Selskapets kjerneteknologier

Software Arkitektur og Design

Forskningsfeltet Software Architecture and Design definerer de arkitektoniske paradigmene for selvutviklende industriell programvare. Vi transformerer statiske tegninger til levende programvarearkitekturer som lar systemer proaktivt gjenoppfinne seg selv samtidig som de sikrer korrekthet på tvers av komplekse landskap.

Utforsk publikasjoner

Hva om industriell programvare ikke lenger var et statisk verktøy, men en levende arkitektur som utvikler seg selv for å holde seg riktig?

Vår forskning omformer fremtiden for Siemens digitale portefølje ved å utvikle programvarearkitekturer som er bygget for å utvikle seg. Vi forvandler faste tegninger til dynamisk tilpasningsdyktige arkitektoniske gjenstander som proaktivt håndterer kompleksitet. Ved å integrere operativ autonomi og selvbevissthet i kjernearkitekturen, sikrer vi at programvaren vår forblir robust og korrekt, selv når miljøene og kravene endres kontinuerlig.

Det som betyr noe er utviklingen av programvarearkitektur fra en fast plan til en dynamisk tilpasningsgjenstand som bevarer korrektheten gjennom sin egen utvikling.

Delt bilde som viser abstrakte neonglassblokker og en utvikler som jobber på flere skjermer

To kolleger samarbeider på et moderne kontor og ser på en bærbar skjerm

Software Architecture and Design forskning fokuserer på overgangen fra statiske tegninger til levende programvarearkitekturer. Vi definerer prinsippene for selvutviklende programvarearkitekturer og de arkitektoniske kvalitetsegenskapene som kreves for operativ autonomi. Vårt arbeid driver strategisk arkitekturutvikling og modernisering av porteføljen, noe som muliggjør skiftet mot AI-native programvareparadigmer.

Viktige forskningsområder fokuserer på selvbevissthet for programvaresystemer, rammer for selvudvikling, føderert programvarearkitekturdesign, autonom styring og AI-forsterket dataintegrasjon. En sentral søyle i vårt domene er konstruksjonen av korrekthetskonvolutter og verifiseringsseler. Ved å legge inn selvbevissthet og sporbarhet i den arkitektoniske kjernen, sikrer vi at komplekse industrielle systemer og agentiske arkitekturer forblir spenstige, pålitelige og korrekte gjennom hele sin egen utvikling.

Dette Selskapets kjerneteknologi fokuserer på prosjektering av selvutviklende og fødererte industrielle programvareapplikasjoner gjennom avanserte rammer for programvarearkitektur. Vi driver utviklingen av strategisk arkitektur, og sikrer at programvaren vår forblir korrekt og pålitelig i miljøer med høy innsats. Ved å bruke korrekte konvolutter og arkitektoniske egenskaper for operativ autonomi, gjør vi det mulig for industrielle applikasjoner å tilpasse seg proaktivt samtidig som driftsintegriteten opprettholdes.

Utover grunnleggende forskning på levende arkitektoniske prinsipper, tilbyr denne Company Core Technology ekspertrådgivning, arkitekturanmeldelser og tekniske evalueringer. Som et horisontalt felt leverer det de arkitektoniske mønstrene og den fremtidssikre veiledningen som trengs for å bygge robust programvare av industriell kvalitet på tvers av alle Siemens forretningsdomener.

Ikon for Software Architecture and Design

Publikasjoner

Utforsk våre utvalgte artikler

Dilemmaet med få skudd: Overdrivende store språkmodeller

Publisert i: 2025 3. internasjonale konferanse om grunnlag og store språkmodeller (FLLM)
Yongjian Tang; Doruk Tuncel; Christian Körner; Thomas Runkler

Overprompting oppstår når overdrevne eksempler i meldinger forringer LLM-ytelsen, og utfordrer tradisjonelle læringsforutsetninger for få skudd. For å studere dette dilemmaet evaluerte et oppfordrende rammeverk tilfeldig prøvetaking, semantisk innebygging og TF-IDF-vektorvalg på tvers av modeller som GPT-4O, DeepSeek-v3 og LLAMA-3.1. Resultatene viser at for mange domenespesifikke eksempler paradoksalt nok skader nøyaktigheten. Testet på datasett for programvarekrav, gradvis økende stratifiserte og TF-IDF-utvalgte eksempler avslørte optimale ledetekststørrelser. Denne tilnærmingen unngår overspørsel samtidig som den overgår toppmoderne kravklassifisering med 1%.
Se på utgiverens side

LLM-baserte agentsystemer for programvareteknikk: Utfordringer og muligheter

Innsendt til: SE2026, Gesellschaft für Informatik, Bonn
Yongjian Tang, Thomas Runkler

Til tross for LLM-fremskritt krever komplekse programvareutviklingsoppgaver samarbeidende, spesialiserte tilnærminger. Denne artikkelen gjennomgår systematisk det nye paradigmet til LLM-baserte multi-agentsystemer over hele programvareutviklingslivssyklusen, inkludert kravteknikk, kodegenerering, testing og feilsøking. Den undersøker modellvalg, evalueringsreferanser, agentiske rammer og kommunikasjonsprotokoller. I tillegg fremhever arbeidet viktige utfordringer som orkestrering, koordinering av menneskelige agenter, kostnadsoptimalisering og datainnsamling, og gir viktig innsikt i tilstanden til agentisk programvareteknikk.
Se på utgiverens side

Modelldrevet modernisering av eldre systemer i stor skala

Publisert i: ReCODE '26: Proceedings of the 1st Workshop on Code Translation, Transformation, and Modernization, side 13 - 18
Tobias Böhm, Jens Guan Su Tien, Mohini Nonnenmann, Tom Schoonbaert, Bart Carpels, Andreas Biesdorf

Denne erfaringsrapporten presenterer en firetrinns modelldrevet tilnærming (analyse, berikelse, syntese, overgang) som setter inn en teknologi-agnostisk mellommodell mellom eldre kodebaser og moderne målplattformer. Brukt på en stor industriell.NET-applikasjon, migrerer den halvautomatisk brukergrensesnitt og sidestrukturer til moderne webstabler samtidig som funksjonell oppførsel bevares. Ved å konsolidere arkitektonisk kunnskap i eksplisitte modeller, forbedrer det vedlikeholdbarheten og utvikleropplevelsen. Til tross for layoututfordringer som krever manuell innsats, reduserer tilnærmingen risiko, skalerer effektivt og tilbyr gjenbrukbare mønstre.
Se på utgiverens side

Bygge bro mellom formell syntaks og LLM-semantikk: Utvinning av kunnskapsgrafer for forståelse av eldre kode

Publisert i: 2026 IEEE 23. internasjonale konferanse om Software Architecture Companion (ICSA‑C)
Henrik Thillmann; Bernhard Rumpe; Andreas Biesdorf

Etablerte bedrifter er ofte avhengige av eldre systemer som er vanskelige å vedlikeholde på grunn av utdaterte språk og uklare identifikatorer. Bytte av disse systemene utgjør imidlertid risikoen for å miste sin påviste pålitelighet. Store språkmodeller kan hjelpe til med gjenoppretting og modernisering av arkitektur, men de krever presis kontekststyring. Siden kode er et formelt språk som kan analyseres, kan gjenfinning utnytte programstruktur i stedet for å stole på ustrukturert tekst. Vi foreslår en parsingbasert metodikk for å bygge en strukturbevisst kunnskapsgraf for GraphRAG. Denne tilnærmingen demonstrerer forbedret hentingspresisjon og arkitektonisk resonnement med flere hopper i en industriell casestudie.
Se på utgiverens side