IA ALS ENTSCHEIDUNGSHILFE - INTERVIEW MIT MARC HAGE CHAHINE

Seit einigen Jahren tragen Innovationen im Bereich des maschinellen Lernens und der künstlichen Intelligenz dazu bei, dass sich viele Branchen weiterentwickeln. Dazu gehört auch die Welt des Testens. Aber wie kann KI in die Testautomatisierung einfließen? Wie kann sie Geschäftsteams helfen, diesen Bereich besser zu verstehen? Was sind ihre Gewinne, Risiken und Grenzen? Lesen Sie die Antworten auf diese Fragen in unserem Interview mit Marc Hage Chahine.

Marc Hage Chahine istExperte für Methoden und Tools bei Sogeti. Er hat schon immer im Testbereich gearbeitet und wollte seine Erfahrungen mit anderen teilen. Er hat das Glück, dass err dies in seiner täglichen Arbeit tun zu können, aber auch durch das Schreiben von Artikeln im Blog La Taverne du testeur oder in Magazinen wie Programmez! Marc Hage Chahine hat auch das Vergnügen, bei der Organisation von großen Testveranstaltungen wie der STLS (in Sophia Antipolis) und der JFTL mitzuwirken.

Die Testautomatisierung ist ein sich schnell entwickelnder Markt. Nach den neuesten Schätzungen von Research and Markets (2021)* könnten seine Umsätze bis 2026 auf 49 Milliarden US-Dollar ansteigen. Wie sieht Ihrer Meinung nach die Zukunft der Testautomatisierung aus? 

Die Testautomatisierung soll seit über zwanzig Jahren die nahe Zukunft sein. Es wird immer wieder als Ersatz für das manuelle Testen bezeichnet. Aber man sieht nicht nur, dass sie das manuelle Testen nicht ersetzt und auch nicht ersetzen wird, sondern auch, dass ihre Implementierung komplex ist. Wenn man sich die letzten CFTL-Umfragen ansieht, kommt die Testautomatisierung in den letzten zwei Jahren nicht voran, obwohl wir uns in agilen Kontexten befinden, in denen die Automatisierung immer notwendiger wird.

Warum geht es nicht voran? 

Lange Zeit war die Automatisierung sehr technisch, mit Code und Entwicklung. Doch seit einer Reihe von Jahren gibt es allmählich Tools, die ohne Code oder Skripte auskommen. Sie sind mit dem Keyword Driven Testing* entstanden, dessen Hauptvertreter Robot Framework® ist. Das ist die Null-Generation des Testens für Nicht-Techniker. Wir haben Gherkin®, das nach demselben Prinzip automatisieren wird. Wir haben andere Tools, die beginnen, immer reifer, zugänglicher und funktionaler zu werden. Aber selbst wenn sie zugänglich sind, sind es immer noch ziemlich technische Tools, die von Code und Skripten aus gedacht sind. 

Seitdem kommen immer neue Tools heraus: Keysight® mit Eggplant, Tosca® von Tricentis oder die neueste Version von UFT®, wo sie versuchen, KI, Blöcke und Module hinzuzufügen. Es gibt auch viel Bilderkennung, was es ermöglicht, code-agnostisch zu sein und ein einziges Skript zu haben, mit dem man seinen Test auf verschiedenen Telefonen (iOS, Android), Tablets, PCs oder sogar eingebetteten Geräten laufen lassen kann. Die nächste Entwicklung wird die KI sein. Wir sehen erste Ansätze mit Tools wie Gravity® von Smartesting, das Logs analysieren wird, um Wege vorzuschlagen und diese zu automatisieren. 

Vorsicht: Nur weil es all diese Tools gibt, heißt das nicht, dass sie auch alle genutzt werden. Es gibt Preisbarrieren, ob man diese Investition tätigen sollte oder nicht. Die Teams, die für die Produktentwicklung zuständig sind, müssen auch die richtige Politik und die richtige Teststrategie haben und wissen, wie man mit der Qualität umgeht. Man darf nicht vergessen: Um gute automatisierte Tests zu haben, muss man vor allem gute Tests haben. Die Notwendigkeit der Automatisierung muss in den Teams spürbar sein, die Automatisierung darf nicht nur auf dem Tester liegen. 

Apropos KI: Wie wird sie Ihrer Meinung nach in die Testautomatisierung einfließen?

Für mich ist KI dazu da, Entscheidungen und Handlungen zu erleichtern. Es ist nichts anderes als eine weitergehende Automatisierung als nur die Automatisierung der Ausführung. Es soll helfen, Entscheidungen zu treffen, aber KI wird nicht alles können. Man braucht Daten, man braucht Informationen und deshalb braucht man Menschen dahinter. Mit KI schafft man es, Go- oder Schachchampions zu schlagen, aber die Schach-KI wird keinen Go-Champion schlagen. Sie ist sehr spezifisch und wird daher nur in einem bestimmten Fall besser sein als wir und uns weiterbringen. Es gibt viele Anwendungsfälle mit KI, insbesondere bei der Priorisierung von Tests, die zu einer Auswahl führen wird. Wir haben zum Beispiel 500 Regressionstests, welche müssen wir zuerst durchführen, um die meisten Fehler zu finden? Aber am Ende werden wir vielleicht nur 400 oder 450 machen können, also müssen wir bestimmen, welche wir nicht machen werden.

