## Pfadnavigation 1. [ Startseite ](/) 2. [ Software Testing & Qualität - Testautomatisierung, KI & Agilität ](/podcast/software-testing-qualitaet-testautomatisierung-ki-agilitaet) 3. KI in der Verwaltung: Wie München Softwaretests automatisiert # KI in der Verwaltung: Wie München Softwaretests automatisiert **Podcast:** [Software Testing & Qualität - Testautomatisierung, KI & Agilität](/podcast/software-testing-qualitaet-testautomatisierung-ki-agilitaet) **Erscheinungsdatum:** 27. Januar 2026 **Länge:** 00:20:11 [ Link zur Episode (extern) ](https://www.richard-seidl.com/de/podcast/ki-gestuetzte-testfallerstellung) ![KI-gestützte Testfallermittlung - Dr. Mark Menzel](https://www.botcaster.de/sites/default/files/styles/podcast_n_episode_metadata_image_1x/public/2026-08/f8180da4-f266-45e8-ba51-4367e7ff2b38.jpg.webp?itok=LI6hdUqj) ### KI-gestützte Testfallermittlung - Dr. Mark Menzel 27. Januar 2026 · [Software Testing & Qualität - Testautomatisierung, KI & Agilität](/podcast/software-testing-qualitaet-testautomatisierung-ki-agilitaet) Kann eine öffentliche Verwaltung an der Spitze der technologischen Innovation stehen? In der Welt der Softwareentwicklung wird oft das Gegenteil vermutet. Doch die Landeshauptstadt München beweist mit einem eigenen, stadtweit genutzten KI-Modell und spezialisierten Werkzeugen für das Softwaretesten eindrucksvoll, dass Innovation keine Frage des Sektors, sondern der Vision ist. In einer neuen Folge des Podcasts *Software Testing & Qualität* spricht Host Richard Seidl mit Marc Menzel, einem erfahrenen Testmanager bei der Landeshauptstadt München. Gemeinsam beleuchten sie, wie der eigens entwickelte Muck-GPT und der Testassistent Sherlock die Brücke zwischen Fachexpertise und formalen Testprozessen schlagen. Diese Episode ist ein Muss für alle, die verstehen wollen, wie KI ganz praktisch eingesetzt werden kann, um die Qualitätssicherung zu demokratisieren und Teams ohne tiefes Test-Know-how zu befähigen. ## Das Wichtigste auf einen Blick - **Innovation in der Verwaltung:** Die Landeshauptstadt München hat mit Muck-GPT eine eigene, sichere Instanz eines großen Sprachmodells implementiert. Überraschenderweise wird diese nicht nur von der IT, sondern flächendeckend von verschiedenen Referaten wie dem Sozial- und Baureferat genutzt. - **Sherlock als Testassistent:** Auf Basis von Muck-GPT wurde Sherlock entwickelt - ein spezialisierter KI-Assistent, der Mitarbeiterinnen und Mitarbeiter ohne tiefes Testwissen bei der Erstellung normgerechter Testfälle nach ISO 29119 unterstützt. - **Demokratisierung des Testens:** Sherlock dient als Einstiegshilfe, um die Hürde des leeren Blatts zu überwinden. Fachexperten, die ihre Anwendung perfekt kennen, aber mit der Formalität von Testfällen hadern, erhalten so strukturierte Vorschläge und lernen durch Interaktion. - **Die Macht des richtigen Prompts:** Marc betont, dass die Qualität der Ergebnisse stark vom Input abhängt. Eine entscheidende Technik ist das Prompt-Engineering, bei dem der KI eine Rolle zugewiesen wird (z. B. Du bist ein Testanalyst), um kontextspezifische und fachlich fundierte Antworten zu erhalten. - **Integration und Weiterentwicklung:** Die von Sherlock erstellten Testfälle können direkt in gängige Testmanagement-Tools wie Testlink oder Jira X-Ray importiert werden. Zukünftige Pläne umfassen den Assistenten Watson zur Erstellung von Testberichten und die Anbindung an interne Wissensdatenbanken (RAG). ## Innovation in der Verwaltung: Muck-GPT als stadtweite KI-Plattform Oft wird die