Softwaretests sind notwendig, um Funktionalität, Zuverlässigkeit und Benutzerfreundlichkeit von Software sicherzustellen. Doch in der Realität sind das Erstellen und Warten von Softwaretests für Unternehmen nicht nur zeitaufwendig, sondern auch teuer, insbesondere bei Unittests, die häufig manuell erstellt werden. Hier setzt die Automatisierung an, doch auch diese birgt Herausforderungen. Große Sprachmodelle wie GPT-4 haben sich in der Code- und Unittest-Generierung als vielversprechend erwiesen. Dennoch stehen ihrer breiten Nutzung zwei zentrale Hindernisse im Weg: hohe API-Kosten und fehlender Schutz sensibler Daten. Die Lösung? Ein spezialisiertes, Transformer-basiertes Sprachmodell, das diese Hindernisse umgeht.