##  Pfadnavigation

1. [ Startseite ](/)
2. [ Software Testing & Qualität - Testautomatisierung, KI & Agilität ](/podcast/software-testing-qualitaet-testautomatisierung-ki-agilitaet)
3. Dokumentation effizient prüfen mit KI-gestützten Personas

# Dokumentation effizient prüfen mit KI-gestützten Personas

            **Podcast:**

   [Software Testing & Qualität - Testautomatisierung, KI & Agilität](/podcast/software-testing-qualitaet-testautomatisierung-ki-agilitaet)

              **Erscheinungsdatum:**

   14. Juli 2026

            **Länge:**

   00:25:02

    [         Link zur Episode (extern)   ](https://www.richard-seidl.com/de/podcast/ki-dokumentationspruefung-personas)

 ![Dokumentation mit KI-Personas automatisch prüfen - Ingo Eichhorst](https://www.botcaster.de/sites/default/files/styles/podcast_n_episode_metadata_image_1x/public/2026-08/cc4fba75-e84d-42bf-81d8-119c1cccc71a.jpg.webp?itok=A2d15JuM)

###   Dokumentation mit KI-Personas automatisch prüfen - Ingo Eichhorst

   14. Juli 2026 · [Software Testing & Qualität - Testautomatisierung, KI & Agilität](/podcast/software-testing-qualitaet-testautomatisierung-ki-agilitaet)

Stell dir vor, ein neuer Junior-Entwickler soll eine Aufgabe mit deiner API-Dokumentation lösen. Er überfliegt die Anleitungen, probiert etwas aus, scheitert, probiert erneut und verbraucht dabei wertvolle Zeit und Ressourcen. Was wäre, wenn du diesen Prozess simulieren und die Schwachstellen deiner Dokumentation aufdecken könntest, bevor ein echter Mensch daran verzweifelt? Genau diesen innovativen Ansatz diskutiert Richard Seidl in der neuesten Folge seines Podcasts *Software Testing & Qualität* mit seinem Gast Ingo Eichhorst, der auf der OOP 2026 Konferenz in München zu Gast war. Ingo, der sich intensiv mit KI-gestützter Dokumentationsprüfung beschäftigt, zeigt, wie er KI-Agenten mit unterschiedlichen Persönlichkeiten in eine CI/CD-Pipeline integriert, um die Qualität und Verständlichkeit technischer Anleitungen automatisch zu testen. Diese Folge ist ein Muss für alle, die in der Qualitätssicherung, im technischen Schreiben oder in der agilen Entwicklung tätig sind und verstehen wollen, wie KI den Umgang mit Dokumentation revolutionieren kann.

## Das Wichtigste auf einen Blick

- **KI-Agenten als Usability-Tester:** Ingo Eichhorst stellt einen Prototypen vor, bei dem KI-Agenten mit spezifischen Personas (z. B. Junior-Entwickler, Senior-Entwickler oder sogar seine Mutter) ausgestattet werden. Diese Agenten erhalten die Aufgabe, mithilfe der Dokumentation eine Funktion zu implementieren. Ihr Vorgehen wird analysiert, um Schwächen in der Anleitung aufzudecken.
- **Zwei Anwendungsrichtungen für KI:** Die Diskussion unterscheidet zwischen dem Vorwärtsweg (KI erstellt Inhalte wie Code oder Dokumentation) und dem Rückwärtsweg (KI prüft und bewertet bestehende Inhalte). Der Fokus der Folge liegt auf dem prüfenden Ansatz, der wie ein automatisierter Usability-Test funktioniert.
- **Die Grenzen der KI-Kontrolle:** KI-Modelle sind nicht deterministisch. Ingo erklärt, dass man sich von der Idee eines 100-prozentig perfekten Outputs verabschieden muss. Parameter wie die Temperatur oder semantische Anker wie MECE (Mutually Exclusive, Collectively Exhaustive) helfen jedoch, die Ergebnisse wahrscheinlicher und strukturierter zu gestalten.
- **Domänenwissen bleibt menschlich:** Trotz aller Fortschritte kann eine KI nicht das tiefgreifende Domänenwissen oder die Gründe hinter Architekturentscheidungen (Architecture Decision Records) erfassen. Diese Aspekte müssen weiterhin von Menschen dokumentiert und gepflegt werden, um den Kontext nicht zu verlieren.
- **KI als Brückenbauer:** In einem Praxisbeispiel nutzt Ingo einen KI-Bot, der die täglichen Entwicklungs-Commits und Tickets in einem verständlichen, leicht ironischen Bericht für das Management zusammenfasst. Dies schlägt eine Brücke zwischen der technischen und der geschäftlichen Ebene und fördert die Kommunikation.

