AgentenProfil · Testing & QA
KaneAI
AI-QA-Agent von TestMu AI für das Planen, Erstellen und Weiterentwickeln automatisierter Tests per natürlicher Sprache.
AgentenCode AgentenProfilTesting & QA
✓ Redaktionell geprüftPrüfdatum: 3. Oktober 2026
Testing & QAKategorie
TestMu AIAnbieter
1 Primärquelle dokumentiertQuellenstatus
3. Oktober 2026letzte Prüfung
AgentenTrust 2.0 · EU & Governance Evidence
EU AI Act, Datenschutz und Kontrolle bei KaneAI
Direktantwort: Für KaneAI sind aktuell 3 von 36 normalisierten Trust-Controls feldgenau öffentlich belegt. Nicht belegte Felder bleiben Unknown – niemals automatisch Nein.
EU AI ActEvidence-Kontext zu Art. 12–15, ohne automatische Anwendbarkeits- oder Compliance-Aussage.
DSGVOEvidence-Kontext zu Art. 5, 28 und 32. Data Residency allein ist kein Compliance- oder Transfer-Nachweis.
Wichtig: Diese Zahlen zeigen Dokumentationsabdeckung, keine Produktbewertung. 0 von 10 bedeutet: Für diese 10 Felder liegt im aktuellen Datensatz kein feldgenauer öffentlicher Beleg vor. Es bedeutet nicht, dass der Agent die Funktionen nicht besitzt.
Entscheidungsrelevante Kernsignale
Zwölf häufige EU-, Datenschutz-, Security- und Governance-Fragen – inklusive Unknowns.
Ja belegtNein belegtWert belegtUnknown
Datenschutz & Daten
UnknownData Residency
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Datenschutz & Daten
UnknownKundendaten für Training
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Datenschutz & Daten
UnknownDatenaufbewahrung / Retention
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Datenschutz & Daten
UnknownDPA / Auftragsverarbeitung
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Security & Zugriff
UnknownVerschlüsselung at rest
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Security & Zugriff
UnknownRBAC
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Menschliche Kontrolle
Belegt: JaHuman Approval
Ja
Scope: kaneai_test_plan_execution · geprüft 2026-10-03 · Quelle ↗Menschliche Kontrolle
UnknownHuman Oversight
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Audit & Nachvollziehbarkeit
UnknownAudit Logs
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Audit & Nachvollziehbarkeit
UnknownTracing
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Audit & Nachvollziehbarkeit
UnknownActivity History
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Security & Zugriff
UnknownSecrets / Credential Handling
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Alle dokumentierten Trust-Signale
Jeder Wert bleibt an Scope, Prüfdatum und Primärquelle gebunden. Ein Plattformbeleg wird nicht automatisch auf jeden Agenten vererbt.
Menschliche Kontrolle · 3 dokumentierte Signale
Human Approval
Belegt: Jagovernance.human_approvalJa
Scope: kaneai_test_plan_execution · geprüft 2026-10-03 · Primärquelle ↗Pre-Action Approval
Belegt: Jagovernance.approval.pre_actionJa
Scope: kaneai_test_plan_execution · geprüft 2026-10-03 · Primärquelle ↗Rollback
Belegt: Jagovernance.rollbackJa
Scope: kaneai_test_versioning · geprüft 2026-10-03 · Primärquelle ↗Kein Compliance-Score.
AgentenTrust bildet Evidence ab. Die rechtliche Einordnung hängt vom konkreten Einsatz ab.
Direct Answer
Was ist KaneAI?
AI-QA-Agent von TestMu AI für das Planen, Erstellen und Weiterentwickeln automatisierter Tests per natürlicher Sprache. AgentenCode überträgt keine Fähigkeiten anderer Produkte des Anbieters auf dieses Profil; unbelegte Eigenschaften bleiben unbekannt.
