ISTQB® Certified Tester - AI Testing (CT-AI)

Preis
Netto: €
MwSt.: €

Preis
Preis auf Anfrage

Dauer
3 Tage

Für Unternehmen und Arbeitsuchende:
dieser Kurs ist zu 100 % förderfähig!

Standort

Kurssprache
englisch

Trainingslösungen
Online Live

Jetzt Beratung vereinbaren Als Favorit speichern Als PDF drucken/speichern

Intelligente Systeme treffen Entscheidungen auf Basis von Daten. Qualitätssicherung muss deshalb Modelle, Trainingsprozesse und dynamisches Verhalten systematisch prüfen. Aktuelles Know-how im Bereich AI Testing verbindet klassische Testmethodik mit Data Science und moderner Softwarearchitektur.

Zentrale Themen

Besonderheiten von KI-Systemen im Testkontext.
Verifikation und Validierung von Machine-Learning-Modellen.
Testdatenmanagement und Datenintegrität.
Erklärbarkeit, Fairness und Bias-Kontrolle.
Teststrategie für adaptive und selbstlernende Systeme.
Governance, Compliance und Risikomanagement.

Voraussetzung
Erfahrung im Softwaretest oder in der Qualitätssicherung; Verständnis grundlegender Entwicklungsprozesse und Testkonzepte.

Zielgruppe
QA Professionals, Testanalysten, IT-Projektleitende, Entwicklerteams, Data Analysts sowie Verantwortliche für KI-gestützte Produkte.

Schluss
Strukturierte Testverfahren für KI schaffen Verlässlichkeit, Nachvollziehbarkeit und Vertrauen in datenbasierte Anwendungen – essenziell für Organisationen, die Innovation verantwortungsvoll gestalten wollen.

Als PDF drucken/speichern

Kursinhalte

Einführung in die Künstliche Intelligenz

KI-basierte und konventionelle Systeme
Eingrenzte KI, allgemeine KI und Super-KI
Verschiedene Arten von KI-Technologien
Generative KI
Hardware für Machine-Learning-Systeme
Entwicklung und Bereitstellung von KI-Modellen
Entwicklungsframeworks für Machine Learning
Vorschriften und Standards für KI

Qualitätsmerkmale für KI-basierte Systeme

KI-spezifische Qualitätsmerkmale
KI und Sicherheit
Akzeptanzkriterien für KI-basierte Systeme

Einführung in das maschinelle Lernen

Verschiedene Formen des maschinellen Lernens
Ablauf des maschinellen Lernens
Vortrainierte Modelle
Feinabstimmung
Retrieval-Augmented Generation

Daten für maschinelles Lernen

Maßnahmen zur Datenaufbereitung

ML-Funktionsleistungskennzahlen für die Klassifizierung

Berechnung von Funktionsleistungskennzahlen für maschinelles Lernen

Neuronale Netze

Aufbau und Funktionsweise eines tiefen neuronalen Netzes
Abdeckungsmaße für neuronale Netze

Test von KI-basierten Systemen

Geschlossene und adaptive KI-basierte Systeme
Begründung für einen statistischen Ansatz beim Testen von KI-basierten Systemen
Testorakel für KI-basierte Systeme

Generative KI und große Sprachmodelle testen

Generative KI testen
Red-Teaming

Teststufen und Systeme des maschinellen Lernens

Teststufen für Systeme des maschinellen Lernens.
Risikobasiertes Testen von Systemen des maschinellen Lernens.

Prüfung von Eingabedaten für maschinelle Lernsysteme

Risiken im Zusammenhang mit Eingabedaten und Maßnahmen zu deren Minderung
Bias-Prüfung
Datenpipeline-Prüfung
Prüfung der Repräsentativität der Daten
Datenbeschränkungstest
Richtigkeitstest der Labels

Funktionstests für maschinelle Lernsysteme

Risiken bei maschinellen Lernmodellen und Maßnahmen zu deren Minderung
Dokumentation und Überprüfung von maschinellen Lernmodellen
Funktionsleistungstests für probabilistische maschinelle Lernsysteme
Adversarische Tests für maschinelle Lernsysteme
Metamorphe Tests
Drift-Tests
Tests auf Überanpassung und Unteranpassung
A/B-Tests
Back-to-Back-Tests

Machine Learning-Entwicklung und -Tests

Risiken bei der Machine Learning-Entwicklung und deren Minderung.
Tests bei der Bereitstellung von Machine Learning-Systemen.

