02.10.2021
Was ist künstliche Intelligenz? In der Theorie bezieht sich der Begriff auf die Intelligenz von Maschinen. Der Begriff wird jedoch verwendet, wenn eine Maschine die kognitiven Funktionen nachahmt, die mit menschlichen Fähigkeiten verbunden sind, z. B. Lernen und Problemlösung. Künstliche Intelligenz kann beim Testen von Anwendungen ein wichtiges Werkzeug sein.
Eine Welt ohne Grenzen
Wir leben heute in einer Welt, in der uns fast nichts mehr überraschen kann, der Raum zwischen Realität und Science-Fiction ist sehr schmal. Dennoch begegnen wir manchmal 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 täglichen Leben eingenommen und ist zum Schlüssel für die vierte industrielle Revolution geworden.
Viele von uns erinnern sich sicher noch an den Computer HAL 9000 im Film "Odyssee im Weltraum" von 2001, 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 beginnen große Einzelhändler, KI einzusetzen, um den Kunden ein besseres Einkaufserlebnis zu bieten. Zum Beispiel mit Spiegeln, mit denen man virtuell sehen kann, wie die Kleidung, für die man sich interessiert, einem passt, ohne sie anprobieren zu müssen.
Der Finanzsektor
Der Finanzsektor hat intelligente Geldautomaten integriert, die praktisch alle Vorgänge ermöglichen, die früher in einer Box oder im Kundendienst durchgeführt wurden. Große Hotelketten nutzen heute BOTs, die auf intelligenter IVR basieren, um ihre Gäste zu disponieren. Dank des großen Fortschritts, den die KI heute in diesem Bereich macht, ist es sehr schwierig zu erkennen, dass sie von einem BOT bedient werden.
Viele Unternehmen sind gezwungen, ein Gleichgewicht zwischen Kosten und Nutzen zu finden, um eine schnelle Rentabilität ihres Vermarktungsprozesses zu erreichen und gleichzeitig dem Endbenutzer ein gutes Erlebnis zu bieten. Das derzeitige Ziel von Unternehmen ist es, mehr Tests durchzuführen, Vorfälle schnell zu finden und Produkte schneller auf den Markt zu bringen. Künstliche Intelligenz kann dabei helfen, dieses Ziel zu erreichen.
Künstliche Intelligenz in der Anwendungsprüfung
Fortschritte in der Automatisierung und künstlichen Intelligenz haben den Weg für praktische Lösungen geebnet, mit denen Unternehmen Geld und Ressourcen sparen können. Intelligente Automatisierung ihrerseits kann Organisationen weiter helfen, indem sie vorhandene Daten und automatische Analysen auf der Grundlage dieser Daten nutzt. Letztlich trägt dies zur Verbesserung von Abläufen und Arbeitsabläufen bei.
Die größte Herausforderung beim Testen von Anwendungen besteht darin, genügend Zeit für das Testen und die Entwicklung der richtigen Testmethoden und -verfahren zu haben.
Angesichts von Situationen wie der Pandemie sind Unternehmen gezwungen, sich digitalen Herausforderungen zu stellen. Ist es möglich, hochwertige digitale Güter wie E-Commerce, Lieferkettensysteme oder Engineering- und Managementlösungen zu produzieren, ohne viel Zeit und Geld für ihre Qualität aufzuwenden?
Mit anderen Worten: Kann man ein System testen, ohne es zu testen? Das mag wie ein unmöglicher Traum erscheinen, aber die Branche hat bereits begonnen, über die Entwicklung von Systemen zu sprechen. Es bleibt abzuwarten, inwieweit KI-Testsysteme Realität werden, aber es ist klar, dass durch die Anwendung dieser intelligenten Technologien eine erhebliche Effizienz und Geschwindigkeit erreicht werden kann.
Obwohl die Erwartungen an das überwachte Lernen als Kernstück des maschinellen Lernens (ML) hoch sind, um das Quality Engineering (QE) intelligenter zu machen, hat die Einführung dieser Methoden noch nicht die Zahlen erreicht, die erforderlich sind, um Ergebnisse zu zeigen.
Anwendungsfälle
Der Vorteil von all dem ist, dass einige Unternehmen jetzt daran arbeiten, die traditionellen Modelle zu ändern und bei der Anwendung von künstlicher Intelligenz eine Vorreiterrolle spielen. Dies gilt für QE für unüberwachte Modelle, natürliche Sprachverarbeitung (NLP) und Computer-Vision-Technologie.
