CrESt Market Place EC5: Unsicherheiten im offenen Kontext
Kollaborative eingebettete Systeme arbeiten in hochdynamischen Kontexten, interagieren mit anderen Systemen und sind daher während
des Betriebs mit verschiedenen Unsicherheiten konfrontiert. Bei der systematischen Entwicklung kollaborativer eingebetteter Systeme muss
Unsicherheit sorgfältig berücksichtigt werden, um die Systeme für den Umgang mit unsicheren Situationen während des Betriebs zu rüsten.
Eine wichtige Aufgabe in der Frühphase der Entwicklung besteht darin, Unsicherheit überhaupt erst zu erkennen, was ein Bewusstsein für
die verschiedenen Arten von Unsicherheiten voraussetzt.
Eine Art von Unsicherheit ist die epistemische Unsicherheit, die sich auf den Informationsaustausch zwischen verschiedenen kollaborierenden
Systemen bezieht. Unser Poster "Identifying Epistemic Uncertainties in Collaborative System Groups" stellt ein Klassifikationsschema vor,
das verschiedene Arten solcher epistemischer Unsicherheiten unterscheidet, was ihre Identifizierung in frühen Entwicklungsstadien erleichtert.
Insbesondere ermöglicht das Klassifikationsschema die Untersuchung ontologiebasierter Nachrichten, die zwischen Systemen ausgetauscht werden,
im Hinblick auf potentielle Unsicherheiten, die in Kollaborationsszenarien auftreten können.
Eine weitere wichtige Entwicklungsaktivität ist die explizite Modellierung der identifizierten Unsicherheiten. Zu diesem Zweck stellt unser
Poster "Orthogonal Uncertainty Modeling" eine Modellierungssprache für Unsicherheiten im Allgemeinen vor. Dieser Ansatz verwendet insbesondere
dedizierte, grafische Modelle zur Erfassung von Unsicherheitsinformationen. Da sich Unsicherheit auf verschiedene andere technische Artefakte,
wie z.B. Anforderungen oder Kontextmodelle, auswirkt und während des gesamten Entwicklungsprozesses berücksichtigt werden muss, können unsere
orthogonalen Unsicherheitsmodelle über Trace-Links mit jedem anderen Artefakt in Beziehung gesetzt werden.
Darüber hinaus verwenden kollaborative eingebettete Systeme oft datengesteuerte Komponenten, um Kontextwissen aus Sensordaten, wie z.B. erkannte
Verkehrszeichen, zu extrahieren, das auch an andere Fahrzeuge übermittelt werden muss. Es bestehen jedoch Einschränkungen in der Gültigkeit der
Ausgaben solcher datengetriebenen Komponenten, was zu datenbezogener Unsicherheit führt. Die datenbezogene Unsicherheit erfordert Maßnahmen,
die es datengetriebenen Komponenten ermöglichen, die Unsicherheit abzuschätzen und ihren Outputs entsprechende Unsicherheit zuzuordnen. Ein
Referenzarchitekturmuster, das diese Aspekte berücksichtigt, wird in unserem Poster "Managing Uncertainty for Data-Driven Components" vorgestellt.
Alle drei Poster verwenden Beispiele aus dem Anwendungsfall der autonomen Fahrzeuge, d.h. Fahrzeuge, die ihre Umgebung autonom wahrnehmen und
in der Lage sind, sich zu Platoons zusammenzuschließen, um beispielsweise Kraftstoffverbrauch zu reduzieren oder die Sicherheit der Fahrer zu erhöhen.
zurück
