Legacy Apps automatisiert

Wenn klassische Testwerkzeuge an Legacy-Oberflächen scheitern, braucht es neue Wege. Ein Praxisfall zeigt es deutlich: Die mobile Kasse der Deutschen Bahn erforderte zwei Wochen manuelle Abnahme, weil UI-Elemente keine IDs boten. Statt Selektoren kam ein visueller Ansatz zum Einsatz, der Screenshots, OCR, Bilderkennung und Sprachmodelle kombiniert. Testfälle entstehen in TypeScript oder als No-Code-Flows, was den Abstand zwischen Fachtest und Automatisierung verkürzt. Erste Zahlen sind vielversprechend: 60 von 270 Fällen laufen in etwa drei Stunden. Durch Parallelisierung sollen 210 plus in 60 bis 90 Minuten möglich werden.

Podcast Episode: Legacy Apps automatisiert

In dieser Episode spreche ich mit Jonas Menesklou und Umar Usman Khan über KI-gestützte Tests für Legacy-Anwendungen. Ausgangspunkt: die mobile Kasse der Deutschen Bahn. Die manuelle Abnahme dauerte zwei Wochen, Standard-Tools scheiterten an fehlenden Element-IDs. Mit AskUI geht es visuell: Screenshot, OCR, Bilderkennung und LLM statt klassischer Selektoren. Tests werden in TypeScript beschrieben oder per No-Code aus Testfällen erzeugt. Erste Bilanz: 60 von 270 Fällen laufen in etwa drei Stunden.

"Du musst ihm nicht mitgeben, wie dieser Login Button aussieht, sondern das Modell hat vorher gelernt, dass ein Login Button eben aussieht wie ein Login Button und findet dann über den Gesamt Screenshot die Position, wo es gerade ist" - Umar Usman Khan, Jonas Menesklou

Umar Khan ist Lead Quality Engineer bei der Deutschen Bahn Fernverkehr AG.Er verantwortet die Qualitätssicherung und Testautomatisierung in verschiedenen Digitalisierungsprojekten. Seit 2018 arbeitet er daran, mehr Standards und Automatisierung in die Projekte zu bringen und auch Legacy-Anwendungen mithilfe von KI-Tools zu modernisieren.Er findet moderne Qualitätssicherung und Testautomatisierung besonders faszinierend. Für ihn ist eine stabile „grüne“ Pipeline nach der automatischen Testausführung und ein automatisches Reporting der Ergebnisse das Ziel – und genau das macht ihn glücklich.

Jonas Menesklou ist Mitgründer und Geschäftsführer von AskUI, einem innovativen Tech-Startup, das sich auf KI-gestützte Automatisierungslösungen spezialisiert hat. Mit einem Hintergrund in Softwareentwicklung vom Karlsruher Institut für Technologie verfolgt er die Vision, eine neue Generation von Automatisierungslösungen zu entwickeln. AskUI wird dabei von Unternehmen weltweit genutzt und beschäftigt Mitarbeiter in ganz Deutschland.

Highlights der Episode

• KI kann Legacy-Software ohne klassische Element-IDs automatisiert testen.
• Testfälle lassen sich als einfache Beschreibungen statt als technische Selektoren formulieren.
• Bilderkennung und Sprachmodelle ermöglichen robuste UI-Interaktionen trotz wechselnder Oberflächen.
• Automatisierte Tests reduzieren manuellen Aufwand von Wochen auf wenige Stunden.
• Geschwindigkeit und Performance bleiben zentrale Herausforderungen der KI-basierten Testautomatisierung.

Legacy-Testautomatisierung mit KI: Wie die Deutsche Bahn alte Software effizient testet

Warum Legacy-Systeme Kopfzerbrechen bereiten

Jedes große Unternehmen hat sie: Legacy-Systeme. Sie sind alt, laufen oft stabil, aber werden mit den Jahren immer schwerer zu warten und zu testen. Besonders kritisch wird es, wenn neue Anforderungen entstehen, etwa bei Automatisierung. Die Deutsche Bahn steht vor genau dieser Herausforderung. Dort nutzen Mitarbeiter im Fernverkehr mobile Kassensysteme, die nicht von Grund auf im eigenen Haus entwickelt wurden. Wie Umar Usman Khan erklärt, handelt es sich um eine Android-basierte Applikation mit Windows und .NET 6. Element-IDs fehlen, Standard-Tools wie Appium und Selenium greifen ins Leere. Zwei bis drei Wochen manuelles Testen mit drei Personen sind die Folge - Zeit, die im schnelllebigen Alltag fehlt.

