Risikobasiertes Testen erklärt: Risiken bewerten, eine Matrix erstellen und testen, worauf es ankommt
Es bleibt nie die Zeit, alles gleich zu testen. Risikobasiertes Testen ist eine einfache, strukturierte Methode, um zu entscheiden, wo der Testaufwand zuerst erfolgt, basierend darauf, wie wahrscheinlich es ist, dass etwas fehlschlägt, und wie sehr es schaden würde, wenn es käme.
- Risikobasiertes Testen priorisiert das Testen nach Risiko, normalerweise nach Wahrscheinlichkeit × Auswirkung.
- Ein einfacher 1-bis-5-Score für jeden ergibt einen Risikowert von 1 bis 25, der leicht zu diskutieren und zu sortieren ist.
- In Hochrisikogebieten werden gründlichere, frühere und wiederholte Tests durchgeführt. In Gebieten mit geringem Risiko werden weniger Kontrollen durchgeführt.
- Es handelt sich um eine Teamübung, die bei jeder Veröffentlichung wiederholt wird, und nicht um eine einmal ausgefüllte Tabelle.
Eine Veröffentlichung ist für Freitag geplant. Das Team hat drei Tage und dreihundert mögliche Testfälle. Alles gleichermaßen zu testen bedeutet, den Zahlungsfluss mit der gleichen Sorgfalt zu testen wie die Farbe eines Einstellungssymbols. Risikobasiertes Testen ersetzt dies durch eine bewusste Entscheidung: Testen Sie zuerst und am härtesten dort, wo ein Ausfall sowohl wahrscheinlich als auch kostspielig ist.
Dies ist eine Prozessanleitung und enthält daher keinen Code, den wir ausgeführt haben. Die Werte im ausgearbeiteten Beispiel dienen der Veranschaulichung und wurden zur Veranschaulichung der Methode ausgewählt und nicht anhand eines realen Produkts gemessen.
Was ist risikobasiertes Testen?
Risikobasiertes Testen ist ein Ansatz, bei dem Umfang und Reihenfolge der Tests vom Produktrisiko bestimmt werden. Ein Risiko ist etwas, das schiefgehen kann, etwa ein Funktionsausfall, beschädigte Daten oder eine zu langsame Seite. Jedes Risiko wird anhand zweier Dimensionen bewertet: wie wahrscheinlich es eintritt und wie schwerwiegend die Auswirkungen wären. Die Kombination entscheidet darüber, wie viel Test sie verdient.
Es handelt sich nicht um einen separaten Testtyp wie Leistungs- oder Sicherheitstests. Es ist eine Möglichkeit, sie alle zu planen und zu priorisieren, und es passt natürlich in eine Teststrategie.
Warum es funktioniert
- Die Zeit ist immer begrenzt. Durch die Priorisierung nach Risiko wird sichergestellt, dass die wichtigsten Prüfungen auch dann durchgeführt werden, wenn die Zeit abläuft.
- Fehler sind nicht gleichmäßig verteilt. Komplexer, neuer und häufig geänderter Code weist tendenziell mehr Mängel auf.
- Die Auswirkung ist nicht gleich. Eine falsche Summe beim Bezahlen und eine falsch ausgerichtete Fußzeile sind beides Fehler; nur einer verliert Geld.
- Es macht Kompromisse sichtbar. Stakeholder können sehen, was eingehend getestet wurde und was als geringeres Risiko akzeptiert wurde.
Die fünf Schritte
- Identifizieren Sie Risiken mit dem Team.
- Bewerten jedes einzelne nach Wahrscheinlichkeit und Wirkung.
- Priorisieren mithilfe einer Risikomatrix.
- Planen und testen mit einer auf das Risiko abgestimmten Tiefe.
- Überprüfen Sie nach dem Testen und nach der Veröffentlichung und aktualisieren Sie die Ergebnisse.
Schritt 1: Risiken identifizieren
Bringen Sie Tester, Entwickler und jemanden zusammen, der sich mit dem Geschäft auskennt, beispielsweise den Produktbesitzer. Gehen Sie Funktionen, User Journeys und aktuelle Änderungen durch und fragen Sie, was schief gehen könnte. Nützliche Hinweise:
- Wo würde ein Ausfall Geld kosten, gegen das Gesetz verstoßen oder Daten verlieren?
- Was hat sich in dieser Version geändert und was berührt sie?
- In welchen Bereichen gab es bereits viele Bugs oder Vorfälle?
- Was hängt von Drittanbietern ab, beispielsweise Zahlungsgateways oder APIs?
- Was bedeutet neue Technologie oder unbekannter Code für das Team?
- Was passiert unter Last, in langsamen Netzwerken oder auf älteren Geräten?
