Software Quality
Zuverlässige, sichere und robuste Software ist heute wichtiger denn je. Neue Entwicklungen, allen voran Large Language Models (LLMs) und Machine Learning (ML), verändern gerade grundlegend, wie wir Softwaretests planen und durchführen.
Im Seminar schauen wir uns aktuelle Ansätze zur Verbesserung der Software-Qualität an und diskutieren, wie KI-basierte Methoden klassische Testverfahren ergänzen oder sogar ablösen können. Themen sind unter anderem: • Automatisierte Testfall- und Testorakel-Generierung mit Hilfe von LLMs • Daten- und modellgetriebene Qualitätssicherung statt rein manueller Spezifikationen • Intelligente Analysewerkzeuge zur Fehler- und Risikoerkennung in Code, Build-Pipelines und Third-Party-Komponenten
Ziel ist, einen praxisnahen Überblick zu geben, wie moderne KI-Techniken den Softwaretest effizienter, aussagekräftiger und stärker automatisiert gestalten – und welche neuen Fragestellungen dabei entstehen.
Anmeldung und Vorbesprechung
Eine vorherige Anmeldung ist nicht notwendig. Themen werden in der Vorbesprechung durchgegangen und vergeben. Die Anmeldung erfolgt direkt in der Vorbesprechung.
Die Vorbesprechung findet statt am 16.10.2025 um 17:00 in Room A301 (Sand 14)
Bedingungen für den Seminarschein
Um den Schein zu erhalten muss
- eine Vortragsgliederung 4 Wochen vor dem Vortragstermin mit dem Betreuer durchgesprochen sein
- eine erste Vortragsversion 2 Wochen vor dem Vortragstermin mit dem Betreuer durchgesprochen sein (vorzugsweise PowerPoint oder PDF)
- ein Vortrag (25 Minuten + Diskussion) in englischer Sprache gehalten werden
- eine schriftliche Ausarbeitung in englischer Sprache abgegeben werden (6-8 Seiten in PostScript- oder PDF-Format)
- bei allen Seminarterminen anwesend sein
Benotung
Die Seminarleistung wird nach folgenden Kriterien benotet:
- Einhaltung der Termine
- Qualität der durchgeführten Literaturrecherche
- Inhaltliche Qualität des Vortrags
- Qualität der Präsentation inkl. Zeiteinhaltung
- Qualität der Ausarbeitung
- Grad der Sebstständigkeit (davon unberührt sind natürlich Diskussionen mit dem Betreuer über Auswahl der zu präsentierenden Themen, Eignung zur Präsentation etc. - solche Diskussionen sind sogar explizit erwünscht)
Randbedingungen fürs Seminar
Von den Teilnehmerinnen und Teilnehmern wird eine weitgehend selbstständige Erarbeitung des jeweiligen Themengebiets inkl. Literaturbeschaffung und -recherche erwartet. Literaturhinweise werden natürlich gegeben, eine bedarfsgesteuerte Betreuung ist sichergestellt.
Vortragsdauer und Themenaufbau
Der Vortrag soll einen Dauer von 25 Minuten haben und folgenden Aufbau besitzen:
- Einleitung mit Motivation (ca. 5 Minuten im Vortrag)
- Theorie zum jeweiligen Thema (ca. 10-15 Minuten im Vortrag)
- Praktische Anwendung / Fallbeispiele (restliche Zeit, mind. 5. Minuten)
- Zusammenfassung (2 Minuten im Vortrag)
Der Vortrag muss in englischer Sprache gehalten werden.
English version
Reliable, secure, and resilient software matters more than ever. Emerging technologies, especially Large Language Models (LLMs) and Machine Learning (ML), are fundamentally reshaping how we design and execute software tests.
In this seminar we will survey state-of-the-art approaches to boosting software quality and discuss how AI-driven methods can complement or even replace traditional testing practices. Key topics include • Automated generation of test cases and test oracles with LLMs • Data- and model-driven quality assurance as an alternative to purely manual specifications • Intelligent analysis tools for detecting defects and risks in codebases, build pipelines, and third-party components
The goal is to give a practice-oriented overview of how modern AI techniques can make software testing more efficient, insightful, and automated, and to explore the new challenges that arise in the process.
Enrolling
No registration ahead-of-time is needed, topics will be discussed and distributed at the first meeting on:
16.10.2025, 17:00, Room A301 (Sand 14)