Zurück

Funktionale Tests eines schwarzen Lochs

Beim Stichwort "Testen von IoT" beschäftigt sich die Community weiterhin viel mit dem Thema NFA-Tests (wie Last&Performance oder Security Testing). Dabei gibt es aber weiterhin keine allgemein bekannten Ansätze für das funktionale Testen von IoT Systemen. Unserer Ansicht nach verbirgt sich in der Kombination zwischen IoT und Machine Learning sowohl sehr viel Potenzial als auch Herausforderungen für das Thema QS und Test! Während wir bislang von Black-Box-Testing gesprochen haben, haben wir es jetzt mit Black-Hole-Testing zu tun.

In dem Talk möchten wir ein Fallbeispiel aus dem Bereich des autonomen Fahrens nehmen um die Herausforderung darzustellen. In einer Simulationsumgebung testen wir ein neuronales Netz, das für das Fahren im Straßenverkehr antrainiert wurde. Das System unter Test ist ein Auto mit mehreren Sensoren, das selbständig im urbanen Straßenverkehr fahren soll. Die Black Hole wird schon bei einfachen Tests eines solchen Szenarios sichtbar.

Lernziele

* Herausforderungen und bisherige Ansätze für das Testen von IoT kennenlernen,

* Problematik des Black-Hole-Testings an einem Fallbeispiel verstehen und

* Übertragbarkeit auf Testen von IoT diskutieren.

Speaker

Michael Mlynarski fühlt sich wohl in Organisationen, die ein agiles Mindset haben. Gleichzeitig schlägt sein Herzblut für agile Softwareentwicklung und insbesondere Testen. Als Berater tummelt er sich oft in innovativen Projekten, die im Umfeld von IoT und Machine Learning agieren. Derzeit besonders im Kontext vom autonomen Fahren. Auch wenn er sehr gerne Auto fährt, kann er es nicht erwarten autonome Fahrzeuge in der Breite zu erleben.

Jetzt Tickets sichern

building-IoT-Newsletter

Sie möchten über die building IoT
auf dem Laufenden gehalten werden?

Anmelden