DeepQuali

Anwendung von Deep Learning auf Software-Repositories zur Qualitätsbewertung

Motivation

Softwarequalität ist der maßgebliche Erfolgsfaktor für die meisten softwarebasierten Systeme. Gleichzeitig führen jedoch Zeit- und Kostendruck zu immer kürzeren Entwicklungszyklen. Daraus entstehen häufig Qualitätsdefizite, die zu Folgekosten sowie abnehmender Produktivität und Innovationsfähigkeit führen. Um Qualitätsdefizite möglichst frühzeitig im Entwicklungsprozess erkennen und mit passenden Maßnahmen reagieren zu können, werden verschiedene Qualitätsmodelle eingesetzt. Eine fundamentale Herausforderung aktueller Qualitätsmodelle liegt darin, dass sie in der Regel auf vordefinierten, statischen Metriken struktureller Eigenschaften von Software beruhen und meist nur eine Teilmenge meist willkürlich ausgewählter Metriken nutzen.

Ziele und Vorgehen

Im Projekt DeepQuali soll ein KI-basiertes Werkzeug entwickelt werden, das die Softwarequalität modelliert und bewertet. Es soll direkt auf sogenannten Softwareartefakten, also bspw. dem Quell-Code und seiner Änderungshistorie, der Dokumentation, Problem- und Commit-Meldungen, Testergebnisse und weiterer verfügbarer Daten arbeiten. Im Vergleich zu bestehenden Ansätzen soll damit die Softwarequalität deutlich präziser und kontextbezogen beurteilt werden können. DeepQuali nutzt die explorative, direkte Analyse von Daten aus Softwareprojekten sowohl aus externen als auch lokalen Repositories, in denen reichhaltige Informationen zur Qualität während der Entwicklung und des Betriebs zu finden sind.

Innovationen und Perspektiven

Die im Projekt entwickelten Lösungen können von Unternehmen in ihre Softwareentwicklungswerkzeuge oder in ihre Qualitätsmanagementsoftware integriert werden und so im Entwicklungsprozess die Produktqualität und auch die Prozesseffizienz verbessern. Dies erhöht die Chance, vereinbarte Produktfeatures qualitätsgerecht in der vorgegebenen Zeit zu realisieren und damit mittelbar die Wettbewerbsfähigkeit insbesondere der KMU-getriebenen Software-Branche zu sichern und zu verbessern.

Projektinformation

Projektleitung

QAware GmbH
Aschauer Straße 32
81549 München

Volumen

955.668 €

Laufzeit

06/2023 – 05/2025

Projektpartnerinnen und -partner

QAware GmbH, Münchenlet's dev GmbH & Co. KG, KarlsruheFraunhofer Gesellschaft e.V. – IESE, Kaiserslautern