Was ist der Systemtest im Software Testing?

Im Kontext des Software Testings ist der Systemtest eine Teststufe, bei der man das komplette und vollintegrierte Softwareprodukt testet. Dabei prüft man, ob das System als Ganzes die spezifizierten Anforderungen erfüllt und ob alle Komponenten effizient zusammenarbeiten. Neben funktionalen Aspekten beinhaltet der Systemtest auch nicht-funktionale Aspekte wie Leistung, Sicherheit und Benutzerfreundlichkeit.

Systemtests unterscheiden sich von anderen Teststufen, insbesondere von den Unit-Tests und Integrationstests, in ihrem Fokus. Während Unit-Tests einzelne Softwarekomponenten (z.B. Funktionen oder Methoden) testen und Integrationstests die korrekte Interaktion von Komponenten überprüfen, konzentriert sich der Systemtest auf das gesamte Softwareprodukt.

Kurze Zeitreise und ein historischer Überblick über den Systemtest

Die genaue Herkunft des Systemtests als Testmethode lässt sich schwer auf eine einzelne Person oder ein bestimmtes Ereignis zurückführen. Es ist jedoch allgemein anerkannt, dass die Praxis des Software Testings und insbesondere der Systemtests mit der Entwicklung der Softwaretechnik einherging.

In den frühen Tagen der Computertechnik, als man Software noch von Hand mittels Lochkarten programmierte, gab es wenig Bedarf für systematische Tests. Fehler wurden oft „on-the-fly“ während des Betriebs behoben. Mit zunehmender Komplexität der Software und der Entwicklung von höheren Programmiersprachen wurde jedoch ein systematischer Ansatz zur Fehlervermeidung und -erkennung notwendig.

Einen wichtigen Meilenstein für die Entwicklung des Software Testings stellt das Jahr 1972 dar. In diesem Jahr veröffentlichte die US-amerikanische Software-Ingenieurin und Computerwissenschaftlerin Glenford J. Myers das Buch „The Art of Software Testing“, das als eines der ersten umfassenden Werke zum Thema Software Testing gilt. Auch wenn man Myers nicht explizit als „Erfinder“ der Systemtests bezeichnen kann, so hat doch seine Arbeit maßgeblich dazu beigetragen, das Bewusstsein für die Notwendigkeit des Software Testings und die Entwicklung von standardisierten Testverfahren zu schärfen.

Aktueller Stand der Systemtests

Die Praxis des Systemtests hat sich in den letzten Jahrzehnten weiterentwickelt und professionalisiert. Die Einführung von agilen Methoden in der Softwareentwicklung und das Aufkommen von DevOps haben die Art und Weise, wie Software getestet wird, verändert und den Systemtest weiter in den Mittelpunkt gerückt. Heute ist der Systemtest ein integraler Bestandteil jedes seriösen Softwareentwicklungsprozesses.

Aktuell gibt es verschiedene Tools und Frameworks zur Unterstützung von Systemtests. Dazu gehören sowohl kommerzielle Lösungen als auch Open-Source-Werkzeuge. Mit deren Hilfe kann man Tests automatisiert durchführen und Testergebnisse dokumentieren.

Welche Software-Lösungen gibt es?

Selenium, ein Open-Source–Framework für automatisiertes Testen, JUnit, ein Framework zum Testen von Java-Anwendungen, TestComplete, eine kommerzielle Lösung für automatisiertes Testen, Postman, ein Tool für API-Tests, LoadRunner, eine kommerzielle Lösung für Leistungs- und Lasttests, und Appium, ein Open-Source-Tool für das automatisierte Testen von mobilen Anwendungen.

Fazit

Im Hinblick auf die Zukunft ist zu erwarten, dass die Bedeutung des Systemtests weiter zunehmen wird. Insbesondere vor dem Hintergrund der fortschreitenden Digitalisierung und der damit einhergehenden Komplexität von Software werden zuverlässige und effiziente Testverfahren immer wichtiger.

Insgesamt trägt der Systemtest dazu bei, die Qualität von Software zu sichern und eine zuverlässige und effiziente Leistung des Softwareprodukts zu gewährleisten. Dabei hat er sich seit seinen Anfängen stetig weiterentwickelt und wird auch in Zukunft ein zentraler Bestandteil des Software Testings bleiben.

Der Beitrag Systemtest – Im Software Testing erschien zuerst auf CEOsBay.

Eine kurze Zeitreise

Die Geschichte der RFCs geht auf das Jahr 1969 zurück, als man das ARPANET (Advanced Research Projects Agency Network), den Vorläufer des Internets, ins Leben gerufen hat. Steve Crocker, ein Forscher am ARPANET-Projekt, veröffentlichte das erste RFC-Dokument, RFC 1, am 7. April 1969. Das Ziel war es, eine Plattform zu schaffen, auf der sich Forscher und Entwickler austauschen und Ideen zur Verbesserung und Standardisierung der Kommunikationsprotokolle diskutieren konnten.

Im Laufe der Jahre entwickelte sich das RFC-System zur zentralen Anlaufstelle für die Veröffentlichung und Diskussion von Internetstandards, Protokollen und Best Practices. Die Internet Engineering Task Force (IETF) übernahm die Verantwortung für die Verwaltung und Entwicklung der RFCs, und das RFC-Editor-Team kümmerte sich um die Veröffentlichung und das Format der Dokumente. Übrigens gibt es hier den Link zum RFC Editor mit Index aller RFCs und in HTML 😉

Die Struktur der RFCs

Jedes RFC-Dokument hat eine eindeutige Nummer und einen Titel, der den Inhalt des Dokuments beschreibt. Die Dokumente sind in der Regel in einem einfachen Textformat verfasst, um die Lesbarkeit und den Zugang zu gewährleisten. Eine typische RFC-Struktur umfasst:

• Titel
• Autor(en)
• Datum der Veröffentlichung
• Abstract: Eine Zusammenfassung des Inhalts
• Einleitung: Einführung in das Thema
• Hauptteil: Ausführliche Diskussion und Definition der Standards, Protokolle oder Best Practices
• Referenzen: Liste der verwendeten und zitierten Quellen
• Anhänge (falls erforderlich): Ergänzende Informationen oder BeispieleDie Bedeutung der RFCs

RFCs sind von zentraler Bedeutung für das Internet und seine Funktionsweise. Sie dienen als offizielle Dokumentation für Internetstandards und Kommunikationsprotokolle wie https, SMTP, DNS und viele andere. Darüber hinaus decken RFCs auch Best Practices und Leitlinien für verschiedene Aspekte der Internetkommunikation ab.

Einige wichtige RFCs sind:

• RFC 791: Internet Protocol (IP)
• RFC 793: Transmission Control Protocol (TCP)
• RFC 1034 und RFC 1035: Domain Name System (DNS)
• RFC 2616: Hypertext Transfer Protocol (https/1.1)

Die Veröffentlichung von RFCs erfolgt in einem offenen, transparenten Prozess, bei dem Entwickler, Forscher und Interessierte aus der ganzen Welt teilnehmen können. Dieser kollaborative Ansatz fördert Innovation und ermöglicht es, dass die entwickelten Standards und Protokolle auf breite Zustimmung und Anwendung stoßen.

RFC-Kategorien

RFCs kann man in verschiedene Kategorien eingeteilen:

• Standards-Track RFCs: Diese RFCs definieren offizielle Internetstandards und Protokolle. Sie sind von der IETF entwickelt und genehmigt. Sie durchlaufen einen mehrstufigen Prozess, der von der Entwurfsphase bis zur Verabschiedung als Internetstandard reicht.
• Informational RFCs: Diese RFCs enthalten nützliche Informationen und Ratschläge, die zwar nicht normativ sind, aber dennoch zur Verbesserung der Internetkommunikation und -technologie beitragen können. Beispiele sind Leitlinien, Hintergrundinformationen oder Untersuchungen über neue Technologien.
• Experimental RFCs: Diese RFCs beschreiben experimentelle Ideen oder Protokolle, die noch nicht zur Standardisierung bereit sind. Sie dienen als Plattform, um neue Technologien zu präsentieren und Feedback aus der Community zu sammeln.
• Best Current Practice (BCP) RFCs: Diese RFCs dokumentieren etablierte Verfahren und Leitlinien. Sie sind von der IETF als bewährte Praktiken anerkannt.

Der RFC-Prozess

Der Prozess der Erstellung, Prüfung und Verabschiedung eines RFC ist offen und kollaborativ:

1. Ideenentwicklung: Ein Autor oder eine Gruppe von Autoren erstellt bzw. erstellen einen Entwurf, der die Idee, das Protokoll oder die Best Practice beschreibt.
2. Community-Feedback: Die IETF-Community erhält den Entwurf zur Überprüfung und Diskussion.
3. Überarbeitung und Verbesserung: Überarbeitung und Verbesserung auf Grundlage des erhaltenen Feedbacks, bis dieser für eine formelle Veröffentlichung als RFC bereit ist.
4. IETF-Genehmigung: Für Standards-Track und BCP RFCs ist die Genehmigung der IETF erforderlich, bevor man sie veröffentlichen kann.
5. Veröffentlichung: Nachdem alle notwendigen Schritte abgeschlossen sind, übernimmt das RFC-Editor-Team die Veröffentlichung des Dokuments und das Dokument erhält eine eindeutige RFC-Nummer.

