommene Fälle und tatsächlich gefundene Fehler getrennt zählen.
- Automatische Testreparaturen nachvollziehbar freigeben.