Generative AI ist ein aufstrebendes Thema in der Softwarequalität, insbesondere im Bereich der Automobil- und eingebetteten Systeme. In einem Blogartikel von Felix Kortmann, CTO von Ignite by FORVIA HELLA, wird betont, dass AI wie ein "Copilot" behandelt werden sollte und nicht als "Pilot". Dies bedeutet, dass AI als unterstützendes Werkzeug gesehen werden sollte, das von Ingenieuren verantwortungsbewusst eingesetzt wird.
Kortmann hebt die Bedeutung einer disziplinierten Nutzung von AI hervor, insbesondere in komplexen und sicherheitskritischen Umgebungen. Er betont die Notwendigkeit, AI in robuste Toolchains zu integrieren und sich auf Shift-Left-Qualitätsmaßnahmen zu konzentrieren. Dies bedeutet, dass Qualitätsprüfungen bereits in frühen Entwicklungsphasen durchgeführt werden, um Fehler frühzeitig zu erkennen und zu beheben.
Ein wichtiger Aspekt bei der Verwendung von Generative AI, wie GitHub Copilot, ist die Schulung der Ingenieure im Umgang mit dem Tool. Kortmann betont, dass die Vorschläge von AI akzeptiert werden können, aber dass Ingenieure auch ihr eigenes Denken einbringen sollten. Es ist wichtig, den Überblick zu behalten und kritisch zu prüfen, was von der AI generiert wird.
Generative AI bietet vielversprechende Möglichkeiten im Bereich der Anforderungstechnik. In Projekten mit Tausenden von Kunden- und Softwareanforderungen kann AI helfen, Inkonsistenzen und Duplikate frühzeitig zu erkennen. Dies kann die Qualitätssicherung erheblich verbessern und Kosten sparen.
Es ist jedoch wichtig, Generative AI nicht als Ersatz, sondern als Ergänzung zu traditionellen Tools wie statischen Code-Analyse- und Softwarekonfigurationsanalyse-Plattformen zu sehen. Generative AI kann vor allem in unstrukturierten Eingaben wie Anforderungsdokumenten und freiformigen Code-Kommentaren funktionieren, wo herkömmliche regelbasierte Engines schwach sind.
Um eine verantwortungsvolle Nutzung von Generative AI sicherzustellen, sind klare Richtlinien und Schulungen für Entwickler erforderlich. Sie müssen wissen, wie sie AI effektiv einsetzen und gleichzeitig die Qualität des Codes sicherstellen können. Die Zukunft von Generative AI in der Qualitätssicherung sieht vielversprechend aus, aber es ist wichtig, Mechanismen zur Validierung der generierten Ausgabe zu entwickeln.
Insgesamt ist es entscheidend, dass Entwickler zu Qualitätstechnikern ausgebildet werden und die Kombination traditioneller Tools, AI-Erweiterungen und Domänenwissen nutzen, um Generative AI als Beschleuniger und nicht als Abkürzung zu nutzen. Die Integration von AI in den QA-Prozess kann die Effizienz steigern und die Qualität der Software verbessern.
