Test-Driven Development powered by AI

Tests werden immer noch oft als nachgelagertes Problem betrachtet und meist nach dem Schreiben des Produktionscodes implementiert. Und dann orientieren sich diese Tests sehr oft an der Implementierung, um jeden Code-Pfad abzudecken, um die geforderte Testabdeckung zu erreichen, anstatt das Verhalten zu testen. Test-Driven Development versucht dieses Verhalten umzudrehen und zunächst den Test zu schreiben und dann die Implementierung anzupassen, bis die Tests erfolgreich sind.

Der offensichtliche Vorteil ist, dass die Tests sehr gut das erwartete Verhalten beschreiben und unabhängig von der Implementierung sind. Die Tests werden damit Teil der Spezifikation.
Allerdings empfinden viele diese Reihenfolge als aufwendiger, aber genau da kann ein LLM eine große Unterstützung sein. Anstatt der KI in Prosa zu beschreiben, welchen Code sie erzeugen soll, geben wir ihr eine formale Spezifikation in Form von Tests.

Auf dieser Basis können wir sicher sein, dass der erzeugte Code auch das macht, was wir spezifiziert hat.
Ich werde zeigen, wie KI-gestütztes TDD funktioniert, welche Herausforderungen dabei entstehen und in welchen Fällen sich dieser Ansatz bereits bewährt hat. Anhand praktischer Beispiele demonstriere ich, wie moderne KI-Modelle aus Testfällen lauffähigen Produktionscode ableiten – und welche Aufgaben dennoch ein Mensch erledigen muss.