5 Anwendungsbereiche von KI im Softwaretest

Seit einigen Jahren gelten künstliche Intelligenz (KI) und maschinelles Lernen (ML) als zukunftsweisende Technologien. Zuverlässige Software für selbstfahrende Autos oder Weiterentwicklungen in der Robotertechnik wären ohne KI und ML kaum möglich.

5 application areas of AI in software testing

Künstliche Intelligenz auf dem Vormarsch

Seit einigen Jahren gelten künstliche Intelligenz (KI) und maschinelles Lernen (ML) als zukunftsweisende Technologien. Zuverlässige Software für selbstfahrende Autos oder Weiterentwicklungen in der Robotertechnik wären ohne KI und ML kaum möglich. Es ist daher nicht verwunderlich, dass weltweit führende Unternehmen wie Tesla oder Google nicht nur auf diese Technologien setzen, sondern diese Entwicklung auch aktiv vorantreiben. Zumal die ständig wachsende Menge an Daten und Informationen in allen Bereichen unserer Gesellschaft den Einsatz von KI und ML unabdingbar macht. Eine effiziente Analyse und Auswertung dieser Daten wäre ohne KI und ML schlicht nicht möglich. Ein signifikanter Mehrwert aus großen Datenmengen kann jedoch nur durch eine gezielte Auswertung erzielt werden.

Software-Qualitätssicherung muss Schritt halten

Nicht nur große Unternehmen mit nahezu unbegrenzten Ressourcen haben die Möglichkeit, KI und ML zu nutzen, um ihre Software und Produkte zu verbessern. Durch die in den letzten Jahren enorm gestiegene Verfügbarkeit von Rechenleistung und Speicher sind ML-Konzepte einfacher zu implementieren. Dies ist einer der Gründe, warum sie sich in immer mehr Anwendungsbereichen verbreitet haben. Einer dieser Bereiche ist die Qualitätssicherung von Software. Um mit der Entwicklung Schritt halten zu können, muss sich die Qualitätssicherung zwangsläufig weiterentwickeln und auf neue Technologien setzen. Umfassende Softwaretests sind tatsächlich sogar wichtiger denn je, um kritische Fehler in KI-basierten Programmen zu beseitigen. Besonders deutlich wird dies am Beispiel der selbstfahrenden Autos.

In der Praxis: Künstliche Intelligenz in der QS

Künstliche Intelligenz in der QS

Wie genau können wir von KI und ML in der Qualitätssicherung profitieren, wo können wir diese Technologien einsetzen? Wir haben fünf Beispiele zusammengestellt, die Ihnen zeigen, wie in der Qualitätssicherung mit künstlicher Intelligenz bereits heute neue Wege beschritten werden:

1. KI in der Codeanalyse

ML kann bereits in der frühen Phase der Entwicklung eingesetzt werden, z. B. zur Unterstützung von Code-Reviews. . Durch die Anwendung des aus der Codeanalyse gewonnenen Wissens, der Best Practices und der häufigsten Fehlerquellen kann selbst der Code großer Programme mit komplexen Funktionen automatisch analysiert und mit deutlich weniger manuellem Aufwand nach potenziellen Fehlern und Schwachstellen durchsucht werden. Das spart nicht nur Zeit und Arbeit, sondern findet auch Mängel, die leicht zu übersehen sind oder nur in bestimmten Konstellationen auftreten. Außerdem werden Verbindungen, Abhängigkeiten und Bereiche mit besonderen Risiken aufgedeckt. Gute Beispiele sind DeepCode oder Infer.

2. KI in der Testfallerstellung

Maschinelles Lernen kann außerdem bei der manuellen oder automatisierten Erstellung von Testfällen sehr nützlich sein. Zunächst einmal kann durch die Analyse von Bereichen mit hohem Risiko oder durch einfache Abdeckungsanalysen die Entscheidung, welche Testfälle zu erstellen sind, vereinfacht werden. Darüber hinaus kann der vorhandene Testfallkatalog auf redundante oder ineffektive Testfälle überprüft werden. Die automatisierte Erstellung von Testfällen wird auch durch die automatische Skripterstellung durch Interpretation von Fließtext oder sogar direkt auf der Grundlage des Benutzerverhaltens unterstützt. Zu den aktuellen Anwendungen, die sich bei der Erstellung von Testfällen auf KI stützen, gehören Appvance IQ und Functionize.

3. KI während der manuellen Testausführung

Auch bei der manuellen Testausführung kann künstliche Intelligenz bei der Analyse der Ergebnisse früherer oder aktueller Testausführungen von großem Nutzen sein. Bereiche mit hohem Risiko oder hohem Fehlerentdeckungspotenzial werden so frühzeitig erkannt. Anhand der Ergebnisse lassen sich Umfang und Schwerpunkte weiterer Testdurchführungen genauer planen, was den gesamten Testprozess deutlich effizienter macht. Eine Zeitersparnis und höhere Qualität sind in der Regel das Ergebnis. KI wird in dieser Anwendung bei perfecto eingesetzt.

4. KI in der automatisierten Testfallausführung

Einer der größten Anwendungsbereiche von KI und ML ist die Bilderkennung. Dies kann für automatisierte Testfälle verwendet werden. Damit lassen sich wesentlich robustere automatisierte Testfälle erstellen, die auch bei Änderungen stabil laufen. So können bestimmte Bereiche der Software, wie z. B. der Einkaufswagen, automatisch erkannt werden, auch wenn sich das Aussehen, die Platzierung oder die internen IDs geändert haben. Ebenso können alle anderen Eigenschaften der Elemente einer Seite, wie ID, Größe, Platzierung, Tags usw. gewichtet und ausgewertet werden, um die Elemente während der Testausführung zu bestimmen. ML kann dann verwendet werden, um die Gewichtung für Attribute zu reduzieren, die sich häufig ändern. So laufen die Testfälle weiterhin stabil. Beispiele in diesem Bereich sind testcraft und applitools.

5. KI in der Analyse von Testergebnissen

Auch die Analyse von Testergebnissen ist für ML-Algorithmen bestens geeignet. Oft haben Sie riesige Mengen von Ergebnisdaten, große Protokolldateien, Fehlermeldungen und Screenshots, die zeitaufwändig untersucht werden müssen. Mit ML können die Daten schnell und effizient analysiert und ausgewertet sowie die relevanten Informationen herausgefiltert werden. Im besten Fall können Fehler automatisch gefunden und Kernprobleme in der Software identifiziert werden. Auch die Suche nach dem Ursprung der Fehler und eventuell sogar die Korrektur im Code kann erlernt und automatisch durchgeführt werden. Diese Technik wird von loomsystems verwendet.

Zum Thema passende Artikel

Testmanagement-Lösungen sind eine große Bereicherung für eine bessere Qualitätssicherung, aber Sie können noch mehr Nutzen…

photo
Denis Matusovskiy
12 mins read

aqua und Zephyr Enterprise bieten Führungskräften, Entwicklungs- und Testteams die Software, auf die sie sich…

photo
Olga Ryan
13 mins read

Testautomatisierung war früher ein kontroverses Thema: Anfangs waren viele Ingenieure der Meinung, dass sich der…

photo
Denis Matusovskiy
9 mins read
Abonnieren sie den aqua-blog

Holen Sie sich die neuesten Beiträge direkt in Ihren Posteingang