Recap of Manuel Felipe Hintermayr’s talk at Swiss Testing Day 2026

 

1.01 to the power of 365 = 37.78. Just 1% better every day — for one year — yields a 37-fold improvement. Manuel Felipe Hintermayr, Quality Ambassador, showed at Swiss Testing Day 2026 how small, consistent improvements in test automation achieve more than big overhauls — and why AI only helps when the garden is tidy first.

 

Key Takeaways

 

• • 1% principle (Atomic Habits): Small, daily improvements compound exponentially. 37x in one year

• • Test automation is software development: Same coding standards, same architecture, same code reviews

• • The “John Problem”: When senior developers submit AI-generated code, teams skip the scrutiny

• • AI is an amplifier, not a replacement: Like fertilizer for a garden. A clean garden blooms, a messy one spirals

• • Soft skills are the underestimated multiplier: Rhetoric and body language determine whose ideas get heard

 

The Foundation: Why Small Changes Move Mountains

The mathematics of stagnation and the decay from just 1% daily decline

Hintermayr opened with a simple calculation that immediately captivated the room. 1.01 to the power of 365 — just 1% better each day — yields 37.78. The concept comes from James Clear’s Atomic Habits and was dramatically demonstrated by British cycling team Sky: small changes to sleeping position, nutrition, and tire choice — each insignificant on its own — led collectively to Tour de France dominance.

And the flip side? 0.99 to the power of 365 = 0.03. Practically zero. Just 1% worse each day, and after a year, nothing remains.

“It’s not about being 1% better every day literally. It’s about the mindset that every time we see something, we try to change it to the better. Because if you think you’re too small to make a difference, try sleeping with a mosquito.”

 

Blocks 1 & 2: Test Code Deserves the Same Care as Production Code

The core statement: Test automation deserves the same standards as production code

 

The audience poll spoke volumes: only five people had reviewed test code with the same rigor as production code in recent months. Meanwhile, nearly everyone had recently seen test code that looked like it was written at 2 a.m.

Hintermayr’s message was unequivocal: Code-based test automation is code. Same coding patterns, same architecture, same quality gates.

The most common anti-patterns he encounters in projects:

 

• • Copy-paste code: Five login variants, written five times

• • Hardcoded selectors: Button 23 — will that still be valid after the next deployment?

• • Hardcoded test data: One product changes, five test cases need updating

• • Missing code reviews: More essential than ever in the age of AI

The clean architecture: test cases at the top (business logic), page objects and API paths in the middle, base components, configuration, clients, and centrally managed test data at the foundation. Each layer has its own responsibility: when something breaks, you know exactly where to look.

 

Block 3: Using AI Right — The John Problem

The talk’s most memorable moment: the “John Problem.” Every team has a John: the experienced expert whose code gets only a cursory review because “it’s John.” What happens when John starts submitting AI-generated code without telling anyone?

“We see code from John and think: Oh, it’s from John, it will be good. This is the John Problem — and it’s happening right now.”

Hintermayr described his own transformation: a year ago, he wrote 60–70% of his code himself. Today, he generates 80–90% with AI. But of that 90%, he pushes back on roughly 40%. “No, not this way, this way.” His role has shifted from coder to engineer and forecaster.

Three concrete AI use cases:

 

1. Generate new test cases: Have AI analyze the entire architecture, provide a reference test case, export test cases from the management tool. AI generates new tests following the same patterns
2. Monday morning failure analysis: Feed the error message plus the DOM tree to AI. In Hintermayr’s case, the AI re-executed the test independently, generated screenshots, analyzed the DOM, and identified the root cause in about 30 minutes
3. Health checks from page objects: Use existing locators to generate smoke tests that verify all selectors are still valid before running the full suite

1.  

Health checks from existing page objects: Which locators still exist, which are broken, where are UI changes?

But Hintermayr issued a clear warning: AI is like fertilizer for a garden. A tidy garden blooms. An unkempt garden spirals in all directions. Before deploying AI, your own solution must be clear enough for AI to understand — and for you to understand it yourself.

 

Block 4: People Skills — The Underestimated Multiplier

The most surprising part came last. Hintermayr — trained actor and programmer — argued that technical excellence without communication skills is wasted potential.

His example: Colleague A with 9/10 technical skills, 3/10 social. Colleague B with 7/10 technical but significantly better soft skills. Who gets their ideas through in meetings? B, because they can explain, present, and inspire better.

Two techniques from acting:

 

• • Resonance frequency: Don’t speak louder. Change the frequency. Your whole body speaks along: the “natural subwoofer” of your voice. Less energy expenditure, more presence.

