Schulung · GitHub Copilot · Testautomatisierung & QA

GitHub Copilot für Testautomatisierung und QA

GitHub Copilot professionell nutzen: Completion, Chat, Agent Mode, Coding Agent für Issues und PRs, Code Review und Enterprise-Policies.

Dauer
2 Tage (14 Std.)
Format
Online oder vor Ort
Sprache
Deutsch oder Englisch
Teilnehmende
offene Termine oder exklusiv für Ihr Team
Abschluss
Teilnahmebescheinigung

Überblick

„GitHub Copilot für Testautomatisierung und QA“ ist ein praxisorientiertes Training für Rollen wie Testautomatisierer:innen und SDETs, QA-Engineers und Testmanager:innen und Entwickler:innen mit Verantwortung für Test-Suites. Sie lernen GitHub Copilot nicht abstrakt, sondern an Aufgaben aus Ihrem Arbeitsalltag kennen – mit Beispielen, Übungen und Vorlagen aus dem Bereich Testautomatisierung & QA.

GitHub Copilot hat sich von der reinen Code-Vervollständigung zu einer umfassenden KI-Plattform entwickelt, die den gesamten Entwicklungsprozess begleitet. Im Editor unterstützen Sie Inline-Vorschläge, Next Edit Suggestions und Copilot Chat; im Agent Mode bearbeitet Copilot Aufgaben über mehrere Dateien hinweg und führt Befehle aus. Auf GitHub selbst übernimmt der Coding Agent zugewiesene Issues und liefert Pull Requests. In diesem zweitägigen Training lernen Sie, diese Bausteine gezielt einzusetzen und in Ihren bestehenden Entwicklungsprozess sauber zu integrieren.

Neben der Praxis im Editor geht es um Steuerung und Qualität: Mit Custom Instructions und Prompt-Dateien geben Sie Copilot Projektwissen mit, über MCP binden Sie zusätzliche Werkzeuge an, und mit Copilot Code Review ergänzen Sie den menschlichen Review-Prozess. Für Verantwortliche in Teams und Organisationen behandeln wir Richtlinien auf Organisations- und Enterprise-Ebene, Content Exclusions, Modellfreigaben und Auswertungen der Nutzung. So schaffen Sie die Grundlage für einen sicheren, nachvollziehbaren und wirksamen Einsatz von Copilot im gesamten Unternehmen.

Qualitätssicherung steht unter Druck: Release-Zyklen werden kürzer, Anwendungen komplexer und durch KI-Coding entsteht mehr Code in kürzerer Zeit, der getestet werden will. Testautomatisierer:innen und QA-Engineers profitieren deshalb besonders von KI-Assistenten und Agenten. Diese leiten Testfälle aus User Stories und Akzeptanzkriterien ab, schreiben Playwright- oder Cypress-Tests mit robusten Selektoren, erzeugen API-Tests aus OpenAPI-Spezifikationen, analysieren Flaky Tests und bauen Testdatengeneratoren. Gleichzeitig verändert sich die Rolle: QA wird zur Instanz, die auch KI-generierten Code systematisch absichert. Im Kurs lernen Sie, KI für Testdesign, Automatisierung und Fehleranalyse einzusetzen und Teststrategien an die neue Entwicklungsgeschwindigkeit anzupassen.

Das Training findet live statt – wahlweise online im virtuellen Klassenraum oder vor Ort in unseren Trainingsräumen in München, Salzburg, Berlin, Augsburg, Hannover, Bremen, Stuttgart und Kaiserslautern. Auf Wunsch kommen wir auch exklusiv für Ihr Team zusammen.

Für wen ist das Training?

  • Testautomatisierer:innen und SDETs
  • QA-Engineers und Testmanager:innen
  • Entwickler:innen mit Verantwortung für Test-Suites
  • Fachliche Tester:innen, die in die Automatisierung einsteigen

Typische Herausforderungen, die wir adressieren

  • Instabile End-to-End-Tests mit zeitabhängigen Fehlern und fragilen Selektoren
  • Hoher Aufwand für Testfallerstellung, Pflege und Testdaten
  • Lückenhafte Abdeckung von APIs, Grenzfällen und Fehlerszenarien
  • Wachsende Mengen an KI-generiertem Code, die gezielt abgesichert werden müssen

