Shift-Left-Tests erklärt: Finden Sie Fehler früher, ohne das Team zu verlangsamen

  1. Startseite
  2. Blog
  3. Softwaretests

Softwaretests

Shift-Left-Tests erklärt: Fehler früher finden, ohne das Team zu verlangsamen

Beim Shift-Left-Testing wird Qualitätsarbeit früher in der Entwicklung verschoben, vom Ende des Projekts bis zum Beginn jeder Änderung. Hier erfahren Sie, was es in der Praxis wirklich bedeutet, welche Gewohnheiten dafür sorgen, dass es funktioniert, und welche Fehler es zu zusätzlichem Papierkram machen.

11 Min. Lesezeit
Erklärung des Shift-Left-Tests: Finden Sie Fehler früher, ohne das Team zu verlangsamen

Das Wichtigste

  • Shift-Left-Testing bedeutet, Qualitätsarbeit früher zu leisten: Anforderungen zu hinterfragen, Tests vor dem Code zu entwerfen und jedes Commit zu überprüfen.
  • Frühzeitig erkannte Mängel lassen sich günstiger und schneller beheben, da weniger Arbeit darauf aufgebaut wird.
  • Es ändert sich, wer wann testet: Entwickler schreiben mehr Tests, Tester verbringen mehr Zeit mit Prävention und Risiken.
  • Es ersetzt nicht eine spätere Prüfung. Kombinieren Sie es mit der Shift-Right-Überwachung in der Produktion.

Ein Feature wird über einen Zeitraum von drei Wochen erstellt und zwei Tage vor der Veröffentlichung den Testern übergeben. Sie stellen fest, dass die Rabattregeln von Anfang an missverstanden wurden. Jetzt haben Sie die Wahl, die Veröffentlichung zu verzögern oder bekannte Fehler auszuliefern. Der Code war in Ordnung; Das Problem trat am ersten Tag auf und wurde am neunzehnten Tag entdeckt. Beim Shift-Left-Testen geht es darum, diese Lücke zu schließen.

Dies ist eine Prozessanleitung und enthält daher keinen Code, den wir ausgeführt haben. Wenn wir Kostenmultiplikatoren oder -praktiken erwähnen, stammen diese aus Branchenquellen und Erfahrungen, und die Zahlen variieren stark zwischen den Studien.

Was ist ein Shift-Left-Test?

Stellen Sie sich den Entwicklungszeitplan von links nach rechts vor: Idee, Anforderungen, Design, Codierung, Integration, Release, Produktion. Traditionell fand das Testen rechts nach dem Codieren statt. Eine Verschiebung nach links bedeutet, die Testaktivitäten an den Anfang dieser Zeile zu verschieben und sie über alle Phasen zu verteilen, anstatt sie für das Ende aufzusparen.

Es handelt sich nicht um eine Technik, sondern um eine Denkweise: In jeder Phase stellt sich die Frage: „Wie konnte das schief gehen und woher sollen wir das wissen?“ bevor es weitergeht. Der Begriff wird oft Larry Smith zugeschrieben, der 2001 darüber schrieb, und er wurde zu einem zentralen Bestandteil agiler und DevOps-Arbeitsweisen.

Warum früher günstiger ist

Ein Missverständnis, das während einer Anforderungsbesprechung auffängt, kostet ein Gespräch. Das gleiche Missverständnis, das nach der Veröffentlichung auftritt, kostet Codeänderungen, erneute Tests, eine neue Bereitstellung, Support-Tickets und möglicherweise den Verlust von Kunden. Branchenschätzungen des Multiplikators reichen von etwa dem 10- bis 100-fachen, und die genaue Zahl hängt stark vom Kontext ab, aber die Richtung ist konsistent: Je später ein Fehler gefunden wird, desto mehr Arbeit wurde darauf aufgebaut.

Es gibt auch einen Geschwindigkeitsvorteil. Ein Entwickler, der wenige Minuten nach dem Schreiben des Codes von einem Fehler erfährt, hat immer noch den Kontext im Blick und behebt ihn schnell. Derselbe Fehler, der zwei Wochen später gemeldet wurde, muss erneut entdeckt werden und kann in der Zwischenzeit andere Arbeiten blockieren.

Was bewegt sich nach links, Stufe für Stufe

Bühne Aktivität mit Linksverschiebung
Idee/Anforderungen Tester hinterfragen Geschichten; Akzeptanzkriterien und Beispiele werden im Vorfeld vereinbart
Design Risiko- und Testbarkeitsprüfungen; Verträge zwischen Diensten definiert
Codierung Unit-Tests, TDD, statische Analyse und Codeüberprüfung
Bei jedem Commit Schnelle automatisierte Prüfungen in CI, Sicherheitsscans
Integration API- und Vertragstests, bevor die UI-Arbeit abgeschlossen ist
Vor der Veröffentlichung Konzentrierte explorative Tests auf Risikobereiche, kein vollständiger manueller Durchgang

Testbare Anforderungen

Der Test ganz links findet statt, bevor Code vorhanden ist. Tester nehmen an Verfeinerungssitzungen teil und stellen Fragen wie: Was passiert, wenn der Coupon abgelaufen ist? Was passiert, wenn zwei Rabatte gelten? Was ist die Höchstmenge? Jede Antwort wird zum Akzeptanzkriterium und oft auch zum konkreten Beispiel:

Given a cart total of 1000 and a 10% coupon
And free shipping applies above 900
When the coupon is applied
Then the total is 900 and shipping is free

Beispiele wie dieses im von BDD verwendeten Stil beseitigen Mehrdeutigkeiten und werden später direkt in Tests umgewandelt. Das Schreiben klarer Testfälle vor Beginn der Entwicklung ist eine der kostengünstigsten Qualitätsverbesserungen, die ein Team vornehmen kann.