öffentliche Verwaltung als langsam und wenig innovativ wahrgenommen. Marc Menzel zeichnet jedoch ein völlig anderes Bild. Bereits im April 2023, kurz nach dem großen Hype um ChatGPT, führte die Landeshauptstadt München eine eigene, datenschutzkonforme Version ein: Muck-GPT. Marc erklärt, dass die Akzeptanz und Nutzung die Erwartungen bei Weitem übertraf. Die Nutzungsstatistiken zeigen, dass nicht nur das IT-Referat, sondern auch Fachabteilungen wie das Sozialreferat, das Baureferat oder das Referat für Bildung und Sport zu den intensivsten Nutzern gehören. Die Anwendungsfälle sind vielfältig und reichen von Brainstorming-Sitzungen über die Zusammenfassung komplexer Texte bis hin zur Erstellung von Inhalten in einfacher Sprache - eine besonders wichtige Funktion für eine bürgernahe Verwaltung. Diese breite Adaption schuf die perfekte Grundlage für die Entwicklung spezialisierter, KI-gestützter Werkzeuge. ## Sherlock: Der KI-Assistent für die Testfallerstellung Im Zentrum des Gesprächs steht Sherlock, ein KI-Assistent, der gezielt für den Softwaretest entwickelt wurde. Marc erläutert das Kernproblem, das Sherlock lösen soll: In den jährlich rund 100 IT-Projekten der Stadt müssen Fachexperten Tests durchführen. Diese Personen verfügen über immenses Domänenwissen, aber oft nur über geringe Kenntnisse in formalen Testmethoden. Sie stehen, wie Marc es beschreibt, häufig vor einem weißen Blatt Papier, wenn sie normgerechte Testfälle formulieren sollen. Hier kommt Sherlock ins Spiel. Der Name ist Programm: Wie der berühmte Detektiv untersucht das Tool eine Anforderung und leitet daraus systematisch Testfälle ab. Der Assistent ist dialogorientiert konzipiert. Er stellt sich vor, erklärt seine Funktion und liefert auf Anfrage Beispiele. Nutzer können dann eine Funktion beschreiben und erhalten strukturierte Testfälle, die der Norm ISO 29119 entsprechen - komplett mit Vorbedingungen, Testschritten, erwarteten Ergebnissen und Nachbedingungen. Entscheidend ist dabei, so betont Marc, dass die KI als Assistent fungiert. Der Mensch bleibt die letzte Instanz, der die Vorschläge prüft, verfeinert und freigibt. ## Die Brücke zur Praxis: Integration und Nutzerfeedback Ein Werkzeug ist nur so gut wie seine Integration in bestehende Arbeitsabläufe. Das Team hinter Sherlock hat dies von Anfang an berücksichtigt. Die generierten Testfälle lassen sich als XML- oder CSV-Datei exportieren und nahtlos in die bei der Stadt München genutzten Testmanagement-Tools - das Open-Source-Werkzeug Testlink und Jira mit dem Plugin X-Ray - importieren. Dieser Schritt ist essenziell, da er den Fachanwendern den mühsamen manuellen Übertrag erspart und eine weitere technische Hürde beseitigt. Die Entwicklung von Sherlock ist ein iterativer Prozess, der stark von Nutzerfeedback geprägt ist. Eine der ersten Rückmeldungen aus den Fachbereichen war der Wunsch, nicht nur einen, sondern gleich mehrere Testfälle auf einmal generieren zu können. Daraufhin wurde das System so angepasst, dass es bis zu zehn Testfälle in einem Durchgang erstellen und für den Import vorbereiten kann. Eine weitere wichtige Erkenntnis, die Marc in seinen Schulungen vermittelt, ist die Bedeutung des Prompt-Engineerings. Weist man der KI explizit eine Rolle zu - etwa Du bist ein erfahrener Testanalyst -, versteht sie den Kontext viel besser und nutzt Fachbegriffe wie Grenzwertanalyse oder Äquivalenzklassenbildung korrekt, was zu deutlich präziseren Ergebnissen führt. ## Zukunftsvision: Von Watson bis zum Wissensgraphen Wo ein Sherlock ist, darf