Erlebnisbericht: Inspiration und Innovation in Zürich
Wir stehen für Automation und Qualität. Daher war es für uns selbstverständlich, die Greatest Quality Convention 2025 als herausragende Konferenz in diesem Bereich zu unterstützen. Am 23. Mai verwandelte sich das Kraftwerk in Zürich in einen inspirierenden Treffpunkt für die internationale Quality-Community.
Die Konferenz vereinte Experten aus aller Welt und bot einen perfekten Rahmen für den Austausch über die neuesten Trends und Herausforderungen in der Softwarequalität. Von Testability über Datenvisualisierung bis hin zu KI und Data Science Testing – die Vielfalt der Perspektiven spiegelte eindrucksvoll wider, wie breit und tiefgreifend sich unser Fachgebiet entwickelt hat.
Maria Kedemo: Testability als Lebensqualität
Maria Kedemos Vortrag „Improving Quality of Life and Work through Testability" brachte eine erfrischende Perspektive in die Diskussion, wie wichtig eine solide Grundlage ist. Ihre zentrale Botschaft: Testability ist Lebensqualität – wenn sie ignoriert wird, leiden Kolleg:innen, das Produkt und das Unternehmen.
Die 5 kritischen Probleme schlechter Testability:
- Späte Bug-Entdeckung: Kritische Fehler werden spät gefunden, weil das Vertrauen in die Testumgebung fehlt
- Unentdeckte, gelegentliche Issues: Probleme treten nur unter spezifischen Bedingungen auf und bleiben oft unentdeckt
- Falsches Vertrauen: Grüne Tests ohne ausreichenden Kontext wiegen Teams in gefährlicher Sicherheit
- Verpasste Lernchancen: Wichtige Erkenntnisse gehen durch schlechte Testability verloren
- Burnout: Täglicher Kampf für ordentliches Testing führt zur Erschöpfung der Teams
INFOMETIS SERVICES: Testing Assessment, Testdatenmanagement
Marias Lösungsansatz:
Testability messbar machen durch kontextspezifische Metriken wie Zeit für Setup, Zeit für tatsächliches Testen und Anzahl der Feedback-Schleifen. Noch wichtiger: Geschichten erzählen. Während Metriken Reibungspunkte anzeigen, vermitteln Geschichten die emotionalen Auswirkungen und machen Testability für Stakeholder greifbar.
Gojko Adzic: Lizard Optimization – Die Kraft des Unerwarteten
Gojko Adzic: Lizard Optimization – Die Kraft des Unerwarteten
Gojko Adzics „Lizard Optimization" stellte eine innovative Methode vor, die exploratives Testen, Observability und Produktexperimente kombiniert.
Startpunkt ist das erweiterte Bug-Feature-Modell:
- Bugs: System macht nicht, was Entwickler und Nutzer erwarten
- Features: System macht, was Entwickler und Nutzer erwarten
- Mismatches: System verhält sich wie von Entwicklern erwartet, aber nicht wie von Nutzern
- Exploits: System verhält sich wie von Nutzern erwartet, aber nicht wie von Entwicklern beabsichtigt
Der LZRD-Prozess:
1. L - Lizard Alert: Lernen, wie Menschen das Produkt "missbrauchen"
2. Z - Zoom In: Fokus auf eine spezifische Verhaltensänderung
3. R - Rescue: Hindernisse für den Nutzer-Erfolg beseitigen
4. D - Double Check: Unbeabsichtigte Auswirkungen erkennen
Praxisbeispiel: Ein neues Modell von Waschmaschinen in China wurde vermehrt zurückgegeben. Bei den Nachforschungen nach den Gründen fand man heraus, dass die Maschine beim Waschen von Kartoffeln kaputt ging. Im Gegensatz zum Vorgängermodell – ein klassischer "Exploit" - der gleichzeitig neue Chancen sichtbar machte.
INFOMETIS SERVICES: Observability und Monitoring, Requirements Engineering & Business Analyse
Laveena Ramchandani: Testing trifft Data Science
Laveena Ramchandanis Vortrag über „Unlocking the Power of Data Science through Testing" adressierte ein zunehmend wichtiges Thema. Mit der steigenden Investition in Big Data, KI und Data Science werden Softwaretester für Testdatenbereitstellung und Modell-Testing immer wichtiger.
