Trends im Quality Engineering: Wie verändert AI das Testing?
Im Fokus dieses Webinars steht die Frage, wie KI (Künstliche...
KI gilt als neue Hype-Technologie, doch kann sie auch DevOps-Prozesse produktiv unterstützen? Die Mehrheit aller Unternehmen bejaht dies laut einer aktuellen Studie von Tricentis und TechStrong. Vor allem im Testing Bereich gibt es mittlerweile vielversprechende Durchbrüche.
Unternehmen müssen Softwareentwicklung und Rollouts heute in immer kürzeren Release-Zyklen stemmen. Um die bereits implementierten DevOps-Prozesse zu beschleunigen und die Innovationsgeschwindigkeit weiter nach oben zu treiben, gerät KI in den Fokus. Denn sie besitzt die Fähigkeit, riesige Mengen an Daten zu analysieren und daraus verwertbare Erkenntnisse zu gewinnen. Laut einer Studie von Techstrong und Tricentis geben fast 90 Prozent der Unternehmen an, dass sie in KI erhebliches Potenzial für DevOps-Prozesse sehen. Die größten Vorteile erwarten die Studienteilnehmer im Testing. Das ist keine große Überraschung, denn dieser Bereich erweist sich oft als Flaschenhals im Entwicklungsprozess. Doch sorgfältige Tests sind essenziell, um die Software-Qualität sicherzustellen. Diese manuell durchzuführen, ist aufwendig und in der Regel mit hohen Kosten verbunden. Um Mitarbeiter also bei der Qualitätssicherung zu entlasten und damit die Release-Zyklen zu beschleunigen, sind intelligente Automatisierungsprozesse vonnöten.
In der Vergangenheit scheiterten Automatisierungsbestrebungen häufig daran, dass traditionelle, Script-basierte Ansätze zu aufwändig sind. Das ist wohl auch der Hauptgrund, weshalb selbst DevOps-erfahrene Unternehmen erst 40 Prozent ihrer Tests automatisiert haben. Normalerweise wird dafür zunächst ein Automatisierungs-Framework entwickelt und implementiert, um anschließend Scripte hinzuzufügen. Der Nachteil an diesem Vorgehen: Jede Änderung an der Testapplikation führt dazu, dass auch Framework und Scripte überprüft und angepasst werden müssen. Diese aufwendigen und langsamen Testing-Prozesse können mit der heutigen Wettbewerbsdynamik und erforderlichen Agilität nicht mehr mithalten. Denn die schnellen Update- und Release-Zyklen benötigen eine beständige Prüfung und Überarbeitung der Test Cases. Ein neuer Testautomatisierungs-Ansatz muss die dabei entstehenden Datenmengen verarbeiten können und ebenso gut skalieren wie die DevOps-Umgebung. KI erscheint dafür geradezu prädestiniert.
KI erkennt Muster in großen Datensätzen und leitet konkrete Erkenntnisse aus diesen ab. Dadurch kann die Technologie Testprozesse effizienter und schneller gestalten. 49 Prozent der DevOps-Praktiker aus der Tricentis-Studie sind der Meinung, dass KI die Test-Case-Wartung durch automatisierte Problembehebung vereinfacht. 44 Prozent sagen, die Technologie wäre vor allem hilfreich, um das Testing gezielt auf Hochrisikobereiche auszurichten. Zudem ermittelt KI die Quelle von fehlgeschlagenen Tests, beschleunigt die Entwicklung von automatisierten Test Cases und identifiziert passende Tests für Anwendungsänderungen.
Vor allem bei funktionalen Tests kann KI punkten. 65 Prozent der Befragten erkennen in diesem Bereich den größten Vorteil. Funktionale Tests überprüfen, ob eine Anwendung nach Plan läuft. Diese Tests sind jedoch äußerst komplex, weil sie ergebnisoffen sein müssen und viele Permutationen erfordern. KI übernimmt in diesem Fall das Management der Permutationen und gewinnt Erkenntnisse aus Datenanalysen. Zudem spürt sie Produktionssignale auf, die man in einer Testumgebung nicht entdeckt. Ebenso eignet sich KI besonders gut für UI-Tests. Solche Tests gewähren die Funktionalität der Benutzeroberfläche und sind damit besonders wichtig. In den meisten Unternehmen werden solche Tests manuell durchgeführt, was viel Zeit kostet. KI unterstützt dabei, authentisches Nutzerverhalten über die verschiedenen Pfade hinweg zu simulieren und Tests zu automatisieren.
Die einfachste Alternative, um KI-gestützte Testautomatisierung in DevOps-Prozesse einzuführen, sind fertige Plattform-Lösungen. Diese verfolgen in der Regel das Low-Code/No-Code-Prinzip und lassen sich somit einfach bedienen und verwalten. Das macht die Nutzung auch für Unternehmen leicht, die noch keine KI-Fachkompetenz aufgebaut haben. Zudem sparen sie sich so auch die Kosten für die eigene Entwicklung von Lösungen.
Unternehmen sollten auf der Suche nach dem passenden Anbieter auf folgende Fragen achten: Welche KI-Technologie verwendet der Dienstleister? Benutzt der Anbieter eine Standardbibliothek oder eine Eigenentwicklung? Wie wird die KI eingesetzt? Welche Algorithmen sind im Einsatz? Wie läuft das Training der Modelle ab und wie wird sichergestellt, dass keine Verzerrungen oder Bias auftreten? Datensätze besitzen nämlich je nach Anwendung, Branche und Häufigkeit der Datenaktualisierung verschiedene Muster. Das Unternehmen sollte vorab sicherstellen, dass diese Muster den Produktionsdaten entsprechen, sonst kann es zu verfälschten Ergebnissen kommen.
Das Testing war schon lange der Flaschenhals in der Softwareentwicklung und Bereitstellung. Indem Unternehmen ihr Testing KI-gestützt automatisieren, können sie diese Engstelle endlich überwinden. Wie die Tricentis-Studie zeigt, steckt in der Verbindung aus DevOps und KI enormes Potenzial. Je weiter Unternehmen mit der Automatisierung ihrer CI/CD-Pipeline fortschreiten, desto stärker wird auch KI Einzug halten. Mithilfe eines spezialisierten Dienstleisters lässt sich KI dabei schnell und einfach in bereits bestehende DevOps-Prozesse implementieren.
Im Fokus dieses Webinars steht die Frage, wie KI (Künstliche...
In diesem Leitfaden stellen wir Ihnen vier Möglichkeiten vor, wie...
Das Management kritischster Unternehmensanwendungen kann eine...
Lesen Sie dieses eBook, um zu erfahren, wie Sie eine stabile...
Der End-to-End-Testprozess ist ein wesentlicher Bestandteil der...