Software Testing & Qualität - Testautomatisierung, KI & Agilität

Qualitätsprobleme in bestehender Software mit KI beheben - Benjamin Hummel

Listen Later
Statische Code-Analyse mit KI: Chancen und Grenzen

📌 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

"Und die Frage ist, kann ich nicht solche sehr lokalen Fixes mit KI-Unterstützung einfach erzeugen lassen?" - Benjamin Hummel

In dieser Folge spreche ich mit Benjamin Hummel darüber, wie Künstliche Intelligenz helfen kann, Qualitätsprobleme in bestehender Software gezielt zu beheben. Im Detail geht es darum, wie KI beim Refactoring und bei der statischen Codeanalyse tatsächlich Mehrwert schafft. Benjamin bringt praktische Erfahrungen aus verschiedenen Projekten mit. Wir diskutieren typische Schwierigkeiten: zu viele Fehler-Reports durch statische Analyse, den Umgang damit und was passiert, wenn Unternehmen den Überblick verlieren.

Dr. Benjamin Hummel hat im Bereich Software Engineering promoviert und zu den Themen Softwarequalität und -wartbarkeit geforscht und publiziert. Seit über 20 Jahren entwickelt er aktiv Methoden und Werkzeuge für die Qualitätsverbesserung von großen Softwaresystemen. Als Mitgründer und CTO der CQSE GmbH verantwortet er seit über 10 Jahren die Entwicklung und den Betrieb der Software-Intelligence-Plattform Teamscale.

Highlights:

  • KI-gestützte Fixes auf Basis statischer Analyse-Befunde funktionieren in rund zwei Dritteln der Fälle gut genug, um direkt oder mit kleinen Anpassungen übernommen zu werden.
  • Das verbleibende Drittel produziert unbrauchbare oder schlicht falschen Code, und der Prüfaufwand ist dort genauso hoch wie eine manuelle Korrektur von Anfang an.
  • Large Language Models verweigern eine Antwort fast nie: In einem Benchmark aus hundert Findings sagten die Modelle nur zweimal "weiß ich nicht" und produzierten stattdessen lieber fehlerhaften Code.
  • Closed-Source-Code schneidet in LLM-basierten Security-Analysen deutlich schlechter ab als öffentlich verfügbarer Code, weil er schlicht nicht in den Trainingsdaten enthalten ist.

    • 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