Testorganisation des nächsten Jahrzehnts

Die Testorganisation der Zukunft beschreibt ein Modell, in dem klassische Hierarchien und feste Rollen durch kleine, selbstorganisierte Einheiten ohne Vorgesetzte ersetzt werden. Tester brauchen dabei sogenannte V-Shape Skills: tiefes Expertenwissen kombiniert mit fundiertem Wissen in angrenzenden Bereichen. KI-Werkzeuge und Cloud-Technologie übernehmen Routineaufgaben, während exploratives Testen und Eigenverantwortung an Bedeutung gewinnen.

Das Wichtigste in Kürze

• Vom I-Shape über T-Shape zum V-Shape: Tester brauchen bis 2030 nicht nur Basiswissen in angrenzenden Feldern, sondern tiefgehende Kompetenz in mehreren Bereichen, um flexibel einsetzbar zu bleiben.
• Testorganisationen der Zukunft arbeiten ohne Hierarchie und feste Rollen: Experten finden sich in kleinen Einheiten zusammen, besetzen Projekte eigenverantwortlich und ohne klassische Vorgesetztenstruktur.
• ChatGPT kann heute bereits vollständige Testkonzepte erstellen, Tests durchführen und Livegang-Empfehlungen geben, aber die Ergebnisse müssen von Menschen geprüft werden, weil sie noch nicht durchgängig korrekt sind.
• Exploratives Testen gewinnt an Gewicht, weil es den Bereich abdeckt, den Maschinen und KI nicht zuverlässig beherrschen, vorausgesetzt es wird strukturiert und methodisch durchgeführt.
• Selbstorganisation und Eigenverantwortung werden zur Pflichtanforderung für jeden Tester, weil das hierarchiefreie Modell keine Testmanager mehr vorsieht, die Verantwortung stellvertretend übernehmen.

Warum sich Testorganisationen in den nächsten Jahren verändern müssen

Die Testorganisation der Zukunft wird flacher, vernetzter und technisch anspruchsvoller. Zwei Treiber zwingen sie dazu: KI-Werkzeuge wie ChatGPT und der breite Umstieg auf Cloud-Technologie. Beide nehmen Routinearbeit ab und verschieben die Frage, wofür Tester überhaupt gebraucht werden.

Nicolas Nwabueze ordnet die Lage nüchtern ein. Schon mit dem Aufkommen der Testautomatisierung stand die Sorge im Raum, Tester würden überflüssig. Eingetreten ist das nicht. Genau dieses Muster wiederholt sich mit KI: Die Arbeit verschwindet nicht, aber die Aufgaben und die nötigen Fähigkeiten verschieben sich.

Wer Qualität sichert, sollte sich also weniger fragen, ob eine Maschine die eigene Rolle ersetzt. Die brauchbarere Frage lautet, welche Tätigkeiten an Werkzeuge abgegeben werden können und welche dadurch erst Raum bekommen.

Was ChatGPT im Testprozess heute leisten kann

ChatGPT kann Teile der klassischen Testmanagement-Kette übernehmen, vom Testkonzept über die Testdurchführung bis zur Empfehlung für den Livegang. In einem durchgespielten Beispiel ließen sich diese Schritte tatsächlich mit dem Werkzeug abbilden.

Praktisch nutzen tun das bisher die wenigsten. Eine Faustzahl aus der Praxis: rund 70 Prozent beschäftigen sich mit ChatGPT, aber nur etwa 5 bis 10 Prozent setzen es konkret ein. Der Grund ist Vorsicht, nicht Desinteresse. Die Ergebnisse sind noch nicht zuverlässig genug, um ihnen blind zu vertrauen.

Daraus folgt eine neue Daueraufgabe für das Testmanagement: die Ergebnisse der KI prüfen und validieren. Was ChatGPT liefert, ist ein Vorschlag, kein Beweis. Niemand sollte annehmen, dass alles richtig ist, nur weil es generiert wurde.

Einen klaren Gewinn bringt KI bei Unittests. Diese Arbeit machen Entwickler oft ungern, und genau hier liefert ChatGPT gut. Werden Entwickler an dieser Stelle entlastet, bleibt mehr Zeit für Features. Das adressiert ein bekanntes Spannungsfeld: Wenn alles getestet werden muss, sinkt der Durchsatz an neuer Funktionalität.

Vom I-Shape zum V-Shape: wie sich das Skillset verschiebt

Die Anforderung an Tester bewegt sich von tiefem Einzelwissen zu breiter Anpassungsfähigkeit. Nicolas beschreibt drei Stufen dieser Entwicklung.

Der Unterschied zwischen T-Shape und V-Shape liegt in der Tiefe der Nebengebiete. Beim T-Shape reicht ein Grundverständnis benachbarter Themen. Beim V-Shape ist dieses Wissen substanzieller, sodass du schnell in einen anderen Bereich wechseln und dort echte Arbeit übernehmen kannst.

Der Grund dahinter ist Anpassungsfähigkeit. Wenn ein Testmanager mit etwas Programmierkenntnis plötzlich erlebt, dass die KI ihm Aufgaben abnimmt, hilft ein schmales Profil wenig. Breitere und tiefere Kompetenzen sorgen dafür, dass du an anderer Stelle weiter Wert lieferst.

