Studium, Ausbildung und Beruf

web uni-protokolle.de
 powered by
NachrichtenLexikonProtokolleBücherForenFreitag, 31. Oktober 2014 

Automatisiertes Lernen aus Software-Fehlern

07.08.2009 - (idw) Rheinische Fachhochschule Köln

BMBF fördert Wirtschaftsinformatik-Projekt der Rheinischen Fachhochschule Köln. Das Bundesministerium für Bildung und Forschung (BMBF) fördert das Forschungsprojekt "Automatisiertes Lernen aus Fehlerinformationen" (ALaF) des Fachbereichs Wirtschaftsinformatik der Rheinischen Fachhochschule Köln. Ziel des Projekts ist es, Entwicklungsprozesse durch eine automatisierte Analyse von Software-Fehlern zu verbessern. Namhafte Unternehmen aus der Region Köln/Bonn sind über Forschungskooperationen aktiv an ALaF beteiligt.

"Viele Unternehmen nutzen die Chance nicht, aus entdeckten Software-Fehlern für laufende und künftige Entwicklungsprojekte zu lernen", erläutert Prof. Dr. Ralph Trittmann, Leiter des Studiengangs Wirtschaftsinformatik an der Rheinischen Fachhochschule Köln und Projektleiter von ALaF. "In den meisten Entwicklungsprojekten werden Fehler zwar erfasst und ihr Bearbeitungsstatus wird verfolgt. Der Informationsgehalt von Fehlern für die Verbesserung des Entwicklungsprozesses wird aber nicht ausgeschöpft."
Hier setzt das Forschungsprojekt an, dessen Potenzial vom BMBF mit 92 Prozent der möglichen Bewertungspunkte besonders positiv eingeschätzt wurde: Während der Qualitätssicherung von Software ohnehin anfallende Fehlerinformationen sollen systematisch zur Prozessverbesserung genutzt werden können. Dazu wird ein Analyseverfahren entwickelt, mit dem für die Verbesserung von Prozessen relevante Fehlermuster aufgezeigt und priorisiert werden. Die automatische Auswertung der Fehlerinformationen soll eine Data-Mining-Applikation übernehmen, die als Open-Source-Software an marktgängige Werkzeuge der Fehlerdokumentation und -verfolgung angebunden werden kann. Darüber hinaus sind ein Einführungskonzept für dieses automatisierte Verfahren und Erprobungen in der Praxis geplant.

Das Verfahren soll bereits während der Laufzeit eines Entwicklungsprojekts für Verbesserungen genutzt werden können und auch ohne Rückgriff auf historische Projektdaten einsetzbar sein. So können Einführungshürden insbesondere auch für KMUs gering gehalten werden. Das BMBF fördert ALaF über einen Zeitraum von zweieinhalb Jahren. Auf einer ersten gemeinsamen Sitzung am 28. Mai 2009 verständigten sich die Kooperationspartner auf einen gemeinsamen Arbeitsplan. Die Sitzung fand im Rahmen der Software & Systems Quality Conference statt, welche von der SQS Software Quality Systems AG als Kooperationspartner ausgerichtet wurde.

Derzeit erstellen zwei Projektmitarbeiter jeweils eine wissenschaftliche Arbeit zum Thema des Forschungsvorhabens. Die Ergebnisse sollen im Herbst dieses Jahres vorliegen.
Weitere Informationen erhalten Interessierte bei Prof. Dr. Ralph Trittmann (E-Mail: trittmann@rfh-koeln.de).

Zur Rheinische Fachhochschule Köln:
Kleine Semesterstärken mit 20 bis 50 Studierenden, seminaristische Vorlesungen, kurze Studienverläufe und ein enger persönlicher Kontakt zu Professoren und Dozenten zeichnen das Studium an der Rheinischen Fachhochschule aus. Bei derzeit rund 4.800 Studenten ist die seit 1971 staatlich anerkannte Hochschule, die von einer gemeinnützigen GmbH (gGmbH) getragen wird, eine der größten privaten Fachhochschulen.


Die Rheinische Fachhochschule Köln immatrikuliert zweimal im Jahr, für das Vollzeitstudium wie auch für das berufsbegleitende Studium: Im Bereich Wirtschaft und Recht werden neben Wirtschaftsinformatik sechs weitere praxisorientierte Studiengänge angeboten. Im Ingenieurwesen können die Studiengänge Maschinenbau, Elektrotechnik und Technische Betriebswirtschaft belegt werden. Postgraduale Möglichkeiten bieten entsprechende Masterstudiengänge.
Weitere Informationen: http://www.rfh-koeln.de
uniprotokolle > Nachrichten > Automatisiertes Lernen aus Software-Fehlern
ImpressumLesezeichen setzenSeite versendenDruckansicht

HTML-Code zum Verweis auf diese Seite:
<a href="http://www.uni-protokolle.de/nachrichten/id/182073/">Automatisiertes Lernen aus Software-Fehlern </a>