Bewertungstool zur Auswahl von Softwareentwicklungsmodellen
-
Florian Oexle
Florian Oexle, M. Sc, geb. 1994, promoviert als Wissenschaftlicher Mitarbeiter am wbk des Karlsruher Instituts für Technologie im Bereich Maschinen, Anlagen und Prozessautomatisierung in dem Fachgebiet Intelligente Maschinen und Komponenten. Sein Forschungsschwerpunkt liegt dabei in der lebensbegleitenden und individuellen digitalen Abbildung des dynamischen Verhaltens von Fräsmaschinen. Er war von 2013 bis 2021 zuerst als Student und anschließend als Versuchs- und Entwicklungsingenieur bei der Maschinenfabrik Berthold Hermle AG, Gosheim tätig.
,
Jan Kaiser
Jan Kaiser, B. Sc., geb. 2000, ist Masterstudent des Wirtschaftsingenieurwesens am Karlsruher Institut für Technologie. Sein Studienschwerpunkt liegt in den Bereichen Produktionswirtschaft, Fahrzeugtechnik sowie Strategie und Management. Er ist seit 2023 als freiberuflicher Unternehmensberater tätig.
Alexander Puchta, M. Sc., ist Gruppenleiter für Intelligente Maschinen und Komponenten am wbk Institut für Produktionstechnik des Karlsruher Institut für Technologie (KIT).
Prof. Dr.-Ing. Jürgen Fleischer studierte Maschinenbau an der Universität Karlsruhe (TH) und promovierte dort 1989 am Institut für Werkzeugmaschinen und Betriebstechnik (wbk). Von 1992 an war er in mehreren leitenden Positionen in der Industrie tätig, ehe er im Jahr 2003 zum Professor und Leiter des wbk Institut für Produktionstechnik am heutigen Karlsruher Institut für Technologie (KIT) berufen wurde. Darüber hinaus ist er seit 2012 Gastprofessor an der Tongji-Universität in Shanghai. Als anerkanntes Mitglied der wissenschaftlichen Gemeinschaft betätigt sich Prof. Fleischer in diversen nationalen und internationalen Gesellschaften. Darüber hinaus engagiert sich Prof. Fleischer bei der Deutschen Akademie für Technikwissenschaften (acatech) und ist Mitglied mehrerer wissenschaftlicher und industrieller Beiräte.
Abstract
Softwareentwicklung ist entscheidend für die erfolgreiche Entwicklung moderner Produktionssysteme, da sie Automatisierung, Konnektivität, Datenanalyse und Cybersicherheit ermöglicht und die digitale Transformation von Branchen vorantreibt. Die Wahl des passenden Softwareentwicklungsmodells beeinflusst den Projekterfolg maßgeblich, da diese Modelle unterschiedliche Steuerungsoptionen für Projektumfang, Kompetenzen und Anpassungsfähigkeit bieten. Um Projektmanagern die Modellauswahl zu erleichtern, wurde ein Bewertungstool entwickelt, das in dieser Arbeit näher vorgestellt wird.
Abstract
Software development is a key driver in the successful development of modern production systems. It enables automation, connectivity, data analytics, and cybersecurity – core elements of industrial digital transformation. The selection of the appropriate software development model has a significant impact on project success, given that these models offer varying levels of control over project scope, required expertise, and adaptability. To assist project managers in selecting the most suitable model, an evaluation tool has been developed and is introduced in this work.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory-Board wissenschaftlich begutachteten Fachaufsatz (Peer Review).
Über die Autoren
Florian Oexle, M. Sc, geb. 1994, promoviert als Wissenschaftlicher Mitarbeiter am wbk des Karlsruher Instituts für Technologie im Bereich Maschinen, Anlagen und Prozessautomatisierung in dem Fachgebiet Intelligente Maschinen und Komponenten. Sein Forschungsschwerpunkt liegt dabei in der lebensbegleitenden und individuellen digitalen Abbildung des dynamischen Verhaltens von Fräsmaschinen. Er war von 2013 bis 2021 zuerst als Student und anschließend als Versuchs- und Entwicklungsingenieur bei der Maschinenfabrik Berthold Hermle AG, Gosheim tätig.
