Software Engineering

Wir ermöglichen nachhaltige digitale Transformation
Die Software Engineering Research Group der ZHAW ist führend in der Verbindung von Lehre und angewandter Forschung. Wir engagieren uns für exzellente Ausbildung und setzen Standards, wo Forschungsinnovation auf Branchenrelevanz trifft. Unsere Vision ist es, innovative Software-Engineering-Methoden und -Tools anzuwenden, um die Effizienz und Qualität der Softwareentwicklung zu verbessern. Wir senken die Gesamtbetriebskosten und fördern die Bürgerentwicklung, um eine nachhaltige digitale Transformation zu ermöglichen.
Forschungsthemen
LowCode & NoCode Software Engineering
Im Bereich Low-Code- und No-Code-Softwareentwicklung treiben wir die Forschung an KI-gesteuerten Tools, domänenspezifischen Sprachen und intelligenten Modellierungsassistenten voran, um eine schnelle Prototypenerstellung zu ermöglichen und Citizen Developer zu unterstützen. Wir entwickeln neue Paradigmen für die Softwareentwicklung, die den Schwerpunkt auf die Rückverfolgbarkeit von Software und die Erfassung nutzerzentrierter Anforderungen legen und sicherstellen, dass Systeme gemeinsam mit den Menschen und nicht nur für sie entwickelt werden. Unsere Hauptziele sind:
🚀 Reduzierung der Softwareentwicklungskosten in der Schweiz
Durch den Einsatz von Low-Code- und No-Code-Plattformen passen wir Softwareentwicklungsmethoden und -tools an, um die mit der traditionellen Softwareentwicklung verbundenen Kosten und Zeiten deutlich zu reduzieren.
🛠️ Schnelle Entwicklung hochwertiger Lösungen
Unsere Forschung stellt sicher, dass die schnelle Entwicklung auf Low-Code- und No-Code-Plattformen keine Kompromisse bei der Qualität, Sicherheit oder Wartbarkeit der Software eingeht.
🧑💻 Behebung des Mangels an qualifizierten Entwicklern
Mit Low-Code- und No-Code-Plattformen versetzen wir Unternehmen in die Lage, Anwendungen ohne ein Team hochspezialisierter Entwickler zu erstellen und gleichzeitig die Bürgerentwicklung zu maximieren.
🌍 Kontinuierliche Änderungen und neue Anforderungen integrieren
Unsere Forschung entwickelt Techniken, um Anforderungen aus verschiedenen Quellen schnell und mit minimalem Aufwand zu erfassen und so kontinuierliche und agile Lieferzyklen zu ermöglichen.
Projektbeispiele in dieser Forschungslinie
KI-gesteuerte Entscheidungsplattform für das Software-Staging-Management
AI-SQUARE ist ein innovatives, von Innosuisse finanziertes Projekt, das sich der Weiterentwicklung von Technologien zur Entscheidungsunterstützung im Software-Staging-Management widmet. Unsere Zusammenarbeit bringt ein Team von Experten aus führenden akademischen Einrichtungen und Industriepartnern zusammen, darunter ZHAW, HE-Arc Ingénierie, HEPIA-GE und Swiss Digital Network.

KI-basierte Software-Fabrik für MedTech-Anwendungen
Im Rahmen des von Innosuisse finanzierten Flaggschiff-Projekts SHIFT entwickeln wir eine No-Code-Technologie, welche die Bürgerentwicklung in Krankenhäusern ermöglicht. Damit können Gesundheitsexperten Software für ihre Dienste und Bedürfnisse entwerfen und entwickeln. Diese Lösung verkürzt die Markteinführungszeit erheblich und erhöht die Softwarequalität.
Softwarequalität und Nachhaltigkeit
Im Bereich Softwarequalität und -nachhaltigkeit entwickelt unsere Forschung umfassende Kriterien und Messinstrumente zur Bewertung der Nachhaltigkeit von Entwicklungsprozessen, Paradigmen und Softwareprodukten. Wir fördern die Ausbildung und angewandte Forschung in den Bereichen Softwarequalitätsstandards und -tests, Entwicklungslebenszyklus, DevOps, Softwarearchitekturen und Softwareökonomie und setzen uns für hochwertige und nachhaltige Softwaresysteme ein. Unsere Hauptziele sind:
🌱 Messung der Auswirkungen und Nachhaltigkeit von Software
Unsere Forschung im Bereich nachhaltige Software hilft Unternehmen, die langfristigen ökologischen, wirtschaftlichen und sozialen Auswirkungen ihrer Softwaresysteme zu messen und so die Übereinstimmung mit ihren Nachhaltigkeitszielen sicherzustellen.
