Institutsseminar/2026-01-23

Aus SDQ-Institutsseminar
Termin (Alle Termine)
Datum Freitag, 23. Januar 2026
Uhrzeit 11:30 – 13:00 Uhr (Dauer: 90 min)
Ort Raum 010 (Gebäude 50.34)
Prüfer/in Ralf Reussner
Webkonferenz
Vorheriger Termin Fr 9. Januar 2026
Nächster Termin Fr 23. Januar 2026

Termin in Kalender importieren: iCal (Download)

Vorträge

The Role of Context in Automated Requirements-to-Requirements Traceability Link Recovery
Vortragende(r) David Bauch
Vortragstyp Masterarbeit
Betreuer(in) Dominik Fuchß
Vortragssprache Deutsch
Vortragsmodus in Präsenz
Kurzfassung Beim Aufbau großer Softwaresysteme müssen Entwickler und Requirements-Ingenieure eine Vielzahl unterschiedlicher Softwareanforderungen im Blick behalten. Um die Komplexität der Verwaltung dieser Anforderungen zu vereinfachen, können Traceability-Links verwendet werden, um Beziehungen zwischen Anforderungen explizit zu machen. TraceLinks sind ein wichtiges Werkzeug für viele Aufgaben im Bereich Software-Engineering, wie zum Beispiel die Analyse von Änderungsauswirkungen oder die Sicherstellung der Konsistenz sowie die Einhaltung gesetzlicher Vorschriften. In vielen Softwareprojekten sind Traceability-Informationen nicht verfügbar, da die manuelle Erstellung von Trace-Links arbeitsintensiv, fehleranfällig und kostspielig ist. Daher werden automatisierte Tools untersucht, mit denen Trace-Links aus bestehenden Softwareprojekten zurückgewonnen werden können. Neuere Entwicklungen in diesem Bereich nutzen große Sprachmodelle (LLMs) für die Aufgabe der Rückgewinnung von Trace-Links (TLR). LLMs verfügen zwar über ein breites Weltwissen, das während ihres Trainings kodiert wird, ihnen fehlt aber in der Regel das projektspezifische Wissen, das erforderlich ist, um die Anforderungen eines Softwareprojekts vollständig zu verstehen. Diese Arbeit schlägt die Verwendung von Kontext für LLM-basierte TLR zwischen Anforderungen vor, um diese Lücke zu schließen. Es werden drei Arten von Kontext untersucht, um die Leistung der automatisierten TLR zwischen Anforderungen zu verbessern. Die erste Art ist die automatisierte Umschreibung von Anforderungen, um die Wahrscheinlichkeit einer semantischen Ähnlichkeit zwischen verwandten Anforderungen zu erhöhen. Zweitens wird die Verwendung von Anforderungen als Kontext untersucht, um dem Modell neben den Anforderungen eines Trace-Link-Kandidaten einen breiteren Einblick in projektspezifische Informationen zu geben. Schließlich werden projekt-externe Trace-Link-Beispiele als Kontext verwendet, um ähnliche Anforderungskonstellationen zwischen verschiedenen Projekten zu nutzen. Diese letzte Kontextart ist die erste Implementierung von dynamischem Few-Shot-Prompting für LLM-basiertes TLR. Die Verwendung von Kontext wird im Vergleich zu einem Basissystem bewertet, das keine Kontextinformationen verwendet. Es zeigt sich, dass die Verwendung von Kontext einen geringen, aber insgesamt positiven Effekt auf die TLR-Leistung hat, wenn Anforderungsumschreibungen oder externe Trace-Links verwendet werden. Die Verwendung zusätzlicher Anforderungen als Kontext hat einen leicht negativen Effekt auf die Gesamtleistung von TLR. Es zeigt sich, dass der Effekt des Kontexts auf die TLR-Leistung je nach dem Projekt, in dem die Aufgabe ausgeführt wird, sowie je nach verschiedenen Parametern, die für jeden Kontexttyp einzigartig sind, variiert.
Transformation of Xbase Expressions to Relational Query Operations
Vortragende(r) Nils Lambertz
Vortragstyp Masterarbeit
Betreuer(in) Lars König
Vortragssprache Englisch
Vortragsmodus in Präsenz
Kurzfassung In view-based Model-Driven Software Development, developers use views to work with existing models of a system. View definition languages with reference expressions are used for dynamic view generation. Existing solutions often lack ease of use or do not support bidirectional model transformations. We define a set of reference operators and implement a prototype by extending the NeoJoin view definition language. We leverage Triple Graph Grammars (TGGs) to enable bidirectional and incremental model transformations. Our case study demonstrates that ten out of twelve transformations produced the correct result. The two deviations are attributed to limitations of external libraries and our prototype. The evaluation indicates that our concept can be extended with additional reference operators, but more research into conflict resolution and TGG constructs is required.

Neuen Vortrag erstellen

Bitte melde Dich mit Deinen KIT-Zugangsdaten an. Falls Du trotz Anmeldung diese Meldung siehst, bitte eine/-n Wissensmanager/-in darum, Dich zur richtigen Gruppe hinzuzufügen.

Hinweise