Abstracts

Wir benutzen KI gerade für die falschen Probleme. Und das ist ok.

Sie generiert Testfälle, heilt Locators, schreibt Automatisierungscode. Das ist nützlich. Aber es ist auch nur unser alter Job, etwas schneller erledigt.

Jede neue Technologie macht das zuerst. Das erste iPhone zeigte Websites in klein, einen Browser auf einem hübschen Gerät. Erst als wir aufhörten, das Alte nachzubauen, und anfingen, Probleme zu lösen, die vorher schlicht nicht lösbar waren, wurde daraus etwas Neues. Hätte Ford die Menschen gefragt, was sie brauchen, hätten sie schnellere Pferde gesagt.

Genau an diesem Punkt steht das Testen.

KI ist die nächste Abstraktionsschicht, nach Assembler, Hochsprache und Framework. Jede dieser Schichten hat eine Fertigkeit entwertet und eine neue aufgewertet: die Fähigkeit, Absicht präzise zu formulieren. Eine gute Anforderung, ein guter Test und ein guter Prompt sind im Kern derselbe Akt. Es geht darum, klar zu sagen, was eigentlich gemeint ist.

Diese Abstraktion demokratisiert das Entwickeln. Wer eine Idee in Sprache fassen kann, kann bauen. Das ist großartig und gefährlich zugleich. Denn wenn alle bauen, testet im klassischen Sinn niemand mehr. Es geht nicht mehr länger darum, ob wir genug Tester haben, sondern ob in einem Team überhaupt noch jemand die Haltung mitbringt, nach dem Bruch zu suchen, statt nur nach dem grünen Haken.

Viele trösten sich im Moment mit einem Satz: Solange die KI halluziniert, braucht es mich am Qualitygate. Technisch stimmt das ein bisschen. Als Karrierewette ist es riskant, denn mit Grounding und Verifikation sinkt die Fehlerrate rapide. Und genau dann wird es ernst. Wenn die KI unseren alten Job irgendwann nahezu fehlerfrei macht, verdampft die Rolle des Fehlerfängers. Der Leidensdruck, den viele Tester spüren, ist real. Vielleicht ist es aber der Schmerz, vom falschen Job befreit zu werden.

Dazu kommt eine leisere Gefahr. Wenn die KI das Können übernimmt, woher kommt dann das Können, mit dem wir sie noch beurteilen? Wer am Gate stehen will, braucht Urteilsvermögen, und das erwirbt man nur durchs Tun. Wenn wir das Denken zu früh auslagern, verlernen wir genau die Fähigkeit, die uns unersetzbar machen sollte. Das ist kein Kulturpessimismus, sondern eine ernste Frage an unsere Ausbildung und an unseren Alltag.

Was also bleibt, ist die Aufgabe, die richtigen Probleme zu finden. Zu fragen, ob wir das Richtige bauen, nicht nur, ob wir es richtig bauen. Das braucht Neugier und Kreativität, und es lohnt sich, kurz innezuhalten, was das überhaupt ist. Im Streit darüber, ob KI überhaupt etwas Neues schaffen kann, wird oft etwas übersehen: Eine Maschine rekombiniert ihren Trainingsraum, aber sie will nichts. Kein Ziel, kein Interesse, kein Einsatz im Ergebnis. Der Wert menschlicher Arbeit liegt in der Absicht dahinter, im gelebten Bezug zu einer Frage. Exploratives Testen ist genau das, eine Hypothese aus Interesse, nicht aus Spezifikation. Bei Kunst geht es darum, etwas zu zeigen, was nicht sichtbar oder offensichtlich ist. Testen ist da nicht anders.

Und die richtigen Probleme sind am Ende menschliche Probleme. Wofür ist das gut, für wen, und sollten wir es überhaupt bauen. Diese Fragen werden nicht im Modell entschieden, sondern zwischen Menschen. Qualität ist ein soziales System, kein technisches. KI beschleunigt die Ausführung, aber sie verstärkt auch, was schon da ist. Missverständnisse, Silos und fehlendes Vertrauen verschwinden nicht, sie wachsen. Wer braucht denn überhaupt noch alle die KI-generierten Apps, Websiten und Tools?

In über 25 Jahren Software-Entwicklung und Testing habe ich gelernt: Bei Qualität geht es weniger um Tools als um Menschen. KI ändert daran nichts. Sie macht es dringlicher. Der USP, den niemand auslagern kann, ist die Absicht. Die Fähigkeit, Klarheit zu schaffen, gemeinsames Verständnis aufzubauen und Menschen über Rollen hinweg zu verbinden, wird zum entscheidenden Unterschied zwischen schnellerem Feedback und schnellerem Scheitern.