Fazit

RFCs sind ein wesentlicher Bestandteil der Funktionsweise des Internets und der Kommunikation zwischen verschiedenen Systemen und Geräten. Sie stellen eine offene, kollaborative Plattform dar, die es ermöglicht, gemeinsam an der Entwicklung von Internetstandards, Protokollen und Best Practices zu arbeiten. Die Bedeutung der RFCs für das Internet kann man nicht hoch genug schätzen, da sie für die Interoperabilität und Stabilität des gesamten Netzwerks von entscheidender Bedeutung sind.

Der Beitrag RFC – Grundlage für Internetprotokolle und Kommunikationsstandards erschien zuerst auf CEOsBay.

Kurze Zeitreise

Die ISO-Norm 25010 ist aus dem Bedürfnis heraus entstanden, ein international anerkanntes und einheitliches Rahmenwerk für die Bewertung und Verbesserung von Software- und Systemqualität bereitzustellen. Die Geschichte von ISO 25010 ist eng mit der Entwicklung der ISO/IEC 25000-Serie (SQuaRE) verbunden, die sich aus früheren Standards und Modellen zur Softwarequalität entwickelt hat.

Entstehung

Und wenn man es genau nimmt, geht die Geschichte noch weitaus früher los. Und zwar mit McCall’s Quality Model aus dem Jahr 1977. Dieses Modell definierte 11 Qualitätsfaktoren, wie Zuverlässigkeit, Effizienz und Wartbarkeit, die die Softwarequalität beeinflussen bzw. mit Boehm’s Quality Model aus dem Jahr 1978. Wobei letzteres Modell sieben Hauptqualitätsmerkmale vorschlug, die die Softwarequalität beeinflussen. Dabei beispielsweise die Portabilität, Zuverlässigkeit und Verständlichkeit.

Die Internationale Organisation für Normung (ISO) und die Internationale Elektrotechnische Kommission (IEC) entwickelten gemeinsam den ISO/IEC 9126-Standard, der man 1991 veröffentlichte. Dieser Standard führte ein hierarchisches Qualitätsmodell ein, dass aus sechs Hauptqualitätsmerkmalen (Funktionalität, Zuverlässigkeit, Benutzbarkeit, Effizienz, Wartbarkeit und Übertragbarkeit) und mehreren Unterkriterien bestand. ISO/IEC 9126 legte den Grundstein für die Entwicklung der ISO/IEC 25000-Serie und ISO 25010.

ISO/IEC 25000-Serie

Die ISO/IEC 25000-Serie, auch als Systems and Software Quality Requirements and Evaluation (SQuaRE) bekannt, hat man entwickelt, um die verschiedenen Standards und Modelle zur Softwarequalität zu konsolidieren und eine umfassende, international anerkannte Normenserie für Software- und Systemqualität zu schaffen. Die Entwicklung von SQuaRE begann im Jahr 2001 und beinhaltete die Überarbeitung und Erweiterung des ISO/IEC 9126-Standards.

Folglich fand die Veröffentlichung von ISO 25010 im Jahr 2011 statt und ersetzte den früheren ISO/IEC 9126-Standard. Es führte zwei Qualitätsmodelle ein. Das Produktqualitätsmodell und das Qualitäts-in-Use-Modell. Die Hauptqualitätsmerkmale des Produktqualitätsmodells hat man von sechs auf acht erweitert, und die Unterkriterien hat man entsprechend aktualisiert. Sicherheit war nunmehr ein eigenständiges Hauptqualitätsmerkmal und die bestehenden Hauptqualitätsmerkmale hat man weiter verfeinert bzw. erweitert, um die Qualität von Software- und Softwaresystemen umfassender zu erfassen.

Die Entstehung von ISO 25010 ist das Ergebnis von jahrzehntelanger Forschung, Entwicklung und Konsolidierung von Best Practices und Standards zur Bewertung und Verbesserung der Software- und Systemqualität.

Sei der Veröffentlichung, hat ISO 25010 als zuverlässiger und anerkannter Standard für die Beurteilung der Softwarequalität gedient und den Entwicklern, Testern und Projektmanagern dabei geholfen, qualitativ hochwertige Produkte zu entwickeln und bereitzustellen.

Die dynamische Norm

Die ISO/IEC 25000-Serie und ISO 25010 sind nicht statisch. Man überprüft und aktualisiert die Inhalte kontinuierlich, um sich den stetig ändernden Anforderungen der Software- und Systementwicklung anzupassen. Die International Organization for Standardization (ISO) und die International Electrotechnical Commission (IEC) arbeiten gemeinsam daran, die Standards auf dem neuesten Stand zu halten und sie an neue Technologien, Methoden und Best Practices anzupassen.

Es ist wichtig zu beachten, dass man die ISO-Normen in einem Konsensprozess entwickelt, bei dem Experten aus verschiedenen Ländern und Organisationen zusammenarbeiten. Dies stellt sicher, dass die Normen umfassend und von hoher Qualität sind und die Bedürfnisse der verschiedenen Interessengruppen berücksichtigen.

Qualitätsmodelle

ISO 25010 bietet zwei Qualitätsmodelle: das Produktqualitätsmodell und das Qualitäts-in-Use-Modell. Das Produktqualitätsmodell bezieht sich auf die Qualität des Softwareprodukts selbst, während das Qualitäts-in-Use-Modell die Qualität aus der Perspektive des Endbenutzers bewertet.

Produktqualitätsmodell

Das Produktqualitätsmodell besteht aus acht Hauptqualitätsmerkmalen, die wiederum in mehrere Unterkriterien unterteilt sind. Die Hauptqualitätsmerkmale sind:

Funktionalität

Die Fähigkeit der Software, die geforderten Funktionen zu erfüllen, mit den Unterkriterien:

• Angemessenheit
• Richtigkeit
• Ordnungsmäßigkeit
• Interoperabilität
• Sicherheit

Leistungsfähigkeit

Die Fähigkeit der Software, in Bezug auf Leistung, Verarbeitungsgeschwindigkeit und Reaktionszeit auf Anforderungen zu reagieren. Mit den Unterkriterien:

• Zeitverhalten
• Ressourcenausnutzung

Kompatibilität

Die Fähigkeit der Software, in einer gemeinsamen Umgebung mit anderen Systemen oder Softwareprodukten zu interagieren. Mit den Unterkriterien:

• Koexistenz
• Interoperabilität

Benutzbarkeit

Die Fähigkeit der Software, von Benutzern effizient und zufriedenstellend genutzt zu werden. Mit den Unterkriterien:

• Verständlichkeit
• Erlernbarkeit
• Bedienbarkeit
• Attraktivität
• Barrierefreiheit

Zuverlässigkeit

Die Fähigkeit der Software, korrekt und zuverlässig zu funktionieren. Mit den Unterkriterien:

• Reife
• Fehlertoleranz
• Wiederherstellbarkeit

Sicherheit

Die Fähigkeit der Software, Vertraulichkeit, Integrität und Verfügbarkeit von Daten und Ressourcen zu gewährleisten. Mit den Unterkriterien:

• Vertraulichkeit
• Integrität
• Nichtabstreitbarkeit
• Rechenschaftspflicht
• Authentizität

Wartbarkeit

Die Fähigkeit der Software für Modifikationen und Verbesserbarkeit. Mit den Unterkriterien:

• Modularität
• Wiederverwendbarkeit
• Analysierbarkeit
• Modifizierbarkeit
• Testbarkeit (Hier möchte ich gerne auf TDD und BDD verweisen)

Übertragbarkeit

Die Fähigkeit der Software, von einer Umgebung in eine andere übertragen zu können. Mit den Unterkriterien:

• Anpassungsfähigkeit
• Installierbarkeit
• Konformität
• Austauschbarkeit

Qualitäts-in-Use-Modell

Das Qualitäts-in-Use-Modell beschreibt die Qualität aus der Perspektive des Endbenutzers und besteht aus fünf Hauptqualitätsmerkmalen:

Effektivität

Die Fähigkeit der Software, Benutzern dabei zu helfen, ihre Ziele präzise und vollständig zu erreichen.

Effizienz

Die Fähigkeit der Software, Benutzern zu ermöglichen, ihre Ziele mit angemessenen Ressourcen und minimalem Aufwand zu erreichen.

Zufriedenheit

Das Ausmaß, in dem die Software die Anforderungen und Erwartungen der Benutzer erfüllt.

Freiheit von Risiken

Die Fähigkeit der Software, potenzielle Schäden für Benutzer, Geschäftsprozesse oder die Umwelt zu minimieren.

Kontextabdeckung

Die Fähigkeit der Software, in verschiedenen Benutzer-, Organisations- und Umweltkontexten einsetzbar zu sein.

Fazit

Die ISO-Norm 25010 ist ein wertvolles Instrument zur Bewertung und Verbesserung der Qualität von Softwareprodukten und -systemen. Die Qualitätsmerkmale und Unterkriterien des Produktqualitätsmodells und des Qualitäts-in-Use-Modells ermöglichen eine umfassende Analyse und Bewertung verschiedener Aspekte der Softwarequalität. Softwareentwickler und Projektmanager können diese Modelle nutzen, um Qualitätsanforderungen zu definieren, Probleme zu identifizieren und Verbesserungen im Entwicklungsprozess umzusetzen. Dadurch entstehen qualitativ hochwertige Softwareprodukte, die den Bedürfnissen der Endbenutzer gerecht sind und zu einer höheren Zufriedenheit und besserer Performance beitragen.

