Embedded Testing 2026

Das Team der embedded testing heißt Sie herzlich Willkommen zur Konferenz.

Weitere Informationen folgen in Kürze

EXACT‑Coding zeigt, wie Test‑getriebenes Entwickeln (TDD) mit KI‑Unterstützung zu reproduzierbarer, wartbarer Software führt. Statt zufälliger Prompts starten wir mit Example Mapping: klare Sprache, scharfer Scope, präzise Beispiele werden zu aussagekräftigen Tests. Wir folgen Red‑Green‑Refactor: zuerst der fehlende Test, dann eine minimale Lösung (auch mit KI), schließlich sicheres Refactoring im Netz der Tests. Rulefiles und Commands strukturieren das iterative Prompting und verhindern Drift. In einer kompakten Demo prüfen wir Ergebnisse automatisiert, treiben die Implementierung über kleine Schritte voran und verbessern Lesbarkeit, Kopplung und Wartbarkeit. Human‑in‑the‑Loop bleibt zentral: Entwickler definieren „gut genug“, entscheiden über Umstrukturierungen und den erneuten KI‑Einsatz. Ergebnis: belastbare, nachvollziehbare Implementierungen – test‑getrieben gebaut, KI‑gestützt beschleunigt.

In order to manage the increasing complexity of the electron microscopes, Thermo Fisher Scientific started a journey almost 2 years ago: apply Model-based testing (MBT) in SW development teams. Manual testing practices are not scalable enough to address the complexity in combination with the increased speed of development and configuration diversity. Therefor we need advanced test automation methods to achieve high automated test coverage.
In MBT test cases are generated automatically based on a formal model describing the behavior of a system, similar to code generation where we focus on the design of the system.
Despite a steep learning curve of the methodology, the results in multiple teams look very promising. These teams show a decrease in the defect leakage (less defects at customers) and higher speed of development cycle.
This shows that MBT is the next step in test automation. Therefor I strongly believe that MBT will be applied in more and more projects in the future.

Sie stehen am Beginn eines Mikrocontroller-Projektes und müssen sich Gedanken über den Testansatz im Entwicklungsteam machen.
Entwicklungsbegleitende Tests bieten klare Vorteile - unabhängig davon, ob ein agiles Vorgehen sie vorschreibt. Softwarequalität muss nicht zu einem späten Zeitpunkt in das Produkt "hereingetestet" werden. Planungen werden verlässlicher.

Doch wie setzt man entwicklungsbegleitendes Testen konkret auf?
Test-Entwicklung und Durchführung kosten Zeit. Welche Ziele ein Team realistisch erreichen, ohne die Entwicklungsgeschwindigkeit zu stark zu bremsen?
Kann trotz Test-Entwicklung die effektive Entwicklungszeit sinken?

Der Vortrag stellt verschiedene Test-Ebenen mit Beispielen vor: Unit, Integration und Systemtest.
Für jede Ebene wird die Umsetzbarkeit aus Sicht eines Entwicklungsteams diskutiert.
Der Fokus liegt dabei ausschließlich auf Mikrocontroller-Projekten und schließt typische Problemstellungen wie Hardwareabhängigkeiten und Timing ein.

'Shift Left' – running tests as often and as early as possible is the dream of QA and development.

But how, when my tests run for hours or days? When I have slow HIL tests or manual tests that are difficult to parallelize? The dream of an accelerated testing process in the embedded sector seems unattainable.

But there are solutions. Test selection methods choose a subset of tests that find the majority of bugs in the shortest amount of time, enabling significantly faster feedback.

In my presentation, I will introduce the foundation, research, and practical experience of two such methods.
One of them uses AI and clustering to create a quality gate that can find many bugs across the board in a short amount of time.
The other method uses test coverage to achieve a significant acceleration of testing even in particularly difficult environments, such as HIL testing with variants.

Im Gesundheitswesen wird Testing oft als reiner Kostenfaktor missverstanden, obwohl unzureichende Qualitätssicherung zu erheblichen Risiken wie Funktionsausfällen, Compliance-Verstößen und Vertrauensverlust führt.

Genau aus diesem Grund haben wir eine empirische Studie im DACH-Raum durchgeführt. Wir wollten herausfinden, wie KI-gestützte Technologien diesen Herausforderungen begegnen können.

