Es ist ein ungeschriebenes Gesetz: Wo gearbeitet wird, da passieren Fehler. Das gilt nicht nur für Maurer, Bäckerinnen, Texter oder Bankangestellte, sondern auch für Informatiker, wenn sie Computerprogramme schreiben. Einfache Programme von ein paar wenigen Zeilen können dabei noch problemlos von Auge kontrolliert werden. Doch kommen heute immer komplexere Softwaresysteme zur Anwendung. Deshalb wird es zunehmend schwieriger, die Code-Qualität zu kontrollieren und allfällige Fehler erkennen und korrigieren zu können. «Umso vielversprechender wäre es, wenn ein System schon während des Schreibens vorhersagen könnte, wie wahrscheinlich Fehler im Code sind», sagt Informatikdozent Mark Cieliebak. Dieser Idee sind die beiden Informatik-Absolventen Tobias Meier und Yacine Mekesser in ihrer Bachelorarbeit nachgegangen. Sie haben es sich zur Aufgabe gemacht, für diese Herausforderung ein Toolset zu entwickeln.

Das Toolset analysiert dabei den Code und seine Metadaten in sogenannten Git-Repositories. Die Git-Repositories dienen der Versionsverwaltung von Softwareprojekten und zeichnen die Geschichte des gesamten Projekts nach. Daraus sollen die Tools der Absolventen ganz bestimmte Daten extrahieren und die Wahrscheinlichkeit von Bugfixes für die kommenden Monate errechnen. Als Bugfix bezeichnet man eine neue Version der Software, die einen konkreten Fehler behebt. Anders als viele andere Methoden, basiert das Vorgehen der beiden Informatik-Absolventen auf Maschinellem Lernen. Das bedeutet, dass ein System anhand von Beispielen auf einem zuvor festgelegten Datensatz trainiert wird und ganz bestimmte Regeln erlernt. Sobald das Training abgeschlossen ist, soll das System die erlernten Regeln auch auf neue, unbekannte Fälle anwenden können.

Das Fernziel einer solchen Automatisierung ist klar: «Entwickler könnten damit Fehler schneller finden und Projektmanager ihre Ressourcen effizienter für kritische Komponenten einplanen», erklärt Tobias Meier. Bis es aber soweit ist, sind noch viele Entwicklungsschritte nötig. Yacine Mekesser ergänzt: «In unserer Arbeit ging es noch nicht darum, die Qualität der Fehlervorhersage zu überprüfen, sondern in einem ersten Schritt zu zeigen, dass die Fehlervorhersage mit unserem Toolset grund sätzlich funktioniert.» Die Entwicklung am Institut für angewandte Informationstechnologie geht auf jeden Fall weiter. «Es ist bereits eine weitere Projektarbeit auf diesem Gebiet ausgeschrieben», sagt Dozent Mark Cieliebak.