Auflistung nach Autor:in "Bodden, Eric"
1 - 10 von 82
Treffer pro Seite
Sortieroptionen
- Konferenzbeitrag1st Workshop on Innovative Software Engineering Education (ISEE)(Software Engineering und Software Management 2018, 2018) Krusche, Stephan; Kuhrmann, Marco; Schneider, KurtDue to the growing numbers of students, courses can no longer be offered in high quality without systematic approaches. Hence, this workshop aims at presenting and discussing innovative teaching approaches in software engineering education, which are highly relevant for teaching at universities, colleges, and in online courses.
- Konferenzbeitrag1st Workshop on Software Engineering for Applied Embedded Real-Time Systems (SEERTS)(Software Engineering und Software Management 2018, 2018) Höttger, Robert; Teßmer, JörgSoftware engineering for research-intensive domains such as driver-assisted systems or autonomous driving in the automotive industry increasingly require highly sophisticated architectures as well as an optimized, safe, and secure interaction of a large number of actuators, sensors, and networked software components. In addition, connectivity, electric mobility, and heterogeneous development processes introduce new challenges for developers. The corresponding requirements in terms of real-time, causality, security, modularity, scalability or the use of various standards require appropriate domain-specific tools. Model-driven software development often plays an essential role for such tools. The SEERTS Workshop presents adequate technologies for the consideration of diverse and specific requirements within the embedded real-time domain (e.g. for robotics, automotive systems, etc.) and gives insights into their utilization in industrial applications.
- Konferenzbeitrag3rd Workshop on Continuous Software Engineering (CSE)(Software Engineering und Software Management 2018, 2018) Lichter, Horst; Krusche, Stephan; Riehle, Dirk; Steffens, Andreas
- Konferenzbeitrag5th Collaborative Workshop on Evolution and Maintenance of Long-Living Systems (EMLS)(Software Engineering und Software Management 2018, 2018) Heinrich, Robert; Jung, Reiner; Konersmann, Marco; Schmieders, Eric
- Konferenzbeitragagile Produktentwicklung bei Software-Spin-Offs an der Universität(Software Engineering und Software Management 2018, 2018) Kahle, Katrin; Götze, AlexanderAm Beispiel von Software-Spin-Offs der TU Dresden stellen wir vor, wie agiles Projektmanagement genutzt werden kann, um den gesamten Vorgründungsprozess zu beschleunigen. Genauer geht es darum, unter begrenzter Zeit mit begrenzten Mitteln so schnell wie möglich ein Minimal Viable Product zu entwickeln, dessen erstes Featureset echten Nutzen für die vielversprechendste Kundengruppe liefert. Um dieses Ziel zu erreichen müssen unzählige Entscheidungen in vielfältigen Themen wie Produktkonzeption, Produktentwicklung, Geschäftsmodellentwicklung, Kundenentwicklung oder Finanzmitteleinwerbung von drei bis vier Teammitgliedern in kurzer Zeit getroffen werden. Bei diesen Entscheidungen wird das Team vom Softwareinkubationsprogramm DeltaHochDrei der TU Dresden bei Aufstellung und Priorisierung des Backlogs und des Sprint Plannings mit wirtschaftlichem und unternehmerischem Hintergrundwissen unterstützt. Es werden typische Entscheidungssituationen und bisherige Erfahrungen mit der Anwendung agiler Managementprinzipien vorgestellt.