Welche Gewinne kann KI für die Testautomatisierung bringen? 

KI kann in vielerlei Hinsicht helfen: Sie kann bei der Analyse helfen, insbesondere bei fehlgeschlagenen Tests, sie kann bei den von den Herausgebern hervorgehobenen Anwendungsfällen helfen, die fehlgeschlagen sind, warum, und sie kann sogar dafür sorgen, dass sie wieder funktionieren und die Skripte direkt korrigieren. Die KI wird auch bei der Wartung und Pflege helfen, indem sie eine bessere Verwaltung des Testverzeichnisses ermöglicht. Wenn z. B. Tests doppelt vorhanden sind, wird die KI uns sagen, dass wir darüber nachdenken sollten, sie zu löschen, da sie nicht von Interesse sind, oder sie wird uns sagen, dass wir die Daten bestimmter Tests überarbeiten sollen usw. Und die KI wird auch beim Aufbau helfen: Man sagt, was man tun will, und das Skript wird dahinter erledigt, das machen übrigens schon die skriptlosen Tools.

Die einzige wirkliche Grenze der KI liegt in dem, was wir uns vorstellen können, damit zu tun. Die anderen Grenzen sind die Implementierungskosten und das Interesse daran, denn nur weil wir uns etwas vorstellen, heißt das noch lange nicht, dass es auch wirklich interessant ist. Fliegende Autos zum Beispiel sind seit 50 Jahren im Gespräch und könnten durchaus realisiert werden, aber letztendlich ist es sinnlos, bringt keinen Mehrwert und verbraucht zu viel Energie. Es muss einen Bedarf geben.

Was sind Ihrer Meinung nach die Risiken von KI für die Testautomatisierung und den Beruf des Testers? 

Es gibt sehr viele Risiken bei der KI. Das erste ist eine Verzerrung durch übermäßiges Vertrauen: Wenn die KI es sagt, hat die KI Recht, also tue ich, was die KI sagt. Das hängt oft damit zusammen, dass wir keine Zeit haben. Die KI sollte ein Hilfsmittel zur Entscheidungsfindung sein, aber die KI sollte nicht die Entscheidung treffen. Wenn man keine Zeit hat, um nachzudenken, die Indikatoren zu sehen, die Daten zu sehen, dann geht es nicht mehr um Entscheidungshilfe, sondern um Entscheidungsfindung. Und das ist das eigentliche Risiko bei der KI, wobei zu beachten ist, dass die KI nicht perfekt ist. Sie lebt von Daten, von Daten, die sich, selbst wenn sie aktualisiert, relevant und repräsentativ sind, von einem Tag auf den anderen ändern können. Nehmen wir ein sehr aktuelles Beispiel, die Umfragen zu den Präsidentschaftswahlen: Macron lag in den Umfragen bei 20/25 %, dann gibt es einen neuen Datensatz, den Krieg in der Ukraine, und er steigt auf 30/35, dann gibt es einen neuen Datensatz, die Beratungsfirmen, und er steigt wieder auf 25 %. Die Wahrheit von heute ist nicht die Wahrheit von morgen, und das kann die KI nicht vorhersehen.

Wie groß ist Ihr persönliches Vertrauen in KI? 

Standardmäßig habe ich kein Vertrauen. Ich sehe Potenzial, Möglichkeiten und Kontexte, in denen es funktionieren wird. Zum Beispiel haben wir für Gravity® zwei API-Feedbacks, die auf dem JFTL (Journée Française du Test Logiciel) vorgestellt werden. In diesem Kontext, in diesem Rahmen, funktioniert es gut und daher werde ich für einen ähnlichen Kontext darauf vertrauen, dass es mir gelingt, eine Lösung zu implementieren, die Zeit sparen wird. Ansonsten gibt es kein Vertrauen, solange es kein Feedback gibt, standardmäßig funktioniert es nicht.

Aber was wäre dann der ideale Kontext, damit es funktioniert?

Der ideale Kontext ist alles, was sich wiederholende, lästige Aufgaben sind, Dinge, die nicht unbedingt schwierig, aber einfach und uninteressant zu erledigen sind. Sie werden es erfordern, viele einfache Dinge zu tun, aber die Abfolge wird ermüdend und schwierig werden. All das wird der Automatisierung unterliegen und das ist übrigens in der gesamten Menschheitsgeschichte der Fall: Werkzeuge wurden gemacht, weil es einfacher war, eine Kokosnuss zu knacken, wenn man einen scharfen Stein hatte. Und jedes Mal haben wir uns mehr und mehr Zeit verschafft. 

Was halten Sie von diesem Interview? Nutzen Sie auch die Gelegenheit, unsere anderen Interviews mit Bruno Legeard und Xavier Blanc zu entdecken.