Design- und Risikoprüfungen

Machen Sie vor dem Aufbau eine kurze Sitzung darüber, was scheitern könnte. Welche Teile sind neu, komplex oder geschäftskritisch? Wie wird dies getestet und ist es schwierig, etwas so zu testen, wie es geplant ist? Ein Design, das beispielsweise Logik in UI-Handlern verbirgt, lässt sich nur schwer mit schnellen Tests abdecken. Die Bewertung von Risiken, wie in unserem Leitfaden für risikobasierte Tests beschrieben, zeigt Ihnen, wo sich frühe Anstrengungen am meisten auszahlen. Bei Diensten, die miteinander kommunizieren, können Sie Überraschungen bei der späten Integration vermeiden, indem Sie sich jetzt auf die API-Form einigen und sie mit Vertragstests überprüfen.

Testen während des Codierens

  • Unit-Tests, die mit dem Code oder davor mit TDD geschrieben wurden, erkennen Logikfehler innerhalb von Sekunden.
  • Statische Analysen wie Linters und Typprüfer wie mypy erkennen ganze Fehlerklassen, bevor der Code überhaupt ausgeführt wird.
  • Codeüberprüfung mit Blick auf Tests: Werden Randfälle abgedeckt, sind die Tests aussagekräftig?
  • Die Paarung zwischen einem Entwickler und einem Tester bei kniffligen Funktionen verteilt die Testfähigkeiten in beide Richtungen.

Schnelles Feedback in CI

Shift-Links funktioniert nur, wenn die Rückmeldung schnell erfolgt. Wenn die Testsuite eine Stunde dauert, müssen Entwickler nicht mehr darauf warten und Probleme werden ohnehin erst spät erkannt. Organisieren Sie Prüfungen so, dass sie bei jedem Commit am schnellsten und wertvollsten ausgeführt werden: Linting, Unit-Tests, dann Integrationstests, wie in der Testpyramide. Langsamere Suiten werden im Merge-Modus oder nachts ausgeführt. Das Sicherheitsscannen von Abhängigkeiten und Code, oft als „Shift-Left-Sicherheit“ oder DevSecOps bezeichnet, gehört in dieselbe Pipeline. Unser CI/CD-Leitfaden erklärt die Pipeline-Stufen.

Tipp: Legen Sie ein Zeitbudget für die Pipeline in der Commit-Phase fest, z. B. zehn Minuten, und behandeln Sie das Durchgehen als Fehler. Schnelles Feedback ist der Motor der Linksverschiebung; Ohne sie verlieren die übrigen Praktiken den größten Teil ihres Wertes.

Die sich wandelnde Rolle des Testers

Die Linksverschiebung macht Tester nicht überflüssig; es ändert sich, wo ihre Fähigkeiten eingesetzt werden. Es wird weniger Zeit in die Ausführung langer manueller Regressionsskripte am Ende investiert und mehr in das frühzeitige Stellen scharfer Fragen, das Entwerfen von Tests, das Coachen von Entwicklern bei Grenzfällen, den Aufbau von Automatisierung, das Erkunden von Risikobereichen und das Analysieren von Produktionsdaten. Entwickler wiederum übernehmen mehr Verantwortung für das Testen ihres eigenen Codes. Qualität wird zu einer gemeinsamen Aufgabe und nicht zu einer Phase, die nur einem Team gehört.

Kein noch so umfangreicher früher Test kann alles vorhersagen, was echte Benutzer und echte Daten bewirken werden. Rechtswechsel-Praktiken werden in und um die Produktion getestet: Feature-Flags und schrittweise Rollouts, Canary-Releases, Überwachung, Alarmierung und Lernen aus Vorfällen. Eine Linksverschiebung verringert die Anzahl der Fehler, die in die Produktion gelangen. Shift-Right fängt diejenigen, die es noch tun, schnell und mit begrenzter Wirkung. Reife Teams tun beides. Sehen Sie sich unsere Leitfäden zu Feature-Flags und blau-grünen vs. kanarischen Bereitstellungen an.

Die Verschiebung messen

Metrisch Wie eine Verbesserung aussieht
Wo Mängel festgestellt werden Ein wachsender Anteil findet sich eher in Überprüfungen, Unit-Tests und CI als in späteren Tests oder in der Produktion
Entgangene Mängel Weniger von Benutzern gemeldete Fehler
Commit-to-Feedback-Zeit Minuten, nicht Stunden
Anforderungsbezogene Fehler Weniger „Wir haben das Falsche gebaut“-Fehler
Stress abbauen Weniger Verzögerungen in letzter Minute durch Tests

Es reicht aus, jeden Fehler mit der Phase, in der er eingeführt wurde, und der Phase, in der er gefunden wurde, zu kennzeichnen, ein einfaches Feld in Ihrem Tracker, um zu sehen, ob die Schicht funktioniert. Unser Bug-Lebenszyklus-Leitfaden beschreibt die Tracking-Seite.

Häufige Fehler

  • Umbenennen ohne Änderung: Aufruf durch Umschalten nach links, während Tester am Ende des Sprints weiterhin Builds erhalten.
  • Verspätete Tests werden vollständig eingestellt: Integrations- und explorative Tests finden immer noch Dinge, die Unit-Tests nicht finden können.
  • Alles über die Benutzeroberfläche automatisieren: Langsame, spröde Suiten verzögern das Feedback, anstatt es zu beschleunigen.
  • Überlastung der Entwickler ohne Unterstützung: Das Testen von Fähigkeiten erfordert Coaching, Zeit und Werkzeuge, nicht nur eine neue Erwartung.
  • Ignorieren der Kultur: Wenn das frühzeitige Finden eines Fehlers als Schuld angesehen wird, hören die Leute frühzeitig auf, Probleme anzusprechen.