Jan Kaiser, B. Sc., geb. 2000, ist Masterstudent des Wirtschaftsingenieurwesens am Karlsruher Institut für Technologie. Sein Studienschwerpunkt liegt in den Bereichen Produktionswirtschaft, Fahrzeugtechnik sowie Strategie und Management. Er ist seit 2023 als freiberuflicher Unternehmensberater tätig.
Alexander Puchta, M. Sc., ist Gruppenleiter für Intelligente Maschinen und Komponenten am wbk Institut für Produktionstechnik des Karlsruher Institut für Technologie (KIT).
Prof. Dr.-Ing. Jürgen Fleischer studierte Maschinenbau an der Universität Karlsruhe (TH) und promovierte dort 1989 am Institut für Werkzeugmaschinen und Betriebstechnik (wbk). Von 1992 an war er in mehreren leitenden Positionen in der Industrie tätig, ehe er im Jahr 2003 zum Professor und Leiter des wbk Institut für Produktionstechnik am heutigen Karlsruher Institut für Technologie (KIT) berufen wurde. Darüber hinaus ist er seit 2012 Gastprofessor an der Tongji-Universität in Shanghai. Als anerkanntes Mitglied der wissenschaftlichen Gemeinschaft betätigt sich Prof. Fleischer in diversen nationalen und internationalen Gesellschaften. Darüber hinaus engagiert sich Prof. Fleischer bei der Deutschen Akademie für Technikwissenschaften (acatech) und ist Mitglied mehrerer wissenschaftlicher und industrieller Beiräte.
Literatur
1 Adeniran, I. A.; Agu, E. E.; Efunniyi, C. P.; Osundare, O. S.; Iriogbe, H. O.: The Future of Project Management in the Digital Age: Trends, Challenges, and Opportunities. Engineering Science & Technology Journal 5 (2024) 8, S. 2634–2635 DOI:10.51594/estj.v5i8.151610.51594/estj.v5i8.1516Search in Google Scholar
2 Alshamrani, A.; Bahattab, A.: A Comparison Between Three SDLC Models Waterfall Model, Spiral Model, and Incremental/Iterative Model. International Journal of Computer Science Issues 12 (2015) 1, S. 106–110. Online unter https://www.proquest.com/docview/1660801422?sourcetype=Scholarly%20Journals [Abruf am 02.05.2025]Search in Google Scholar
3 Balaji, S.; Murugaiyan, M. S.: Waterfall vs V-Model vs Agile: A Comparative Study on SDLC. International Journal of Information Technology and Business Management 2 (2012) 1, S. 26–29. Online unter https://mediaweb.saintleo.edu/Courses/COM430/M2Readings/WATEERFALLVs%20V-MODEL%20Vs%20AGILE%20A%20COMPARATIVE%20STUDY%20ON%20SDLC.pdf [Abruf am 02.05.2025]Search in Google Scholar
4 Bassil, Y.: A Simulation Model for the Waterfall Software Development Life Cycle. International Journal of Engineering & Technology 2 (2011) 5, S. 2 DOI:10.48550/arXiv.1205.690410.48550/arXiv.1205.6904Search in Google Scholar
5 Cohn, T.; Paul, R.: A Comparison of Requirements Engineering in Extreme Programming (XP) and Conventional Software Development Methodologies. Americas Conference on Information Systems 256 (2001), S. 1328. Online unter https://aisel.aisnet.org/amcis2001/256 [Abruf am 02.05.2025]Search in Google Scholar
6 Fojtik, R.: Extreme Programming in Development of Specific Software. Procedia Computer Science 3 (2010), S. 1464–1468 DOI:10.1016/j.procs.2011.01.03210.1016/j.procs.2011.01.032Search in Google Scholar
7 Goldstein, J.; Benaroch, M.: Project Milestones for Managing Risk in Software Development Outsourcing: A Real Options Perspective (2006). In: Association for Information Systems AMCIS 2006 Proceedings 389 (2006), S. 3207–3208. Online unter https://aisel.aisnet.org/amcis2006/389 [Abruf am 02.05.2025]Search in Google Scholar
8 Gupta, A.; Rawal, A.; Barge, Y.: Comparative Study of Different SDLC Models. International Journal for Research in Applied Science & Engineering Technology 9 (2021) 11, S. 76 DOI:10.22214/IJRASET.2021.3873610.22214/IJRASET.2021.38736Search in Google Scholar
