Ein Klick in die Zukunft
Testtrends und ihre Auswirkungen auf QA-Teams
von Oliver Koslowski und Tobias Ständer
Wir erleben gerade enorme Veränderungen im technologischen Fortschritt. Die Welt wird digitalisiert und die Qualität ist der Weg zu einer langfristigen Transformation. Schnelle und flexible Entwicklungsprozesse sind gefragt, um auf die Veränderungen reagieren zu können. Prozesse müssen neugestaltet werden, um qualitativ hochwertige Software schnell und kostengünstig entwickeln und bereitstellen zu können. Die testgetriebene Entwicklung sorgt bspw. für eine höhere Softwarequalität und eine schnellere Markteinführung. Agile und DevOps, Testautomatisierung und künstliche Intelligenz bestimmten das Testen im Jahr 2020 und werden dies auch in den nächsten Jahren noch machen. Neben diesen Trends gibt es Testlösungen, die das Potenzial haben, die aktuellen und zukünftigen Herausforderungen beim Testen von Software zu bewältigen.
Agile und DevOps
Anforderungen ändern sich immer schneller und agile Teams können sofort darauf reagieren. DevOps bieten dazu Methoden, Regeln, Prozesse und Tools, mit deren Hilfe Entwicklungsund Betriebsaktivitäten integriert werden können, um die Zeit von der Entwicklung bis zum Betrieb zu verkürzen. Die Kombination aus Agile und DevOps hilft den Teams, Qualitätssoftware schneller zu entwickeln und bereitzustellen. Diese Vorgehensweise hat sich in den letzten Jahren bewährt und wird uns auch in den nächsten Jahren begleiten.
Artificial Intelligence (Ai) & Machine Learning (Ml)
Mangelnde Fähigkeiten erfordern externe Hilfe – die Erkenntnis für datenbasierte Hilfe ist langsam angekommen. Das Potenzial künstlicher Intelligenz im Software Testing kann aber aktuell noch nicht ausgeschöpft werden. Obwohl die Ansätze für AI und ML beim Testen von Software nicht neu sind, bieten die jüngsten Fortschritte neue Möglichkeiten für die Anwendung beim Testen. Die Anwendung von AI und ML in Tests befindet sich jedoch noch ganz am Anfang. AI und ML in Tests befindet sich jedoch noch ganz am Anfang. AI/ML-Algorithmen wurden entwickelt, um bessere Testfälle, Testskripte, Testdaten und Berichte zu generieren. Datenbasierte Vorhersagemodelle können helfen, Entscheidungen darüber zu treffen, wo, was und wann getestet werden soll. Intelligente Analysen und Visualisierungen unterstützen die Teams dabei, Fehler zu erkennen und Tests abzudecken. In den nächsten Jahren sollen mehr Anwendungen von AI und ML bei der Lösung von Problemen wie Qualitätsvorhersage, Priorisierung von Testfällen, Fehlerklassifizierung und -zuweisung unterstützen. In Zukunft wird AI und ML in allen Bereichen innovativer Technologien allgegenwärtig sein. Datenbasierte-Anwendungen werden langsam in mehr Testbereichen eingesetzt – die meisten davon werden für Berichte und Analysen relevant sein. Was bedeutet der Trend für QA-Teams? Agile Teams müssen die künftigen Anforderungen bedienen können und schon jetzt mit der Einführung von AI und ML bezogenen Fähigkeiten beginnen, wie bspw. mit dem Testdatenmanagement. Das neue Skillset ersetzt nicht die Kompetenzen des Testautomatisierers/ Software Testers, sondern ergänzt dieses. So entstehen neue Rollen, wie beispielsweise die des AI QA-Analysten. Entwickler von Automatisierungstools sollten sich darauf konzentrieren, praktische Tools zu entwickeln. Ein gutes AI-unterstütztes Tool muss sowohl die Kosteneffizienz als auch die technischen Aspekte wie das Lesen von Produktionsprotokollen, das Generieren von Testszenarien oder das Reagieren auf Produktionsaktivitäten erfüllen.
Testautomatisierung
Um DevOps-Praktiken effektiv zu implementieren, darf die Testautomatisierung nicht ignoriert werden, da sie ein wesentliches Element des DevOps- Prozesses ist. Ein Großteil der manuellen Tests sollte durch automatisierte Tests ersetzt werden – zumindest die meisten Regressionstests. Aktuell wird Testautomatisierung nicht ausreichend genutzt, zu wenige Tests werden automatisiert. Es gibt demnach viel Potenzial, die Akzeptanz der Testautomatisierung zu erhöhen. Dazu bedarf es der Entwicklung fortschrittlichere Methoden und Werkzeuge, um die Testautomatisierung in Projekten besser integrieren zu können. Beliebte Automatisierungstools wie beispielsweise Selenium und Katalon, werden mit neuen Funktionen weiterentwickelt, die die Automatisierung einfacher und effektiver machen. Die Testautomatisierung unterstützt Teams dabei, sich wiederholende Aufgaben auszuführen, Fehler schneller und genauer zu erkennen und die Testabdeckung sicherzustellen. Automatisierte Tests, die in QS-Prozessen implementiert sind, sparen erheblich Zeit und Kosten. Das zukünftige Angebot an Automatisierungstools wird vor allem durch Open-Source-Tools bestimmt. Mobile Testautomation Auch der Trend zur Entwicklung mobiler Apps nimmt weiter zu, da mobile Geräte immer leistungsfähiger werden und unserer Leben organisieren. Dieser Trend wird durch die Notwendigkeit angetrieben, die Markteinführungszeit zu verkürzen und fortschrittlichere Methoden und Werkzeuge für die mobile Testautomatisierung zu entwickeln. Die derzeitige Nutzung der mobilen Testautomatisierung ist jedoch noch sehr gering und aufwendig zugleich. Dies lässt auf den Mangel an Methoden und Werkzeugen schließen, die oftmals noch nicht ganz ausgereift sind. Es gibt nur wenige Tools, die als All-In-One Lösung dienen und im automatisiertem Webund Mobiletesting nicht zu einem Medienbruch führen. Was bedeutet der Trend für QA-Teams? Durch die Testautomatisierung werden manuelle Tests nicht eliminiert. QA-Teams müssen manuelle und automatisierte Tests angemessen kombinieren, um die Softwarequalität optimal zu gewährleisten. Nicht jede Testart ist durch automatisierte Tests zu ersetzen – wie bspw. Usability Tests. QA-Teams müssen also eine optimale gemeinsame Umgebung schaffen. Dieser Prozess ist leichter gesagt als getan. Aus diesem Grund konnten viele Anwender die automatisierten Tests bisher nicht optimal nutzen. Was bedeutet dies für Anbieter von Testautomatisierungslösungen? Entwickler von Testautomatisierungstools müssen die Tools kontinuierlich aktualisieren, um die Anforderungen der QA-Teams zu erfüllen. Zukünftige Testautomatisierungslösungen müssen einige grundlegende Kriterien erfüllen, zum Beispiel:
- Einfache Übernahme und Verwendung auf jeder Teststufe
- intelligente Frameworks, damit sich Probleme selbst beheben lassen
- vollständige Testabdeckung und Erkennung von Qualitätsfehlern sicher
- Plattformübergreifende Tests für Web-, API-, Mobil- und Desktop-Automatisierung
- CI/CD-Tools integrieren
