Adaptive Systeme & Machine Learning

Die Selbstanpassung („self-adaptation“) ermöglicht den erfolgreichen Betrieb eines Software-Systems auch in Situationen, die zur Entwicklungszeit nicht vorhersehbar waren. Ein adaptives Software-System kann mit Situationen zur Laufzeit umgehen, wie zum Beispiel der konkreten physikalischen Systemumgebung, dem Auftreten von Fehlern oder veränderten Anforderungen und Rahmenbedingungen. Dazu strukturieren sich adaptive Software-Systeme neu oder verändern ihr Verhalten während der Laufzeit auf Basis der Wahrnehmung von sich selbst, ihrem Umfeld oder ihrer Anforderungen.

So kann beispielsweise ein Cloud-System während der Laufzeit einer unerwarteten Veränderung in seiner Systemlast begegnen, z.B. einer radikalen Zunahme an Nutzern, die gleichzeitig auf das System zugreifen. Als Folge einer zu hohen Systemlast wäre das System in seinem aktuellen Zustand nicht im Stande, seine Anforderungen hinsichtlich der Antwortzeit zu erfüllen. Um mit einer solchen unerwarteten Situation umzugehen, kann das Cloud-System aber dynamisch weitere Rechenressourcen anfordern, und somit der erhöhten Last angemessen zu begegnen.

Forschungsthemen

• Maschinelles Lernen für selbst-adaptive Systeme
• Continuous Delivery (DevOps) und Evolution für selbst-adaptive Systeme
• Koordinierte Adaptation von Cloud-Anwendungen und Cloud-Infrastukturen
• Datenschutz-Monitoring und datenschutz-gesteuerte Adaptation datenintensiver Cloud-Systeme