Unternehmen priorisieren Qualitätssicherung

Insgesamt gibt es einen kontinuierlichen und vielversprechenden Fortschritt, der nur leicht durch wiederkehrende Hürden, die bereits in früheren Ausgaben festgestellt wurden, geschmälert wird. Dazu zählen zum Beispiel Qualifikationslücken und die Erzielung eines Nutzens aus der Testautomatisierung. Insbesondere die Antworten deutscher Teilnehmer zeigt die Auswirkung in Form eines niedrigen Testautomatisierungsgrads über alle Testaktivitäten.

Im Einklang mit dem in den letzten beiden Jahren beobachteten Trend beschleunigte sich auch in diesem Jahr die Einführung von agilen und DevOps-Modellen. Ein deutlicher Schwerpunkt liegt auf der Steigerung der Testautomatisierung und dem Shift-Left-Ansatz, unter Verwendung von agilen Praktiken und DevOps. Ein höheres Maß der In-Sprint-Automatisierung zu realisieren und den Mangel an Fachwissen in der Qualitätssicherung zu beheben bleiben allerdings zu lösende Herausforderungen, um die Ziele zu erreichen.

Der Einsatz von künstlicher Intelligenz (KI) und Machine Learning (ML) in der Qualitätssicherung hat ebenfalls zugenommen. 88 Prozent der Befragten geben an, dass künstliche Intelligenz der am stärksten wachsende Bereich ihrer Testaktivitäten ist. 86 Prozent betrachten KI als ein Schlüsselkriterium für die Auswahl neuer QA-Lösungen. Auch wenn sich die Vorteile vielleicht momentan noch nicht vollumfänglich erschließen lassen, ist die große Mehrheit von den Perspektiven durch KI und ML überzeugt. Als die größte Herausforderung bei der Anwendung von KI und ML in der Qualitätssicherung wurden Qualifikationslücken identifiziert, die von 34 Prozent der Befragten genannt wurden (zwei Prozentpunkte weniger als im letzten Jahr).