In der modernen Softwareentwicklung spielen Testdaten eine zentrale Rolle. Sie ermöglichen es, Datenfehler frühzeitig zu identifizieren und die Qualitätssicherung zu optimieren. Durch den Einsatz von KI und Low-Code-Lösungen wird die Testautomatisierung effizienter gestaltet. Eine enge Zusammenarbeit zwischen IT und Fachabteilung ist entscheidend, um Datenprozesse zu harmonisieren und die Qualität zu steigern.
In dieser Episode habe ich mich mit Joshua und Hermann über Qualität, Testautomatisierung und Agilität unterhalten. Hermann erklärte, wie wichtig es ist, Datenfehler frühzeitig zu erkennen und wie man systematisch Soll-Ergebnisse erzeugen kann, um sie mit Ist-Ergebnissen zu vergleichen. Er betonte, dass es oft an passenden Tools fehlt, um diese Tests effizient durchzuführen. Joshua ergänzte, dass ihre Methoden Unternehmen dabei helfen, Daten aus verschiedenen Systemen zu harmonisieren und zu testen. Wir haben auch über die Rolle von Künstlicher Intelligenz im Testprozess gesprochen und wie sie helfen kann, Vorschläge für Tests zu machen und die Zusammenarbeit zwischen IT und Fachabteilungen zu verbessern. Zum Schluss gab es noch Einblicke in die Herausforderungen und Vorteile der Visualisierung von Datenprozessen, um die Qualitätssicherung zu optimieren.
“Das Problem ist, du hast ja Datenfehler. Das taucht oft viel zu spät auf. D.h. Du möchtest eigentlich auch schon während der Entwicklung Daten testen.” Hermann Friebel
Hermann Friebel, seit 2001 Gründer und Geschäftsführer der FINARIS Financial Software Development GmbH, verfügt über eine fast vier Jahrzehnte umfassende Expertise in der Softwareentwicklung und -testung in den Bereichen Wertpapierhandel, Risiko-Controlling.
Seit seinem Einstieg bei FINARIS im Jahr 2015 hat sich Joshua Claßen als Senior Consultant für Backend-Testautomatisierung komplexer Bankanwendungen etabliert. Durch seine Arbeit mit RapidRep, dem Vorläufer von SQACE, sammelte er umfassende Erfahrungen im automatisierten Testen von Daten und in der Datenqualitätssicherung bei verschiedenen Kunden.
Datenfehler werden in vielen Unternehmen oft erst spät erkannt. Zwar hat die IT-Abteilung in der Regel den technischen Zugang zu den Daten, jedoch fehlt häufig das nötige Business-Know-how, um Datenfehler frühzeitig zu identifizieren. Meist entwickelt die Fachabteilung spezifische Testfälle und überprüft diese, was jedoch häufig umständlich und ineffizient ist.
Eine vielversprechende Methode zur Lösung dieses Problems besteht darin, systematisch Soll-Ergebnisse zu erzeugen und diese mit den Ist-Ergebnissen zu vergleichen. Diese Technik deckt jedoch oft nur etwa 70% der relevanten Fälle ab. Um eine vollständige Abdeckung zu gewährleisten, sollten die verbleibenden 30% durch generierte Testdaten ergänzt werden. So kann eine nahezu umfassende Abdeckung aller möglichen Szenarien erreicht werden.
Eine enge Zusammenarbeit zwischen IT und Fachabteilung ist essenziell, um die Erkennung von Datenfehlern zu verbessern. Durch den Einsatz spezieller Tools können Mitarbeitende aus der Fachabteilung aktiv an den Datenprozessen arbeiten und deren Weiterentwicklung unterstützen. Diese Zusammenarbeit fördert nicht nur die Qualität der Testergebnisse, sondern auch das gegenseitige Verständnis zwischen IT und Fachbereichen, was langfristig zu besseren Datenprozessen führt.
Der Einsatz von Low-Code-Komponenten trägt zur Vereinfachung des Testprozesses bei. Mit diesen Tools lassen sich viele Aufgaben schneller und ohne tiefgehende technische Kenntnisse umsetzen. Besonders in großen Unternehmen mit vielen Abteilungen, in denen häufig ähnliche Probleme auftreten, helfen Low-Code-Komponenten dabei, redundante Lösungen zu vermeiden und Prozesse effizienter zu gestalten.
Künstliche Intelligenz (KI) hat das Potenzial, die Testautomatisierung zu revolutionieren. KI kann dazu beitragen, automatisch Vorschläge für Tests zu generieren oder Code zu erstellen, was den Prozess effizienter macht und wertvolle Zeit spart. Dabei bleibt wichtig, realistisch zu bleiben: KI-gestützte Systeme erleichtern die Arbeit und optimieren Abläufe, doch sie übernehmen nicht alle Aufgaben vollständig autonom.