Aktivitäten pro Jahr
Projektdetails
Beschreibung
Die zunehmende Parametrierbarkeit und daraus resultierende Variantenvielfalt von Software führt zu neuen Herausforderungen für Implementierungs- und Testprozesse. Um die angesprochene Variantenvielfalt überblickbar zu machen, werden Modellierungsansätze wie bspw. Feature Modelle zur Verfügung gestellt. Die resultierenden Modelle werden dann auf unterschiedliche Art und Weise bspw. in Build-Prozessen oder zur Laufzeit dazu verwendet, für Kunden eine personalisierte Variante der Software zur Verfügung zu stellen. Diese zunehmende Mass Customization von Software führt bei der Erzeugung und Auswahl von Testfällen zu einem exponentiell wachsenden Suchraum. Die Hauptzielsetzung von OpenSpace ist die Entwicklung von Machine Learning basierten Verfahren zur Unterstützung von Test- und Debugging Prozessen, um mit der zunehmenden Komplexität auf effiziente Art und Weise umgehen zu können. In diesem Zusammenhang fokussiert OpenSpace auch auf die Entwicklung von Testmethoden für Variabilitätsmodelle (Feature Modelle), die im Kontext der Entwicklung und Wartung sog. Software Produktlinien eine zentrale Rolle einnehmen. Aus Forschungssicht bringen die OpenSpace Entwicklungen wesentliche Verbesserungen im Bereich 1) der automatisierten Analyse von Variabilitätsmodellen (im Speziellen neuartige Ansätze zur Identifikation von fehlerhaften Modellteilen und zur Generierung von Testfällen) und 2) der Machine Learning basierten Identifikation von fehlerhaften Teilen in der Software und suboptimalen Parameterierungen, die zu ineffizientem Verhalten bzw. zum Ausfall der Software führen können. Da in Softwareprojekten mit einem ungefähren Testanteil von 20-45% an der Entwicklung zu rechnen ist, kommt Verbesserungen in diesem Bereich vor allem im Kontext der Entwicklung von komplexen und variantenreichen Softwaresystemen eine extrem hohe Bedeutung zu. Aus dieser Situation ergibt sich für den OpenSpace Anwendungspartner die Notwendigkeit einer systematischen Adaptierung der eigenen Testprozesse, die für eine nachhaltige Verbesserung der Entwicklungsprozesse notwendig ist.
Status | Laufend |
---|---|
Tatsächlicher Beginn/ -es Ende | 1/01/22 → 31/12/24 |
Fingerprint
Erkunden Sie die Forschungsthemen, die von diesem Projekt angesprochen werden. Diese Bezeichnungen werden den ihnen zugrunde liegenden Bewilligungen/Fördermitteln entsprechend generiert. Zusammen bilden sie einen einzigartigen Fingerprint.
Aktivitäten
- 1 Mitgliedschaft in Gutachtergremium
-
17th ACM Conference on Recommender Systems (Veranstaltung)
Alexander Felfernig (Mitglied)
10 März 2023 → 31 Dez. 2023Aktivität: Mitgliedschaft › Mitgliedschaft in Gutachtergremium