Manuelle Testfallerstellung und verteiltes Wissen bremsen Teams
Ein europäischer Direktvertrieb für tiefgekühlte Lebensmittel verfolgt das Ziel, interne Prozesse konsequent zu digitalisieren und gleichzeitig ein hohes Qualitätsversprechen abzusichern. Im Qualitätsmanagement zeigte sich dabei konkreter Handlungsbedarf in zwei Bereichen, die für schnelle Releases und stabile Abläufe entscheidend sind.
Zum einen wurden Testfälle bislang manuell aus User Stories in Gherkin-Notation erstellt. Das kostete viel Zeit und erhöhte das Risiko von Fehlern, die bei wiederkehrenden Formulierungen und umfangreichen Story-Backlogs entstehen können. Zum anderen war relevantes Wissen zu Entwicklungsständen, Features und Dokumentationen auf mehrere Systeme verteilt. Informationen lagen in Jira und Confluence, waren jedoch nicht immer schnell auffindbar oder eindeutig zuzuordnen. Die Folge waren längere Suchzeiten, verzögerte Entscheidungen und redundante Abstimmungen zwischen Rollen und Teams.
Das Vorgehen
Zwei KI-Bots als Proof of Concept für das Qualitätsmanagement
Um Machbarkeit und Nutzen pragmatisch zu validieren, wurde ein AI Proof of Concept (PoC) umgesetzt. Ziel war es, zwei klar abgegrenzte Anwendungsfälle mit direktem Bezug zum Qualitätsmanagement in kurzer Zeit produktionsnah erlebbar zu machen.
Gemeinsam mit den Fachbereichen entwickelte CGI zwischen Dezember 2024 und Februar 2025 zwei spezialisierte KI-Bots. Der Knowledge Bot ermöglicht den strukturierten Zugriff auf Informationen aus Jira und Confluence über natürliche Sprache. Mitarbeitende können Fragen wie „Wie funktioniert Feature X?“ stellen und erhalten unmittelbar eine präzise Antwort inklusive Quellenangabe. Damit wird nicht nur die Suche beschleunigt, sondern auch die Nachvollziehbarkeit erhöht, weil die Herkunft der Information sichtbar bleibt.
Parallel entstand der Gherkin Bot, der aus User Stories automatisch strukturierte Testfälle in Gherkin-Notation generiert. Dadurch wird die Testfallerstellung beschleunigt und besser standardisiert. Zusätzlich kann der Bot fehlende Testfälle identifizieren und proaktiv Vorschläge machen, um Lücken in der Testabdeckung frühzeitig sichtbar zu machen.
Die technische Umsetzung erfolgte innerhalb der bestehenden Azure-Infrastruktur des Kunden. Zum Einsatz kamen Azure OpenAI für die Sprachverarbeitung, AI Search für semantische Suche, sowie Azure WebApps und SQL für Bereitstellung und Speicherung. Die Lösung wurde so integriert, dass sie sich in bestehende Workflows einfügt und ohne Medienbrüche nutzbar ist. Ein modularer Aufbau erleichtert zukünftige Erweiterungen, etwa durch zusätzliche Datenquellen.
Die Ergebnisse
Schnellere Entscheidungen, höhere Qualität und weniger Routineaufwand
Der Proof of Concept zeigte, wie KI-basierte Automatisierungen im Qualitätsmanagement konkret entlasten können. Durch den Knowledge Bot verkürzen sich Such- und Abstimmungswege, weil Informationen aus Jira und Confluence gezielter zugänglich sind und Antworten mit Quellenangaben die Orientierung erleichtern. Das unterstützt Teams dabei, schneller zu klaren Entscheidungen zu kommen und Wissensstände konsistenter zu teilen.
Der Gherkin Bot beschleunigt die Dokumentation von Tests und reduziert typische Fehler aus manueller Erstellung. Gleichzeitig verbessert die automatisierte Generierung die Strukturierung von Testfällen und trägt zu einer höheren Testabdeckung bei, weil fehlende Tests sichtbar werden und Vorschläge bereitstehen.
Als Erfolgsfaktor erwies sich die enge, iterative Zusammenarbeit mit den Endanwendern. Feedback wurde zyklisch eingeholt und in die Weiterentwicklung integriert. Das steigerte die Relevanz der Inhalte und die Akzeptanz im Arbeitsalltag. Aufbauend auf dem PoC sind weitere Ausbaustufen vorgesehen, darunter zusätzliche Datenquellen, eine optimierte Benutzeroberfläche und die Skalierung für eine breitere Nutzerbasis.