Unsere zentrale Fragestellung war, wie durch den gezielten Einsatz von KI ein frühzeitiges Testen („Shift Left“) etabliert werden kann, um Qualitätsrisiken früher zu erkennen und gleichzeitig Wirtschaftlichkeit und regulatorische Sicherheit zu steigern. Mit den Ergebnissen möchten wir belegen, dass durch KI-Tools und eine frühe Testintegration die Fehlerkosten um bis zu 50% sinken, Testzyklen verkürzt und die MDR-Compliance nachweislich verbessert werden.

Our project takes a Front-Loaded agile approach to Integration testing where the testing starts in line with Architecture process and focusses on fast feedback with a goal to find most bugs before code merge to trunk. Here we try to explain our technical and procedural approach we follow in our projects.

Hardware und Software eines Embedded System müssen fast immer parallel entwickelt werden. Für eine kurze Time-to-Market kommt eine sequentielle Vorgehensweise nicht in Betracht.

In diesem Beitrag skizieren wir eine Vorgehensweise zum integrierten, risikogesteuerten Hard-/Software-Codesign. Dabei werden für den Projekterfolg kritische Komponenten zu Beginn identifiziert und ihr Risikobeitrag durch frühzeitige Teil-Implementierung abgeklärt. Besondere Aufmerksamkeit wird den Testverfahren gewidmet. Diese sind so designed, dass sie inkrementell von ersten Experimenten bis zum In-line-Test in der Fertigung konsistent weiter entwickelt werden können.

Die Vorgehensweise wird an einem konkreten Beispiel illustriert. Wir zeigen Design und Fortentwicklung einer Teststrategie von ersten Experimenten mit einem off-the-shelf Eval-Kit und einem selbst entwickelten Break-out-Board, über Prototypen und Going-to-Production bis hin zum In-line-Abgleich der Baugruppe in der Produktion.

Taint-Analyse ermöglicht es, die Auswirkungen kritischer Eingaben auf ein
Programm nachzuvollziehen. Ist die Taint-Analyse wohldefiniert (sound),
liefert sie nachweisbar korrekte und verlässliche Ergebnisse.
Wohldefinierte - sichere - Taint-Analysen sind vor allem in den Bereichen
Safety und Security von großer Bedeutung: sie können beweisen, dass keine
Fehler, Schwachstellen oder unerwünschte Wechselwirkungen zwischen
Softwarekomponenten im analysierten Code vorhanden sind.
In diesem Vortrag erläutern wir die Grundlagen sicherer statischer
Taint-Analysen auf C/C++-Code und zeigen ihre Anwendung zum Nachweis der
Abwesenheit typischer CWE-Verwundbarkeiten. Unsere Analysen wurden auf den
Testfällen der Juliet-Testsuite bezüglich Korrektheit, Effizienz und
Präzision evaluiert.

In der Embedded-Entwicklung sind Unit Tests ein zentraler Bestandteil der Qualitätssicherung – gleichzeitig jedoch oft zeitaufwendig und fehleranfällig. Künstliche Intelligenz (KI) eröffnet hier neue Möglichkeiten: von der automatischen Generierung von Testfällen über die Analyse von Code-Abdeckungen bis hin zur intelligenten Erkennung von Randfällen. Der Vortrag zeigt, wie KI-basierte Werkzeuge die Erstellung, Wartung und Optimierung von Unit Tests unterstützen können, ohne die Kontrolle der Entwickler:innen einzuschränken. Anhand praktischer Beispiele wird demonstriert, wie sich Testeffizienz und -qualität steigern lassen und welche Grenzen und Herausforderungen beim Einsatz von KI im sicherheitskritischen Embedded Testing bestehen.

Wie bei einem guten Rezept kommt es beim Unit Testing auf die Auswahl und die richtige Mischung der Zutaten an. Unit Testing ist ein zentraler Baustein in der Entwicklung sicherheitskritischer Software. Doch was genau ist eine „Unit“ und warum bekommt sie so viel Aufmerksamkeit? Der Vortrag beleuchtet unterschiedliche Definitionen und zeigt, wie sich darauf verschiedene Testansätze anwenden lassen. Von White-Box- und Black-Box-Tests über Characterization Testing bis hin zu Unit-Integration und Requirements-Based Testing werden die „Geschmacksrichtungen“ praxisnah vorgestellt. Auch strukturbasierte Tests sowie Tests auf Host, simuliertem und echtem Target werden diskutiert. Anhand typischer Anwendungsszenarien wird gezeigt, wie sich diese Varianten effizient kombinieren und automatisieren lassen.

