CT-AI v2.0: Wie viele Prüfungsfragen jedes Kapitel stellt

Lernpläne für CT-AI entstehen meist aus dem Inhaltsverzeichnis des Lehrplans. Das sagt, wie lang ein Kapitel ist, aber nicht, was es in der Prüfung wert ist. Die zweite Hälfte der Information veröffentlicht ISTQB getrennt: in den Exam Structures & Rules-Tabellen, die für jede Prüfung festlegen, wie viele Fragen aus welchem Kapitel kommen. Dieser Beitrag überträgt die aktuelle Tabelle v1.19 auf die sieben Kapitel von CT-AI v2.0.

Die Zahlen, auf die es ankommt

CT-AI v2.0 ist am 17. April 2026 erschienen und hat die früheren elf Kapitel auf sieben zusammengefasst, geordnet am Lebenszyklus eines ML-Systems. Was sich inhaltlich geändert hat, steht in unserem Beitrag zu den Änderungen im CT-AI-v2.0-Lehrplan. Das Prüfungsformat blieb nahezu unverändert, die Punktevergabe verdient aber einen genauen Blick:

• 40 Fragen im Multiple-Choice-Format.

• 44 Punkte — mehr als Fragen, weil K3-Fragen doppelt zählen.

• 29 Punkte zum Bestehen. 65 Prozent von 44 sind 28,6; aufgerundet wird auf den nächsten ganzen Punkt.

• 60 Minuten, mit Zuschlag für Nicht-Muttersprachler 75 Minuten.

• 36 Fragen auf K2-Niveau, 4 auf K3. Kein K1 und kein K4.

• CTFL ist Voraussetzung, die akkreditierte Schulung umfasst mindestens 19,5 Stunden.

Alle diese Angaben stehen auf der offiziellen Zertifizierungsseite zu CT-AI v2.0 und in den Prüfungstabellen von ISTQB. Wo eine Lernseite 120 Minuten nennt, beschreibt sie eine andere Prüfung.

Die offizielle Kapitelverteilung

Fragen und Punkte je Kapitel, direkt aus den Exam Structures & Rules v1.19. Die Kapitelnamen sind übersetzt, die englischen Originaltitel stehen in Klammern.

1. Einführung in künstliche Intelligenz (Introduction to Artificial Intelligence) — 6 Fragen, 6 Punkte.

2. Qualitätsmerkmale KI-basierter Systeme (Quality Characteristics for AI-Based Systems) — 3 Fragen, 3 Punkte.

3. Maschinelles Lernen (Machine Learning) — 7 Fragen, 8 Punkte.

4. Testen KI-basierter Systeme (Testing AI-Based Systems) — 7 Fragen, 8 Punkte.

5. Eingabedatentests für ML-Systeme (Input Data Testing for Machine Learning Systems) — 6 Fragen, 7 Punkte.

6. Modelltests für ML-Systeme (Model Testing for Machine Learning Systems) — 9 Fragen, 10 Punkte.

7. Testen der ML-Entwicklung (Machine Learning Development Testing) — 2 Fragen, 2 Punkte.

Das größte Kapitel ist Kapitel 6, nicht Kapitel 3

Modelltests für ML-Systeme sind der größte Einzelblock: 9 von 40 Fragen und 10 von 44 Punkten, also fast ein Viertel der gesamten Prüfung. Kapitel 3, maschinelles Lernen, gilt als das gefürchtete Kapitel und bringt nur 8 Punkte.

Die beiden Kapitel, die v2.0 zu eigenständigen Teststufen erhoben hat — Eingabedatentests und Modelltests — kommen zusammen auf 15 Fragen und 17 Punkte. Das sind 39 Prozent der Prüfung in Stoff, den es in v1.0 nicht als eigene Kapitel gab. Genau deshalb trägt ein Lernplan aus der v1.0-Zeit nicht durch diese Prüfung.

Am anderen Ende stehen Kapitel 2 und Kapitel 7 mit zusammen 5 Fragen und 5 Punkten — rund ein Neuntel der Prüfung.

