M365Con 2027 – die kostenlose Online-Konferenz · 11–22 Jan 2027 · 120 sessions→ m365con.net

Blog · Mirko Peters

Unit-, Integrations- und End-to-End-Tests: Wo KI am meisten hilft

Von · · Aktualisiert

Unit- vs. Integrations- vs. End-to-End-Tests: was jede Art prüft, wie viele Sie schreiben sollten und wo KI am meisten hilft, vom Entwurf von Unit-Tests bis zur Prüfung von Browser-Abläufen.

Automatisch mit KI aus dem Originalbeitrag übersetzt. Englisches Original lesen

Unit- vs. Integrations- vs. End-to-End-Tests sind die Leitfrage jeder Teststrategie für Software: Jede Ebene prüft etwas anderes, kostet unterschiedlich viel und liefert eine andere Art von Sicherheit. Dieser Leitfaden richtet sich an QA-Leads, die gefragt werden, wo KI im Softwaretesting eingesetzt werden sollte. Sie erfahren, was jede Ebene prüft, wie viele Tests jeder Art eine gesunde Testsammlung umfasst, wo KI am meisten hilft und wo sie zusätzliche Risiken birgt. Ein durchgerechnetes Beispiel mit erfundenen Zahlen zeigt, wie ein Team entschieden hat, wo es seinen Aufwand einsetzt.

Das Wichtigste in Kürze

  • Ein Unit-Test prüft ein Stück Code, ein Integrationstest prüft die Verbindung zu etwas außerhalb der Anwendung, und ein End-to-End-Test steuert das bereitgestellte System über dessen Oberfläche.
  • Die Testpyramide empfiehlt, viele kleine, schnelle Unit-Tests zu schreiben, einige gröbere Tests und nur sehr wenige übergeordnete Tests, weil höhere Ebenen langsamer sind und mehr Wartung benötigen.
  • KI ist dort am nützlichsten, wo das Ergebnis klein und leicht zu prüfen ist, etwa beim Entwurf von Unit- und API-Tests, und wo eine Person jeden generierten Test prüfen kann.
  • Von KI generierte Tests können die Testabdeckung aufblähen, ohne das Verhalten zu validieren, etwa wenn Tests Code ausführen, aber nur schwache oder fehlende Assertions enthalten.
  • Behandeln Sie KI-Ergebnisse auf jeder Ebene als Entwurf und behalten Sie das menschliche Urteil für mehrdeutige Abläufe, visuelle Prüfungen und Barrierefreiheitsprüfungen.

Unit-, Integrations- und End-to-End-Tests: was jede Art prüft

Martin Fowlers Artikel The Practical Test Pyramid liefert klare Definitionen.

  • Unit-Tests stellen sicher, dass eine bestimmte Einheit Ihrer Codebasis, der Testgegenstand, wie vorgesehen funktioniert. Sie haben den engsten Geltungsbereich aller Testarten. Diese Ebene des Unit-Testings schreiben Entwickler am häufigsten.
  • Integrationstests prüfen die Einbindung Ihrer Anwendung in Teile, die außerhalb von ihr liegen, etwa eine Datenbank, ein Dateisystem oder einen separaten Dienst. Fowler bevorzugt enge Tests, die jeweils einen externen Integrationspunkt prüfen. Dies ist die Aufgabe des Integrationstestings.
  • End-to-End-Tests testen die bereitgestellte Anwendung über ihre Benutzeroberfläche und decken das gesamte integrierte System ab. Fowler nennt sie Broad-Stack-Tests. Dies ist das End-to-End-Testing.

Der Hauptunterschied zwischen Unit- und Integrationstests liegt im Geltungsbereich: ein Teil des Codes gegenüber der Verbindung zwischen Teilen. Funktionstests und Systemtests prüfen die Software ebenfalls von außen, und E2E-Tests sind die browsergesteuerte Form davon. Legen Sie sich daher auf einheitliche Begriffe fest.

