Was ist künstliche Intelligenz? Theoretisch bezieht sich der Begriff auf die Intelligenz, die Maschinen an den Tag legen. Er wird jedoch verwendet, wenn eine Maschine kognitive Funktionen nachahmt, die mit menschlichen Fähigkeiten verbunden sind, zum Beispiel Lernen und Problemlösen. Künstliche Intelligenz kann beim Testen von Anwendungen ein entscheidendes Werkzeug sein.
Eine Welt ohne Grenzen
Heute leben wir in einer Welt, in der uns fast nichts mehr überraschen kann; die Grenze zwischen Realität und Science-Fiction ist sehr schmal. Dennoch geraten wir manchmal in Situationen, in denen wir nicht erkennen können, ob wir es mit Menschen oder Robotern zu tun haben. Die Weiterentwicklung der künstlichen Intelligenz (KI) hat einen wichtigen Platz in unserem Alltag eingenommen und ist zum Schlüssel der vierten industriellen Revolution geworden.
Viele von uns erinnern sich sicherlich noch an den Computer HAL 9000 aus dem Film „2001: Odyssee im Weltraum“, der zeigte, was künstliche Intelligenz für den Menschen leisten kann. Für viele Menschen begann diese Phase mit dem Aufkommen der Smartphones im Jahr 2007, die es jedem ermöglichten, intelligente Assistenten, Gesichtserkennung und GPS zu nutzen.
Allerdings setzen große Einzelhändler mittlerweile zunehmend KI ein, um den Kunden ein besseres Einkaufserlebnis zu bieten. Dazu gehören beispielsweise Spiegel, mit denen man virtuell sehen kann, wie die Kleidung, für die man sich interessiert, einem steht, ohne sie anprobieren zu müssen.
Der Finanzsektor
Der Finanzsektor hat intelligente Geldautomaten eingeführt, die praktisch alle Vorgänge ermöglichen, die zuvor am Schalter oder im Kundenservice erledigt wurden. Große Hotelketten nutzen heute auf intelligenten IVR-Systemen basierende Bots, um die Termine ihrer Gäste zu koordinieren. Dank der enormen Fortschritte, die die KI in diesem Bereich mittlerweile gemacht hat, fällt es den Gästen kaum auf, dass sie von einem Bot bedient werden.
Viele Unternehmen stehen vor der Herausforderung, ein Gleichgewicht zwischen Kosten und Nutzen zu finden, eine schnelle Rendite aus ihrem Kommerzialisierungsprozess zu erzielen und gleichzeitig dem Endnutzer ein positives Erlebnis zu bieten. Das aktuelle Ziel der Unternehmen besteht darin, mehr Tests durchzuführen, Fehler schnell zu erkennen und Produkte schneller auf den Markt zu bringen. Künstliche Intelligenz kann dabei helfen, dieses Ziel zu erreichen.
Künstliche Intelligenz im Anwendungstesting
Fortschritte in den Bereichen Automatisierung und künstliche Intelligenz haben den Weg für praxisnahe Lösungen geebnet, mit denen Unternehmen Geld und Ressourcen einsparen können. Intelligente Automatisierung kann Unternehmen ihrerseits zusätzlich unterstützen, indem sie vorhandene Daten nutzt und auf dieser Grundlage automatische Analysen durchführt. Letztendlich trägt dies zur Verbesserung der Betriebsabläufe und Arbeitsprozesse bei.
Die größte Herausforderung beim Testen von Anwendungen besteht darin, genügend Zeit für das Testen sowie für die Entwicklung geeigneter Testmethoden und -verfahren zu haben.
Angesichts von Situationen wie denen, die wir während der Pandemie erlebt haben, sind Unternehmen gezwungen, sich den digitalen Herausforderungen zu stellen. Ist es möglich, hochwertige digitale Lösungen wie E-Commerce- und Lieferkettensysteme oder technische und betriebswirtschaftliche Lösungen zu entwickeln, ohne viel Zeit und Geld in deren Qualität zu investieren?
Mit anderen Worten: Kann man ein System testen, ohne es zu testen? Das mag wie ein unerreichbarer Traum erscheinen, doch in der Branche wird bereits über die Entwicklung solcher Systeme diskutiert. Auch wenn erst die Zeit zeigen wird, inwieweit KI-basierte Testsysteme Realität werden, steht fest, dass durch den Einsatz dieser intelligenten Technologien erhebliche Effizienz- und Geschwindigkeitsgewinne erzielt werden können.
Obwohl also hohe Erwartungen an das überwachte Lernen als Kernbestandteil des maschinellen Lernens (ML) gestellt werden, um das Quality Engineering (QE) intelligenter zu gestalten, hat die Einführung dieser Methoden noch nicht das Ausmaß erreicht, das erforderlich wäre, um Ergebnisse zu erzielen.
Anwendungsfälle
Der Vorteil dabei ist, dass einige Unternehmen nun daran arbeiten, traditionelle Modelle zu verändern, und bei der Anwendung künstlicher Intelligenz eine Vorreiterrolle einnehmen. Dies gilt für QE bei unüberwachten Modellen, für die Verarbeitung natürlicher Sprache (NLP) sowie für Technologien im Bereich Computer Vision.
