Projekt

Scryer

Auf KI basierndes System zur Vereinfachung und Effizienzsteigerung der Softwareentwicklung.

Softwareentwicklung, Data Science
Leistung

Softwareentwicklung
Branche

Keyfacts

Mit Scryer haben wir ein mittlerweile patentiertes System entwickelt, das auf KI basiert und in der Softwareentwicklung eingesetzt wird. Es identifiziert relevante Softwaretests und sagt deren Ergebnis mit einer Genauigkeit von über 70% vorher. Scryer extrahiert bisher verborgene Zusammenhänge aus bestehenden Daten und legt diese offen. Durch die gewonnenen Erkenntnisse werden signifikant Rechen- und Entwickler-Ressourcen eingespart.

Funktionen

  • schnelles Feedback für Entwickler:
    in (Milli)Sekunden statt Minuten, Stunden oder Tagen
  • Zuständigkeiten ermitteln
    bei Defects wird durch die Zuordnung von Tests und entspr. Komponente im Code das zuständige Team ermittelt
  • Identifikation von Schwachstellen
    im (Entwicklungs-)Prozess
  • Reduktion unnötiger Tests
    optimierte Auswahl und Priorisierung von Tests
  • Hotspot-Analysen
    Identifikation von Files und Komponenten, bei denen Änderungen häufig zum “Umfallen” von Tests führen

Projektbeschreibung

Das Pilotprojekt: Scryer in der Praxis

Im Pilotprojekt kam Scryer bei einem namhaften Unternehmen aus der Medizintechnik in Einsatz. Dort sollte es bei der Softwareentwicklung unterstützen und die Arbeit der Entwickler vereinfachen und beschleunigen. Das Projekt bzw. der Anwendungsbereich zeichnete sich vor allem durch seine komplexen Abhängigkeiten zwischen den Software-Komponenten aus. Scryer sollte diese Komplexität verstehen lernen und entsprechend Softwaretests und deren Ausgang vorhersehen.

Korrelationen zwischen Daten erkennt Scryer automatisch.

Funktionsweise

Das Zusammenspiel von Software, Softwaretests und Ticketsystemen ist komplex und produziert eine große Menge an Daten. Unüberschaubar für den Menschen. Scryer kann mit dieser Komplexität umgehen. Auf Basis von Machine Learning erkennt es Abhängigkeiten zwischen Änderungen an der Software, Testergebnissen und Bug-Tickets.

Scryer lernt Muster und Zusammenhänge selbstständig und kann so essenzielle Tests identifizieren und letztlich sogar deren Ausgang vorhersagen. Dafür benötigt Scryer lediglich Daten, die bereits in Versionskontroll- und Testsystemen zur Verfügung stehen.

Im Gegensatz zu klassisch statischen Testreihen, die häufig irrelevante Tests über vergleichsweise lange Zeiträume ausführen, listet Scryer die relevanten Tests und erspart Entwicklern wesentlich Zeit und Aufwand.

Das Training

Scryer wurde für das Pilotprojekt auf der Basis von Tests, Testausführungen und Commits trainiert. Durch relevante Testevents lernte Scryer deren Komplexität und Korrelationen verstehen.

0
Tests
0
Commits
0
Testausführungen
0
relevante Testevents

Das Ergebnis

Durch die präzisen Vorhersagen Scryers konnten messbar Kapazitäten eingespart und die Aufnahme neuen Codes in das System beschleunigt werden. Zudem wurden die Entwickler von monotonen Routinearbeiten entlastet.

Neben der primären Leistung Softwaretest vorherzusagen, lernte Scryer zudem Defekte den entsprechenden Teams zuordnen. D. h. wenn ein Bug wegen eines (fehlgeschlagenen) Softwaretests angelegt wurde, erkannte Scryer um welche Komponente im Source Code es sich handelte und folgerte daraus das zuständige Team.

Sie wollen mit Ihrem Softwareprojekt durchstarten?

Oder wollen Sie mehr über uns erfahren? Sprechen Sie uns einfach an, wir beantworten Ihre Fragen gerne.

Jetzt Kontakt aufnehmen

Weitere Projekte