Agentisches Testen: Wie KI-Agenten die Qualitätssicherung bei Banken und Versicherern revolutionieren

Die Finanzbranche steht unter massivem Druck: verschärfte Regulierung, beschleunigte digitale Transformation und gleichzeitig knapper werdende Fachkräfte. Während KI bereits in vielen Bereichen der Softwareentwicklung Einzug gehalten hat, etwa im Rahmen des KI-getriebenen Vorgehensmodells „adSCAILE“ von adesso, entsteht nun ein neuer Ansatz, der speziell die Qualitätssicherung revolutionieren kann: agentisches Testen mit KI-Agenten.

Diese Testagenten versprechen, den klassischen Testprozess, von der Testfallerstellung über die Testausführung bis hin zum Defect-Handling, deutlich effizienter zu machen und den menschlichen Testaufwand spürbar zu senken. Erste Einschätzungen gehen von Einsparungen von bis zu 80 % des manuellen Testaufwands aus. Ziel ist dabei ausdrücklich nicht, Menschen zu ersetzen, sondern sie gezielt zu entlasten und in eine neue Rolle zu bringen: vom Testdurchführer zum steuernden Qualitätsentscheider.

Warum der Testaufwand in der Finanzbranche explodiert

Faktor 1: Regulatorik treibt Testpflichten in die Höhe

Insbesondere Banken und Versicherer sehen sich seit einigen Jahren mit deutlich strengeren Compliance-Anforderungen konfrontiert. Regulierungswerke wie DORA und ergänzende BaFin-Vorgaben, die seit Anfang 2025 anzuwenden sind, zielen auf eine höhere Cyber-Resilienz ab – mit unmittelbaren Auswirkungen auf die Software-Qualitätssicherung.

Die Zahl und Komplexität von Cyberangriffen ist erheblich gestiegen. Multi-Vektor-Attacken und KI-gestützte Angriffe zwingen Institute dazu, ihre Anwendungen regelmäßig durch zusätzliche, spezialisierte Tests auf Resilienz und Sicherheit zu überprüfen. Hinzu kommen stark ausgeweitete Nachweis- und Dokumentationspflichten:

• lückenlose Traceability von Anforderungen über Testfälle bis zu Testergebnissen,
• revisionssichere Dokumentation jedes Releases,
• transparente Bewertung von Findings und Defects nach Kritikalität und Risiko.

Das Ergebnis: mehr und häufigere Regressionstests, selbst bei vermeintlich kleinen Änderungen wie Konfigurationsanpassungen oder Patches.

Zusätzlicher Aufwand entsteht durch ausgelagerte Services an IKT-Drittanbieter wie Cloud-Provider oder SaaS-Anbieter. Sie müssen in die eigene Teststrategie integriert, regelmäßig risikobasiert geprüft und die gemeinsamen Tests geplant, koordiniert und dokumentiert werden. Der Testaufwand steigt über alle Bereiche hinweg spürbar an.

Faktor 2: Digitale Transformation und Cloud erhöhen die Komplexität

Klassische Banken und Versicherer – anders als viele Fintechs – betreiben seit Jahrzehnten gewachsene, hochkomplexe Legacy-Landschaften. Host-Systeme, COBOL- oder PL/1-Anwendungen bilden häufig das Rückgrat des Kerngeschäfts. Gleichzeitig sollen moderne Technologien wie Cloud, KI und Microservices nahtlos integriert werden.

Die Folge sind zahlreiche Migrations- und Modernisierungsprojekte („Change the Bank“), bei denen:

• Altsysteme schrittweise modernisiert werden,
• On-Premises-Anwendungen in die Cloud wandern,
• neue Plattformen und Partner eingebunden werden.

Das Beispiel der Commerzbank zeigt diesen Trend: Strategische Partnerschaften mit Google Cloud und Microsoft, die Verlagerung zahlreicher Anwendungen in Cloud-Plattformen und eine schrittweise Modernisierung der IT-Infrastruktur.

