Mobile-Menu

Softwarequalität im KI-Zeitalter Wenn die Entwicklung schneller ist als das Testing

Ein Gastbeitrag von Roman Zednik* 6 min Lesedauer

Anbieter zum Thema

Tricentis GmbH

KI beschleunigt die Softwareentwicklung, doch die Qualitätssicherung hält mit dem Tempo oft nicht Schritt. Eine Studie zeigt, welche Risiken daraus für Unternehmen entstehen..

KI verändert nicht nur die Softwareentwicklung, sondern auch die Anforderungen an Testing und Qualitätssicherung.(Bild: © Zamrznuti tonovi - stock.adobe.com)
KI verändert nicht nur die Softwareentwicklung, sondern auch die Anforderungen an Testing und Qualitätssicherung.
(Bild: © Zamrznuti tonovi - stock.adobe.com)

Dadurch verzeichnet jeder Dritte der Befragten in Deutschland Verluste von über einer Million US-Dollar. Um Risiken zu mindern, ist es entscheidend, Qualität und Geschwindigkeit in Einklang zu bringen.

Wie wirkt sich der KI-Einsatz in der Software-Entwicklung auf die Qualität aus? Das ermittelt der aktuelle „Quality Transformation Report“ von Tricentis, für den mehr als 2.500 Führungskräfte und Fachexperten weltweit befragt wurden.

Das Ergebnis zeigt klar: Bestehende Qualitätssicherungssysteme sind dem neuen Tempo nicht mehr gewachsen. Während 68 Prozent der Unternehmen bereits KI in Software-Bereitstellungs-Workflows einsetzen und 36 Prozent die Implementierung von KI-Agenten als größte IT-Priorität betrachten, hinkt die Qualitätssicherung (QA) noch hinterher. In Folge geben 60 Prozent der Studienteilnehmer zu, dass sie regelmäßig Code in die Produktion bringen, der nicht ausreichend getestet wurde. In Deutschland sind es sogar 68 Prozent.

Alarmierend daran ist: QA-Teams nehmen Qualitätsmängel mittlerweile wissentlich in Kauf. Anders als im Vorjahr sprechen sie nicht mehr von versehentlichen Lücken, sondern räumen offen ein, dass sie Code nicht ausreichend testen. Grund dafür ist vor allem der Druck aus dem Management. 32 Prozent der Befragten (Deutschland: 35 Prozent) sehen sich dazu angehalten, Änderungen ungeprüft bereitzustellen. Unternehmen über alle Branchen hinweg priorisieren heute Geschwindigkeit vor Qualität, wobei der größte Druck im Finanzsektor und im Handel herrscht. Unzureichendes Testing ist damit zur bewussten Risiko-Entscheidung geworden, die nicht ohne Folgen bleibt.

Mangelnde Qualität hat ihren Preis

Fast die Hälfte der Unternehmen (45 Prozent, Deutschland: 53 Prozent) verliert wegen mangelhafter Softwarequalität zwischen 500.000 und einer Million US-Dollar im Jahr. Jedes fünfte – in Deutschland sogar jedes dritte – verzeichnet einen Schaden zwischen einer bis fünf Millionen US-Dollar. Die finanziellen Risiken entstehen vor allem durch Sicherheitsverletzungen und Compliance-Verstöße (30 Prozent, Deutschland: 25 Prozent) sowie technische Schulden und Nacharbeitungskosten (28 Prozent, Deutschland: 30 Prozent). Dazu kommt der Verlust von Kunden- und Partnervertrauen (25 Prozent, Deutschland: 19 Prozent). Das Schadensausmaß steigt mit der Unternehmensgröße. So erleiden 40 Prozent der Organisationen mit mehr als 1.000 Mitarbeitenden einen finanziellen Verlust von bis zu fünf Millionen US-Dollar. Bei kleinen Unternehmen mit bis zu 250 Mitarbeitenden sind es lediglich 14 Prozent.

KI-Tempo bringt QA-Systeme an ihre Grenzen

Der Kern des Problems liegt im wachsenden Missverhältnis zwischen Entwicklungs- und Qualitätssicherung-Geschwindigkeit. Viele QA-Teams fühlen sich angesichts der Code-Masse, die dank KI in immer kürzerer Zeit entsteht, geradezu erschlagen. 30 Prozent (Deutschland: 32 Prozent) sagen, dass sie dieses Volumen nicht mehr vollständig testen können. Nur 37 Prozent (Deutschland: 33 Prozent) der Befragten sind überzeugt, dass ihre Teststrategie tatsächlich die kritischsten Risiken für Softwarequalität und Geschäftsergebnis abdeckt. Mehr als sechs von zehn Unternehmen nehmen also gefährliche Lücken in Kauf, die später hohe Folgekosten verursachen können. Dringend gefragt ist daher ein risikobasierter Testing-Ansatz, der es ermöglicht, geschäftskritischen Code zu identifizieren und klar zu priorisieren.

Fragmentierte Tool-Landschaft erhöht die Komplexität

Eine weitere Herausforderung ist die fragmentierte Tool-Landschaft, mit der QA-Teams konfrontiert sind. Zwar haben 48 Prozent der Unternehmen (Deutschland: 49 Prozent) KI intern schon vollständig in den Softwareentwicklungs-Lebenszyklus (SDLC) implementiert. Über die Hälfte (53 Prozent) jongliert aber mit sechs bis zehn separaten KI- oder Automatisierungstools über den gesamten SDLC hinweg.

