Ziel

"Software-QS im AI Engineering" vermittelt die Methoden und Werkzeuge für eine professionelle Software-Qualitätssicherung in KI-getriebenen Entwicklungsumgebungen. Diese Weiterbildung zeigt, wie Software-QS im AI Engineering funktioniert - von der Qualitätssicherung KI-generierten Codes über das Testen von LLM-Outputs bis hin zum Monitoring von Agentic AI-Systemen in der Produktion. Der Kurs richtet sich an Entwickler und QS-Fachkräfte, die Software-QS im AI Engineering als Kernkompetenz aufbauen möchten.

Inhalte (Auswahl)
  • Software-QS im AI Engineering: Grundlagen & besondere Herausforderungen

  • Testing-Methoden für KI-generierten Code in der Software-QS

  • LLM-Output-Testing & Halluzinationserkennung als Software-QS-Aufgabe

  • Automatisiertes Testing im AI Engineering mit KI-Assistenten

  • Observability & Monitoring als Teil der Software-QS im AI Engineering

  • Clean Code & Refactoring-Standards für KI-generierten Code

  • Risks, Compliance & Responsible AI in der Software-QS

  • CI/CD-Integration für Software-QS im AI Engineering

  • Bug Reporting & Defect Management im AI Engineering

  • Software-QS im AI Engineering als strategische Qualitätskompetenz


Arbeitsweise

Diese Schulung verbindet Software-QS-Methodik mit KI-spezifischen Herausforderungen. Die Fortbildung ist als praxisnahes Seminar konzipiert, in dem Software-QS-Methoden direkt in AI Engineering-Projekten eingesetzt werden.

Kompetenzen (Ergebnis)
  • Software-QS im AI Engineering eigenständig planen & durchführen

  • KI-generierten Code systematisch testen & qualitätssichern

  • LLM-Outputs & Agentic AI-Systeme zuverlässig monitoren

  • CI/CD-Pipelines für Software-QS im AI Engineering aufbauen

  • Software-QS im AI Engineering als strategische Kompetenz verankern

Berufsperspektiven und praktische Anwendung

Software-QS-Kompetenz im AI Engineering ist für Entwickler und QA-Professionals in KI-Unternehmen unverzichtbar. Absolventen sichern die Qualität KI-generierten Codes professionell und positionieren sich als gefragte Experten für Qualitätssicherung in KI-Projekten.

Tools (Beispiele)

GitHub Actions, Jest, Pytest, ChatGPT, Claude, Cursor, Sentry, Docker, LangSmith

Zusammenfassung

Dieser Kurs vermittelt Software-Qualitätssicherung im AI Engineering praxisnah. Teilnehmende lernen, KI-generierten Code systematisch zu testen, zu monitoren und dauerhaft qualitativ hochwertig zu halten.