Optimierung der Aussagekraft von automatisierten Black Box Tests

DevOps, Automation & Continuous Delivery | 30 min | Deutsch

DO | 12:30 | SOMMERSALON

Um sicherzustellen, dass die definierten Anforderungen korrekt umgesetzt wurden und auch nach Änderungen des Systems weiterhin stabil funktionieren, legen die Firmen bei der Entwicklung einen immer größeren Wert auf Testautomatisierung. Dabei stellen automatisierte Black Box Tests, die an den Schnittstellen der Anwendung, z.B. der GUI, durchgeführt werden, eine wesentliche Stütze der Qualitätssicherung.
Allerdings lässt die Aussagekraft von automatisierten Black Box Tests häufig zu wünschen übrig. Zum einen lässt sich eine Zuordnung von automatisierten Tests zu Anforderungen nur erahnen – was vor allem im regulierten Umfeld, wie der Medizintechnik, nicht akzeptabel ist. Zum anderen fehlt bei den Black Box Tests der Blick “ins Innere” der Software. Die Aussagekraft der Testabdeckung ist damit nur an die Qualität der Anforderungen gebunden. Anhand eines realen Beispiels zeigt Valerii Kebenko einen bei seca realisierten Ansatz, der ermöglicht hat die Aussagekraft von automatisierten Black Box Tests zu optimieren.

 

Valerii Kebenko

seca GmbH & Co. KG

Valerii Kebenko wohnt in Hamburg, ist 36 Jahre alt, verheiratet und hat zwei Kinder. Seinen Dipl. Ing. Abschluss in Mediziningenieurwesen machte er an der TUHH. Angefangen als Software Quality Engineer bei dem Medizintechnik-Unternehmen seca gmbh & co.kg, leitet er seit 2 Jahren das Team “Software Verification”. seca ist ein mittelständisches Traditionsunternehmen mit dem Hauptsitz in Hamburg.
Dem Unternehmen ist die Transformation von einem reinen Waagenherstellers hin zu einem agilen Anbieter von medizinischen Messsystemen, Software- und Integrationslösungen gelungen.
Valerii Kebenko möchte über die Learnings auf diesem Weg berichten.