KI-gestützte Transformation des Entwicklungslebenszyklus für ein Unternehmen im Bereich Gesundheitstechnologie

Entwicklungsteams

Die Entwicklungsteams hatten mit einem hohen Aufwand an manuellen Arbeiten in den Bereichen Codegenerierung, Erstellung automatisierter Tests und Code-Review zu kämpfen. Darüber hinaus mussten sich die Entwickler gelegentlich auch mit eingehenden Endbenutzerproblemen befassen, die häufig eher auf Fehlkonfigurationen auf der Client-Seite als auf Codefehler zurückzuführen waren und daher Untersuchungen und Reaktionen erforderten, ohne dass tatsächlich Codeänderungen notwendig waren. Diese Herausforderungen verlangsamten die Bereitstellung von Funktionen auf allen Plattformen, verringerten die Produktivität der Entwickler, verlängerten die Überprüfungszyklen und erhöhten die gesamten Entwicklungskosten.

Um diese Probleme anzugehen, führte Itransition eine Reihe gezielter, KI-gestützter Initiativen ein:

• KI-gestützte automatisierte Testerstellung
  Der KI-Agent analysiert die bestehende Projekt-Codebasis und generiert automatisch Testfälle, wodurch die Testabdeckung erhöht und die Testerstellung beschleunigt wird. Dies trägt dazu bei, Probleme früher zu erkennen und zu beheben, während gleichzeitig der manuelle Aufwand reduziert wird
• KI-gestützte Code-Reviews
  Der KI-Assistent optimiert den Code-Review-Prozess, indem er strukturierten Kontext bereitstellt und komplexe Bereiche des Codes hervorhebt. Er erstellt visuelle Diagramme und Zusammenfassungen der Änderungen und hilft den Prüfern so, Funktionalitäten und Abhängigkeiten schnell zu verstehen. Zudem schlägt er Verbesserungen vor und ermöglicht so schnellere und fundiertere Reviews mit weniger manuellem Analyseaufwand
• KI-gestützte Entwicklung
  Ein integriertes Ökosystem aus KI-Assistenten, das Entwickler über den gesamten Entwicklungs-Workflow hinweg unterstützt, einschließlich Programmierung, Fehlerbehebung, Testen, Recherche (z. B. Ermittlung optimaler Ansätze, Bibliotheken und Implementierungsmuster ) sowie Dokumentation (z. B. Erstellung von Beschreibungen der implementierten Logik und Änderungen)

Darüber hinaus hat Itransition ein zentrales Kapazitätsproblem außerhalb der Kernentwicklung angegangen:

• KI-Prüfer für eingehende Anfragen
  Der KI-Agent unterstützt bei der Überprüfung eingehender Nutzerprobleme und hilft dabei festzustellen, ob ein Problem durch eine Fehlkonfiguration der Lösung verursacht wird oder Codeänderungen erfordert. Durch die frühzeitige Lösung oder Weiterleitung von nicht entwicklungsbezogenen Problemen minimiert er Unterbrechungen und ermöglicht es Entwicklern, sich auf zentrale technische Aufgaben zu konzentrieren

Business-Analyse-Teams

BA-Teams standen vor drei zentralen Herausforderungen:

• Zeitaufwändige Anforderungserfassung und Risiko von Lücken
  Business-Analysten mussten Informationen aus verschiedenen Quellen sammeln – Besprechungen, Jira-Aufgaben, Altdokumentation, usw. Dieser Prozess war zeitaufwendig und fehleranfällig, was das Risiko mit sich brachte, dass Abhängigkeiten, Randfälle oder Systembeschränkungen bei der Formalisierung der Anforderungen übersehen wurden, insbesondere angesichts der Komplexität der Projekte, der Altsysteme Systeme und die fragmentierten Informationsquellen. Würden solche Lücken erst später im Projekt während der Verfeinerung oder des Testens entdeckt, wäre ihre Behebung mit erheblich höheren Kosten verbunden
• Fehlende formale Anforderungen bei Fast-Track-Initiativen
  In einigen Fällen erstellten Entwicklungsteams Demolösungen oder PoCs auf der Grundlage allgemeiner Geschäftskonzepte ohne formelle Einbindung der Business-Analysten. Wenn diese Lösungen in die Produktion überführt werden mussten, mussten die Business-Analysten nachträglich Anforderungen auf der Grundlage bereits implementierter Funktionen dokumentieren, oft ohne vollständigen Einblick in die Systemlogik und Randfälle
• Manueller Aufwand bei der Release-Dokumentation
  Produktverantwortliche und Business-Analysten verbrachten viel Zeit damit, Release-Notes manuell zu erstellen und die Release-Dokumentation zusammenzustellen

