Software Testing & Qualität - Testautomatisierung, KI & Agilität

Synthetische Testdaten - Dominic Steinhöfel

Listen Later
Testdaten im digitalen Zeitalter: Lösungen maßgeschneidert

📌 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

"Das testen war ja schon immer wichtig, und das wird ja irgendwie immer wichtiger, gerade jetzt mit KI." - Dominic Steinhöfel

In dieser Episode spreche ich mit Dominic Steinhöfel über ein Thema, das viele Softwareprojekte vor Herausforderungen stellt: die Erstellung von Testdaten. Dominic hat ein Start-up gegründet, das sich auf die automatisierte Generierung synthetischer Testdaten spezialisiert hat. Wir sprechen über seinen Ansatz, um realistische, sichere und datenschutzkonforme Testdaten zu erzeugen. Diese helfen Unternehmen, Fehler frühzeitig zu erkennen und die Qualität ihrer Systeme zu sichern, etwa bei der Einführung elektronischer Rechnungen, wo solche Daten besonders wertvoll sind.

Dominic Steinhöfel ist CEO und Mitgründer von InputLab, einem innovativen Spin-off des CISPA Helmholtz-Zentrums für Informationssicherheit. InputLab entwickelt synthetische Testdaten, die aus bestehenden Spezifikationen wie XML- oder JSON-Schemas generiert werden, um Softwaretests effizienter und effektiver zu gestalten. Die datengetriebenen Lösungen von InputLab helfen, neue Fehler zu entdecken, ohne dabei sensible Kundendaten zu verwenden – ein vollständig DSGVO-konformer Ansatz, der sowohl Sicherheit als auch Flexibilität garantiert.

Highlights:

  • Synthetische Testdaten aus Schemas zu generieren löst zwei Kernprobleme gleichzeitig: komplexe Datenstrukturen lassen sich automatisiert erzeugen, und Datenschutzvorgaben nach DSGVO sind erfüllt, weil keine Produktivdaten benötigt werden.
  • Bei jedem System, das bisher mit diesen generierten Testdaten geprüft wurde, wurden Fehler gefunden, weil nicht automatisiert getestete Software fast immer unentdeckte Defekte enthält.
  • Gültige elektronische Rechnungen werden von verbreiteten Implementierungen wie Mustang als ungültig abgewiesen, zum Beispiel wegen nicht implementierter Rundungsfaktoren für bestimmte Währungen, was zu unbezahlten Rechnungen und unerwarteten Mahnungen führt.
  • Neben reiner Datenmenge optimiert der Ansatz den Informationsgehalt pro Testdatenpaket: Extremwerte, leere Felder und strukturelle Varianten werden gezielt eingestreut, sodass bereits 1.000 Datensätze hohe Abdeckung erreichen können.

    • Weitere Links zur Episode:

    • The Road to Digital Invoicing
    • The Illusion of Compliance
    • Prevent Software Failures with Schema-Driven Test Data

      • 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