Digital Twins für Software-Engineering-Prozesse
Digital Twins für Software-Engineering-Prozesse
Veröffentlicht und präsentiert auf der ICSE 2025 (International Conference on Software Engineering) · arXiv: 2510.05768 – Digital Twins for Software Engineering Processes
Autoren: Robin Kimmel, Judith Michael, Andreas Wortmann, Jingxi Zhang (ISW Universität Stuttgart / RWTH Aachen)
Das Problem: Fachkräftemangel trifft steigende Softwarekomplexität
Der Mangel an qualifizierten Softwareentwicklerinnen und -entwicklern wächst – und mit ihm der Druck auf bestehende Teams. Gleichzeitig steigt die Nachfrage nach neuer Software in nahezu allen Branchen unaufhörlich an. Das Ergebnis: Innovationsrückstand, überlastete Teams und eine wachsende Lücke zwischen dem, was gebraucht wird, und dem, was geliefert werden kann.
Automatisierung ist hier ein entscheidender Hebel. Die Informatik war schon immer eine Geschichte zunehmender Abstraktion und Automatisierung – von Maschinencode zu Hochsprachen, von manuellen Deployments zu CI/CD-Pipelines. Der nächste Schritt: ein Digitaler Zwilling des Software-Engineering-Prozesses selbst.
Was ist ein Digitaler Zwilling (DT)?
Ein Digitaler Zwilling ist ein Software-System, das mit einem realen System verbunden ist, dessen Daten beobachtet, mittels interner Modelle darüber nachdenkt – und auf das System zurückwirkt. Er unterscheidet sich vom bloßen digitalen Modell dadurch, dass automatisierte Datenflüsse in beide Richtungen bestehen: Beobachten und Eingreifen.
Nach dem 5D-Modell benötigt ein DT:
- ▸Interface zur Datenerfassung aus dem Originalsystem
- ▸Daten aus und über dieses System
- ▸Modelle, die das System repräsentieren
- ▸Services, die auf Basis von Daten und Modellen Mehrwert erzeugen
- ▸Verbindungen zwischen all diesen Komponenten
Die Vision: Software Process Twins
Unser Paper überträgt dieses Konzept auf Software-Engineering-Prozesse. Ein Software Process Twin würde:
▸ Daten aus dem gesamten DevOps-Zyklus erfassen – aus Ticket-Systemen, CI/CD-Pipelines, IDEs, Kalender-Daten, Architektur-Modellen, Testprotokollen, Monitoring-Systemen
▸ Modelle des Prozesses pflegen – Prozessmodelle, Datenmodelle, Constraint-Modelle, KI-Modelle für Entscheidungen über den Prozess
▸ Services bereitstellen, die aktiv eingreifen – nicht nur beobachten, sondern Verbesserungen vorschlagen oder direkt umsetzen
Ausgewählte Service-Beispiele nach DevOps-Phase:
| Phase | Service-Beispiel |
|---|---|
| Plan | Ähnlichkeitsbasierte Ticket-Zuweisung; Anforderungsanpassung an Projektstandards |
| Code | Retrieval von Projekt-Wissen direkt in der IDE; Code-Vergleich via Embeddings; Lesbarkeitsverbesserung durch Deep Learning |
| Build | Analyse von Dependency-Upgrade-Konflikten; Energieverbrauchsschätzung auf Zielhardware |
| Test | Automatische Testerstellung und -ausführung in Echtzeit; Security-Scanning von Microservices |
| Deploy | Kompatibilitätsanalyse gegen Zielplattform-Varianten |
| Operate | Laufzeitverhaltenanalyse; Peak-Energie-Analyse |
| Monitor | Tracking von Nachhaltigkeitszielen; UI-Verbesserungsvorschläge aus Nutzerverhalten |
Zwei konkrete Anwendungsbeispiele
Architekturkonformitätsanalyse
Ein DT mit dem Zweck, die Einhaltung der Architekturspezifikation zu überwachen: Automatische Services analysieren den Code auf Widersprüche zur Architekturbeschreibung. Architekten sehen ein visuelles Modell mit markierten Konflikten; Entwickler erhalten Hinweise direkt in der IDE – ohne ihren Workflow zu unterbrechen.
Sprint- und Ticket-Planungsunterstützung
Ein DT, der zugewiesene Tickets, geschätzten Aufwand und Kalendertermine eines Entwicklers zusammenführt: Reicht die Zeit bis zum Sprint-Ende? Falls nicht, automatische Warnung per E-Mail oder im DT-Cockpit.
Herausforderungen
Nicht alles ist einfach beobachtbar: Mündliche Absprachen, Business-Entscheidungen ohne Protokoll, oder datenschutzrechtliche Hürden (z.B. Chat-Log-Analyse und DSGVO) begrenzen den Umfang. Auch Vendor-Lock-in und fehlende APIs bei bestehenden Werkzeugen sind reale Hindernisse.
Ebenso kritisch: Assistenzsysteme dürfen Entwickler nicht überfordern. Informationsflut und ständige Unterbrechungen führen dazu, dass Nutzer Vorschläge ignorieren oder das System deaktivieren – das Gegenteil des Gewünschten.
Aktuelle Entwicklung & nächste Schritte
Die Autoren entwickeln aktuell Prototypen, die GitHub (als Projektmanagement-Tool und CI/CD-Pipeline) sowie Projektpläne und Entwicklerkapazitäten anbinden. Geplant ist zudem eine Visual Studio Code Extension, die direkt im Editor Verbesserungsvorschläge macht und Änderungen an Code-Artefakten vornehmen kann.
Als erste Testumgebung dienen die ca. 100 Mitarbeitenden der beteiligten Institute an Uni Stuttgart und RWTH Aachen. Anschließend folgen Usability-Studien mit Studierenden (Laborpraktika) und erfahrenen Entwicklern aus Industrie-Konsortien.
Relevanz für Zelos Digital Solutions
Diese Forschung ist Teil unserer Business AI-Dienstleistungen. Das Prinzip – KI-Systeme, die interne Daten, Dokumentationen und Prozesse ganzheitlich verstehen und aktiv Mehrwert erzeugen – übertragen wir täglich in industrielle Anwendungen: von automatisierten Code-Generatoren bis hin zu unternehmensinternen LLM-Systemen, die auf die spezifische Werkzeuglandschaft und Datenbasis unserer Kunden zugreifen.
Vollständiges Paper: arXiv:2510.05768