Der Beitrag ISO-Norm 25010 – Leitfaden für herausragende Softwarequalität und vertrauenswürdige Systeme erschien zuerst auf CEOsBay.

Kurze Zeitreise

Die Tosca Testsuite ist eine Entwicklung der österreichischen Firma Tricentis und die Veröffentlichung fand erstmals im Jahr 2007 statt. Gegründet von Wolfgang Platz und Franz Fuchsberger, die beide Erfahrung in der Software-Entwicklung hatten.

Als sie in ihrem Berufsleben immer wieder auf die Probleme von manuellen Tests und fehleranfälliger Testautomatisierung stießen, beschlossen sie, eine Lösung zu entwickeln, die den Testprozess effizienter und präziser machen sollte.

Im Laufe der Jahre hat die Tosca Testsuite eine Reihe von Verbesserungen und Erweiterungen erhalten. Funktionen kamen hinzu, um die Unterstützung verschiedener Plattformen und Technologien zu verbessern und die Testdatenverwaltung und Berichterstattung zu optimieren.

Wie funktioniert Tosca?

Die Tosca Testsuite bietet eine breite Palette von Funktionen, die den Testprozess vereinfachen und beschleunigen. Ein wichtiges Merkmal ist die Möglichkeit, Testszenarien aufzunehmen und automatisch zu generieren. Bewerkstelligt durch die Verwendung von Model-Based Testing (MBT), bei dem man Testszenarien aus Modellen der Anwendung automatisch generiert. Diese Methode bietet eine höhere Effizienz und Präzision als manuelle Tests. An dieser Stelle verweise ich auch gerne auf (TDD), dem Test Driven Development.

Die Testsuite bietet auch eine integrierte Testdatenverwaltung, die grundsätzlich die Erstellung, Verwaltung und Wiederverwendbarkeit von Testdaten ermöglicht. Dies kann den Testprozess signifikant vereinfachen und reduziert die Fehlerquote.

Ein weiteres wichtiges Merkmal der Tosca Testsuite ist die Möglichkeit, Tests in einer Vielzahl von Umgebungen durchzuführen. Es unterstützt verschiedene Plattformen und Technologien wie Web-Anwendungen, mobile Anwendungen, SAP-Systeme und Legacy-Systeme.

Die Testsuite bietet auch eine umfassende Berichterstattungsfunktion, die eine genaue Übersicht über den Testprozess und über die Ergebnisse bietet. Man kann die Berichte auch anpassen, um die individuellen Anforderungen zu erfüllen. Unter anderem ermöglicht dies den Benutzern auch, schnell und einfach Einsicht in den Status des Testprozesses zu erhalten.

Die Tosca Testsuite ist relativ einfach zu bedienen und zu erlernen. Es bietet eine intuitive Benutzeroberfläche und eine umfangreiche Dokumentation, um den Einstieg zu erleichtern.

Fazit

Insgesamt bietet die Tosca Testsuite eine umfassende Lösung für das Testmanagement, die Automatisierung und die Überwachung von Anwendungen. Es verbessert die Effizienz des Testprozesses und reduziert die Fehlerquote, was zu einer höheren Qualität der Anwendung und einer besseren Benutzererfahrung führt.

Der Beitrag Tosca – Testautomatisierung für agile und fehlerfreie Softwareentwicklung erschien zuerst auf CEOsBay.

Nun, seit dem Film sind einige Jahre vergangen und ich habe in der Zwischenzeit den ein oder anderen Helfer bzw. Zeitgenossen programmiert, gebaut oder einfach gekauft. Angefangen von Sunny, meinem persönlichen KI-Assistenten (Powered by NVIDIA) (Siehe meinen Beitrag „Intelligenter Home Assistant – Projekt Sunny„), über Google Home (Stark modifiziert), zu Microsoft’s AI Lösungen, bis hin zu Vector dem kleinen lustigen Kerlchen, der gerne kleine Würfel mit Barcodes transportiert.

Künstliche Intelligenz (KI), auch artifizielle Intelligenz (AI bzw. A.I.) bzw. Artificial Intelligence, in englischer Sprache, ist ein Teilgebiet der Informatik. Es umfasst alle Anstrengungen, deren Ziel es ist, Maschinen intelligent zu machen. Dabei versteht man unter Intelligenz die Eigenschaft, die ein Wesen befähigt, angemessen und vorausschauend in seiner Umgebung zu agieren. Dazu gehört die Fähigkeit, Sinneseindrücke wahrzunehmen und darauf zu reagieren, Informationen aufzunehmen, zu verarbeiten und als Wissen zu speichern, Sprache zu verstehen und zu erzeugen, Probleme zu lösen und Ziele zu erreichen.

Man kann die künstliche Intelligenz in verschiedene Teilgebiete aufteilen.

Diese sind:

• Computer Vision
• Robotik
• Mustererkennung, wozu auch Spracherkennung und Handschrifterkennung zählen
• Wissensmodellierung einschließlich Logischer Programmierung und Inferenzmaschinen
• Expertensysteme, Frage-Antwort-Systeme und Chatbots
• Maschinelles Lernen
• Künstliche neuronale Netze und Deep Learning
• Universelle Spieleprogramme.

Was ist künstliche Intelligenz?

Künstliche Intelligenz (KI) bezieht sich auf die Fähigkeit von Maschinen, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern. Dies kann beispielsweise das Erkennen von Sprache, das Verstehen von Bildern, das Lösen von Problemen und das Treffen von Entscheidungen umfassen.

KI-Algorithmen und -Systeme basieren auf einer Vielzahl von Technologien, darunter maschinelles Lernen, neuronale Netze, natürliche Sprachverarbeitung und Deep Learning. Diese Technologien ermöglichen es KI-Systemen, aus Erfahrungen und Daten zu lernen, ihre Fähigkeiten zu verbessern und Entscheidungen zu treffen, die auf den gelernten Mustern basieren.

Es gibt zwei Hauptarten von KI: schwache KI und starke KI. Schwache KI-Systeme sind auf spezifische Aufgaben beschränkt und können nur innerhalb des Bereichs operieren, für den sie entwickelt wurden. Beispiele für schwache KI-Systeme sind Spracherkennungsprogramme und Bilderkennungsprogramme. Starke KI-Systeme hingegen sind in der Lage, menschenähnliche Intelligenz auf einer Vielzahl von Gebieten zu demonstrieren. Dieses Niveau der KI ist jedoch offiziell bisher nicht erreicht worden und bleibt eine Herausforderung für Forscher auf dem Gebiet.

KI hat zahlreiche Anwendungen in vielen Branchen, einschließlich Medizin, Finanzen, Automobilindustrie, Bildung und vielen anderen. Einige Beispiele für KI-Anwendungen sind personalisierte Empfehlungssysteme, autonome Fahrzeuge, Chatbots, medizinische Diagnosesysteme und Prognosesysteme für die Wettervorhersage.

KI bietet große Vorteile für Unternehmen und Organisationen, insbesondere in Bezug auf Effizienz und Produktivität. Es gibt jedoch auch Bedenken hinsichtlich der Ethik und Sicherheit von KI, insbesondere in Bezug auf Datenschutz und Diskriminierung. Es ist wichtig, dass KI-Systeme transparent, verantwortungsbewusst und ethisch entworfen, implementiert und betrieben werden, um sicherzustellen, dass sie das Gemeinwohl unterstützen und nicht beeinträchtigen.

Kurze Zeitreise

Die Idee der künstlichen Intelligenz (KI) geht auf das frühe 20. Jahrhundert zurück, als der britische Mathematiker Alan Turing erstmals die Möglichkeit eines intelligenten Computers diskutierte. Turing schlug vor, dass ein Computer intelligent genug sein könnte, um menschenähnliche Gespräche zu führen.

In den 1950er Jahren begannen Wissenschaftler und Ingenieure, konkrete Forschung im Bereich der KI zu betreiben. Der amerikanische Mathematiker und Informatiker John McCarthy prägte den Begriff „künstliche Intelligenz“ und organisierte eine Konferenz, die als Geburtsstunde der modernen KI gilt. In den 60er Jahren hat man dann die ersten KI-Programme entwickelt, die einfache Probleme wie Schach spielen oder einfache mathematische Probleme lösen konnten.

In den 70er Jahren geriet die KI-Forschung jedoch in eine Krise. Die meisten KI-Systeme konnten nur sehr begrenzte Aufgaben ausführen und die Erwartungen an die Technologie waren zu hoch. Die KI-Forschung stagnierte bis in die 80er Jahre, als man neue Technologien wie neuronale Netze und maschinelles Lernen entwickelt hatte.

In den 90er Jahren begann man damit, KI-Systeme in verschiedenen Bereichen wie Spracherkennung, Bildverarbeitung und Robotik einzusetzen. Diese Anwendungen ermöglichten es der KI-Technologie, konkrete Ergebnisse zu liefern und die Aufmerksamkeit von Unternehmen und Investoren zu gewinnen.

Im 21. Jahrhundert hat sich die KI-Forschung und -Entwicklung rasant weiterentwickelt. Man verwendet KI-Systeme jetzt in vielen Branchen und Anwendungen. Von der Medizin bis zur Finanzindustrie, von autonomen Fahrzeugen bis hin zu intelligenten Assistenten. Es gibt jedoch auch Bedenken hinsichtlich der Ethik und Sicherheit von KI. Insbesondere in Bezug auf Datenschutz, Diskriminierung und Autonomie. Die KI-Forschung und -Entwicklung spielt eine wichtige Rolle in der Technologie- und Geschäftswelt und ist ein Bereich von großem Interesse für Wissenschaftler, Ingenieure und Unternehmer.