Bei der Inbetriebnahme von HIL-Testsystemen besteht die Herausforderung darin, sämtliche Kundenanforderungen an das Testsystem zu verifizieren und es gezielt für die Endanwender nutzbar zu machen. Während der Inbetriebnahme müssen sowohl der Ablauf der Prüfung sowie sämtliche Abweichungen für die Nachvollziehbarkeit und Überarbeitung dokumentiert werden.
In diesem Vortrag berichten wir von der Zusammenarbeit mit unserem neuen „digitalen Kollegen“ und seiner Einarbeitung in dieses Aufgabengebiet. Begleiten Sie uns und unseren Kollegen bei seinen ersten Schritten, Erfolgen sowie Hindernissen und Herausforderungen auf dem Weg von der Ablaufplanung bis hin zur Dokumentation.
Welche Ergebnisse und Fortschritte wir gemeinsam mit der Unterstützung unseres neuen Kollegen erzielen konnten und an welchen Stellen wir noch Entwicklungspotenzial in der weiteren Zusammenarbeit sehen, verraten wir Ihnen in unserem Vortrag.

Weitere Informationen folgen in Kürze.

Embedded Linux ist eine mächtige Plattform, die aus Projekten mit hohen Anforderungen an Grafik, Konnektivität oder Speicher nicht mehr wegzudenken ist.
Zugleich fordern Regulierungen wie der CRA und andere Produktnormen das zeitnahe Schließen von Sicherheitslücken und eine lange Software-Unterstützung für viele Produkte.
Somit werden regelmäßige Software-Updates dieser komplexen Systeme in immer mehr Projekten zum Alltag.

Das Open-Source-Projekt Labgrid stellt einen Werkzeugkasten zur Verfügung, um Integrations- und Systemtests des Betriebssystems, sowie der Applikation auf der tatsächlichen Hardware durchzuführen.

Dieser Talk beginnt mit einer kurzen Einführung in Labgrid und zeigt anschließend, wie Labgrid eingesetzt werden kann, um mittels Continuous Testing die Funktionalität dieser komplexen Systeme auch über lange Zeit sicherzustellen.

Wann sind Tests vollständig? Eigentlich nie. Code Coverage ist ein wichtiger Anhaltspunkt – zeigt, welche Code-Teile getestet wurden und wo Lücken sind. Das Problem: Oft ist die Coverage-Messung auf Unittests fokussiert und es wird das Potenzial von Integrations- und Systemtests übersehen. Das Einbeziehen von deren Coverage-Daten ergibt ein realistischeres Bild der Reife und Vollständigkeit dieser höheren Testebene und liefert nebenbei noch eine erhebliche Testabdeckung, die dann nicht mehr durch Unittests nachgewiesen werden muss.
Dieser Vortrag zeigt, wie System- und Integrationstests mit Trace-basierter Analyse in Coverage-Messung (inklusive MC/DC) und Reporting integriert wird. Wir zeigen, wie diese Integration mit der TESSY Hyper Coverage-Funktion umgesetzt wurde und welche technischen Herausforderungen, z. B. bei der zuverlässigen Object-Code nach Source-Code Transformation dabei gelöst werden mussten.

Here we try and explain how we approach unit and module tests with a focus on TDD in our drive to reduce code re-work. We will on the focus on the TDD approach we follow and the benefits it has brought us.

As embedded systems become more complex and interconnected, test automation must evolve to handle dynamic behavior and close hardware–software interaction. In safety-critical domains such as medical devices, strict regulatory requirements intensify these challenges.

This talk shares practical experience for building reliable, compliant test automation frameworks. It highlights how parameterized environments support scalable validation across emulated and physical hardware, and how Hardware-in-the-Loop (HIL) techniques enable realistic system verification.

Key takeaways:

• Applying integration and system testing practices in regulated embedded environments.
• Designing flexible, parameterized setups for scalable validation.
• Ensuring compliance, traceability, and efficiency across the test lifecycle.

