QuAIA – Quality Assurance with Intelligent Agents
EnglishDemo anfragen

Ihr QS-Team verdient bessere Aufgaben

KI-Agenten erledigen die Fleißarbeit. Ihr Team trifft die Entscheidungen.

Ihr Team entscheidet, was zählt und warum. Um das Wie kümmern sich die Agenten: Spezialisierte KI-Agenten arbeiten Ihren gesamten Testprozess ab, von der ersten Anforderung bis zum fertigen Testbericht. Angebunden an Ihr Ticket- und Testmanagementsystem, ohne Testskripte, in Ihrer eigenen Infrastruktur.

  • Keine Testskripte zu pflegen
  • Testet so, wie ein Mensch es tut
  • Lernt von Ihren Fachkräften
  • Bleibt in Ihrer Infrastruktur
Demo anfragenCode auf GitHub ansehen

Open Source unter AGPL-3.0. Mit Prototyp gekennzeichnete Funktionen laufen bereits durchgängig, benötigen aber mehr Tests als andere Funktionen, insbesondere in realen Kundenumgebungen, und unter Umständen zusätzliche Anpassungen.

BeispiellaufIllustratives Beispiel, gekürzt.

  1. Anforderung

    #214Gutschein im Checkout einlösen

    freigegeben

  2. Testfall„Gutschein einlösen“

    VorbedingungEin Artikel liegt im Warenkorb, die Warenkorbseite ist geöffnet

    bestanden

  3. 1Gutscheincode eingeben

    Daten:
    SOMMER10
    Erwartet:
    Die Bestellübersicht zeigt 10 % Rabatt
    bestanden

  4. 2Bestellung abschließen

    Erwartet:
    Die Bestellbestätigung wird angezeigt
    Tatsächlich:
    Fehlermeldung „Bestellung konnte nicht verarbeitet werden“
    fehlgeschlagen

  5. Fehler angelegt#231

    Priorität: Hoch

    Checkout – Bestellung mit Gutschein bricht ab

    Reproduktionsschritte · Erwartetes und tatsächliches Ergebnis · Umgebung: Chrome, Windows 11

    • Screenshot
    • Video

    Mit dem Testfall verknüpft · Kein Duplikat gefunden

Was ist QuAIA?

QuAIA (Quality Assurance with Intelligent Agents) ist ein Open-Source-Multi-Agenten-System. Spezialisierte KI-Agenten reagieren auf das, was in Ihrem Projekt passiert, und arbeiten im gesamten Testprozess Hand in Hand. Ein Orchestrator verteilt die Arbeit, jeder Agent beherrscht eine Aufgabe, und offene Standards (A2A und MCP) lassen sie miteinander kommunizieren und erleichtern die Anbindung Ihrer Werkzeuge.

Code entsteht schneller denn je. Der Test kommt nicht hinterher.

Mit KI-Assistenten liefern Entwickler:innen mehr Code in kürzerer Zeit, und mehr Fehler gleich mit. Beruht der Test noch auf manuellem Klicken und fragilen Skripten, wird er zum Engpass der gesamten Auslieferungspipeline.

KI schreibt den Code. Lassen Sie KI ihn auch testen.

Der ganze Testprozess aus einem System

Verfolgen Sie eine Anforderung von der ersten Prüfung bis zum fertigen Ausführungsbericht. Jede Stufe startet durch ein Ereignis und liefert ihr Ergebnis dorthin, wo Ihr Team schon arbeitet, zum Beispiel in Jira und Zephyr.

  1. Auslöser:Neue Story #214

    Anforderungen prüfen

    Review-Kommentar an #214
    • Festlegen, ob der Gutschein vor oder nach Rabattaktionen greift
    • Währung des Mindestbestellwerts angeben, z. B. 50 EUR
    • Fehlermeldung für abgelaufene Gutscheine festlegen

    Ergebnis in:Jira

  2. Auslöser:Story freigegeben

    Testfälle entwerfen

    Testfall „Gutschein einlösen“
    • Vorbedingung: Artikel im Warenkorb
    • Schritt 1: Code SOMMER10 eingeben → 10 % Rabatt
    • Schritt 2: Bestellung abschließen → Bestätigung angezeigt

    Ergebnis in:Zephyr

  3. Auslöser:Lauf der CI/CD-Pipeline

    Tests ausführen

    Lauf „Gutschein einlösen“
    • Vorbedingung erfüllt
    • Schritt 1: Rabatt angezeigt
    • Schritt 2: Fehlermeldung statt Bestätigung