In Deutschland betrifft dieses Problem sogar mehr als zwei Drittel der Unternehmen (68 Prozent). Die Tool-Vielfalt erhöht die operative Komplexität spürbar. Ein Drittel der Befragten (33 Prozent, Deutschland: 32 Prozent) findet es dadurch schwerer, für gleichbleibend hohe Softwarequalität zu sorgen. Abhilfe schaffen könnte hier ein Plattform-Ansatz, der KI-Agenten für die Qualitätssicherung entlang des gesamten SDLC zentral bereitstellt und orchestriert. So lassen sich QA-Prozesse konsistent steuern und nahtlos KI-gestützt automatisieren – von der Risikoanalyse über die Test-Case-Generierung und Ausführung von Tests bis hin zum Management-Reporting. Mitarbeitende werden dadurch entlastet, behalten aber immer die Kontrolle und treffen strategische Entscheidungen.

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu RZ- und Server-Technik

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Wahrnehmungs-Diskrepanz zwischen C-Level-Management und Operative

Besonders auffällig ist, dass Führungskräfte und operativ tätige Mitarbeiter, die Lage völlig unterschiedlich einschätzen. So gehen mehr als die Hälfte der C-Level-Befragten davon aus, dass ihre Teststrategien die kritischsten Risikobereiche abdecken, aber nur ein Viertel der DevOps-Verantwortlichen und ein Drittel der QA- Manager.

Während die Führungsriege außerdem bereits großes Vertrauen in KI-Tools setzt, sind Mitarbeiter, die real damit arbeiten, deutlich skeptischer. 81 Prozent der C-Level-Executives glauben, dass sie sich auf die Release- und Impact-Entscheidungen von KI-Agenten verlassen können, im Vergleich zu 56 Prozent der QA- und DevOps-Fachleute. Auch bei der Frage, wie gut das eigene Unternehmen aufgestellt ist, um KI-Agenten im SDLC produktiv einzusetzen, zu steuern und zu skalieren, klafft die Einschätzung auseinander: 44 Prozent der Führungskräfte sehen ihr Unternehmen gut vorbereitet, aber nur 23 Prozent der QA- und DevOps-Profis.

Problematisch ist vor allem, dass sich viele Führungskräften dieser Wahrnehmungs-Diskrepanz gar nicht bewusst sind. Fast die Hälfte der C-Level-Befragten (42 Prozent) ist überzeugt, dass Entwicklung und Management auf einer Linie sind – unter QA- und DevOps-Verantwortlichen teilen nur 22 Prozent diese Sicht. Um Risiken zu adressieren ist es daher entscheidend, Awareness in der Führungsriege für die real existierenden Probleme zu schaffen.

KI-Agenten erfordern Governance

Die meisten Unternehmen wollen künftig stärker auf KI-Agenten im SDLC setzen. Für 36 Prozent (Deutschland: 30 Prozent) hat deren Einführung in diesem Jahr höchste IT-Priorität. Umso wichtiger wird es, eine KI-Governance zu etablieren. Es geht nicht mehr nur darum, was KI-Agenten technisch leisten können, sondern wie man zu verlässlichen Ergebnissen kommt, um daraus die richtigen Entscheidungen zu treffen. Die Studie zeigt, dass Unternehmen zunehmend vorsichtiger werden und ihre KI-Agenten kritischer prüfen. Während im Vorjahr noch 48 Prozent der Befragten hohes Vertrauen in KI-Agenten bei release-relevanten Entscheidungen setzten, sank dieser Wert 2026 auf 34 Prozent (Deutschland: 32 Prozent).

Viele der Befragten sehen sich außerdem noch nicht ausreichend vorbereitet, um KI-Agenten und autonomes Testing entlang des SDLC zu managen. Nur 35 Prozent (Deutschland: 33 Prozent) sagen, dass sie dafür sehr gut aufgestellt sind. Als größte Herausforderungen nennen die Unternehmen Sicherheitsbedenken (27 Prozent, Deutschland: 24 Prozent), fehlende Skills und Fachkräftemangel (24 Prozent, Deutschland: 19 Prozent) sowie schlechte Datenqualität (24 Prozent, Deutschland: 26 Prozent).

Über den Autor:
Roman Zednik ist Field CTO bei Tricentis. Außerdem fungiert er als Sprecher und Evangelist auf Events und Branchenveranstaltungen und unterstützt den strategischen Vertrieb.

Zuvor leitete er über neun Jahre lang die internationale Presales Solution Architects Organisation bei Tricentis. Roman Zednik lebt und arbeitet in Wien, Österreich, wo Tricentis ursprünglich auch gegründet wurde.


Sein Fazit lautet: „Je weiter der Einsatz von KI in der Software-Entwickung voranschreitet, desto wichtiger wird es, die Qualitätssicherung zu optimieren. Schon heute gehen Unternehmen bewusst Risiken ein, weil das Testing nicht mehr mit dem KI-Tempo Schritt halten kann.

Mit zunehmenden Automatisierungsgrad in der Entwicklung werden die Lücken immer größer und geschäftsschädigender. Geschwindigkeit und Qualität in Einklang zu bringen ist daher keine reine Engineering-Frage mehr, sondern wird zur Chefsache. Der erste Schritt besteht darin, sich der Diskrepanz zwischen C-Level-Wahrnehmung und operativer Realität bewusst zu werden.

Anschließend sollten Unternehmen die identifizierten Probleme ganzheitlich adressieren. Gefragt sind KI-gestützte QA-Prozesse, die in der Lage sind Software in allen Phasen des KI-gestützten SDLC zuverlässig zu validieren.

Dafür eignet sich ein Plattform-Ansatz, der KI-Agenten zentral bereitstellt und mit entsprechender Governance und Kontrolle begleitet. Nicht, wer schneller Software entwickelt, wird künftig erfolgreich sein – sondern wer Qualität und Release-Sicherheit im KI-Tempo aufrechterhalten kann.“

Bildquelle: Tricentis

(ID:50954441)

Weiterführende Inhalte