German Testing Night in Möhrendorf

Die German Testing Night kommt zurück in den Raum Nürnberg – genauer gesagt in das idyllische Möhrendorf. Taucht ein in einen Abend voller Impulse, Austausch und Inspiration!

In Kooperation mit der imbus AG laden wir zu einem kostenfreien Community-Event, das Menschen mit Leidenschaft für Qualitätssicherung und Softwaretests zusammenbringt.

Was euch erwartet:

• Spannende Vorträge: Hört von Branchenexpert:innen über neue Trends, Innovationen und bewährte Verfahren.
• Gelegenheiten zum Networking: Knüpft Kontakte, tauscht Ideen aus und baut wertvolle Beziehungen auf.

Egal, ob ihr erfahrene Expert:innen seid oder gerade erst anfangtt, die German Testing Night ist der perfekte Ort, euer Wissen zu erweitern und in einer entspannten und freundlichen Atmosphäre Kontakte zu knüpfen.

Das Programm wird demnächst veröffentlicht. Freut euch wieder auf eine perfekte Mischung aus spannenden Talks und leckeren Drinks.

scryer: Machine Learning für Softwaretest-Vorhersage
Gregor Endler, Data Scientist bei codemanufaktur GmbH

Der Begriff “KI” wird heute meist synonym für Transformer-basierte tiefe neuronale Netze wie z.B. LLMs verwendet. Diese Modelle zu trainieren erfordert gewaltige Datenmengen und damit auch hohe Kosten in Zeit und Energie. Dieser Aufwand ermöglicht im Gegenzug neue Anwendungen und teils überraschende Fähigkeiten. Dies bedeutet aber mitnichten, dass diese Netze die einzig sinnvolle Möglichkeit sind, KI Systeme zu gestalten. Wir zeigen am Beispiel einer komplexen Domäne mit großen Datenmengen, dass auch leichtgewichtige ML-Verfahren nach wie vor ihre Berechtigung haben und neuartigen Methoden in gewissen Fällen sogar vorzuziehen sind.

scryer ist ein “klassisches” machine learning System, das Metadaten von Softwareentwicklung und Softwaretests nutzt, um den Ausgang von langlaufenden Softwaretests vor ihrer Durchführung vorherzusagen. Diese Vorhersage erfolgt binnen Millisekunden und ermöglicht so einen ersten Überblick über die mögliche Auswirkung von Code-Änderungen. Zudem ermöglicht die Vorhersage eine Sortierung von Testsuiten, so dass wahrscheinlich fehlschlagende Tests mit höherer Priorität ausgeführt werden können. Dadurch erreichen wichtige Testergebnisse die verantwortlichen Entwickler schneller.

Die Evaluation von scryer erfolgte durch eine Fallstudie auf Realweltdaten eines großen Softwareprojekts (10 Jahre Datenumfang: Größenordnung 1 Mio. Softwareänderungen, 1 Mrd. Testergebnisse). In diesem Vortrag stellen wir System und Einsatzmöglichkeiten von scryer sowie die Ergebnisse der Evaluation dar und motivieren Vorteile leichtgewichtigerer Modelle gegenüber “Platzhirschen” wie deep learning

Gregor Endler erwarb mit seiner Dissertation “Adaptive Data Quality Monitoring with a Focus on the Completeness of Timestamped Data” 2017 den Doktortitel in Informatik. Seitdem ist er als Data Scientist bei der codemanufaktur GmbH tätig. Seine Arbeit umfasst insbesondere Machine Learning, Datenanalyse und Datenvisualisierung.

Lernen mit KI: Wie uns KI als Coach, Lehrer und Fachexperte beim Lernen unterstützt
Nils Röttger, Managing Software Quality Consultant

Softwareentwicklung verändert sich in rasantem Tempo – und mit ihr die Anforderungen an uns Testerinnen und Tester. Neue Themen wie DevOps, Performance-, Security- und AI-Testing verlangen, dass wir uns schnell und gezielt neues Wissen aneignen. Gleichzeitig müssen wir die fachlichen Besonderheiten unserer Projekte verstehen. Die zentrale Frage lautet: Wie bleiben wir fachlich aktuell, lernen effizient und eignen uns das nötige Domänenwissen unserer Kunden an?