KI als Gamechanger für die Testautomatisierung

Doch Aufgeben ist keine Option. Die Lösung: KI unterstütztes Testen mit AskUI. Jonas Menesklou beschreibt, wie der Ansatz fundamental anders funktioniert als herkömmliche Automatisierung: Statt nach Element-IDs zu suchen, analysiert ein Modell Screenshots vom Betriebsystem. Eine Cloud-Inferenz mit Bilderkennung, OCR und LLMs erkennt Buttons und Felder rein visuell – ganz unabhängig vom Code darunter. Die Beschreibung im Testfall reicht: „Klick auf den grünen Login-Button links oben.“ Die KI findet das Element, wie ein Mensch es tun würde. Keine Marker setzen, keine Aufnahmen, keine Referenzen. Die KI versteht das UI über natürliche Sprache und visuelle Merkmale.

Konkrete Umsetzung im Bahn-Alltag

Die Testfälle erstellt das Team in TypeScript oder anderen modernen Frameworks. Die Integration ist flexibel, wie Umar Usman Khan und Jonas Menesklou berichten. Für technisch weniger versierte Anwender gibt es die Option, Testschritte als CSV oder über ein No-Code Tool zu formulieren. Das Modell wandelt natürliche Sprache, wie sie in Testmanagement-Systemen gespeichert ist, direkt in ausführbare Tests um. Einfach Testfall hochladen, ausführen und die KI erledigt den Rest.

Testfälle, die früher zwei Wochen dauerten, laufen jetzt teils in wenigen Stunden durch. So wurden 60 von 270 komplexen Abnahmetests voll automatisiert und lassen sich in rund drei Stunden ausführen statt in Tagen. Bei vollständiger Automatisierung peilt das Team an, über 200 Testfälle in nur anderthalb Stunden abdecken zu können. Die Ressourcenersparnis ist enorm.

Herausforderungen: Geschwindigkeit und Präzision

Die neue Lösung bringt auch Hürden mit sich. Jonas Menesklou und Umar Usman Khan berichten offen von den aktuellen Limits. Die KI-Modelle müssen spezifisch gehostet werden, die Bildverarbeitung kostet Zeit, gerade im Vergleich zu klassischen Tools wie Playwright. Das Startup passt die Modelle laufend an, bringt Caching und Kompression ins Spiel, um die Geschwindigkeit zu verbessern. Wartungsaufwand bei UI-Änderungen bleibt, doch ist dank automatischer Bilderfassung und Training-Support geringer als bei Code-basierten Lösungen. Schwächen wie unscharfe Screenshots lassen sich durch manuelles Nachtrainieren beheben – die KI lernt mit.

Ein weiterer Punkt: Peripherietests, etwa Druckfunktion oder Kreditkartenscanner, sind noch nicht voll automatisiert. Aber der Weg ist klar erkennbar. Schritt für Schritt werden weitere Testbereiche erschlossen.

Mut zur Veränderung zahlt sich aus

Das Beispiel der Deutschen Bahn zeigt: Auch alte Systeme lassen sich mit innovativen Methoden effizient und flexibel testen. KI ermöglicht ganz neue Automatisierungsmöglichkeiten, wo klassische Ansätze scheitern. Wer bereit ist, mit neuen Tools zu experimentieren und offen für Partnerschaft ist, spart Zeit, Ressourcen und bringt Qualität dort voran, wo sie bislang schwer erreichbar war.

Der Weg ist noch nicht zu Ende, doch die ersten Erfolge sprechen für sich. Und wie Richie am Ende der Podcastfolge sagt: Nächstes Jahr schauen wir, wie es weitergegangen ist. Die Reise bleibt spannend.