Entwickler schreiben in der Regel Unit-Tests und führen sie bei jedem Commit aus. Den Unterschied merken Sie sich an der Frage, die jede Ebene beantwortet: Ein Unit-Test fragt, ob diese Funktion korrekt ist. Ein Integrationstest fragt, ob wir mit diesem anderen System korrekt kommunizieren. Ein End-to-End-Test fragt, ob ein Benutzer diesen Ablauf abschließen kann.

Wie viele von welcher Art: die Testpyramide

Die Testpyramide ist die übliche Art, dieses Gleichgewicht zu beschreiben. Fowler's Empfehlung lautet, viele kleine und schnelle Unit-Tests zu schreiben, einige grobkörnigere Tests und nur sehr wenige übergeordnete Tests. Er formuliert es als Regel: Je höher die Ebene, desto weniger Tests sollten Sie haben.

Der Grund sind die Kosten. Laut dem Artikel laufen Unit-Tests sehr schnell, Integrationstests sind deutlich langsamer, weil echte externe Komponenten beteiligt sind, und End-to-End-Tests laufen ziemlich langsam. Außerdem erfordern End-to-End-Tests viel Wartung und gelten als notorisch instabil.

Diese Instabilität lässt sich im großen Maßstab messen. Ein Beitrag im Google Testing Blog, Flaky Tests at Google and How We Mitigate Them, berichtet, dass etwa 1,5 Prozent der Testläufe ein instabiles Ergebnis lieferten und knapp 16 Prozent der Tests eine gewisse Instabilität aufwiesen.

Alle drei Ebenen tragen zum Regressionstest bei, weil sie nach jeder Änderung erneut ausgeführt werden.

Fowler warnt außerdem vor der umgekehrten Form, die er als Eistüten-Modell bezeichnet: oben viele manuelle und browserbasierte Tests, unten nur wenige Unit-Tests. Er beschreibt sie als Albtraum in der Wartung, der viel zu lange zum Ausführen braucht. Wenn Ihre Testsammlung so aussieht, wird KI die Form nicht korrigieren. Sie erzeugt womöglich nur schneller mehr der langsamen Tests.

Unit-Tests versus Integrationstests: Wann Sie welche Ebene einsetzen

Der Vergleich von Unit- und Integrationstests von TestRail nennt praktische Unterschiede. Unit-Tests sind schnell umgesetzt und schnell ausgeführt, und sie werden typischerweise von Entwicklern übernommen. Integrationstests binden oft QA-Ingenieure und Tester ein. Unit-Tests verwenden Mocks und Stubs, um externe Systeme zu vermeiden, während sich Integrationstests auf echte Interaktionen konzentrieren, aber weiterhin Mocks nutzen können, wenn ein externer Dienst nicht verfügbar, unzuverlässig oder kostspielig ist.

Die Vorteile von Unit-Tests sind schnelles Feedback, frühzeitiges Erkennen von Fehlern und modularerer Code. Ihre Schwäche: Eine Sammlung von Unit-Tests zeigt nicht, ob die Teile zusammenarbeiten. Genau das ergänzen Integrationstests. TestRail empfiehlt Unit-Tests für isolierte Logik früh in der Entwicklung und Integrationstests für Workflows, die Module, Datenbanken oder Drittanbieterdienste umfassen. Der Artikel beschreibt zwei Wege, Letztere auszuführen: Big Bang, bei dem alles nach der Entwicklung gemeinsam getestet wird und das Debugging schwieriger ist, und inkrementell, bei dem kleine Gruppen schrittweise getestet werden, wodurch sich Probleme leichter eingrenzen lassen.

Fowler gibt eine Regel für die Wahl der Ebene vor: Findet ein Test einer höheren Ebene einen Fehler, und schlägt kein Test einer tieferen Ebene fehl, schreiben Sie einen Test auf der tieferen Ebene. Verlagern Sie Tests so weit wie möglich nach unten in der Pyramide und entfernen Sie übergeordnete Tests, die bereits von tieferen Ebenen abgedeckt sind. Eine umfassende Teststrategie nutzt alle drei Ebenen, wobei sich jede höhere Ebene auf das konzentriert, was die unteren nicht abdecken können.

