Speaker: 

Theodor Hartmann
Johann-Sebastian Zeisz 

Warum heilen, wenn man Brüche verhindern kann? In agilen Umgebungen ändern sich UIs ständig – Selektoren brechen, Self‑healing reagiert nur und bleibt fragil. Klassisches Template Matching ist kaum robuster.

Unser Ansatz: ML‑basierte visuelle Erkennung. Modelle erkennen UI‑Elemente anhand von Merkmalen und Kontext statt IDs oder Pixeln. Das macht Tests stabiler gegenüber Änderungen und näher an der realen Nutzerwahrnehmung.

Grenzen wie Animationen oder ähnliche Icons bleiben, aber sind beherrschbar. In der Session zeigen wir, warum dieser Ansatz proaktiver ist, welche Fallstricke es gibt und wie objentis’ drvless präzise, kontextbewusste Automatisierung ermöglicht – für Tests, die seltener brechen und CI/CD‑ready sind.