Formulieren Sie jedes Risiko als kurze, konkrete Aussage, z. B. „Der Gesamtbetrag der Bestellung ist falsch, wenn ein Gutschein und kostenloser Versand zusammen gelten“, und nicht nur „Zur Kasse gehen“.
Schritt 2: Wahrscheinlichkeit und Auswirkung bewerten
Eine Skala von 1 bis 5 ist üblich, da man sich schnell auf Folgendes einigen kann:
| Punktzahl | Wahrscheinlichkeit | Auswirkungen |
|---|---|---|
| 1 | Sehr unwahrscheinlich | Kosmetische, einfache Problemumgehung |
| 2 | Unwahrscheinlich | Kleinere Unannehmlichkeiten |
| 3 | Möglich | Die Funktion ist für einige Benutzer teilweise defekt |
| 4 | Wahrscheinlich | Schlüsselfunktion defekt, Umsatz oder Reputation beeinträchtigt |
| 5 | Sehr wahrscheinlich | Datenverlust, Sicherheitsverletzung, rechtlicher oder finanzieller Schaden |
Risikobewertung = Wahrscheinlichkeit × Auswirkung, was 1 bis 25 ergibt. Die Wahrscheinlichkeit steigt mit der Komplexität, dem Umfang der Änderungen, früheren Fehlern und der Unkenntnis des Entwicklers. Die Auswirkungen steigen mit der Anzahl der betroffenen Benutzer, dem Geld, der Sicherheit, den Daten und der rechtlichen Gefährdung. Vereinbaren Sie Definitionen im Voraus, sodass eine „4“ für alle das Gleiche bedeutet.
Schritt 3: die Risikomatrix
Impact →
1 2 3 4 5
Likelihood 5 5 10 15 20 25
4 4 8 12 16 20
3 3 6 9 12 15
2 2 4 6 8 10
1 1 2 3 4 5
Tragen Sie jedes Risiko im Raster ein. Die Punkte in der oberen rechten Ecke sind Ihre Prioritäten. Die Ergebnisse unten links können leichte Schecks erhalten. Viele Teams färben die Bänder: zum Beispiel 15 bis 25 hoch, 8 bis 14 mittel und 1 bis 7 niedrig. Bei diesen Schwellenwerten handelt es sich um eine Konvention und nicht um einen Standard. Passen Sie sie daher an Ihren Kontext an. Einige Teams verwenden ein einfacheres 3×3-Raster aus niedrig, mittel und hoch, was oft ausreicht.
Tipp: Achten Sie auf Elemente mit großer Auswirkung, aber geringer Wahrscheinlichkeit, wie z. B. einem seltenen Datenverlustszenario. Ihre multiplizierte Punktzahl mag bescheiden aussehen, aber ein einziges Ereignis kann katastrophal sein. Viele Teams behandeln jede Auswirkung von 5 unabhängig von der Wahrscheinlichkeit als mindestens mittlere Priorität.
Schritt 4: Zuordnung des Risikos zur Testtiefe
| Risikostufe | Testansatz |
|---|---|
| Hoch (15-25) | Testen Sie frühzeitig und gründlich: detaillierte Testfälle, Negativ- und Grenztests, Erkundungssitzungen, Automatisierung in jedem Build, Überprüfungen durch einen zweiten Tester |
| Mittel (8-14) | Kernszenarien plus wichtige Randfälle, enthalten in der Regressionssuite |
| Niedrig (1-7) | Rauchkontrollen oder ein kurzer Erkundungsdurchgang; kann verschoben werden, wenn die Zeit abläuft |
Tiefe bedeutet mehr als die Anzahl der Testfälle. Erwägen Sie bei hohen Risiken stärkere Techniken wie Grenzwertanalyse und Entscheidungstabellen, unabhängige Überprüfung des Testdesigns, Tests auf mehr Geräten und Umgebungen sowie Überwachung nach der Veröffentlichung.
Schritt 5 in der Praxis: ein ausgearbeitetes Beispiel
Ein Online-Shop veröffentlicht eine neue Coupon-Funktion. Das Team listet Risiken auf und bewertet sie (anschauliche Bewertungen):
| Risiko | Wahrscheinlichkeit | Auswirkungen | Punktzahl | Ebene |
|---|---|---|---|---|
| Falsche Bestellsumme mit Gutschein + kostenlosem Versand | 4 | 5 | 20 | Hoch |
| Der Coupon ist über sein Limit hinaus nutzbar | 3 | 4 | 12 | Mittel |
| Zeitüberschreitung des Zahlungsgateways während des Bezahlvorgangs | 2 | 5 | 10 | Mittel (Ansehen: Impact 5) |
| Das Gutscheinfeld akzeptiert ungültige Zeichen | 3 | 2 | 6 | Niedrig |
| Coupon-Banner auf Tablets falsch ausgerichtet | 3 | 1 | 3 | Niedrig |
Der Plan folgt direkt. Die Gesamtberechnung umfasst detaillierte Tests für jede Kombination aus Gutschein, Versandregel und Steuer, automatisierte Komponententests und eine Erkundungssitzung. Das Nutzungslimit wird Parallelitätstests unterzogen, da es wahrscheinlich durch zwei gleichzeitige Checkouts überschritten wird. Das Gateway-Timeout wird einigen Fehlerinjektionstests unterzogen, da seine Auswirkungen schwerwiegend sind, auch wenn die Bewertung mittel ist. Das Banner erhält einen Blick auf ein Tablet. Wenn am Donnerstag die Zeit knapp wird, wartet bewusst das Banner.
