Matthias Hamburg

Matthias war bis zu seiner Pensionierung im September 2019 Managing Consultant bei der Sogeti Deutschland GmbH. Seine beruflichen Schwerpunkte liegen in den Bereichen Testanalyse, Testmanagement und Testprozessverbesserung.

Er engagiert sich weiterhin ehrenamtlich im German Testing Board (GTB) und im International Software Testing Qualifications Board (ISTQB®). Als Vorsitzender der ISTQB® Glossary Working Group veröffentlicht er das ISTQB® Standard Glossary of Testing Terms.

Darüber hinaus leitet er die Task Force für den ISTQB® Advanced Level Test Analyst Syllabus. In diesen Funktionen ist er weiterhin als Praktiker in der Software-Qualitätssicherung tätig und hat Freude daran, innovative Methoden zu erproben. Er verfügt über mehrere Zertifizierungen, darunter TPI Assessor, ISTQB Advanced Level (alle Module) und ISTQB Expert Level – Improving the Test Process.

Dynamisches Testen umfasst Testanalyse, Testentwurf, Testrealisierung und Testdurchführung. Bis heute ist es nur sehr wenigen Teams gelungen, all diese Aktivitäten vollständig zu automatisieren. Der Bedarf an einem höheren Grad an Testautomatisierung wächst jedoch stetig aufgrund immer komplexerer Softwaresysteme, häufigerer Integration und Bereitstellung (CI/CD) sowie der Verbreitung von DevOps.

 

Herkömmliche Testautomatisierungswerkzeuge automatisieren nur die Testdurchführung. Modellbasiertes Testen (MBT) kann den Testentwurf automatisieren, wird jedoch aufgrund von Schwächen bei der Testrealisierung selten eingesetzt. Die größte Testautomatisierungslücke besteht jedoch bei der Testanalyse, der kreativsten Aktivität des dynamischen Testens. Deshalb stellt sich die Frage, ob KI die Lücken bei Testanalyse und Testrealisierung schließen kann, also ob eine geeignete Kombination aus generativer KI mit bestehenden Werkzeugen das dynamische Testen vollständig automatisieren kann, von der Testbasis bis zum Testergebnis.

 

Der Autor berichtet über eine solche Fallstudie aus seiner Praxis. Testobjekt war die ISTQB Glossary App, eine webbasierte Dialoganwendung. Das Hauptziel des Tests war es, das Image des ISTQB durch die Qualität seiner Glossary App zu wahren. Daraus ergab sich ein hoher Bedarf an Vertrauen in die funktionale Eignung. Die eingesetzte Werkzeugkette bestand aus dem Testautomatisierungswerkzeug Playwright, dem MBT-Werkzeug Harmony, und dem GenAI-System Claude Sonnet.