Beim Testen von AUTOSAR-Softwarekomponenten (SWC) müssen sowohl die funktionale Code-Implementierung als auch die im AUTOSAR-Modell beschriebenen erlaubten Port-Zugriffe und Semaphoren gegen den Code geprüft werden. Am Beispiel des Unit- und Integrationswerkzeugs TESSY wird gezeigt, wie eine SWC isoliert getestet werden kann.

Die AUTOSAR-Laufzeitumgebung (RTE) wird für eine einzelne SWC automatisch auf Basis der ARXML-Modellbeschreibungsdatei bereitgestellt. Zusätzlich werden verschiedene Konsistenzprüfungen des AUTOSAR-Modells für eine SWC auf den Implementierungscode angewendet oder während der Testausführung dynamisch gemessen.

Die Präsentation beschreibt den gesamten Unit-Test-Prozess einer SWC über die C-Code-Schnittstelle sowie die Port-Schnittstellen. Das erlaubt eine einfache Stimulation und Prüfung des Codes mit allen Stimuli und erwarteten Ergebnissen. Prüfungen der AUTOSAR-Modellierung werden an Beispielen gezeigt und der Zusammenhang zwischen Model und Code erläutert.

Wie kann KI bei der Testerstellung sinnvoll eingesetzt werden? Und wo sind die Grenzen?
Wir haben uns angeschaut wie KI den Entstehungsprozess für embedded-Tests beschleunigen kann.

Das Erstellen einer Testspezifikation und Testcode kostet Zeit – und oft fehlen Ressourcen oder Know-how. Wir zeigen, wie KI Anforderungen analysieren kann, Lücken und Widersprüche erkennt und automatisch Testfälle daraus ableitet und eine Testspezifikation erstellt.
Auch beim Erstellen des Testcodes kann die KI wieder unterstützen und fertigen lauffähigen Testcode generieren.
Wir zeigen in diesem Vortrag unsere Erfahrungen mit KI in der embedded Testentwicklung.

Weitere Informationen folgen in Kürze.

Gemeinsam starten wir in den zweiten Konferenztag der embedded testing 2026.

Im Projekt MediorNet laufen über 1000 automatische Tests auf 5 Testsystemen. Gesamtlaufzeit > 2 Wochen. Im Vortrag zeigt S. Grünfelder zwei praxiserprobte Ansätze, die es erlauben Tests so zu reihen, dass Tests mit hoher Fehlerwahrscheinlichkeit zuerst laufen. Damit können die Entwickler schneller an Bugfixes arbeiten. Ein Ansatz ist systematisch u. mit einem kommerziellen Werkzeug umgesetzt aber scheitert an embedded Themen. Der andere ist heuristisch, universell einsetzbar und unterstützt bei Produktvarianten.
Wenn hunderte Tests pro Nacht laufen und es Fehler gibt, die sich auf verschiedenen Testsystemen auswirken, dann schlagen u.U. dutzende Tests fehl. So kann es passieren, dass mehrere Mitarbeiter gleichzeitig Testergebnisse mit der gleichen Ursache befunden und somit Arbeit doppelt gemacht wird. T. Spiel zeigt in ihrem Vortragsteil, wie KI-Methoden verwendet werden können, um Testfehlschläge automatisch zu clustern und somit die Effizienz der Ergebnisanalyse zu steigern.

Hardware-in-the-Loop-Tests (HIL) ermöglichen die Validierung komplexer Embedded-Systeme unter realistischen Bedingungen, erfordern jedoch im Vergleich zu herkömmlichen Komponententests in der Regel mehr Fachwissen, Zeit und Ressourcen.
In dieser Präsentation wird gezeigt, wie künstliche Intelligenz die Entwicklung von HIL-Umgebungen und Testszenarien beschleunigen und gleichzeitig die Einarbeitungszeit für HIL-Entwickler verkürzen kann. Wir werden praktische Anwendungen von KI zur Erstellung von Modellen für Umgebungssimulationen und zur Automatisierung von Tests besprechen – zusammen mit einem Blick auf die derzeitigen Grenzen von KI und die Bedeutung menschlichen Fachwissens.
Die Präsentation endet mit einer Live-Demonstration, die zeigt, wie KI-gestützte Techniken HIL-Tests vom Konzept bis zur Ausführung beschleunigen können.