Woher die Risikodaten kommen
Ergebnisse beginnen als fundierte Beurteilung, aber Daten machen sie besser:
- Fehlerhistorie: Module mit vielen früheren Fehlern. Unser Bug-Lebenszyklus-Leitfaden behandelt die Verfolgung dieser Fehler.
- Code-Änderung: Dateien wurden in der Versionskontrolle am häufigsten geändert.
- Produktionsvorfälle und Support-Tickets.
- Nutzungsanalyse: Bei den am häufigsten genutzten Reisen sind die meisten Benutzer gefährdet.
- Testabdeckungslücken: Bereiche mit wenig automatisierter Abdeckung; siehe Erklärung der Codeabdeckung.
Risikobasiertes Testen in Agile und CI
Bei kurzen Sprints ist jedes Mal ein voller Workshop zu schwer. Eine einfachere Version funktioniert gut: Besprechen Sie Risiken während der Verfeinerung, kennzeichnen Sie Storys als hohes, mittleres oder niedriges Risiko und vereinbaren Sie die Testtiefe als Teil der Definition von erledigt. Führen Sie in CI Tests für Hochrisikobereiche bei jedem Commit und bei breiteren Suiten seltener durch. Die Testpyramide hilft bei der Festlegung des Levels: Verschieben Sie risikoreiche Logik nach Möglichkeit in schnelle Unit-Tests und behalten Sie End-to-End-Tests für die riskantesten Benutzerreisen bei.
Häufige Fehler
- Allein punkten. Ein Tester, der alleine arbeitet, übersieht geschäftliche Auswirkungen und technische Komplexität. Punktet als Gruppe.
- Einmalige Bewertung. Risiken ändern sich, wenn sich der Code ändert. Überprüfen Sie die Liste bei jeder Veröffentlichung.
- Niedriges Risiko als „keine Tests“ behandeln. Geringes Risiko bedeutet weniger Tests, nicht keine.
- Falsche Präzision. Sich darüber zu streiten, ob etwas 12 oder 15 ist, verschwendet Zeit; Die Rangfolge ist wichtiger als die genaue Zahl.
- Verbergen der Kompromisse. Melden Sie, welche Risiken leichtfertig oder gar nicht getestet wurden, damit die Stakeholder sie wissentlich akzeptieren können.
Risikodeckung melden
Ein nach Risiko geordneter Testbericht ist für Entscheidungsträger weitaus nützlicher als eine reine Bestandszählung. Zeigen Sie für jedes Risiko den Grad des Risikos, die durchgeführten Tests, das Ergebnis und alles, was noch offen ist, an:
| Risiko | Ebene | Tests durchgeführt | Status |
|---|---|---|---|
| Falsche Gesamtsumme mit Gutschein + kostenlosem Versand | Hoch | 32 Fälle, automatisierte Sondierungssitzung | Nach 1 Korrektur bestanden |
| Das Coupon-Nutzungslimit wurde überschritten | Mittel | Parallelitätstests | 1 offener Fehler, Behebung in Bearbeitung |
| Coupon-Banner auf Tablets | Niedrig | Diese Version wurde nicht getestet | Akzeptiertes Risiko |
Die Beispielzeilen dienen der Veranschaulichung. Der Clou ist das Format: Jeder sieht auf einen Blick, dass die gefährlichsten Bereiche gründlich getestet wurden, welche Risiken bestehen bleiben und was bewusst weggelassen wurde. „Bereit zur Veröffentlichung?“ wird zu einer Diskussion über spezifische Risiken, nicht zu einem Gefühl.
Fazit
Beim risikobasierten Testen wird der gesunde Menschenverstand zum Ausdruck gebracht: Der größte Aufwand wird dort betrieben, wo ein Fehler am wahrscheinlichsten und kostspieligsten ist. Listen Sie Risiken mit dem gesamten Team auf, bewerten Sie Wahrscheinlichkeit und Auswirkung auf einer einfachen Skala, stellen Sie sie in einer Matrix dar und passen Sie die Testtiefe an das Ergebnis an. Überprüfen Sie dann die Ergebnisse bei jeder Veröffentlichung erneut und verwenden Sie dabei echte Fehler- und Vorfalldaten, um die nächste Runde schärfer zu gestalten.
