Intelligente Testautomatisierung – Automotive-Bereich
Entwicklung einer Testplanungs-Software unter Verwendung von Natural Language Processing & Supervised Machine Learning.
Folge uns
Die Zukunft
des Automobilbaus
Ein namhafter deutscher Automobilhersteller ist führender Hersteller von Premium-Automobilen. Das Unternehmen betreibt über 30 Produktionsstandorte weltweit und verfolgt eine ehrgeizige Strategie zur Elektrifizierung, mit dem Ziel, bis 2030 einen Verkaufsanteil von 50 % vollelektrischer Fahrzeuge zu erreichen.
Das Unternehmen hat strenge Vorgaben für die Qualitätssicherung der Software, die in seinen Autos zum Einsatz kommt. Komplexe Tests, die alle etwa 40 Steuergeräte eines Fahrzeugs abdecken, erfordern einen hohen manuellen Aufwand, da sie bis zum Roll-Out der neuen Software noch von großen Teams aufwändig manuell ausgewählt und geplant wurden. Diese zeit- und kostenintensive Testplanung sollte durch eine intelligente Software-Lösung optimiert werden.
.
Die Challenge:
Die Testplanung automatisieren und den Test-Aufwand reduzieren.
Es wird auf jeder Stufe der Softwareentwicklung und Prozessebene getestet, um die einwandfreie Funktionalität der Komponenten sicherzustellen. Häufige Mehrfachtests sind allerdings ineffizient und sollen durch Testautomatisierung verbessert werden, sodass nur noch bei Neuerungen oder Änderungen erneut getestet wird.
Zudem sind beim Bau eines Fahrzeugs viele verschiedene Fachbereiche beteiligt, die alle unterschiedliche Testbeschreibungen verwenden, was zu einer Vielzahl an Testfällen führt. Höhere Teststufen wissen oft nicht, ob eine Funktion bereits in einer unteren Stufe getestet wurde.
Die Lösung:
Effiziente Software-Rollouts durch intelligente Testautomatisierung von QualityMinds
QualityMinds entwickelt eine innovative Testplanung mit lernenden Algorithmen sowie eine automatisierte Ermittlung der Testabdeckung.
In einem Discovery-Workshop unterstützte QualityMinds den Kunden dabei, das Problem zu verstehen, genauer zu definieren und präzise zu beschreiben.
Durch User Stories und Usability-Studien wurden die exakten Bedürfnisse der User:innen (in dem Fall die Tester:innen des Automobilherstellers) an die gewünschte Software ermittelt. Innerhalb von nur vier Monaten gelang es QualityMinds, eine erste Version des Produkts zu realisieren, die kontinuierlich durch weitere Usability-Studien und Feedback-Schleifen optimiert wurde und auf die tägliche Arbeit der Tester:innen maßgeschneidert war.
Fakten auf einen Blick
Automatisierte Auswahl von Testfällen verringert den Test-Aufwand und optimiert die Testplanung
Verwendete Technologien: Java, Machine Learning, MariaDB, Docker, REST, d3 Library, Bootstrap, Spring Boot, Integration der Testumgebung in Jenkins
Einhaltung der Sicherheits-Vorgaben hat höchste Priorität: Entwicklung bei QualityMinds aber Deployment lokal beim Kunden via seines Intranets
Expertise in agiler Softwareentwicklung, Design Thinking und Testing aus einer Hand bei QualityMinds
Einsatz der Technik Vector Space Embedding und einer Co-occurrence Matrix im Rahmen von NLP:
- Vector Space Embedding: Umwandlung von Wörtern in Vektoren, um semantische Ähnlichkeiten in Testfällen zu analysieren
- Co-occurence Matrix: Berechnung der Häufigkeit gemeinsamer Wörter in der Analyse der Testfälle
„Die Software haben wir im Kanban-Modus agil entwickelt, wobei wir kontinuierlich Feedback von den Tester:innen eingeholt haben, ob das, was wir gerade entwickeln, ihnen in ihrer täglichen, technischen Arbeit tatsächlich hilft. Als die Software dann in den Produktivbetrieb überging, vereinfachte sie die Arbeit der Tester:innen erheblich.
Eine Stärke von QualityMinds ist es, dass wir dank Discovery Workshops und umfangreicher Usability Studien im Projekt die Bedürfnisse der User:innen exakt verstehen, Änderungsanforderungen des Kunden schnell umsetzen und dadurch erstklassige Software entwickeln können.“
Tobias Varlemann
Projektmanager & Head of IT bei QualityMinds