Kompositorische Merkmal-Modell-Analysen

Die Modellierung von Merkmalen ist ein weit verbreitetes Verfahren zur systematischen Modellierung von Merkmalen variantenreicher Softwaresysteme und deren Abhängigkeiten. Durch die Übersetzung von Feature-Modellen in propositionale Formeln und deren Analyse mit Solvern wird eine Vielzahl von automatisierten Analysen über alle Phasen des Softwareentwicklungsprozesses hinweg möglich. Die meisten Solver akzeptieren nur Formeln in konjunktiver Normalform (CNF), so dass oft eine zusätzliche Transformation der Feature-Modelle notwendig ist.
In diesem Projekt untersuchen wir, ob diese Transformation einen spürbaren Einfluss auf Analysen hat und wie man diesen Einfluss positiv beeinflussen kann. Wir schärfen das Bewusstsein für CNF-Transformationen bei der Analyse von Merkmalsmodellen und entschärfen sie als Gefahr für die Validität von Forschungsevaluierungen, um Reproduzierbarkeit und faire Vergleiche zu gewährleisten. Darüber hinaus untersuchen wir andere Schritte im Prozess der Feature-Modell-Analyse, ihre Alternativen und ihre Wechselwirkungen; zum Beispiel untersuchen wir das Potenzial und die Auswirkungen von Wissenskompilierung, Schnittstellen, Slicing und Evolution auf Feature-Modell-Analysen.
Unsere Vision für dieses Projekt ist es, ein Fundament für eine kompositionelle Feature-Modell-Analyse-Algebra zu legen, d.h. zu verstehen, wie komplexe Analysen aus einfachen Teilen bestehen, wie sie wieder zusammengesetzt werden können und wie diese Teile miteinander interagieren.
Dieser Text wurde mit DeepL übersetzt am 28.11.2025

Compositional Feature-Model Analyses

Feature modeling is widely used to systematically model features of variant-rich software systems and their dependencies. By translating feature models into propositional formulas and analyzing them with solvers, a wide range of automated analyses across all phases of the software development process become possible. Most solvers only accept formulas in conjunctive normal form (CNF), so an additional transformation of feature models is often necessary.
In this project, we investigate whether this transformation has a noticeable impact on analyses and how to influence this impact positively. We raise awareness about CNF transformations for feature-model analysis and mitigate it as a threat to validity for research evaluations to ensure reproducibility and fair comparisons. Furthermore, we investigate other steps in the feature-model analysis process, their alternatives, and their interactions; for instance, we study the potential and impact of knowledge compilation, interfaces, slicing, and evolution on feature-model analyses.
Our vision for this project is to lay a foundation for a compositional feature-model analysis algebra; that is, to understand how complex analyses are made of simple parts, how they can be re-assembled, and how those parts interact with each other.