Wir haben das Entstehen neuer Anwendungsfälle für diese Art von Tests beobachtet. Zum Beispiel die Echtzeitanalyse von Produktionsereignissen und Anwendungsprotokollen. Dies hilft nicht nur bei der Durchführung einer eingehenden intelligenten Was-wäre-wenn-Analyse, sondern auch bei der Vorhersage der künftigen Qualität. So lassen sich die notwendigen Pläne für Entwicklungsaktivitäten und Nachweise aufzeigen.
Dies trägt zur Verbesserung des Tests bei, indem tatsächliche Nutzungsmuster auf intelligente Weise einbezogen werden, und es unterstützt Methoden wie den Linksverschiebungstest.
Ein weiterer Anwendungsfall, der sich durchgesetzt zu haben scheint, ist der Einsatz von KI für die Generierung und Verwaltung von Testdaten. Beispielsweise können wir diese Art von Test nutzen, um Abdeckungslücken im Vergleich zu realen Nutzererfahrungsmustern zu identifizieren.
Dasselbe kann auch erfolgreich bei der Erstellung synthetischer Daten angewandt werden, zum Beispiel um die Regeln für den Umgang mit personenbezogenen Daten (GDPR) einzuhalten.
Damit Unternehmen den größten Nutzen aus KI in der Qualitätssicherung ziehen können, müssen ihre Teams ihr Wissen und ihre Erfahrung mit den Tools, der allgemeinen QS- und IT-Strategie und den Geschäftszielen des Unternehmens ausbauen. Dies ist eine große Chance, nicht nur für Unternehmen, sondern auch für QS-Mitarbeiter.
QA-Teams sollten über QA-Ingenieure mit Kenntnissen in Datenwissenschaft, Analytik und künstlicher Intelligenz verfügen. Falls erforderlich, sollten sie mit anderen Teilen des Unternehmens zusammenarbeiten, um diese Fähigkeiten zu erwerben.
Prüfer
Die Rolle der Tester wird durch die Entwicklung dieser Technologie nicht bedroht, im Gegenteil, sie wird begünstigt. Denn KI erfordert eine ständige Interaktion zwischen menschlichen Testern und ihr. Ein weiterer wichtiger Punkt: Um künstliche Intelligenz zu trainieren, brauchen wir gute Input-/Output-Kombinationen (die wir einen Trainingsdatensatz nennen).
Um mit moderner Software zu arbeiten, müssen wir diesen Trainingsdatensatz sorgfältig auswählen, da die künstliche Intelligenz daraus lernt und beginnt, auf der Grundlage dessen, was wir ihr liefern, Beziehungen herzustellen. Außerdem ist es wichtig, zu überwachen, wie die KI lernt. Dies ist auch wichtig, um zu wissen, wie die Software getestet werden soll.
Die menschliche Beteiligung an der Prüfung von Anwendungen mit künstlicher Intelligenz ist nach wie vor erforderlich. 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 den Nutzen der künstlichen Intelligenz
Der aktuelle World Quality Report 2020-2021 zeigt, dass ein großer Teil der Befragten von den Möglichkeiten der künstlichen Intelligenz begeistert ist. Fast 90 % sagen, dass KI-Tests und KI-Tests die größten Wachstumsbereiche in ihren Unternehmen sind. Und 80 % gaben an, dass sie beabsichtigen, die Zahl der KI-basierten Tests und Konzeptnachweise zu erhöhen.
Fazit
Obwohl die künstliche Intelligenz immer weiter fortschreitet, ist es in Wahrheit nicht einfach, das menschliche Gehirn zu imitieren. Die Menschen nutzen die Anwendungen, und es muss berücksichtigt werden, dass Verständnis, Kreativität und der menschliche Kontext notwendig sind, um qualitativ hochwertige Produkte zu gewährleisten.
Mit anderen Worten: Die manuelle Prüfung bleibt unverzichtbar. Automatisierung und künstliche Intelligenz müssen sich gegenseitig ergänzen. Sie sind völlig unterschiedliche Funktionen und sollten entsprechend ihren jeweiligen Vorteilen eingesetzt und nicht miteinander verglichen werden.
Kontakt
Wenn Sie weitere Informationen über Dienstleistungen im Bereich der künstlichen Intelligenz wünschen, wenden Sie sich an unsere Experten oder besuchen Sie unsere Getronics Website.
