Forschung und Entwicklung, die Wissen schafft

Durch das Engagement in Forschungs- und Entwicklungsprojekten erweitern wir unser Wissen, nehmen am wissenschaftlichen Diskurs bei und gewinnen neue Einsichten und Ideen, die uns in unserer Mission bestärken – Lösungen für die besonderen Herausforderungen bei der Entwicklung eingebetteter Software in den Bereichen Automotive und Medizintechnik zu entwickeln. Unsere Arbeit wird regelmäßig vom Stifterverband für die Deutsche Wissenschaft ausgezeichnet. Vom erworbenen Wissen und den wissenschaftlichen Ergebnissen unsrer Forschung profitieren unsere Kunden durch optimierte Produkte und Dienstleistungen.

 

Aktuelle Forschungsprojekte

 

KI-LOK

Im Projekt wird der Einsatz neuer Testmethoden bei der Entwicklung KI-basierter Systeme untersucht. Ziel des Projektes ist es, Testverfahren und Methoden für die Absicherung und Zertifizierung von KI-gestützten Technologien für sicherheitskritische Anwendungen in der Bahntechnik zu entwickeln.

 

OTS4CI

Ziel des Projekts OTS4CI ist es, den komplexen Prozess der Testauswahl und -Priorisierung, den normalerweise erfahrene Tester manuell durchführen, durch geeignete KI-Methoden abzubilden. Dabei werden durch den Einsatz von bestärkendem Lernen (Reinforcement Learning) KI-basierte Systeme entwickelt, die anhand relevanter Informationen aus der Entwicklung wie z.B. Bug Fixes und der Testhistorie eine geeignete Priorisierung von Tests vornehmen sollen.

 

medCS.5

Das Ziel des Projektes medCS.5 ist die Patientendatensicherheit und Resilienz von 5G-Infrastrukturen im medizinischen Bereich zu analysieren, Bedrohungspotenziale zu identifizieren und daraus abgeleitet Empfehlungen für Sicherheit, Design und Betrieb solcher Netze zu formulieren.

www.medcs5.de

 

POC4LC

Ziel des Projekts ist es, ein stabiles und flexibles Point-of-Care Liquid Chromatography-System zu entwickeln, welches  in der Lage ist, verlässliche Analysen von essentiellen Bestandteilen komplexer Substanzgemische durch die Aufnahme und Auswertung von Chromatogrammen durchzuführen. Dadurch kann ein kostengünstiges Point-of Care fähiges Gerät entwickelt und als Alternative zu den teuren stationären HPLC-Systemen eingesetzt werden.

Abgeschlossene Forschungsprojekte

  • Reaktive Tests mit ContinoProva
    Erweiterung des Testframeworks ContinoProva um die Möglichkeit zur Einbindung von Umgebungsmodellen und verschiedenen Diagrammarten wie z.B. Modell der Unified Modeling Language (UML) und Stateflow-Modelle aus MATLAB/Simulink
  • Visuelle Schäden
    Computergestützte visuelle Verfahren zur Erkennung von Materialschäden an Photovoltaikanlagen
  • RobuTest
    Automatische Auswertung von Robustheitstests eingebetteter Software medizintechnischer Systeme
  • SPES 2020
    Software Plattform Embedded Systems 2020  (http://spes2020.informatik.tu-muenchen.de/spes-home.html)
  • MOBIMMUN
    Entwicklung eines Low-Cost-Detektionssystem zur Identifizierung von Mikroorganismen und Allergenen
  • SolarInspec
    Qualitätssicherung von Solarzellen im laufenden Betrieb durch Identifizierung von defekten Photovoltaik-Modulen mit Thermalkameras sowie Automatisierung der Planung von Wartungsmaßnahmen.
  • EmbeddedSafeSec
    Entwicklung von Vorgehensmodellen und einer integrierten Methodik zur Sicherstellung der Safety und Security bei der Entwicklung kritischer eingebetteter Systeme.
  • Universal HiL
    Entwicklung einer universell einsetzbaren HiL-Umgebung
  • TEMEA
    Testspezifikationstechnologie und -methodik für eingebettete Echtzeitsysteme im Automobilbereich
  • ContinoProva
    Framework für den automatisierten Test eingebetteter Systeme (www.continoprova.de, Innovationskatalog des BMWi)
  • Entwicklung eines Modell-Debuggers für das Modellierungstool Simulink/Stateflow
    Erforschung und Entwicklung von Verfahren zur automatischen Überprüfung von temporalen Signalabhängigkeiten und -merkmalen
  • IMMOS
    Integrierte Methodik zur modellbasierten Steuergeräteentwicklung
  • ATESvar
    Erarbeitetung und Umsetzung eines Konzepts für ein automatisches Testdesign variantenreicher Systeme basierend auf UML-Modellen, die mit Feature-Modellen kombiniert werden
  • PoC4Vet
    Entwicklung eines mobilen Geräts für den veterinärmedizinischen Bereich zur Detektion von Leptospira-Bakterien.
  • DeepTest
    Konzeption, Implementierung und Evaluierung von Testverfahren für eingebettete Systeme unter Verwendung von Methoden des maschinellen Lernens für die Generierung von Testeingaben und die Testbewertung.