Mit dem Gang in die Cloud verändern sich auch die Rahmenbedingungen im Betrieb („Run the Bank“):

• Cloud-Provider gelten als IKT-Drittdienstleister unter DORA und müssen in Informationsregistern geführt, überwacht und getestet werden.
• Eigenentwicklungen in der Cloud und eingekaufte Cloud-Software (SaaS) unterliegen einem Evergreen-Modell: Updates und neue Features werden häufig in kurzen Zyklen eingespielt – oft ohne Einflussmöglichkeit oder frühe Detailinformationen für den Kunden.

Für Banken und Versicherer bedeutet das: häufigere, umfassende Regressionstests, um sicherzustellen, dass Prozesse und Workflows mit jeder neuen Version weiterhin reibungslos funktionieren. Der Testaufwand wächst auch hier deutlich an.

Faktor 3: Fachkräftemangel bei steigenden Anforderungen

Parallel dazu wirkt ein weiterer, verschärfender Trend: der anhaltende Fachkräftemangel in der IT und im Fachbereich. Banken und Versicherer stehen im Wettbewerb mit Fintechs, Tech-Konzernen und anderen Branchen und sehen sich zugleich mit Kostensenkungsprogrammen konfrontiert.

• Immer mehr Testaufgaben müssen von immer weniger Mitarbeitern übernommen werden.
• Es fehlen IT-Experten, die methodisches Test-Know-how mitbringen.
• Es mangelt an Fachexperten, die die Business-Logik tief verstehen und neue Anwendungen fachlich bewerten können.

Gerade diese Know-how-Träger sollten möglichst zielgerichtet eingesetzt werden und nicht für zeitaufwändige, repetitive Tätigkeiten wie das manuelle Dokumentieren von Regressionstests. Andernfalls drohen Überlastung, Frustration und letztlich Motivationsverlust.

Warum klassische Lösungsansätze nicht ausreichen

Scheinlösung 1: Testautomatisierung

Seit vielen Jahren versuchen Institute, den steigenden Testaufwand durch Testautomatisierung abzufedern. Die Vorstellung: Testfälle werden einmal automatisiert und lassen sich anschließend jederzeit „auf Knopfdruck“ ausführen. In der Praxis hat sich dieses Versprechen jedoch selten erfüllt.

Zwar gibt es eine Vielzahl etablierter Tools wie etwa Tosca (Tricentis), Playwright (Microsoft) oder Selenium als Open-Source-Lösung. Doch die Realität zeigt:

• Die Einführung von Testautomatisierung ist oft aufwendig und komplex.
• Trotz moderner Features wie Capture & Replay sind Eingriffe in Skripte nötig, die Programmierkenntnisse erfordern.
• Bereits kleine Änderungen an der Anwendung führen dazu, dass automatisierte Tests scheitern und aufwendig angepasst werden müssen.

Nicht selten fällt die Bilanz ernüchternd aus: Der Aufwand für Aufbau und Wartung der Testautomatisierung übersteigt den tatsächlichen Nutzen und die erzielten Zeiteinsparungen. Entsprechend haben viele Banken und Versicherer entweder schlechte Erfahrungen gemacht oder setzen Automatisierung nur noch sehr selektiv für klar abgegrenzte Szenarien ein.

Scheinlösung 2: Outsourcing

Eine weitere häufig genutzte Option ist das Outsourcing von Testaktivitäten an Near- oder Offshore-Zentren. Ziel: Kosten senken und Kapazitäten kurzfristig erweitern. Doch auch hier zeigt die Praxis Grenzen:

• Abstimmung und Koordination über Zeitzonen hinweg sind aufwendig.
• Sprach- und Kulturbarrieren erschweren eine enge, fachlich präzise Zusammenarbeit.
• Für komplexe bankfachliche Fragestellungen bleibt der Bedarf an internen Experten weiterhin hoch.

Kurz gesagt: Weder klassische Testautomatisierung noch reines Outsourcing lösen den strukturellen Zielkonflikt aus wachsendem Testaufwand, regulatorischem Druck und begrenzten Ressourcen nachhaltig.

