Modellbasiertes Testen klingt wie der heilige Gral der Qualitätssicherung: Effizienz, Automatisierung und höchste Präzision. Doch in der Praxis stolpert man über unerwartete Hürden. Vielleicht hast du auch schon erlebt, wie die glänzenden Versprechungen in der Realität verblassen. Zwischen Theorie und Anwendung klafft oft eine Lücke, die größer ist als gedacht. Woran liegt das? Ist Modellbasiertes Testen nur ein weiteres Buzzword, das den Praxistest nicht besteht? Oder gibt es Wege, die Kluft zu überbrücken und das volle Potenzial auszuschöpfen? Tauchen wir ein in die Welt des modellbasierten Testens und beleuchten die Stolpersteine sowie innovative Ansätze, die Hoffnung geben.
In dieser Episode spreche ich mit Matthias Hamburg über modellbasiertes Testen. Matthias ist ein erfahrener Experte in der Softwaretest-Community und gibt wertvolle Einblicke in die Probleme und Lösungen des modellbasierten Testens. Er berichtet von Studien, die zeigen, dass Testautomatisierung oft nicht die gewünschten Ergebnisse liefert, und erklärt die Schwierigkeiten, die er in der Praxis erlebt hat, wie unzureichende Modellierungskenntnisse und Lücken zwischen Modellierung und Testdurchführung. Matthias stellt ein neues Tool vor, das diese Lücken schließen soll und betont die Bedeutung einer No-Code-Generierung, um Testern die Arbeit zu erleichtern. Ein faszinierendes Gespräch über die Zukunft des Softwaretestens!
“Der World Quality Report zeigt, dass Testautomatisierung oft nicht die geschäftlichen Ziele erreicht, die man sich gewünscht hat.” - Matthias Hamburg
Matthias Hamburg war bis zu seiner Pensionierung in 2019 Managing Consultant bei der Sogeti Deutschland GmbH. Seine fachlichen Schwerpunkte sind bei der Testanalyse, Testmanagement und Testprozessverbesserung. Im German Testing Board (GTB) und seinem Dachverband ISTQB engagiert er sich weiterhin ehrenamtlich. Unter Anderem gibt er den Advanced Test Analyst Lehrplan und das Standardglossar der Testbegriffe in Englisch und in Deutsch heraus.
Modellbasiertes Testen (MBT) verspricht Effizienz und Qualitätssicherung auf höchstem Niveau. Doch in der Praxis liefert MBT häufig nicht die erhofften Ergebnisse. Studien wie der World Quality Report von Capgemini und Sogeti bestätigen dieses Phänomen: Testautomatisierung erreicht oft nicht die geschäftlichen Ziele. CI/CD-Prozesse stottern, statt reibungslos zu laufen, und die erwartete Effizienzsteigerung bleibt aus. Es scheint, als klaffe eine Lücke zwischen der glänzenden Theorie und der ernüchternden Praxis.
Eines der zentralen Probleme beim modellbasierten Testen ist die fehlende professionelle Ausbildung in Modellierungstechniken. Stell dir vor, jemand versucht, ein komplexes Musikstück ohne Notenkenntnisse zu spielen – das Ergebnis wird kaum überzeugen. Ähnlich führt mangelnde Schulung bei Testern zu ineffizienten Modellen. Zudem fehlt oft der nahtlose Übergang von der Modellierung zur Testdurchführung. Zwischen Testentwurf und -realisierung tun sich Lücken auf, die den Prozess erschweren. Tools wie Selenium oder Playwright sind zwar hilfreiche Instrumente, doch sie schließen diese Lücken nicht vollständig.
Doch es gibt Hoffnung am Horizont. Ein neues Werkzeug betritt die Bühne und adressiert genau diese Herausforderungen. Es generiert zunächst abstrakte Testfälle aus dem Modell, die manuell überprüft werden können – eine Art Generalprobe, bevor der Vorhang fällt. Sobald eine konkrete Anwendung verfügbar ist, werden die abstrakten Testfälle automatisiert ausgeführt. Dieser nahtlose Übergang von der Modellierung zur Testdurchführung ist wie ein gut geöltes Zahnrad im Getriebe der Qualitätssicherung. Besonders bemerkenswert ist, dass das Tool auch auf Änderungen in der Software flexibel reagiert und sich entsprechend anpasst.
In einer Pilotanwendung konnte dieses Werkzeug bereits seine Stärken ausspielen. Es ermöglichte, neue Methoden auszuprobieren und den gesamten Testprozess zu optimieren. Der Zwei-Phasen-Ansatz – zuerst abstrakte Testfälle generieren und manuell prüfen, dann automatisieren – hat sich dabei als besonders effektiv erwiesen. Er hilft nicht nur, frühe Fehler zu identifizieren, sondern verbessert auch die gesamte Qualitätssicherung. Eine Win-win-Situation, könnte man sagen.
Natürlich ist auch dieses neue Tool nicht das Ende der Fahnenstange. Es gibt noch Luft nach oben. Die Unterstützung für datengetriebenes Testen könnte erweitert und weitere Testentwurfsverfahren wie die Äquivalenzklassenbildung integriert werden. Doch die Richtung stimmt. Wenn solche Werkzeuge in Zukunft breiter eingesetzt werden, könnten systematische Testverfahren endlich den Stellenwert bekommen, den sie verdienen.