🔍Weiterentwicklung von Software-Engineering-Paradigmen
Wir untersuchen, wie Nachhaltigkeits- und Qualitätskriterien über den gesamten Softwareentwicklungslebenszyklus hinweg gemessen und integriert werden können – von der Architektur bis zu DevOps –, um robuste und wartbare Systeme zu gewährleisten.
💡Nahtlose Verbindung von Softwareökonomie und Testing
Durch die Verbindung von Softwareökonomie mit Tests und Design fördern wir kostengünstige, hochwertige und nachhaltige Lösungen.
🧩 Aufbau robuster Softwarearchitekturen
Wir untersuchen, wie robuste Softwarearchitekturen jede Phase des Softwareentwicklungslebenszyklus leiten und verbessern können, um skalierbare und nachhaltige Systeme zu gewährleisten.
Projektbeispiele in diesem Forschungsbereich
Grüne und nachhaltige Digitalisierung für die Textilindustrie
Durch die Optimierung der Produktion in der Textilindustrie kann die Digitalisierung dazu beitragen, den Stromverbrauch und damit auch den Ausstoss von Schadstoffen zu reduzieren. Allerdings verursacht die Digitalisierung selbst Emissionen, beispielsweise durch den Einsatz leistungsfähiger KI-Algorithmen. Derzeit gibt es keine Transparenz darüber, wie Investitionen in die Digitalisierung zu einer Emissionsreduzierung führen können. In diesem Projekt das, in Zusammenarbeit mit der Zürcher Stiftung für Textilforschung durchgeführt wird, schlagen wir wirksame Massnahmen zur Reduzierung der durch die Digitalisierung verursachten Emissionen vor.

Messung nachhaltiger Entwicklungspraktiken
Softwareprodukte und -dienstleistungen müssen nachhaltig sein, um ihre negativen Auswirkungen auf Mensch und Umwelt zu minimieren. Um dies zu erreichen, müssen Nachhaltigkeitsaspekte frühzeitig in Softwareentwicklungsprojekte integriert werden ( ). Zu diesem Zweck haben wir GitGauge entwickelt – ein Tool, das Software-Repositorys analysiert, um Qualität- und Nachhaltigkeit-Metriken auf Basis künstlicher Intelligenz zu berechnen und so eine objektive Bewertung der Gesamtleistung eines Projekts zu ermöglichen.
Herausforderungen der Industrie
Wir arbeiten eng mit Praktikern aus der Industrie zusammen, um zentrale Herausforderungen im Bereich Software-Entwicklung zu adressieren, darunter:
- Nachhaltige Praktiken nahtlos in den frühen Phasen der Software-Entwicklung zu integrieren.
- Künstliche Intelligenz einzusetzen, um repetitive Aufgaben zu automatisieren, menschliche Ressourcen optimal zu nutzen und die Markt-Einführungszeit zu verkürzen.
- Kontinuierliche Validierung von Anforderungen und eine durchgängige Beobachtbarkeit zur Sicherstellung der Softwarequalität zu gewährleisten.
- Die Rückverfolgbarkeit und Abstimmung zwischen sich wandelnden Nutzerbedürfnissen und Softwaremodellen über den gesamten Entwicklungszyklus hinweg zu verbessern.
Lehre und Ausbildung
Bachelor in Informatik, Medizinischer Informatik und Datenwissenschaft. Wir leiten die Kurse zu Programmierung, Softwareentwicklung und Informationssystemen in drei Bachelor-Programmen der Fakultät für Ingenieurwissenschaften. Wir beziehen unsere Studierenden von Beginn ihres Studiums an aktiv in Forschungsthemen ein.
Weiterbildung Unser CAS Software Engineering (nur auf Deutsch) bietet Praktikern und Quereinsteigern die Möglichkeit, die Grundlagen für den Aufbau robuster und nachhaltiger IT-Systeme und Softwareprodukte zu erlernen. Das pädagogische Programm vermittelt den Teilnehmern bewährte Prinzipien, Methoden und Werkzeuge. Der CAS Software Engineering kann als Wahlfach im Rahmen des DAS Informatik und des MAS Informatik anerkannt werden.