Quellcode, der von KI-Assistenten (ChatGPT, Copilot, etc) erstellt wurde,
um Entwickler bei der Programmierung zu unterstützen oder deren Effizient zu
steigern, findet sich heute in allen Industrien. Die verwendeten KI-Modelle
können jedoch auch "halluzinieren", sowie anfälligen oder fehlerhaften Code
aus ihren Trainingsdaten (re-)produzieren, sodass eine Überprüfung und in
der Regel eine Absicherung des KI-generierten Codes in Industrien mit
sicherheitskritischen Anwendungen unerlässlich ist.

In diesem Workshop wird demonstriert, wie statische Programmanalysen
automatisierte Prüfungen ermöglichen, mit denen KI-generierter Code
effizient abgesichert werden kann. Die vorgestellten Überprüfungen umfassen
die Überprüfung von MISRA-Konformität, die Durchführung von
SAST-Aktivitäten, bis hin zum Nachweis der Abwesenheit von Laufzeitfehlern.

Ein robust aufgestelltes Software-Testmanagement bildet eine zentrale Säule bei der Qualitätssicherung von Produkten. Bereits die ISO 9001-Zertifizierung verlangt ein adäquates Software-Testmanagement als Qualitätsmanagementsystem, das auch die Software-Testnorm ISO 29119 berücksichtigt. Dem entsprechend muss das Software-Testmanagement im Unternehmen aufgestellt sein.

In sicherheitskritischen Projekten stellt die anzuwendende Norm weitere Anforderungen, die ebenfalls vom Software-Testmanagement abgedeckt werden müssen.

Der Vortrag gibt einen praxisnahen Überblick über notwendige Aspekte zu einem korrekt aufgestellten Software-Testmanagement im Unternehmen und seine Managementaufgabe.
Er beschreibt hierzu die notwendigen Aspekte, Anforderungen und Aufgaben mit praktischen Hinweisen: Testorganisation, Test-Handbuch, Release-Audit, Project-Test-Plan, Test-Status-Report, Test Condition, Formale Testziele und vieles mehr.

Gezeigt wird eine Plattform und Vorgehensweise, die es Entwicklern und Q&A-Teams ermöglicht, mit überschaubarem Aufwand gesamte Gerätefamilien mit ihren Varianten und über Generationen hinweg zu testen. Tests können dabei unverändert auf den individuellen Test Setups der Entwickler ausgeführt werden, wie auch auf dem CI/CD-Test Setup und dem Test Setup des Q&A-Teams.

Die Variabilität der Produktvarianten und Software-Versionen werden in natürlicher Weise in Fähigkeiten abgebildet. Die Tests selber definieren, welche Hardware- und Software-Fähigkeiten für deren erfolgreiche Ausführung benötigt werden. Dadurch werden Tests neuer Fähigkeiten nur auf Geräten ausgeführt, welche diese auch unterstützen.

Diese explizite Definition von Fähigkeiten und die Möglichkeit der engen Integration in Product Lifecycle Management- und Task-Management-Systeme erhöht damit die Kommunikation in der Produktorganisation und ermöglicht die verlässliche Verifikation der Qualität und des Projekt-Fortschritts.

Dieser Vortrag präsentiert ein erfolgreiches SIL4-Projekt - die Entwicklung einer sicheren Steuerung nach EN 5012x/CENELEC-Normen. Ein Erfolgsfaktor war ein flexibles Hardware-in-the-Loop (HIL)-Testsystem, das auch in der SW-Entwicklung eingesetzt wurde.
Der Fokus liegt auf dem Test- und Verifizierungsprozess mit robustem Framework. Die Testumgebung nutzte Eclipse-Plattform, Gradle-Automatisierung und modellbasierte Frameworks wie eTrice. Kontinuierliche Integration (CI) sowie umfassende Tools für Nachverfolgung, Berichterstellung und Protokollierung waren projektentscheidend.
Das Projekt umfasste ca. 150 Systemanforderungen, über 300 Softwareanforderungen und mehr als 500 Testanforderungen mit positiven und negativen Szenarien. Der Aufwand verteilte sich gleichmäßig auf Spezifikation/Implementierung, Dokumentation und Verifizierung – ein ausgewogener Ansatz ist bei sicherheitskritischen Projekten essentiell.

