Software Testing & Qualität - Testautomatisierung, KI & Agilität

KI-Revolution in der Testautomatisierung - Thomas Steirer

Listen Later
Was heute mit Machine Learning im Software-Test bereits möglich ist

📌 Konferenz-Tipp: TACON 2026 in Leipzig (16.–17. September). Ich war letztes Jahr als Keynote dort und fand den Austausch richtig gut 👉 https://swt.fm/tacon

"Ich komme in der Früh rein und finde nicht mehr 200 fehlgeschlagene Tests vor, sondern ich finde 7, vielleicht 8 Ursachen" - Thomas Steirer

In der Podcastfolge geht es um Testautomatisierung und den Einsatz von Machine Learning, um Fehler schneller zu finden und Tools zu integrieren. Unsupervised Learning und Test-Based-Modeling ermöglichen effizientere Testprozesse. Augmented Testing kombiniert menschliches Wissen und Automatisierung für genauere Ergebnisse. Die Zukunft des Testmanagements wird hinsichtlich der Rolle von KI in der Testautomatisierung und der weiteren Optimierung diskutiert.

Thomas ist Testautomatisierungsarchitekt aus Wien, und bringt über 15 Jahre Erfahrung in diesem Bereich mit. Er hat zahlreiche Automatisierungsframeworks und -lösungen in unterschiedlichsten Branchen und Technologien entwickelt. Sein Schwerpunkt liegt auf dem Aufbau skalierbarer und nachhaltiger Lösungen, die primär darauf ausgelegt sind, wertvolle Informationen zu liefern. In seiner Tätigkeit bei Nagarro begleitet er Kunden bei der Einführung und Optimierung von Testautomatisierung, unterrichtet an Hochschulen in Österreich und ist Co-Autor des Buches „Basiswissen Testautomatisierung”.

Highlights:

  • Fehlgeschlagene automatisierte Tests lassen sich per Machine Learning auf wenige gemeinsame Ursachen verdichten, sodass Tester täglich nicht mehr hunderte Einzelfälle, sondern nur noch sieben bis acht Fehlerklassen analysieren müssen.
  • Aus bestehenden Logfiles und Testausführungsdaten entsteht automatisch ein Graph-Modell der Applikation, der Redundanzen, Fehler-Hotspots und nicht integriert getestete Bereiche auf einen Blick sichtbar macht.
  • Die Auswahl relevanter Tests für eine begrenzte Zeitbox funktioniert über gewichtete Risikofaktoren wie Kritikalität, Codeänderungen, Traceability zu Bugs und Zeitpunkt der letzten Ausführung.
  • Visuelles Regressionstest per KI erkennt unerwartete Zustandsänderungen in der Oberfläche rein anhand von Screenshots, ohne dass dafür explizite Validierungen im Testfall definiert sein müssen.
  • Der Ansatz, einen menschlichen Qualitätswächter im sicherheitskritischen Bereich zu behalten, begründet sich damit, dass Maschinen nur den Kontext verstehen, den man ihnen explizit übergibt.

    • Danke an die Community-Partner des Podcasts:Alliance for Qualification | ASQF | Austrian Testing Board | dpunkt.verlag | German Testing Board | German Testing Day | GI Fachgruppe TAV | Heise | HANSER Verlag | ISTQB | iSQI GmbH | oop | QS-TAG | SIGS-DATACOM | skillsclub | Swiss Testing Board | TACON Credits: Sound | Grafik

    ...more
    View all episodesView all episodes
    Download on the App Store
    Software Testing & Qualität - Testautomatisierung, KI & AgilitätBy Richard Seidl - Experte für Software-Entwicklung und Testautomatisierung