sein Partner Watson nicht fehlen. Marc gibt einen Ausblick auf die nächste Entwicklungsstufe: ein Assistent namens Watson, der sich auf die Erstellung von Testberichten spezialisiert. Anstatt mühsam Daten manuell zusammenzutragen, soll Watson auf Basis weniger Eingaben - wie der Anzahl durchgeführter, erfolgreicher und fehlgeschlagener Testfälle sowie den Ticketnummern von Bugs - automatisch einen standardisierten Testbericht generieren. Eine weitere große Baustelle ist die Wissensbasis von Muck-GPT. Aktuell kennt die KI die internen Strukturen und Fachverfahren der Stadt München nicht. Um dieses Problem zu lösen, ist die Implementierung eines RAG-Systems (Retrieval-Augmented Generation) geplant. Dieses soll Muck-GPT ermöglichen, auf interne Dokumentationen, Spezifikationen und das Intranet zuzugreifen, um kontextbezogene und faktisch korrekte Antworten zu liefern. Die Ideen gehen aber noch weiter: Angeregt durch Wünsche aus den Fachbereichen wird über Tools zur einfacheren Erstellung von Fehlerreports und sogar über einen Chatbot nachgedacht, der einen formalen Review-Prozess mit verschiedenen Rollen (Entwickler, Architekt, Tester) simulieren und protokollieren kann. Mit der kommenden Version Muck-GPT 2.0 wird es zudem für Fachexperten wie Marc möglich sein, ihre Assistenten selbst zu verwalten und anzupassen, was die Entwicklungszyklen weiter beschleunigt. ## Praktische Schritte zur Einführung eines KI-Testassistenten Aus den Erfahrungen von Marc Menzel lassen sich konkrete Handlungsempfehlungen für die Einführung eines ähnlichen Systems ableiten: 1. **Schaffe eine sichere Grundlage:** Beginne mit einer internen, datenschutzkonformen KI-Plattform. Dies schafft Vertrauen und gibt dir die volle Kontrolle über Daten und Modelle. 2. **Löse ein spezifisches Problem:** Anstatt ein allumfassendes KI-Tool anzubieten, konzentriere dich auf einen konkreten Anwendungsfall, der für viele Teams einen hohen Aufwand bedeutet - wie die Testfallerstellung durch Fachexperten. 3. **Stelle den Nutzer in den Mittelpunkt:** Gestalte den Assistenten so, dass er als Lehrmeister und Einstiegshilfe fungiert. Er sollte seine Fähigkeiten proaktiv erklären, Beispiele liefern und Ergebnisse in einem direkt nutzbaren, standardisierten Format ausgeben. 4. **Sorge für nahtlose Integration:** Baue Schnittstellen zu den bereits etablierten Werkzeugen wie Jira oder Testlink. Ein einfacher Export und Import von Daten ist entscheidend für die Akzeptanz und senkt die Einstiegshürden erheblich. 5. **Investiere in Wissen und Feedback:** Biete Schulungen an, die über die reine Tool-Bedienung hinausgehen und grundlegende Fähigkeiten wie Prompt-Engineering vermitteln. Etabliere einen aktiven Feedback-Kanal, um das Werkzeug basierend auf echten Bedürfnissen kontinuierlich zu verbessern. --- 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 - [ Softwareentwicklung mit KI ](/podcasts/themen/softwareentwicklung-mit-ki) - [ Testen und Qualität ](/podcasts/themen/testen-qualitaet) - [ Mitarbeitende befähigen ](/podcasts/themen/mitarbeitende-befaehigen) **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 In dieser Episode spreche ich mit Mark Menzel von der Landeshauptstadt München über MUCGPT und Sherlock, den Software-Test-KI-Assistenten. München zeigt: Verwaltung kann innovativ. Sherlock hilft Fachbereichen, normgerechte Testfälle nach ISO 29119 zu erstellen, ohne Schulungsmarathon. Aus MUCGPT kommen Testfälle, die sich per Export in TestLink und X-Ray bringen lassen. Der Mensch bleibt Entscheider.