Automatische Verbesserung von orthogonalen Variabilitätsmodellen

Die Nutzung von Software beschränkt sich aufgrund der steigenden Durchdringung des wirtschaftlichen und sozialen Lebens mit Technologie nicht nur auf Informationssysteme im Unternehmen, sie findet auch zunehmenden Gebrauch in Automobilen, in der Unterhaltungselektronik und anderen Gegenständen des alltäglichen Gebrauchs. Der Markt erfordert zudem eine zunehmende Individualisierbarkeit und schnelle Innovationszyklen dieser Produkte, denen durch die Softwareproduktlinienentwicklung begegnet wird. Die Variabilitätsmodellierung ermöglicht die Definition aller möglichen Produktausprägungen einer Produktlinie, komplexe Variabilitätsbeziehungen geben aber auch Spielraum für Inkonsistenzen und Fehler. Die kognitive Komplexität kann mit steigender Anzahl der Modellelemente stark zunehmen. Diese Arbeit stellt einen Ansatz zur automatisierten Konsistenzprüfung und Fehlerbehebung von orthogonalen Variabilitätsmodellen vor, der hinsichtlich Vollständigkeit und Genauigkeit einen großen Vorteil gegenüber der manuellen Analyse aufzeigt.

Autorentext
Tim Jonischkat studierte Software Systems Engineering an der Universität Duisburg-Essen und arbeitete bis 2010 als Software- Ingenieur bei "Capgemini Technology Services" in Düsseldorf. Seine industrielle Projekterfahrung bringt er seitdem als wissenschaftlicher Mitarbeiter am "paluno Ruhr Institute for Software Technology" ein.

Klappentext

Die Nutzung von Software beschränkt sich aufgrund der steigenden Durchdringung des wirtschaftlichen und sozialen Lebens mit Technologie nicht nur auf Informationssysteme im Unternehmen, sie findet auch zunehmenden Gebrauch in Automobilen, in der Unterhaltungselektronik und anderen Gegenständen des alltäglichen Gebrauchs. Der Markt erfordert zudem eine zunehmende Individualisierbarkeit und schnelle Innovationszyklen dieser Produkte, denen durch die Softwareproduktlinienentwicklung begegnet wird. Die Variabilitätsmodellierung ermöglicht die Definition aller möglichen Produktausprägungen einer Produktlinie, komplexe Variabilitätsbeziehungen geben aber auch Spielraum für Inkonsistenzen und Fehler. Die kognitive Komplexität kann mit steigender Anzahl der Modellelemente stark zunehmen. Diese Arbeit stellt einen Ansatz zur automatisierten Konsistenzprüfung und Fehlerbehebung von orthogonalen Variabilitätsmodellen vor, der hinsichtlich Vollständigkeit und Genauigkeit einen großen Vorteil gegenüber der manuellen Analyse aufzeigt.