Schulungszeit und Prüfungsgewicht passen nicht zusammen

Die akkreditierte Schulung umfasst 1.170 Minuten, sehr ungleich auf die sieben Kapitel verteilt. Teilt man die Schulungszeit eines Kapitels durch seine Punkte, fällt das Missverhältnis sofort auf:

Kapitel 3 beansprucht 375 Minuten, knapp ein Drittel des gesamten Kurses, und liefert dafür 8 Punkte: 47 Minuten Unterricht je Punkt gegenüber einem Schnitt von 27. Bei Kapitel 6 ist es umgekehrt — 225 Minuten für 10 Punkte, ein Punkt alle 23 Minuten. Kapitel 7 sind 30 Minuten für 2 Punkte.

Das ist kein Argument dafür, Kapitel 3 zu überspringen. Datensätze, Metriken und neuronale Netze sind die Grundlage für die Kapitel 5 und 6, und die einzige Rechenaufgabe der Prüfung steht dort. Es ist ein Argument dafür, die Wiederholungszeit nach Punkten zu verteilen und nicht nach Kursstunden.

Wo die vier Zwei-Punkte-Fragen stehen

Es gibt genau vier K3-Fragen, je eine in den Kapiteln 3, 4, 5 und 6. Zusammen tragen sie 8 der 44 Punkte: 10 Prozent der Fragen und 18 Prozent der Wertung. Drei davon lassen sich einem benannten Lernziel zuordnen:

• AI-3.3.1 — gängige ML-Leistungsmetriken aus einer gegebenen Konfusionsmatrix berechnen. Die einzige Rechenaufgabe der Prüfung, und der Grund, Precision, Recall und F1 bis zur Routine zu üben.

• AI-4.2.2 — Red Teaming für GenAI-Systeme durchführen. Deutlicher lässt sich kaum zeigen, wie viel LLM-Stoff v2.0 aufgenommen hat.

• AI-5.1.5 — Tests gegen Datensatz-Constraints anwenden.

• Die vierte steht in Kapitel 6, beim übrigen Stoff zu Modelltests, Daten und Bias.

Wer alle vier verliert, hat immer noch 36 Punkte und liegt über der Grenze von 29. Der Haken: dann bleiben nur sieben falsche K2-Antworten Spielraum. Die K3-Fragen als optional zu behandeln, ist deshalb ein schlechtes Geschäft.

Kein K1 und kein K4

Jede Frage in CT-AI v2.0 liegt auf K2 oder K3. Reine Erinnerungsfragen auf K1 gibt es nicht, reines Auswendiglernen von Definitionen bringt also keine Punkte. Ebenso wenig gibt es K4-Analysefragen, wie sie CTAL-TM und CT-PT lang machen — deshalb passen 40 Fragen in 60 Minuten. Wie die Gewichtung im ISTQB-Schema funktioniert, erklärt unser Beitrag zu den K-Stufen (auf Englisch). Definitionen bleiben wichtig — das ISTQB-Glossar liefert die Formulierungen der Prüfung — abgefragt wird aber immer die Anwendung.

Was jedes Kapitel konkret abfragt

1. Einführung in künstliche Intelligenz — 6 Fragen, 6 Punkte

KI-Effekt, schwache und starke KI, KI-Technologien und Frameworks, Hardware, KI als Dienstleistung. Alles K2 und günstig: sechs Punkte für zwei Stunden Kurszeit.

2. Qualitätsmerkmale KI-basierter Systeme — 3 Fragen, 3 Punkte

Flexibilität und Anpassungsfähigkeit, Autonomie, Evolution, Bias, Ethik, Nebenwirkungen und Reward Hacking, Transparenz und Erklärbarkeit sowie Abnahmekriterien. Das kleinste Kapitel nach Punkten — und jenes, das am häufigsten überlernt wird, weil es sich leicht liest.

3. Maschinelles Lernen — 7 Fragen, 8 Punkte

Formen des ML, der ML-Arbeitsablauf, vortrainierte Modelle, Fine-Tuning und RAG, Datenaufbereitung, Trainings-, Validierungs- und Testdaten, Leistungsmetriken für Klassifikation, neuronale Netze. Eine K3-Frage: die Konfusionsmatrix.