Das können Sie nach dem Training

  • Sie nutzen Completion, Chat und Agent Mode von Copilot zielgerichtet für Ihre täglichen Entwicklungsaufgaben.
  • Sie hinterlegen Projektwissen in Custom Instructions und Prompt-Dateien und verbessern damit die Ergebnisqualität.
  • Sie delegieren geeignete Issues an den Coding Agent und prüfen dessen Pull Requests sachgerecht.
  • Sie integrieren Copilot Code Review sinnvoll in Ihren bestehenden Review-Prozess.
  • Sie leiten Testfälle mit KI systematisch aus Anforderungen ab und automatisieren sie in Playwright, Cypress oder API-Tests.
  • Sie analysieren Flaky Tests und Abdeckungslücken mit KI-Unterstützung und beheben sie nachhaltig.
  • Sie passen Ihre Teststrategie an KI-gestützte Entwicklung an und sichern generierten Code gezielt ab.

Inhalte & Ablauf

Tag 1

Modul 1 Copilot im Editor: Completion und Chat
  • Inline-Vorschläge und Next Edit Suggestions effizient annehmen, ablehnen und steuern
  • Copilot Chat für Erklärungen, Fehlersuche und Testgenerierung nutzen
  • Kontext gezielt über Dateien, Auswahl, Workspace und Chat-Variablen setzen
  • Modellauswahl und Unterschiede zwischen IDEs wie VS Code, Visual Studio und JetBrains
Modul 2 Agent Mode und Erweiterungen
  • Mehrstufige Aufgaben im Agent Mode planen und kontrolliert ausführen lassen
  • Terminalbefehle, Testläufe und Fehlerrückmeldungen in den Agenten-Loop einbinden
  • MCP-Server für zusätzliche Werkzeuge und Datenquellen anbinden
  • Änderungen prüfen, teilweise übernehmen oder zurücksetzen
Modul 3 Projektwissen mit Custom Instructions
  • Repository-weite Instructions für Architektur, Stil und Tests formulieren
  • Pfadspezifische Instructions und wiederverwendbare Prompt-Dateien anlegen
  • Persönliche und organisationsweite Vorgaben sinnvoll kombinieren
  • Instructions anhand der Ergebnisqualität laufend verbessern
Modul 4 Coding Agent und Code Review auf GitHub
  • Issues so formulieren, dass der Coding Agent sie zuverlässig umsetzen kann
  • Pull Requests des Agenten prüfen, kommentieren und iterieren lassen
  • Copilot Code Review als ergänzende Prüfinstanz im PR-Prozess einsetzen
  • Entwicklungsumgebung des Agenten über Setup-Schritte und Actions konfigurieren

Tag 2

Modul 5 Administration, Policies und Sicherheit
  • Lizenzzuweisung und Richtlinien auf Organisations- und Enterprise-Ebene
  • Content Exclusions, Modellfreigaben und Filter für öffentlichen Code
  • Audit-Logs und Nutzungsmetriken für Steuerung und Einführung auswerten
  • Sicherheitsrisiken, Secrets und Verantwortlichkeiten für KI-generierten Code klären
Modul 6 Praxislabor: Testautomatisierung & QA
  • Testfälle aus Anforderungen ableiten
  • Playwright- und Cypress-Tests schreiben
  • Flaky Tests analysieren
  • API-Tests aus Spezifikationen
  • Testdaten generieren
  • Testabdeckung und Mutation Testing
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • Testdaten sollten synthetisch oder wirksam anonymisiert sein, denn Produktionsdaten mit Personenbezug dürfen weder in Testumgebungen noch in Prompts ungeschützt verwendet werden (DSGVO). Zugangsdaten für Testsysteme gehören in Secret-Stores statt in Testcode; in regulierten Bereichen sind zudem Nachvollziehbarkeit und Dokumentation von Testergebnissen, etwa für NIS2- oder Cyber-Resilience-Act-Nachweise, sicherzustellen.
  • Spielregeln für den sicheren KI-Einsatz im Team
  • Ergebnisse prüfen: Fakten, Quellen, Tests und Vier-Augen-Prinzip
  • Persönlicher Umsetzungsplan für die nächsten 30 Tage
  • Offene Fragen, Ausblick und Ressourcen zum Weiterlernen

Praxisszenarien aus Ihrem Bereich

Testfälle aus Anforderungen ableiten

Der Assistent erzeugt aus User Stories und Akzeptanzkriterien strukturierte Testfälle mit Äquivalenzklassen, Grenzwerten und Negativszenarien, auf Wunsch als Gherkin-Szenarien für Behaviour-Driven Development. Lücken in den Anforderungen werden benannt.

