(openPR) In der heutigen Softwareentwicklung bestimmen kurze Entwicklungszyklen und immer komplexere Architekturen bei gleichzeitig hohen Ansprüchen an die Produktqualität das Bild. Um diese Herausforderung zu meistern, nutzt die Industrie Continuous Integration (CI). Hierbei werden Softwarekomponenten fortlaufend zusammengefügt und automatisiert über Nacht getestet.
Ein Konsortium bestehend aus drei Partnern aus Wissenschaft und Industrie erforscht zwei Jahre lang im Rahmen des Projektes „Optimized Test Selection for Continuous Integration (OTS4CI), wie sich dieser Prozess durch eine Optimierung und Automatisierung der Auswahl von Testfällen mit Hilfe von Techniken des maschinellen Lernens verbessern lässt.
Die zentrale Herausforderung des Projektes besteht darin, den komplexen Prozess der Testauswahl und Priorisierung, den normalerweise erfahrene Tester manuell durchführen, durch geeignete KI-Methoden abzubilden.
Dazu soll die Technik des bestärkenden Lernens (Reinforcement Learning) eingesetzt werden. Bei diesem Ansatz handelt es sich um einen Versuch, das Lernverhalten in der Natur nachzubilden. Ein Algorithmus lernt, indem er mit Informationen seiner „Umwelt“ interagiert und anschließend Informationen zum neuen Zustand der Umwelt sowie eine „Belohnung“ erhält. Der Algorithmus, auch Agent genannt, soll dadurch ein Verhalten erlernen, dass seine Belohnung maximiert.
Ziel des Forschungsprojektes ist es, ein KI-System zu entwickeln, das anhand relevanter Informationen aus der Entwicklung wie z.B. Bug Fixes und der Testhistorie eine geeignete Priorisierung derjenigen Tests vornimmt, die in der Lage sind, möglichst viele Fehler beim Testen zu entdecken.
Erreicht werden soll dieses Ziel zum einen durch ein erweitertes Informationsmodell, indem Daten, die im Entwicklungsprozess anfallen, systematisch analysiert und für die Testfallselektion genutzt werden. Zum anderen wird ein Umgebungsmodell des CI-Prozesses entwickelt. Dieses Modell wird mit Daten aus dem Informationsmodell gefüttert und soll den potenziellen Erfolg einer bestimmten Auswahl von Testfällen bei der Fehlerfindung simulieren.
Die erfolgreiche Auswahl geeigneter Testfälle soll anschließend in die Erstellung eines hocheffektiven Testplans durch einen sogenannten Scheduling-Algorithmus münden.
Beteiligte Projektpartner sind die BTU Cottbus-Senftenberg, KOSTAL Industrie Elektrik mit Sitz in Hagen und ITPower Solutions aus Berlin. Das Projekt ist Teil des Förderprogramms KMU-innovativ des Bundesministeriums für Bildung und Forschung und läuft bis zum 30.09.2024.