Wie lernt die künstliche Intelligenz?

Künstliche Intelligenz (KI) verwendet verschiedene Techniken des maschinellen Lernens, um aus Erfahrungen und Daten zu lernen. Das maschinelle Lernen basiert auf Algorithmen und mathematischen Modellen, die es dem System ermöglichen, Muster und Zusammenhänge in den Daten zu identifizieren und zu generalisieren. Das Lernen in KI-Systemen erfolgt in der Regel in drei Schritten: Datenvorbereitung, Trainingsphase und Anwendung.

1. Datenvorbereitung

In der Datenvorbereitung werden die Daten, auf denen das KI-System trainiert werden soll, vorbereitet und in ein Format gebracht, das von den Algorithmen und Modellen verarbeitet werden kann. Dies beinhaltet in der Regel das Sammeln, Reinigen, Strukturieren und Labeln von Daten.

2. Trainingsphase:

In der Trainingsphase wird das KI-System auf der Grundlage der vorbereiteten Daten trainiert. Das System wird mit Daten und deren zugehörigen Labels oder Zielen versorgt. Das System nutzt dann mathematische Algorithmen und Modelle, um Muster und Zusammenhänge in den Daten zu identifizieren und diese Muster in eine allgemeine Regel oder Funktion zu überführen. Während des Trainingsprozesses passt das System seine Modelle und Algorithmen an, um die Genauigkeit und Leistung des Systems zu verbessern.

3. Anwendung:

Nach Abschluss des Trainings kann das KI-System angewendet werden, um neue Daten zu analysieren und Vorhersagen oder Entscheidungen zu treffen. Das System kann auf verschiedene Weise eingesetzt werden, z.B. zur Vorhersage von zukünftigen Ereignissen, zur Identifizierung von Mustern in Daten, zur Entscheidungsfindung oder zur Automatisierung von Aufgaben.

Arten der künstlichen Intelligenz

Es gibt verschiedene Arten von maschinellem Lernen, darunter überwachtes Lernen, unüberwachtes Lernen und bestärkendes Lernen. Überwachtes Lernen wird verwendet, wenn das System mit gelabelten Daten trainiert wird, um Vorhersagen oder Entscheidungen zu treffen. Unüberwachtes Lernen wird verwendet, wenn das System mit unlabeled Daten trainiert wird, um Muster und Zusammenhänge in den Daten zu identifizieren. Bestärkendes Lernen wird verwendet, um ein System zu trainieren, indem es durch Versuch und Irrtum lernt, indem es Belohnungen oder Strafen für seine Aktionen erhält.

Insgesamt hängt das Lernen der künstlichen Intelligenz von den Daten ab, auf denen das System trainiert wird und von den verwendeten Algorithmen und Modellen. Die Genauigkeit und Effektivität des Lernens hängen auch von der Qualität der Daten ab, die für das Training verwendet werden, sowie von der Fähigkeit des Systems, Muster und Zusammenhänge in den Daten zu identifizieren und auf neue Situationen zu generalisieren.

Fazit

Künstliche Intelligenz (KI) hat das Potenzial, die Art und Weise zu verändern, wie wir leben und arbeiten. Durch maschinelles Lernen und fortgeschrittene Algorithmen können KI-Systeme menschenähnliche Intelligenz auf eine Vielzahl von Aufgaben anwenden, von der Bilderkennung bis hin zur Entscheidungsfindung.

KI bietet zahlreiche Vorteile in verschiedenen Branchen und Anwendungen, von der Verbesserung der medizinischen Diagnostik bis hin zur Automatisierung von Arbeitsabläufen. Unternehmen und Organisationen können von der Effizienz und Produktivität profitieren, die KI-Systeme bieten können.

Es gibt jedoch auch Bedenken und Herausforderungen im Zusammenhang mit KI, insbesondere in Bezug auf Datenschutz, Sicherheit, Ethik und Diskriminierung. Es ist wichtig, dass KI-Systeme transparent und verantwortungsbewusst entwickelt, implementiert und betrieben werden, um sicherzustellen, dass sie das Gemeinwohl unterstützen und nicht beeinträchtigen.

Die KI-Entwicklung spielt voraussichtlich auch weiterhin eine wichtige Rolle in der Technologie- und Geschäftswelt und man kann durchaus damit rechnen-, dass die Technologie in den kommenden Jahren noch weitere Verbesserungen erfährt und neue Anwendungsgebiete erschließt. Es ist wichtig, dass wir uns auf eine verantwortungsvolle und ethische Nutzung von KI konzentrieren, um sicherzustellen, dass wir die Vorteile nutzen und gleichzeitig sicherstellen, dass wir die Risiken und Herausforderungen im Zusammenhang mit dieser fortschrittlichen Technologie verstehen und berücksichtigen.

Der Beitrag Künstliche Intelligenz – Zukunft gestalten und menschliches Potenzial mit innovativen Technologien entfesseln erschien zuerst auf CEOsBay.

Übrigens ist BDD aus der testgetriebenen Entwicklung hervorgegangen. Über BDD bzw. Behavior Driven Development habe ich bereits gestern geschrieben.

Klassisch und fast schon nostalgisch hat man und praktiziert man die Entwicklung heute noch nach dem Wasserfall- oder dem V-Modell-Prinzip. Man entwickelt die Tests parallel zum und unabhängig vom zu testenden System oder sogar erst nachdem die Anwendung „fertiggestellt“ wurde. Aufgrund dieser Tatsache resultiert meist daraus, dass der Code schwer testbar ist und somit der Aufwand für die Tests verhältnismäßig hoch ausfällt. Darüber hinaus kommt es auch vor, dass die Tests nicht die gewünschten oder erforderlichen Testabdeckungen und Ergebnisse liefern, die man sich erhofft.

Dies kann unter anderem daran liegen, dass die fehlende oder mangelnde Testbarkeit des Systems auf die Nutzung von Fremdkomponenten zurückzuführen ist. Auch die Verweigerung einer Investition in nicht-funktionale Programmteile seitens der Entscheider bzw. Unternehmensführung kann ein Grund dafür sein. So im Sinne von, „Arbeit, von der man später im Programm nichts sieht, seien vergeudete Ressourcen.“ Die Erstellung von Tests unter Zeitdruck, rein um die gewünschte Testabdeckung zu erzielen ist ebenfalls ein Grund dafür. Nicht selten, ist es aber auch die Nachlässigkeit und mangelnde Disziplin der Entwickler bei der Testerstellung. An dieser Stelle sein auch das White-Box-Testing zu erwähnen, den ich aber in einem zukünftigen Beitrag thematisieren werde.

Die Methode der testgetriebenen Entwicklung versucht den Nachteilen entgegenzuwirken und dabei auch ein auf die Aufgabenstellung der Software besser angepasstes und wartbareres Softwaredesign zu liefern.

Alles in allem ist es eine Tatsache, dass man bei der Anwenung von testgetriebener Entwicklung im Schnitt bis zu 45 Prozent aller Fehler erkennen bzw. vermeiden kann. Im Vergleich dazu, werden beim reinen Einsatz von Unittests im Schnitt nur bis zu 30 Prozent der Fehler erkannt.

Wie funktioniert TDD?

Bei der testgetriebenen Entwicklung ist zwischen dem Testen im Großen (Integrationstests, Systemtests, Akzeptanztests) und dem Kleinen Modultests (Unit Tests) zu unterscheiden.

Testgetriebene Entwicklung mit Unit-Tests (Stichwort Tests First bzw. Middle-Out-TDD)

Man schreibt Unit-Tests in der Regel vor der eigentlichen Entwicklung der Anwendung. Es ist nicht festgelegt, ob der Entwickler, der die Implementierung vornimmt, auch die Unit-Tests erstellt. Es ist erlaubt, dass mehrere fehlschlagende Unit-Tests gleichzeitig existieren. Die Umsetzung des von einem Unit-Test geforderten Verhaltens in der Anwendung kann zeitlich verschoben werden.

Die Methode Tests First kann als Vorstufe der testgetriebenen Entwicklung betrachtet werden.

TDD nach Kent Beck

Man entwickelt Unit-Tests und die mit ihnen getesteten Units stets parallel. Die eigentliche Entwicklung erfolgt in kleinen, wiederholten Mikroiterationen. Eine solche Iteration, die nur wenige Minuten dauern sollte, hat drei Hauptteile, die man im englischen schlicht als Red, Green und Refactor bezeichnet.

1. Red: Schreibe einen Test, der ein neues zu programmierendes Verhalten (die Funktionalität) prüfen soll. Dabei fängt man mit dem einfachsten Beispiel an. Ist die Funktion schon älter, kann dies auch ein bekannter Fehler oder eine neu zu implementierende Funktionalität sein. Dieser Test wird vom vorhandenen Programmcode erst einmal nicht erfüllt und muss folglich fehlschlagen.
   
2. Green: Ändere den Programmcode mit möglichst wenig Aufwand ab und ergänze ihn, bis er nach dem anschließend angestoßenen Testdurchlauf alle Tests besteht.
   
3. Räume dann im Code auf (Refactoring): Entferne Wiederholungen (Duplizierten Code), abstrahiere wo nötig, richte ihn nach den verbindlichen Code-Konventionen aus. In dieser Phase darf kein neues Verhalten eingeführt werden. Nach jeder Änderung werden die Tests ausgeführt. Der Fehlschlag der Tests verbietet es, die offenbar fehlerhafte Änderung in den bereits genutzten Code zu übernehmen. Ziel des Aufräumens ist es, den Code schlicht, elegant und verständlich zu machen.