Ein 30-Tage-Startplan

  1. Woche 1: Laden Sie einen Tester zu jeder Verfeinerungssitzung ein; Vereinbaren Sie Akzeptanzkriterien anhand von Beispielen, bevor die Geschichten beginnen.
  2. Woche 2: Linting und Unit-Tests zur Commit-Pipeline hinzufügen und messen, wie lange es dauert.
  3. Woche 3: Führen Sie eine 30-minütige Risikoüberprüfung für das nächste wichtige Feature durch und passen Sie die Testtiefe entsprechend an.
  4. Woche 4: Beginnen Sie mit der Kennzeichnung von Fehlern mit dem Ort, an dem sie gefunden wurden, und überprüfen Sie die Zahlen gemeinsam bei der Retrospektive.

Kleine, sichtbare Schritte schaffen schneller Vertrauen als ein großer Prozessstart.

Linksverschiebung in einem kleinen Team

Kleine Teams haben oft überhaupt keinen eigenen Tester, was das Schalten nach links sowohl einfacher als auch notwendiger macht. Ein paar Gewohnheiten decken den größten Teil des Wertes ab:

  • Schreiben Sie die Akzeptanzbeispiele vor Beginn in das Ticket, auch wenn dieselbe Person den Code schreibt.
  • Bitten Sie einen Teamkollegen, zehn Minuten damit zu verbringen, ein Feature zu entschlüsseln, bevor es zusammengeführt wird. Dies ist eine einfache Form des explorativen Testens.
  • Behalten Sie eine schnelle automatisierte Prüfsuite und lassen Sie diese niemals im Minus bleiben.
  • Überprüfen Sie wöchentlich Produktionsfehler und fügen Sie für jede neue Fehlerart einen Test hinzu.

Keines davon erfordert neue Tools oder Rollen. Sie verschieben einfach die Frage: „Wird das funktionieren?“ auf den Moment, in dem die Beantwortung am günstigsten ist.

Fazit

Shift-Left-Tests sind kein Werkzeug oder eine Phase; Es ist eine Gewohnheit, so früh wie möglich qualitativ hochwertige Fragen zu stellen und schnell Antworten zu erhalten. Klären Sie Anforderungen anhand von Beispielen, überprüfen Sie Risiken vor dem Erstellen, testen Sie während des Codierens, halten Sie CI schnell und überwachen Sie weiterhin die Produktion als Sicherheitsnetz. Der Lohn sind weniger späte Überraschungen und ruhigere Veröffentlichungen.

Häufige Fragen

Was ist ein Shift-Left-Test?

Ein Ansatz, der Testaktivitäten früher in der Entwicklung verlagert, z. B. die Überprüfung von Anforderungen, das Schreiben von Tests neben dem Code und die Durchführung automatischer Prüfungen bei jedem Commit.

Warum sind Shift-Left-Tests wichtig?

Frühzeitig erkannte Mängel sind kostengünstiger und schneller zu beheben, da weniger Arbeit von ihnen abhängt und der Kontext noch frisch ist.

Bedeutet die Linksverschiebung, dass keine Tester mehr benötigt werden?

Nein. Tester verbringen mehr Zeit mit der frühen Analyse, dem Testdesign, dem Risiko, der Automatisierung und der Erkundung und weniger mit sich wiederholenden Prüfungen am Ende des Zyklus.

Was ist der Unterschied zwischen Shift-Left- und Shift-Right-Tests?

Führen Sie Tests früher nach links durch, um Fehler zu vermeiden. Verschieben Sie Tests in und um die Produktion nach rechts mit Überwachung, Feature-Flags und schrittweisen Rollouts, um zu erfassen, was noch übrig ist.

Wie beginne ich mit dem Shift-Left-Test?

Beziehen Sie Tester in die Verfeinerung ein, definieren Sie Akzeptanzkriterien anhand von Beispielen, fügen Sie CI schnelle automatisierte Prüfungen hinzu und verfolgen Sie, wo Fehler gefunden werden.

Lerne weiter

Arbeiten Sie mit Stack Quora

Benötigen Sie Hilfe beim Testen, WordPress oder SEO?

Wir helfen Teams, bessere Software zu liefern und ihre Websites zu erweitern. Sagen Sie uns, woran Sie gerade arbeiten, und wir schlagen Ihnen einen klaren nächsten Schritt vor.

Lesen Sie weiter

Weitere Anleitungen finden Sie unter Tests, KI und moderne Entwicklung

Hat Ihnen dieser Artikel gefallen? Wählen Sie ein Thema und springen Sie direkt in unsere neuesten Tutorials.

Künstliche Intelligenz

Erklärte RAG-Chunking-Strategien: Fest, Überlappung, Satz, rekursiv und Überschriften, gemessen

RAG-Chunking-Strategien im Vergleich zu einem Dokument mit Tiktoken 0.14: feste Größe, Überlappung, Satzpackung, rekursive Aufteilung und überschrif…

Artikel lesen →
Softwareentwicklung

API-Idempotenz erklärt: Idempotenzschlüssel und sichere Wiederholungsversuche, getestet

Erklärung der API-Idempotenz anhand eines von uns ausgeführten Python-Servers und -Clients: Eine verlorene Antwort verursachte eine doppelte Gebühr …

Artikel lesen →
DevOps

Git Stash erklärt: Speichern, Anwenden, Pop und nicht verfolgte Dateien, getestet