## KI-Agenten als Usability-Tester: Ein neuer Ansatz für die Dokumentationsprüfung

Der Kern von Ingos Ansatz ist die Simulation menschlicher Nutzer durch KI-Agenten. Anstatt nur die Vollständigkeit oder Syntax einer Dokumentation zu prüfen, wird deren praktische Anwendbarkeit getestet. Ingo integriert diesen Prozess als eigenen Baustein in eine CI/CD-Pipeline. Wenn eine neue Version der Dokumentation committet wird, startet automatisch ein Testlauf. Ein KI-Agent erhält eine spezifische Persona und eine Aufgabe. Im gezeigten Beispiel soll ein Junior-Entwickler, der laut seiner Persona ungeduldig ist und Anleitungen nur überfliegt, ein KI-Modell von IONOS nutzen, um herauszufinden, wer *Per Anhalter durch die Galaxis* geschrieben hat.

Das Ergebnis ist aufschlussreich: Der Junior-Agent scheitert, weil die URL-Struktur der IONOS-API anders ist als die von OpenAI, die das zugrunde liegende Sprachmodell aus seinen Trainingsdaten erwartet. Er versucht es immer wieder, erhält 404-Fehler und verbraucht dabei eine enorme Menge an Rechenleistung (Tokens), ohne zum Ziel zu kommen. Ein Senior-Entwickler-Agent löst die Aufgabe hingegen mühelos und effizient. Diese Simulation deckt ein klares Problem auf: Die Dokumentation bietet keine ausreichende Hilfestellung für Entwickler, die von anderen Plattformen kommen. So entsteht ein konkretes, umsetzbares Feedback, das weit über eine simple Rechtschreibprüfung hinausgeht.

## Die Herausforderung der Kontrolle: Wie man KI-Ergebnisse steuerbar macht

Ein zentraler Punkt, den Ingo betont, ist die Nicht-Determiniertheit von KI-Systemen. Anders als bei einem Taschenrechner, bei dem 1+1 immer 2 ist, liefern Sprachmodelle nur probabilistische Ergebnisse. Selbst bei einfachen Anfragen kann das Ergebnis variieren. Für den Einsatz in automatisierten Prozessen ist diese Unvorhersehbarkeit eine große Hürde. Ingo erklärt, wie man diese durch gezieltes Prompt-Engineering und Konfiguration eingrenzen kann.

Ein wichtiger Hebel ist der sogenannte Temperatur-Parameter. Ein niedriger Wert führt zu konservativen, wiederholbaren, aber oft roboterhaft klingenden Antworten. Ein höherer Wert fördert Kreativität und Abweichungen, was nützlich sein kann, um unkonventionelle Testfälle zu simulieren. Um die Struktur und Qualität der Ergebnisse weiter zu verbessern, verwendet Ingo semantische Anker. Ein Beispiel ist das MECE-Prinzip (Mutually Exclusive, Collectively Exhaustive), das die KI anweist, eine Liste von Testfällen zu erstellen, deren Punkte sich nicht überschneiden, aber gemeinsam das Thema vollständig abdecken. Solche Techniken erhöhen die Wahrscheinlichkeit, dass der Output den gewünschten Qualitätsstandards entspricht, von 20 % auf vielleicht 80 %.

