Expertengespräche über Software-Testing, Testautomatisierung, KI in der Qualitätssicherung und moderne Entwicklungspraktiken.
KI kann testen, aber kann sie auch die Fehler entdecken, die sie selbst verursacht hat? Erfahrene Tester, die das Geschäft kennen, werden mit zunehmender Verbreitung von KI-generiertem Code an Bedeutung gewinnen, nicht verlieren.
20 Jahre Backoffice hinter den ISTQB-Boards: Was dabei wirklich gebraucht wird und warum Ehrenamt mehr ist als Kaninchenzüchten.
Wenn man ein Problem vorschnell beheben will, ohne es zu verstehen, entsteht dasselbe Problem erneut. Lean-Denken durchbricht diesen Kreislauf und reduziert Verschwendung, die den meisten Teams gar nicht auffällt.
Hartnäckige Qualitätsprobleme löst kein Bericht – ein strukturierter Ein-Tages-Workshop mit allen Stakeholdern schon. Wie das konkret funktioniert.
Langsame Systeme kosten echtes Geld, noch bevor sie überhaupt abstürzen. Ein Schwellenwert von 70 % CPU-Auslastung löst automatische Warnmeldungen aus, isoliert die Grundursache und sorgt dafür, dass Nutzer nie eine 404-Fehlermeldung zu sehen bekommen.
100% Branch Coverage erreicht – und trotzdem noch Bugs gefunden. Was das über Code Coverage als Metrik aussagt und warum Assertions entscheiden.
Unzuverlässige Ende-zu-Ende-Tests und 40 % Zeitverlust durch Wartung: Ein HTML-Attribut, das 2017 hinzugefügt wurde, verhindert das bis heute.
LLM-Tests automatisieren, obwohl kein Ergebnis garantiert ist? Geht – wenn du Determinismus neu definierst und LLMs als Richter einsetzt.
REST, GraphQL, Webhooks, MCP: Zu wissen, welches API-Protokoll hinter deinem System steckt, bestimmt, wie du testest, was du aufspürst und wie viele Tokens du verbrauchst.
Bugs zu vermeiden ist die falsche Strategie. Was Bakterien und Motten über Trends, Hypothesen und Robustheit in Software-Projekten lehren.
Kleine, zielgerichtete KI-Funktionen beim Testen sind effektiver als große Ambitionen. Keyword-Dokumente, Reviews, Übersetzung von Fehlern: Was funktioniert tatsächlich und wo haben LLMs noch Defizite?
Die Mittelschicht der Entwickler bricht weg, wer bleibt, braucht breites Systemverständnis und echte Tiefe statt nur Vibecoding-Routine.
Software ist keine Brücke. Sie kommuniziert mit anderer Software, verändert sich unvorhersehbar – und genau deshalb geht es beim Testen ums Lernen und nicht darum, es gleich beim ersten Mal richtig zu machen.
Homogene Teams bauen Produkte, die nur eine Perspektive kennen. Was das konkret bedeutet und wie Stereotypen im Team aufgebrochen werden können.
Softwarearchitektur ist selten fehlgeschlagen. Karriere-Frameworks, Lieferdruck und unberührte Monolithen prägen deine Codebasis mehr als jedes Designmuster.
Menschen mit Autismus finden in manuellen Regressionstests oft erst richtig Feuer – während andere längst ungeduldig werden. Wie das in der Praxis funktioniert.
Ein Kinderbuch erklärt Softwaretesten mit Drachen und Rittern und begeistert damit Kinder. Eine Zwölfjährige will genau das später machen.
KI-Personas als Dokumentations-Tester: Was ein simulierter Junior-Entwickler mit 1,8 Mio. Tokens verrät, wo Docs wirklich scheitern.