Drei Kernfragen für Data Science Testing:
1. Was ist ein Data Science Modell?
- Statistische "Black Box" mit strukturierten, semi-strukturierten und unstrukturierten Daten
- Nicht vollständig durchschaubar, aber testbar
2. Wie teste ich ein Modell?
- Testdatensätze bereitstellen
- Mit verschiedenen Parametern experimentieren: Tippfehler, Sonderzeichen, Edge Cases
- Sichere und unsichere Bereiche mit Schwellenwerten erkunden
- Input gegen Output validieren
- Historische Läufe vergleichen für Trend-Analyse
3. Welche Skills brauchen Tester?
- Statistische Kenntnisse auffrischen
- Neugierig bleiben
- "Gut genug und schnell genug Resultate" als Qualitätsmassstab akzeptieren
INFOMETIS SERVICES: Effizienzsteigerung mit künstliger Intelligenz, Testdatenmanagement
Eric Proegler: DevOps und die Rolle der Tester
Eric Proeglers Erfahrungsbericht über „Enabling DevOps Progress with Testers" zeigte auf, wie entscheidend Quality Engineers für den DevOps-Erfolg sind. Trotz technischer Continuous-Deployment-Fähigkeiten blockierten manuelle (Freigabe-)Prozesse aufgrund fehlenden Vertrauens das echte Continuos Deployment.
Erics Ansatz:
Arbeite mit dem gegebenem Kontext (nicht idealem Wunsch-Kontext). In seinem Erfahrungsbericht waren dies:
- Wenige E2E-Tests, denen Entwickler vertrauen
- Begrenzte Erfahrung in Headless Shipping
- Kultur um manuelle Test-Events und Releases
- Risikoaversion bei direkten Prod-Deployments
- some eggs have already been broken (vergangene Incidents)
Lösungsansätze:
- Cypress Framework: um Silos zwischen Dev und QE zu durchbrechen
- Lose Test-Kopplung: Tests ohne Pull Requests änderbar machen
- QE Level-Up: Teams in architektonischen Abdeckungsmodellen, API-Testing und Test-Hardening schulen
- Alpha-Beta-Testing: Selektive Teams für das Alpha und Beta Testing von neuen Pipeline/DevOps Funktionen
- Dokumentation as-we-go: Kontinuierliche Verbesserung der CI/CD-Prozesse
Wichtigste Erkenntnisse:
- Menschen tun Dinge aus Gründen – ändere die Gründe, um Ergebnisse zu ändern
- Teams Dokumentation (“Rezepte”) geben und sie "kochen" lassen – sie finden Bugs und stellen gute Fragen
- Technical problems are really people problems
INFOMETIS SERVICES: Testautomatisierung, Testautomation as a Service
Susanne Schmidt-Rauch: Die Kunst der Datenvisualisierung
Susanne Schmidt-Rauchs Vortrag über „Information Design and the Hard Truth about Misleading Entire Organizations" war ein notwendiger Weckruf in Zeiten allgegenwärtiger Dashboards und Metriken.
Herausforderungen bei Datenvisualisierung:
Menschliche Faktoren:
- Nur 1-2 Sekunden Zeit zum Lesen einer Visualisierung
- Der Autor, die Autorin bestimmt die Interpretation
- Gefahr der (unbewussten) Manipulation durch Framing
Häufige Probleme:
- Manipulierte Visualisierungen (verkürzte/invertierte Achsen)
- Denkfehler bei der Interpretation (Cherry-Picking, falsche Kausalschlüsse)
- Beispiel Testabdeckung: Steigt sie, ist das automatisch gut? Möglicherweise wiegt es uns in falscher Sicherheit
Doch wie können wir die Qualität von Visualisierungen testen? Susanne schlägt folgende Metriken vor.
- Time to understand: Wie schnell erfassen Nutzer die Botschaft?
- Fehlerrate: Wie oft werden Daten falsch interpretiert?
- Usability: System Usability Score (SUS) für Dashboards
Lösungsansätze:
- Human-Centred Design: Früher Fokus auf Nutzer, empirische Verfahren, Iteration
- Data-to-Ink Optimierung: Nur relevante Informationen zeigen
- Visuelle Hierarchie: Nur das zeigen, was für die Geschichte wichtig ist
- Daten als organisatorisches Asset: Kontext, Kompetenz und Entscheidungen der Nutzer verstehen
Susannes Fazit: Datengetriebene Unternehmen sind eine Illusion – Daten sollen uns inspirieren und wir müssen über Daten sprechen.
INFOMETIS SERVICES: Qualitätssicherung und Testmanagement, Observability und Monitoring
Vernon Richards: Der Business Case für Testing
Vernon Richards' Abschlussvortrag „If Testers Had a Dragon's Den Pitch, Would Anyone Invest" adressierte das fundamentale Problem der Branche: Wie kommunizieren wir den Wert von Testing effektiv?
