ISTQB® CT-GenAI Zertifizierung: Testing mit Generative AI — Dein kompletter Guide 2026

Was ist die ISTQB® CT-GenAI Zertifizierung?

Die ISTQB® CT-GenAI Zertifizierung (Certified Tester – Testing with Generative AI) ist Teil der Specialist-Schiene des ISTQB® und wurde 2024 erstmals veröffentlicht. Sie unterscheidet sich grundlegend von der bereits länger existierenden ISTQB® CT-AI Zertifizierung (Certified Tester AI Testing), auch wenn beide thematisch zur KI-Welt gehören. Während CT-AI sich darauf konzentriert, wie Du KI-basierte Systeme testest — also die Qualitätssicherung von Machine-Learning-Modellen und KI-Anwendungen — bringt Dir CT-GenAI bei, wie Du generative KI-Tools (LLMs, Prompt Engineering, KI-Assistenten) im Testprozess selbst einsetzt.

Einfach gesagt: CT-AI = Testen VON KI. CT-GenAI = Testen MIT KI. Beide ergänzen sich und werden von vielen Tester:innen nacheinander abgelegt. Der CT-GenAI-Kurs dauert drei Tage und endet mit einer optionalen Multiple-Choice-Prüfung, die Du direkt am letzten Schulungstag ablegen kannst. Die Prüfung umfasst die fünf Module des Syllabus und prüft Dein praktisches Verständnis aller Phasen — vom ersten Prompt bis zur organisatorischen Einführung generativer KI im Testteam.

Warum ist CT-GenAI gerade jetzt so relevant?

Zwei Entwicklungen treiben die Nachfrage nach CT-GenAI-zertifizierten Tester:innen parallel an. Auf der einen Seite experimentieren immer mehr Teams produktiv mit generativer KI in der Testarbeit — oft unstrukturiert, ohne klare Governance, ohne definierte Qualitätsstandards. Auf der anderen Seite schafft der EU AI Act einen regulatorischen Rahmen, der genau solche strukturierten Kompetenzen gesetzlich einfordert. Unternehmen, die heute KI im Test einsetzen, brauchen Tester:innen, die wissen, wie man das sicher, effizient und compliance-konform tut. Die CT-GenAI-Zertifizierung ist aktuell die einzige offizielle Qualifikation, die genau diesen Skill-Stack bestätigt.

Der ISTQB® CT-GenAI Syllabus im Detail — die 5 Module

Der offizielle CT-GenAI Syllabus (Version 1.0) ist in fünf Module gegliedert, die aufeinander aufbauen. Jedes Modul kombiniert theoretische Grundlagen mit praktischen Übungen, sodass Du am Ende nicht nur verstehst, was Generative AI im Test leisten kann, sondern auch, wie Du sie konkret einsetzt. Im Folgenden geben wir Dir einen Überblick, worauf Du Dich in jedem Modul inhaltlich vorbereitest.

Modul 1 — Einführung in Generative AI für Software-Testing

Das erste Modul legt die fachliche Grundlage für den Einsatz generativer KI im Softwaretest. Du lernst, wie sich symbolische KI, klassisches maschinelles Lernen, Deep Learning und generative KI voneinander unterscheiden und wie Large Language Models grundsätzlich funktionieren. Dazu gehören zentrale Konzepte wie Tokenisierung, Einbettungen, Kontextfenster, Transformer-Modelle und das nicht-deterministische Verhalten von LLMs. Außerdem unterscheidest Du Foundation-LLMs, Instruction-Tuned-LLMs und Reasoning-LLMs und lernst, wie multimodale LLMs und Vision-Language-Modelle Text- und Bildeingaben für Testaufgaben nutzen können. Im Testkontext geht es außerdem darum, welche Funktionen LLMs unterstützen können — etwa Anforderungsanalyse, Testfallgenerierung, Testdaten, Testautomatisierung und Ergebnisanalyse — und wie sich KI-Chatbots von integrierten LLM-gestützten Testanwendungen unterscheiden.

