Projekt

scryer

Auf KI basierndes System zur Vereinfachung und Effizienzsteigerung der Softwareentwicklung.

Softwareentwicklung, Data Science
Leistung

Kurz erklärt

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.

Anders gesagt: Die scryer Test Prediction ermittelt für eine Softwareänderung relevante (z. B. wahrscheinlich fehlschlagende) Tests sowie einen Konfidenzwert für die Vorhersage. Das Modell für die Vorhersagen basiert auf historischen Source-Control- und Testdaten und wird automatisch durch Machine-Learning-Algorithmen erstellt. Durch die gewonnenen Erkenntnisse werden signifikant Rechen- und Entwickler-Ressourcen eingespart.

Funktionen und Nutzen:

Schnelles Feedback für Entwickler
in (Milli)Sekunden statt Minuten, Stunden oder Tagen
Reduktion unnötiger Testsausführungen
durch optimierte Auswahl und Priorisierung von Testfällen
Ermittlung von Zuständigkeiten für Defects
durch Zuordnung zu Testfällen und Entwicklerteams
Hotspot-Analysen
basierend auf der Identifikation von Files und Komponenten, bei denen Änderungen häufig zum “Umfallen” von Tests führen
Identifikation von Schwachstellen
im (Entwicklungs-)Prozess

Mehr Informationen:

Laden Sie unser Whitepaper zu scryer herunter:

Whitepaper

Projektbeschreibung

Das Pilotprojekt: Scryer in der Praxis

Im Pilotprojekt kommt scryer bei einem namhaften Unternehmen aus der Medizintechnik zum Einsatz. Dort unterstützt das Tool die Softwareentwicklung, indem es die Arbeit der Entwickler vereinfacht und beschleunigt. Das Projekt bzw. der Anwendungsbereich zeichnet sich vor allem durch seine komplexen Abhängigkeiten zwischen den Software-Komponenten aus. scryer lernte diese Komplexität verstehen und kann auf dieser Basis entsprechend Softwaretests und deren Ausgang vorhersagen.

40.000+

Mitarbeiter

Medizintechnik

Branche

Testvorhersage in IDE

Einsatz-Szenario

C / C#, Microsoft TFS

Technologien

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.

Tests

Commits

Testausführungen

relevante Testevents

Die Anwendungsfälle

Die Vorhersage von scryer kann auf verschiedene Arten in den Workflow bei der Softwareentwicklung integriert werden, z. B.:

Direktes Feedback für Entwickler via IDE (Integrated Development Environment)
Unterstützung von Experten bei der Pflege von Testsuites
Optimierte Priorisierung und Auswahl von Testfällen bei Ausführung einer Testsuite (s. u.)

Beispiel: Optimierte Reihenfolge und Auswahl von Tests

Die neue Reihenfolge führt zu schnellerem Feedback für Entwickler, wenn Tests wirklich fehlschlagen. Das Weglassen von weniger relevanten Tests spart zudem (Rechen-)Ressourcen bei nur minimal erhöhtem Risiko.

Ursprüngliche Reihenfolge bei der Testausführung

Optimierte Reihenfolge bei der Testausführung

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.