KI-Agenten als nächste Evolutionsstufe im Testen

Was KI-Agenten auszeichnet

Mit der rasanten Entwicklung von Large Language Models (LLMs) und generativer KI rückt eine neue Generation von Systemen in den Fokus: KI-Agenten. Sie gehen über klassische KI-Anwendungen deutlich hinaus:

• Sie agieren wie virtuelle Mitarbeiter,
• sind proaktiv, können in Teams zusammenarbeiten,
• lernen neue Fähigkeiten und verbessern sich kontinuierlich,
• lassen sich darauf trainieren, andere Software gezielt zu verwenden.

Viele Banken und Versicherer nutzen bereits KI-Assistenzsysteme nach dem Vorbild von ChatGPT, die intern betrieben werden und vertrauliche Daten schützen. Der nächste Schritt ist nun, diese Fähigkeiten gezielt in der Qualitätssicherung einzusetzen.

„adesso test agents“: Agentisches Testen in der Praxis

adesso hat auf diese Entwicklungen reagiert und mit „adesso test agents“ eine eigene Lösung für agentisches Testen entwickelt. Dahinter verbirgt sich ein agentisches Framework, das in beliebige Cloud-Umgebungen – etwa Google Cloud, Microsoft Azure oder AWS – deployt werden kann und darüber KI-Agenten für Testaufgaben bereitstellt.

Wie die Test-Agenten arbeiten

Das Grundprinzip: Ein Team virtueller Tester (KI-Agenten) wird von einem übergeordneten Orchestrator-Agenten – dem „Team Lead“ – gesteuert. Gemeinsam unterstützen sie menschliche Tester entlang des kompletten Testprozesses:

• Ableitung von Testfällen aus Anforderungen und Akzeptanzkriterien,
• Durchführung der Testfälle,
• Erfassung und Beschreibung von Defects.

Dabei gilt: Die KI ersetzt Menschen nicht, sondern arbeitet mit ihnen Hand in Hand. Die größten Einsparpotenziale liegen dabei insbesondere in:

• Integrations- und End-to-End-Tests,
• Regressionstests,
• fachlichen Akzeptanztests,
• Migrations- und Datentests.

In diesen Bereichen fallen traditionell die größten Aufwände an und genau hier können KI-Agenten durch Automatisierung, Standardisierung und Skalierung besonders stark entlasten.

Die Rolle des menschlichen Testers wandelt sich: weg vom manuellen Abarbeiten hin zur Qualitätssicherung auf Metaebene – als Entscheider und Kontrolleur der KI-Ergebnisse.

Human-in-the-loop und Regulierung

Eine vollständige Automatisierung des Testprozesses durch KI-Agenten ist heute weder technisch realistisch noch regulatorisch gewünscht. Der EU AI Act fordert für Hochrisiko-Systeme, wozu Banken und Versicherungen in der Regel zählen, ausdrücklich einen „Human in the Loop“:

• Menschen müssen die Ergebnisse der KI prüfen,
• in KI-unterstützte Workflows eingreifen können,
• Entscheidungen korrigieren oder stoppen können.

Agentisches Testen berücksichtigt diesen Rahmen: KI-Agenten übernehmen die zeitintensiven, repetitiven Aufgaben, während Menschen Verantwortung und Steuerung behalten.

Konkrete Vorteile des agentischen Testens

Im Vergleich zum rein menschlichen Testen, aber auch zu klassischer Testautomatisierung, bietet agentisches Testen eine Reihe handfester Vorteile:

• Einheitliche, hochwertige Testfälle
  KI-Agenten generieren in kürzester Zeit gut strukturierte, einheitliche Testfälle in gängigen Testmanagement-Suiten. Unterschiede im Stil und in der Qualität, wie sie bei mehreren menschlichen Testern üblich sind, werden deutlich reduziert.

• Skalierbarkeit und 24/7-Verfügbarkeit
  Agenten arbeiten theoretisch rund um die Uhr, ohne Pausen oder Ermüdung. Die Anzahl der parallel arbeitenden Agenten lässt sich je nach Bedarf schnell erhöhen – ideal bei Massentests, engen Release-Fenstern oder umfangreichen Regressionstests.