Git Stash erklärt mit Befehlen, die wir auf Git 2.56 ausgeführt haben: Push mit einer Nachricht, nicht verfolgte Dateien, Auflisten und Anzeigen, An…

Artikel lesen →
Softwaretests

Paarweises Testen erklärt: Wie alle Paare 216 Tests auf 13 reduzieren, getestet

Paarweises Testen erklärt mit einem Generator, den wir in Python 3.13 ausgeführt haben: ein Checkout mit 216 Kombinationen, die durch 13 Tests abged…

Artikel lesen →
Testautomatisierung

Test-Doubles erklärt: Dummy, Stub, Spy, Mock und Fake, mit getestetem Python-Code

Test-Doubles werden anhand eines Python-Beispiels erklärt, das in Pytest 9.2 ausgeführt wird: Dummy, Stub, Spy, Mock und Fake, wann jeweils zu verwe…

Artikel lesen →
Datenbanken & SQL

SQL COALESCE erklärt: Standardwerte, NULLIF, IFNULL vs. ISNULL und Traps, getestet

SQL COALESCE wurde mit Abfragen erklärt, die wir in SQLite 3.50 ausgeführt haben: erste Nicht-Null-Werte, leere Zeichenfolgen, NULL in Mathematik, N…

Artikel lesen →
Datenbanken & SQL

SQL Self Join erklärt: Mitarbeiter-Manager, Paare und Zeilenvergleiche, getestet

SQL-Self-Join erklärt anhand von Abfragen, die wir in SQLite 3.50 ausgeführt haben: Mitarbeiter und Manager, mehr verdienen als der Manager, eindeut…

Artikel lesen →
Softwareentwicklung

Erklärter JavaScript-Spread-Operator: Spread vs. Rest, Kopien und Fallstricke, getestet

Der JavaScript-Spread-Operator wird mit Code erklärt, den wir auf Knoten 24 ausgeführt haben: Arrays, Objekte, flache Kopien, Restparameter, das Mat…

Artikel lesen →
Softwareentwicklung

Erklärtes Python-Sammlungsmodul: Counter, defaultdict, deque und mehr, getestet

Python-Sammlungen erklärt mit Code, den wir auf Python 3.13 ausgeführt haben: Counter, defaultdict, deque, benannttuple, OrderedDict und ChainMap, p…

Artikel lesen →
Künstliche Intelligenz

Erklärtes LLM-Kontextfenster: Token, Grenzen und wie man mehr einpasst, gemessen

Das LLM-Kontextfenster wird anhand der Token-Anzahl erklärt, die wir mit Tiktoken gemessen haben: Wörter vs. Token für Prosa, Code und Hindi, Eingab…

Artikel lesen →
Softwareentwicklung

Webhooks erklärt: Wie sie funktionieren und wie man sie sicher empfängt

Webhooks erklärt mit einem Empfänger und Sender, den wir in Python ausgeführt haben: Push vs. Polling, HMAC-SHA256-Signaturen, Ablehnen manipulierte…

Artikel lesen →
DevOps

Git Cherry-Pick erklärt: Kopieren Sie den Commit, den Sie benötigen, sicher und getestet

Git Cherry-Pick erklärt mit Befehlen, die wir in Git 2.56 ausgeführt haben: Kopieren eines Hotfixes in einen Release-Zweig, neue Hashes und Patch-ID…

Artikel lesen →
Testautomatisierung

Snapshot-Tests erklärt: Wie es funktioniert, wann es hilft und wann es weh tut

Snapshot-Tests erklärt anhand einer Pytest- und Sirup-Demo, die wir ausgeführt haben: Snapshots erstellen, Diff nach einer Codeänderung lesen, Zeits…

Artikel lesen →
Softwaretests

Mutationstests erklärt: Warum die 100-prozentige Abdeckung unseren Fehler immer noch übersehen hat

Mutationstests erklärt mit einem kleinen Mutationstool, das wir erstellt und ausgeführt haben: 14 Mutanten, eine Testsuite mit 100 % Linienabdeckung…

Artikel lesen →
Künstliche Intelligenz

Prompt Injection erklärt: Wie KI-Apps ausgetrickst werden und wie man sie verteidigt

Prompt-Injection erklärt für Builder: direkte und indirekte Angriffe, warum Schlüsselwortfilter fehlschlagen (unser Test hat 1 von 4 blockiert) und …

Artikel lesen →
DevOps

Erklärte DNS-Einträge: A, AAAA, CNAME, MX, TXT und TTL mit echten Lookups

DNS-Einträge erklärt anhand der von uns durchgeführten Suchvorgänge: Funktionsweise der Auflösung, A und AAAA, CNAME-Regeln, MX und Null-MX, TXT für…

Artikel lesen →
DevOps

Erklärte Funktionsflags: Sichere Veröffentlichungen, schrittweise Rollouts und Flag-Hygiene

Funktionsflags anhand einer von uns durchgeführten Rollout-Simulation erklärt: Flag-Typen, prozentuale Rollouts mit stabilem Hashing, Kill-Switches,…

Artikel lesen →
Testautomatisierung

Testdatengenerierung mit Python Faker: Realistische, wiederholbare und sichere Daten

Testen Sie die Datengenerierung mit Python Faker, führen Sie sie aus und messen Sie sie: Seeding für wiederholbare Daten, Gebietsschemata, eindeutig…

Artikel lesen →
Softwaretests

Shift-Left-Tests erklärt: Finden Sie Fehler früher, ohne das Team zu verlangsamen

Shift-Left-Tests erklärt: Was es bedeutet, warum Frühdefekte günstiger sind, Vorgehensweisen von Anforderungsüberprüfungen bis hin zu CI-Prüfungen, …