9 Gupta, D.; Gupta, S.; Jaggi, I.; Katoch, N.; Shrivastava, A.: A Systematic Review on Extreme Programming. Journal of Physics: Conference Series 1969, International Virtual Conference on Intelligent Robotics, Mechatronics and Automation Systems 2021 (2021), S. 1–10 DOI:10.1088/1742-6596/1969/1/01204610.1088/1742-6596/1969/1/012046Search in Google Scholar
10 Hasnine, M. N.; Chayon, M. K. H.; Rahman, M. M.: A Cost Effective Approach to Develop Mid-size Enterprise Software Adopted the Waterfall Model. International Journal of Computer and Information Engineering 9 (2015) 5, S. 1182–1184 DOI:10.5281/zenodo.110531110.5281/zenodo.1105311Search in Google Scholar
11 Hanakawa, N.; Iida, H.; Matsumoto, K.; Torii, K.: A Framework of Generating Software Process including Milestones for Object-Oriented Development Method. Computer Institute of Japan Corporation, Proceedings 1996 Asia-Pacific Software Engineering Conference (1996), S. 120–125 DOI:10.1109/APSEC.1996.56674710.1109/APSEC.1996.566747Search in Google Scholar
12 Iqbal, S. Z.; Idrees, M.: Z-SDLC Model: A New Model For Software Development Life Cycle (SDLC). International Journal of Engineering and Advanced Research Technology 3 (2017) 2, S. 3–4. Online unter https://www.researchgate.net/publication/316317334_Z-SDLC_Model_A_New_Model_For_Software_Development_Life_Cycle_SDLC#fullTextFileContent [Abruf am 02.05.2025]Search in Google Scholar
13 Kute, S.; Sanjay, A.; Seema, S.; Surabhi, D.; Thorat, A. S.: A Review on Various Software Development Life Cycle (SDLC) Models. International Journal of Research in Computer and Communication Technology 3 (2014) 7, S. 778–779. Online unter https://www.researchgate.net/publication/312473242_A_Review_on_Various_Software_Development_Life_Cycle_SDLC_Models [Abruf am 02.05.2025]Search in Google Scholar
14 Lemeš, S.: The Role of Software Engineering in Industry 4.0 – Basic Technologies and Models for Implementation of Industry 4.0 209 (2023), S. 85. Online unter https://www.researchgate.net/publication/374532017_The_Role_of_Software_Engineering_in_Industry_40 [Abruf am 02.05.2025] DOI:10.5644/PI2023.209.0510.5644/PI2023.209.05Search in Google Scholar
15 Maataoui, S.; Bencheikh, G.; Bencheikh, G.: Predictive Maintenance in the Industrial Sector: A CRISP-DM Approach for Developing Accurate Machine Failure Prediction mModels. In: 2023 Fifth International Conference on Advances in Computational Tools for Engineering Applications (ACTEA) (2023), S. 223–227 DOI:10.1109/ACTEA58025.2023.1019398310.1109/ACTEA58025.2023.10193983Search in Google Scholar
16 Mathur, S.; Malik, S.: Advancements in the V-Model. International Journal of Computer Applications 1 (2010) 12, S. 30–31 DOI:10.5120/266-42510.5120/266-425Search in Google Scholar
17 Oyekunle, O.: Impact of Adopted Methodology on Project Execution and Milestone. International Journal of Legal Developments & Allied Issues 10 (2024) 3, S. 43–45. Online unter https://www.researchgate.net/publication/381163666_Impact_of_Adopted_Methodology_on_Project_Execution_and_Milestone [Abruf am 02.05.2025]Search in Google Scholar
18 Permana, P. A. G.: Scrum Method Implementation in a Software Development Project Management. International Journal of Advanced Computer Science and Applications 6 (2015) 9, S. 199–203 DOI:10.14569/IJACSA.2015.06092710.14569/IJACSA.2015.060927Search in Google Scholar
19 Shimaoka, A. M.; Ferreira, R. C.; Goldmann, A.: The Evolution of CRISP-DM for Data Science: Methods, Processes and Frameworks. SBC Reviews on Computer Science 4 (2024) 1, S. 1–3 DOI:10.5753/reviews.2024.375710.5753/reviews.2024.3757Search in Google Scholar