- KonferenzbeitragAgile Software Quality Function Deployment(Software Engineering und Software Management 2018, 2018) Schockert, Sixten; Herzwurm, GeorgUser Stories repräsentieren das wesentliche Artefakt der Kommunikation von Anforderungen in einer agilen Entwicklung. Und unabhängig davon, ob sie sich als präzise Anforderungen für die Entwickler eignen, auf Basis der User Stories im Product Backlog wird entschieden, was in der nächsten Iteration umgesetzt wird und was nicht. Von daher muss ein Agiles Requirements Engineering Wege aufzeigen, gute User Stories zu finden, zu entwerfen und die gemäß Business Value vielversprechendsten für die Implementierung in der nächsten Iteration auszuwählen. Das ist entscheidend für eine nicht nur effiziente, sondern auch effektive agile Entwicklung, die an den wichtigsten Anforderungen ansetzt und nicht „nur“ plausible User Stories zügig umsetzt. Dieser Beitrag stellt dazu das Agile Software Quality Function Deployment (QFD) vor. Es basiert auf 27 Gestaltungsanforderungen, abgeleitet aus den Prinzipien und Werten der agilen Softwareentwicklung, dem Umgang mit Anforderungen in agilen Entwicklungsmodellen und empirischen Quellen des agilen Requirements Engineering. Den Vorschlag zum Agilen Software QFD kennzeichnen die nahtlose Einbettung in den agilen Iterationszyklus und besondere methodische Merkmale wie die inkrementell wachsende Priorisierungsmatrix und die Priority Map. Bewertet gegen die Gestaltungsanforderungen und verglichen mit weit verbreiteten Techniken des agilen Requirements Engineering kann das Agile Software QFD durch die konsequente Ausrichtung an den wichtigsten Stakeholderbedürfnissen, der Suche nach alternativen und besseren Lösungen sowie der engen Zusammenarbeit mit den Kunden/Nutzern einen Mehrwert für die agile Entwicklung darstellen. Agiles Software QFD verkörpert damit den Gestaltungsanspruch des Requirements Engineering in einer agilen Softwareentwicklung und ist Ausdruck eines am Business Value orientierten agilen Requirements Engineering.
- KonferenzbeitragAlgorithm Accountability, Algorithm Literacy and the hidden assumptions from algorithms(Software Engineering und Software Management 2018, 2018) Siebert, JulienOur societies are facing problems that are more and more complex so that decision making is often helped or even delegated to algorithms. Algorithmic decision making (ADM) processes are complex socio-technical systems which interact with society on a large scale. Credit scoring, automatic job candidate selection, predictive policing, or recidivism risk assessment are examples, among others, of already used ADM systems. In this talk, I will start with an overview of what is so far understood as Algorithm Accountability and Algorithm Literacy. I will then focus on algorithms that carry with them modeling assumptions (e.g., machine learning, data-mining algorithms...) and show what effects this has on the interpretation of the algorithms’ results and how we could, from a software engineering point of view, bring more explainability.
- KonferenzbeitragEin Ansatz zur nachvollziehbaren Verifikation medizinisch-cyber-physikalischer Systeme(Software Engineering und Software Management 2018, 2018) Padberg, Julia; Schlaefer, Alexander; Schupp, SibylleMedizinische cyberphysikalische Systeme erfordern einerseits die Adaption an patientenindividuelle Parameter während einer Behandlung und andererseits den Nachweis eines sicheren Systemverhaltens. Wir schlagen vor, Nachweisbarkeit mittels Online Model-Checking und Nachvollziehbarkeit durch Anwendung von regelbasierten Transformationen zu verbinden.
- KonferenzbeitragAppMining(Software Engineering 2017, 2017) Avdiienko, Vitalii; Kuznetsov, Konstantin; Gorla, Alessandra; Zeller, Andreas; Arzt, Steven; Rasthofer, Siegfried; Bodden, EricA fundamental question of security analysis is: When is a behavior normal, and when is it not? We present techniques that extract behavior patterns from thousands of apps—patters that represent normal behavior, such as “A travel app normally does not access stored text messages”. Combining data flow analysis with app descriptions and GUI data from both apps and their stores allows for massive machine learning, which then also allows to detect yet unknown malware by classifying it as abnormal.
- KonferenzbeitragArchitecture-Aware Online Failure Prediction for Distributed Software Systems(Software Engineering und Software Management 2018, 2018) Pitakrat, Teerat; Okanović, Dušan; van Hoorn, André; Grunske, LarsThis abstract summarizes our article appearing in the Journal of Systems and Software. Today’s software systems are complex. They comprise an immense number of distributed hardware and software components to deliver desired functionalities. Failures during production are inevitable despite successful approaches for quality assurance during software development. A failure in one component, e.g., memory leak or slow response time, can create a chain of failures propagating to other components and the users . Online failure prediction aims to foresee imminent failures by making predictions based on system parameters from monitoring data. Existing approaches employ prediction models that predict failures either for the whole system or for individual components without considering software architecture. We propose an architecture-aware online failure prediction approach that combines failure prediction with architectural knowledge. The failure probabilities of individual components are predicted based on continuously collected monitoring data. The prediction results are forwarded to a failure propagation model, which periodically computes a system failure probability. The model uses a Bayesian network to represent architectural dependencies extracted automatically from architectural knowledge. The results can, for instance, be used for proactive maintenance. The experimental evaluation shows that the prediction quality is improved when software architectural knowledge is included in the prediction.