Statische Code-Analyse mit KI: Chancen und Grenzen

Tipp: Risikobasiertes Testen im TM-Tool integriert? Gibts hier bei Q12-TMT

"Und die Frage ist, kann ich nicht solche sehr lokalen Fixes mit KI-Unterstützung einfach erzeugen lassen?" - Benjamin Hummel

In dieser Folge spreche ich mit Benjamin Hummel darüber, wie Künstliche Intelligenz helfen kann, Qualitätsprobleme in bestehender Software gezielt zu beheben. Im Detail geht es darum, wie KI beim Refactoring und bei der statischen Codeanalyse tatsächlich Mehrwert schafft. Benjamin bringt praktische Erfahrungen aus verschiedenen Projekten mit. Wir diskutieren typische Schwierigkeiten: zu viele Fehler-Reports durch statische Analyse, den Umgang damit und was passiert, wenn Unternehmen den Überblick verlieren.

Dr. Benjamin Hummel hat im Bereich Software Engineering promoviert und zu den Themen Softwarequalität und -wartbarkeit geforscht und publiziert. Seit über 20 Jahren entwickelt er aktiv Methoden und Werkzeuge für die Qualitätsverbesserung von großen Softwaresystemen. Als Mitgründer und CTO der CQSE GmbH verantwortet er seit über 10 Jahren die Entwicklung und den Betrieb der Software-Intelligence-Plattform Teamscale.

Highlights:

• KI hilft gezielt bei der Behebung von Qualitätsproblemen im bestehenden Code.


• Zwei Drittel aller automatisierten KI-Vorschläge sind brauchbar und sparen Zeit.


• Bei seltenen Programmiersprachen nimmt die Qualität der KI-Ergebnisse ab.


• Menschliche Prüfung bleibt trotz KI-Unterstützung unverzichtbar.


• Statische Analyse allein löst keine komplexen Architekturprobleme im Altcode.

Danke an die Community-Partner des Podcasts:Alliance for Qualification | ASQF | Austrian Testing Board | dpunkt.verlag | German Testing Board | German Testing Day | GI Fachgruppe TAV | Heise | HANSER Verlag | ISTQB | iSQI GmbH | oop | QS-TAG | SIGS-DATACOM | skillsclub | Swiss Testing Board | TACON Credits: Sound | Grafik