Logo des Repositoriums

Auflistung nach Autor:in "Nowotka, Dirk"

1 - 7 von 7
  • Konferenzbeitrag
    Aufbau einer überregionalen Data-Science-Community
    (INFORMATIK 2024, 2024) Pfuhl, Helen; Steinmann, Lena; Nowotka, Dirk; Drechsler, Rolf
    Die Begrifflichkeiten Data Science bzw. Digital Sciences stehen für den wissenschaftlichen Wandel, der eine ganze Reihe von Forschungsdisziplinen zu Beginn des 21. Jahrhunderts prägt. Die effektive Nutzung hochdimensionaler Daten steht dabei im Vordergrund und bildet die Basis für die Digitalisierung der Forschung, auch mittels KI. Die Hochschulen reagieren auf diese Entwicklung durch Schaffung neuer Forschungsstrukturen und Lehr-/Lernangebote, wie zum Beispiel Data/Digital Science Center und neue Studiengänge bzw. Bildungsangebote. Bund und EU fördern seit 2023 zusätzlich den Aufbau von elf einrichtungsübergreifenden Datenkompetenzzentren in Deutschland, die als Orte zum Lernen, Forschen und Vernetzen dienen sollen. Das Ziel des diesjährigen Workshops „Aktuelle Entwicklungen und Perspektiven (an Hochschulen) im Bereich Data Science“ ist es, all diese Initiativen weiter zu vernetzen und somit an den erfolgreichen Workshop aus 2023 anzuknüpfen. Der im vergangenen Jahr bereits initiierte Zusammenschluss zur Data-Science-Community (DS-Community) bietet das organisatorische Dach für einen interdisziplinären und insbesondere standortübergreifenden Austausch zwischen den verschiedenen Initiativen und unterstützt so die überregionale Zusammenarbeit bis in die DACH-Region.
  • Konferenzbeitrag
    Defining requirements on domain-specific languages in model-driven software engineering of safety-critical systems
    (Software Engineering 2013 - Workshopband, 2013) Wasilewski, Michael; Hasselbring, Wilhelm; Nowotka, Dirk
    Domain-specific languages are designed and used to assist software development in various domains. Safety-critical systems such as aviation systems, railway control systems and nuclear power plants require certified software by law. This paper focuses on domain-specific languages that are used to represent a physical reality and to describe the behavior of a control software as a finite state machine. Furthermore we focus on domain-specific languages that are able to generate source code for sensor/actor systems from a specified finite state machine model. The source code is intended to be compiled and operated in a fixed time slot of a real-time operating system of a safety-critical controlling hardware. We give an example of a model that is expressed using a functional tree, a method that is based on input and state space partitioning. We show that models expressed by a functional tree are equivalent to deterministic and complete finite state machines. To formally prove the equivalence we analyze a model in terms of automata theory. We will furthermore show that omitting the properties of determinism and completeness violates normative requirements when a model is used to generate software for safetycritical systems. The major contribution of this paper is the definition of formal requirements on domain-specific languages employing formalisms of automata theory. The requirements are easily verifiable criteria for domain-specific languages to assess the suitability in an engineering process of a safety-critical system. We analyze two example modeling languages for their suitability to create a source code for safety-critical applications.
  • Konferenzbeitrag
    Formal software verification for the migration of embedded code from single- to multicore systems
    (Software Engineering 2014, 2014) Ehlers, Thorsten; Nowotka, Dirk; Sieweck, Philipp; Traub, Johannes
  • Zeitschriftenartikel
    Klassifikationsbäume in Echtzeit
    (Softwaretechnik-Trends Band 29, Heft 4, 2009) Leucker, Martin; Löser, Moritz; Nowotka, Dirk; Rischen, Joachim
  • Konferenzbeitrag
    MEMICS - memory interval constraint solving of (concurrent) machine code
    (Automotive - Safety & Security 2012, 2012) Nowotka, Dirk; Traub, Johannes
    Runtime errors occurring sporadically in automotive control units are often hard to detect. A common reason for such errors are critical race conditions. The introduction of multicore hardware enables software to be run in parallel, and hence, drastically increases the vulnerability to such errors. Race conditions are difficult to discover by testing or monitoring, only. Hence, a static analysis of code is required to effectively reduce the occurrence of such errors. In this paper we introduce a new Bounded Model Checking tool, which in its core is an Interval Constraint Solver, operating on a machine code based model and is able to handle memory instructions directly. As control units are usually running on task-based operating systems like AUTOSAR or OSEK, our tool features a task model, which is able to handle sequential and concurrent task scheduling.
  • Konferenzbeitrag
    Methode zur Bewertung der Risikobilanz autonomer Fahrzeuge aus Sicht von Fahrzeughaltern
    (Software Engineering 2022 Workshops, 2022) Potdevin, Yannik; Nowotka, Dirk
    Wir stellen eine Methode zur Ermittlung der Risikobilanz autonomer Fahrzeuge im Vergleich zu durchschnittlicher menschlicher Fahrleistung vor. Mithilfe unserer Methode werden Fahrzeugtests zur Prüfung von autonomen Fahrzeugen entwickelt und die zugehörigen Testergebnisse bewertet. Im Rahmen von zwei Fallstudien erproben wir unsere Methode und stellen Auszüge der Ergebnisse vor.
  • Konferenzbeitrag
    Workshop: „Aktuelle Entwicklungen und Perspektiven (an Hochschulen) im Bereich Data Science“
    (INFORMATIK 2023 - Designing Futures: Zukünfte gestalten, 2023) Steinmann, Lena; Nowotka, Dirk; Oberländer, Lea; Pfuhl, Helen; Stuckenschmidt, Heiner; Drechsler, Rolf
    In einer zunehmend von Daten geprägten Welt spielt Data Science eine zentrale Rolle, um insbesondere auch hochdimensionale Daten effektiv zu nutzen und daraus wertvolles Wissen zu generieren. Auch das Hochschulsystem hat auf diese Entwicklung reagiert und in den letzten Jahren wurden verschiedene Forschungsstrukturen, wie zum Beispiel Data Science Center, Beratungsstellen, neue Studiengänge sowie Aus- und Weiterbildungsangebote aufgebaut. Der Workshop fördert einen interdisziplinären und standortübergreifenden Austausch zwischen Vertreter:innen verschiedener Data-Science-Initiativen und legt so die Grundlage für eine zukünftige überregionale Zusammenarbeit. Durch den Austausch rund um innovative Ansätze, bewährte Praktiken und Erfahrungen werden Synergien geschaffen und die Weiterentwicklung des Feldes vorangetrieben. Dabei stehen die Herausforderungen und Chancen der datenintensiven Forschung im Fokus der Diskussionen. Der Workshop bietet eine Plattform, um den Dialog zu fördern, Netzwerke zu stärken und Kompetenzen auf nationaler Ebene zu bündeln.