Diese drei Schritte wiederholt man so lange und so oft, bis die bekannten Fehler bereinigt sind, der Code die gewünschte Funktionalität liefert und dem Entwickler keine sinnvollen weiteren Tests mehr einfallen, die vielleicht noch scheitern könnten. Die so behandelte programmtechnische Einheit (Unit) wird dann als einstweilen fertig angesehen. Die gemeinsam mit ihr geschaffenen Tests werden beibehalten, damit auch nach künftigen Iterationen und Änderungen getestet werden kann, ob die schon erreichten Aspekte des Verhaltens weiterhin erfüllt werden.

Damit die – auch Transformationen genannten – Änderungen in Schritt 2 zum Ziel führen, muss jede Änderung zu einer allgemeineren Lösung führen. Sie darf also nicht etwa nur den aktuellen Testfall auf Kosten anderer behandeln. Tests, die immer mehr ins Detail gehen, treiben den Code so zu einer immer allgemeineren Lösung. Die Beachtung der Transformationsprioritäten führt dabei regelmäßig zu effizienteren Algorithmen und damit Anwendungen. Die konsequente Befolgung dieser Vorgehensweise ist eine evolutionäre Entwurfsmethode, indem jede der einzelnen Änderungen bzw. Iterationen das System von Natur aus weiterentwickelt.

Testgetriebene Entwicklung mit System- oder Akzeptanztests (Stichwort Outside-In-TDD)

Wie bereits erwähnt, entwickelt man Systemtests bei der testgetriebenen Entwicklung immer vor dem System selbst oder aber man erstellt zumindest das Konzept dafür. Aufgabe der Systementwicklung ist bei testgetriebener Entwicklung nicht mehr, wie klassisch, schriftlich formulierte Anforderungen zu erfüllen, sondern spezifizierte Systemtests zu bestehen.

Akzeptanztestgetriebene Entwicklung (ATDD)

ATDD ist zwar mit testgetriebener Entwicklung verwandt, unterscheidet sich jedoch in der Vorgehensweise von testgetriebener Entwicklung. Akzeptanztestgetriebene Entwicklung ist ein Kommunikationswerkzeug zwischen dem Kunden bzw. den Anwendern, den Entwicklern und den Testern. Es soll sicherstellen, dass die Anforderungen gut beschrieben sind. Akzeptanztestgetriebene Entwicklung verlangt keine Automatisierung der Testfälle, wenngleich diese für das Regressionstesten hilfreich sind. Die Tests bei akzeptanztestgetriebener Entwicklung müssen dafür auch für Nicht-Entwickler lesbar sein. Die Tests der testgetriebenen Entwicklung können in vielen Fällen aus den Tests der akzeptanztestgetriebenen Entwicklung abgeleitet werden.

Der Beitrag TDD – Test Driven Development – Qualitativ hochwertige Software von Anfang an erschien zuerst auf CEOsBay.

Kurze Zeitreise

Die Entstehung von Content-Management-Systemen (CMS) ist eng mit der Entwicklung des Internets und dem Bedarf an benutzerfreundlichen Lösungen zur Erstellung und Verwaltung von Webinhalten verbunden.

In den frühen 90ern bzw. in den Anfängen des Internets, haben hauptsächlich Webentwickler Websites erstellt, die HTML, CSS, JavaScript und andere Programmiersprachen beherrschen mussten. Die Erstellung und Aktualisierung von Inhalten der Websites war zeitaufwändig und erforderte tiefgreifende technische Kenntnisse.

Durch das Aufkommen von Webpublishing-Tools, weiter in den frühen 90er Jahren, hat man verschiedene Webpublishing-Tools entwickelt, die die Erstellung von Webinhalten vereinfachen sollten. Diese Tools hat man damals auch über den Begriff WYSIWYG (What you see is what you get = Was du siehst, ist das, was du bekommst) kommuniziert. Beispiele hierfür sind Microsoft FrontPage und Adobe Dreamweaver. Diese Tools ermöglichten es Benutzern, Websites visuell zu erstellen, ohne direkt HTML-Code schreiben zu müssen. Allerdings hatten diese Werkzeuge ihre Einschränkungen. Insbesondere bei der Zusammenarbeit und der Verwaltung größerer Websites stieß man oftmals an die Grenzen dieser Tools. Auch musste man immer noch in den Code eingreifen, um individuelle Anpassungen vorzunehmen.

Die ersten Content Management Systeme

In den späten 90er Jahren entstanden die ersten Content-Management-Systeme, um die wachsenden Anforderungen an die Verwaltung von Webinhalten besser zu erfüllen. Diese frühen CMS ermöglichten es mehreren Benutzern, Inhalte gemeinsam zu erstellen und zu aktualisieren und boten eine bessere Struktur sowie Organisation für Websites.

Zu den ersten CMS gehörten Vignette StoryServer, Allaire Spectra und OpenMarket Content Server.

Mit dem Aufkommen von Open-Source-CMS und der Demokratisierung des Webpublishings in den frühen 2000er Jahren, kamen Lösungen wie WordPress, Joomla und Drupal zum Vorschein. Das Erstellen und Verwalten von Websites war nunmehr für eine breitere Masse zugänglich. Diese Systeme boten einfache Benutzeroberflächen, eine Vielzahl von Plugins und Erweiterungen und eine große Community-Unterstützung.

Ab 2010 ging dann die Anpassung an mobile Geräte und die zunehmende Bedeutung von Responsive Design los. Mit der Verbreitung von Smartphones und Tablets, war Responsive Design zu einer Notwendigkeit für moderne Websites geworden. CMS mussten sich anpassen, um die einfache Erstellung von Websites zu ermöglichen, die auf verschiedenen Geräten und Bildschirmgrößen funktionierten.

Heutzutage sind Content-Management-Systeme ein unverzichtbares Werkzeug für die Erstellung und Verwaltung von Websites und gehören zum Alltag. Sie haben sich ständig weiterentwickelt, um den wachsenden Anforderungen der Webentwicklung gerecht zu sein.

Heutzutage ist es für Benutzer weitestgehend möglich, ohne technischen Hintergrund ansprechende und funktionelle Websites zu erstellen.

Funktionen eines CMS

Ein CMS bietet eine Vielzahl von Funktionen, die die Erstellung und Verwaltung von Webinhalten erleichtern. Dazu gehören:

1.1. Benutzerfreundliche Oberfläche: Die meisten Content Management Systeme bieten eine intuitive, grafische Benutzeroberfläche, die es einfach macht, Inhalte zu erstellen, zu bearbeiten und zu organisieren.

1.2. Templates und Themes: Um ein einheitliches Erscheinungsbild der Website zu gewährleisten, nutzen CMS vorgefertigte Templates und Themes, die sich anpassen und individualisieren lassen.

1.3. Erweiterbarkeit: Content Management Systeme lassen sich häufig durch Plugins und Erweiterungen anpassen, um zusätzliche Funktionen hinzuzufügen.

1.4. Benutzerverwaltung und Zugriffskontrolle: Ein CMS ermöglicht die Verwaltung mehrerer Benutzer mit verschiedenen Rollen und Zugriffsebenen.

1.5. SEO-Optimierung: Content Management Systeme bieten oft integrierte Funktionen zur Optimierung der Website für Suchmaschinen.

Vorteile von CMS

2.1. Einfache Bedienung: Ein CMS erleichtert die Erstellung und Verwaltung von Webinhalten, auch für Benutzer ohne technischen Hintergrund.

2.2. Kosteneffizienz: Content Management Systeme sparen Kosten, da sie die Notwendigkeit reduzieren, professionelle Webentwickler für die Erstellung und Wartung einer Website einzustellen.

2.3. Skalierbarkeit: Ein Content Management System ermöglicht es, die Website problemlos zu erweitern und zu aktualisieren, um die wachsenden Anforderungen zu erfüllen.

2.4. Zusammenarbeit: Ein Content Management System erleichtert die Zusammenarbeit zwischen verschiedenen Teammitgliedern bei der Erstellung und Verwaltung von Inhalten.

2.5. Sicherheit: Viele CMS bieten Sicherheitsfunktionen wie regelmäßige Updates und Patches, um die Website vor potenziellen Bedrohungen zu schützen.

Beliebte CMS-Lösungen

3.1. WordPress: WordPress ist das weltweit bekannteste und am häufigsten eingesetzte CMS. Es ist bekannt für seine Benutzerfreundlichkeit, große Auswahl an Themes und Plugins sowie seine aktive Community. Den Beitrag dazu gibt es hier.

3.2. Joomla: Joomla ist ein leistungsfähiges und flexibles CMS, das sich besonders für komplexe Websites und Online-Anwendungen eignet. Es bietet erweiterte Funktionen und ist gut dokumentiert.

3.3. Drupal: Drupal ist ein leistungsstarkes und erweiterbares CMS, das sich ideal für große, komplexe Projekte eignet. Es ist bekannt für seine hohe Sicherheit und Skalierbarkeit.

3.4. Wix: Wix ist ein benutzerfreundliches CMS, das sich besonders für kleine Unternehmen und persönliche Websites eignet. Mit seiner Drag-and-Drop-Funktionalität können Benutzer ihre Websites einfach und schnell gestalten.