Um diese Herausforderungen zu bewältigen, haben wir KI-Agenten in die Arbeitsabläufe der Business-Analysten integriert:

• Anforderungsprüfung
  Der KI-Agent überprüft die Anforderungen, bevor sie das Team erreichen, und validiert sie anhand interner Standards, Checklisten und der Wissensdatenbank. Dies hilft dabei, Lücken, Inkonsistenzen und fehlende Abhängigkeiten frühzeitig zu erkennen
• Erstellung von Anforderungen
  Der KI-Assistent generiert strukturierte User Stories auf der Grundlage einer Kombination verschiedener Eingaben, darunter Vorgaben von Business-Analysten, Besprechungsprotokolle, E-Mails und Begleitdokumente. Anstatt Anforderungen manuell zu formalisieren, liefern Business-Analysten allgemeine Vorgaben und kontextbezogene Materialien, während der Agent diese Eingaben zu vollständigen, gut strukturierten Anforderungen zusammenfasst
• Erstellung von Release-Notes
  Der KI-Agent generiert automatisch Release-Notes und vervollständigt die Release-Dokumentation auf der Grundlage von User Stories und den Eingaben der Business-Analysten

Qualitätssicherungsteams

QA-Teams standen vor mehreren Herausforderungen hinsichtlich Effizienz und Skalierbarkeit:

• Zeitaufwändige Analyse automatisierter Testergebnisse
  Die Teams verwalteten Projekte mit jeweils über 2.500 automatisierten Tests, die eine regelmäßige Analyse erforderten. Jeder Testlauf erzeugte große Mengen an Testergebnisdaten, einschließlich Fehlern, die analysiert werden mussten. Diese Ergebnisse mussten manuell von QA-Ingenieuren überprüft, kategorisiert und priorisiert werden, was den Prozess zeitaufwändig machte
• Eingeschränkte Skalierbarkeit der Testautomatisierung
  Die Testerstellung beruhte weitgehend auf manueller Skripterstellung und erforderte in der Regel erfahrene QA-Automatisierungsingenieure mit fundierten technischen und programmiertechnischen Kenntnissen. Die begrenzte Verfügbarkeit solcher Experten schränkte die Fähigkeit des Teams ein, die Testabdeckung zu erweitern
• Ineffiziente Erstellung von Testfällen für die manuelle Qualitätssicherung
  Manuelle QA-Ingenieure verbrachten viel Zeit damit, Testfälle aus bestehenden Bibliotheken wiederverwendbarer Testaktionen zusammenzustellen (z. B. eine Seite öffnen, auf eine Schaltfläche klicken, ein Ergebnis überprüfen). Obwohl viele dieser Aktionen bereits verfügbar waren, erforderte das Auffinden und Kombinieren zu vollständigen Testszenarien erheblichen Aufwand, was die Gesamtproduktivität beeinträchtigte

Wir haben diese zentralen Engpässe durch die Einführung der folgenden KI-gestützten Lösungen beseitigt:

• KI-optimierte Berichterstellung zur Testautomatisierung
  Verbesserte, auf Allure basierende Berichterstellung, bei der Testlaufdaten automatisch zur Analyse an einen KI-Agenten übertragen werden. Der Agent verarbeitet gemischte Fehler, gruppiert sie nach Ursache und Relevanz und erstellt einen strukturierten Bericht für die QA-Ingenieure. Dadurch entfällt die manuelle Sichtung der Rohdaten, was den Analyseaufwand erheblich reduziert und die Fehleruntersuchung beschleunigt
• KI-gesteuerte Testautomatisierung
  Der KI-Agent ermöglicht die automatische Erstellung von Tests ohne tiefgreifende Programmierkenntnisse, sodass ein breiteres Spektrum von QA-Ingenieuren – nicht nur Automatisierungsspezialisten – automatisierte Tests erstellen und pflegen kann. Der Agent passt sich zudem an Änderungen in der Benutzeroberfläche und der Anwendungslogik an und aktualisiert die Tests automatisch, wenn sich das System weiterentwickelt
• KI-basierter Testkompilierer
  Wandelt User Stories und Funktionsbeschreibungen in ausführbare automatisierte Tests um und generiert strukturierte Testskripte, um die gesamte Testabdeckung zu erweitern. Da die Lösung zudem fehlerhafte Szenarien erkennen und beheben kann, hat sie sich insbesondere in Projekten mit begrenzten oder gar keinen QA-Kapazitäten als wertvoll erwiesen: Sie ermöglicht es Entwicklern, die Testabdeckung eigenständig aufrechtzuerhalten und die Abhängigkeit von der QA bei routinemäßigen Aktualisierungen zu verringern, während sie gleichzeitig QA-Teams dabei unterstützt, die Testerstellung zu beschleunigen.