Verbindung künstlicher und kollektiver Intelligenz zur Entwicklung skalierbarer Software Testing Lösungen

Description

“Software is eating the world“ – Doch wie wird sichergestellt, dass diese Software auch
nutzerfreundlich ist und einwandfrei funktioniert? Software wird von immer mehr Nutzern auf einer stetig wachsenden Anzahl verschiedener Endgeräte genutzt. Zudem wird die Lebensdauer von Software-Produkten immer kürzer und Nutzer immer anspruchsvoller. Um besser auf die steigende Komplexität und sich stetig ändernden Kunden- und Marktbedürfnisse zu reagieren, entwickeln mittlerweile zwei von drei Schweizer Unternehmen ihre Software mit agilen Entwicklungsverfahren. Als Folge verschiebt sich das Testing in frühere Entwicklungsphasen und wird von einer einmaligen Aktivität am Ende zu einer kontinuierlichen und wiederkehrenden Aktivität im agilen Entwicklungsprozess. Ergebnis ist eine steigende Anzahl Testiterationen und damit verbunden steigender manueller Aufwand und ein überproportional steigendes Datenvolumen in Form von Fehlermeldungen und Berichten, dessen Auswertung kaum noch manuell zu bewältigen ist und häufig zu Qualitätsverlusten im Software Testing führt.

Um diesem Problem Herr zu werden, möchten wir kollektive menschliche und künstliche Intelligenz in Form von selbstlernenden Algorithmen im Software Testing kombinieren, um skalierbares und qualitativ hochwertiges Software Testing mit eigenen Stakeholdern (z.B. Mitarbeiter, Kunden) in Unternehmen zu ermöglichen. Ziel des F&E-Vorhabens ist die Entwicklung selbstlernender Text Analytics Algorithmen und die Untersuchung, inwieweit sich diese künstliche Intelligenz ökonomisch vorteilhaft und inhaltlich sinnvoll im Software Testing in Unternehmen einsetzen lässt. Für den kommerziellen Einsatz wird ein Software-Prototyp in Form einer Plug-In Lösung entwickelt, der die Technologie leicht implementierbar zu unseren Kunden bringt.

Additional Informationsunspecified
Commencement Date1 June 2018
Contributors Leicht, Niklas (Project Manager); Blohm, Prof. Dr. Ivo (Project Worker) & Rhyn, Marcel (Project Worker)
Datestamp 25 Jun 2018 14:57
Institute/School IWI - Institute of Information Management
?? STUDENT ??
?? Inst IWI JML ??
?? Referenten ??
Completion Date 31 December 2019
Publications Rhyn, Marcel & Blohm, Ivo: Patterns of Data-Driven Decision-Making: How Decision-Makers Leverage Crowdsourced Data. 2019. - International Conference on Information Systems (ICIS). - Munich, Germany.
Rhyn, Marcel; Leicht, Niklas; Blohm, Ivo & Leimeister, Jan Marco: How to Design Intelligent Decision Support Systems for Crowdsourcing. 2020. - International Conference on Wirtschaftsinformatik. - Potsdam.
HSG Profile Area SoM - Business Innovation
Keywords Crowdsourcing, Software Testing, Text Analytics, Automation
Methods Action Research, Design Science, Case Study Research
Funders other
Principal Innosuisse - Schweizerische Agentur für Innovationsförderung
Id 247614
Project Range HSG + Partners
Project Status ongoing
Topics Das Projekt verbindet kollektive menschliche und künstliche Intelligenz in Form von selbstlernenden Algorithmen, um skalierbares und qualitativ hochwertiges Software Testing mit eigenen Stakeholdern (z.B. Mitarbeiter, Kunden) in Unternehmen zu ermöglichen.
Project Type applied research project
Edit Item Edit Item
Feedback?