3.5. Squarespace: Squarespace ist ein weiteres benutzerfreundliches CMS, das sich durch seine stilvollen und modernen Vorlagen auszeichnet. Es ist besonders geeignet für kreative Berufe wie Fotografen, Designer und Künstler.

3.6. Shopify: Shopify ist ein spezialisiertes CMS für den E-Commerce-Bereich. Es bietet eine Vielzahl von Funktionen und Integrationen, die speziell auf den Online-Handel zugeschnitten sind.

3.7. TYPO3: TYPO3 ist ein leistungsstarkes, skalierbares und erweiterbares Open-Source-CMS, das sich besonders für große und komplexe Websites eignet. Es bietet eine Vielzahl von Funktionen und Erweiterungen und hat eine aktive Community.

Auswahl des richtigen CMS

Bei der Auswahl des richtigen Content Management Systems muss man verschiedene Faktoren berücksichtigen, wie:

4.1. Anforderungen: Die Anforderungen der Website bestimmen, welches CMS am besten geeignet ist. Man muss Überlegungen anstellen, welche Funktionen und Erweiterungen erforderlich sind, um die Ziele der Website zu erreichen.

4.2. Budget: Man sollte immer die Kosten für die Einrichtung und Wartung eines CMS berücksichtigen. Open-Source-Lösungen sind in der Regel kostengünstiger, während einige proprietäre Systeme höhere Gebühren erheben können.

4.3. Technische Kenntnisse: Einige Content Management Systeme erfordern mehr technische Kenntnisse als andere. Es ist wichtig, ein Content Management System zu wählen, das den Fähigkeiten des Individuums bzw. Teams entspricht.

4.4. Support und Community: Eine aktive Community und verfügbarer Support sind entscheidend für den Erfolg einer CMS-basierten Website. Man sollte immer prüfen, ob es ausreichend Ressourcen und Hilfestellungen gibt.

Fazit

Ein Content-Management-System ist ein wertvolles Tool für die Erstellung und Verwaltung von Webinhalten. Es gibt eine Vielzahl von CMS-Lösungen auf dem Markt, die sich in Funktionalität, Flexibilität und Benutzerfreundlichkeit unterscheiden. Bei der Auswahl eines CMS ist es wichtig, die spezifischen Anforderungen der Website, das Budget und die technischen Fähigkeiten des Individuums bzw. des Teams zu berücksichtigen. Mit dem richtigen CMS kann man die Online-Präsenz effektiv verwalten und optimieren, um die passende Zielgruppe zu erreichen.

Der Beitrag CMS – Inhalte mühelos verwalten erschien zuerst auf CEOsBay.

Apache Kafka ist die Entwicklung von LinkedIn. Seit 2012 ist es Teil der Apache Software Foundation. Im Jahr 2014 gründeten die Entwickler das Unternehmen Confluent aus LinkedIn heraus, welches die Weiterentwicklung von Apache Kafka fokussiert. Apache Kafka ist ein verteiltes System, das skalierbar und fehlertolerant und somit für Big-Data-Anwendungen geeignet ist.

Wie funktioniert Apache Kafka?

Den Kern des Systems bildet ein Rechnerverbund (Cluster), bestehend aus sogenannten Brokern. Broker speichern Schlüssel-Wert-Nachrichten zusammen mit einem Zeitstempel in Topics. Topics wiederum sind in Partitionen aufgeteilt, die im Kafka-Cluster verteilt und repliziert sind. Innerhalb einer Partition werden die Nachrichten in der Reihenfolge gespeichert, in der sie geschrieben wurden. Lese- und Schreibzugriffe umgehen den Arbeitsspeicher durch die direkte Anbindung der Festplatten mit dem Netzwerkadapter (Zero Copy), so dass weniger Kopiervorgänge vor dem Schreiben oder Versenden von Nachrichten nötig sind.

Was ist Zero Copy im Kontext Apache Kafka?

Zero Copy „Null-Kopie“ beschreibt Computeroperationen, bei denen die CPU keine Daten von einem Speicherbereich in einen anderen kopiert oder bei denen unnötige Datenkopien vermieden werden. Dies wird häufig verwendet, um CPU-Zyklen und Speicherbandbreite bei vielen zeitaufwändigen Aufgaben zu sparen. Beispielsweise bei der Übertragung einer Datei mit hoher Geschwindigkeit über ein Netzwerk, wodurch die Leistung von Programmen (Prozessen), die von einem Computer ausgeführt werden, verbessert wird.

Anwendungen, die Daten in einen Kafka-Cluster schreiben, werden als Producer bezeichnet, Anwendungen, die Daten von dort lesen, als Consumer. Zur Datenstromverarbeitung besteht die Möglichkeit, Kafka Streams zu verwenden. Kafka Streams ist eine Java-Bibliothek, die Daten aus Kafka liest, verarbeitet und die Ergebnisse nach Kafka zurückschreibt. Auch die Verwendung mit anderen Stream-Verarbeitungssystemen ist möglich. Ab der Version 0.11.0.0 ist „„transaktionales Schreiben“ auch möglich, dadurch ist garantiert, dass die Verarbeitung von Nachrichten exakt ein einziges Mal stattfindet, wenn eine Anwendung Kafka Streams verwendet. Stichwort (Exactly-Once processing) – Wobei dies ein Thema für sich darstellt und den Rahmen hier sprengen würde.

Kafka unterstützt zwei Arten von Topics: „normal“ und „compacted“ Topics. Normale Topics garantieren, Nachrichten für einen konfigurierbaren Zeitraum vorzuhalten oder einen gewissen Speicherbedarf nicht zu überschreiten. Liegen Nachrichten vor, die älter sind als die konfigurierte „retention time“, oder ist das Speicherlimit einer Partition überschritten, kann Kafka alte Nachrichten löschen, um Festplattenspeicher freizugeben. Standardmäßig speichert Kafka Nachrichten für 7 Tage, aber es ist auch möglich, Nachrichten für immer zu speichern. Neben „normal“ Topics bietet Kafka auch „compacted“ Topics an, die keiner Zeit- oder Platzlimitierung unterliegen. Stattdessen werden neuere Nachrichten als Aktualisierung („updates“) alter Nachrichten mit dem gleichen Schlüssel interpretiert. Dadurch ist garantiert, dass keine Löschung der neuesten Nachricht pro Schlüssel stattfindet. Nutzer können Nachrichten jedoch explizit löschen, indem sie eine Spezialnachricht (sog. tombstone) mit null-Wert für den entsprechenden Schlüssel schreiben.

Apache Kafka bietet vier Hauptschnittstellen an:

• Producer API
  Für Anwendungen, die Daten in einen Kafka-Cluster schreiben wollen. 
• Consumer API
  Für Anwendungen, die Daten aus einem Kafka-Cluster lesen wollen.
• Connect API
  Import/Export-Schnittstelle zur Anbindung von Drittsystemen und baut auf der Consumer- und der Producer-API auf. Kafka Connect führt sogenannte Konnektoren („connectors“) aus, welche die eigentliche Kommunikation mit dem Drittsystem übernehmen. Dabei definiert die Connect-API die Programmierschnittstellen, die von einem Connector implementiert werden müssen. Es gibt bereits viele frei verfügbare und kommerzielle Konnektoren, die genutzt werden können. Apache Kafka liefert selbst keine produktreifen Konnektoren.
• Streams API
  Java-Bibliothek zur Datenstromverarbeitung. Die Bibliothek ermöglicht es, zustandsbehaftete Datenstromverarbeitungsprogramme zu entwickeln, die sowohl skalierbar, flexibel als auch fehlertolerant sind. Dafür bietet Kafka Streams eine eigene domänenspezifische Sprache (DSL) an, die Operatoren zum Filtern, Abbilden (Mappen) oder Gruppieren enthält. Des Weiteren werden Zeitfenster, Joins, und Tabellen unterstützt. Ergänzend zur domänenspezifischen Sprache ist es auch möglich, eigene Operatoren in der Processor-API zu implementieren. Diese Operatoren können auch in der domänenspezifischen Sprache genutzt werden. Zur Unterstützung zustandsbehafteter Operatoren wird RocksDB verwendet. Dies erlaubt es, Operatorzustände lokal vorzuhalten und Zustände, die größer als der verfügbare Hauptspeicher sind, als RocksDB-Daten auf die Festplatte auszulagern. Um den Anwendungszustand verlustsicher zu speichern, werden alle Zustandsänderungen zusätzlich in einem Kafka-Topic protokolliert. Im Falle eines Ausfalls können alle Zustandsübergänge aus dem Topic ausgelesen werden, um den Zustand wiederherzustellen.

Die Consumer- und Producer-Schnittstellen basieren auf dem Kafka-Nachrichtenprotokoll und können als Referenzimplementierung in Java angesehen werden. Das eigentliche Kafka-Nachrichtenprotokoll ist ein binäres Protokoll und erlaubt es damit, Consumer- und Producer-Clients in jeder beliebigen Programmiersprache zu entwickeln. Damit ist Kafka nicht an das JVM-Ökosystem gebunden.

Fazit

Apache Kafka bietet als Plattform ein redundantes und skalierbares Event-Streaming. Es funktioniert sowohl auf einem einzelnen Server als auch in riesigen Clustern mit multiplen Brokern. Die Datenquellen und Senken werden in Kafka als Producer und Consumer bezeichnet, die Events in Topics schreiben oder aus Topics lesen. Zusätzlich können verschiedene Systeme über Kafka Connect angebunden werden. Eine Echtzeitdatenverarbeitung auf Stream Basis ist über das Kafka-Streams-Framework möglich. Durch Consumer Groups kann man auch die Anwendungen, die ihre Daten aus Kafka beziehen, verteilt ausgeführen, ohne dass die Verarbeitung eines Events mehrfach stattfindet.