Modul 2 — Prompt Engineering für effektives Software-Testing

Prompt Engineering ist das umfangreichste Modul des CT-GenAI-Syllabus. Du lernst, wie strukturierte Prompts für Testaufgaben aufgebaut sind und welche Rolle Komponenten wie Rolle, Aufgabe, Kontext, Eingabedaten, Ausgabeformat und Einschränkungen spielen. Der Syllabus behandelt zentrale Prompting-Verfahren wie Zero-Shot-, One-Shot- und Few-Shot-Prompting, Prompt-Verkettung und Meta-Prompting sowie den Unterschied zwischen System-Prompts und Benutzer-Prompts. Anschließend wendest Du diese Verfahren auf konkrete Software-Testaufgaben an: Testanalyse, Testentwurf, Testrealisierung, automatisierte Regressionstests sowie Testüberwachung und Teststeuerung. Ein weiterer Schwerpunkt liegt darauf, LLM-Ergebnisse systematisch zu bewerten, geeignete Metriken zu nutzen und Prompts iterativ zu verfeinern, bis die erzeugten Testartefakte besser zum Testziel passen.

Hinweis: Wenn Du nach Chain-of-Thought oder Role-Prompting als Vorgehen suchst, dann bist Du im Kurs zum AiU Certified GenAI-Assisted Test Engineer besser aufgehoben.

Modul 3 — Risikomanagement für GenAI im Testing

Dieses Modul behandelt die Risiken, die beim Einsatz generativer KI im Softwaretest entstehen, und zeigt, wie Tester damit umgehen können. Im Fokus stehen Halluzinationen, Reasoning-Fehler und Verzerrungen in LLM-Ausgaben sowie Verfahren, um diese Risiken zu erkennen und zu mindern. Zusätzlich behandelt der Syllabus das nicht-deterministische Verhalten von LLMs, das dazu führen kann, dass gleiche oder ähnliche Eingaben unterschiedliche Ergebnisse erzeugen. Ein weiterer Schwerpunkt liegt auf Datenschutz- und Sicherheitsrisiken, zum Beispiel durch sensible Informationen in Prompts oder Schwachstellen in GenAI-gestützten Testprozessen und Werkzeugen. Ergänzend lernst Du, wie Aufgabenmerkmale und Modellnutzung den Energieverbrauch und die CO₂-Emissionen beeinflussen können und welche KI-Vorschriften, wie z.B. der EU AI Act, Standards und Best-Practice-Rahmenwerke für den verantwortungsvollen Einsatz generativer KI im Test relevant sind.

Modul 4 — LLM-gestützte Testinfrastruktur

Im vierten Modul geht es darum, wie generative KI technisch in Testinfrastrukturen eingebettet werden kann. Du lernst die wichtigsten Architekturkomponenten und Konzepte LLM-gestützter Testinfrastrukturen kennen und verstehst, wie solche Systeme testbezogene Anfragen verarbeiten, Anforderungen analysieren, Testfälle erzeugen oder Ergebnisse bewerten können. Ein zentrales Thema ist Retrieval-Augmented Generation (RAG), bei der zusätzliche Wissensquellen eingebunden werden, um LLM-Ausgaben stärker am relevanten Testkontext auszurichten. Außerdem behandelt das Modul LLM-gestützte Agenten, die wiederkehrende Testaufgaben unterstützen oder automatisieren können. Abgerundet wird das Modul durch Fein-Tuning von Sprachmodellen für spezifische Testaufgaben sowie LLMOps, also die Bereitstellung, Verwaltung und Überwachung von LLMs im Testbetrieb.

