CT-AI v2.0 vs. v1.0: Was sich im Lehrplan 2026 geändert hat

ISTQB hat den Lehrplan Certified Tester AI Testing (CT-AI) in der Version 2.0 am 17. April 2026 veröffentlicht. Die wichtigste Änderung: Er schrumpfte von 11 auf 7 Kapitel, wurde entlang des Machine-Learning-Lebenszyklus neu geordnet, um eigene Inhalte zu generativer KI, LLMs und Red Teaming erweitert und um das alte Kapitel zum Einsatz von KI im Testen bereinigt. Die Prüfung selbst bleibt unverändert — 40 Fragen, 60 Minuten, 65 % Bestehensgrenze, mit CTFL als Voraussetzung.

Die Änderungen auf einen Blick

Wer für v1.0 gelernt hat, findet die meiste Struktur an neuer Stelle wieder. Die konkreten Unterschiede:

• Kapitel: von 11 auf 7 reduziert.

• Empfohlene Schulungsdauer: von 26 Stunden (4 Tage) auf 19,5 Stunden (3 Tage) — dafür ist der Stoff dichter.

• Neue Teststufen: Eingabedaten-Test und ML-Modell-Test gelten jetzt als eigenständige Stufen.

• Neue Themen: GenAI- und LLM-Testen, Red Teaming, Retrieval-Augmented Generation (RAG), Fine-Tuning und Deployment-Testen (Shadow und Canary).

• Entfernt: das Kapitel zum Einsatz von KI im Testen sowie KI-spezifische Testumgebungsthemen.

• Standards: Qualitätsmerkmale sind nun auf ISO/IEC 25059 abgebildet, und der EU AI Act wird referenziert.

• Prüfungsformat: unverändert — 40 Fragen, 60 Minuten, 65 % zum Bestehen, CTFL als Voraussetzung.

Von 11 auf 7 Kapitel

v1.0 verteilte das KI-Testen auf 11 Kapitel, die Konzepte, Techniken und Werkzeuge vermischten. v2.0 ordnet denselben Stoff so, dass er dem ML-Lebenszyklus von den Daten bis zum ausgelieferten Modell folgt:

• Einführung in KI — KI vs. konventionelle Systeme, das Spektrum von schwacher über allgemeine bis starke KI, GenAI-Konzepte, Hardware und Hosting sowie der Einfluss der Regulierung (EU AI Act).

• Qualitätsmerkmale für KI-basierte Systeme — abgebildet auf ISO/IEC 25059 (Robustheit, funktionale Anpassbarkeit, Steuerbarkeit, Eingreifbarkeit).

• Die Metriken und Daten, die die ML-Leistung bestimmen — die Grundlage zur Beurteilung eines Modells.

• Eingabedaten-Test — eine eigene Stufe für die Daten, die ein Modell trainieren und speisen.

• ML-Modell-Test — eine eigene Stufe zur Bewertung des trainierten Modells selbst.

• Testrisiken über ML-Entwicklung und Deployment — inklusive Shadow-Testing und Canary-Releases.

• Ein GenAI- und LLM-Strang, der sich durch den Lehrplan zieht, statt am Ende angehängt zu sein.

Was in v2.0 neu ist

Die Ergänzungen spiegeln wider, was KI-Teams 2026 tatsächlich testen:

• GenAI- und LLM-Testen: Red Teaming, prompt-basierte Bewertung und die Herausforderung nicht-deterministischer Text-, Bild-, Audio- und Videoausgaben.

• Eingabedaten-Test als eigene Stufe: Vollständigkeit, Labeling-Qualität sowie Daten- oder Ziel-Leakage.

• ML-Modell-Test als eigene Stufe: Leistungsmetriken wie precision, recall und F1 sowie metamorphes und Back-to-Back-Testen.

• Deployment-Testen: Shadow-Testing, Canary-Releases und Überwachung auf Data Drift nach dem Go-live.

• Moderne Praxis: vortrainierte Modelle, Fine-Tuning-Workflows und Retrieval-Augmented Generation (RAG).

• Standardbezug: das KI-Qualitätsmodell ISO/IEC 25059 und Verweise auf den EU AI Act.

Was entfernt wurde

Das v1.0-Kapitel zum Einsatz von KI im Testen — Testfallgenerierung, Fehlervorhersage, Regressionsoptimierung — ist aus dem prüfungsrelevanten Stoff entfallen und in Richtung generative KI verschoben worden. Auch KI-spezifische Testumgebungsthemen sind nicht mehr prüfungsrelevant. Wenn deine alten Notizen stark auf diesen Themen beruhen, leg sie beiseite.

Welche Version solltest du ablegen?

Wer sich jetzt anmeldet, legt v2.0 ab — das ist der aktuelle General-Availability-Lehrplan. v1.0 läuft aus: englischsprachige Prüfungen sind bis zum 21. April 2027 verfügbar, nicht-englische bis zum 21. Oktober 2027. Es gibt kaum Gründe, die alte Version anzustreben: v1.0-Material ist weitgehend veraltet, und jede Rolle, die das Zertifikat schätzt, erwartet den aktuellen Lehrplan. Den vollständigen Überblick über Prüfung, Voraussetzungen und Karrierewert findest du in unserem ISTQB-CT-AI-Zertifizierungsleitfaden.

Was das für deine Vorbereitung bedeutet

Weniger Stunden heißt nicht weniger Lernstoff — v2.0 ist dichter und praxisorientierter. Investiere deine Zeit in die zwei neuen Teststufen (Eingabedaten- und ML-Modell-Test) und in die GenAI/LLM-Inhalte samt Red Teaming, das es in v1.0 kaum gab. Übe das Lesen einer Konfusionsmatrix sowie das Berechnen von precision, recall und F1, und verstehe, wo nicht-deterministische Ausgaben ein klassisches Testorakel aushebeln. CTFL bleibt Voraussetzung, daher gilt das Vokabular des ISTQB Foundation Level weiterhin.

Wenn du dich an v2.0-orientierten Fragen messen willst, arbeite den ExamCaliber CT-AI-Mock-Test durch — originale Fragen mit Begründung zu jeder Antwort, zu GenAI, Red Teaming und den neuen Daten- und Modell-Teststufen. Für die exakte Terminologie hilft die offizielle ISTQB-CT-AI-Seite und das ISTQB-Glossar.