Der Beitrag Apache Kafka – Echtzeit-Datenströme in wertvolle Einblicke verwandeln erschien zuerst auf CEOsBay.

Funktionsweise

Um eine Blockchain-Transaktion zu verifizieren, muss sie an die Blockchain angehängt werden. In der Proof of Stake-Blockchain sind die anhängenden Entitäten als Validierer bezeichnet (in den Proof of-Work-Blockchains wird diese Aufgabe von den Minern übernommen). In den meisten Protokollen erhalten die Validierer als auch Miner für die Validierung eine Belohnung in Form der Kryptowährung auf dessen Blockchain sie die Verifizierung übernehmen.

Man spricht in der Regel von einem Konsens

Proof-of-Stake dient dazu, um einen Konsens auf der Blockchain zu schaffen. Um so die Blockchain sicher und aufrecht zu erhalten. Da es sich bei der Blockchain (Stichwort – Distributed-Ledger) um ein dezentrales Netzwerk, ohne zentralisierte Autorität und Verwaltung handelt, müssen die Teilnehmer des Netzwerks durch die Validierung die Richtigkeit der Daten auf der Blockchain sicherstellen.

Kurz gesagt, spricht man von einem Konsens, wenn sich die Teilnehmer des Netzwerks darüber einig sind, welche Werte, welchem Teilnehmer, zu welchem Zeitpunkt zuzuordnen sind.

Ablauf beim Proof of Stake

Im Grunde genommen kommen die Daten über Transaktionen, für die eine Legitimation bzw. Validierung erforderlich ist. Dieser Prozess wird von den sogenannten Nodes im Netzwerk übernommen. Die validierten Transaktionen werden in Blöcke zusammengefasst und an die Blockchain angefügt. Folglich dient als Grundlage für die Validierung das Halten gewisser Anteile der Kryptowährung.

Frühe PoS-Implementierungen litten unter einer Reihe von Angriffen. Nachdem die Angriffe relativ ähnlich verliefen und sich auf bestimmte Schwachstellen der PoS-Protokolle konzentrieren, haben sich zwei funktionsfähige und vorherrschende Konzepte herauskristallisiert. Der sogenannte Byzantine Fault Tolerance Ansatz und der Chain basierte Ansatz. Letzteres wählt während des Zeitfensters eines Wechsels, zufällig einen Validator aus und weist diesem die Rechte zu, einen neuen Block erstellen zu dürfen. Bei dem Byzantine Fault Tolerance Ansatz erfolgt die Auswahl zwar ebenfalls zufällig, doch beschränken sich die Rechte lediglich auf Vorschläge, welcher Block als korrekt einzustufen ist. Die Validierung selbst erfolgt durch einen mehrstufigen Prozess, bei dem jeder Validator eine Art Abstimmung für einen bestimmten Block sendet. Wobei am Ende des gesamten Prozesses nochmals von allen Validatoren eine Abstimmung über die Zugehörigkeit an der Blockchain erfolgt.

Wieso als Validator nicht dem Proof of Stake System schaden?

Der Anreiz erfolgt nicht nur durch das Belohnungssystem. Auch die Zuverlässigkeit wie die Blöcke geforged werden, sind in das System eingebunden.

Die unrechtmäßige Validierung von Transaktionen resultiert in einem Wert- oder Totalverlust der Anteile, da die Anteile als eine Art Pfand hinterlegt sind. Und nachdem eine Fehlvalidierung dem gesamten System schadet, verfolgt kein Validator das Ziel, der Sicherheit der Blockchain zu schaden. Böse Zungen könnten jetzt natürlich eine Verschwörung formulieren. Doch durch die Tatsache, dass die Zuteilung der zu validierenden Blöcke nicht nur von der Höhe der Anteile, sondern zusätzlich vom Zufalls-Algorithmus abhängt, schließt dies aus. Es kann folglich nicht vorhergesagt werden, wer zu welchem Zeitpunkt eine Validierung erhält. Diese Tatsache stellt zugleich den Nachteil des PoS-Ansatzes dar, da mit diesem System der Eindruck von einer Lotterie entsteht. Eine Zuteilung kann nur erfolgen, wenn signifikante Anteile an der Kryptowährung zur Verfügung stehen. Folglich besteht die Gefahr der Bildung eines Monopols oder von Oligopolen.

Bekannte Proof of Stake Lösungen

Zu den bekanntesten PoS Lösungen zählen der Binance Coin (BNB), Solana (SOL), Cardano (ADA), Polkadot (DOT), Avalanche (AVAX) und mittlerweile gehört auch Ethereum dazu.

Fazit

Proof of Stake ist durchaus eine energieeffiziente Alternative zu Proof of Work. Dies steht außer Frage. Die Wahrscheinlichkeit des Forgings eines Blocks wird nach dem Anteil an der Gesamtmenge der Kryptowährung innerhalb des Netzwerks bestimmt, statt durch die Rechenleistung. Dennoch gefällt mir der Gedanke nicht, dass sich innerhalb dieses Systems Monopole oder Oligopole bilden können. Denn diese Tatsache bedroht den Grundgedanken der Dezentralisierung grundlegend.

P.S. Heute wirklich sehr spät dran. Aber das Jahresende rückt näher und ich musste die Steuer für meine Unternehmungen machen. Und nachdem ich sehr viel Wert darauflege, dass dies richtig gemacht wird, dauert es auch dementsprechend etwas länger. Auch die Kryptosteuer wird heuer für Anleger fällig. Dies wird nicht nur für uns schwierig, sondern auch für all die Steuerberater und Steuerkanzleien, die noch keinen Plan davon haben was uns erwartet 😀

Aber auch dafür wird es einen Beitrag geben. Denn man kann Profis zu Rate ziehen, die schon etwas länger dabei sind und auch bei der Ermittlung der Gewinne und Verluste gibt es viele Wege der Automatisierung. Doch dazu in den kommenden Tagen mehr. Mein Körper braucht jetzt Schlaf 😀

Der Beitrag Proof of Stake (PoS) – Der Algorithmus für eine effiziente und nachhaltige Blockchain erschien zuerst auf CEOsBay.

Debian GNU/Linux basiert auf den grundlegenden Systemwerkzeugen des GNU-Projektes sowie dem Linux-Kernel.

Die aktuelle Version ist Debian 11 „Bullseye“ und als Vorabversion gibt es bereits Debian 12 „Bookworm“. Es bietet eine große Auswahl (Zurzeit ca. 60.000) an Anwendungsprogrammen und Werkzeugen. Auch wird Debian als Basis für viele andere Linux Distributionen genutzt. Eines der Bekannteren Ubuntu, welches eher nicht mehr zu meinen persönlichen Favoriten gehört.

So ging es los

Im August 1993 hat Ian Murdock mit der Arbeit an einem neuen Betriebssystem angefangen. Es sollte offen sein, ganz im Sinn von Linux und GNU. Er verschickte eine offene Einladung an andere Software-Entwickler und lud sie ein, bei einer Software-Distribution mitzumachen, die auf dem damals noch recht jungen Linux-Kernel basieren sollte. Debian sollte sorgfältig zusammengestellt und genauso gewissenhaft betreut und unterstützt werden. Dabei sollte es ein offenes Design aufweisen und Beiträge und Unterstützung aus der Freien-Software-Gemeinschaft einfließen lassen.

Alles begann mit einer kleinen, eingeschworenen Gruppe von Hackern von freier Software und wuchs zu einer relativ großen, gut organisierten Gruppe aus Entwicklern, Beitragenden und Anwendern heran. Mittlerweile fasst das Debian-Projekt mehr als eintausend aktive Entwickler und Unterstützer auf der ganzen Welt.

Die Satzung

Ein Projekt mit dieser Größe braucht eine gute Organisationsstruktur. Aus diesem Grund hat das Debian-Projekt klare Regeln und Richtlinien, die man hier unter der Satzung einsehen kann.

Debian – Das Wieso

Manche wundern sich, warum so viele Menschen dafür brennen, so viel Freizeit in das Programmieren, Verpacken und Betreuen von Software zu investieren und sie dann auch noch zu verschenken. Dafür gibt es eine ganze Reihe von Gründen.

Manche Leute sind von Natur aus einfach hilfsbereit und haben mit der Einbringung in ein freies Software-Projekt ihren Weg gefunden, diese Hilfsbereitschaft auszuleben.

Viele Entwickler schreiben Programme, um Computer sowie verschiedene Architekturen und Programmiersprachen besser zu verstehen.

Einige Unterstützer möchten sich für all die freie Software revanchieren, die sie benutzen dürfen und bringen sich deshalb ein. 

Dann gibt es noch viele AkademikerInnen, die an freier Software entwickeln, um ihre Kenntnisse zu erweitern und um die Ergebnisse ihrer Forschungen bekannt zu machen.

Und zu guter Letzt gibt es Unternehmen, die bei der Entwicklung und Betreuung von freier Software helfen, um Einfluss darauf zu nehmen, wie sich die Software weiterentwickelt. Besonders dann, wenn man neue Features schnell implementiert haben möchte.

