AI

Unit Testing bleibt ein zentraler Baustein für Softwarequalität und wird durch den Einzug generativer KI gleichzeitig anspruchsvoller. Fragen nach der Unit‑Größe, den Testarten und der sinnvollen Integration waren schon immer entscheidend, gewinnen aber jetzt zusätzliche Bedeutung: Wer KI effizient und verlässlich einsetzen will, braucht klare Konzepte, saubere Verifikationsgrenzen und ein durchda..

Testautomatisierung scheitert selten am Tool, aber oft an fehlendem fachlichen Kontext und schlechter Wartbarkeit. Das wird besonders teuer, wenn Automatisierung ausgelagert, Architektur unpassend gewählt oder KI unkritisch eingesetzt wird. Dieser Beitrag zeigt aus Projekterfahrung, welche Muster in der Praxis funktionieren und welche zuverlässig scheitern.

Dieser Beitrag stellt einen Delivery-Workflow für Pakete einer Linux-Distribution vor, der mithilfe von Shell-Skripten implementiert wurde. Dieser Workflow lässt sich in eine Jenkins-Pipeline einbetten, ist für den Regressionstest und zur Paketerzeugung gedacht und lässt sich dann nach einem Commit automatisch anstoßen und ausführen. Die Skripte nutzten eine ältere Linux-Distribution. Mithilfe age..

Large Language Models stellen Tester vor besondere Herausforderung, denn LLMs sind keine klassische Software im herkömmlichen Sinn. Sie liefern keine strikt deterministischen Antworten, sondern generieren Wahrscheinlichkeiten in Textform. Gleicher Input kann unterschiedliche Outputs erzeugen. Antworten können korrekt, teilweise korrekt, stilistisch überzeugend, aber faktisch falsch sein. Genau hie..

Software wird durch KI überflüssig – diese steile These macht derzeit die Runde in der Finanzwelt und vernichtet nebenbei gigantische Börsenwerte. Gemeint ist damit der neue Hype um Vibe Coding und Agentic AI: autonome KI-Agenten, die Software selbstständig generieren, kombinieren, bedienen und so menschliche Arbeit gänzlich überflüssig machen. Doch bevor wir Software schon wieder einmal zu Grabe ..