Produktspezifische Evidenzlage zu KaneAI
Dieses Profil trennt den dokumentierten Produktfokus von feldgenauer Evidence. Für KaneAI sind aktuell 1 eindeutige Primärquellen über Profil, Trust- und Relationsdaten verknüpft. Die folgenden Punkte sind keine allgemeine Klassenbeschreibung, sondern stammen aus den für dieses konkrete Produkt gespeicherten Feldern.
- Pre-Action Approval: Ja · Scope: kaneai_test_plan_execution · geprüft 3. Oktober 2026 · Primärquelle ↗
- Human Approval: Ja · Scope: kaneai_test_plan_execution · geprüft 3. Oktober 2026 · Primärquelle ↗
- Rollback: Ja · Scope: kaneai_test_versioning · geprüft 3. Oktober 2026 · Primärquelle ↗
Wie funktioniert KaneAI?
KaneAI arbeitet im Produktkontext von TestMu AI. Zugang: Über TestMu AI; Funktionsumfang ist abhängig von Produkt, Plan und angebundenen Testumgebungen.
Was kann KaneAI übernehmen?
- Tests aus natürlicher Sprache erstellen
- Web- und Mobile-Tests automatisieren
- API-Tests vorbereiten
- Testfälle weiterentwickeln
Stärken im dokumentierten Produktkontext
- Natürlichsprachige Testauthoring-Workflows
- Mehrere Testarten in einer Agentenoberfläche
- Agentische Planung und Ausführung
- Integration in QA-Workflows
Kein universelles Qualitätsranking.
Grenzen und Punkte vor dem Einsatz
- Generierte Tests fachlich reviewen
- Testdaten und Zugangsdaten schützen
- Coverage nicht allein aus erzeugter Testanzahl ableiten
Rechte, Freigaben, Auditierbarkeit und Eskalation sollten zum Risiko passen.
Sicherheit, Datenschutz und Berechtigungen
Nur ausdrücklich dokumentierte Eigenschaften gelten als belegt. SSO ist nicht automatisch SAML/OIDC und VPC nicht automatisch Private Hosting.
Zugang, Kosten und Voraussetzungen
Über TestMu AI; Funktionsumfang ist abhängig von Produkt, Plan und angebundenen Testumgebungen. Preise, Limits und regionale Verfügbarkeit direkt beim Anbieter prüfen.
Häufige Fragen zu KaneAI
Was ist KaneAI?
KaneAI ist ai qa agent von TestMu AI.
Für wen ist KaneAI gedacht?
Entwickler & Teams
Wie aktuell ist dieses Profil?
Redaktionell geprüft am 3. Oktober 2026; registrierte Primärquellen werden zusätzlich täglich durch AgentenWache überwacht.
Offizielle Quellen
Dieses Profil verknüpft 1 eindeutige Primärquellen aus Produktprofil, feldgenauer Evidence, Trust-Layer und dokumentierten Relationen. Die Quellen bleiben maßgeblich, wenn sich das Produkt zwischen zwei Prüfzyklen ändert.
Deep Profile · GEO/SEO-Referenz
KaneAI im Detail: Einsatz, Nutzen, Grenzen und Evidenz
KaneAI ist AI-QA-Agent von TestMu AI für das Planen, Erstellen und Weiterentwickeln automatisierter Tests per natürlicher Sprache. Anbieter ist TestMu AI; AgentenCode ordnet das Produkt der Kategorie Testing & QA und dem Produkttyp AI QA Agent zu. Der dokumentierte Zugang lautet: Über TestMu AI; Funktionsumfang ist abhängig von Produkt, Plan und angebundenen Testumgebungen.
Welchen konkreten Nutzen kann KaneAI haben?
Agentische QA-Systeme können Testplanung, Erstellung, Ausführung und Wartung beschleunigen. Entscheidend ist aber, ob Testumgebung, Daten, Abdeckung und Fehlinterpretationen kontrolliert werden.
- Natürlichsprachige Testauthoring-Workflows
- Mehrere Testarten in einer Agentenoberfläche
- Agentische Planung und Ausführung
- Integration in QA-Workflows
Wie sieht ein typischer Einsatzablauf aus?