Modul 5 — GenAI in Testorganisationen einführen

Das Abschlussmodul behandelt die organisatorische Einführung generativer KI in Testteams und Testorganisationen. Du lernst, welche Risiken durch Schatten-KI entstehen können, wenn Teams nicht freigegebene KI-Werkzeuge ohne klare Regeln nutzen — etwa Datenschutz-, Security-, Compliance- oder Urheberrechtsrisiken. Darauf aufbauend behandelt der Syllabus die wichtigsten Aspekte einer GenAI-Teststrategie: Testziele, Auswahl geeigneter LLMs oder SLMs, Qualität der Eingabedaten, regulatorische Vorgaben, Kosten und Roadmap. Außerdem geht es um die Phasen der Einführung, den Aufbau der notwendigen Fähigkeiten in Testteams und die Veränderung von Testprozessen, Rollen und Verantwortlichkeiten. Das Modul zeigt damit nicht nur, wie GenAI technisch genutzt wird, sondern auch, wie Organisationen den Einsatz nachhaltig, kontrolliert und wertstiftend verankern.

Für wen ist die CT-GenAI Zertifizierung geeignet?

Die CT-GenAI-Zertifizierung richtet sich nicht nur an eine Zielgruppe, sondern an ein ganzes Ökosystem von Rollen, die gemeinsam die Qualität moderner Software sichern. Die größte Gruppe sind klassische Software-Tester:innen und QA-Engineers, die bereits Foundation-Level-Wissen mitbringen und ihre Werkzeugkiste um generative KI erweitern wollen. Sie profitieren unmittelbar, weil sie GenAI direkt in ihre tägliche Arbeit integrieren — Testfälle schneller erstellen, Testdaten realistischer generieren, Defekte präziser analysieren.

Genauso spannend ist die Zertifizierung für Test Automation Engineers, die generative KI in ihre Testautomatisierung integrieren wollen. Im CT-GenAI lernen sie, wie LLM-gestützte Testanwendungen in bestehende Testframeworks eingebettet werden können, wie GenAI bei automatisierten Regressionstests, Testskripten und Testberichten unterstützt und welche Infrastrukturkonzepte wie RAG, LLM-gestützte Agenten und LLMOps dabei eine Rolle spielen. Für Testmanager:innen und QA-Leads ist das fünfte Modul entscheidend, weil es die organisatorische Dimension der GenAI-Einführung abbildet — inklusive Governance, Rollenmodellen und Change-Management.

Auch Entwickler:innen, die auf Test-Nebenrollen arbeiten (Backend, Embedded, Web), finden im CT-GenAI einen schnellen Weg, ihr Testverständnis methodisch zu vertiefen und gleichzeitig einen aktuellen KI-Bezug zu bekommen. Product Owner, Scrum Master und Business-Analysten profitieren ebenfalls, wenn sie verstehen wollen, wo ihre Teams GenAI sinnvoll einsetzen können — und wo sie Risiken aktiv adressieren müssen.

Voraussetzungen für die Teilnahme

Empfohlen ist ein bereits abgelegtes ISTQB® Foundation Level, weil das CT-GenAI Training methodisches Testgrundwissen voraussetzt — Begriffe wie Äquivalenzklassen, Grenzwertanalyse, Regressionstest oder Risikobasiertes Testen werden vorausgesetzt. Wenn Du das Foundation Level noch nicht hast, empfehlen wir Dir, zuerst dort einzusteigen und dann CT-GenAI als Fortsetzung zu wählen. Tiefes Machine-Learning-Wissen brauchst Du übrigens nicht — wir beginnen bei den Grundlagen generativer KI und bauen systematisch auf.

Die ISTQB® CT-GenAI Prüfung — Aufbau und Tipps

Die CT-GenAI Prüfung ist optional, wird aber von den meisten Teilnehmer:innen mitgebucht, weil erst der Zertifikatsnachweis den vollen Karriere-Effekt bringt. Die Prüfung findet am letzten Schulungstag statt, dauert rund 60 Minuten und besteht aus Multiple-Choice-Fragen, die alle fünf Syllabus-Module abdecken. Die Fragen prüfen dabei weniger stures Faktenwissen, sondern eher Dein Verständnis für die Anwendung — etwa: Welcher Prompt-Typ ist in einer bestimmten Testsituation am geeignetsten? Oder: Welches Governance-Kontrollmechanismus gehört zu welchem Risiko?

