Humboldt-Universität zu Berlin - Mathematisch-Naturwissenschaftliche Fakultät - Software Engineering

ENsurance of Software evolUtion by Run-time cErtification

Eine treibene Kraft für Innovationen in nahezu allen Bereichen ist Software. So sind 90% aller Fortschritte im Automobilbau durch Software bedingt. Daher ist die Qualität von Software von höchster Wichtigkeit und muss entsprechend behandelt werden. Beispiele für Qualitätseigenschaften, die in ENSURE-II betrachtet werden sind: Sicherheit in eingebetteten Systemen und Performanz in industriellen Informationsystemen. Aktuell werden Qualitätsanforderungen üblicherweise zur Entwicklungszeit geprüft. Mit nicht perfektem Wissen über das Systemverhalten und die Ausführungsumgebung kann dies durchaus zu inkorrekten Analyseergebnissen führen.

Um dieses Problem anzugehen, schlagen wir die Entwicklung eines ganzheitlich Modell-getriebenen Ansatzes vor, der die qualitätsbewertenden Modelle als Entitäten Erster Klasse behandelt. Wir fokussieren uns hauptsächlich auf probablistische Qualitätseigenschaften, wie z.B. Zuverlässigkeit, Verfügbarkeit und Sicherheit. In der ersten Phase haben wir sowohl einen Ansatz für Architektur-, als auch für qualitätsbewertende Modelle entwickelt, der inkrementelle Änderungen zwischen den Modellen propagiert. Komplementiert wird dies durch einen Ansatz effizient Eigenschaften der qualitätsbewertenden Modelle aus tatsächlich laufenden Systemen zu extrahieren; sowie einem Ansatz Qualitätseigenschaften zu spezifizieren, indem wir kontrollierte natürliche Sprache analysieren. Zusätzlich zu diesen Ansätzen haben wir empirische Studien zum Thema "modell-driven engineering" durchgeführt, um den Bezug zu unseren Themen und die Entwicklung der Meta-Modelle von Modellierungssprachen aufzudecken. Mit dem Fokus auf die Pick&Place Unit (PPU) haben wir an beiden Demonstratoren mitgewirkt und über die PPU-Fallstudie bewertet.

In der zweiten Phase werden wir uns, unter Beachtung aller drei Leitthemen des SPP, darauf fokussieren die Entwicklungsplattformen und -umgebungen zu untersuchen. Speziell werden wir unseren Co-Evolutionsansatz dahingehend erweitern, dass wir Empfehlungen für diejenigen Fälle aussprechen, in denen Maschine-Learning-Ansätze basierend auf Modellhistorien zu keinen deterministischen Co-Evolutionen aus der Spezifikation führen. Die zweite große Erweiterung wird die Ausnutzung von Informationen aus den, durch die Co-Evolution bedingten, Modelländerungen sein, um die Qualitätsanalyse in einem inkrementellen Ansatz in ihrer Performanz zu verbessern. Letzlich werden wir die Resultate in Zusammenarbeit mit Experten aus der Industrie und den beiden SPP-Demonstratoren empirisch untersuchen und bewerten. Auch weiterhin werden wir eng in die Aktivitäten des SPP integriert bleiben.

Beteiligte Personen:

• Prof. Dr. Lars Grunske
• Prof. Dr. Matthias Tichy
• Sinem Getir

Pressemiteilungen

• Uni ULM
• SüdWestPresse

Publikationen