Dieser Vortrag zeigt, wie KI-gestützte Lernassistenten wie Mistral oder ChatGPT genau dabei unterstützen können – als Coach, Trainer oder Recherche-Tool, individuell, praxisnah und on demand. Ihre Einsatzmöglichkeiten reichen von personalisierten Lernmethoden bis hin zur Begleitung kompletter Lernpfade in Unternehmen. Entscheidend ist dabei die gezielte Interaktion mit dem Sprachmodell: Gute Prompts werden zum Schlüssel für effektives Lernen.

Wie das konkret aussehen kann, verdeutlicht ein erster Praxisversuch: Für die Rolle eines Projektleiters wurde ein Lernpfad entwickelt und erprobt – mit KI-Unterstützung sowohl bei der Erstellung als auch beim Lernen selbst. Inhalte waren etwa Teststrategien in CI/CD-Pipelines, Grundlagen von Last- und Performanztests sowie das Erkennen und Bewerten von QS-Risiken im agilen Umfeld. Das Sprachmodell half, Wissenslücken zu erkennen, Lerninhalte aufzubereiten und interaktiv Fragen zu beantworten – ganz im Sinne eines agilen Lerncoaches.

Nils hat bereits mehr als 15 Jahre Erfahrung im Bereich Qualitätssicherung. Bereits im Studium an der Uni Göttingen beschäftigte er sich mit dem Softwaretest. Seit 2008 arbeitet er bei der imbus AG in Möhrendorf, aktuell als Senior Berater und Projektleiter für Bereiche Mobile- und AI-Testing. In seinen vielen Vorträgen auf Konferenzen und als Autor von Büchern oder Fachartikeln beschäftigt er sich immer wieder mit aktuellen Themen rund ums Testen.

Das Testfall-Monster im Griff: Konzept zur Erstellung von KI-generierten Tests
Alexander Seel, Business Process Owner Verification und Problem Management, Director Expert Verification

Wie können die hohen Anforderungen an Funktionalität, Traceability und Qualitätssicherung in der Medizintechnik effizienter erfüllt werden? Unser Prototyp zur KI-basierten Testfallgenerierung zeigt, wie innovative Technologien helfen können diese arbeitsintensiven Herausforderungen zu meistern.

Im Vortrag stellen wir die Entstehung dieses Prototyps vor: von den ersten Konzepten über die Identifikation branchenspezifischer Hürden and Trainingsdaten – wie regulatorische Anforderungen, Legacy Dokumentationen und Spezifikationslücken – bis hin zur Implementierung eines performanten KI-Systems. Sie erfahren, wie wir technische und organisatorische Probleme gelöst haben und welche Anforderungen der Prototyp bereits erfolgreich erfüllt.

Darüber hinaus geben wir einen Ausblick auf die nächsten Schritte: Welche Weiterentwicklungen sind denkbar und wie kann unser Ansatz langfristig die Test- und Verifikationsprozesse in der Medizintechnik hinsichtlich Abdeckung, Ressourcen und Teststrategien (r)evolutionieren? Ein Rundumschlag von dynamischen Testdaten und integrierten Testorakeln zur systematischen Nachvollziehbarkeit von Testprozessen.

In diesem Vortrag möchten wir Ihnen folgendes mit auf dem Weg geben:
– Woher kommt der Need von AI getriebener Testfall-Erstellung?
– Was ist das Besondere hinsichtlich der Medizintechnikbranche (Regularien, Traceability, Risiko, usw.)?
– Welche Hürden und Probleme muss man bewältigen und wie könnte ein optimales Konzept für diese Herangehensweise aussehen?
– Der Prototyp und welche Anforderungen er bereits bedient
– Wie geht es weiter? Welche weiteren Möglichkeiten könnte man noch ausschöpfen?

Mit über 20 Jahren Erfahrung bei Fresenius durchlief er alle Stationen vom Tester bis zum Globalen Testmanager für multinationale Entwicklungsprojekte. Derzeit liegt Herrn Seels Verantwortung in der globalen Prozessharmonisierung und der damit verbundenen Process-Ownership für die Verifikation und das Problem Management von Medizinprodukten (inklusive Methodik und Tools) über alle Testbereiche und Standorte hinweg und unter Einhaltung aktueller Regularien. Um dies zu erreichen, leitet er eine Community von Testexperten aus allen relevanten Bereichen.

Im Anschluss: Entspanntes Get-Together mit Drinks und kleinen Snacks!