Mehr Code in weniger Zeit – das verspricht KI-gestützte Softwareentwicklung schon heute. Doch was nützt Tempo, wenn niemand mehr genau weiß, ob am Ende auch gute Software dabei herauskommt? Genau diese Frage stand im Zentrum eines Gesprächs auf der Infinite AI Conference 2026, das wir mit Dr.-Ing. Dehla Sokenou geführt haben.
Klar ist: Klassische Testverfahren stoßen an ihre Grenzen, sobald LLMs mit im Spiel sind. Deterministisches Verhalten, auf das sich Qualitätssicherung seit Jahrzehnten stützt, gibt es bei generativer KI schlicht nicht mehr. Und wenn eine KI die andere testet, stellt sich schnell die Frage: Wer bewertet eigentlich den Bewerter?
Im Interview geht es unter anderem um Ansätze wie LLM-as-a-Judge, um Model Drift im laufenden Betrieb und um die Rolle von Human-in-the-Loop-Verfahren, die zwar sinnvoll, aber nicht skalierbar sind. Besonders spannend: die These, dass klassische Testautomatisierer künftig an Bedeutung verlieren, während explorative Tester und Testspezifizierer wichtiger werden. Und: Wer mit KI wirklich gute Software bauen will, sollte schon vorher ein erfahrener Entwickler gewesen sein.
Wie das im Detail aussieht, welche Rolle Vertrauen dabei spielt und warum ein Chatbot messbar "nett" sein muss, erfährst Du im vollständigen Interview.
Über die Interviewpartnerin:
Dr.-Ing. Dehla Sokenou fühlt sich in allen Phasen der Softwareentwicklung zu Hause, einen besonderen Schwerpunkt bilden allerdings alle Themen rund um Qualitätssicherung und Testen. Bei der WPS ist sie als Test- und Qualitätsmanagerin sowie Softwarearchitektin tätig. Daneben ist sie Sprecherin der GI-Fachgruppe Test, Analyse und Verifikation von Software (TAV).
Das Interview führte David Tielke.