Häufige Fragen
Was ist risikobasiertes Testen?
Ein Testansatz, bei dem der Aufwand entsprechend dem Produktrisiko priorisiert wird, das normalerweise als Wahrscheinlichkeit multipliziert mit der Auswirkung bewertet wird, sodass die gefährlichsten Bereiche zuerst und am gründlichsten getestet werden.
Wie berechnet man einen Risikoscore?
Bewerten Sie Wahrscheinlichkeit und Auswirkung auf einer Skala wie 1 bis 5 und multiplizieren Sie sie dann. Eine Punktzahl von 20 oder 25 hat hohe Priorität; Niedrige Werte führen zu leichteren Tests.
Was ist eine Risikomatrix beim Testen?
Ein Raster mit Wahrscheinlichkeit auf einer Achse und Auswirkung auf der anderen. Die Darstellung jedes Risikos zeigt, welche Bereiche am meisten getestet werden müssen.
Wer sollte an der Risikobewertung teilnehmen?
Tester, Entwickler und jemand, der das Unternehmen oder die Benutzer vertritt, beispielsweise ein Produktbesitzer. Jeder sieht unterschiedliche Arten von Risiken.
Bedeutet geringes Risiko, dass ein Bereich nicht getestet wird?
Nein. In Gebieten mit geringem Risiko werden weiterhin grundlegende Kontrollen durchgeführt, beispielsweise Rauchtests. Sie werden einfach weniger intensiv und später getestet als Hochrisikogebiete.
Lerne weiter
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.
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.
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 →SoftwareentwicklungAPI-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 →DevOpsGit 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 →SoftwaretestsPaarweises 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 →TestautomatisierungTest-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 & SQLSQL 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 & SQLSQL 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 →SoftwareentwicklungErklärter 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 →SoftwareentwicklungErklärtes 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 IntelligenzErklärtes 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 →SoftwareentwicklungWebhooks 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 →DevOpsGit 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 →TestautomatisierungSnapshot-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 →SoftwaretestsMutationstests 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 IntelligenzPrompt 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 →DevOpsErklärte 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 →DevOpsErklärte 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 →TestautomatisierungTestdatengenerierung 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 →SoftwaretestsShift-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 & SQLErklärte 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 & SQLErklärte 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 →SoftwareentwicklungErklärung 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 →SoftwareentwicklungES-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 →SoftwareentwicklungPython 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 IntelligenzErklärung 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 →DevOpsSSH-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 →DevOpsHTTP-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 →TestautomatisierungAPI-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 →SoftwaretestsRisikobasiertes 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 & SQLErklärte 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 & SQLErklärte 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 →SoftwareentwicklungPython-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 →SoftwareentwicklungDebounce 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 →SoftwareentwicklungErklärte 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 IntelligenzLLM-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 →DevOpsYAML 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 →DevOpsCron-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 IntelligenzKI-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 →DevOpsErklärte 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 →SoftwareentwicklungAPI-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 →TestautomatisierungSpott 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 →SoftwaretestsCode-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 & SQLDELETE 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 & SQLErklärte 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 →SoftwareentwicklungTypeScript-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 →SoftwareentwicklungPython *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 →SoftwareentwicklungPython-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 IntelligenzWas 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 →DevOpsÜberwachung 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 →DevOpsDocker-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 →TestautomatisierungTDD 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 →SoftwaretestsBenutzerakzeptanztests (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 & SQLErklärte 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 & SQLSQL 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 →SoftwareentwicklungWas 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 →SoftwareentwicklungErklärte 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 →SoftwareentwicklungErklärung 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 IntelligenzWas 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 →DevOpsBlau-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 →TestautomatisierungFlaky-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 →SoftwaretestsLasttest 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 →SoftwaretestsTestfall 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 & SQLSQL-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 & SQLSQL 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 →SoftwareentwicklungTutorial 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 →SoftwareentwicklungUmgang 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 →SoftwareentwicklungPython-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 IntelligenzWas 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 →DevOpsLinux-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 →TestautomatisierungSelenium 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 →SoftwaretestsÄquivalenzpartitionierung: 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 →SoftwaretestsSchweregrad 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 & SQLTutorial 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 & SQLSQL-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 →SoftwareentwicklungSpickzettel 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 →SoftwareentwicklungErklärte 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 →SoftwareentwicklungPython-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 IntelligenzWas 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 →DevOpsTerraform-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 →DevOpsDocker 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 →TestautomatisierungPytest-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 →SoftwaretestsSoftware 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 →SoftwareentwicklungGit 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 →SoftwareentwicklungPython 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 & SQLSQL 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 →