Der problematische Standard-Pitch:
"Ich klicke herum und versuche Dinge kaputt zu machen. Ich schreibe viele Testfälle und verfolge, wie viele bestehen oder fehlschlagen. Ich kann nicht genau sagen, was ich finden werde, wie lange es dauert oder welchen Wert ich bringe. Manchmal mache ich so gute Arbeit, dass ihr es nicht einmal bemerkt. Aber ich verspreche, ich und meine Arbeit sind wertvoll und wichtig."
Vernon plädiert dafür, dass wir unsere Testing Services mit Sales-Methoden gegenüber unseren Stakeholder verkaufen sollen.
Vernons Erfolgsformel:
Visibility + Usefulness = Remembered
Sales-Strategien für Tester:
1. Als Experte auftreten:
- Fokus auf Outcomes, nicht Tasks
- Fragen, Modelle und Expertise als Werkzeuge nutzen
- Kontextbezogene Entscheidungen treffen
- Erfolg durch das Lösen des richtigen Problems, nicht durch korrektes Abarbeiten
2. Über Benefits sprechen, nicht Features:
❌ "Wir haben 100 Testfälle ausgeführt"
✅ "Wir haben die risikoreichsten Workflows getestet"
❌ "Wir erreichten 80% Automatisierungsabdeckung"
✅ "Kritische Logik wird bei jedem Deploy verifiziert"
❌ "Wir fanden 5 Bugs"
✅ "Wir verhinderten diese 5 kundenrelevanten Incidents"
3. Jobs-to-be-Done der Stakeholder verstehen: Menschen kaufen keine Produkte oder Services – sie stellen sie ein, um eine Aufgabe zu erledigen.
4. Quick Wins suchen:
- Kleine, aber störende Probleme schnell lösen
- Wichtige Risiken vor Problemwerdung aufdecken
- Teammitglieder entblocken und Unsicherheiten klären
INFOMETIS SERVICES: Qualitätssicherung und Testmanagement, Testing as a Service
Fazit: Quality Engineering als strategischer Erfolgsfaktor
Die Greatest Quality Convention 2025 hat eindrucksvoll demonstriert, dass Quality Engineering weit über technische Aspekte hinausgeht und zu einem strategischen Erfolgsfaktor geworden ist.
Zentrale Erkenntnisse der Konferenz:
- Testability ist Lebensqualität: Investitionen in Testability zahlen sich direkt in Produktivität und Mitarbeiterzufriedenheit aus
- Unerwartetes Nutzerverhalten birgt Chancen: Lizard Optimization zeigt, wie "Missbrauch" zu Innovation führen kann
- Data Science braucht Testing-Expertise: Die KI-Revolution erfordert neue Testing-Kompetenzen
- DevOps-Erfolg hängt von Testern ab: Technische Möglichkeiten allein reichen nicht – Menschen und Prozesse sind entscheidend
- Datenvisualisierung ist kritisch: Schlechte Dashboards können ganze Organisationen in die Irre führen
- Testing muss besser verkauft werden: Der Wert von Quality Engineering muss klar kommuniziert werden
Trends für die Zukunft:
Für Testing-Professionals:
- Erweiterte Skillsets in Statistik und Data Science
- Stärkere Fokussierung auf Business Outcomes
- Bessere Storytelling-Fähigkeiten für Stakeholder-Kommunikation
- Pragmatische Ansätze für organisatorischen Wandel
Für Unternehmen:
- Testing als strategische Investition, nicht als Kostenfaktor
- Integration von Testing in alle Produktentscheidungen
- Fokus auf Testability von Beginn an
- Datengestützte, aber menschenzentrierte Entscheidungsfindung
Infometis' Position in diesem Wandel:
Unsere Services – von Tosca-Testautomatisierung über iSynth für synthetische Testdaten bis hin zu TAMI für KI-gestützte Tests – adressieren genau die Herausforderungen, die auf der Konferenz diskutiert wurden. Als ihr Schweizer Partner für Automation und Qualität sind wir optimal positioniert, um dein Unternehmen bei diesem Wandel zu unterstützen.
Die Botschaft ist klar: Quality Engineering ist nicht länger nur eine technische Funktion, sondern ein strategischer Erfolgsfaktor. Unternehmen, die dies erkennen und entsprechend investieren, werden einen entscheidenden Wettbewerbsvorteil haben.
Interesse an den neuesten Trends in Testautomatisierung und KI? Kontaktiere uns gerne für einen Austausch über die Zukunft der Softwarequalität.