4. Testen KI-basierter Systeme — 7 Fragen, 8 Punkte

Testbarkeit fester und adaptiver Systeme, der statistische Testansatz, das Testorakel-Problem, Testen generativer KI und von LLMs, Red Teaming, Teststufen für ML-Systeme und risikobasiertes Testen. Eine K3-Frage: Red Teaming.

5. Eingabedatentests für ML-Systeme — 6 Fragen, 7 Punkte

Risikominderung bei Eingabedaten, Tests auf Bias, Tests der Datenpipeline, Repräsentativität, Datensatz-Constraints und Korrektheit der Labels. Eine K3-Frage: Constraint-Tests.

6. Modelltests für ML-Systeme — 9 Fragen, 10 Punkte

Das größte Kapitel: wie ein ML-Modell für sich getestet wird, einschließlich der Modellrisiken, die Kapitel 4 hierher verweist. Neun Fragen, davon eine K3, bei 225 Minuten Kurszeit — das beste Verhältnis von Punkten zu Stunden.

7. Testen der ML-Entwicklung — 2 Fragen, 2 Punkte

Risiken auf Entwicklungsebene und das Testen rund um den ML-Entwicklungsprozess selbst. Zwei Fragen, 30 Minuten Kurszeit — das Letzte auf der Wiederholungsliste.

Eine Lernreihenfolge nach der Punktetabelle

1. Zuerst Kapitel 6 und 5 — 17 der 44 Punkte, und der Stoff, der am weitesten von CTFL entfernt ist.

2. Dann Kapitel 3, mit Schwerpunkt auf der Metrik-Berechnung und der Datenaufteilung statt auf der Theorie neuronaler Netze.

3. Kapitel 4, wo der GenAI- und Red-Teaming-Stoff am neuesten ist und am ehesten als Szenario formuliert wird.

4. Kapitel 1 als letztes der großen Kapitel: sechs Punkte, die fast geschenkt sind.

5. Kapitel 2 und 7 zum Schluss. Fünf Punkte, 75 Minuten Kursstoff, kein K3.

15 Punkte dürfen verloren gehen. Gut eingesetzt deckt dieser Puffer ein schwaches Kapitel ab; in Kapitel-3-Theorie investiert, verschwindet er in den beiden Kapiteln mit dem größten Gewicht.

Zahlen, die im Umlauf sind und nicht mehr stimmen

• 120 Minuten. CT-AI v2.0 dauert 60 Minuten, mit Sprachzuschlag 75.

• Elf Kapitel und 47 Punkte. Das ist die Struktur von v1.0. Für alle, die v1.0 noch ablegen, gilt sie weiter — bis 21. April 2027 auf Englisch, bis 21. Oktober 2027 in anderen Sprachen — für alle anderen nicht.

• „65 Prozent von 40 Fragen“. Gezählt werden Punkte, nicht richtige Antworten: 29 von 44. Mit 26 richtigen Antworten kann man bestehen oder durchfallen, je nachdem, ob die K3-Fragen dabei sind.

Im Zweifel klären das nur das Lehrplan-PDF zu v2.0 und die Prüfungstabellen auf istqb.org.

Mit der echten Verteilung üben

Eine Probeprüfung nützt nur, wenn ihre Kapitelmischung der echten ähnelt. Unsere fünf CT-AI-Probeprüfungen umfassen je 40 Fragen, sind kostenlos, brauchen keine Anmeldung und haben zu jeder Option eine schriftliche Begründung — auch zu den falschen, denn dort zeigen sich die Lücken auf Kapitelebene. Beginnen Sie mit Mock 1; den weiteren Weg beschreibt unser Leitfaden zum Bestehen.

Werten Sie jeden Versuch nach Kapiteln aus, nicht nach Gesamtpunktzahl. Eine 28 aus soliden Kapiteln 1 bis 4 und einem eingebrochenen Kapitel 6 ist ein anderes Problem als eine gleichmäßig verteilte 28 — und nur eines davon löst ein Wochenende Wiederholung.