Künstliche Intelligenz hält Einzug in Embedded Systeme – doch wie testet man etwas, das selbst lernt?
Während klassische Embedded Software verhersagbar arbeitet, reagieren KI-Komponenten aufgrund von Wahrscheinlichkeiten und datengetrieben. Testeys stehen damit vor einer zentralen Frage: Gegen was testen wir eigentlich?
Der Vortrag zeigt, warum reproduzierbare Testergebnisse nur möglich sind, wenn bereits zu Beginn klare Anforderungen an KI-Features definiert werden. Anhand konkreter Beispiele wird erläutert, wie sich Testbarkeit, Nachvollziehbarkeit und Validierbarkeit von KI-Verhalten in sicherheitskritischen Systemen sicherstellen lassen – bevor „Intelligenz“ sichtbar wird.

“Shift-left testing” is more than a buzzword — it’s a necessity for staying competitive in today’s fast-paced development cycles. But how do you actually achieve early and efficient system-level testing without adding complexity or cost?
This presentation explores practical strategies to integrate automated system-level testing seamlessly from the first line of code to the final hardware stage. You’ll learn how to:

• Validate system behavior in virtualized environments
• Gradually expand the testing boundary from virtualized components to real hardware
• Reuse test cases for end-of-line verification to minimize duplication
• Automate the entire process in scalable server environments

Dolby schreibt seit langem embedded Software.
Nun hatten wir den Schritt vom Fernseher ins Auto gewagt.
Plötzlich kamen Anforderungen:
* Wie sieht die statische Analyse des Codes aus
* Welche MISRA Findings habt ihr?
* Welche CERT Findings gibt es
* ...

Ich möchte unseren Weg aufzeigen,
wie wir die Schritte gegangen sind. Wie Tools (Teamscale, Coverity) uns geholfen haben den Code zu verbessern.
Aber auch wie wir schon länger unsere Robustness des Codes sichergestellt hatten (eigene coding rules, Fuzzing Tests, Sanitizer, ...)

In today's fast development times, testers often face a common problem: there are too many test combinations and not enough time. Testing everything isn't possible, and random testing isn't trustworthy. This means teams might miss important issues or waste time on unnecessary tests.

In this talk, Sagar will tackle this problem by showing a clear way to design tests using Classification Tree Method (CTM) and Pairwise Testing. These methods help testers create fewer but effective test sets that cover more while saving time.

Sagar will show a quick live demo on how to turn complicated input conditions into a simple classification tree and then make the best test combinations using pairwise logic. This hands-on example will teach attendees how a clear method can help find missed defects and make testing faster.

Whether you are a manual tester, automation engineer, or test leader, this session will provide practical ways to test smarter instead of just testing more.

Unit test creation for embedded C/C++ code remains one of the most time-consuming activities in safety-critical development, yet pressure to accelerate time-to-market has never been greater. This talk presents practical approaches to AI-assisted test generation that maintain compliance with DO-178C, ISO 26262, and IEC 62304.

Adam demonstrates how LLM-powered workflows can accelerate test creation by 40+% while preserving traceability and coverage requirements. Attendees will learn to evaluate AI-generated tests against safety criteria, implement human-in-the-loop validation, and integrate AI assistance into certified toolchains without compromising qualification status.

The presentation includes live demonstrations of Claude Code integration with certified testing frameworks and critical governance considerations for AI in regulated development.

Particularly relevant for teams with test maintenance backlogs in automotive and medical device sectors.

Der Bereich AI durchdringt mittlerweile alle teile der Technik, von LLMs in Serverzentren bis hin zu SLM auf embedded devices.
Der Talk fokussiert die Perspektive von Pentestern auf Systeme die Language und Prediction Modelle implementieren und soll einen Einblick in Angriffsabläufe und Verteidigungsmethoden für AI-Anwendungen bieten.
Anhand vom bekannten Szenario jailbreak wird der neue Angriffsvektor prompt injection erklärt. Risiken werden offengelegt und Maßnahmen vorgestellt.