Artikel lesen →
Datenbanken & SQL

Erklärte SQL-String-Funktionen: TRIM, SUBSTR, REPLACE, CONCAT und Datenbereinigung

SQL-String-Funktionen, die mit von uns ausgeführten Abfragen erklärt wurden: Verkettung und NULL, TRIM, UPPER und LOWER, SUBSTR und INSTR, REPLACE, …

Artikel lesen →
Datenbanken & SQL

Erklärte SQL-Trigger: VOR- und NACH-Trigger, Prüfprotokolle und Fallstricke

SQL-Trigger werden anhand von Triggern erklärt, die wir ausgeführt haben: VORHER vs. NACHHER, ALT und NEU, Prüfprotokolle, Validierung, Bestandsaktu…

Artikel lesen →
Softwareentwicklung

Erklärung des Python-JSON-Moduls: Dumps, Loads, benutzerdefinierte Typen und häufige Fehler

Das Python-JSON-Modul wird anhand des von uns ausgeführten Codes erklärt: Dumps und Loads, Dateien, Typkonvertierungen, Datumsangaben und Dezimalzah…

Artikel lesen →
Softwareentwicklung

ES-Module vs. CommonJS: Wie JavaScript-Importe in Node.js funktionieren, getestet

ES-Module vs. CommonJS erklärt mit Code, den wir in Node.js ausgeführt haben: Import- und Exportsyntax, Require, Live-Bindungen, Caching, Top-Level-…

Artikel lesen →
Softwareentwicklung

Python Regex erklärt: Muster, Gruppen, Lookaheads und Fallstricke, getestet

Python-Regex erklärt mit Mustern, die wir ausgeführt haben: Suche vs. Übereinstimmung, Findall, Gruppen und benannte Gruppen, Greedy vs. Lazy, Sub, …

Artikel lesen →
Künstliche Intelligenz

Erklärung der strukturierten LLM-Ausgabe: Zuverlässiges JSON aus KI-Modellen erhalten

Die strukturierte LLM-Ausgabe wird anhand der von uns in Pydantic ausgeführten Validierung erklärt: JSON-Modus und -Schemas, eingeschränkte Dekodier…

Artikel lesen →
DevOps

SSH-Schlüssel erklärt: Wie sie funktionieren, ssh-keygen, Ed25519 und sichere Gewohnheiten

SSH-Schlüssel erklärt mit Schlüsseln, die wir generiert haben: öffentliche vs. private Schlüssel, ssh-keygen, Ed25519 vs. RSA, Fingerabdrücke, Passp…

Artikel lesen →
DevOps

HTTP-Caching erklärt: Cache-Kontrolle, ETag und 304-Antworten, mit einem Live-Test

HTTP-Caching erklärt anhand eines kleinen Servers, den wir ausgeführt haben: Cache-Control-Anweisungen, Max-Age, No-Cache vs. No-Store, ETag-Revalid…

Artikel lesen →
Testautomatisierung

API-Vertragstests erklärt: Erkennen Sie wichtige Änderungen, bevor sie versendet werden

Das Testen von API-Verträgen wird anhand einer von uns durchgeführten Schemaprüfung erklärt: Was ein Vertrag ist, verbrauchergesteuerte Verträge, Pa…

Artikel lesen →
Softwaretests

Risikobasiertes Testen erklärt: Risiken bewerten, eine Matrix erstellen und testen, worauf es ankommt

Risikobasiertes Testen Schritt für Schritt erklärt: Risiken identifizieren, Wahrscheinlichkeit und Auswirkung bewerten, eine Risikomatrix erstellen,…

Artikel lesen →
Datenbanken & SQL

Erklärte SQL-Einschränkungen: NOT NULL, UNIQUE, CHECK und FOREIGN KEY, getestet

SQL-Einschränkungen anhand der von uns durchgeführten Tests erklärt: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY und FOREIGN KEY, die NULL-Lücken, die…

Artikel lesen →
Datenbanken & SQL

Erklärte SQL-Datumsfunktionen: Datumsangaben fehlerfrei hinzufügen, vergleichen und gruppieren

Erklärung der SQL-Datumsfunktionen anhand von Abfragen, die wir ausgeführt haben: Hinzufügen von Intervallen, Überraschungen am Monatsende, Datumsun…

Artikel lesen →
Softwareentwicklung

Python-Asyncio erklärt: Async, Wait, Gather und TaskGroup mit echten Timings

Python-Asyncio erklärt mit Code, den wir getimt haben: Coroutinen, Wait, Gather, TaskGroup, Fehlerbehandlung, Zeitüberschreitungen, Einschränkung de…

Artikel lesen →
Softwareentwicklung

Debounce vs. Throttle in JavaScript: Wie sie funktionieren, wann man sie verwendet, getestet

Debounce vs. Throttle in JavaScript erklärt anhand von Timings, die wir in Node.js gemessen haben: wie jedes funktioniert, einfache Implementierunge…

Artikel lesen →
Softwareentwicklung

Erklärte Python-Kontextmanager: Die with-Anweisung, contextlib und Real Uses

Python-Kontextmanager erklärt anhand des von uns ausgeführten Codes: Funktionsweise, __enter__ und __exit__, contextlib.contextmanager, supprimieren…

Artikel lesen →
Künstliche Intelligenz

LLM-Temperatur und Top-p erklärt: Wie KI-Modelle ihr nächstes Wort wählen

LLM-Temperatur und Top-P erklärt anhand einer von uns durchgeführten Simulation: wie Wahrscheinlichkeiten umgeformt werden, was Top-P beibehält, emp…

