03.03.2026 | 1 Bild

Shift Left 2.0: Quality Engineering in der KI-Ära neu gedacht

Künstliche Intelligenz (KI) beschleunigt die Softwareentwicklung rasant. Für Quality Engineers bedeutet das: Sie müssen sich der neuen Geschwindigkeit anpassen und von Wächtern zu Architekten werden.

Sebastian Kranz, Senior Principal Quality Engineering, Slalom Germany

Zu dieser Meldung gibt es:

München, 3. März 2026. Die Softwareentwicklung fühlt sich derzeit an wie eine Fahrt im Hochgeschwindigkeitszug, bei der niemand weiß, ob die Gleise schon fertig verlegt sind. Generative KI verspricht nie dagewesene Beschleunigung: Funktionen werden auf Zuruf implementiert, Logik entsteht in Sekunden. Bei genauerem Hinsehen entpuppt sich der vermeintliche Turbo oft als Risiko-Multiplikator. Denn wo ein probabilistisches System – also KI, die mit Wahrscheinlichkeiten arbeitet – auf deterministische Qualitätsansprüche trifft, entsteht Reibung. „Wir erleben gerade einen fundamentalen Paradigmenwechsel. Quality Engineering bedeutet nicht mehr, am Ende des Fließbandes zu prüfen. Quality Engineers haben künftig die Aufgabe, KI-gestützte Umgebungen zu schaffen, in der Qualität von Anfang an entsteht”, erklärt Sebastian Kranz, Senior Principal Quality Engineering beim Technologieberatungsunternehmen Slalom Germany. In diesem neuen Ökosystem müsse dem Experten zufolge der Quality Engineer zum Context Architect werden, der die Strukturen entwickelt, in denen KI-Agenten valide Ergebnisse liefern können.

Shift Left 2.0: Qualität noch vor der ersten Codezeile

Die Architektur für beherrschbare KI-Agenten beruht auf fünf strategischen Säulen: Custom Instructions, Prompt Files, Agent Skills, Custom Agents und MCP-Server. Das Fundament bilden Custom Instructions – die Definition der „Persönlichkeit“ und Regeln für KI-Assistenten. Hier vollzieht sich die Geburt von Shift Left 2.0. Während das klassische „Shift Left“ verlangt, früher zu testen, verschiebt sich die Qualitätssicherung nun direkt in die Konfiguration des Erzeugers, noch bevor die erste Zeile Code generiert wird. Früher standen Coding-Guidelines in statischen Wikis, die von kaum jemandem gelesen wurden. Heute werden diese Richtlinien als Custom Instructions direkt in die Repository-Konfiguration gegossen, als „Betriebssystem“ für KI-Assistenten. „Explizite Anweisungen verhindern, dass veraltete Muster genutzt oder instabile Verfahren angewandt werden. Die Governance wird damit vom bloßen Dokument zum aktiven Filter, der Qualität proaktiv erzwingt”, sagt Kranz. Ergänzt werden die Regeln durch Prompt Files – wiederverwendbare Wissenskapseln für wiederkehrende Aufgaben, die das destillierte Expertenwissen des Teams konservieren und automatisch anwendbar machen.

Von der Kommunikation zur Orchestrierung

Ein einfacher Chatbot, der nur Text generiert, reicht für modernes Quality Engineering nicht aus – gefragt ist Handlungsfähigkeit. Agent Skills verwandeln Worte in Taten: Sie ermöglichen es KI-Assistenten, den gesamten Workspace semantisch zu analysieren, Terminals zu bedienen, Tests selbstständig auszuführen und Fehlermeldungen direkt zu interpretieren. „Der KI-Assistent wird zum autonomen Partner, der Code nicht nur vorschlägt, sondern auch die Auswirkungen seiner Vorschläge validiert. Für Quality Engineers bedeutet das: Sie müssen lernen, diese Systeme zu orchestrieren”, betont Kranz. Parallel dazu helfen Custom Agents bei speziellen Aufgaben: Ein Security-Agent kennt nur Schwachstellen-Datenbanken, ein Accessibility-Agent fokussiert rein auf Barrierefreiheit. Die Arbeitsteilung reduziert das Rauschen und die Gefahr von KI- Halluzinationen. Quality Engineer können je nach Projektphase den passenden Experten-Agenten für tiefgehende, fachlich korrekte Analysen konsultieren.

