Software Testing & Qualität - Testautomatisierung, KI & Agilität

Multidimensionales Risikobasiertes Testen - Richard Hönig

Listen Later
So nutzt du Daten, um Risiken präziser zu bewerten

📌 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 sage jetzt nur die Testfälle, die einen gewissen Risikowert haben, sollen auch im Testlauf aufgenommen werden. Alles andere ist uns jetzt erstmal egal." - Richard Hönig

In dieser Episode spreche ich mit Richard Hönig über risikobasiertes Testen. Wir beleuchten verschiedene Perspektiven, um Risiken im Testen effektiver zu analysieren und unsere Abläufe zu optimieren. Richard erklärt sein Modell, das mehrere Dimensionen betrachtet, statt nur eindimensionale Risikoanalysen. Ein spannendes Thema, das nicht nur theoretische, sondern auch praktische Relevanz hat. Wir diskutieren, wie man Daten aus Projekten nutzt, um präzisere Risikobewertungen zu erzielen. Richards Ansatz ermöglicht eine tiefere, datenbasierte Sichtweise auf Risiken und bietet wertvolle Einblicke, wie man das Testen wirklich nutzen kann, um Risiken zu minimieren.

Richard Hönig hat in Leipzig Biochemie studiert, als Wissenschaftler gearbeitet und ist als Quereinsteiger in die IT-Branche gekommen. Seit mehreren Jahren ist er nun begeisterter Quality Engineer. Sein Erfahrungsschatz erstreckt sich von manueller Testmethodik über Testdatengenerierung bis hin zu Testmanagement. Die Weiterentwicklung von risikobasiertem Testen für komplexe Enterprise-Anwendungen ist Richards Herzensprojekt und lässt ihn selbst unter der Dusche nicht los.

Highlights:

  • Risikobasiertes Testen wird in vielen Projekten zwar intuitiv praktiziert, aber ohne strukturierte Risikometrik bleibt die Entscheidung, welche Testfälle ins Release kommen, ein reines Bauchgefühl.
  • Ein Ebenenmodell mit fünf Perspektiven, darunter fachliche Logik, Testhistorie, Releaseumfang, Testerzuweisung und Codeänderungen, liefert einen aggregierten Risikoscore pro Testfall statt eines einzelnen groben Hoch-mittel-niedrig-Werts.
  • Fibonacci-Zahlen als Bewertungsskala sorgen dafür, dass ein einzelner hoher Risikowert den Gesamtscore dominant beeinflusst und niedrige Werte auf anderen Ebenen nicht künstlich ausgleichen.
  • Testfallkomplexität, gemessen an Vorbedingungen und Anzahl der Schritte im Verhältnis zu anderen Testfällen im Projekt, fließt direkt in die Eintrittswahrscheinlichkeit eines Fehlers ein.
  • Mit einem Risiko-Cut-Off lässt sich vor dem Testlauf festlegen, welche Testfälle überhaupt berücksichtigt werden, sodass bei Zeitdruck die hinten wegfallenden Fälle nachweislich das geringste Risiko tragen.

    • Weitere Links zur Episode:

    • RBT-Ebenenmodell
    • Evaluierung des RBT-Modells

      • 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