ISTQB CT-AI (Certified Tester AI Testing): Der komplette Leitfaden 2026

Die ISTQB-CT-AI-Zertifizierung (Certified Tester AI Testing) weist nach, dass ein Tester KI-basierte Systeme systematisch testen kann — insbesondere maschinelles Lernen (ML) und generative KI wie große Sprachmodelle. Der aktuelle Lehrplan, Version 2.0, ist seit dem 17. April 2026 verfügbar und die Version, die jeder neue Kandidat lernen sollte. Die Prüfung hat 40 Fragen, eine Bestehensgrenze von 65% und setzt CTFL voraus.

Was ist die ISTQB-CT-AI-Zertifizierung?

CT-AI ist ein herstellerneutrales Spezialistenzertifikat im ISTQB-Schema. Es bringt dir nicht bei, Modelle zu bauen, sondern sie zu testen — herauszufinden, wo ein KI-System falsch, unfair oder unvorhersehbar reagiert, und seine Qualität mit den richtigen Metriken zu beurteilen. Es baut auf dem Foundation Level (CTFL) auf und richtet sich an Tester, Testanalysten, Testingenieure sowie Data Scientists und Analysten, die verstehen wollen, wie ihre Daten und Modelle validiert werden.

Was ist neu in CT-AI v2.0 (2026)?

Version 2.0 ist eine grundlegende Überarbeitung, keine Auffrischung. Die wichtigsten Änderungen:

• Von 11 auf 7 Kapitel umstrukturiert, neu gegliedert um Daten, das ML-Modell und das Gesamtsystem.

• Testen generativer KI und von LLMs ergänzt: Prompt-Robustheit, Halluzination und Groundedness, Nicht-Determinismus und Red Teaming.

• Zwei explizite ML-Teststufen: Eingabedatentests (Repräsentativität, Labelqualität, Leakage) und Modelltests (Metriken, metamorphes und Back-to-Back-Testen).

• Deployment-Tests, inklusive Data Drift und Rollout-Strategien wie Canary-Releases.

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

• Der Block "KI fürs Testen nutzen" wurde entfernt und lebt nun in der separaten CT-GenAI-Zertifizierung.

Die empfohlene Schulungszeit sank von 26 Stunden (v1.0) auf 19,5 Stunden, das Material ist jedoch dichter und praxisnäher. Unser eigener Vergleich CT-AI v2.0 gegen v1.0 behandelt jede Änderung im Detail.

Prüfungsformat: Fragen, Zeit, Bestehensgrenze

• 40 Multiple-Choice-Fragen, bewertet auf den Wissensstufen K1–K3.

• 65% zum Bestehen — also 26 von 40 Punkten (manche Fragen zählen mehr als einen Punkt).

• 60 Minuten, verlängert auf 75 Minuten, wenn die Prüfung nicht in der Muttersprache abgelegt wird.

• CTFL ist erforderlich, bevor du dich zertifizieren kannst.

Was der CT-AI-v2.0-Lehrplan abdeckt

Qualitätsmerkmale von KI-Systemen

KI-Systeme bringen Qualitätsfaktoren mit, die klassische Software nicht kennt: Bias und Fairness, Transparenz und Erklärbarkeit, Autonomie, Anpassungsfähigkeit und Nicht-Determinismus. Eine korrekt aussehende Ausgabe kann dennoch falsch sein, wenn das Modell verzerrt ist oder das Ergebnis nicht erklärt werden kann. CT-AI lehrt, diese als eigenständige Testziele zu behandeln.

Testen von Machine-Learning-Systemen

Das ist der Kern der Prüfung. Du testest zuerst die Daten vor dem Modell (Vollständigkeit, Repräsentativität, Labelkorrektheit, Leakage) und dann das Modell selbst mit Metriken wie Precision, Recall und F1, abgelesen aus einer Konfusionsmatrix. Techniken sind metamorphes Testen, Back-to-Back-Tests gegen eine Referenzimplementierung und A/B-Tests in Produktion. Warum Accuracy allein bei unausgeglichenen Daten irreführt, ist ein häufiges Prüfungsthema.

Testen generativer KI und von LLMs

Das neueste Material. Weil LLM-Ausgaben nicht-deterministisch sind, kannst du dich nicht auf ein einzelnes erwartetes Ergebnis verlassen; stattdessen testest du auf Groundedness, Faktentreue, Sicherheit und Robustheit gegen adversariale Prompts. Red Teaming — das gezielte Aufspüren unsicheren oder regelwidrigen Verhaltens — ist nun Teil des Lehrplans, ebenso RAG-spezifische Risiken und Bewertungsmetriken.

Voraussetzungen und Zielgruppe

Die einzige harte Voraussetzung ist CTFL. Darüber hinaus eignet sich CT-AI für Tester, die in KI-Projekte wechseln, Automatisierungsingenieure, die ML-Pipelines validieren, und Data Scientists, die ein gemeinsames Vokabular mit der QA suchen. Du musst kein Modell von Grund auf trainieren können, aber Grundkenntnisse in Statistik und das Konzept der Konfusionsmatrix helfen.

Wie du dich vorbereitest

Beginne mit dem offiziellen CT-AI-Lehrplan und dem ISTQB-Glossar und übe dann die schwierigeren K3-Bereiche — Metrikberechnung, Eingabedatenfehler und LLM-Bewertung — mit realistischen Übungsfragen statt auswendig gelernten Definitionen. Unser kostenloser CT-AI-Mock bildet das echte Format ab (40 Fragen, 65% Bestehensgrenze) und enthält Szenario- und Konfusionsmatrix-Aufgaben mit einer schriftlichen Begründung zu jeder Antwort. Ein eigener Leitfaden zum Bestehen der ISTQB-CT-AI-Prüfung mit Wochenplan folgt in Kürze.

Wer CTFL noch nicht hat, beginnt am besten mit unserem kompletten ISTQB-CTFL-Foundation-Leitfaden — er ist das Tor zu CT-AI und zum gesamten ISTQB-Pfad.