• • Alba Emoting: Every emotion can be created through breathing patterns. Anger for power when defending quality gates. Tenderness when breaking a bug to developers gently. Joy and friendliness when motivating the team for new test techniques.

 

What This Means for Your Team

The message is clear: Start today. Improve 1%. Repeat. Not the big revolution, but the daily small improvement makes the difference. And AI is a powerful ally, but only when your own code, architecture, and skills form the foundation.

 

About the Speaker

Manuel Felipe Hintermayr is a Quality Ambassador with over eight years of experience in quality assurance and test automation. His unique background as both a trained programmer and actor shapes his holistic approach: technical excellence combined with rhetorical impact.

 

 

Wie 1 % alles verändern kann: Micro-Habits für wartbare Testautomatisierung

Rückblick auf den Vortrag von Manuel Felipe Hintermayr am Swiss Testing Day 2026

1,01 hoch 365 = 37,78. Jeden Tag 1 % besser — ein Jahr lang — ergibt eine 37-fache Verbesserung. Manuel Felipe Hintermayr, Quality Ambassador, zeigte am Swiss Testing Day 2026, wie kleine, konsequente Verbesserungen in der Testautomatisierung mehr bewirken als große Umbrüche und warum KI nur dann hilft, wenn der Garten vorher aufgeräumt ist.

 

Key Takeaways

 

• • 1%-Prinzip (Atomic Habits): Kleine, tägliche Verbesserungen summieren sich exponentiell. 37× in einem Jahr

• • Testautomatisierung ist Softwareentwicklung: Gleiche Coding-Standards, gleiche Architektur, gleiche Code Reviews

• • Das „John-Problem”: Wenn erfahrene Entwickler KI-generierten Code einreichen, überspringen Teams die Kontrolle

• • KI ist ein Verstärker, kein Ersatz: Wie Dünger für einen Garten: ein sauberer Garten blüht, ein chaotischer wuchert

• • Soft Skills sind der unterschätzte Multiplikator: Rhetorik und Körpersprache bestimmen, wessen Ideen gehört werden

 

Das Fundament: Warum kleine Veränderungen alles bewegen

Die Mathematik des Stillstands und des Verfalls bei nur 1 % täglicher Verschlechterung

Hintermayr eröffnete mit einer einfachen Rechnung, die den Raum sofort in den Bann zog. 1,01 hoch 365 — jeden Tag nur 1 % besser — ergibt 37,78. Das Konzept stammt von James Clear (Atomic Habits) und wurde durch das britische Radsport-Team Sky eindrücklich belegt: Kleine Änderungen an Schlafposition, Ernährung und Reifenwahl — jede für sich unbedeutend — führten gemeinsam zur Dominanz bei der Tour de France.

Und die Kehrseite? 0,99 hoch 365 = 0,03. Praktisch null. Jeden Tag 1 % schlechter, und nach einem Jahr bleibt nichts übrig.

„It’s not about being 1% better every day literally. It’s about the mindset that every time we see something, we try to change it to the better. Because if you think you’re too small to make a difference, try sleeping with a mosquito.”

 

Block 1 & 2: Testcode verdient dieselbe Sorgfalt wie Produktionscode

Die Kernaussage: Testautomatisierung verdient dieselben Standards wie Produktionscode

Die Umfrage im Raum sprach Bände: Nur fünf Personen hatten in den letzten Monaten Testcode mit denselben Richtlinien reviewt wie Produktionscode. Gleichzeitig hatte fast jeder kürzlich Testcode gesehen, der aussah, als wäre er um 2 Uhr nachts geschrieben worden.

Hintermayrs Botschaft war unmissverständlich: Codebasierte Testautomatisierung ist Code. Dieselben Coding-Patterns, dieselbe Architektur, dieselben Quality Gates.

Die häufigsten Anti-Patterns, die er in Projekten sieht:

 

• • Copy-Paste-Code: Fünf verschiedene Login-Varianten, fünfmal geschrieben

• • Hardcodierte Selektoren: Button 23 — wird das beim nächsten Deployment noch stimmen?

• • Hardcodierte Testdaten: Ein Produkt ändert sich, fünf Testfälle müssen angepasst werden

• • Fehlende Code Reviews: Gerade in Zeiten von KI unverzichtbar

Die saubere Architektur: Oben die Testfälle (Business-Logik), darunter Page Objects und API-Pfade, am Fundament die Base Components, Konfiguration, Clients und zentral verwaltete Testdaten. Jede Schicht hat ihre Verantwortung: wenn etwas bricht, weiß man genau, wo man suchen muss.

