KI-Tools wie GitHub Copilot haben die Art verändert, wie wir Tests schreiben. Ein einfacher Prompt – und Sekunden später haben wir eine komplette Testsuite. Doch diese vermeintliche Zeitersparnis hat einen versteckten Preis: massive Code-Duplikation in den Tests.

Jeder Test erstellt seine Testdaten von Grund auf neu. Fügt man dem Datenmodell ein neues Pflichtfeld hinzu oder ändert einen Datentyp, müssen plötzlich Dutzende oder Hunderte von Tests angefasst werden. Die Tests werden unlesbar, weil Signal und Rauschen vermischt werden, und die Wartung wird zum Albtraum.

Die Lösung ist ein bewährtes Pattern, das seit Jahren in der Praxis funktioniert: Testdata-Builder. Dieses Pattern kapselt die Testdaten-Erstellung, bietet sinnvolle Standardwerte und ermöglicht durch Fluent-APIs präzise Konfigurationen. Das Ergebnis: Tests, die sich auf das Wesentliche konzentrieren und bei Modelländerungen an genau einer Stelle angepasst werden müssen.

In dieser Session zeige ich durch Live-Coding:
- Wie man Testdata-Builder von Grund auf erstellt
- Wie hierarchische Builder komplexe Objektstrukturen elegant abbilden
- Wie Collection-Builder verschachtelte Listen handhaben
- Wie man KI-Tools wie GitHub Copilot durch präzise Prompts und Instruction-Files gezielt einsetzt, um konsistente Builder zu generieren

Sie lernen, wie traditionelle Software-Engineering-Prinzipien und moderne KI-Unterstützung synergetisch zusammenwirken. Das Ziel: Tests, die nicht nur funktionieren, sondern auch wartbar, lesbar und nachhaltig sind.

Zielgruppe: Entwicklerinnen und Entwickler mit Erfahrung in Unit-Testing, die ihre Test-Qualität auf das nächste Level heben möchten.

Takeaways:
- Praktisches Builder-Pattern für Testdaten
- Integration mit GitHub Copilot
- Patterns für komplexe Objekthierarchien
- Best Practices für nachhaltige Test-Architekturen

- Dauer: 45 Minuten
- Format: Live-Coding Session mit praktischen Beispielen
- Level: Intermediate
- Sprache: Deutsch
- Technologie: C#, .NET, xUnit, GitHub Copilot