## Mehr als nur Prüfung: KI als Helfer bei der Erstellung von Inhalten

Neben der Prüfung (dem Rückwärtsweg) kann KI natürlich auch bei der Erstellung von Inhalten unterstützen (dem Vorwärtsweg). Hier ist es entscheidend, der KI klare Leitplanken zu geben. Anstatt sie einfach Code oder Dokumentation generieren zu lassen, sollte man ihr Kontext und Regeln mitgeben, beispielsweise in Form einer Regeldatei oder einer Entwickler-Dokumentation. Dies erhöht die Wahrscheinlichkeit, dass der generierte Inhalt den Team-Standards entspricht.

Ingo warnt jedoch davor, sich blind auf die KI zu verlassen. Das kritische Element, das eine KI nicht erfassen kann, ist das Warum - das tiefgreifende Domänenwissen und die strategischen Entscheidungen, die in die Software eingeflossen sind. Wenn ein Team vergisst, Architecture Decision Records zu pflegen, geht dieser wertvolle Kontext verloren. Eine KI kann zwar den Code analysieren, aber nicht die dahinterliegenden Geschäftslogiken oder Kompromisse rekonstruieren. Diese Form der Dokumentation bleibt eine zutiefst menschliche Aufgabe.

## Die KI als Brückenbauer: Kommunikation zwischen Technik und Management

Ein besonders unterhaltsames und zugleich lehrreiches Beispiel ist ein von Ingo entwickelter Bot mit der Persona eines Slightly Overqualified Software Engineer. Dieser Bot analysiert täglich die Git-Commits und Tickets eines Startups und fasst die Fortschritte in einem einminütigen, verständlichen und leicht schnippischen Bericht für den CEO zusammen. Wenn eine technische Entscheidung aus Sicht des Bots suboptimal war, scheut er sich nicht, das auch so zu formulieren.

Dieser Ansatz hat laut Ingo einen erstaunlichen Effekt: Er schafft eine neue Kommunikationsebene. Der CEO erhält Einblicke in die technische Arbeit, ohne sich durch Fachjargon kämpfen zu müssen. Gleichzeitig regt der Bot Diskussionen an und fördert eine positive Fehlerkultur. Wenn der CEO auf Basis des Bot-Berichts nachfragt, warum eine dumme Entscheidung getroffen wurde, entsteht ein Dialog, der sonst vielleicht nie stattgefunden hätte. Die KI fungiert hier als neutraler, wenn auch humorvoller Übersetzer zwischen den Welten.

## Praktische Schritte: So startest du mit KI-gestützten Dokumentationstests

Wenn du inspiriert bist und selbst einen ähnlichen Ansatz ausprobieren möchtest, hat Ingo Eichhorst eine klare Vorgehensweise skizziert, die du als Leitfaden nutzen kannst:

1. **Definiere eine klare Aufgabe:** Formuliere ein konkretes Ziel, das ein Nutzer mit deiner Dokumentation erreichen soll. Das kann etwas Einfaches sein wie das Starten einer virtuellen Maschine oder das Implementieren einer spezifischen API-Funktion.
2. **Entwickle aussagekräftige Personas:** Erstelle Profile für deine KI-Agenten. Denke an verschiedene Wissensstände und Verhaltensweisen: den ungeduldigen Junior, den erfahrenen Senior oder einen technisch weniger versierten Anwender. Beschreibe ihre Eigenschaften so detailliert wie möglich.
3. **Integriere den Prozess in deine CI/CD-Pipeline:** Automatisiere die Tests, sodass sie bei jeder Änderung an der Dokumentation automatisch ausgeführt werden. Dies stellt sicher, dass die Qualität kontinuierlich überwacht wird.
4. **Analysiere die Gedankenprotokolle:** Das wertvollste Ergebnis ist nicht nur das finale Pass/Fail, sondern der Weg dorthin. Untersuche die Log-Dateien des Agenten, um zu verstehen, wo er gezögert, Fehler gemacht oder falsche Annahmen getroffen hat.
5. **Iteriere und verbessere:** Nutze das gewonnene Feedback, um deine Dokumentation gezielt zu verbessern. Vielleicht fehlt ein entscheidender Hinweis, ein Beispiel ist missverständlich oder die Struktur ist unlogisch. Jeder Testlauf hilft dir, deine Anleitungen klarer und benutzerfreundlicher zu gestalten.