Playwright- und Cypress-Tests schreiben

Die KI schreibt End-to-End-Tests mit rollenbasierten Selektoren, Page Objects oder Fixtures, sinnvollem Warten statt fester Pausen und führt sie iterativ aus, bis sie stabil laufen.

Flaky Tests analysieren

Der Agent wertet Testhistorie, Traces, Screenshots und Logs aus, identifiziert Ursachen wie Race Conditions, Testabhängigkeiten oder instabile Testdaten und schlägt nachhaltige Korrekturen vor. Die Ergebnisse fließen in Ihre Teststrategie ein.

API-Tests aus Spezifikationen

Aus OpenAPI-Beschreibungen entstehen API-Tests für Statuscodes, Schemas, Authentifizierung und Fehlerfälle sowie Contract-Tests, die Schnittstellenänderungen zwischen Teams früh sichtbar machen. Die Tests laufen automatisiert in der CI-Pipeline.

Testdaten generieren

Die KI erstellt Generatoren für realistische, synthetische Testdaten, Factories und Seed-Skripte, die Grenzfälle gezielt abdecken und ohne echte personenbezogene Daten auskommen. Datenschutzprobleme in Testumgebungen werden so vermieden.

Testabdeckung und Mutation Testing

Coverage-Berichte und Ergebnisse von Mutation-Testing-Werkzeugen werden ausgewertet, ungetestete Pfade benannt und fehlende Tests gezielt ergänzt, um die tatsächliche Aussagekraft der Suite zu erhöhen. Wirkungslose Tests werden sichtbar.

Mögliche Praxisprojekte im Kurs

Flaky-Test-Report

Ein Skript, das JUnit-XML-Ergebnisse mehrerer CI-Läufe zusammenführt, instabile Tests erkennt und eine priorisierte Liste mit Fehlermustern erzeugt. Die Liste dient als Grundlage für gezielte Stabilisierung.

Testdaten-Generator

Ein CLI, das aus einem Datenbankschema oder JSON-Schema realistische, synthetische Datensätze inklusive Grenzfällen erzeugt. Die Datenmenge und Verteilung lassen sich flexibel konfigurieren.

E2E-Suite für eine Demo-App

Eine Playwright-Testsuite mit Page Objects, visuellen Vergleichen und CI-Integration, die ein KI-Agent für eine bestehende Webanwendung aufbaut. Die Tests laufen parallel und liefern Traces bei Fehlern.

Voraussetzungen

Sie entwickeln regelmäßig Software, arbeiten mit Git und GitHub (Issues, Pull Requests) und nutzen eine moderne IDE. Erfahrung in Softwaretest oder Testautomatisierung sowie Grundkenntnisse in mindestens einer Programmiersprache wie JavaScript, TypeScript, Python oder Java.

Technische Voraussetzungen

Eigener Laptop mit VS Code oder einer JetBrains-IDE, installierter Copilot-Erweiterung und einem GitHub-Konto mit aktiver Copilot-Lizenz; für den Coding Agent wird ein passender Plan benötigt.

Datenschutz & Compliance

Testdaten sollten synthetisch oder wirksam anonymisiert sein, denn Produktionsdaten mit Personenbezug dürfen weder in Testumgebungen noch in Prompts ungeschützt verwendet werden (DSGVO). Zugangsdaten für Testsysteme gehören in Secret-Stores statt in Testcode; in regulierten Bereichen sind zudem Nachvollziehbarkeit und Dokumentation von Testergebnissen, etwa für NIS2- oder Cyber-Resilience-Act-Nachweise, sicherzustellen.

Terminvorschläge

Alle Termine sind Vorschläge – Ihr Wunschtermin ist jederzeit möglich.