Konkret heißt das, neue Werkzeuge und Disziplinen ernst zu nehmen. Genannt werden etwa Azure DevOps, das in der Praxis nur wenige beherrschen, und Requirements Engineering, in das Testmanagement künftig stärker einsteigen dürfte.

Zellen statt Hierarchie: ein Organisationsmodell ohne feste Rollen

Das vorgestellte Zukunftsmodell verzichtet auf Rollen und Hierarchie. An die Stelle von Testmanager, Testkoordinator und Tester treten kleine Einheiten, sogenannte Zellen. Experten sammeln sich in diesen Zellen ohne Vorgesetzte, und aus ihnen heraus werden Projekte besetzt.

Eine Studie von Forrester stützt diese Richtung mit einem Vergleich von heutiger und künftiger IT-Organisation entlang von vier Achsen:

• Struktur: heute hierarchisch, künftig klein und nicht hierarchisch.
• Skillset: heute eher generalistisch, künftig stärker spezialisiert.
• Geschwindigkeit: heute durch Hierarchie gebremst, künftig deutlich schneller.
• Reichweite: heute intern für die eigene Firma, künftig auch extern, also als Dienstleistung nach außen.

Der letzte Punkt bedeutet eine stärkere Vernetzung. Ein etablierter Testprozess lässt sich nicht nur intern nutzen, sondern auch anderen Organisationen anbieten. Ebenso können Bereiche von einem Dienstleister für mehrere Auftraggeber bereitgestellt werden.

Das Modell ist mehr als Theorie. Während der Recherche fand sich ein IT-Service-Provider in München, der so bereits arbeitet. Auch im Publikum und am Rande einer Abendveranstaltung meldeten sich Praktiker, die das Vorgehen wiedererkannten. Cassini selbst hat 2019 reorganisiert und die Hierarchie zumindest abgeflacht.

Cloud-Technologie macht Organisationen schneller

Der Umstieg auf die Cloud ist der zweite große Treiber der Veränderung, und er beschleunigt sich. Laut einem Bericht von KPMG sind 84 Prozent der Unternehmen in Deutschland in die Cloud gegangen, vor zehn Jahren waren es 37 Prozent.

Der wichtigste Vorteil ist Tempo. Ein System aus der Cloud wiederherzustellen geht deutlich schneller, als einen lokalen Rechner immer wieder neu aufzusetzen. Schnellere Wiederherstellung bedeutet schnellere Organisation.

Daneben ermöglicht die Cloud erst die Arbeitsformen, die heute selbstverständlich wirken. Remote Work und New Work hängen direkt an dieser Technologie. Gemeinsames Arbeiten an einem Dokument oder am Quellcode funktioniert unabhängig vom Standort.

Ein weiterer Punkt ist der ökologische Fußabdruck. Unternehmen in der Cloud haben tendenziell geringeren Energieverbrauch und niedrigeren CO2-Ausstoß. Für viele Firmen ist der Wechsel auch deshalb attraktiv.

Warum manuelles und exploratives Testen an Bedeutung gewinnt

Manuelles Testen verschwindet nicht, es bekommt einen höheren Stellenwert. Exploratives Testen bleibt eine Domäne des Menschen, weil es Dinge prüft, die Maschinen schlechter erfassen.

Die Logik der Testpyramide bleibt gültig. Vieles lässt sich automatisieren, und KI kann ganze Teststufen übernehmen. Am Ende bleiben aber Tests, die man explorativ und manuell durchführen sollte, ergänzt durch eigene stichprobenartige Prüfungen der KI-Ergebnisse.

Hier liegt ein verbreitetes Missverständnis. In der Praxis dient exploratives Testen oft als Notlösung, wenn man nicht richtig testen will. Künftig geht es um das Gegenteil: gute explorative Tests bewusst zu erarbeiten und strukturiert, methodisch durchzuführen, um Fehler zu finden.

Vielleicht ist das tatsächlich ein Bereich, in dem wir als Menschen noch stärker werden. Es gibt Elemente, die prüft die Maschine nicht so gut. — Nicolas Nwabueze

Wie du dich heute auf diese Zukunft vorbereitest

Einzelne Mitarbeiter können sich schneller anpassen als ganze Unternehmen, und das ist deine Chance. Ein Unternehmen muss große Prozesse umbauen. Für dich als Einzelperson im Testbereich ist der Wechsel auf ein neues Modell deutlich einfacher.

Der erste Hebel ist das Skillset. Der Weg vom I-Shape über T-Shape zum V-Shape heißt konkret: neue Dinge lernen, neue Werkzeuge beherrschen, in angrenzende Disziplinen tiefer einsteigen.

Der zweite Hebel ist die Haltung. Ein Modell ohne Rollen und Hierarchie stellt hohe Ansprüche an Selbstorganisation und Eigenverantwortung. Diese Verantwortung trägt dann nicht mehr ein Testmanager allein, sondern jeder in seinem Bereich. Das liegt nicht jedem, und genau hier lohnt sich die persönliche Weiterentwicklung.

Der dritte Hebel ist der Umgang mit KI. Viele hatten zunächst Angst vor Werkzeugen wie ChatGPT. Nach einem ersten echten Einblick verschiebt sich das spürbar, und sie trauen sich heran. Ein praxisnaher Einstieg ist die Stelle, an der Entwickler ungern testen, etwa Unittests. Den Nutzen kennen viele, ihn tatsächlich heben die wenigsten. Dieser Schritt steht als Nächstes an.