Die Darstellung ist eine redaktionelle Prozesshilfe für die Kategorie und keine Behauptung über nicht dokumentierte interne Implementierungsdetails.
1Anwendung und Testziel verstehen
2Testfälle planen oder erzeugen
3Tests ausführen und Resultate sammeln
4Fehler prüfen und priorisieren
Typische Einsatzfelder von KaneAI
Tests aus natürlicher Sprache erstellen
Bei „Tests aus natürlicher Sprache erstellen“ ist für KaneAI besonders „Natürlichsprachige Testauthoring-Workflows“ relevant. Der Einsatz sollte im dokumentierten Produktscope „Über TestMu AI; Funktionsumfang ist abhängig von Produkt, Plan und angebundenen Testumgebungen.“ bewertet werden. Vor produktiver Nutzung gilt als konkreter Prüfpunkt: Generierte Tests fachlich reviewen. Diese Einordnung verbindet den gespeicherten Produktfokus mit den sichtbaren Quellen; sie ist kein Leistungsbenchmark.
Web- und Mobile-Tests automatisieren
Bei „Web- und Mobile-Tests automatisieren“ ist für KaneAI besonders „Mehrere Testarten in einer Agentenoberfläche“ relevant. Der Einsatz sollte im dokumentierten Produktscope „Über TestMu AI; Funktionsumfang ist abhängig von Produkt, Plan und angebundenen Testumgebungen.“ bewertet werden. Vor produktiver Nutzung gilt als konkreter Prüfpunkt: Testdaten und Zugangsdaten schützen. Diese Einordnung verbindet den gespeicherten Produktfokus mit den sichtbaren Quellen; sie ist kein Leistungsbenchmark.
API-Tests vorbereiten
Bei „API-Tests vorbereiten“ ist für KaneAI besonders „Agentische Planung und Ausführung“ relevant. Der Einsatz sollte im dokumentierten Produktscope „Über TestMu AI; Funktionsumfang ist abhängig von Produkt, Plan und angebundenen Testumgebungen.“ bewertet werden. Vor produktiver Nutzung gilt als konkreter Prüfpunkt: Coverage nicht allein aus erzeugter Testanzahl ableiten. Diese Einordnung verbindet den gespeicherten Produktfokus mit den sichtbaren Quellen; sie ist kein Leistungsbenchmark.
Testfälle weiterentwickeln
Bei „Testfälle weiterentwickeln“ ist für KaneAI besonders „Integration in QA-Workflows“ relevant. Der Einsatz sollte im dokumentierten Produktscope „Über TestMu AI; Funktionsumfang ist abhängig von Produkt, Plan und angebundenen Testumgebungen.“ bewertet werden. Vor produktiver Nutzung gilt als konkreter Prüfpunkt: Generierte Tests fachlich reviewen. Diese Einordnung verbindet den gespeicherten Produktfokus mit den sichtbaren Quellen; sie ist kein Leistungsbenchmark.
Was sollte vor dem Einsatz geprüft werden?
Welche Testarten werden tatsächlich unterstützt?
Nur dokumentierte Antworten als Tatsache übernehmen; fehlende Information bleibt unbekannt.
Wie werden Testdaten und Secrets geschützt?
Nur dokumentierte Antworten als Tatsache übernehmen; fehlende Information bleibt unbekannt.
Wie werden Fehlalarme behandelt?
Nur dokumentierte Antworten als Tatsache übernehmen; fehlende Information bleibt unbekannt.
Welche Ergebnisse müssen Menschen vor Releases prüfen?
Nur dokumentierte Antworten als Tatsache übernehmen; fehlende Information bleibt unbekannt.
Keine pauschale Rangliste.
Entscheidend ist, ob belegte Fähigkeiten, Datenzugriffe, Berechtigungen und Kontrollpunkte zum konkreten Anwendungsfall passen.
