Infinite AI Conference 2026 Programm

KI stellt uns, wieder und ganz neu, vor zwei altbekannte Probleme der Softwareentwicklung: “Mach das Richtige” und “Mach es richtig”. Der Fokus von Software und ihrer Qualitätssicherung hat sich historisch verschoben – und KI beschleunigt diese Entwicklung drastisch. Die Frage, ob wir den richtigen Use-Case ausgewählt haben, wird immer wichtiger. Gleichzeitig stehen wir vor einem Dilemma zwischen Anspruch und Möglichkeiten. Einerseits steigen Ansprüche an Interaktionsmodi: Warum muss ich Formulare einreichen und kann nicht mit dem Amts-Bot chatten? Andererseits wird unsere Grundlage wackeliger, da Halluzinationen inhärent und damit unvermeidlich sind. Wie begegnen wir dieser Herausforderung? Die Kernaufgabe professioneller Softwareentwicklung ist immer die gleiche: Werte schaffen, Risiken kontrollieren, Vertrauen herstellen. Damit das gelingt, muss sich Vieles in der Qualitätssicherung ändern, von Rollen über Methoden bis hin zu Metriken, damit das Ziel gleich bleibt: verlässliche Systeme, die das Richtige tun.

KI-gestütztes Testen liegt nahe: ein Prompt, eine Klasse, fertige Tests – klingt einfach. Aber wer es probiert hat, kennt das Ergebnis: oberflächliche Assertions, fehlende Randfälle, Code-Duplikation, Tests die grün werden, aber nichts absichern und schwer wartbar sind. In dieser Session zeige ich, warum ein simples „Schreibe Tests für Klasse X" nicht ausreicht – und was stattdessen funktioniert. Mit Live-Coding demonstriere ich Patterns & Practices, die sich im Entwicklungsalltag bewährt haben: Wie man GitHub Copilot den richtigen Kontext gibt, wie bewährte Design-Patterns und KI sich gegenseitig verstärken – und wie das konkret im Arbeitsalltag aussieht. In einer interaktiven Runde diskutieren wir gemeinsam, wo KI im Testing heute echten Mehrwert bringt, wo die Grenzen liegen und welches Potenzial noch ungenutzt bleibt. Am Ende weißt Du: Hype, Hope – oder doch Game Changer?

Im Jahr 2026 ist KI kein Experiment mehr, sondern integraler Bestandteil der Systemarchitektur. Sie verändert die Softwareentwicklung schneller, als viele Unternehmen darauf reagieren können. KI generiert Code, Agentensysteme greifen aktiv in den Entwicklungsprozess ein und damit verändert sich auch die Rolle des Systemtests grundlegend. Der Systemtest prüft nicht mehr nur, ob Software korrekt funktioniert. Er muss zunehmend bewerten, wie sich Systeme unter realen Bedingungen und mit realistischen Unternehmensdaten verhalten, wenn Teile des Codes von KI erzeugt wurden und Multi-Agenten-Systeme aktiv in den SDLC eingreifen. Luca Ortiz zeigt , wie KI-gestützte Testfallgenerierung aus User Stories funktioniert und warum fachliche Präzision dabei über Schein-Coverage entscheidet. Außerdem beleuchtet er, warum Shift Left kein Schlagwort ist, sondern eine konkrete Entlastung darstellt, wenn KI bereits in der Anforderungsanalyse Inkonsistenzen aufdeckt. Abschließend zeigt er, wohin dieser Ansatz führt: probabilistische Risikomodelle, die Risk-based Testing vom Hammer zum Skalpell machen, und Context Engineering, das Entwicklungszyklen von Wochen auf Stunden verkürzen kann. Das Ziel: Systemtests, die nicht mehr nur Fehler finden, sondern gezielt dort prüfen, wo Systeme am wahrscheinlichsten brechen.

Artificial Intelligence for developers is no longer limited to code generation. It is reshaping the entire Software Delivery Lifecycle. Through practical examples and real tools used by modern DevOps teams, discover how AI is changing the way software teams design, build, and ship products. The impact goes far beyond coding assistants. AI is starting to support many steps of the process, from helping refine backlogs and suggesting architectural approaches to improving testing strategies, optimizing CI/CD pipelines, and providing better insights from production systems.

Maintenance ist heute oft ein Kampf gegen das "Gestern": Veraltete Bibliotheken, undokumentierter Code und Fehlersuche im Nebel. Dieser Vortrag zeigt, wie das Duo aus Azure Copilot und GitHub Copilot den Spieß umdreht. Wir gehen über einfaches Bugfixing hinaus: Wir nutzen die KI für eine präzise Root-Cause Analysis (RCA) in der Cloud, reduzieren gezielt Technical Debt und modernisieren und dokumentieren Altsysteme im Vorbeigehen.