Dein Training wird zu 100% gefördert

Unsere Fördermaßnahmen gelten ausschließlich für Teilnehmende mit Wohn- oder Arbeitssitz in Deutschland. Eine Förderung außerhalb Deutschlands ist nicht möglich.

Für Berufseinsteiger, Arbeitsuchende, Quereinsteiger, Startups, Berufserfahrene, Aufsteiger, Spezialisten, …

Das QCG Programm für alle im Unternehmen

Weitere Informationen

Der Bildungsgutschein für alle Jobsuchenden

Weitere Informationen

Häufig gestellte Fragen

Was ist AI Testing im Kontext von Softwaretests?

AI Testing bezeichnet das systematische Testen von KI-basierten Systemen und Machine-Learning-Modellen. Im Fokus stehen Datenqualität, Modellverhalten, Bias, Nachvollziehbarkeit, Risikoanalyse sowie spezielle Testmethoden für lernende Systeme.

Welche Inhalte werden im ISTQB® AI Testing vermittelt?

Zentrale Themen sind Grundlagen von KI und Machine Learning, Teststrategien für KI-Systeme, Datenvalidierung, Bias-Erkennung, Modellbewertung, Testumgebungen sowie Risiken und Qualitätssicherung für KI-basierte Anwendungen.

Welche Voraussetzungen sind für AI Testing sinnvoll?

Empfohlen werden grundlegende Kenntnisse im Softwaretesting sowie idealerweise eine ISTQB Foundation Zertifizierung. Basiswissen zu Datenanalyse, Machine Learning oder KI-Konzepten erleichtert das Verständnis der Testmethoden.

Für welche Rollen ist AI Testing besonders relevant?

Relevant ist das Thema für Softwaretester, Testmanager, QA Engineers, Data Scientists, AI Engineers, Entwickler sowie Verantwortliche für Qualitätssicherung in KI- oder datengetriebenen Projekten.

Warum wird Testing für KI-Systeme immer wichtiger?

KI-Systeme treffen autonome Entscheidungen und basieren auf Trainingsdaten. Testverfahren müssen deshalb Datenqualität, Modellverhalten, Fairness, Robustheit und Transparenz bewerten, um Risiken, Fehlentscheidungen und Bias zu reduzieren.

Welche Besonderheiten gibt es beim Testen von KI-Systemen?

Im Mittelpunkt stehen Datenabhängigkeit, nicht deterministische Ergebnisse und lernende Modelle. Klassische Testmethoden werden um Verfahren zur Datenvalidierung, Modellbewertung, Bias-Analyse und kontinuierlichen Qualitätssicherung erweitert.

Welche Vorteile bringt eine Zertifizierung im Bereich AI Testing?

Eine Zertifizierung dokumentiert Fachwissen zu Teststrategien für KI-basierte Systeme. Organisationen profitieren von strukturierter Qualitätssicherung, während Fachkräfte Kompetenz in einem stark wachsenden Technologiebereich nachweisen.

Wofür wird AI Testing in Unternehmen eingesetzt?

Einsatzbereiche liegen in Anwendungen mit Machine Learning, etwa automatisierte Entscheidungsprozesse, Bilderkennung, Sprachverarbeitung oder Predictive Analytics. Ziel ist verlässliche Qualität, sichere Systeme und nachvollziehbare KI-Ergebnisse.

Hast du weitere Fragen? Bitte kontaktiere uns.

Centerauswahl *

0800 258 258 055

website@newhorizons.de

Vorname *

Nachname *

Telefonnummer *

Postleitzahl *

E-Mail *

Ich möchte meine Weiterbildung fördern lassen - ich bin zurzeit: *

Firmenname

Deine Nachricht

Hiermit bestätige ich, dass ich den Datenschutzhinweis zur Kenntnis genommen habe. *