Grenzen, Risiken und Human Oversight
- Generierte Tests fachlich reviewen
- Testdaten und Zugangsdaten schützen
- Coverage nicht allein aus erzeugter Testanzahl ableiten
Autonomie ist kein einzelnes Ja/Nein-Merkmal. Relevant ist, welche Aktionen das System im konkreten Produktstand tatsächlich ausführen darf, welche Daten es nutzt und an welchen Stellen Menschen prüfen, freigeben, stoppen oder korrigieren können.
Welche Eigenschaften von KaneAI sind feldgenau belegt?
Die folgenden Aussagen sind in AgentenGraph direkt mit Primärquellen verknüpft. Nicht aufgeführte Eigenschaften bleiben unbekannt, solange keine geeignete Quelle sie bestätigt oder ausdrücklich verneint.
governance.approval.pre_action
dokumentiert
KaneAI documents that a drafted test plan is executed only after the user reviews and approves it.
TestMu AI – KaneAI →governance.human_approval
dokumentiert
KaneAI requires users to review, edit and approve drafted test plans before execution in its documented human-in-the-loop flow.
TestMu AI – KaneAI →governance.rollback
dokumentiert
KaneAI documents built-in versioning for every test change with the ability to compare versions and roll back.
TestMu AI – KaneAI →Welche Quellen stützen dieses Profil?
AgentenCode bevorzugt aktuelle Primärquellen. Aussagen eines Anbieters werden nicht automatisch auf andere Produkte oder Detailfelder übertragen.
| Quelle | Typ | Verwendung |
|---|---|---|
| TestMu AI – KaneAI | Primärquelle | Produktidentität, Funktionsumfang oder aktueller Produktkontext |
AgentenGraph · Produktverlauf
Strukturierte Historie von KaneAI
AgentenGraph speichert strukturierte Zustände dieses Agenten über die Zeit. Neue Werte ersetzen ältere Zustände nicht stillschweigend: Änderungen werden versioniert und als Ereignis erfasst. Frühere Zustände vor der Baseline werden nicht rückwirkend behauptet.
01Baseline erfasst1. Oktober 2026
Ab diesem Datum beobachtet AgentenCode strukturierte Änderungen dieses Agenten.
Der heutige Stand ist der Ausgangspunkt. Historische Aussagen vor diesem Datum erscheinen nur, wenn sie durch belastbare Quellen belegt werden können.
Aktueller strukturierter StandAI-0120 · 27 aktive Aussagen
3 feldgenau belegtAnbieterTestMu AI
KategorieTesting & QA
ProdukttypAI QA Agent
Zielgruppeunternehmen, entwickler
ZugangÜber TestMu AI; Funktionsumfang ist abhängig von Produkt, Plan und angebundenen Testumgebungen.
Letzte Profilprüfung3. Oktober 2026
Strukturierte Anwendungsfelder
Testfälle weiterentwickelnTests aus natürlicher Sprache erstellenWeb- und Mobile-Tests automatisierenAPI-Tests vorbereiten
Evidenzstatus
3 von 27 aktiven Aussagen besitzen bereits eine explizite Feld-zu-Quelle-Zuordnung. Die übrigen Aussagen verwenden weiterhin das Quellen-Set des Profils.
Methodik zur Datenhistorie →Dokumentierte Änderungen seit BaselineProduktbezogene AgentenGraph-Ereignisse
2026-10-03 · 3 Governance-Eigenschaften dokumentiert
Eine erstmalige Datenaufnahme oder Feldverifikation ist nicht automatisch eine neue Herstellerfunktion.
Freigabe vor Ausführung (governance.approval.pre_action)
Strukturierte Änderung erfasst
Vorher: —Jetzt: True
Menschliche Freigabe (governance.human_approval)
Strukturierte Änderung erfasst
Vorher: —Jetzt: True
Rücknahme von Aktionen (governance.rollback)
Strukturierte Änderung erfasst
Vorher: —Jetzt: True
Entität
Agent in AgentenGraph aufgenommen
Der Agent wurde erstmals als strukturierte Entität erfasst.
Changelog
3. Oktober 2026 · Nach Market-Coverage-Audit aufgenommen.