    Läuft in:Ihrer Anwendung

  4. Auslöser:Schritt fehlgeschlagen

    Fehler melden

    Fehler #231
    • Bestellung mit Gutschein lässt sich nicht abschließen
    • Reproduktionsschritte, Soll und Ist
    • Screenshot und Video angehängt
    • Kein Duplikat gefunden

    Ergebnis in:Jira

  5. Auslöser:Lauf beendet

    Ergebnisse dokumentieren

    Testausführungsbericht
    • 1 Testfall ausgeführt
    • 1 Schritt bestanden
    • 1 Schritt fehlgeschlagen (#231)
    • Screenshots und Protokolle angehängt

    Ergebnis in:Zephyr · Allure

OrchestratorReagiert auf Ereignisse, startet den passenden Agenten und verarbeitet die Ergebnisse.

Kein Chatbot. Ein Team, das anpackt.

Ein Sprachmodell allein weiß viel über das Testen, kann aber nur reden. QuAIA gibt der KI die Mittel zum Handeln. Jeder Agent ist ein Spezialist mit genau den Werkzeugen, die seine Aufgabe braucht, und läuft als eigener Dienst. Der Orchestrator koordiniert sie.

  • Orchestrator

    Die zentrale Koordinationsebene, die aus einzelnen Agenten ein Team macht. Sie registriert die Agenten und überwacht ihren Zustand, versorgt sie bei eingehenden Ereignissen mit den nötigen Informationen, verarbeitet bei Bedarf ihre Ergebnisse und verknüpft mehrere Agenten zu einer durchgängigen Pipeline. Am Ende eines Laufs dokumentiert sie die Ergebnisse samt Evidenzen und erstellt Testausführungsberichte im Testmanagementsystem sowie im HTML-Format (Allure).

  • Anforderungs-Review

    Prüft Anforderungen auf Testbarkeit, Klarheit und Vollständigkeit, nutzt dabei die Projektdokumentation als Wissensbasis und schreibt konkrete Verbesserungsvorschläge als Review-Kommentar an die Anforderung. So unterstützt es einen Shift-Left-Ansatz.

  • Testdesign

    Schreibt Testfälle zu freigegebenen Anforderungen, verbessert sie in einer Refine-Review-Schleife, erkennt bereits vorhandene Duplikate, klassifiziert die überarbeiteten Testfälle und legt sie im Testmanagementsystem ab (z. B. Zephyr oder Xray). Ihre Fachkraft nimmt ab.

  • UI-Testausführung

    Bedient Tastatur und Maus und beobachtet dabei den Bildschirm – wie echte Benutzer:innen, unermüdlich und rund um die Uhr. Keine Skripte, keine Umwege, unabhängig von der UI-Technologie. Fachkräfte überwachen die ersten Läufe und bringen ihm über eine eigene Oberfläche neue Abläufe bei.

  • API-Testausführung

    Testet Schnittstellen so, wie es ein:e Tester:in mit einem Werkzeug wie Postman tun würde, inklusive Prüfung gegen JSON-Schema und OpenAPI-Spezifikation.

  • Fehlerberichte

    Legt bei fehlgeschlagenen Tests Fehlerberichte mit allen nötigen Informationen an, einschließlich Screenshots und Protokollen, sofern dieselbe Fehlerwirkung nicht bereits gemeldet wurde.

Worauf alle Agenten aufbauen

  • Wissensbasis (RAG)

    Gibt allen Agenten Zugriff auf Ihr Projektwissen: Tickets, Confluence-Seiten samt Anhängen und SharePoint-Dokumente, die laufend in eine Datenbank synchronisiert werden. Weitere Quellen lassen sich über Konnektoren anbinden.

  • Sicherheit

    Erkennung von Prompt Injection, Maskierung von Zugangsdaten in Testdaten und authentifizierter Zugriff. Die Sicherheitsarchitektur ist als Code beschrieben und wird in jedem Build geprüft.

  • Offene Standards

    QuAIA setzt auf offene Standards statt auf proprietäre Schnittstellen. Mit A2A (Agent2Agent) sprechen Orchestrator und Agenten eine gemeinsame Sprache. MCP (Model Context Protocol) erleichtert die Anbindung Ihrer Werkzeuge und anderer externer Dienste.

Das Framework ist so aufgebaut, dass sich ein neuer Agent mühelos ergänzen lässt: Alles, was die Agenten gemeinsam brauchen, ist bereits vorhanden, ein neuer muss nur seine eigene Aufgabe beherrschen.

Angebundene Werkzeuge

Unterstützt
Jira
Confluence
Zephyr
Prototyp
SharePoint
Xray
Geplant
Azure DevOps

UI-Testausführung

UI ändern. Sehen, was bricht.

