2026 - AI Assisted E2E-Testing

2026 - AI Assisted E2E-Testing

AI Assisted E2E-Testing - Die zukünftige Art vom E2E-Testing

End-to-End-Tests gelten in vielen Teams als teuer, fragil und schwer wartbar: hoher manueller Testaufwand, neue Features brechen bestehende Funktionalität, und frühere E2E-Initiativen haben oft enttäuscht. Dieser Talk zeigt, wie sich das mit AI und passenden Open-Source-Frameworks ändert.

Die Kernidee lautet People × Testing-Tech × LLM = AI Assisted E2E-Testing. Statt dass Fachvertreter (z. B. Product Owner, Requirements Engineer) und Tech-Vertreter (Software- bzw. Test Engineer) Testfälle und automatisierte Tests getrennt von Hand pflegen, wird die Lücke zwischen Fach und Technik durch AI geschlossen: Fachpersonen schreiben und pflegen Testfälle weiterhin in natürlicher Sprache (z. B. als Markdown-Spezifikation), und AI transformiert diese in robuste, wartbare E2E-Tests. Grundlage dafür ist konsequentes Context Engineering - das Zusammenführen von bestehender Spezifikation, vorhandenen Testfällen und Sourcecode zu einem nutzbaren AI-Kontext.

Am Beispiel eines Online-Shops (digitec) wird der Weg vom klassischen Testdrehbuch über fragile Playwright-Skripte hin zu Stagehand-basierten, sprachgesteuerten und selbstheilenden Tests demonstriert. Der Talk ordnet ein, wann sich natürliche Sprache lohnt und wann nicht (Overhead, Ausführungsgeschwindigkeit), und welche Rolle lokale vs. gehostete LLMs spielen.

Download Slides

AI Assisted Testing Talk.pdf

GitHub Repository

GitHub - bitsmuggler/ai-assisted-e2e-example
Contribute to bitsmuggler/ai-assisted-e2e-example development by creating an account on GitHub.

Test- & Automatisierungs-Frameworks

LLM-Provider

Patrick Roos