20 Tuteja, M.; Dubey, G.: A Research Study on importance of Testing and Quality Assurance in Software Development Life Cycle (SDLC) Models. International Journal of Soft Computing and Engineering 2 (2012) 3, S. 251– 257. Online unter https://www.ijsce.org/wpcontent/uploads/papers/v2i3/C0761062312.pdf [Abruf am 02.05.2025]Search in Google Scholar
21 LinearB Inc.: Top 10 Software Development Life Cycle SDLC Tools (2022). Online unter https://linearb.io/blog/sdlc-tools [Abruf am 02.05.2025]Search in Google Scholar
22 BrowserStack: Top 15 SDLC Tools (2025). Online unter https://www.browserstack.com/guide/sdlc-tools [Abruf am 02.05.2025]Search in Google Scholar
© 2025 Walter de Gruyter GmbH, Berlin/Boston, Germany
Articles in the same Issue
- Inhalt
- Editorial
- Frühzeitig erkennen, effizient handeln
- Fabrikplanung
- Forschungsaktivitäten im Gebiet der Fabrikplanung
- Fabrikzielorientierte Bewertung von Layoutvarianten
- Produktionsplanung
- Modellierung einer Methode zur energieeffizienten Produktionsplanung unter Unsicherheiten
- Nachhaltigkeit
- Nachhaltigkeit in der Betriebsmittelplanung
- Gestaltungsfelder für eine nachhaltige Produktion
- Ökologische Optimierung
- Effizienzsteigerung industrieller Systeme anhand der Maßnahmenhierarchie
- Carbon Footprint
- Accounting for the Unseen: Quantifying Emissions from Product Development Activities
- Wettbewerbsfähigkeit
- Transformation zum Lösungsanbieter im Maschinenbau
- Fehlermanagement
- Effizientes Fehlermanagement in der Automobilbranche
- Industrielle Re-Fabrikation
- Anforderungsanalyse für die industrielle Re-Fabrikation in metallverarbeitenden KMU
- Umformverfahren
- Modellierung und Validierung des Stranggießens von Aluminium und Kupfer
- Electric Vehicle
- Energy Efficient Wide Bandgap Semiconductor SiC Based Electric Vehicle and their Applications
- Diskrete Fertigung
- Digitalisierung und KI in der diskreten Fertigung
- Robotik
- Mobile Pick-Roboter in der Intralogistik
- Technische Herausforderungen für vollautomatisierte Schweißanwendungen in KMU
- Digitale Zwillinge
- Digitale Zwillinge als Nachhaltigkeitsmotor
- Softwareentwicklung
- Bewertungstool zur Auswahl von Softwareentwicklungsmodellen
- Vorschau
- Vorschau
Articles in the same Issue
- Inhalt
- Editorial
- Frühzeitig erkennen, effizient handeln
- Fabrikplanung
- Forschungsaktivitäten im Gebiet der Fabrikplanung
- Fabrikzielorientierte Bewertung von Layoutvarianten
- Produktionsplanung
- Modellierung einer Methode zur energieeffizienten Produktionsplanung unter Unsicherheiten
- Nachhaltigkeit
- Nachhaltigkeit in der Betriebsmittelplanung
- Gestaltungsfelder für eine nachhaltige Produktion
- Ökologische Optimierung
- Effizienzsteigerung industrieller Systeme anhand der Maßnahmenhierarchie
- Carbon Footprint
- Accounting for the Unseen: Quantifying Emissions from Product Development Activities
- Wettbewerbsfähigkeit
- Transformation zum Lösungsanbieter im Maschinenbau
- Fehlermanagement
- Effizientes Fehlermanagement in der Automobilbranche
- Industrielle Re-Fabrikation
- Anforderungsanalyse für die industrielle Re-Fabrikation in metallverarbeitenden KMU
- Umformverfahren
- Modellierung und Validierung des Stranggießens von Aluminium und Kupfer
- Electric Vehicle
- Energy Efficient Wide Bandgap Semiconductor SiC Based Electric Vehicle and their Applications
- Diskrete Fertigung
- Digitalisierung und KI in der diskreten Fertigung
- Robotik
- Mobile Pick-Roboter in der Intralogistik
- Technische Herausforderungen für vollautomatisierte Schweißanwendungen in KMU
- Digitale Zwillinge
- Digitale Zwillinge als Nachhaltigkeitsmotor
- Softwareentwicklung
- Bewertungstool zur Auswahl von Softwareentwicklungsmodellen
- Vorschau
- Vorschau
