Seminar Airtest – Kompaktseminar für UI-Testautomatisierung

Das dreitägige Kompaktformat vermittelt die entscheidenden AirtestProject-Bausteine von der Zielanbindung bis zum automatisiert auswertbaren End-to-End-Test.

Inhaltsverzeichnis

1. Seminarprofil
2. Lernziele
3. Schrittweise Lernstrecke
4. Praxisbausteine
5. Zielgruppe und Voraussetzungen
6. Didaktische Einordnung

Seminarprofil

Die Inhalte verdichten AirtestIDE, Airtest-Kern-APIs, stabile Bildobjekte, Poco-Selektoren, Python-Struktur, Synchronisation, Kommandozeile und Reporting. Eine vorbereitete Testanwendung ermöglicht eine durchgängige Praxisstrecke ohne die vertiefte Plattform-, Engine- oder Gerätefarm-Spezialisierung der Fachseminare.

Lernziele

• AirtestProject-Werkzeuge sicher einordnen
• Ziele verbinden und visuelle Schritte automatisieren
• Poco-Selektoren ergänzend verwenden
• Tests in Python strukturieren und stabilisieren
• Läufe per Kommandozeile berichten

Schrittweise Lernstrecke

1. Automatisierungsziele und Systemgrenzen

1. Geschäftskritische Benutzerwege, technische Prüfziele und erwartete Wiederholungsfrequenz werden getrennt erfasst.
2. Oberflächentypen, Geräteklassen, Rendering-Verhalten und notwendige Integrationspunkte werden systematisch inventarisiert.
3. Nutzen, Wartungsaufwand, Fehlerrisiko und erforderliche Diagnoseinformationen werden für jeden Testbereich bewertet.

2. Bausteine der AirtestProject-Toolchain

1. Airtest wird als Python-basiertes Framework für bildgestützte Interaktionen und plattformbezogene Geräteoperationen eingeordnet.
2. Poco wird als Zugriffsschicht auf UI-Hierarchien, Selektoren, Eigenschaften und strukturierte Interaktionen abgegrenzt.
3. AirtestIDE, Kommandozeile, Berichtserzeugung und Browserautomation werden zu einer durchgängigen Arbeitskette verbunden.

3. Arbeitsumgebung und Projektstart

1. Systemvoraussetzungen, Schreibrechte, Projektpfade und notwendige Laufzeitkomponenten werden vor der Installation geprüft.
2. AirtestIDE und eine lokale Python-Umgebung werden hinsichtlich Zweck, Abhängigkeiten und reproduzierbarer Nutzung getrennt eingerichtet.
3. Ein Selbsttest validiert Codeausführung, Bildaufnahme, Logverzeichnis, Berichtsfunktion und Zugriff auf das Zielsystem.

4. AirtestIDE effizient einsetzen

1. Gerätefenster, Skripteditor, Airtest-Werkzeuge, Poco-Fenster, Logansicht und optionale Browseransicht werden funktional eingeordnet.
2. Python-Pfad, Launcher, Logpfad, Editorverhalten und notwendige Plugins werden kontrolliert konfiguriert.
3. Aufgezeichnete Schritte werden bereinigt, benannt und um klare Vorbedingungen, Assertions und Fehlertexte ergänzt.

5. Geräte- und Anwendungsverbindung

1. Zielsysteme werden mit einer festen Diagnosefolge aus Treiber-, Port-, Berechtigungs-, Prozess- und Netzprüfungen verbunden.
2. Sitzungsaufbau, Anwendungsstart, Statusprüfung und kontrolliertes Beenden werden in wiederverwendbare Hilfsfunktionen überführt.
3. Verbindungsabbrüche werden protokolliert und nur unter klaren Bedingungen automatisch wiederhergestellt.

6. Bildbasierte Interaktionen und stabile Vorlagen

1. Bildvorlagen werden auf eindeutige, statische Merkmale begrenzt und von dynamischen Texten, Animationen oder Dekorationen getrennt.
2. Zielposition, Erkennungsschwelle, Referenzauflösung und erwarteter Kontext werden direkt am Bildobjekt dokumentiert.
3. Touch, Wischen, Texteingabe, Warten und Assertions werden zu nachvollziehbaren Benutzerwegen mit überprüfbaren Nachzuständen kombiniert.