Der UI-Agent führt Testfälle allein über den Bildschirm aus, nicht über den Seitencode. Hier derselbe Checkout und derselbe Test, vor und nach einem Redesign: Das Skript sucht einen Locator im Seitencode, der Agent schaut auf den Bildschirm.

Checkout

Kabellose Kopfhörer
89,00 €
Gutschein SOMMER10
−8,90 €
Gesamt
80,10 €

Skriptbasierter Test

await page.click('#submit-order')

Wartet auf einen Lauf

QuAIA-UI-Agent

Schritt: Bestellung abschließen

Wartet auf einen Lauf

Ein Testfall, jede Sprache, jedes Format

  • Jede Sprache, ohne Übersetzungsdateien

    Bei generierten IDs greifen Skripte auf sichtbare Texte zurück, die dann für jede Sprache in Übersetzungsdateien gepflegt werden müssen. Die Agenten arbeiten mit mehrsprachigen Modellen: Ein Testfall läuft in allen verbreiteten Sprachen, auch wenn die Oberfläche mitten im Lauf die Sprache wechselt.

    Im Testfall
    Bestellung abschließen
    Auf dem Bildschirm
    AbsendenSubmitEnvoyerEnviar送信

  • Jedes Datenformat, ein Datenwert

    Testdaten einmal erfassen, in jeder Form, die ein Mensch versteht. Der Agent gibt sie so ein, wie das jeweilige Feld es erwartet, egal in welchem Datums-, Zeit- oder Zahlenformat, auch wenn ein Redesign das Format ändert. Keine Duplikate, kein Umformatieren.

    In den Testdaten
    6. November 2026
    Wie das Feld es erwartet
    06.11.202611/06/20262026-11-066 Nov 2026

Einmal zeigen. Nie wieder erklären.Prototyp

Gewöhnliche KI vergisst alles, sobald eine Anfrage endet. Die Agenten von QuAIA lernen wie neue Kolleg:innen im Team: motiviert, schnell von Begriff, nur mit Ihrer Anwendung noch nicht vertraut. Beim ersten Mal läuft ein Testfall beaufsichtigt: Wo der Agent einen Ablauf noch nicht kennt, etwa das Anmelden oder das Aufgeben einer Bestellung, zeigt Ihre Fachkraft ihn einmal, und danach sitzt er. Jeder weitere Lauf dieses Testfalls, ob beaufsichtigt oder unbeaufsichtigt, geht von Anfang bis Ende selbstständig durch, ohne menschliches Eingreifen. Dieses Agentengedächtnis ist eine der Kernideen von QuAIA.

Darüber hinaus lernt der UI-Agent aus seinen Fehlern: Sagen Sie ihm einmal, wie ein Fehlschlag behoben wurde, und er merkt sich die Lösung für jede weitere Ausführung dieses Schritts. Außerdem erfasst er, welche Bildschirmelemente schwer zu finden sind, und protokolliert jede Unregelmäßigkeit, sodass Sie sehen, wo Ihre Tests fragil sind.

Die Wissensbasis liefert vorhandenes Projektwissen wie Anforderungen und Dokumentation. Das Agentengedächtnis ergänzt dynamisches Wissen, das erst in der Praxis entsteht. Übliche Testdesign-Werkzeuge erzeugen Testfälle ohne dieses Wissen: formal korrekt, aber oft nicht ausführbar.

QuAIA im Vergleich

Bestehende Ansätze lassen sich in vier Gruppen einteilen. Jede deckt Teile dessen ab, was QuAIA leistet.

  • Skriptbasierte Testautomatisierung

    FunktionsweiseTests sind Code oder Modelle, die Elemente über Locators ansprechen. Jede Oberflächenänderung erfordert Pflege. KI-Erweiterungen erzeugen und reparieren diesen Code, ändern aber das Prinzip nicht.

    Was QuAIA anders machtKeine Skripte und keine Locators, also keine Pflege nach Oberflächenänderungen.

  • KI-gestützte Testplattformen

    FunktionsweiseErzeugen Tests aus Anforderungen oder natürlicher Sprache und reparieren Locators automatisch („Self-Healing“). Überwiegend SaaS, geschlossen und an die Modelle des Anbieters gebunden. Die Ausführung bleibt locator- bzw. codebasiert.

    Was QuAIA anders machtLäuft in Ihrer Infrastruktur mit einem Modell Ihrer Wahl, ist in Ihre Ticket- und Testmanagementsysteme integriert und lässt sich individuell an Ihre Anforderungen anpassen.

  • Bildbasierte Agenten und Bilderkennung

    FunktionsweiseErkennen Elemente am Bildschirm, decken aber nur die Ausführung ab. Testfälle liegen als Skripte oder Dateien im Werkzeug, oft je Plattform ein eigenes.