Stellen Sie sich vor Sie schreiben Ihren Testcode nur einmal - und er läuft nahtlos auf allen
Produktvarianten bzw. -versionen oder ähnlichen Devices, ohne endlose Anpassungen und
Redundanzen. Oder noch spannender: Sie schreiben ihn gar nicht selbst, sondern installieren ihn einfach über ein Python-Package?

In diesem Vortrag entdecken Sie Balder, das Open-Source Python-Testframework, das genau diese Möglichkeiten eröffnet! Wir erkunden die Kernkonzepte des Frameworks mit denen ein und der selbe Test schnell für unterschiedliche Produktvarianten verwendet werden kann - auch wenn sich die Implementierung ändert. Durch die Trennung der Testlogik und der spezifischen Implementierung können Sie ganze Testszenarien einfach über ein Python-Package installieren. An praxisnahen Beispielen sehen Sie, wie Balder Ihre Prozesse dadurch beschleunigt und vor allem skalierbarer macht. Was könnte das für Ihre tägliche Arbeit bedeuten?

Beim Embedded Testing steht nicht nur die Embedded-Software allein, sondern auch ihr Zusammenspiel mit der angeschlossenen Hardware im Fokus.
Die Integration von CPUs und programmierbarer Logik in Plattformen wie KRIA (Zynq UltraScale+) eröffnet faszinierende Möglichkeiten, bringt jedoch auch neue Komplexität mit sich und erfordert ein Umdenken beim Testen. Das Kernproblem besteht darin, dass traditionelle Testmethoden die CPU-Software und die FPGA-Logik getrennt behandeln; das Verstehen der Interaktion dieser beiden Welten ist jedoch essentiell. Zudem ist die dynamische FPGA-Analyse ziemlich invasiv und benötigt Ressourcen, die meist von der eigentlichen Anwendung benötigt werden.
Der Vortrag zeigt, wie eine umfassende und breitbandige Beobachtung sowie Teststimulierung von CPU und FPGA in solchen Systemen vorgenommen werden kann, um das gesamte System transparenter zu machen, Software- und Hardwaretests zu automatisieren und die Entwicklungs- und Testzeit erheblich zu reduzieren.

KI-gestützte Tools versprechen Effizienz in der Triade Spezifikation, Implementierung und Test – ihr Einsatz wirft jedoch technische, personelle, organisatorische und rechtliche Fragen auf und befindet sich in starkem Wandel. Der Vortrag zeigt praktische Herangehensweisen, wie Entwickler und Unternehmen erste Schritte gehen können, um Spezifikation, Implementierung und Test mit KI-Unterstützung zu erstellen und zu warten. Am Beispiel von "aider" und "aider-desk" wird die Verwendung von KI-Agenten demonstriert. Zudem werden zentrale Rahmenbedingungen adressiert: Schutz von Intellectual Property, Integration in bestehende IT-Infrastrukturen, Auswahl geeigneter Hardware für Local/Edge-AI sowie rechtliche Aspekte beim Umgang mit KI-generierten Inhalten. Anhand konkreter Beispiele wird gezeigt, was heute realistisch umsetzbar ist – und wo die Reise in Zukunft hinführen könnte.

Unit-Tests sind ein zentraler Bestandteil der Teststrategie für zuverlässige Software, doch in vielen Teams bleiben sie ein Engpass. Hoher manueller Aufwand, heterogene Testkonventionen und begrenzte Zeitbudgets können dazu führen, dass Code-Abdeckung und Qualität hinter den Erwartungen zurückbleiben.

In unserem Projekt sind wir dieser Lücke nachgegangen und haben einen Workflow auf Basis von KI-Agenten entwickelt, der Unit-Tests automatisiert generiert und in bestehende Entwicklungsprozesse integriert. Durch die Analyse von Quellcode, Coverage-Berichten und projektspezifischen Regeln entstehen Tests, die Entwickler nachweislich entlasten, Testlücken schließen und die Konsistenz der gesamten Test-Suite erhöhen. In mehreren realen Projekten konnten wir sowohl Abdeckung als auch Entwicklungsfluss messbar verbessern.

Im Vortrag zeige ich, wie der Workflow funktioniert, welche Grenzen und Chancen er eröffnet und welche Lessons Learned sich für andere Teams ableiten lassen.