Die Prüfungsgebühr liegt aktuell bei 225 Euro zuzüglich Mehrwertsteuer und wird separat zur Schulung abgerechnet. Sollte es im ersten Anlauf nicht klappen, kannst Du die Prüfung wiederholen — das passiert jedoch erfahrungsgemäß selten. Die Bestehensquoten bei trendig liegen deutlich über dem ISTQB-Durchschnitt, weil wir im Training gezielt mit Prüfungssimulationen und Musterfragen arbeiten. Mehr zu den ISTQB-Durchfallquoten und wie Du die Prüfungsangst entkräftest, findest Du in unserem Blog zur ISTQB-Prüfungsvorbereitung.

Die wichtigsten Prüfungstipps auf einen Blick

Erstens: Lies jede Frage zwei Mal. Die CT-GenAI-Fragen sind oft so formuliert, dass ein kleiner Unterschied in der Formulierung zu einer anderen richtigen Antwort führt — etwa 'am besten geeignet' vs. 'zwingend erforderlich'. Zweitens: Arbeite die Praxisbeispiele aus dem Training aktiv durch, nicht nur die Folien. Die Prüfung fragt Anwendungsverständnis ab, nicht Definitionen. Drittens: Bei Risikomanagement-Fragen hilft es, an einen konkreten Use Case aus Deinem Alltag zu denken — wenn Du die Antwort mit einem realen Projekt verknüpfen kannst, ist sie meist richtig.

CT-GenAI vs. CT-AI — welche Zertifizierung passt zu Dir?

Eine der häufigsten Fragen, die uns Teilnehmer:innen stellen: Soll ich zuerst CT-AI oder zuerst CT-GenAI machen? Die ehrliche Antwort lautet: Es kommt auf Dein Ziel an. Wenn Du in einem Unternehmen arbeitest, das eigene KI-basierte Produkte entwickelt — etwa Machine-Learning-Modelle, Computer-Vision-Systeme oder autonome Agenten — ist CT-AI der logische erste Schritt. Dort lernst Du, wie Du solche Systeme testest, was ihre besonderen Qualitätsdimensionen sind (Bias, Fairness, Robustheit, Erklärbarkeit) und wie Du sie validierst.

Wenn Dein Fokus dagegen auf dem Einsatz generativer KI im Testalltag liegt — also auf der Frage, wie Du LLMs für Deine Testarbeit nutzt — dann ist CT-GenAI die bessere Wahl. Beide Zertifizierungen greifen ineinander, lassen sich aber unabhängig voneinander ablegen. Viele unserer Teilnehmer:innen machen beide nacheinander — oft mit sechs bis zwölf Monaten Abstand — und bauen so ein umfassendes KI-Testing-Profil auf, das am Markt deutlich überdurchschnittlich bezahlt wird.

Direkt-Vergleich auf einen Blick

Karrierechancen mit CT-GenAI Zertifizierung

Die Marktnachfrage nach Tester:innen mit nachweisbarer KI-Kompetenz ist in den letzten zwei Jahren explosionsartig gestiegen — und das schlägt sich direkt im Gehalt nieder. Stellenanzeigen, die gezielt nach Prompt Engineering, LLM-Integration oder GenAI-Testing-Erfahrung suchen, bieten im deutschen Markt typischerweise 5.000 bis 12.000 Euro mehr Jahresgehalt als vergleichbare Testing-Rollen ohne diese Spezialisierung. Die CT-GenAI-Zertifizierung ist dabei für viele Recruiter ein Türöffner, weil sie systematisches Wissen bestätigt statt nur Selbsteinschätzungen.