7. Synchronisation und Zustandsübergänge

1. Pauschale Pausen werden soweit möglich durch Sichtbarkeits-, Verschwinde-, Eigenschafts- oder Stabilitätsbedingungen ersetzt.
2. Timeouts werden nach Prozessstufe differenziert und mit einer diagnostisch verwertbaren Fehlerbeschreibung verbunden.
3. Animationen, Ladephasen und asynchrone Vorgänge erhalten definierte Eintritts- und Austrittskriterien.

8. Poco-Hierarchien und robuste Selektoren

1. Elementnamen, Typen, Texte, Eigenschaften, Sichtbarkeit, Position und hierarchische Beziehungen werden systematisch inspiziert.
2. Selektoren bevorzugen stabile Attribute und relationale Bezüge gegenüber langen absoluten Hierarchiepfaden.
3. Mehrdeutige Treffer, dynamische Listen und nicht zugängliche Bereiche werden explizit behandelt und bei Bedarf bildbasiert ergänzt.

9. Python-Testdesign und Wiederverwendung

1. Tests, Screen-Objekte, Plattformadapter, Bildobjekte, Konfiguration und Testdaten werden in klar getrennte Module gegliedert.
2. Globale Zustände und doppelte Klickfolgen werden durch explizite Parameter, Rückgabewerte und fachlich benannte Funktionen ersetzt.
3. Unit- und Integrationstests sichern Hilfsbibliotheken ab, bevor reale Geräte in die Prüfung einbezogen werden.

10. Kommandozeile und reproduzierbare Ausführung

1. Skriptpfad, Geräteangabe, Konfiguration, Logverzeichnis und Berichtspfad werden als stabiler Jobvertrag definiert.
2. Exitcodes unterscheiden Testfehler, Infrastrukturproblem, Konfigurationsfehler und ungültigen Aufruf.
3. Aufrufe werden in wiederverwendbaren Runnern gekapselt, damit lokale und automatisierte Ausführung denselben Vertrag nutzen.

11. Logging, Berichte und Diagnoseartefakte

1. Jeder Lauf erhält eine eindeutige Identität, die in Logpfad, Bericht, Screenshot und Zusatzartefakt wiederverwendet wird.
2. Fachliche Kontrollpunkte und technische Zustandswechsel werden mit unterschiedlich kategorisierten Logeinträgen dokumentiert.
3. Fehlerartefakte enthalten erwarteten Zustand, tatsächliche Beobachtung, letzten stabilen Schritt und relevante Geräte- oder UI-Daten.

12. Assertions und Qualitätsregeln

1. Technische Vorprüfungen, fachliche Erwartungen und Diagnoseprüfungen erhalten unterschiedliche Assertionstypen.
2. Fehlermeldungen enthalten Szenario, erwartetes Ergebnis, tatsächliche Beobachtung und relevante Kontextdaten.
3. Eine Review-Checkliste prüft Testabsicht, Ausgangszustand, Synchronisation, Selektor, Bildobjekt und Bereinigung.

13. Durchgängiges Praxisprojekt

1. Ein repräsentativer Benutzerweg wird in Ausgangszustand, fachliche Schritte, Kontrollpunkte und Abschlusszustand zerlegt.
2. Die Testsuite wird schrittweise implementiert, auf Varianten ausgeführt und durch absichtlich erzeugte Störungen geprüft.
3. Ergebnisse werden anhand von Stabilität, Verständlichkeit, Laufzeit, Wartbarkeit und Diagnosequalität bewertet und verbessert.

Praxisbausteine

1. Installation und Zielverbindung
2. Bild- und Poco-basierter Benutzerweg
3. Refactoring in wiederverwendbare Testbausteine
4. CLI-Lauf mit HTML-Bericht

Zielgruppe und Voraussetzungen

Zielgruppe: QA Engineers, Tester, Entwickler und Projektteams mit kompaktem Einführungsbedarf.

Voraussetzungen: Grundkenntnisse in Softwaretests; elementare Python-Kenntnisse sind hilfreich, aber nicht zwingend.

Didaktische Einordnung

Drei Tage sind für das Kompaktformat erforderlich, damit Grundlagen, zwei Automatisierungsansätze, Python-Struktur, Stabilisierung, CLI und Reporting in einer vollständigen Praxisstrecke behandelt werden können.

Kurze Fachimpulse werden unmittelbar durch Demonstrationen, geführte Umsetzungsschritte, eigenständige Übungen und kontrollierte Fehlerfälle vertieft. Jeder Praxisblock verwendet definierte Ausgangszustände, überprüfbare Zwischenergebnisse und dokumentierte Diagnoseinformationen.