Ich persönlich bin bei dem ein oder anderen Projekt dabei, weil mich die Technologie an sich interessiert und mir die Zusammenarbeit mit Menschen sehr viel Spaß macht. Und nachdem mir relativ schnell langweilig wird, benötige ich immer wieder neuen Input. Letzteres gilt natürlich für die Technologie und weniger für die Menschen. Im Grunde genommen, beteiligt man sich meistens an Open Source bzw. in diesem Kontext als Debian-Entwickler, für den Spaß und um gemeinsam etwas großartiges zu erschaffen.

Ideologie und unfreie Software

Die Debian Gemeinschaft glaubt an die freie Software. Dennoch ist es respektiert, dass Menschen manchmal unfreie Software auf ihren Computern installieren müssen. Aus diesem Grund gibt es den Beschluss seitens der Debian Entwickler, diese Menschen nach Möglichkeit zu unterstützen, daher gibt es eine immer größer werdende Anzahl von Paketen, die unfreie Software auf einem Debian-System nachinstallieren lässt.

Diese Tatsache kann besonders zu Beginn relativ herausfordernd sein, da man bereits zur Installation von Debian nicht freie Treiber Pakete für diverse Hardware installieren muss, die nicht standardmäßig auf den Installationsmedien mitgeliefert werden. Besonders betroffen hierbei, sind in der Regel die Treiber für die Netzwerkkarte, da man diese bereits bei der Installation benötigt, um aktualisierte Pakete bereits bei der initialen Installation mitzuinstallieren. Doch dies werde ich, mit einer hohen Wahrscheinlichkeit, bei einem späteren Beitrag nochmals ausführlich thematisieren.

Das Projekt

So gesehen, kann sich jeder als Debian Entwickler registrieren, der den sogenannten New-Member-Prozess erfolgreich durchläuft. Die Bewerber kommen hinsichtlich ihrer Kenntnisse und Fähigkeiten auf den Prüfstand. Außerdem wird sichergestellt, dass sie mit der Philosophie des Projektes vertraut sind.

Der Name des Betriebssystems leitet sich von den Vornamen des Debian-Gründers Ian Murdock und seiner damaligen Freundin und späteren Ehefrau Debra Lynn ab. Bereits wenige Monate nach der Gründung, im Mai 1994, entschied sich das Projekt zu einer Änderung des offiziellen Namens von Debian zu Debian GNU/Linux.

Letzteres ging mit der Auffassung der Free Software Foundation einher, dass das häufig als Linux bezeichnete Betriebssystem eine Variante des GNU-Systems sei. Dahingehend gab es einen relativ bekannten Namensstreit, den ich hier nicht wirklich thematisieren werde. Wen es aber interessiert, kann gerne hier vorbeischauen.

Allgemein spricht man nur noch von Debian, wenn man von Debian spricht 😀

Das System ist bekannt für seine Paketverwaltung dpkg und deren Frontend APT. Mit diesen ist es möglich, alte Versionen von Debian GNU/Linux durch aktuelle zu ersetzen oder neue Softwarepakete zu installieren. Sie sind ebenfalls dafür zuständig, alle von einem Programm benötigten Abhängigkeiten aufzulösen, also alle Programmpakete zu laden und zu installieren, welche die gewünschte Software benötigt.

Sicherheit

Alle Probleme mit der Software sind öffentlich behandelt, so auch sämtliche Sicherheitsprobleme. Aspekte der Sicherheit sind öffentlich auf der debian-security-announce-Mailingliste zur Diskussion freigegeben. Debian‘s Sicherheitsgutachten (Audits) werden über eine öffentliche Mailingliste versendet (Sowohl unter den Entwicklern als auch mit den externen Mailinglisten) gleichzeitig auf einem öffentlichen Server bekanntgegeben.

Durch diese Handhabung verspricht man sich ein schnelleres Auffinden von Sicherheitslücken und damit die Möglichkeit, diese auch eher beheben zu können. Die entgegengesetzte Herangehensweise des Security Through Obscurity (Sicherheit durch Unklarheit bedeutet, dass man sich in der Sicherheitstechnik auf die Geheimhaltung des Entwurfs oder der Implementierung als Hauptmethode zur Gewährleistung der Sicherheit eines Systems oder einer Komponente verlässt) ist dagegen als unpraktikabel angesehen. 

Die Tatsache, dass die Entwicklung der Distribution öffentlich sichtbar unter Beteiligung einer Vielzahl von Personen geschieht, erfordert besondere Sicherheitsmaßnahmen. Änderungen an Paketen sind grundsätzlich mit einem verifizierbaren Schlüssel digital signiert. Die Überprüfung der Gültigkeit der Signatur erfolgt beim Anwender vor der Installation. Diese Maßnahme soll es Dritten erschweren, schädliche Software in Debian-Pakete einzuschleusen.

Die Paketbetreuer passen die Sicherheitsaspekte ihrer jeweiligen Software an die allgemeinen Grundsätze von Debian an. Daher sind Dienste nach der Installation oft als „sicher“ voreingestellt, was von einem Benutzer als „Einschränkung“ empfunden werden kann. Dennoch versucht Debian, Sicherheitsaspekte und einfache Administration abzuwägen. Zum Beispiel werden Dienste wie ssh und ntp nicht inaktiv installiert, wie es bei den Distributionen der BSD-Familie üblich ist. Auf BSD werde ich in einem zukünftigen Beitrag eingehen.

Wenn ein Sicherheitsproblem in einem Debian-Paket entdeckt wird, kommt es zusammen mit einer Einschätzung der dadurch entstehenden Gefahr in die Öffentlichkeit bzw. wird auf den vorher erwähnten Wegen publiziert. Parallel wird so schnell wie möglich ein Sicherheitsupdate dieses Pakets vorbereitet und auf speziellen Servern veröffentlicht. Kritische Sicherheitslücken werden auf diese Weise häufig innerhalb von Stunden geschlossen.

An dieser Stelle ist es vielleicht sinnvoll zu erwähnen, dass die von Debian angepasste Implementierung des für die Schlüsselerstellung zuständigen Zufallsgenerators der OpenSSL-Bibliothek zwischen September 2006 und Mai 2008 mit einer erheblichen Sicherheitslücke lief. Die generierten geheimen Schlüssel konnten abgeschätzt und damit in kurzer Zeit (vor-)berechnet werden (1024- und 2048-Bit-Schlüssel in ungefähr zwei Stunden). Insbesondere OpenSSH und die sichere Kommunikation in Webbrowsern waren davon betroffen.

Das Sicherheitsrisiko besteht weiterhin für alle RSA-Schlüssel, die in diesem Zeitraum auf betroffenen Systemen erstellt wurden und seit der Aktualisierung der Bibliothek nicht neu erstellt wurden. Auch alle DSA-Schlüssel, die jemals von einem Rechner mit fehlerhaftem Zufallszahlengenerator verwendet wurden, sind seitdem unsicher. Selbst wenn diese ursprünglich auf einem Rechner mit korrekt arbeitendem Zufallszahlengenerator erstellt wurden. Zu einem der größeren Sicherheitslücken kam es auch im Jahr 2019. Denn da wurde in dem Paketmanagertool von Debian („apt“ bzw. „apt-get“) eine Sicherheitslücke entdeckt, die es einem Man-in-the-Middle-Angreifer ermöglichte Code bei einem Update auszuführen.

Fun Facts

Die Stadt München war zwischen 2006 und 2013 mit Debian-basierten Betriebssystemen LiMux auf freier Software unterwegs. Spekulationen zufolge switchten sie durch Einfluss von Microsoft, da sie mit einer Deutschland-Zentrale von Unterschleißheim nach München-Schwabing umzogen, zu Microsoft. Dies könnte mit der Gewerbesteuer an die Stadt München zusammenhängen, meinte der ein oder andere Autor im Manager-Magazin.

Fazit

Wie bereits erwähnt, empfinde ich Debian als äußerst sympathisches Projekt bzw. Distribution. Nichtsdestotrotz ist es, meiner Meinung nach, noch kein einsteigerfreundliches Betriebssystem. Zum einen, wegen der unfreien Treiber, die gegebenenfalls vor- oder nachinstalliert werden müssen und zum anderen, weil grundsätzlich jedes System nach der Neuinstallation Sicherheitslücken enthält, die von fähigen Personen geschlossen werden müssen. Debian GNU/Linux bietet umfangreiche Möglichkeiten, das System vor unbefugten Zugriffen abzuschotten. Allerdings reicht es nicht aus nur Sicherheits-Updates aufzuspielen. Der Anwender selbst kann und muss aktiv sein System „härten“. Und dafür muss man schon einiges an Fachwissen mitbringen.

Sicherlich kann sich der Nutzer über Sicherheitsrisiken unter den genannten Quellen bereits im Vorfeld informieren. Doch auch während und nach der Installation des Debian-Betriebssystems muss der Nutzer auf einige grundlegende Dinge achten. Dies beginnt bei den BIOS-Einstellungen, geht über die Absicherung des Bootloaders und schlussendlich bei der Installation von Sicherheits-Patches bzw. zur Anpassung von Diensten und sicherheitsrelevanten Dateien.

Daher ist es vielleicht sinnvoll, mit einem „einfacheren“ System wie Ubuntu zu beginnen und sich so langsam in die Materie einzuarbeiten, wenn man in der Zukunft etwas unabhängiger und konsequenter unterwegs sein will.

Der Beitrag Debian – Für Stabilität und Freiheit erschien zuerst auf CEOsBay.