 

Block 3: KI richtig einsetzen — das John-Problem

Der einprägsamste Moment des Vortrags: das „John-Problem.” Jedes Team hat einen John: den erfahrenen Experten, dessen Code im Review nur flüchtig geprüft wird, weil „es ist ja John.” Was passiert, wenn John anfängt, KI-generierten Code einzureichen ohne es zu sagen?

„We see code from John and think: Oh, it’s from John, it will be good. This is the John Problem — and it’s happening right now.”

Hintermayr beschrieb seinen eigenen Wandel: Vor einem Jahr schrieb er 60–70 % seines Codes selbst. Heute generiert er 80–90 % mit KI. Aber: Von diesen 90 % sagt er bei rund 40 % „Nein, nicht so.” Seine Rolle hat sich verschoben: vom Coder zum Engineer und Forecaster.

Drei konkrete KI-Use-Cases:

 

1. Neue Testfälle generieren: KI die gesamte Architektur analysieren lassen, einen Referenz-Testfall geben und Testfälle aus dem Management-Tool exportieren — die KI generiert neue Tests im gleichen Stil
2. Fehleranalyse am Montagmorgen: Fehlermeldung plus DOM-Tree an die KI geben. In Hintermayrs Fall hat die KI den Test selbstständig erneut ausgeführt, Screenshots generiert, den DOM analysiert und die Ursache gefunden, nach etwa 30 Minuten
3. Health Checks aus Page Objects: Bestehende Locatoren nutzen, um Smoke Tests zu generieren, die vor der eigentlichen Suite prüfen, ob alle Selektoren noch gültig sind

1.  

1.  

Health Checks aus bestehenden Page Objects: Welche Locatoren existieren noch, welche sind gebrochen, wo gibt es UI-Änderungen?

Aber Hintermayr warnte eindringlich: KI ist wie Dünger für einen Garten. Ein aufgeräumter Garten blüht. Ein verwilderter Garten wuchert in alle Richtungen. Bevor man KI einsetzt, muss die eigene Lösung klar genug sein, damit die KI sie versteht, und man selbst sie auch.

 

Block 4: People Skills — der unterschätzte Multiplikator

Der überraschendste Teil kam zum Schluss. Hintermayr — ausgebildeter Schauspieler und Programmierer — argumentierte, dass technische Exzellenz ohne kommunikative Fähigkeiten verpufft.

Sein Beispiel: Kollege A mit 9/10 technisch, 3/10 sozial. Kollege B mit 7/10 technisch, aber deutlich besseren Soft Skills. Wer setzt seine Ideen in Meetings durch? B, weil er besser erklären, präsentieren und begeistern kann.

Zwei Techniken aus der Schauspielerei:

 

• • Resonanzfrequenz: Nicht lauter sprechen, sondern die Frequenz ändern. Der gesamte Körper spricht mit: der „natürliche Subwoofer” der Stimme. Weniger Energieverbrauch, mehr Präsenz.

• • Alba Emoting: Jede Emotion lässt sich durch die Art des Atmens erzeugen. Wut für Kraft beim Verteidigen von Quality Gates. Zärtlichkeit, um Entwicklern einen Bug schonend zu erklären. Fröhlichkeit, um das Team für neue Testtechniken zu begeistern.

 

Was bedeutet das für Ihr Team?

Die Botschaft ist klar: Starte heute. Verbessere 1 %. Wiederhole. Nicht die große Revolution, sondern die tägliche kleine Verbesserung macht den Unterschied. Und KI ist dabei ein mächtiger Verbündeter. Aber nur, wenn der eigene Code, die eigene Architektur und die eigenen Skills das Fundament bilden.

 

Über den Speaker

Manuel Felipe Hintermayr ist Quality Ambassador mit über acht Jahren Erfahrung in Qualitätssicherung und Testautomatisierung. Sein ungewöhnlicher Hintergrund als ausgebildeter Programmierer und Schauspieler prägt seinen ganzheitlichen Ansatz: technische Exzellenz kombiniert mit rhetorischer Wirkung.

 

Basierend auf dem Vortrag „How 1% Can Change Everything: Micro-Habits for Maintainable Test Automation” am Swiss Testing Day 2026 in Zürich (Room 6, 10:45–11:15). Konferenzmotto: „Defining Quality in a Dangerous Decade”.

Swiss Testing Day — die führende Konferenz für Software-Qualität in der Schweiz.