MCP-Server: Die Brücke zur Realität

Die mächtigste Komponente in der neuen Architektur ist jedoch das Model Context Protocol (MCP). Standardmäßig leben KI-Modelle in Isolation – sie kennen nur den Text, den man ihnen gibt. MCP durchbricht diese Isolation und gibt Agenten virtuelle Hände und Augen außerhalb der Entwicklungsumgebung. Quality Engineers können KI-Assistenten über MCP-Server mit externen Systemen verbinden. Datenbank-Server ermöglichen es, Testdaten direkt zu validieren, Browser-Automatisierungs-Server gewähren Zugriff auf den Accessibility-Tree einer Webseite, Issue-Tracking-Server gleichen Fehlermeldungen mit bekannten Bugs ab. „MCP verwandelt den Assistenten von einem isolierten Text-Generator in einen integrierten Mitarbeiter mit Zugriff auf die gleiche Infrastruktur wie ein menschlicher Entwickler“, erklärt Kranz. In der Praxis bedeutet das, dass der Agent beispielsweise wie ein blinder Nutzer navigieren und Accessibility-Tests generieren kann, die auf echten Strukturen basieren, statt auf visuellen Vermutungen. Diese Integration schafft die Grundlage für autonome Qualitätssicherung in Echtzeit.

Architektur vor Ausführung: Der ROI der Transformation

Die Transformation vom reaktiven Tester zum proaktiven Context Architect erfordert Umdenken – zahlt sich laut Slalom Germany aber messbar aus. Wer Custom Instructions definiert, Prompt Files kuratiert und MCP-Server integriert, entwickelt ein System, das Skalierbarkeit und Präzision vereint. Die Time-to-Quality sinkt drastisch, weil Fehler durch Shift Left 2.0 vermieden werden, bevor sie überhaupt entstehen. „Der entscheidende Unterschied liegt darin, dass Qualität nicht mehr nachträglich hinzugefügt wird, sondern systemimmanent ist. Bei unseren Kunden sehen wir, dass Teams mit dieser Architektur schneller liefern und über nachhaltig robustere Systeme verfügen“, berichtet Kranz. Die Zukunft des Quality Engineering gehört dem Experten zufolge nicht denjenigen, die die besten Prompts schreiben, sondern denjenigen, die den besten Kontext bauen. In einer Welt, in der KI-Agenten zunehmend autonom agieren, wird der Context Architect zur Schlüsselrolle – als Gestalter jener Umgebungen, in denen Maschinen verlässlich im Sinne menschlicher Qualitätsansprüche arbeiten.

Seite drucken Link mailen

Über Slalom Germany

Slalom ist ein führendes, international tätiges Technologieberatungsunternehmen, mit Hauptsitz in Seattle, Washington. Mitarbeiter in 53 Büros und 12 Ländern helfen Kunden weltweit, mit menschenzentrierten End-to-End-Lösungen in den Bereichen Cloud, Künstliche Intelligenz und Daten, echte Geschäftswerte zu generieren.

Mit über 244 Projekten, für mehr als 106 Kunden, ist Slalom Germany seit 2022 ein vertrauenswürdiger Partner großer und mittelständischer Unternehmen in der DACH-Region. An den Standorten München, Düsseldorf und Frankfurt am Main arbeiten rund 200 Mitarbeiter an der digitalen Transformation von Geschäftsmodellen und Arbeitsorganisationen, um Effizienzen zu erhöhen, nachhaltiges Wachstum zu erzielen und Mehrwerte für Kunden zu schaffen.

Für weitere Informationen siehe: www.slalom.com, LinkedIn oder Instagram.

Sebastian Kranz

Sebastian Kranz, Senior Principal Quality Engineering, Slalom Germany

Typ

png

Name	Maße	Größe
Original	1024 x 1173	2 MB
Small	600 x 688	562,2 KB
Custom	x

Maße

Größe

Original

1024 x 1173

2 MB

Small

600 x 688

562,2 KB

Custom