Testing

Wenn ein System komplexe Entscheidungen treffen muss, wird immer häufiger maschinelles Lernen als eine mögliche Lösung vorgeschlagen. Meistens ist man dann auf empirische Daten angewiesen, um das System zu trainieren. Was passiert aber, wenn keine Daten vorhanden sind? Wie kann man die Vorteile von maschinellem Lernen ohne empirische Daten nutzen?

Gute Softwaretests erfordern umfangreiche Vorbereitungsarbeiten. In Anbetracht enger werdender Releasezyklen steigt der Druck, Testphasen in immer kürzeren Zeiträumen und mit einem aussagekräftigen und verständlich kommunizierbaren Ergebnis abzuschließen. Die Testvorbereitung lässt sich verkürzen, indem Zielgrößen des Tests erst nach der Testdurchführung ermittelt werden. Hierzu werden die bei den..

Die meisten Unternehmen haben mittlerweile erkannt, dass sich durch Vereinfachung und Automatisierung der Abläufe in Softwareentwicklung und Deployment viele Vorteile erzielen lassen. Die Effizienz kann deutlich gesteigert werden, die Time-to-Market und Release-Zyklen werden immer weiter verkürzt, die Häufigkeit von Fehlern wird stark reduziert und nicht zuletzt haben die Mitarbeiter mehr Spaß bei..

Wer kennt dieses Projektszenario nicht? Man setzt sich am Morgen an seinen Arbeitsplatz, öffnet die Anwendung im Browser und fragt sich insgeheim: Teste ich wirklich genau die Version, die getestet werden soll? Wurde in der Nacht eine neue Version installiert? Wurde eventuell eine Konfiguration geändert und dies nicht kommuniziert? Wie valide ist die Testaussage, die ich treffen werde? Muss ich am..

Agilität durchzieht den Alltag der Entwicklungsabteilungen. Wo sie noch nicht praktiziert wird, da wird sie gerade eingeführt. Doch wie sieht der Wandel von herkömmlichen zu agilen Entwicklungsansätzen aus? Welche Fallstricke gibt es und wie wird die Qualitätssicherung, insbesondere der Test dadurch verändert? Welche Konsequenzen ergeben sich dafür für die bekannten Rollen im Test? Es ist offensic..