Zwei verwandte Fragen tauchen häufig auf. Fowler merkt an, dass manche die mittlere Schicht Integrationstests nennen und andere Komponententests, und dass die Einigung auf einheitliche Begriffe wichtiger ist als der Name. Außerdem sagt er, dass Abnahmetests, die die Software aus Sicht der Anwender prüfen, auf jeder Ebene liegen können und deshalb orthogonal zur Pyramide sind. Unit-Tests und End-to-End-Tests sind daher die beiden Enden einer Skala und keine konkurrierenden Schulen.

Diese Tests lassen sich in einer Pipeline leicht automatisieren. TestRail zufolge laufen Unit-Tests in der Regel früh, oft direkt nach einem Push oder Pull Request, und Integrationstests später, sobald die App in einer Staging- oder Testumgebung bereitgestellt ist. Zusammen bilden sie ein Qualitätstor.

Wo KI am meisten hilft

Werkzeuge auf Basis von generativer KI unterscheiden sich, doch in den Empfehlungen der Anbieter zeigt sich ein Muster. Der Parasoft-Artikel zu dem Einsatz von KI beim Softwaretest rät Teams, Unit- und API-Tests zu generieren, solange die Änderungen noch frisch sind. Er nennt KI-Unterstützung beim Erstellen von API-Tests, beim Vorschlagen von Assertions und beim Aufbau von Datenszenarien. Außerdem merkt er an, dass die Service-Virtualisierung, die langsame, kostspielige oder nicht verfügbare Abhängigkeiten simuliert, Integrationstests unterstützt.

Das passt zur Pyramide. Die Gründe sind unsere eigene Schlussfolgerung und keine Messung:

  • Kleine Ausgaben sind leicht zu prüfen. Ein generierter Unit-Test umfasst wenige Zeilen. Ein Reviewer kann ihn lesen, ausführen und in einer Minute entscheiden, ob er das Richtige prüft.
  • Schnelles Feedback deckt schlechte Tests auf. Ein fehlerhafter Unit-Test schlägt schnell fehl oder besteht schnell, sodass Sie das Problem noch am selben Tag finden.
  • Klare Eingaben und Ausgaben. Funktionen und API-Aufrufe haben definierte Eingaben und Ausgaben, daher hat ein Tool ein präzises Ziel.
  • Viele wiederkehrende Fälle. Grenzwerte und Fehlerpfade wiederholen sich im Unit-Testing, und ein Entwurf spart Tipparbeit.

Lassen Sie die KI Entwürfe erstellen, aber übernehmen Sie selbst die Verantwortung: Wer einen generierten Test akzeptiert, ist dafür verantwortlich, was er prüft, genau wie bei einem manuell geschriebenen Test.

Beim Integrationstest kann KI einen Testfall oder Testdaten entwerfen und Abhängigkeiten simulieren. Eine Person muss jedoch festlegen, was der Vertrag mit dem anderen System ist, denn genau diesen Vertrag prüft der Integrationstest.

Auf der Ebene des End-to-End-Tests hilft KI auf andere Weise. Tools, die Schritte in einfacher Sprache im Browser ausführen, können den Aufwand für das Schreiben eines Journey-Tests senken. Sie verringern jedoch nicht den Aufwand für dessen Ausführung, und sie machen eine klare Regel für Bestanden oder Nicht bestanden nicht überflüssig.

Wo KI am wenigsten hilft und worauf Sie achten sollten

Der Parasoft-Artikel benennt die Grenzen deutlich. Er empfiehlt, jede KI-generierte Änderung weiterhin von einem Menschen prüfen zu lassen und KI-Ausgaben als Entwurf zu behandeln. Bei schlechter Nutzung kann KI die Testabdeckung aufblähen, ohne das Verhalten zu validieren. Außerdem warnt der Artikel vor leeren Tests, die Codepfade durchlaufen, aber schwache oder fehlende Assertions haben. Als Warnsignal nennt er Ausgaben, die sich bei gleichen Eingaben von Durchlauf zu Durchlauf verändern. Ergänzend heißt es, KI könne sicherheitskritische Änderungen nicht freigeben oder das menschliche Urteil bei mehrdeutigen Abläufen, visuellen Prüfungen und Barrierefreiheitsprüfungen ersetzen. Im Hinblick auf Daten warnt der Artikel davor, Prompts mit Geheimnissen oder regulierten Daten zu füttern.