Master-Studiengang MSE. Wir sind auch als Forschungsprojektbetreuer im MSE engagiert. Unsere Studierenden haben ihr Studium erfolgreich abgeschlossen und sind als Forscher in unseren Projekten tätig.
Studierendenprojekte
Doktorarbeiten
David Mosquera entwickelt MARPa, eine Methode für Low-Code-/No-Code-Software, die wiederverwendbare Anforderungsmuster mit intelligenter Modellierungsunterstützung kombiniert. MARPa unterstützt kollaboratives und automatisiertes Requirements Engineering mithilfe von domänenspezifischer Modellierung, ontologiebasierter Argumentation und natürlicher Sprachverarbeitung. Empirische Studien zeigen eine verbesserte Effizienz und Effektivität in LCNC-Kontexten. Zukünftige Arbeiten werden sich auf die Verbesserung der Musterverwendbarkeit und die Stärkung der Modellintegration und Rückverfolgbarkeit konzentrieren. Davids Forschungsergebnisse wurden auf wichtigen Konferenzen vorgestellt und in führenden Fachzeitschriften veröffentlicht.
Christian Birchler konzentriert sich auf Software-Engineering und Testmethodiken für autonome Systeme. Seine Arbeit umfasst die Entwicklung von Tools für simulationsbasierte Tests, wobei er sich insbesondere auf die Testauswahl, Priorisierung und Regressionstests konzentriert. Er ist an der Verbesserung der Zuverlässigkeit und Effizienz von Testprozessen für selbstfahrende Fahrzeuge in virtuellen Umgebungen beteiligt. Christian veröffentlicht seine Ergebnisse regelmässig in Fachzeitschriften und auf Konferenzen und trägt damit zur Weiterentwicklung der Software-Qualitätssicherung bei.
Projekte
Leider kann hier momentan keine Liste der Projekte angezeigt werden. Bis die Liste wieder verfügbar ist, kann die Projektsuche auf der Dachseite der ZHAW genutzt werden.
Publikationen
-
Siddiqui, Nadina; Metzler, Linus; Tuggener, Don; Cieliebak, Mark,
2018.
A framework for text analytics with visual exploration and machine learning[Poster].
In:
Fachkonferenz Technik, Architektur und Life Sciences (FTAL), Lugano, 18.-19. Oktober 2018.
-
von Grünigen, Dirk; Benites de Azevedo e Souza, Fernando; Pradarelli, Beatrice; Magid, Amani; Cieliebak, Mark,
2018.
Best practices in e-assessments with a special focus on cheating prevention[Paper].
In:
Proceedings of 2018 IEEE Global Engineering Education Conference (EDUCON).
2018 IEEE Global Engineering Education Conference (EDUCON18), Tenerife, 17-20 April 2018.
IEEE.
S. 893-899.
Verfügbar unter: https://doi.org/10.1109/EDUCON.2018.8363325
-
Benites de Azevedo e Souza, Fernando; Malmasi, Shervin; Zampieri, Marcos,
2018.
Classifying patent applications with ensemble methods[Paper].
In:
Australasian language technology association workshop 2018 : proceedings of the workshop.
16th Annual Workshop of The Australasian Language Technology Association (ALTA 2018), Dunedin, New Zealand, 10-12 December 2018.
Australasian Language Technology Association.
S. 89-92.
Verfügbar unter: https://arxiv.org/pdf/1811.04695.pdf
-
Sugisaki, Kyoko; Tuggener, Don,
2018.
German compound splitting using the compound productivity of morphemes[Paper].
In:
Barbaresi, Adrien; Biber, Hanno; Neubarth, Friedrich; Osswald, Rainer, Hrsg.,
14th Conference on Natural Language Processing - KONVENS 2018.
14th Conference on Natural Language Processing (KONVENS 2018), Vienna, Austria, 19-21 September 2018.
Austrian Academy of Sciences Press.
S. 141-147.
Verfügbar unter: https://doi.org/10.21256/zhaw-4974
-
Agirre, Eneko; Marchand, Sarah; Rosset, Sophie; Peñas, Anselmo; Cieliebak, Mark,
2018.
LIHLITH : improving communication skills of robots through lifelong learning.
ERCIM News.
2018(114), S. 12.
Verfügbar unter: https://ercim-news.ercim.eu/images/stories/EN114/EN114-web.pdf