• Nutzung externer Wissensquellen
  KI-Agenten können in Sekundenbruchteilen große Mengen an Kontextinformationen aus Quellen wie Confluence, SharePoint oder anderen Dokumentenbeständen auswerten und in die Testfallgestaltung einfließen lassen – eine Aufgabe, die für Menschen extrem zeitaufwendig wäre.

• Robustheit gegenüber Änderungen
  Im Gegensatz zu klassischen Automatisierungsskripten (Playwright, Selenium, Tosca), die bei kleinsten Änderungen an der Anwendung brechen können, reagieren KI-Agenten deutlich robuster auf UI- oder Prozessanpassungen. Die aufwendige Pflege starrer Skripte entfällt.

Architektur und Integration von „adesso test agents“

„adesso test agents“ ist als flexibles Framework konzipiert:

• Cloud-neutral: Deploybar in unterschiedliche Cloud-Umgebungen (z. B. Google Cloud, Azure, AWS).
• LLM-agnostisch: Je nach Komplexität der Aufgabe, Datenschutzanforderungen und Kosten werden unterschiedliche LLMs genutzt – etwa Modelle der Claude-Serie, Gemini oder OpenAI.
• Nahtlose Integration: Anbindung an bestehende Testmanagement-Tools und Workflows, z. B. via Jira/Xray. Die Agenten können lernen, mit unterschiedlichen Tools zu arbeiten.

adesso hat sich bewusst für eine eigene agentische Testing-Lösung entschieden, statt auf bestehende Produkte zu setzen. Ziel war es, eine Lösung zu schaffen, die sowohl den eigenen Anforderungen als auch den spezifischen Bedürfnissen der Kunden in regulierten Branchen gerecht wird.

Im Unterschied zu vielen bisher verfügbaren agentischen Testtools legt „adesso test agents“ den Schwerpunkt auf eine leistungsfähige agentische Testdurchführung, die:

• komplett ohne gecodete Skripte auskommt,
• echtes User-Verhalten mit Maus- und Tastatursteuerung simuliert („computer-based Ansatz“),
• sich flexibel in unterschiedlichste Test-Toolchains integrieren lässt.

Erste Ergebnisse aus Praxisprojekten

„adesso test agents“ wird bereits in ersten Kundenprojekten eingesetzt, etwa bei einem großen deutschen Versicherer im Rahmen eines Proof of Concept. Dort zeigt sich:

• zeitaufwendige Testfallerstellung und -durchführung werden spürbar reduziert,
• menschliche Tester werden von repetitiven Tätigkeiten entlastet,
• die Testabdeckung steigt, weil deutlich mehr Testausführungen in kürzerer Zeit möglich sind.

Auch in internen Projekten setzt adesso die Test-Agenten ein und sammelt weitere Erfahrungen, um das Framework kontinuierlich zu optimieren.

Fazit: Agentisches Testen als nächste Evolutionsstufe

Die Kombination aus wachsender Regulatorik, komplexer digitaler Transformation und zunehmendem Fachkräftemangel zwingt Banken und Versicherer, neue Wege in der Qualitätssicherung zu gehen. Klassische Testautomatisierung und Outsourcing stoßen dabei zunehmend an Grenzen.

Agentisches Testen mit KI-Agenten markiert den Beginn einer neuen Evolutionsstufe in der Software-Qualitätssicherung:

• repetitive, dokumentationsintensive Aufgaben werden automatisiert,
• menschliche Experten konzentrieren sich auf fachliche Bewertung und Steuerung,
• hohe Testabdeckung und Nachvollziehbarkeit lassen sich auch unter strengen regulatorischen Vorgaben erreichen.

Mit „adesso test agents“ steht Banken und Versicherern bereits heute ein praxiserprobtes Framework zur Verfügung, das genau diese Herausforderungen adressiert und den Weg weist hin zu einer effizienteren, resilienteren und zukunftsfähigen Testorganisation.

Weitere Informationen:

adSCAILE