Abstracta startet Quality Intelligence für schnellere Software-Releases bei Banken

Das Problem: Bauen geht schneller als Prüfen

Laut Abstracta hat KI verändert, wie schnell Teams Software entwickeln, und das Schreiben von Code bremst die Auslieferung nicht mehr. Schwierig sei vielmehr, sicherzustellen, dass die Software die vom Geschäft geforderte Qualität hat, und zwar im nötigen Tempo. Mehr Code bedeute mehr Änderungen, und jede Änderung könne Risiken mit sich bringen. Organisationen, die die Entwicklung beschleunigen, aber dieselben Validierungs- und Kontrollmechanismen beibehalten, geraten dem Unternehmen zufolge in einen erheblichen Engpass.

Im Bankwesen seien die Einsätze höher, argumentiert Abstracta, denn ein Softwarefehler könne Geld, personenbezogene Daten oder tausende Kunden betreffen. Die Frage für technische Führungskräfte laute daher, wie sie Risiken verstehen und fundierte Release-Entscheidungen im selben Tempo treffen können, in dem sie heute entwickeln.

Die Vision und die erste Version des Quality Intelligence Manifesto stellte das Unternehmen in der Eröffnungs-Keynote der Quality Sense Conf 2026 in Montevideo, Uruguay, vor. Die Präsentation hielt Co-CEO Sofía Palamarchuk.

Was Quality Intelligence bedeutet

2025 prägte Abstracta den Begriff Quality Intelligence Gap: die Kluft zwischen dem, was KI hervorbringt, und dem, was Teams verstehen müssen, um sichere Release-Entscheidungen zu treffen. Früher habe Qualität bedeutet zu testen, also etwas zu bauen und dann zu prüfen, ob es funktioniert. Das reiche nicht mehr aus, wenn eine Organisation hunderte oder tausende Änderungen ausliefert, so das Unternehmen.

Quality Intelligence verbindet Systeme, Kontext und menschliches Urteilsvermögen. Es nutzt das Wissen der Teams über ihre Software, von Anforderungen, Code und Tests bis zu Vorfällen und dem Verhalten in der Produktion, um das Risiko jeder Änderung laufend zu bewerten und einzuschätzen, ob genügend Belege für eine Auslieferung vorliegen.

Abstracta zufolge teilt der Ansatz Prinzipien mit dem Financial Services AI Risk Management Framework des US-Finanzministeriums, das im Februar 2026 veröffentlicht wurde: KI-Risiken nach dem jeweiligen Einführungsstand der Institute zu steuern und Verantwortlichkeit in KI-Entscheidungen zu verankern. Zudem bietet das Unternehmen ein Quality Intelligence Maturity Model an, das Organisationen auf fünf Stufen einordnet, von der Erkundung und individuellen Nutzung bis zu KI-gestützten Release-Entscheidungen.

Abstracta Intelligence und die Agenten

Abstracta Intelligence ist die Plattform, auf der die Praxis angewendet wird. Ihre auf Tero basierenden Agenten verbinden sich mit Systemen, die Banken bereits betreiben, von Jira und CI/CD-Pipelines bis zu AS/400 und Kernbankplattformen, und bereiten die Release-Entscheidung vor. Tero ist im Microsoft Marketplace erhältlich. Die Agenten decken fünf Bereiche ab:

• System Understanding: erklärt, wie ein Feature, ein Ablauf oder eine Geschäftsregel über Dokumentation, Tickets, Code und Tests hinweg funktioniert.
• Change Impact: zeigt, was sich geändert hat und welche Bereiche betroffen sein könnten.
• Risk Assessment: weist auf Risiken hin, basierend auf Historie, Fehlern, geringer Testabdeckung und Vorfällen.
• Release Readiness: fasst die Belege für eine Go/No-go-Entscheidung zusammen, die ein Mensch freigibt.
• Knowledge Capture: macht Expertenwissen zu wiederverwendbarem, prüfbarem Kontext.

Dashboards zu Testing Maturity, DORA-Metriken und Release Readiness geben QA, Entwicklung und Führung für jedes Release eine gemeinsame Grundlage. Audit-Trails, definierte Rollen und menschliche Freigaben sollen dafür sorgen, dass Menschen für jede Go/No-go-Entscheidung verantwortlich bleiben.

Erfahrung und behauptete Ergebnisse

Abstracta nach eigenen Angaben seit fast 20 Jahren damit beschäftigt, die Softwarequalität in geschäftskritischen Systemen zu verbessern, unter anderem in Projekten mit globalen Banken wie BBVA und Santander. Gemeinsam mit dem F&E-Team von Bantotal und dem AI Co-Innovation Lab von Microsoft entwickelte das Unternehmen einen Copilot auf Basis generativer KI, der Teams helfen soll, ein Kernbanksystem mit hunderttausenden Programmen zu verstehen.

Nach Angaben des Unternehmens hat sein Ansatz in verschiedenen Projekten zu 40 Prozent weniger Produktionsfehlern in unter sechs Monaten geführt, Regressionszyklen von Tagen auf rund 30 Minuten verkürzt und durch auf Tero basierende KI-Agenten mehr als 2.000 Stunden pro Monat eingespart. Diese Zahlen stammen von Abstracta selbst.

Verfügbarkeit und Bedeutung für Banken

Projekte mit Abstracta Intelligence beginnen mit dem Abstracta 90-Day Quality Intelligence Framework. Es legt fest, was priorisiert werden soll, was sich geändert hat, welche Belege fehlen, welche Wirkung KI hat und was skaliert werden soll. Tero ist kostenlos und Open Source auf GitHub verfügbar, und Organisationen können Abstracta kontaktieren, um ein 90-tägiges Quality-Intelligence-Assessment zu vereinbaren.

Für Banken und andere Betreiber kritischer Software lautet das Versprechen, dass Release-Entscheidungen auf Belegen statt allein auf Tests beruhen sollen, wobei weiterhin Menschen verantwortlich bleiben. Palamarchuk sagte: „Die Entscheidung darüber, was ausgeliefert wird, liegt weiterhin bei den dafür verantwortlichen Menschen.“ Preise für die Plattform nennt die Mitteilung nicht.