Anzeige

Anzeige

VERANSTALTUNGEN

IT-SOURCING 2019 – Einkauf meets IT
09.09.19 - 10.09.19
In Düsseldorf

ACMP Competence Days Berlin
11.09.19 - 11.09.19
In Stiftung Deutsches Technikmuseum Berlin, Berlin

MCC CyberRisks - for Critical Infrastructures
12.09.19 - 13.09.19
In Hotel Maritim, Bonn

Rethink! IT 2019
16.09.19 - 17.09.19
In Berlin

DSAG-Jahreskongress
17.09.19 - 19.09.19
In Nürnberg, Messezentrum

Anzeige

Anzeige

KI Erde Profil 584819977 500

Umwälzende Innovationen und Technologien, sowie die digitale Transformation in den Unternehmen haben den Weg geebnet, ohne zu wissen, wie Produkte aus dem „Cognitive Learning“ und „Machine Learning“ einhergehen mit innovativen Lösungen wie „Internet-of-Things“ und neuen Cloud- und Storage Produkten. 

Der Verbrauchermarkt und die IT-Trends zeigen klar, dass intelligente Produkte vermehrt auf den Markt kommen. Große Industrielösungen sind Vorreiter mit kognitiven Services, die unseren Alltag bei einfachen Aufgaben unterstützen können. Was ist aber mit Enterprise Systemen? Ist auch hier eine Steigerung der Arbeitseffizienz möglich?

Aus einem Forbes Artikel geht hervor, dass die Einführung von KI von insgesamt elf identifizierten Hindernissen gebremst wird. Die zwei größten sind: nicht definierte Geschäftsfälle und fehlendes Verständnis, wofür KI im Businesskontext sinnvoll eingesetzt werden kann. Und der aktuelle „World Quality Report“ zeigt uns, dass viele Organisationen mit denselben wachsenden Herausforderungen in der Qualitätssicherung kämpfen. Es wird nicht reichen, wie bisher zu testen und dabei zu erwarten, den neu entstandenen Herausforderungen, standhalten zu können.

Neue Herausforderungen in der Qualitätssicherung

Eine der neuen Herausforderungen im Testmanagement ist das Nutzen von vorhandenen Daten für eine fundierte Entscheidungsfindung. Systemdaten wie Server Logs oder Daten aus den Entwickler-Teams werden bereits seit Jahren auf einer Reihe von Middleware- und Backend-Systemen verteilt gespeichert, wobei ein Zugriff für Testmanager und QS-Spezialisten meist nicht möglich ist. Die Herausforderung besteht jetzt darin, KI-Systemen zu zeigen, wie derart große Mengen an unstrukturierten Daten sinnvoll verarbeitet werden können.

Die Einbindung intelligenter, selbstlernender und analytischer Technologien versetzt uns in die Lage, gesammelte Daten effizient einzusetzen. Basierend auf Projektdaten und tatsächlichen Nutzungsmustern erschaffen wir eine intelligente Entscheidungsfindung. Wir bieten unseren Kunden durch Nutzung kognitiver Qualitätssicherung die Möglichkeit, den hohen Qualitätsstandard mit optimierten Kosten aufrecht zu erhalten und das in einer komplex-vernetzten Welt.

Möglicher Lösungsansatz

Wir konnten die Effizienz unseres Ansatzes bestätigen. Durch mehrere, erfolgreiche „Proofs of Values“ bei Kunden aus unterschiedlichen Branchen, wie z. B. Dell EMC, die das Potenzial der kognitiven Qualitätssicherung erkannt haben und erfolgreich einsetzen. Speziell für Kunden oder Produkte mit einer hohen Anzahl an Testfällen oder sehr kritischen Aspekten führt dies zu erheblichen Kosteneinsparungen. Aber vor allem ist die Risikoreduzierung, dank der Empfehlungen aus der Virtualisierung, von großem Vorteil. Der Testmanager bekommt damit Daten zur Verfügung gestellt, die zuvor undenkbar waren.

Das Kognitive QS-System wird mit ausgewählten Datenquellen aus klassischen Test-, Entwicklungs-, und Betriebsbereichen verbunden wie z.B. HPE ALM, MS TFS, Jira oder ähnliches. Daten aus diesen Quellen werden gruppiert und um weitere Interaktionsdaten wie E-Mail oder Chat-Protokolle, Fehlermeldungen oder Kommentare ergänzt. Beschreibende Daten erhalten wir aus dem Source-Code und Testfall- Metadaten sowie Fehler- oder Codequalitätseigenschaften.

Das Daten- und Test-Reglement, nach denen das System arbeitet, spielt die entscheidende Rolle. Keine Einführung von „Cognitive QA“ ist wie die andere, in unserem „Proof of Value“ erhalten wir nach neun Wochen die ersten Ergebnisse. In der ersten Woche wird untersucht, ob die Systeme des Kunden bereit für Analytics sind. In Woche zwei bis drei analysieren wir die Daten und deren Qualität, doppelte Daten oder fehlende Daten werden entsprechend korrigiert. Die vierte und fünfte Woche ist zum Modellieren von kognitiven QS-Regeln geplant, Woche sechs bis acht wird ein Benchmarking durchgeführt und Qualitätsmetriken angewendet. In der neunten und letzten Woche werden die Datenbestände und Erkenntnisse zu einem vollständig operativen Ansatz zusammengeführt.

Zukunftsfähige IT

Die Analyseergebnisse des Kognitiven QS-Systems werden in Form von Diagrammen in einer Weboberfläche bereitgestellt. Neben der Vorhersage der erwarteten Qualität oder den Problembereichen empfiehlt das System automatisch, welche Testfälle oder Systeme besonders intensiv oder sorgfältig getestet werden sollten, bevor das „System unter Test“ in Betrieb genommen wird. Mit jeder Iteration werden Daten generiert, die automatisch in Echtzeit in die Analyse einfließen. „Cognitive QA“ von Sogeti ist ein selbstlernendes System, das basierend auf Feedback immer genauere Ergebnisse liefert und eine enorme Unterstützung bietet, jedoch keinen Testmanager ersetzt. Machen Sie Ihre IT zukunftsfähig!

Autoren: Roman Kölln, Senior Consultant & Project Sales und Piotr Romaniuk, Portfolio & Innovation Manager, Sogeti Deutschland GmbH

 

GRID LIST
Licencing

70 Prozent auf Software: Mit Zweitlizenzen ist immer Sale

Second Hand für Software-Lizenzen? Was vor wenigen Jahren für manch einen noch…
Legacy-System

So werden Legacy-Systeme performanter, agiler und effizienter

Es gibt viele gute Gründe, von relationalen Legacy- auf New-Technology-Datenbanken zu…
Programmieren

Zukunftsinvestition: DataOps-Plattform

Langsam, aber sicher ist DataOps kein Fremdwort mehr. Immer mehr Tools und Lösungen…
Programmieren Brille

Falsche Vorurteile über Refactoring

Refactoring ist eine wirkungsvolle Methode zur Optimierung von Anwendungen. Indem beim…
Open Source

Zehn Vorteile von Open-Source-Software im Unternehmen

Open-Source-Software hat langsam aber sicher das Unternehmensumfeld erobert, sodass…
Legacy Software

Techniken für die iterative Evolution von Softwarearchitekturen

Die Modernisierung von Altsoftware stellt viele Unternehmen vor große Probleme. Die…