Gartner Magic Quadrant 2026: Von AI-Augmented Testing zu Agentic Quality Engineering
UiPath und Tricentis gehören erneut zu den Leadern. Doch die wichtigste Veränderung betrifft das Verständnis von Softwarequalität.
KI-Agenten schreiben Code, verändern Anwendungen und beschleunigen die Softwareentwicklung. Damit wächst auch die Herausforderung, diese Software zuverlässig zu prüfen. Schnell erzeugter Code braucht klare Anforderungen, belastbare Tests und nachvollziehbare Entscheidungen über seine Qualität.
Der am 6. Oktober veröffentlichte Gartner Magic Quadrant for Agentic Software Quality Assurance Platforms 2026 greift diese Entwicklung auf. Schon der neue Name zeigt den Wandel: Aus «AI-Augmented Software Testing Tools» werden Plattformen für agentische Qualitätssicherung.
Für uns bei Infometis ist das eine wichtige Entwicklung. Der Fokus erweitert sich von einzelnen automatisierten Tests auf die Koordination von Qualität über den gesamten Softwareentwicklungsprozess hinweg.
Was sich gegenüber 2025 verändert
In unserem Beitrag zum Magic Quadrant 2025 haben wir den Aufstieg autonomer Test-Agenten beschrieben. Im aktuellen Report rückt deren Zusammenspiel in den Mittelpunkt.
Ein KI-Assistent unterstützt beispielsweise bei der Erstellung eines Testfalls. Eine agentische Plattform soll darüber hinaus Anforderungen verstehen, Tests planen, deren Ausführung koordinieren, Ergebnisse analysieren und Erkenntnisse an Menschen oder andere Agenten zurückgeben.
Gartner beschreibt damit einen Übergang zu kontinuierlicher Quality-Orchestrierung: spezialisierte Agenten übernehmen zusammenhängende Aufgaben über mehrere Werkzeuge und Entwicklungsphasen hinweg.
Zwei Prognosen verdeutlichen die erwartete Richtung:
- Bis 2030 sollen KI-Agenten mehr als 50 Prozent der Softwaretests in Unternehmen initiieren, koordinieren, ausführen und analysieren.
- Bis 2028 sollen 65 Prozent der Quality Engineers Kommandozeilenwerkzeuge für ihre QA-Aktivitäten nutzen.
Das sind Zukunftsprognosen von Gartner. Sie zeigen aber deutlich, wie stark sich Werkzeuge und Rollen verändern könnten.
Die Anbieterlandschaft 2026 im Überblick
Gartner bewertet zwölf Anbieter anhand ihrer Umsetzungsfähigkeit und der Vollständigkeit ihrer Vision.
QuadrantAnbieterLeadersKeysight, TestMu AI, Tricentis, UiPathChallengersACCELQ, mabl, OpenText, Sauce Labs, SmartBearVisionariesQyrusAINiche PlayersKatalon, Perforce Software
TestMu AI, ehemals LambdaTest, gehört nun zum Leader-Feld. Neu aufgenommen wurden mabl, Perforce Software, QyrusAI und Sauce Labs. Applitools und BrowserStack sind in dieser Ausgabe nicht enthalten.
Dabei ist die veränderte Marktdefinition entscheidend: Eine andere Positionierung oder das Ausscheiden aus dem Quadranten bedeutet nicht automatisch, dass ein Produkt schlechter geworden ist. Gartner passt seine Bewertung und Aufnahmekriterien an den Markt an.
Für die Toolwahl bleibt deshalb die Frage: Welche Plattform passt zu unseren Anwendungen, Risiken und Arbeitsweisen?
UiPath: Breite Plattform und konsequente Agentic-Vision
UiPath gehört erneut zu den Leadern. Gartner hebt insbesondere die breite funktionale Abdeckung, die Innovation und die Produktstrategie hervor.
UiPath Test Cloud verbindet Testentwicklung, Testmanagement, Ausführung und Agenten-Orchestrierung mit Governance und menschlicher Aufsicht. Der Report beschreibt unter anderem autonome Anwendungserkundung, die Ausführung natürlichsprachlich beschriebener Testfälle und einen Healing Agent zur Wartung von Tests.
Spannend ist die Verbindung von Computer Vision, synthetischen Testdaten und Accessibility-Prüfungen mit agentischen Abläufen. Damit adressiert UiPath mehrere Qualitätsaufgaben innerhalb einer Plattform.
Unsere Einschätzung: UiPath ist besonders interessant für Unternehmen, die Testing und Prozessautomatisierung gemeinsam weiterentwickeln möchten. Bestehendes Automatisierungswissen kann dabei eine gute Grundlage bilden.
Eine sorgfältige Evaluation bleibt notwendig. Gartner nennt die komplexe, verbrauchsabhängige KI-Preisgestaltung als Herausforderung. Auch branchenspezifische Governance- und Audit-Anforderungen müssen konkret geprüft werden. Vor einer Einführung sollten Unternehmen deshalb reale Nutzungsszenarien, Kosten und Kontrollmechanismen testen.
Tricentis: Quality Engineering über ein breites Enterprise-Portfolio
Auch Tricentis bleibt im Leader-Quadranten. Im Zentrum steht die Weiterentwicklung des AI Workspace zu einer zentralen Schicht für Agenten-Orchestrierung.
Diese soll Aufgaben über Testentwicklung, Testausführung, Performance Engineering, Testmanagement und Release-Bereitschaft hinweg koordinieren – innerhalb des Tricentis-Portfolios und mit Werkzeugen anderer Anbieter.
Gartner würdigt insbesondere die Produktstrategie, das Verständnis für Governance und menschliche Aufsicht sowie die langfristige Tragfähigkeit des Unternehmens.
