Open Access

Elena Krois

• Eine Vielzahl an Softwareunternehmen hat sich in den letzten Jahren dem Thema Testautomatisierung gewidmet. Software-Tests auf Basis des User Interfaces bauen auf unterschiedliche Objekterkennungs-Technologien auf, beispielsweise die Identifikation über ID’s der HTML-Elemente oder der grafischen Bilderkennung. Besonders beim Testen moderner Webanwendungen ist Automatisierung naheliegend, denkt man an die Darstellung von Responsive Designs auf unterschiedlichen Bildschirmgrößen und Browsern. Um festzustellen, wie sich die unterschiedlichen Technologien der UI-Objekterkennung auf die Stabilität automatisierter Tests auswirken, wurde anhand praktischer Beispiele die Identifikation unterschiedlicher Elemente näher betrachtet. Aufbauend auf eine Literatur- und OnlineRecherche wurden UI-Objekterkennungs-Technologien vorgestellt und diskutiert sowie Faktoren zur Beurteilung der Stabilität aufgeschlüsselt. Unterschiedliche Vorgehensweisen zur Aufzeichnung der UI-Objekte wurden beschrieben und gegenübergestellt. Die Evaluierung verschiedener Technologien der UI-Objekterkennung verdeutlichte die Unterschiede in der Art der Aufzeichnung unterschiedlicher Elemente. Während die Identifikation der UI-Objekte über XPath durch eine Gewichtung der Pfad-Komponenten gesteuert werden kann, ist besonders der Einsatz von Image Recognition initial mit viel manuellem Aufwand bei der Aufzeichnung der Elemente verbunden. Jedoch sind Technologien wie OCR oder Image Recognition vermehrt für Spezialfälle einzusetzen, wenn etwa durch technische Einschränkungen nicht über ID oder XPath auf UI-Objekte zugegriffen werden kann. Zwar erwähnen immer mehr Hersteller von Testautomatisierungs-Tools Begriff Aritificial Intelligence im Kontext der UI-Objekterkennung, jedoch ist auch heute noch die Durchführung manueller Schritte für die Wartung der automatisierten Tests notwendig. Daher kann die Verantwortung über die Erstellung einfach zu wartender Tests zum aktuellen Zeitpunkt noch nicht an die jeweiligen Tools abgegeben werden, sondern verlangt noch immer Fachwissen und die strukturierte Vorgehensweise erfahrener Anwender. Dennoch bietet die Aussicht auf hybride Lösungen, die sich künstlicher Intelligenz bedienen, eine vielversprechende Zukunft im Bereich der Software-Testautomatisierung.
• Many software companies have been focusing on software test automation for the last few years. Software tests based on user interfaces use different technologies for object identification, like identification by ID or identification by visual information. Using automation seems obvious especially when it comes to testing modern web applications. The reason for this is the use of responsive design in web development, as well as the representation of one web application on a broad range of different browsers and display sizes. To understand how different technologies for object identification affect the stability of automated tests, various test automation tools were evaluated. Based on literature and online research the technologies for object identification were introduced and discussed. Multiple factors for assessing the stability of object identification were defined. The different ways for object identification were then compared against each other. This evaluation did illustrate the differences between the various options for identifying user interface objects. While the automated creation of XPath values offers path weights for more reliable path creation, image recognition is very time consuming concerning the initial recording of elements. But in comparison to XPath or ID’s, image recognition or OCR are more likely to be used for special cases, where technology limitation prevents the use of other technologies. While a lot of software companies that focus on test automation have started introducing artificial intelligence lately, a lot of manual tasks are still necessary in test creation an maintenance. Hence it is still up to users to take care of those aspects of test automation, while no tool is able to take care of those tasks. Expert knowledge and experience in automation or software development are still necessary at the present moment. Nonetheless the prospect of hybrid solutions, combining test automation with artificial intelligence, is still very promising for the future of software testing.