Artikel lesen →
DevOps

YAML erklärt: Syntax, das Norwegen-Problem und andere von uns getestete Fallen

YAML erklärt mit einem Parser-Test: grundlegende Syntax, Listen und Karten, das Norwegen-Problem, Versionen, die in Gleitkommazahlen umgewandelt wer…

Artikel lesen →
DevOps

Cron-Jobs erklärt: Syntax, echte Zeitpläne und die Fehler, die sie zerstören

Cron-Jobs werden anhand von Zeitplänen erklärt, die wir überprüft haben: die fünf Felder, Operatoren, reale Beispiele, die Tag-des-Monats- ODER Woch…

Artikel lesen →
Künstliche Intelligenz

KI-Halluzinationen erklärt: Warum Sprachmodelle Dinge erfinden und wie man sie reduziert

KI-Halluzinationen erklärt: Was sie sind, warum Sprachmodelle sie produzieren, gängige Typen, wie man sie mit Erdung und Eingabeaufforderungen reduz…

Artikel lesen →
DevOps

Erklärte Umgebungsvariablen: .env-Dateien, Geheimnisse und Konfiguration richtig gemacht

Umgebungsvariablen anhand von Python-Beispielen erklärt, die wir ausgeführt haben: Sie lesen und festlegen, warum jeder Wert ein String ist, .env-Da…

Artikel lesen →
Softwareentwicklung

API-Ratenbegrenzung erklärt: Algorithmen, Header und Behandlung von 429-Fehlern

API-Ratenbegrenzung anhand einer von uns durchgeführten Simulation erklärt: Token-Bucket, festes Fenster, gleitendes Fenster, 429 Antworten, Ratenbe…

Artikel lesen →
Testautomatisierung

Spott in Python: unittest.mock, Patch und die Fehler, die Tests zum Lügen machen

Mocking in Python mit unittest.mock, getestet: Mock und return_value, side_effect, Patchen, wo ein Name verwendet wird, Spezifikation und Autospec, …

Artikel lesen →
Softwaretests

Code-Abdeckung erklärt: Leitungs- und Zweigstellenabdeckung und was 100 % wirklich bedeutet

Erklärung der Codeabdeckung anhand eines echten Coverage.py-Laufs: Zeilen-, Zweig- und Bedingungsabdeckung, Lesen eines Berichts, warum bei 100 % Ab…

Artikel lesen →
Datenbanken & SQL

DELETE vs. TRUNCATE vs. DROP in SQL: Unterschiede, Rollback und Verwendungszweck

DELETE vs. TRUNCATE vs. DROP erklärt mit getestetem SQL: was jeweils entfernt wird, Rollback, Trigger, Identitätsrücksetzung, Geschwindigkeit und wi…

Artikel lesen →
Datenbanken & SQL

Erklärte SQL-Ansichten: Erstellen, nutzen und vermeiden Sie Fallstricke mit Beispielen

SQL-Ansichten anhand der von uns ausgeführten Abfragen erklärt: Erstellen einer Ansicht, Live-Ergebnisse, Ausblenden von Spalten, Leistung, aktualis…

Artikel lesen →
Softwareentwicklung

TypeScript-Schnittstelle vs. Typ: Echte Unterschiede, getestet mit dem Compiler

TypeScript-Schnittstelle vs. Typ, überprüft mit dem echten Compiler: Was beide können, was nur einer kann, Deklarationszusammenführung, Erweiterunge…

Artikel lesen →
Softwareentwicklung

Python *args und **kwargs erklärt: Flexible Funktionen mit klaren Beispielen

Python *args und **kwargs erklärt mit Code, den wir ausgeführt haben: Packen und Entpacken, Parameterreihenfolge, Nur-Schlüsselwort- und Nur-Positio…

Artikel lesen →
Softwareentwicklung

Python-Lambda-Funktionen: Syntax, tatsächliche Verwendung und wann man sie nicht verwendet

Python-Lambda-Funktionen erklärt mit Code, den wir ausgeführt haben: Syntax, Sortierung mit Schlüssel, Karte und Filter, Abschlüsse, die Late-Bindin…

Artikel lesen →
Künstliche Intelligenz

Was sind KI-Agenten? Wie sie funktionieren, mit einer einfachen Agentenschleife, die Sie ausführen können

Was sind KI-Agenten? Eine einfache Anleitung zur Agentenschleife, zu Tools, Speicher und Leitplanken, mit einer kleinen Python-Schleife, die wir aus…

Artikel lesen →
DevOps

Überwachung vs. Beobachtbarkeit: Der wahre Unterschied, mit Protokollen, Metriken und Traces

Überwachung vs. Beobachtbarkeit erklärt: bekannte und unbekannte Fehler, Protokolle, Metriken und Spuren, eine exemplarische Vorgehensweise für Chec…

Artikel lesen →
DevOps

Docker-Volumes vs. Bind Mounts: Containerdaten auf die richtige Art und Weise beibehalten

Docker-Volumes vs. Bind-Mounts erklärt: Warum Containerdaten verschwinden, benannte Volumes, Bind-Mounts, tmpfs, Compose-Beispiele, Backups, Berecht…

Artikel lesen →
Testautomatisierung

TDD vs. BDD: Hauptunterschiede, eine Funktion, die auf beide Arten entwickelt wurde und wann sie jeweils verwendet werden sollte

TDD vs. BDD erklärt mit einer Rabattfunktion, die in beide Richtungen aufgebaut ist: Rot-Grün-Refaktor mit Code, den wir ausgeführt haben, Gegeben-W…

Artikel lesen →
Softwaretests

Benutzerakzeptanztests (UAT): Prozess, Checkliste und reale Beispiele

Benutzerakzeptanztests erklärt: Wer führt ihn durch, wie unterscheidet er sich von der Qualitätssicherung, ein siebenstufiger Prozess, eine UAT-Test…

