Beim modellbasierten Testen werden Testfälle anhand eines Modells generiert, das die für den Test relevanten Eigenschaften des Prüflings beschreibt. Die Modellierung großer Systeme erfordert hierbei oftmals die Zerlegung des Modells in mehrere hierarchische Ebenen. Für die Testgenerierung muss diese Hierarchie jedoch aufgelöst werden, indem verfeinerte Komponenten aus unteren Ebenen in die jeweils höhere Ebene aggregiert werden. Es ist offensichtlich, dass mit steigender Modelltiefe auch die Länge sowie die Anzahl der Testsequenzen steigt, was wiederum die Testkosten in die Höhe treibt. Auf der anderen Seite ermöglicht das Testen mittels langer Testsequenzen die Entdeckung kritischer Fehler. Diese Arbeit präsentiert einen ebenenbasierten Ansatz (engl. layer-centric testing (LC)) zur Lösung dieses Konfliktes. Des Weiteren wird dieser Ansatz mit einer neuen Methode zur Identifizierung von einzelnen Komponenten kombiniert und erweitert, in denen aller Voraussicht nach weitere Fehler verborgen liegen. Der resultierende selektive ebenenbasierte Ansatz (engl. selective layer-centric testing (SLC)) konzentriert den Testaufwand auf diese kritischen Komponenten zur Optimierung des Testprozesses. Fallstudien anhand einer kommerziellen Anwendung dienten zur Evaluation der neuen Methoden. Im Vergleich zur konventionellen Methode konnte die LC Strategie 80% der Fehler mit 20% Aufwand aufdecken. Die SLC Strategie konnte den Aufwand um weitere 30% senken und gleichzeitig das gleiche Zuverlässigkeits-Niveau gewährleisten.

Model-based testing suggests generating test cases from a model representing relevant features of a system under consideration. The design of large systems usually requires the decomposition of the model into several hierarchical layers. However, test case generation necessitates a fully resolved model by replacing the refined components with their subcomponents. It is evident that the "deeper" the model hierarchy, the longer the test sequences and the greater their number necessary for complete test coverageincreasing test costs. On the other hand, "thorough" testing using long test sequences often enables detection of critical faults. To solve this conflict, this thesis presents layer-centric testing (LC). Furthermore, LC is combined with a novel selection strategy to identify layers that are more likely to hide latent faults than others. The resulting selective layer-centric testing (SLC) concentrates test effort on these "neuralgic" components to produce optimized test suites. Compared to the conventional, full resolution approach observed in a large case study drawn from a commercial web-based application, LC has been shown capable of uncovering about 80% of the faults with about 20% of the test effort. SLC is capable of reducing the test effort by an additional 30% while assuring the same level of overall reliability.