Unsere Einschätzung: Für Unternehmen mit einer etablierten Tricentis-Landschaft bietet dieser Ansatz einen möglichen Weg, bestehende Investitionen schrittweise um agentische Fähigkeiten zu erweitern.
Gleichzeitig bleibt die Integration anspruchsvoll. Laut Gartner unterscheiden sich die Produkte weiterhin hinsichtlich Benutzerführung, Workflows und KI-Reife. Eine gemeinsame Plattformvision sollte deshalb anhand konkreter, produktübergreifender Abläufe überprüft werden.
Auch die übrigen Anbieter verdienen einen Blick
Keysight punktet laut Gartner mit breiter Technologieabdeckung, darunter Desktop-, Embedded- und spezialisierte Systeme, sowie flexiblen Betriebsmodellen. Einige weitergehende agentische Fähigkeiten befinden sich jedoch noch auf der Roadmap.
TestMu AI verbindet Browser- und Geräteinfrastruktur mit agentischer Testentwicklung und der Evaluation von KI-Agenten. Für grosse oder regulierte Organisationen empfiehlt Gartner eine genaue Prüfung von Supportkapazität, privaten Bereitstellungen und Kostenmodellen.
Auch Anbieter ausserhalb des Leader-Quadranten können für bestimmte Anforderungen gut passen. Ein Challenger oder Niche Player kann bei einem konkreten Anwendungsfall die sinnvollere Wahl sein.
Zwei Aufgaben: Mit KI testen und KI testen
Aus unserer Sicht müssen Unternehmen zwei unterschiedliche Herausforderungen berücksichtigen.
Mit KI testen: Agenten erzeugen Testfälle, pflegen Automatisierung, priorisieren Tests und analysieren Fehler. Hier geht es um die Leistungsfähigkeit und Verlässlichkeit des Testprozesses.
KI testen: Die Anwendung selbst enthält KI-Komponenten. Deren Antworten und Entscheidungen können variieren. Neben klassischen funktionalen Tests braucht es geeignete Evaluationen für Ergebnisqualität, Robustheit und unerwünschtes Verhalten.
Eine Plattform, die Testfälle mit KI generiert, deckt damit noch nicht automatisch die Qualitätssicherung einer KI-Anwendung ab. Diese Fähigkeiten sollten bei der Evaluation getrennt betrachtet werden.
Was Schweizer Unternehmen jetzt tun sollten
Unsere Empfehlung ist, mit einem klar abgegrenzten Anwendungsfall zu starten und fünf Fragen zu beantworten:
- Welches Qualitätsproblem wollen wir lösen? Hoher Wartungsaufwand, langsame Regression, fehlende Abdeckung oder die Prüfung einer KI-Anwendung?
- Welchen Kontext erhalten die Agenten? Anforderungen, Geschäftsregeln, Risiken und Testdaten müssen zugänglich und verständlich sein.
- Welche Entscheidungen dürfen sie treffen? Berechtigungen, Freigaben und Eskalationswege brauchen klare Grenzen.
- Wie messen wir den Nutzen? Relevant sind beispielsweise Wartungsaufwand, Fehlererkennung, Durchlaufzeit und Gesamtkosten.
- Wie passt die Plattform in unsere Umgebung? Datenhaltung, Betriebsmodell, bestehende Tools und Exportmöglichkeiten gehören in die Prüfung.
Gerade bei Banken, Versicherungen und der öffentlichen Verwaltung müssen Nachvollziehbarkeit und Kontrolle Bestandteil der Einführung sein.
Gartner betont zudem, dass menschliches Urteilsvermögen weiterhin notwendig bleibt. Qualitätsstandards, Ergebnisbewertung und Release-Entscheidungen brauchen verantwortliche Menschen.
Unsere Perspektive: Agentic Testing braucht ein tragfähiges Quality Engineering
Mehr automatisch erzeugte Tests bedeuten noch keine bessere Software. Entscheidend ist, ob die richtigen Risiken abgedeckt werden und die Ergebnisse belastbare Entscheidungen ermöglichen.
Hier setzt auch das Quality Tree Framework an: Qualitätsfähigkeiten müssen zusammenpassen und sich gezielt weiterentwickeln. Eine leistungsfähige Plattform entfaltet ihren Nutzen, wenn Anforderungen, Testdaten, technische Integration, Kompetenzen und Governance mitwachsen.
Meine Überzeugung: Die Rolle der Quality Engineers wird wichtiger. Ihr Schwerpunkt verschiebt sich zunehmend zur Gestaltung, Koordination und unabhängigen Bewertung von Qualitätsprozessen.
Dein nächster Schritt mit Infometis
Du möchtest herausfinden, welche agentischen Testing-Fähigkeiten für Dein Unternehmen sinnvoll sind?
Infometis unterstützt Dich bei der Standortbestimmung, der Evaluation geeigneter Werkzeuge und einem Pilot mit messbaren Zielen. Als Schweizer Spezialistin für Quality Engineering bringen wir Erfahrung mit Tricentis, UiPath und weiteren Testing-Technologien ein.
Lass uns gemeinsam prüfen, wo Agentic Testing für Deine Softwarequalität konkreten Mehrwert schafft.
Kontakt mit Infometis aufnehmen
Quelle: Gartner, Magic Quadrant for Agentic Software Quality Assurance Platforms, 6. Oktober 2026, ID G00841424. Anbieterpositionierungen: Stand September 2026. Die als «Unsere Einschätzung» gekennzeichneten Aussagen und Handlungsempfehlungen geben die Perspektive von Infometis wieder. Infometis ist Partner von Tricentis und UiPath.
