Abstracts

Der rasche Fortschritt der Künstlichen Intelligenz (KI) hat zu einer Veränderung der Landschaft des Softwaretestens geführt. Der vorliegende Vortrag zeigt die Wichtigkeit des Testens von KI-Systemen und hebt dabei die Unterschiede zu konventionellen Systemen hervor.
Es wird auf mögliche Probleme KI-basierter Systeme eingegangen und wie diese durch gezieltes Testen der KI-Merkmale aufgedeckt werden können. Dabei gibt es noch weitere Einblicke in den Stoff von „ISTQB AI“ wie beispielsweise die KI-Testmethoden. Neben den theoretischen Grundlagen wird auch ein konkret durchgeführter Test ausgewertet. Hierbei wurden die Systeme „Libre Translate“ und „Deepl“ manuell getestet.
Anhand von den exemplarisch end-to-end getesteten KI-Übersetzern wird aufgezeigt, wie vielseitig die Herausforderungen beim Testen von KI-Systemen sein können. Es wird dabei beispielsweise auf die Aspekte der Kontexterkennung von Texten, die Verzerrung durch das Nichtbeachten von Geschlechtsformen, sowie den Einfluss der Trainingsdaten eingegangen.