Artikel lesen →
Datenbanken & SQL

Erklärte SQL-NULL-Werte: IS NULL, COALESCE, NULLIF und die zu vermeidenden Fallen

SQL-NULL-Werte, die mit von uns ausgeführten Abfragen erklärt wurden: dreiwertige Logik, IS NULL, COALESCE, NULLIF, wie Aggregate, Joins und Sortier…

Artikel lesen →
Datenbanken & SQL

SQL CASE WHEN-Anweisung: Syntax, reale Beispiele und häufige Fehler

SQL CASE WHEN anhand der von uns ausgeführten Abfragen erklärt: einfache und durchsuchte Formulare, Bedingungsreihenfolge, Pivots mit SUM, COUNT-Tri…

Artikel lesen →
Softwareentwicklung

Was ist JWT? JSON-Web-Tokens anhand eines funktionierenden Beispiels erklärt

Was ist JWT? JSON Web Tokens erklärt: die drei Teile, ein Token, das in dem von uns ausgeführten Code erstellt und manipuliert wurde, JWT vs. Sitzun…

Artikel lesen →
Softwareentwicklung

Erklärte JavaScript-Ereignisschleife: Aufrufstapel, Mikrotasks und Timer mit Beispielen

Die JavaScript-Ereignisschleife wurde mit dem von uns ausgeführten Code erklärt: Aufrufstapel, Aufgaben- und Mikrotask-Warteschlangen, warum setTime…

Artikel lesen →
Softwareentwicklung

Erklärung von Python-Generatoren und -Ertrag: Sparen Sie Speicher mit echten Beispielen

Python-Generatoren und Yield anhand des von uns ausgeführten Codes erklärt: wie sie angehalten und fortgesetzt werden, gemessene Speichereinsparunge…

Artikel lesen →
Künstliche Intelligenz

Was sind Einbettungen? Vektoren und Kosinusähnlichkeit einfach erklärt

Was sind Einbettungen? Ein Leitfaden in einfacher Sprache zu Vektoren, Kosinusähnlichkeit und semantischer Suche, mit einem kleinen Beispiel, das wi…

Artikel lesen →
DevOps

Blau-Grün vs. Canary-Bereitstellung: Unterschiede, Kompromisse und Auswahl

Blue-Green vs. Canary-Bereitstellung erklärt: Funktionsweise, Kosten, Risiko und Rollback, stabiles Benutzer-Bucketing, das wir getestet haben, Date…

Artikel lesen →
Testautomatisierung

Flaky-Tests: Was sie verursacht und wie man sie endgültig behebt

Flaky-Tests wurden anhand von Demos erklärt, die wir durchgeführt haben: die Hauptursachen, wie man sie bestätigt und diagnostiziert, richtige Korre…

Artikel lesen →
Softwaretests

Lasttest vs. Stresstest: Unterschiede, Metriken und k6-Beispiele

Erläuterungen zu Lasttests und Stresstests: Was die einzelnen Tests beweisen, Spike- und Soak-Tests, welche Kennzahlen wichtig sind, warum Durchschn…

Artikel lesen →
Softwaretests

Testfall vs. Testszenario: Hauptunterschiede, Beispiele und wann man sie jeweils verwendet

Testfall vs. Testszenario erklärt: klare Definitionen, eine Tabelle nebeneinander, eine Funktion zum Zurücksetzen von Passwörtern, die von Szenarios…

Artikel lesen →
Datenbanken & SQL

SQL-Abfrageoptimierung: Ausführungspläne lesen und langsame Abfragen mit Zeitvorgaben beheben

An einer Million Zeilen getestete SQL-Abfrageoptimierung: Ausführungspläne lesen, die richtigen Indizes hinzufügen, nicht sargierbare Filter korrigi…

Artikel lesen →
Datenbanken & SQL

SQL UNION vs. UNION ALL: Unterschiede, Beispiele und getestete Leistung

SQL UNION vs. UNION ALL anhand der von uns ausgeführten Abfragen erklärt: Duplikate, die Regeln, denen beide folgen, ein echter Datenfehler, gemesse…

Artikel lesen →
Softwareentwicklung

Tutorial zur JavaScript-Abruf-API: GET, POST, Fehlerbehandlung und Zeitüberschreitungen

Ein JavaScript-Abruf-API-Tutorial, das auf einem lokalen Server getestet wurde: GET und POST, warum 404 nicht ausgelöst wird, ein wiederverwendbarer…

Artikel lesen →
Softwareentwicklung

Umgang mit Python-Dateien: Lesen, Schreiben, CSV, JSON und Pathlib mit Beispielen

Die Handhabung von Python-Dateien wird anhand des von uns ausgeführten Codes erklärt: Öffnungsmodi, Lesen großer Dateien, CSV, JSON, Pathlib, Binärd…

Artikel lesen →
Softwareentwicklung

Python-Klassen und -Objekte: OOP-Tutorial mit echten Beispielen

Python-Klassen und -Objekte erklärt mit Code, den wir ausgeführt haben: __init__, Methoden, Klassen- und Instanzattribute, Vererbung, Eigenschaften,…

Artikel lesen →
Künstliche Intelligenz

Was ist ein großes Sprachmodell? Wie LLMs funktionieren, ohne großen Hype erklärt

Was ist ein großes Sprachmodell? LLMs im Klartext erklärt: Token, Einbettungen, Aufmerksamkeit, Training, Temperatur- und Kontextfenster, eine klein…

