Verbindung künstlicher und kollektiver Intelligenz zur Entwicklung skalierbarer Software Testing Lösungen

Type
applied research project
Start Date
June 1, 2018
End Date
December 31, 2019
Status
ongoing
Keywords
Crowdsourcing
Software Testing
Text Analytics
Automation
Description
“Software is eating the world“ – Doch wie wird sichergestellt, dass diese Software auch
nutzerfreundlich ist und einwandfrei funktioniert? Software wird von immer mehr Nutzern auf einer stetig wachsenden Anzahl verschiedener Endgeräte genutzt. Zudem wird die Lebensdauer von Software-Produkten immer kürzer und Nutzer immer anspruchsvoller. Um besser auf die steigende Komplexität und sich stetig ändernden Kunden- und Marktbedürfnisse zu reagieren, entwickeln mittlerweile zwei von drei Schweizer Unternehmen ihre Software mit agilen Entwicklungsverfahren. Als Folge verschiebt sich das Testing in frühere Entwicklungsphasen und wird von einer einmaligen Aktivität am Ende zu einer kontinuierlichen und wiederkehrenden Aktivität im agilen Entwicklungsprozess. Ergebnis ist eine steigende Anzahl Testiterationen und damit verbunden steigender manueller Aufwand und ein überproportional steigendes Datenvolumen in Form von Fehlermeldungen und Berichten, dessen Auswertung kaum noch manuell zu bewältigen ist und häufig zu Qualitätsverlusten im Software Testing führt.

Um diesem Problem Herr zu werden, möchten wir kollektive menschliche und künstliche Intelligenz in Form von selbstlernenden Algorithmen im Software Testing kombinieren, um skalierbares und qualitativ hochwertiges Software Testing mit eigenen Stakeholdern (z.B. Mitarbeiter, Kunden) in Unternehmen zu ermöglichen. Ziel des F&E-Vorhabens ist die Entwicklung selbstlernender Text Analytics Algorithmen und die Untersuchung, inwieweit sich diese künstliche Intelligenz ökonomisch vorteilhaft und inhaltlich sinnvoll im Software Testing in Unternehmen einsetzen lässt. Für den kommerziellen Einsatz wird ein Software-Prototyp in Form einer Plug-In Lösung entwickelt, der die Technologie leicht implementierbar zu unseren Kunden bringt.
Leader contributor(s)
Member contributor(s)
Rhyn, Marcel
Partner(s)
Business Engineering Institute
Helsana
Raiffeisen
Funder

other

Topic(s)
Das Projekt verbindet kollektive menschliche und künstliche
Intelligenz in Form von selbstlernenden Algorithmen
um
skalierbares und qualitativ hochwertiges Software Testing mit eigenen Stakeholdern (z.B. Mitarbeiter
Kunden) in Unternehmen zu ermöglichen.
Method(s)
Design Science
Machine Learning
Range
HSG + Partners
Range (De)
HSG + Partner
Principal
Innosuisse - Schweizerische Agentur für Innovationsförderung
Division(s)

IWI - Institute of In...

Eprints ID
247614

Filters

Settings

Now showing 1 - 2 of 2
  • Thumbnail Image
    Some of the metrics are blocked by your 
    consent settings
    Item type:Publication,
  • Thumbnail Image
    Some of the metrics are blocked by your 
    consent settings
    Item type:Publication,
    Patterns of Data-Driven Decision-Making: How Decision-Makers Leverage Crowdsourced Data
    (2019-12-15)
    Rhyn, Marcel
    ;
    Blohm, Ivo  
    Crowdsourcing represents a powerful approach for organizations to collect data from large networks of people. While research already made great strides to develop the technological foundations for processing crowdsourced data, little is known about decision-making patterns that emerge when decision-makers have access to such large amounts of data on people's behavior, opinions, or ideas. In this study, we analyze the characteristics of decision-making in crowdsourcing based on interviews with decision-makers across 10 multinational corporations. For research, we identify four common patterns of decision-making that range from structured and goal-oriented to highly dynamic and data-driven. In this way, we systematize how decision-makers typically source, process, and use crowdsourced data to inform decisions. We also provide an integrated perspective on how different types of decision problems and modes of acquiring information induce such patterns. For practice, we discuss how information systems should be designed to provide adequate support for these patterns.
    Type:conference paper
    URI:https://www.alexandria.unisg.ch/handle/20.500.14171/97941