Testing

Intelligente autonome Systeme sind branchenübergreifend in Erprobung und Nutzung. Gleichzeitig wächst das Misstrauen in deren Zuverlässigkeit. Die aktuell genutzte Validierung mit umfangreichen Funktionstests und dem Brute-Force-Explorieren sind sehr aufwendig. Sie bleiben bei lernenden Systemen zudem grundsätzlich unsicher in der Abdeckung und intransparent. Um Zuverlässigkeit und Vertrauen in de..

Bei der Untersuchung von Performanzproblemen muss der Entwickler oft über den Rand seiner Anwendung hinausblicken und die „Welt da draußen“ betrachten. Dabei kommt es auf die richtigen Strategien und Soft Skills an.

Die Bildverarbeitung ist ein Hauptprofiteur maschineller Lernverfahren. Am Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA spielt sie in zahlreichen Automatisierungslösungen eine zentrale Rolle. Beispiele sind der roboterbasierte Griff-in-die-Kiste und das Assistenzsystem „Sorting Guide“ für die Blechverarbeitung, das im Lab Flexible Blechfertigung mit der Firma Trumpf entsteht.

Dieser Artikel beschreibt die der JUnit Platform zugrunde liegende Idee und deren Anwendungsmöglichkeiten. Zunächst wird anhand eines Beispiels erklärt, wie man mittels der TestEngine-Schnittstelle selbst definiert, was ein Test ist, wie man das Testergebnis ermittelt und an die JUnit Platform zur Erstellung eines Reports weitergibt. Danach folgt ein Abschnitt über die Hauptfunktionen der JUnit Pl..

Dieser Artikel beschäftigt sich mit den neuen Herausforderungen beim Testen intelligenter Maschinen, aber auch damit, wie wir mithilfe Künstlicher Intelligenz die Qualität der IT-Systeme vorhersagen und so handeln können, dass ein Rückgang der Qualität angegangen wird, bevor der Anwender Fehler irgendeiner Art wahrnimmt. Auf diese Weise stellen wir sicher, dass die Stakeholder nachhaltig der Quali..