Teststrategien, die KI einsetzen, brauchen vier Prüfungen:

  1. Abdeckung steigt, fängt aber nichts ab. Prüfen Sie die Assertions, nicht nur die Abdeckungszahlen.
  2. Tests, die den Code spiegeln. Ein Test, der die Implementierung wiederholt, besteht auch dann, wenn die Logik falsch ist.
  3. Instabile Ausgaben. Ändert sich ein generierter Test zwischen den Durchläufen, fixieren Sie die Version, die Sie geprüft haben.
  4. Daten verlassen das Haus. Fügen Sie keine Geheimnisse, Kundendaten oder regulierten Daten in einen Prompt ein.

Beispiel: Wo ein Team seinen Aufwand einsetzt

Die Zahlen sind frei erfunden.

Ein Team hat 600 automatisierte Tests: 450 Unit-Tests, 110 Integrationstests und 40 End-to-End-Tests. Die Browser-Tests benötigen 50 der 60 Minuten der Pipeline, und sechs davon schlagen jede Woche zufällig fehl.

Der QA-Leiter trifft drei Maßnahmen. Erstens erstellt ein KI-Assistent Entwürfe für Unit-Tests für neuen Code, und ein Entwickler prüft jeden Entwurf. Im ersten Monat erstellt der Assistent 120 Tests. Die Reviewer lehnen 30 davon ab, weil die Assertions schwach sind, sodass 90 in die Suite aufgenommen werden.

Zweitens erstellt KI Testdaten für die Integrationstests, die Verträge bleiben jedoch handgeschrieben.

Drittens erhalten die 40 End-to-End-Tests keine KI-Unterstützung. Der Leiter entfernt sechs Duplikate, die ein schnellerer Test auf niedrigerer Ebene bereits abdeckt, und die Pipeline sinkt von 60 auf 48 Minuten. Der KI-Aufwand floss dorthin, wo das Review am günstigsten ist, und die langsame Ebene wurde kleiner.

Häufige Fehler

  • KI einsetzen, um mehr Browser-Tests zu erstellen. Die langsame, instabile Ebene wächst, und die Pipeline wird langsamer.
  • Generierte Tests ungelesen übernehmen. Schwache Assertions liefern Abdeckung ohne Sicherheit.
  • Erfolg an der Anzahl der Tests messen. Zählen Sie stattdessen die gefundenen Defekte und die eingesparten Minuten.
  • Integrationstests auslassen. Unit-Tests plus einige Journey-Tests können fehlerhafte Verträge zwischen Systemen übersehen.
  • Sensible Daten in Prompts einfügen. Legen Sie eine Richtlinie fest, bevor der erste Prompt geschrieben wird.

Wie Software helfen kann

Ihr bestehendes Test-Framework und Ihr CI-System erfassen bereits Laufzeiten und Fehlerquoten. Beginnen Sie dort und gruppieren Sie die Zahlen nach Ebene. Code-Review-Tools helfen bei den KI-Entwürfen, weil Reviewer den generierten Test direkt neben dem Code sehen. Prüfen Sie Abdeckungswerte immer zusammen mit einer Assertion-Prüfung, damit Abdeckung nicht mit Qualität verwechselt wird. Fügen Sie einen KI-Assistenten zunächst einer einzigen Ebene des Softwaretests hinzu und vergleichen Sie Prüfzeit, abgelehnte Entwürfe und entwischte Defekte, bevor Sie das Pilotprojekt ausweiten.

Nächster Schritt

Zählen Sie Ihre Tests auf jeder Testebene und notieren Sie Laufzeit und Quote instabiler Tests je Ebene. Wählen Sie dann eine Ebene für den KI-Pilotversuch aus und halten Sie fest, was Sie messen werden. So beginnt Ihre nächste Diskussion über Unit- vs. Integrations- vs. End-to-End-Tests mit Daten.

Entitäten in diesem Artikel

Unit testing Integration testing End-to-end testing Generative AI

Verwandte Artikel

RSS