Schulung – OpenAI Codex – Testautomatisierung & QA

OpenAI Codex für Testautomatisierung und QA

Mit OpenAI Codex Entwicklungsaufgaben delegieren: CLI und Cloud-Agent, AGENTS.md, Sandboxing, Freigaben und PR-Workflows im Team.

Dauer
6 Stunden, ein Termin
Format
Online oder vor Ort
Sprache
Deutsch oder Englisch
Teilnehmende
offene Termine oder exklusiv für Ihr Team
Abschluss
Teilnahmebescheinigung

Überblick

„OpenAI Codex 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 OpenAI Codex nicht abstrakt, sondern an Aufgaben aus Ihrem Arbeitsalltag kennen – mit Beispielen, Übungen und Vorlagen aus dem Bereich Testautomatisierung & QA.

OpenAI Codex ist ein Coding-Agent, der sowohl lokal als Kommandozeilenwerkzeug und IDE-Erweiterung als auch als Cloud-Agent arbeitet. Lokal liest Codex Ihr Repository, schlägt Änderungen vor und führt Befehle in einer abgesicherten Umgebung aus. In der Cloud bearbeitet Codex delegierte Aufgaben parallel in isolierten Containern und liefert die Ergebnisse als nachvollziehbare Diffs oder Pull Requests. In diesem kompakten Training lernen Sie, beide Arbeitsweisen sinnvoll zu kombinieren und Aufgaben so zu schneiden, dass der Agent sie zuverlässig erledigt.

Zentrale Themen sind Steuerung und Sicherheit: Mit AGENTS.md geben Sie Codex Projektwissen, Build- und Testbefehle sowie Konventionen mit. Sie konfigurieren Freigabemodi und Sandboxing, damit der Agent nur das tut, was Sie erlauben, und richten Cloud-Umgebungen mit passenden Setup-Skripten ein. Außerdem binden Sie Codex in Ihre Pull-Request-Workflows ein, nutzen automatisierte Code-Reviews und entwickeln Regeln dafür, welche Aufgaben im Team delegiert werden und wie die Ergebnisse vor dem Merge geprüft werden.

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 setzen Codex lokal und in der Cloud gezielt für passende Entwicklungsaufgaben ein.
  • Sie schreiben eine AGENTS.md, die den Agenten zuverlässig durch Ihr Projekt führt.
  • Sie konfigurieren Freigabemodi und Sandboxing passend zu Ihren Sicherheitsanforderungen.
  • Sie delegieren Aufgaben an den Cloud-Agenten und prüfen die Ergebnisse systematisch.
  • 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

Modul 1 Codex im Überblick: CLI, IDE und Cloud
  • Arbeitsweisen von Codex lokal und in der Cloud vergleichen
  • Codex CLI installieren, anmelden und im Repository starten
  • Interaktive Sitzungen, nicht-interaktive Ausführung und Modellwahl
  • Geeignete und ungeeignete Aufgaben für einen Coding-Agenten unterscheiden
Modul 2 Projektwissen mit AGENTS.md
  • AGENTS.md mit Build-, Test- und Lint-Befehlen aufbauen
  • Konventionen, Architekturhinweise und Verbote präzise formulieren
  • Verschachtelte AGENTS.md-Dateien für Monorepos und Teilprojekte nutzen
  • Wirksamkeit prüfen und Anweisungen iterativ verbessern
Modul 3 Sandboxing, Freigaben und Sicherheit
  • Freigabemodi von nur lesend bis weitgehend autonom bewusst wählen
  • Sandbox-Grenzen für Dateisystem und Netzwerkzugriff verstehen
  • Umgang mit Secrets, Abhängigkeiten aus dem Internet und Prompt Injection
  • Konfigurationsdateien für Team-Standards und sichere Voreinstellungen
Modul 4 Aufgaben an den Cloud-Agenten delegieren
  • Cloud-Umgebungen mit Setup-Skripten und Abhängigkeiten konfigurieren
  • Aufgaben mit klarem Ziel, Kontext und Abnahmekriterien formulieren
  • Mehrere Aufgaben parallel starten und Ergebnisse vergleichen
  • Logs und Testausgaben nutzen, um Lösungen nachzuvollziehen
Modul 5 PR-Workflows und Code-Review im Team
  • Ergebnisse als Pull Request übernehmen und nachbessern lassen
  • Automatisierte Code-Reviews durch Codex in GitHub einsetzen
  • Codex in Skripte und CI-Pipelines einbinden
  • Teamregeln für Delegation, Review-Pflichten und Verantwortlichkeiten festlegen
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 haben praktische Programmiererfahrung, arbeiten sicher mit Git und der Kommandozeile und kennen Pull-Request-basierte Workflows. Erfahrung in Softwaretest oder Testautomatisierung sowie Grundkenntnisse in mindestens einer Programmiersprache wie JavaScript, TypeScript, Python oder Java.

