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

EmbeddedSafeSec

EmbeddedSafeSec schafft die Grundlagen für zukunftsfähiges Safety- und Security Co-Engineering. Ziel des Projekts ist die Entwicklung eines Vorgehensmodells und einer integrierten Methodik zur Sicherstellung der Safety und Security bei der Entwicklung kritischer eingebetteter Systeme.

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.

PoC4Vet

Ziel des Projektes  ist es, eine schnelle, mobile und zuverlässige Methode zur Detektion von Krankheitserregern zu entwickeln, die dann als PoC-Anwendung (Point of Care) bereitgestellt wird. Dem medizinischen Personal sollen dadurch wichtige Informationen für Diagnose und Therapie geliefert werden. Konkret geht es im Projekt um die Identifizierung von Leptospira-Bakterien.  Der Erreger wird zunächst duch Detektion spezifischer Antikörper nachgewiesen und anschließend auf mögliche Resistenzen gegen Antibiotika untersucht.

DeepTest

Im Projekt DeepTest soll ein neues Testvorgehen für eingebettete Systeme konzipiert, implementiert und evaluiert werden, welches die Möglichkeiten des maschinellen Lernens nutzt. Bei diesem Testvorgehen werden Methoden maschinellen Lernens einerseits zur Generierung von Testeingaben genutzt, andererseits zur Identifizierung von Mustern im Systemverhalten, um das erwartete Verhalten des Testobjekts zu bestimmen und die Testläufe zu bewerten (Orakel).

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.
  • 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