Wie KI Legacy Apps bei der Deutschen Bahn automatisiert und Tests vereinfacht

Tipp: So viel Geld wird durchs Testen gespart 👈🏻

"Du musst ihm nicht mitgeben, wie dieser Login Button aussieht, sondern das Modell hat vorher gelernt, dass ein Login Button eben aussieht wie ein Login Button und findet dann über den Gesamt Screenshot die Position, wo es gerade ist" - Umar Usman Khan, Jonas Menesklou

In dieser Episode spreche ich mit Jonas Menesklou und Umar Usman Khan über KI-gestützte Tests für Legacy-Anwendungen. Ausgangspunkt: die mobile Kasse der Deutschen Bahn. Die manuelle Abnahme dauerte zwei Wochen, Standard-Tools scheiterten an fehlenden Element-IDs. Mit AskUI geht es visuell: Screenshot, OCR, Bilderkennung und LLM statt klassischer Selektoren. Tests werden in TypeScript beschrieben oder per No-Code aus Testfällen erzeugt. Erste Bilanz: 60 von 270 Fällen laufen in etwa drei Stunden.

Umar Khan ist Lead Quality Engineer bei der Deutschen Bahn Fernverkehr AG.Er verantwortet die Qualitätssicherung und Testautomatisierung in verschiedenen Digitalisierungsprojekten. Seit 2018 arbeitet er daran, mehr Standards und Automatisierung in die Projekte zu bringen und auch Legacy-Anwendungen mithilfe von KI-Tools zu modernisieren.
Er findet moderne Qualitätssicherung und Testautomatisierung besonders faszinierend. Für ihn ist eine stabile „grüne“ Pipeline nach der automatischen Testausführung und ein automatisches Reporting der Ergebnisse das Ziel – und genau das macht ihn glücklich.

Jonas Menesklou ist Mitgründer und Geschäftsführer von AskUI, einem innovativen Tech-Startup, das sich auf KI-gestützte Automatisierungslösungen spezialisiert hat. Mit einem Hintergrund in Softwareentwicklung vom Karlsruher Institut für Technologie verfolgt er die Vision, eine neue Generation von Automatisierungslösungen zu entwickeln. AskUI wird dabei von Unternehmen weltweit genutzt und beschäftigt Mitarbeiter in ganz Deutschland.

Highlights:

• KI kann Legacy-Software ohne klassische Element-IDs automatisiert testen.


• Testfälle lassen sich als einfache Beschreibungen statt als technische Selektoren formulieren.


• Bilderkennung und Sprachmodelle ermöglichen robuste UI-Interaktionen trotz wechselnder Oberflächen.


• Automatisierte Tests reduzieren manuellen Aufwand von Wochen auf wenige Stunden.


• Geschwindigkeit und Performance bleiben zentrale Herausforderungen der KI-basierten Testautomatisierung.

Danke an die Community-Partner des Podcasts:Alliance for Qualification | ASQF | Austrian Testing Board | dpunkt.verlag | German Testing Board | German Testing Day | GI Fachgruppe TAV | Heise | HANSER Verlag | ISTQB | iSQI GmbH | oop | QS-TAG | SIGS-DATACOM | skillsclub | Swiss Testing Board | TACON Credits: Sound | Grafik