Zu behaupten, KI sei aktuell ein Hype-Thema, wäre etwa so, als würde man Taylor Swift bescheinigen, eine respektable Menge Fans zu haben. Aber gerade dann, wenn ein Hype überzukochen droht, lohnt es sich, ganz bewusst den Blick auf Themen zu lenken, die aus dem Blickfeld zu geraten drohen.

Deshalb brechen wir in diesem Vortrag eine Lanze für das menschliche neuronale Netz ('billions of years in the making!') und präsentieren Softwarefehler, die ein KI-basierter Testgenerator höchstwahrscheinlich nicht finden würde. Diese Beispiele betten wir ein in eine generelle Positionierung von KI im Test - gerne gemeinsam mit dem Publikum.

Zielpublikum: Tester*innen, Entwickler*innen, Testmanager*innen, Projektleiter*innen, Product Owner, Agile Coaches
Voraussetzungen: Testentwurfsmethoden
Schwierigkeitsgrad: Basic

Extended Abstract:
Zu behaupten, KI sei aktuell ein Hype-Thema, wäre etwa so, als würde man Taylor Swift bescheinigen, eine respektable Menge Fans zu haben. Gerade aber dann, wenn ein Hype überzukochen droht, kann es sich lohnen, ganz bewusst den Blick auf Themen zu lenken, die aus dem Blickfeld zu geraten drohen. Deshalb brechen wir in diesem Vortrag eine Lanze für das menschliche neuronale Netz ('billions of years in the making!') und präsentieren reale Softwarefehler aus unseren Projekten, die ein KI-basierter Testgenerator höchstwahrscheinlich nicht finden würde - was wir im Einzelfall begründen und erörtern werden.

Diese Beispiele betten wir ein in eine generelle Positionierung von KI im Test, denn: So verlockend der Traum von einem wirklich intelligenten Assistenten auch im Test sein mag, so ernüchternd ist doch zuweilen die Realität und so notwendig deshalb der kritische und qualitätsbewusste Blick auf KI-generierte Ergebnisse. Dabei reflektieren wir diese 'Bugs' entlang grundlegender Entwurfsmethoden, die etwa im CTFL beschrieben sind - und finden außerdem Zeit für etwas hoffentlich unterhaltsame 'audience participation'.