Wir haben beobachtet, wie sich neue Anwendungsfälle für diese Art von Tests herausgebildet haben. Dazu gehört beispielsweise die Echtzeitanalyse von Produktionsereignissen und Anwendungsprotokollen. Dies trägt nicht nur dazu bei, eine fundierte, intelligente Was-wäre-wenn-Analyse durchzuführen, sondern hilft auch dabei, die zukünftige Qualität vorherzusagen. Dadurch lassen sich die notwendigen Maßnahmen in den Entwicklungsaktivitäten und bei der Validierung ableiten.
Dies trägt zur Verbesserung des Tests bei, indem tatsächliche Nutzungsmuster auf intelligente Weise einbezogen werden, und unterstützt Methoden wie den Left-Shift-Test.
Ein weiterer Anwendungsfall, der offenbar an Bedeutung gewonnen hat, ist der Einsatz von KI zur Generierung und Verwaltung von Testdaten. So können wir beispielsweise mithilfe dieser Art von Tests Lücken in der Testabdeckung im Vergleich zu den tatsächlichen Verhaltensmustern der Nutzer identifizieren.
Das Gleiche lässt sich auch erfolgreich bei der Erstellung synthetischer Daten anwenden, beispielsweise um die Vorschriften zum Umgang mit personenbezogenen Daten (DSGVO) einzuhalten.
Damit Unternehmen den größtmöglichen Nutzen aus KI im Bereich Qualitätssicherung ziehen können, müssen ihre Teams ihr Wissen und ihre Erfahrung in Bezug auf die Tools, die übergreifende Qualitätssicherungs- und IT-Strategie sowie die Geschäftsziele des jeweiligen Unternehmens vertiefen. Dies ist eine großartige Chance, nicht nur für Unternehmen, sondern auch für Mitarbeiter im Bereich Qualitätssicherung.
QA-Teams sollten über QA-Ingenieure verfügen, die über Kenntnisse in den Bereichen Data Science, Analytik und künstliche Intelligenz verfügen. Falls erforderlich, sollten sie mit anderen Bereichen des Unternehmens zusammenarbeiten, um diese Kompetenzen zu erwerben.
Tester
Die Rolle der Tester wird durch die Entwicklung dieser Technologie nicht gefährdet, im Gegenteil: Sie wird sogar gestärkt. Denn KI erfordert eine ständige Interaktion mit menschlichen Testern. Ein weiterer wichtiger Punkt: Um künstliche Intelligenz zu trainieren, benötigen wir gute Eingabe-Ausgabe-Kombinationen (die wir als Trainingsdatensatz bezeichnen).
Um mit moderner Software arbeiten zu können, müssen wir diesen Trainingsdatensatz daher sorgfältig auswählen, da die künstliche Intelligenz daraus lernt und auf der Grundlage der von uns bereitgestellten Daten Zusammenhänge herstellt. Außerdem ist es wichtig, zu beobachten, wie die KI lernt; dies ist auch entscheidend dafür, wie die Software getestet wird.
Die Beteiligung des Menschen am Testen von Anwendungen mit künstlicher Intelligenz ist nach wie vor notwendig. Nicht zuletzt muss sichergestellt werden, dass bei der Arbeit mit künstlicher Intelligenz die ethischen, sicherheitsrelevanten und datenschutzrechtlichen Aspekte der Software nicht beeinträchtigt werden.
Hohe Erwartungen an die Vorteile der künstlichen Intelligenz
Der aktuelle „World Quality Report 2020–2021“ zeigt, dass ein Großteil der Befragten von den Möglichkeiten der künstlichen Intelligenz begeistert ist. Fast 90 % geben an, dass KI-Tests und KI-Versuche die größten Wachstumsbereiche in ihren Unternehmen sind. Und 80 % bekundeten ihre Absicht, die Anzahl der KI-basierten Tests und Proof-of-Concepts zu erhöhen.
Fazit
Auch wenn die künstliche Intelligenz immer weiter voranschreitet, ist es in Wahrheit nicht einfach, das menschliche Gehirn nachzuahmen. Die Anwendungen werden von Menschen genutzt, und es muss berücksichtigt werden, dass Verständnis, Kreativität und der menschliche Kontext notwendig sind, um qualitativ hochwertige Produkte zu gewährleisten.
Mit anderen Worten: Manuelles Testen bleibt unverzichtbar. Automatisierung und künstliche Intelligenz müssen sich gegenseitig ergänzen. Es handelt sich um völlig unterschiedliche Funktionen, die entsprechend ihrer jeweiligen Stärken eingesetzt werden sollten, anstatt sie miteinander zu vergleichen.
Kontaktieren Sie uns
Wenn Sie weitere Informationen zu unseren Dienstleistungen im Bereich der künstlichen Intelligenz wünschen, wenden Sie sich bitte an unsere Experten oder besuchen Sie unsere Getronics Website.