Artikel lesen →
DevOps

Linux-Befehle für Anfänger: Der grundlegende Terminal-Leitfaden mit Beispielen

Linux-Befehle für Anfänger, gruppiert nach Aufgaben: Navigation, Dateien, Anzeigen von Protokollen, Grep, Pipes, Berechtigungen, Prozesse und Archiv…

Artikel lesen →
Testautomatisierung

Selenium vs. Playwright: Hauptunterschiede, Code im Vergleich und welche Sie wählen sollten

Selenium vs. Playwright im Vergleich: Architektur, Wartezeit, Browser- und Sprachunterstützung, Debugging, der gleiche Test in beiden Tools, Migrati…

Artikel lesen →
Softwaretests

Äquivalenzpartitionierung: Testdesigntechnik anhand von Beispielen erklärt

Erklärung der Äquivalenzpartitionierung: Wie man gültige und ungültige Partitionen findet, Beispiele für Alter, Passwörter und Gutscheine, von uns d…

Artikel lesen →
Softwaretests

Schweregrad vs. Priorität beim Softwaretest: Unterschiede, Matrix und reale Beispiele

Schweregrad vs. Priorität beim Softwaretest erklärt: klare Definitionen, eine Vier-Wege-Matrix mit Beispielen, Stufenskalen, wer die einzelnen Punkt…

Artikel lesen →
Datenbanken & SQL

Tutorial zu SQL-Unterabfragen: Typen, korrelierte Unterabfragen und EXISTS mit Beispielen

Ein SQL-Unterabfrage-Tutorial mit Abfragen, die wir ausgeführt haben: Skalar-, IN-, FROM- und SELECT-Unterabfragen, korrelierte Unterabfragen, EXIST…

Artikel lesen →
Datenbanken & SQL

SQL-Transaktionen und ACID erklärt: COMMIT, ROLLBACK und Isolationsstufen

SQL-Transaktionen und ACID anhand einer von uns durchgeführten Banküberweisung erklärt: COMMIT, ROLLBACK, Sicherungspunkte, Sperren, Isolationsstufe…

Artikel lesen →
Softwareentwicklung

Spickzettel für Git-Befehle: Die Befehle, die Sie tatsächlich verwenden, mit Beispielen

Ein Git-Befehls-Spickzettel, gruppiert nach Aufgabe: Setup, Staging, Branches, Remotes, Stash, Verlauf und Rückgängigmachen von Fehlern, mit Ausgabe…

Artikel lesen →
Softwareentwicklung

Erklärte JavaScript-Versprechen: Dann, Catch, Promise.all und häufige Fehler

JavaScript-Versprechen erklärt mit Code, den wir ausgeführt haben: Zustände, dann und Fangketten, Fehlerbehandlung, Promise.all, allSettled, Rennen …

Artikel lesen →
Softwareentwicklung

Python-Wörterbuch-Tutorial: Methoden, Beispiele und gängige Muster

Ein Python-Wörterbuch-Tutorial mit Code, den wir ausgeführt haben: Diktate erstellen, lesen und aktualisieren, Schlüsselmethoden, Zusammenführung, V…

Artikel lesen →
Künstliche Intelligenz

Was ist RAG? Retrieval-Augmented Generation anhand eines Arbeitsbeispiels erklärt

Was ist RAG? Abruf-erweiterte Generierung Schritt für Schritt erklärt: Indizierung, Chunking, Einbettungen, Abruf, ein kleines funktionierendes Pyth…

Artikel lesen →
DevOps

Terraform-Tutorial für Anfänger: Infrastruktur als Code von der ersten Datei bis zu den Modulen

Ein Terraform-Tutorial für Anfänger: Beginnen Sie ohne Cloud-Konto, lernen Sie Init, Planen und Anwenden, dann Variablen, Ausgaben, Status, Module u…

Artikel lesen →
DevOps

Docker vs. Kubernetes: Hauptunterschiede, wie sie zusammenarbeiten und was Sie brauchen

Docker vs. Kubernetes erklärt: Was jeder tut, die gleiche App läuft mit beiden, Docker Compose und Swarm im Vergleich, die Dockershim-Änderung und w…

Artikel lesen →
Testautomatisierung

Pytest-Tutorial für Anfänger: Vorrichtungen, Parametrisierung und reale Beispiele

Ein Pytest-Tutorial für Anfänger mit Tests, die wir auf Pytest 9.2 durchgeführt haben: Assertions, Fixtures, Parametrize, Conftest, Markers, tmp_pat…

Artikel lesen →
Softwaretests

Software Testing Life Cycle (STLC): 6 Phasen, Einstiegs- und Ausstiegskriterien, Beispiel

Der Softwaretest-Lebenszyklus erklärt: sechs STLC-Phasen mit Ein- und Ausstiegskriterien, Ergebnisse, ein Beispiel für eine funktionierende Anmeldef…

Artikel lesen →
Softwareentwicklung

Git merge vs rebase: Unterschiede, Beispiele und wann man was nutzt

Git merge vs rebase erklärt mit echter Log-Ausgabe, einer Vergleichstabelle, der goldenen Regel des Rebase und einem sicheren Team-Workflow.

Artikel lesen →
Softwareentwicklung

Python List Comprehension: Syntax, Beispiele und wann man darauf verzichtet

Python List Comprehension erklärt: Syntax, Filter, if-else, verschachtelte Schleifen, gemessene Zeiten und Fälle, in denen eine normale for-Schleife…

Artikel lesen →
Datenbanken & SQL

SQL Joins erklärt mit Beispielen (Inner, Left, Right, Full)

SQL Joins Schritt für Schritt mit Beispieltabellen und Abfragen verstehen: INNER, LEFT, RIGHT, FULL, CROSS und SELF, plus typische Fehler und Perfor…

Artikel lesen →