Moderne Webanwendungen und Apps bieten unglaublich viele, teilweise komplexe Interaktionsmöglichkeiten und Funktionen. Durch die zunehmende Nutzung mobiler Endgeräte wird die Testkomplexität darüber hinaus weiter gesteigert. Um möglichst schnell und kosteneffizient testen zu können wird der Testaufwand meist auf eine Menge von besonders wichtigen und zentralen Kernfunktionalitäten beschränkt.
Testautomatisierung ist daher in agilen Entwicklungsumgebungen ein notwendiger und essentieller Bestandteil der Qualitätssicherung.

Die Entwicklung dieser automatischen Tests ist dabei jedoch ebenfalls ein enormer Kostenfaktor. Eine Alternative stellt themen-getriebenes Testen dar. Der Deep-Learning basierte Ansatz analysiert die interaktiven Elemente der grafischen Oberfläche, um automatisch deren Funktion zu erkennen. Statt technischer Testspezifikationen, werden Makro-Anweisungen in natürlicher Sprache wie “Füge das Produkt in den Warenkorb” oder “Logge dich ein” automatisch ausgeführt. Dies erlaubt die Entwicklung robuster Testfälle für ein ganzes Portfolio von Anwendungen und Plattformen.
In Kombination mit modellbasierten Ansätzen kann typisches Anwendungsverhalten erlernt werden und somit nicht nur Testfälle auf andere Plattformen übertragen werden, sondern sogar typisches Verhalten aus anderen Anwendungen erlernt werden.