Quality Assurance (QA)
QA steht für Quality Assurance, also Qualitätssicherung: alle systematischen Prüfungen, die sicherstellen sollen, dass ein Produkt so funktioniert wie versprochen. In der Software- und KI-Branche bezeichnet QA vor allem das Testen von Programmen und Modellen, bevor Kunden sie benutzen.
QA ist die Abkürzung für den englischen Ausdruck „Quality Assurance“, auf Deutsch Qualitätssicherung. Damit ist alles gemeint, was eine Firma tut, um Fehler in ihrem Produkt zu finden, bevor die Kunden sie finden. In der Autoindustrie prüft man dafür Bremsen und Schweißnähte, in der Softwarebranche prüft man Programme. Menschen und automatische Prüfprogramme probieren dort systematisch aus, ob eine Anwendung das tut, was sie tun soll. Wichtig ist der Unterschied zum reinen Testen: Testen ist eine einzelne Prüfung, QA ist der gesamte organisierte Ablauf drumherum. Dazu gehören Regeln, Checklisten, Zuständigkeiten und die Frage, wann etwas überhaupt freigegeben werden darf.
Was ein übersehener Fehler kostet
Fehler werden teurer, je später man sie entdeckt. Ein Programmierer, der seinen Fehler nach zehn Minuten sieht, korrigiert eine Zeile. Wird derselbe Fehler erst nach der Veröffentlichung sichtbar, müssen Support, Entwicklung und Management ran. Bei Banken oder Krankenhäusern kann ein Softwarefehler außerdem echten Schaden anrichten, nicht nur Ärger.
Deshalb ist QA für börsennotierte Technologiefirmen auch ein Finanzthema. Ein fehlerhaftes Update kann einen Onlineshop für Stunden lahmlegen und Millionen an Umsatz kosten. Rückrufaktionen bei Autos mit Softwarefehlern schlagen direkt auf den Gewinn durch. Anleger achten deshalb darauf, wie zuverlässig ein Unternehmen seine Produkte ausliefert.
Bei KI-Systemen kommt ein zusätzlicher Grund hinzu: Ein Sprachmodell kann falsche Behauptungen erfinden, ohne dass irgendetwas abstürzt. Es gibt also keine Fehlermeldung, an der man das erkennen könnte. Nur gezielte Prüfung deckt solche Probleme auf.
Vom Unit-Test bis zur Freigabe
Klassische Software-QA arbeitet in Stufen. Zuerst prüfen sogenannte Unit-Tests einzelne kleine Bausteine des Programms, etwa eine Funktion, die ein Datum umrechnet. Danach testet man, ob mehrere Bausteine zusammen funktionieren. Zum Schluss klickt sich jemand durch die fertige Anwendung wie ein echter Nutzer. Die meisten dieser Prüfungen laufen automatisch, jedes Mal wenn ein Entwickler neuen Code abgibt.
Man kann sich das wie die Kontrollen in einer Großbäckerei vorstellen. Erst wird jede Zutat geprüft, dann der Teig, dann das gebackene Brot. Fällt ganz am Ende etwas auf, weiß man wenigstens ungefähr, an welcher Stelle es schiefging.
Bei KI-Modellen funktioniert das anders, weil es oft keine einzige richtige Antwort gibt. Hier arbeitet man mit Benchmarks, also standardisierten Aufgabensammlungen, bei denen man die Trefferquote zählt. Dazu kommen Prüfer, die Antworten von Hand bewerten, und das sogenannte Red Teaming: Fachleute versuchen absichtlich, das Modell zu gefährlichen oder falschen Aussagen zu verleiten. Ein typischer Irrtum ist, gute Benchmark-Werte mit guter Praxis-Qualität zu verwechseln — Modelle können auf bekannte Testaufgaben regelrecht eingeschossen sein.
QA in Stellenanzeigen und Update-Meldungen
Der Begriff taucht überall in der Arbeitswelt auf. „QA Engineer“ ist ein eigener Berufszweig, der Testverfahren entwirft und automatisiert. In Spielefirmen gibt es QA-Abteilungen, die neue Titel wochenlang durchspielen, um Abstürze zu protokollieren. Wer in einer Software-News liest, ein Release sei „in QA“, weiß nun: Es ist fertig programmiert, aber noch nicht freigegeben.
Auch als Nutzer merkt man QA indirekt. Beta-Versionen von Apps sind eine Form davon, weil Freiwillige Fehler melden. Wenn ein Unternehmen ein Update kurzfristig zurückzieht, hat die QA vorher etwas übersehen. Vorsicht bei der Abkürzung: In der KI-Forschung steht „QA“ manchmal auch für „Question Answering“, also Systeme, die Fragen beantworten. Was gemeint ist, ergibt sich meist aus dem Zusammenhang.
