Entwicklung anpassungsfähiger Verifikationsalgorithmen für softwareintensive Systeme in sich ändernden Umgebungen

Softwareintensive, cyberphysische, Systeme halten immer mehr Einzug in unser alltägliches Leben. Das beginnt bei smarten Heizungssteuerungen und Kühlschränken, über Energiekraftwerke und -netze in Smart Grid Infrastrukturen, bis hin zu autonomen Autos.

Dabei haben vor allem die letzten beiden Elemente gemein, dass Fehlfunktionen zu kritischen Situationen führen können, die einerseits mit hohen Kosten, andererseits aber auch mit der Gefahr für Menschenleben, verbunden sind.
Daher wird heutzutage bereits ein großer Aufwand betrieben, die Systeme möglichst ausfallsicher zu entwickeln und diese Sicherheit auch nachzuweisen.
Diese Analysen sind aber lediglich zur Entwicklungszeit des Systems möglich und somit müssen bereits zur Designzeit alle möglichen Situationen und Umstände betrachtet werden.

Dadurch wird jedoch ausgeschlossen, dass die Systeme im Zweifelsfall auf sich ändernde Umgebungen reagieren und selber abschätzen können, ob sie die gewünschte Funktionalität noch mit der geforderten Zuverlässigkeit, ausführen können.
Dies betrifft z. B. autonome Funktionen bei Autos, wenn sich Wetterbedingungen ändern und dadurch gewisse Sensoren nur noch eingeschränkt nutzbar sind bzw. ausfallen.
Eine Möglichkeit wäre, die jeweilige Funktion sofort zu deaktivieren. Aber ggf. ist der Einfluss der Änderung so minimal, dass die gewünschte Funktionalität noch ausgeführt werden kann.
Diese müssten dann jeweils online analysiert und verifiziert werden. 
Solche Analysen sind prinzipiell mit gängigen Verifikationsmethoden wie proabilistischem Model Checking umsetzbar. Leider sind gängige Methoden noch nicht in der Lage schnelle Analysen für hochkomplexe Systeme durchzuführen, da die Berechnungen schlicht zu lange dauern.

Um diese Onlineanalysen in Zukunft zu ermöglichen, sollen in diesem Projekt Modellverifikationsalgorithmen erstellt werden, die prinzipiell mit Modellen realer Komplexität umgehen können und dazu auch sowohl zur Designzeit aber auch währende des Einsatzes des Systems Parameter und Eigenschaften lernen, die eine schnelle, aussagekräftige und zuverlässige Analyse ermöglichen.