In fünf Schritten zur erfolgreichen Automatisierung

Aus dem neuesten World Quality Report (WQR) geht hervor, dass eine gute User Experience bei IT-Entscheidern auf der Prioritätenliste ganz oben steht. Um diese zu erreichen, wird vermehrt mit Technologien wie Künstlicher Intelligenz (KI) und Machine Learning (ML) experimentiert. Gerade Testing-Prozesse sollen durch Automatisierung effizienter gestaltet werden. Doch der WQR zeigt auch, dass 2017 und 2018 bei weniger als 18 Prozent der durchgeführten Tests entsprechende Tools zum Einsatz kamen. Die Implementierung im QA- und Testing-Bereich bringt einige Probleme mit sich. Raffi Margaliot, Senior Vice President and General Manager bei Micro Focus, erklärt, wie man sich in fünf Schritten für die Zukunft aufstellt:

1. Testing optimieren
In der Regel ist es sinnvoll, Prozesse Schritt für Schritt zu automatisieren. Dabei gilt es zunächst, Ziele und Bottlenecks zu identifizieren. Zeitgemäße Teams verwenden Analysen von Projektdaten, Produktionsdaten und modellbasierten Tests. Sie setzen KI-Techniken ein, um die Ausrichtung der Tests zu bestimmen. Es ist essenziell zu identifizieren, welche Anwendungen für den Kunden am wichtigsten sind, und diese Informationen in die Tests einfließen zu lassen.

2. Automatisierung erweitern
Eine Testumgebung manuell zu erstellen birgt zahlreiche Fallstricke. Automatisch erstellte Testumgebungen und Konfigurationen ermöglichen einen vorhersehbaren und reproduzierbaren Rahmen für Testverfahren. So verringern sich das Risiko für fehlgeschlagene Tests und die Zeit für die Fehlersuche. Auch wenn manuelles Testing in absehbarer Zeit nicht wegzudenken sein wird, sollten Teams daran arbeiten, den Aufwand dafür zu minimieren. Mithilfe automatischer Testumgebungen verkürzen sich Release Cycles – und Fehler kommen schneller ans Licht. Zusätzlich zu automatisierten End-to-End-Tests sollten auch Unit-Tests und Regression-Tests auf API-Ebene automatisiert werden. Diese Tests müssen bei jedem Check-in ausgeführt werden und die Ergebnisse sollten für das Team auf einem Dashboard sichtbar gemacht werden, um zeitnah reagieren zu können, falls ein Test fehlschlägt.

3. Smarter Automatisieren
Analytics wurde ursprünglich eingesetzt, um zu entscheiden, welche Tests durchgeführt werden sollen. Aber auch bei der Schaffung einer intelligenteren Testarchitektur spielen Analytics und KI eine Schlüsselrolle. Sie helfen beim Testfall-Design, bei der Identifizierung von Risikofaktoren und bei der Analyse von Fehlern und möglichen Lösungen. Selbstüberwachende und selbstheilende Architekturen werden in den nächsten Jahren ebenfalls an Bedeutung gewinnen. Zeitgemäße Testing-Tools enthalten bereits zahlreiche nützliche Features aus den Bereichen KI, ML und Analytics.

4. Künstliche Intelligenz
Die Technologie befindet sich in Entwicklung und ihre korrekte Anwendung erfordert ein hohes Maß an Expertise. Dennoch zeigt der WQR, dass viele Teams entweder schon KI nutzen oder ihren zeitnahen Einsatz im Bereich Internal Processes (62 Prozent), Quality Assessment (57 Prozent) und Customer Processes (64 Prozent) planen. Doch obwohl großes Interesse an der Anwendung der Technologie besteht, hat mehr als die Hälfte der befragten IT-Abteilungen Probleme damit, Anwendungsgebiete zu identifizieren und KI in die vorhandene Infrastruktur zu integrieren.

5. Entwicklung neuer Skills
Laut dem WQR bringen IT-Trends wie KI, Internet of Things (IoT) und Blockchain neue Anforderungen für QA- und Testing-Fachleute mit sich. Der Vormarsch des IoT ist so weit, dass 97 Prozent der Befragten die Technologie auf die ein oder andere Art in ihren Produkten nutzen. Etwa 66 Prozent geben an, dass sie entweder bereits Blockchain-Technologie benutzen oder dies in nächster Zeit planen. Während der Begriff vor allem im Zusammenhang mit der Kryptowährung Bitcoin bekannt geworden ist, wird Blockchain auch in vielen Systemen genutzt, die ein sicheres, dezentralisiertes Konto erfordern, um Transaktionen aufzuzeichnen. Bei der Implementierung gilt es, Sicherheits- und Datenrisiken zu berücksichtigen. Auch das Personal muss sich mit den Technologien im QA- und Testing-Bereich sowie KI-Technik im Business-Kontext auskennen – entweder haben neue Mitarbeiter diese Kenntnisse oder bisherige Mitarbeiter müssen entsprechend weitergebildet werden. Weitere Schlüsselskills für die erfolgreiche Automatisierung von Testing-Prozessen sind Agile Testing, Security, Non-Functional Testing, Test-Umgebungen und Datenmanagement. Auch das Hinzuziehen von Softwareentwicklern kann sich als hilfreich erweisen, da diese über die nötige Expertise verfügen, Automatisierungsprozesse durch die gesamte Development Pipeline zu begleiten.

Um dem Anwender die bestmögliche Erfahrung bieten zu können, müssen neue Technologien wie KI, IoT und Blockchain in bestehende Infrastrukturen integriert werden. Die größte Herausforderung besteht darin, eine Teststrategie zu entwickeln sowie das nötige Skillset zu akquirieren. Der QA- und Testing-Sektor verändert sich schnell und benötigt die richtigen Fachkräfte und Werkzeuge, um sich erfolgreich zu entwickeln. Egal, um welche Branche es sich handelt: Wenn Bereiche wie Automatisierung und KI in einem Team auf die entsprechenden Skills treffen, wird letztlich ein positiver Effekt auf die User Experience erreicht.
 

www.microfocus.de