Bei langlebiger Software lauern die meisten Fehler in dem Code, der kürzlich verändert wurde. Das zeigen empirische Forschungsarbeiten seit Langem und unser Bauchgefühl sagt uns das vermutlich noch viel länger.

Viele Teams setzen daher die sogenannte Test-Gap-Analyse ein, die Test-Gaps (ungetestete Änderungen) automatisiert aufdeckt. Unsere Erfahrung zeigt jedoch, dass oft mehr Test-Gaps gefunden werden, als (rechtzeitig) getestet werden können.

Im Vortrag stellen wir einen risikobasierten Ansatz zur Priorisierung von Test-Gaps vor, in den mehrere Dimensionen der Code-Änderung einfließen (u.a. Zentralität im Abhängigkeitsgraph, Komplexität der Änderung, Findings-Churn). Wir haben den Ansatz empirisch validiert und stellen die Ergebnisse für acht Systeme der Munich Re und der LV 1871 vor.

Zielpublikum: Tester, Test-Manager, Testautomatisierer, Entwickler, Architekten
Voraussetzungen: Interesse an Software-Qualität und Testen
Schwierigkeitsgrad: Basic