---

 version="1.0" encoding="UTF-8"?
      .st0 {
        fill: #010101;
      }

      .st1 {
        fill: #b0c0b3;
      }

      .st2 {
        fill: #3b3a3b;
      }

      .st3 {
        fill: #3a3a3a;
      }

      .st4 {
        fill: #5e7185;
      }

      .st5 {
        fill: #f9eddd;
      }

      .st6 {
        fill: #000100;
      }

      .st7 {
        fill: #aebeb3;
      }

      .st8 {
        fill: #fefefe;
      }

      .st9 {
        fill: #7f93a8;
      }

      .st10 {
        fill: #f8f0df;
      }

      .st11 {
        fill: #fbf0df;
      }

      .st12 {
        fill: #afbfb2;
      }

      .st13 {
        fill: #f7eedd;
      }

      .st14 {
        fill: #fdfdfd;
      }
                                                                                   Botcaster

  **Zusammengefasst von Anja Schirwinski**

Ich beschäftige mich beruflich wie privat mit Künstlicher Intelligenz - von konkreten Tools im Arbeitsalltag bis zu den größeren Fragen, die dabei aufkommen. Viele der Themen, die in Podcasts besprochen werden, begegnen mir in Projekten immer wieder. Deshalb fasse ich hier die für mich interessantesten Podcastfolgen zusammen und ordne sie aus der Praxis ein.

[Mehr über das Projekt Botcaster](/ueber-uns)

##  Themen

 - [  KI-Agenten und Automatisierung  ](/podcasts/themen/ki-agenten-automatisierung)
- [  Testen und Qualität  ](/podcasts/themen/testen-qualitaet)

**Hinweis:** *Diese Zusammenfassung wurde mit Hilfe von KI aus dem Transkript der Podcast-Episode generiert.*

Alle Inhalte auf Botcaster beruhen auf öffentlich zugänglichen Podcasts rund um Künstliche Intelligenz. Wir fassen die Episoden nach bestem Wissen zusammen, übernehmen jedoch keine Gewähr für Vollständigkeit, Aktualität oder Richtigkeit der Inhalte. Die Rechte an den Original-Podcasts und -Inhalten liegen ausschließlich bei den jeweiligen Urheber:innen.

         ## Shownotes

   Dokumentation mit KI zu prüfen, indem man menschliche Verhaltensweisen simuliert, das ist der Ansatz, den Ingo Eichhorst mitgebracht hat. Mit ihm spreche ich darüber, wie sich Personas wie ein Junior-Entwickler oder ein Senior-Entwickler als KI-Agenten in eine CI/CD-Pipeline einbauen lassen, um Dokumentation nicht nur zu bewerten, sondern aktiv damit zu arbeiten. Was mich dabei festhält: Der Junior-Entwickler verbraucht dabei fast sechsmal so viele Token wie der Senior, weil er an einer missverständlichen URL-Struktur scheitert und sich im Trial-and-Error verliert. Das zeigt direkt, wo Dokumentation nachgebessert werden muss. Wir reden auch darüber, warum das Domänwissen hinter Code so schwer zu rekonstruieren ist, sobald es einmal verloren ist, und was passiert, wenn eine KI plötzlich zwischen Entwicklern und Management als Übersetzungsschicht wirkt.