Prof. Dr. Norbert Siegmund

Herzlich willkommen bei der Professur für Intelligente Softwaresysteme!

News:

  • Akzeptiertes Paper bei der ASE 2019: "Accurate Modeling of Performance Histories for Evolving Software Systems" mit Stefan Mühlbauer und Sven Apel.
  • Beste Lehrveranstaltung von den Studierenden der Fakultät Medien gewählt und den Universitätslehrpreis 2019 erhalten! Mehr Infos >hier<
  • Akzeptiertes Paper bei der ICSE 2019: "Distance-Based Sampling of Software Configuration Spaces" mit Christian Kaltenecker, Alexander Grebhahn, Jianmei Guo und Sven Apel.
  • Eingeladene Keynote zur VaMoS 2019!
  • TSE Journal Paper akzeptiert: Finding Faster Configurations With Flash mit Vivek Nair, Zhe Yu, Tim Menzies und Sven Apel.
  • Mitglied im PC bei der ESEC/FSE 2019 in Tallinn, Estland. 
  • Beitritt in das Steering Committees von VaMoS: Der neuen Working Conference zu Variability Management and beyond!
  • Wir tragen das nächste Community Event zur Feature-orientierten Softwareentwicklung in Weimar aus!
  • Workshop Co-Chair bei der ESEC/FSE 2019 in Tallinn, Estland. 
  • Die Deutsche Forschungsgemeinschaft fördert das Projekt "Green Configuration: Verstehen des Einflusses von Software-Konfigurationen auf den Energieverbrauch"  mit einem Fördervolumen von: 590,000€!
  • Neues Paper auf der ASE akzeptiert: "Transfer Learning for Performance Modeling of Configurable Systems: An Exploratory Analysis" mit Pooyan Jamshidi und anderen
  • Wir haben 3 akzeptierte Papiere auf der ESEC/FSE, einer der bedeutendsten Software Engineering Konferenzen (Annahmequote: 24%)!
  • Erstes JUG Treffen an der Uni Weimar zog 50 Teilnehmer an. Weiter so! :)
  • Norbert Siegmund ist Mitbegründer der Java User Group Thüringen (folge uns auf Twitter:@jugthde)
  • Die Deutsche Forschungsgemeinschaft fördert das Gemeinschaftsprojekt Pervolution: Performance Evolution von hochkonfigurierbaren Softwaresystemen mit der Universität Passau (Fördervolumen für die Bauhaus-Unviersität Weimar: 289,000€)

 

Schwerpunkte der Professur:

Die Professur für Intelligente Softwaresysteme entwickelt Methoden, Werkzeuge und Theorien zur Konstruktion, Wartung und Optimierung komplexer, konfigurierbarer Softwaresysteme. Besonderer Fokus wird dabei auf die nicht-funktionalen Eigenschaften von Softwaresystemen, z.B. Performance sowie Energie- und Speicherverbrauch, gelegt. Ziel ist es, sowohl mit klassischen als auch neuartigen Methoden des maschinellen Lernens noch ungelöste Probleme im Bereich des Software Engineerings zu lösen. Diese relativ junge Forschungsrichtung, genannt "Search-Based Software Engineering", exploriert die Synergien zwischen maschinellem Lernen und Software Engineering:

  • Software Engineering strebt nach ständiger Automatisierung, Optimierung und Effizienzsteigerung in der Softwareentwicklung. Techniken des maschinellen Lernens können hier helfen neue Einsichten zu gewinnen und Probleme zu lösen, die zu komplex und zu groß sind, um sie manuell zu bewältigen. 
  • Andererseits können Techniken des Software Engineerings, insbesondere aus dem Bereich des Konfigurations- und Variantenmanagements, helfen, die stetig wachsende Zahl immer komplexerer Methoden im maschinellen Lernen wartbar, einsatzbar und generell beherrschbar zu machen. Hier streben wir ebenfalls die Automatisierung komplexer Systeme an sowie eine verbesserte Nutzbarkeit auch für Nicht-Experten.