Technische Voraussetzungen

Eigener Laptop mit Terminal, Git und Node.js-Laufzeit; ein ChatGPT-Plan mit Codex-Zugang oder ein OpenAI-API-Schlüssel sowie ein GitHub-Konto für die Cloud-Übungen.

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.

Termine & Standorte

Pro Standort schlagen wir Ihnen einen Termin in rund vier Wochen vor. Ihr Wunschtermin ist jederzeit möglich.

  • München Mo, 14. Dezember 2026 6 Std. Anfragen
  • Salzburg Mo, 14. Dezember 2026 6 Std. Anfragen
  • Berlin Mo, 14. Dezember 2026 6 Std. Anfragen
  • Augsburg Mo, 14. Dezember 2026 6 Std. Anfragen
  • Hannover Di, 15. Dezember 2026 6 Std. Anfragen
  • Bremen Mo, 14. Dezember 2026 6 Std. Anfragen
  • Stuttgart Fr, 11. Dezember 2026 6 Std. Anfragen
  • Kaiserslautern Mo, 14. Dezember 2026 6 Std. Anfragen
  • Online Fr, 11. Dezember 2026 6 Std. Anfragen

Häufige Fragen

Wann nutze ich Codex lokal und wann in der Cloud?

Lokal arbeiten Sie interaktiv und eng am Code, etwa beim Debugging oder bei explorativen Änderungen, bei denen Sie jeden Schritt verfolgen möchten. Der Cloud-Agent eignet sich für klar umrissene Aufgaben, die unabhängig ablaufen können, beispielsweise Tests ergänzen oder kleinere Fehler beheben. Mehrere solcher Aufgaben lassen sich parallel starten und anschließend als Pull Request prüfen.

Was gehört in eine gute AGENTS.md?

Eine gute AGENTS.md beschreibt, wie das Projekt gebaut, getestet und geprüft wird, welche Konventionen gelten und welche Bereiche nicht angefasst werden sollen. Sie ist knapp, konkret und aktuell. Hilfreich sind außerdem Hinweise zur Architektur und zu typischen Stolperfallen. Im Kurs entwickeln Sie eine AGENTS.md für ein eigenes Projekt und testen deren Wirkung.

Wie sicher ist es, Codex Befehle ausführen zu lassen?

Codex arbeitet standardmäßig in einer Sandbox mit eingeschränktem Datei- und Netzwerkzugriff und fragt vor riskanten Schritten nach Freigabe. Wie viel Autonomie Sie gewähren, legen Sie über Freigabemodi und Konfiguration fest. Im Kurs lernen Sie, diese Einstellungen bewusst zu wählen und Risiken wie Prompt Injection oder das Ausführen unbekannter Abhängigkeiten zu begrenzen.

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 „OpenAI Codex 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 6 Stunden Live-Training mit Trainer:in, Kursunterlagen, Übungsumgebung und Teilnahmebescheinigung.

Kann ich einen eigenen Wunschtermin angeben?

Ja. Für jeden Standort schlagen wir Ihnen einen Termin in rund vier Wochen vor. Im Anfrageformular können Sie aber jederzeit einen Wunschtermin oder Zeitraum im Freitext angeben – wir prüfen die Verfügbarkeit und melden uns 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 und Kaiserslautern. Auf Wunsch führen wir das Training auch exklusiv für Ihr Team durch.

Kann der Kurs auf unser Team zugeschnitten werden?

Ja. Maßgeschneiderte Kurse kosten ca. 4.500 € mehr, je nach Thema und nach Absprache. Wir stimmen Inhalte, Beispiele und Übungen vorab mit Ihnen ab.

Weitere Kurse für Testautomatisierung und QA

Weitere Kurse zu OpenAI Codex

Alle 32 Kurse zu OpenAI Codex

OpenAI Codex – MünchenOpenAI Codex – SalzburgOpenAI Codex – BerlinOpenAI Codex – AugsburgOpenAI Codex – HannoverOpenAI Codex – BremenOpenAI Codex – StuttgartOpenAI Codex – KaiserslauternOpenAI Codex – Online