Projekt Aicher

Der Modellbegriff bezeichnet eine vereinfachte Darstellung von Gegenständen, Abläufen oder anderen Subjekten und wird in der Disziplin der Softwareentwicklung zur Repräsentation eines abgekürzten Realitätsausschnittes verwendet. Die Modelltransformation erweitert diesen Bereich um den Informationstransfer zwischen mehreren Modellen und ist ein wesentlicher Bestandteil der modernen Softwareentwicklung, vor allem im Bereich der modellgetriebenen Softwareentwicklung. Die vorliegende These befasst sich mit verschiedenen Möglichkeiten zur Erkennung von Informationsverlust im Bereich der Modelltransformation. Dies ist nötig, um sicherstellen zu können, dass Informationen von einem Quell-, richtig in ein Zielmodell übertragen werden, sowie zur Detektion von semantischen Unterschieden zwischen betroffenen Modellen. Im Vordergrund dieser Abhandlung stehen die beiden Fragestellungen „Wo tritt in einem Modell bei der Überführung in ein anderes Modell ein Informationsverlust auf?“ und „Wurde die Semantik eines Datensatzes durch die Transformation verändert?“. Der ersten der beiden Forschungsfragen obliegt die Bewahrung von Informationen, welche aus dem Quell- in das Zielmodell übertragen werden. Demnach sollen Daten nicht korrumpieren beziehungsweise auch an die korrekte Stelle im Zielmodell gelangen. Demgegenüber fokussiert sich die zweite Problemstellung auf die Erkennung von Modellcharakteristika in welchen sich die betroffenen Modelle unterscheiden. Dabei handelt es sich um Informationen, welche im Ziel- aber nicht im Quellmodell existieren. Zur Beantwortung der beiden Fragestellungen werden zunächst Grundlagen der Modellierung, sowie theoretische Konzepte und Verfahren aus dem Bereich der Modelltransformation und -verifikation vorgestellt. Im Weiteren werden zwei graphbasierte Implementierungen präsentiert, welche es erlauben, von Informationsverlust betroffene Modellcharakteristika zu identifizieren. Dabei handelt es sich namentlich um die graphbasierte Einschränkungsauflösung und ein Verfahren zur Erkennung von Knotenmustern mithilfe einer Neo4j Graphdatenbank. Zusätzlich wird die Verifikationskomponente des verwendeten Transformationsframeworks erläutert, welche rudimentäre Modellprüfungen ermöglicht. Abschließend werden die vorgestellten, praktischen Verfahren anhand zweier Beispiele evaluiert. Diese Evaluierung stellt die Verifikationsmethoden gegenüber und resultiert in verschiedenen Vor- und Nachteilen, zeigt dabei aber auch die grundlegende Anwendbarkeit der Implementierungen zur Erkennung von Informationsverlust.

Die Modelltransformation ist ein wesentlicher Teil der modernen Softwareentwicklung. Gerade im Bereich des Model-Driven Development (MDD) gibt es einige spannende neue Themen und Inhalte. Diese Arbeit legt den Fokus dabei auf die Entwicklung eines graphbasierten Modelltransformationsframeworks. Im Zuge dieser Arbeit werden dafür die Grundlagen der Modelltransformation beschrieben. Darunter fällt auch die Definition von Modellen, Metamodellen, aber auch welche Arten von Transformationen existieren. Darüber hinaus werden einige theoretische Konzepte wie Triple Graph Grammar (TGG) analysiert, aber auch detailliert auf bestehende Frameworks wie Atlas Transformation Language (ATL) und Epsilon Transformation Language (ETL) eingegangen. Zusätzlich dazu wird ein Konzept vorgestellt, wie die Graphdatenbank Neo4J zur Modelltransformation verwendet werden kann, beziehungsweise wie sie sich mit einem Modelltransformationsframework verbinden lässt. Das Kernthema dieser Arbeit ist dabei das Design und die Implementierung der Graphtransformationsbibliothek. Dabei wird auf die entwickelten Konzepte und verwendeten Entwurfsmuster eingegangen, sowie die Analogien zu den zuvor analysierten Frameworks aufgezeigt. Diese Bibliothek wird dann anhand zweier Beispiele, der Transformation eines Graphen in ein XML Modell und der Transformation eines 2D Bauplanes in ein 3D Modell, welche im Zuge einer Forschungsarbeit entstand, evaluiert. Abschließend wird auf die jeweiligen Vor- und Nachteile der Bibliothek eingegangen und ein Ausblick für zukünftige Entwicklungen gegeben. Dabei zeigt sich, dass vor allem die Unabhängigkeit zu anderen Technologien, sowie die lose Koppelung der Komponenten ein wesentlicher Vorteil der Bibliothek ist. Es zeigt sich aber auch, dass große Modelltransformationsframeworks wesentlich mehr Funktionalität zur Transformation bieten, diese aber häufig auch mit großem Overhead verbunden sind.

Die Analyse von Gebäudeplänen in Bezug auf Barrierefreiheit oder Probleme der Fluchtpfade ist eine schwierige Aufgabe. Im Projekt PASS (Plan Analytics using Self learning Solutions) werden daher Analysen von Bauplänen, welche zuvor von einem 2D-Bauplan in ein Interimsmodell übertragen werden, entwickelt. Diese Analysen beinhalten eine Validierung der Barrierefreiheit, eine simulationsgestützte Analyse der Fluchtpfade, sowie die optimale Platzierung von Möbeln in Räumen mittels Maschinlern-Algorithmen.