TestMu AI bietet geschlossenen Prozess von der Quelle bis zur Entscheidung in Kane CLI und führt jede Anforderung mit portablen Nachweisen bis zur Versandentscheidung

TestMu AI (ehemals LambdaTest), die weltweit erste auf Agentic-KI basierende Quality-Engineering-Plattform, hat einen geschlossenen Prozess von der Quelle bis zur Entscheidung in Kane CLI, seinem Testtool für natürliche Sprache, eingeführt. Der Prozess basiert auf der Weiterentwicklung eines Browserautomatisierungs-Tools von Kane CLI und führt von der Produktanforderung zur Versandentscheidung. Dabei werden Tests geschrieben und im lokalen Browser ausgeführt, Nachweise gesammelt, die Abdeckung wird anhand der tatsächlichen Ereignisse gemessen und eine Entscheidung wird zurückgegeben.

Wenn KI-Agents Tests schreiben, ausführen und korrigieren, reicht ein grünes Häkchen nicht mehr aus: ein Schritt, in dem nichts geprüft wird, wird genehmigt, ein Test, der anhand einer Spezifikation geschrieben wurde, die sich vor Wochen geändert hat, wird genehmigt, und die Aktion eines Agent, der „fertig“ sagt, ohne überhaupt zu klicken, wird genehmigt. Ein ungerechtfertigtes Häkchen und ein wirklich verdientes Häkchen haben auf jedem Dashboard dieselbe Farbe. Die Zahl steigt, während das Risiko gleich bleibt. Kane CLI schließt diese Lücke: es führt von der Anforderung zur Entscheidung und belegt dabei jeden einzelnen Schritt.

Ein geschlossener Prozess. Von der Quelle bis zur Entscheidung.

Sie geben Kane CLI kein Testskript mehr, sondern Ihre Anforderungen. Neun Phasen bilden eine nachverfolgbare Linie:

Quelle → Geschäftlicher Anwendungsfall → Szenario → Akzeptanzkriterien → test.md → Ausführung → Nachweis → Abdeckung → Entscheidung

In der ersten Hälfte führt die KI das Test-Engineering aus. In der zweiten Hälfte erfolgt der Nachweis. Die Zahl am Ende wird von der Maschine abgelesen, niemals eingegeben, niemals vermutet.

• Alles dient als Quelle. Verweisen Sie Kane CLI einfach auf ein Produktanforderungsdokument, ein Jira-Ticket, eine Confluence-Spezifikation, einen Figma-Frame oder ein Demovideo – kein anderes Tool kann einen Figma-Node oder eine mp4-Datei als Anforderungsquelle nehmen.
• KI entwickelt die Tests und fragt bei Bedarf nach. Sie extrahiert geschäftliche Anwendungsfälle, schlüsselt sie in Szenarien auf und weist jedes Szenario Akzeptanzkriterien zu. Wenn sich zwei Quellen widersprechen, fragt sie, welche der beiden aktueller ist, anstatt selbst Vermutungen anzustellen.
• Lesbare Tests mit eigener Abdeckungsübersicht. Die Ausgabe lautet test.md: reines Markdown, das vom Menschen bearbeitet werden kann, wobei in jedem Schritt angegeben wird, welches Kriterium nachgewiesen wird. Nachverfolgbarkeit ist integriert, keine Tabelle neben den Tests.
• Deterministische Ausführung in einem echten Browser. Die Erstellung ist flexibel und absichtsbasiert. Bei der Ausführung wird eine Aufzeichnung ohne Beteiligung eines LLM abgespielt, sodass jedes Mal dasselbe Verhalten erzielt wird. Autoheal wird nur dann aktiviert, wenn das Produkt wirklich abweicht, und es können mehr als 50 Schritte ausgeführt werden.
• Ein .evidence-Paket pro Ausführung. Kein Screenshot und Protokoll, sondern die gesamte Ausführung: der Agent-Verlauf, das Netzwerk als HAR, das DOM, an dem Abweichungen entstanden sind, die Konsole, das Video und ein Bericht zur Ursache etwaiger Fehler. Es wird als Seite mit verschiedenen Ebenen geöffnet – L0 minimal, L1 Abdeckung und Qualitätssignale, L3 Unterzeichnung, Bestätigung und Hashes für jede Datei.
• Drei Aspekte hinter jedem Häkchen. Evidenzbasiertheit (war die Genehmigung echt), Legitimität (hat wirklich der Agent genehmigt – ein leerer Klick zeigt sich als legit:false) und Determinismus (wird sie reproduziert).
• Eine Abdeckungszahl, die fallen darf. Die Abdeckung wird ausgehend vom Paket berechnet, nicht von dem ausführenden Tool erklärt. Der strenge Modus stuft Tests zurück, die anhand einer zwischenzeitlich geänderten Spezifikation genehmigt wurden. Nur einem Prozentsatz, der abnehmen kann, kann vertraut werden, wenn er steigt.
• Dann unterzeichnet jemand. Abdeckung, Vertrauen, nicht abgedeckte Kriterien und veraltete Quellen fließen in eine Entscheidung ein, versenden oder zurückhalten. Dies ist eine obligatorische Prüfung der Pull-Anforderung, mit beigefügtem Link zu den entsprechenden Nachweisen. Die Maschine erbringt den Nachweis, eine Person trifft die Entscheidung.

„Der Software-Versand involviert nun Agents, die Tests schreiben, sie ausführen, Fehler beheben. Ein grünes Häkchen wurde für eine Welt entwickelt, in der eine Person jede Zeile liest, nicht für einen Agent im Prozess. Kane CLI bringt eine Anforderung bis zur Versandentscheidung und zeigt, dass sie funktioniert. Auf dieser Basis können ein Teamkollege, ein Agent und ein Prüfer eine Entscheidung treffen“, sagte Mudit Singh, Mitgründer und Head of Growth bei TestMu AI.

.evidence ist offen. Das Paket ist nicht in einem Dashboard eingeschlossen. Es ist reines YAML und Markdown, versioniert, in Git diffbar und von Personen, Agents und Prüfern lesbar. Teams können damit arbeiten, ohne Kane CLI implementieren zu müssen, und Pakete werden in CI-Formate wie CTRF und JUnit konvertiert. Das können Sie sich als die PDF der Testnachweise vorstellen.

Über TestMu AI

TestMu AI (ehemals LambdaTest) ist die weltweit erste agentenbasierte, KI-gestützte Quality-Engineering-Plattform, die Teams durch die Kombination autonomer Testfunktionen mit Validierung unter realen Bedingungen dabei unterstützt, Software in einer „AI-first“-Ära sicher zu entwickeln, zu testen und zu veröffentlichen. Weitere Informationen finden Sie auf www.testmuai.com.

Die Ausgangssprache, in der der Originaltext veröffentlicht wird, ist die offizielle und autorisierte Version. Übersetzungen werden zur besseren Verständigung mitgeliefert. Nur die Sprachversion, die im Original veröffentlicht wurde, ist rechtsgültig. Gleichen Sie deshalb Übersetzungen mit der originalen Sprachversion der Veröffentlichung ab.

Originalversion auf businesswire.com ansehen: https://www.businesswire.com/news/home/20260723919779/de/

© Business Wire, Inc.

Aviso legal :
Este comunicado de imprensa não é um documento produzido pela AFP. A AFP não será responsável por este conteúdo. Para mais informações, por favor entre em contato com as pessoas ou entidades mencionadas no comunicado.