    Was QuAIA anders machtDeckt den gesamten Prozess ab, lässt die Testfälle in Ihrem Testmanagementsystem und lernt aus menschlicher Vorführung.

  • Testdienstleistung

    FunktionsweisePersonalintensiv. Die Kapazität wächst nur mit zusätzlichen Personentagen.

    Was QuAIA anders machtAgenten übernehmen die Routine und skalieren über zusätzliche Instanzen. Menschen konzentrieren sich auf das Urteil.

Einzelne Elemente gibt es am Markt. Eine andere Lösung, die den gesamten Testprozess abdeckt, Testfälle direkt aus Ihren bestehenden Systemen übernimmt, sie allein über den Bildschirm ausführt, aus menschlicher Vorführung lernt, dieses Wissen ins Testdesign zurückführt und vollständig in Ihrer Infrastruktur mit selbst gehosteten Modellen läuft, ist mir nicht bekannt.

Was QuAIA anders macht

Auf GitHub ausprobieren

Ihre Infrastruktur, Ihre Daten

QuAIA ist bewusst kein SaaS-Produkt. Es läuft in Ihrem Cloud-Konto oder On-Premises und ist an keinen Cloud-Anbieter gebunden. Mit selbst gehosteten Modellen verlassen Ihre Daten Ihre Umgebung nicht. Fernwartung ist optional, erfolgt nur über von Ihnen gewährte und kontrollierte Zugänge und erfordert keine Datenübertragung nach außen.

Jedes Modell, auch selbst gehostet

Cloud-Modelle wie Anthropic Claude, Google Gemini, OpenAI GPT und weitere OpenAI-kompatible Anbieter oder selbst gehostete Open-Weight-Modelle auf einer gemieteten GPU, eigenen GPU-Servern oder einer internen KI-Plattform. Die Unterstützung selbst gehosteter Modelle ist derzeit ein Prototyp.

Plug-and-Play und skalierbar

Agenten lassen sich ohne Eingriff ins übrige System hinzufügen oder entfernen und unter Last in weiteren Instanzen zuschalten, etwa zusätzliche UI-Agenten für einen großen Regressionslauf. Ticketsystem, Testmanagementsystem und Modell wählen Sie frei.

Lernt aus Erfahrung

Jede Vorführung und jeder behobene Fehlschlag macht die Agenten besser, und neue Testfälle bauen auf dem auf, was sie schon können. Je länger QuAIA läuft, desto seltener müssen Ihre Fachkräfte eingreifen. Das Lernen aus Vorführungen ist derzeit ein Prototyp.

Nichts zu skripten, nichts zu flicken

Kein Testcode, keine Locators, keine Pflege nach einem Redesign. Ihr Testmanagementsystem bleibt die einzige verbindliche Quelle: Was Sie dort ändern, läuft beim nächsten Mal genau so, ohne Kopien, die synchron gehalten werden müssen. Und weil der Agent sieht, was Benutzer:innen sehen, soll er auch Darstellungs- und Bedienbarkeitsfehler erkennen, auf die ein Skript nie schaut.

Ein Testfall für jeden Bildschirm

Web oder Desktop, egal mit welchem Framework: Was auf dem Bildschirm erscheint, kann der Agent testen. Einen Testfall einmal schreiben und auf jeder unterstützten Plattform ausführen, Mobilgeräte sind als Nächstes dran. Die Desktop-Unterstützung ist derzeit ein Prototyp.

Ein Ablauf statt fünf Werkzeuge

Keine Übergaben zwischen Werkzeugen, keine Lücken dazwischen: Von der ersten Anforderung bis zum fertigen Bericht fließt jedes Ergebnis direkt in den nächsten Schritt.

Offen und prüfbar

Der Quellcode steht unter AGPL-3.0 offen. Die Architektur ist als Code beschrieben und wird in jedem Build geprüft. Unit-, Smoke- und A/B-Tests decken Qualitätsabweichungen nach Änderungen an Modell, Code oder Prompts auf.

Demo anfragen

Schreiben Sie mir, was Sie sehen möchten, zum Beispiel an Ihrer eigenen Anwendung. Ich antworte per E-Mail mit einem Terminvorschlag.

Ihre Angaben werden nur zur Beantwortung dieser Anfrage verwendet. Mehr in der Datenschutzerklärung.

Fragen oder Feedback?

Gedanken zum Projekt oder eine Frage, für die es keine Demo braucht? Schreiben Sie mir eine E-Mail.

Klicken, um die Adresse zu kopieren

Mehr zum Projekt