Neue Rollen entstehen zusätzlich rund um GenAI im Test: AI Test Engineer, GenAI QA Lead, Test Automation Architect mit KI-Schwerpunkt oder AI Governance Lead in größeren Unternehmen. Für Teamleiter:innen öffnet CT-GenAI den Weg zur strategischen KI-Rolle innerhalb ihrer Organisation — also vom reinen Testmanagement hin zur Transformation-Verantwortung. Wer in fünf Jahren in einer Senior- oder Architektur-Rolle sitzen will, ist mit einem KI-Zertifizierungs-Profil deutlich besser positioniert als ohne.

Wie Du Dich optimal auf die CT-GenAI Prüfung vorbereitest

Die beste Vorbereitung auf CT-GenAI ist eine Kombination aus strukturiertem Training, eigenen Praxis-Experimenten und gezielter Prüfungssimulation. Ein reines Selbststudium mit dem öffentlichen Syllabus ist theoretisch möglich, wird aber erfahrungsgemäß schwierig — weil der praktische Teil (Prompt Engineering, Tool-Integration, Risikobewertung) nur mit echter Hands-on-Arbeit wirklich sitzt. Deshalb empfehlen die meisten ISTQB-Partner ein akkreditiertes Training mit integrierter Prüfungsvorbereitung.

Bei trendig läuft die Vorbereitung in drei Schichten parallel. Erste Schicht: die fachlich-methodischen Inhalte der fünf Module, die wir in 3 Tagen systematisch durcharbeiten. Zweite Schicht: praktische Übungen mit realen LLMs, in denen Du Prompts gegen echte Testaufgaben schreibst und das Feedback sofort bekommst. Dritte Schicht: Prüfungssimulationen mit Musterfragen nach ISTQB-Standard, damit Du am Prüfungstag nicht nur vom Wissen her sattelfest bist, sondern auch das Frageformat kennst. Alle drei Schichten zusammen erklären unsere hohen Bestehensquoten. Wer zusätzlich noch vertiefen will, findet in unserem Blog zu den ISTQB-Durchfallquoten weitere Einblicke zur Prüfungspsychologie.

Der ideale Lernpfad für die nächsten 4 Wochen

Wenn Du vier Wochen Zeit hast und gezielt auf CT-GenAI zugehst, empfehlen wir Dir folgenden Pfad: Woche 1 — Syllabus durchlesen und mit dem eigenen Projektalltag abgleichen (Wo würdest Du GenAI einsetzen? Wo siehst Du Risiken?). Woche 2 — Training absolvieren, Notizen strukturiert anlegen. Woche 3 — eigene Prompt-Templates entwickeln und mindestens drei reale Testaufgaben damit lösen. Woche 4 — Prüfungssimulationen durchgehen und schwache Bereiche gezielt wiederholen. Wer diesen Pfad geht, schreibt die Prüfung mit hoher Wahrscheinlichkeit im ersten Anlauf erfolgreich.

Fazit: CT-GenAI als strategische Investition in Deine Testing-Zukunft

Die ISTQB® CT-GenAI Zertifizierung ist mehr als nur ein weiteres Zertifikat in Deinem Lebenslauf. Sie ist der strukturierte Weg, die vielleicht größte Disruption im Software-Testing der letzten zehn Jahre professionell für Dich zu nutzen. Generative AI wird nicht mehr verschwinden — sie wird in den nächsten Jahren zum Standard-Werkzeug jeder ernsthaften QA-Funktion. Wer heute die methodischen Grundlagen legt, arbeitet in drei Jahren in einer deutlich stärkeren Position als jemand, der GenAI nur ad-hoc und unstrukturiert einsetzt.

Bei trendig begleiten wir Dich auf diesem Weg — mit einem praxisnahen 3-Tages-Training, akkreditierter Prüfungsvorbereitung und Zugang zu einem Netzwerk aus Tester:innen und Teams, die genau diesen Schritt bereits gegangen sind. Ob Du Dich individuell zertifizieren lässt oder über eine Inhouse-Schulung Dein gesamtes Team mitnimmst — wir bauen den passenden Lernpfad für Dich. Alle aktuellen Termine, Preise und Formate findest Du auf unserer CT-GenAI Trainingsseite.