  • Do, 26. November 2026 – Fr, 27. November 2026 Online Anfragen
  • Di, 8. Dezember 2026 – Mi, 9. Dezember 2026 Stuttgart Anfragen
  • Di, 19. Januar 2027 – Mi, 20. Januar 2027 Berlin Anfragen
  • Do, 28. Januar 2027 – Fr, 29. Januar 2027 Online Anfragen
  • Mi, 3. Februar 2027 – Do, 4. Februar 2027 München Anfragen
  • Do, 11. Februar 2027 – Fr, 12. Februar 2027 Online Anfragen

Häufige Fragen

Was ist der Unterschied zwischen Agent Mode und Coding Agent?

Der Agent Mode läuft in Ihrer IDE: Sie arbeiten interaktiv mit Copilot, sehen jeden Schritt und geben Befehle frei. Der Coding Agent arbeitet dagegen eigenständig auf GitHub, sobald Sie ihm ein Issue zuweisen, nutzt eine eigene Ausführungsumgebung und legt einen Pull Request an, den Sie anschließend wie den Beitrag eines Teammitglieds prüfen.

Wie stellen wir sicher, dass Copilot unsere Unternehmensrichtlinien einhält?

Auf Organisations- und Enterprise-Ebene lassen sich Funktionen, Modelle und Erweiterungen gezielt freigeben oder sperren. Content Exclusions halten sensible Dateien aus dem Kontext heraus, und Audit-Logs machen die Nutzung nachvollziehbar. Im Kurs zeigen wir, wie Sie diese Hebel mit Datenschutz, Informationssicherheit und internen Coding-Standards zusammenbringen.

Lohnt sich der Kurs, wenn wir Copilot schon länger nutzen?

Ja, gerade dann. Viele Teams nutzen nur die Vervollständigung und lassen Chat, Agent Mode, Custom Instructions und den Coding Agent weitgehend ungenutzt. Der Kurs zeigt, wie Sie diese Funktionen strukturiert einsetzen, Ergebnisse durch Projektwissen verbessern und typische Fehlerquellen vermeiden. Erfahrene Nutzer profitieren besonders von den Abschnitten zu Review und Governance.

Brauche ich Programmierkenntnisse für diesen Kurs?

Grundkenntnisse in einer Programmiersprache sind hilfreich, da Sie generierte Tests lesen, verstehen und anpassen sollten. Fachliche Tester:innen mit wenig Programmiererfahrung profitieren dennoch stark, weil die KI Code erklärt und beim Einstieg in die Automatisierung unterstützt. Die Übungen sind so gestaltet, dass unterschiedliche Vorkenntnisse berücksichtigt werden.

Ersetzt KI die manuelle und explorative Qualitätssicherung?

Nein. KI automatisiert wiederkehrende Aufgaben wie Testfallerstellung, Skripting und Fehleranalyse und schafft so Zeit für exploratives Testen, Risikobewertung und fachliche Abnahmen. Gerade bei KI-generiertem Code wird das kritische Urteil erfahrener QA-Fachleute wichtiger, nicht weniger. Die Verantwortung für Qualität bleibt beim Menschen.

Was kostet die Schulung „GitHub Copilot für Testautomatisierung und QA“?

Die Schulung kostet pauschal 949 € zzgl. gesetzl. MwSt. pro Teilnehmer:in – unabhängig davon, ob sie online oder vor Ort stattfindet. Enthalten sind 2 Trainingstag(e) mit Live-Trainer:in, Kursunterlagen, Übungsumgebung und Teilnahmebescheinigung.

Kann ich einen eigenen Wunschtermin angeben?

Ja. Unsere Terminvorschläge sind eine Orientierung. Im Anfrageformular können Sie jederzeit einen Wunschtermin oder Zeitraum im Freitext angeben – wir prüfen die Verfügbarkeit und bestätigen innerhalb eines Werktags.

Findet der Kurs online oder vor Ort statt?

Beides ist möglich: live online im virtuellen Klassenraum oder vor Ort in München, Salzburg, Berlin, Augsburg, Hannover, Bremen, Stuttgart oder Kaiserslautern. Auf Wunsch führen wir das Training auch exklusiv für Ihr Team durch.

Weitere Kurse für Testautomatisierung und QA

Weitere Kurse zu GitHub Copilot

Alle 32 Kurse zu GitHub Copilot

GitHub Copilot · MünchenGitHub Copilot · SalzburgGitHub Copilot · BerlinGitHub Copilot · AugsburgGitHub Copilot · HannoverGitHub Copilot · BremenGitHub Copilot · StuttgartGitHub Copilot · KaiserslauternGitHub Copilot · Online