AI

Wir werden immer abhängiger von immer mehr Softwaresystemen, die in immer kürzerer Zeit entwickelt, ausgeliefert und verändert werden. Bei diesem Tempo kann selbst kontinuierliches Testen die Qualität nicht länger sicherstellen. Können wir Künstliche Intelligenz nutzen, um die Qualitätsprüfung intelligenter zu gestalten? Ein Report von Sogeti, der hier in Auszügen vorgestellt wird, gibt Antworten.

Die Technologie ist ein zentraler Helfer auf dem Weg in die digitale Zukunft: Künstliche Intelligenz (KI) kann in Unternehmen von der Produktion bis zum Vertrieb Prozesse verbessern oder als Grundlage für neue Produkte und Dienstleistungen dienen. Wie es mit der Fortbildung der Beschäftigten in diesem Bereich aussieht, zeigt eine repräsentative Umfrage des Marktforschungsunternehmens Statista, das..

Dieser Artikel* erschien vor mehr als einem Jahrzehnt in der ersten Ausgabe der Zeitschrift „The Parallel Universe”. Was im April 2009 richtig war, stimmt heute mehr denn je, zumal die Parallelität in den Rechnerarchitekturen immer weiter an Bedeutung gewonnen hat. Deshalb veröffentlichen wir hier eine übersetzte Fassung der Ratschläge von „Mr. Parallel“ James Reinders.

Ein Machine-Learning-Modell muss nicht nur in Echtzeit auf neue Daten (autonomes Fahren, Finanzdaten, IoT usw.) reagieren können, es muss auch leicht neu trainiert und schnell verfügbar gemacht werden können. Aktuell bewährte Konzepte wie Kubernetes und Echtzeit-Streaming-Technologien erlauben es, adaptive, stabile und hochperformante Produkte mit KI-Technologien zu betreiben.

Qualitätssicherung (QA) ist eine Reise, auf der es viele Herausforderungen zu bewältigen gilt, mit denen sich QA-Mitarbeiter während des gesamten Lebenszyklus der Software beschäftigen müssen. Der problemlose Zugang zum Internet führt zur Erfassung von immer mehr Daten. Durch das Internet der Dinge ist darüber hinaus überall Konnektivität erforderlich. Das bedeutet, dass wir beim Testen eines Syst..